2020年长江中下游蓄滞洪区集中区域洪水遥感监测及敏感性分析

doi:10.11873/j.issn.1004-0323.2023.6.1402

2020年长江中下游蓄滞洪区集中区域洪水遥感监测及敏感性分析

王永财^,¹, 万华伟^,², 胡卓玮¹, 侯鹏²

1.首都师范大学资源环境与旅游学院，北京 100048

2.生态环境部卫星环境应用中心，北京 100094

Flood Monitoring and Susceptibility Analysis Using Remote Sensing Data in Concentrated Areas in the Middle and Lower Reaches of the Yangtze River in 2020

WANG Yongcai^,¹, WAN Huawei^,², HU Zhuowei¹, HOU Peng²

1.College of Resource Environment and Tourism，Capital Normal University，Beijing 100048，China

2.Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment，Beijing 100094，China

通讯作者: 万华伟（1981-），女，山东东阿人，研究员，主要从事定量遥感应用研究。E⁃mail: wanhw@secmep.cn

收稿日期: 2022-09-07 修回日期: 2023-08-14

基金资助:

国家重点研发计划专项. 2021YFB2600101

Received: 2022-09-07 Revised: 2023-08-14

作者简介 About authors

王永财（1988-）,男，甘肃平凉人，博士研究生，主要从事生态遥感应用研究E⁃mail:2210901019@cnu.edu.cn , E-mail：2210901019@cnu.edu.cn

摘要

为了减轻洪水有关的灾害风险，需快速准确获取洪水范围，并利用洪水事件的相关数据和信息来分析洪水的敏感区域，可为洪水的预防决策和管理提供科学依据。基于Sentinel-1 SAR数据分析2020年7月长江中下游蓄滞洪区集中区域洪水淹没状况，并利用机器学习模型分析了长江中下游蓄滞洪区集中区域洪水的敏感性，研究结果表明：①长江中下游蓄滞洪区内2020年洪水期水体面积达到了3 747 km²，相比平水期新增水体面积为1 301 km²，占整个研究区新增水体面积的19%，新增水体面积最大的为洪湖蓄滞洪区和华阳河蓄滞洪区。②从研究区新增水体范围内2010年以来土地利用变化来看，耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，湿地面积萎缩降低蓄水纳洪能力。③研究区洪水敏感性高等级面积占整个研究区的23.33%，洪水敏感性极高等级占整个研究区的22.55%；蓄滞洪区洪水敏感性高等级面积占蓄滞洪区的面积比例为38.97%，极高等级占整个蓄滞洪区面积的52.05%。研究结果可为蓄滞洪区洪水防治、规划和建设提供科学依据和理论参考。

关键词： 长江 ; 蓄滞洪区 ; 洪水 ; 遥感 ; 敏感性

Abstract

In order to reduce flood related disaster risks， it is necessary to quickly and accurately obtain the flood area， and use relevant data and information of flood events to analyze flood susceptibility areas， which can provide a scientific basis for flood prevention decision-making and management. Based on the Sentinel-1 SAR data， we analyzed the flood inundation status and susceptibility of the concentrated areas of the flood storage and detention areas in the middle and lower reaches for the Yangtze River in July 2020. The research results showed that the water body area during the flood period in 2020 reached 3 747 km² in the flood storage and detention area. Compared with the normal water period， increased about 1 301 km² water body in the flood period， accounting for 19% of the new water body area in the entire study area. In all flood storage detention area the largest new water body area is Honghu and Huayang River storage flood detention area. Judging from the changes of land use since 2010 within the new water bodies area， the area of cultivated land and man-made land has expanded， the area of wetland， woodland grassland， and bare land has decreased. So the shrinking area of wetland may reduce the capacity of water storage and flood reception. The area of high flood susceptibility in the study area accounts for 23.33% of the entire study area， and the extremely high level of flood susceptibility accounts for 22.55% of the entire study area； the area of high flood susceptibility in the flood storage and detention area accounts for 38.97%， the extremely high level accounts for 52.05% of the entire flood storage and detention area. The research results can provide scientific basis and theoretical reference for flood control， planning and construction in flood storage and detention areas.

Keywords： Yangtze River ; Flood storage and detention area ; Flood ; Remote sensing ; Susceptibility

PDF (8965KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

王永财, 万华伟, 胡卓玮, 侯鹏. 2020年长江中下游蓄滞洪区集中区域洪水遥感监测及敏感性分析. 遥感技术与应用[J], 2023, 38(6): 1402-1412 doi:10.11873/j.issn.1004-0323.2023.6.1402

WANG Yongcai, WAN Huawei, HU Zhuowei, HOU Peng. Flood Monitoring and Susceptibility Analysis Using Remote Sensing Data in Concentrated Areas in the Middle and Lower Reaches of the Yangtze River in 2020. Remote Sensing Technology and Application[J], 2023, 38(6): 1402-1412 doi:10.11873/j.issn.1004-0323.2023.6.1402

1 引言

洪水灾害是指降水造成的河流冲垮堤坝、淹没耕地、冲毁房屋或突发的山洪冲毁耕地、冲走人畜等现象^［1］。洪水是全世界最广泛的水文灾害^［2］，根据联合国减灾办公室的报告^［3］，在1995年至2015年之间共发生了3 062起洪水灾害，占所有与天气有关的灾害的56%，影响了2~30亿人，共造成15.7万人死亡。我国洪涝灾害频繁，根据水利部发布中国水旱灾害公报^［4］，2018年全国有31个省（自治区、直辖市）2 149县（市、区）19 515乡（镇）遭受洪涝灾害，受灾人口5 576.55万人。洪涝灾害因其范围广、频度高、突发性强等特点，对国民经济和人民生命财产带来严重威胁^［5］。因此，科学有效开展洪水监测，提供客观、及时、准确的信息，可为有关部门防灾减灾决策提供重要支撑。

卫星遥感因其监测范围广、周期性重访等独特优势，可快速获取洪水范围、动态变化情况，在洪涝灾害监测中发挥着重要作用^［6-7］。目前可见光遥感的洪水监测主要是基于洪水在近红外波段的低反射和在可见光蓝、绿光波段的高反射原理^［8-9］，而可见光遥感识别水体只能在自然采光和无云情况下，由于洪水通常是强降水时发生的，因此光学观测的有效性受到云的限制^［10］。然而，合成孔径雷达（SAR）由于其工作波段为微波及更长波长，具有全天候工作特征，并且不受云层、烟雾、大气水或水凝物的影响，其在洪水监测中具有独特优势^［11-13］。已有诸多利用SAR影像进行洪水监测的研究，如Zhang等^［14］利用Sentinel-1影像监测2015年巴基斯坦季节性洪灾期间的淹没程度；Conde等^［15］将 Sentinel-1 SAR影像用于洪水监测和制图，并在2018年4月西班牙埃布罗发生的特大洪水监测中得到重要应用；Tay等^［16］利用合成SAR数据对台风哈吉比斯造成日本洪水进行制图和破坏状况分析；汤玲英等^［17］基于Sentinel-1A SAR影像数据绘制灾前、灾中、灾后水体变化监测图，实现对广西临桂会仙岩溶湿地区域不同时期洪水动态监测；李胜阳等^［18］利用高分3号SAR影像对黄河2017年第1号洪水开展了遥感监测工作；吴效勇等^［19］结合高分2号（GF2）、Google等光学影像与高分3号（GF3）、Sentinel-1A/IW合成孔径雷达（Synthetic Aperture Radar，SAR）影像对老挝溃坝后的洪涝灾害进行监测与评估。

从目前诸多基于SAR影像洪水提取的研究来看，主要的方法有基于图像的阈值分割和监督分类两类方法。图像阈值分割中有自定义阈值法和自动阈值法，其中自动阈值大津算法（Ostu）最为常用，该方法简单、快速但对于复杂的影像单一阈值提取效果并不好；监督分类方法是一类提取洪水的常用方法，但基于像元的监督分类方法对SAR数据进行洪涝灾害信息提取时容易受到斑噪的干扰，会影响提取精度，而面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用数据的空间、纹理、光谱信息来分割和分类，可在一定程度上突破这种局限^［17］。

2020年6至8月长江流域由于暴雨频发，遭遇重大洪涝灾害，给人民生命财产带来严重危害。为摸清长江中下游洪水情况，本研究利用2020年5月至7月覆盖长江中下游的Sentinel-1 SAR数据，开展长江中下游蓄滞洪区集中区洪水监测，并结合地形、土地利用等数据对蓄滞洪区进行了洪水敏感性分析，以期为防洪规划和决策提供支撑。

2 数据与方法

蓄滞洪区主要是指河堤外洪水临时贮存的低洼地区及湖泊等，其中多数历史上就是江河洪水淹没和蓄洪的场所。蓄滞洪区包括行洪区、分洪区、蓄洪区和滞洪区^［20］。根据水利部2009年发布的《全国蓄滞洪区建设与管理规划》，长江流域中下游总共规划了40个蓄滞洪区^［21］，《长江流域防洪规划》安排荆江地区、城陵矶附近区、武汉附近区、湖口附近区等4片共40个蓄滞洪区，总面积约1.2万km²，农田面积47.47万hm²，人口约632万，有效蓄洪容积约626亿m³。2010年修订的《国家蓄滞洪区修订名录（2010年1月7日）》将长江流域蓄滞洪区增加至44处。研究区选择长江中下游蓄滞洪区集中区域为研究区，也是长江流域洪水发生较为频繁区域（111.09°~117.30° E，28.33°~30.97° N），范围见图1，涉及湖北、湖南、江西等省，总计覆盖157个县级行政单元。研究区内有鄱阳湖、洞庭湖、龙感湖、大官湖等大型湖泊，土地覆盖类型以旱地、水田、林地为主。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区范围

Fig.1 Location of the study area

2.1　数据源

Sentinel-1是欧空局哥白尼全球对地观测任务研发的新一代双极化C波段星载SAR系统，由2014年4月发射的Sentinel-1A和2016年4月发射的Sentinel-1B组成。在谷歌地球引擎（Google earth engine，GEE）中存储了干涉宽幅模式（IW）、超宽幅模式（EW）、条带模式（SM）下的Sentinel-1 GRD数据，并且每日更新、发布最新生产的数据。每期数据发布前利用欧空局的SNAP软件包进行了包括轨道文件导入、热噪声去除、辐射定标和正射校正等预处理。

本研究所用地形数据为美国地质调查局（http： ∥earthexplorer.usgs.gov）的SRTM数据，数据空间分辨率为30 m。2010年、2020年土地利用数据来自于国家基础地理信息中心发布的30 m全球地表覆盖数据GlobeLand30，该数据集共包括10个一级类型^［22］。土壤类型空间分布数据来自中国科学院地理科学与资源研究所资源环境科学与数据中心（https：∥www.resdc.cn/），该数据根据全国土壤普查办公室1995年编制并出版的《1∶100万中华人民共和国土壤图》数字化生成，采用了传统的“土壤发生分类”系统，基本制图单元为亚类，共分出12土纲，61个土类，227个亚类。土壤属性数据库记录数达2 647条，属性数据项16个，基本覆盖了全国各种类型土壤及其主要属性特征^［23］。

2.2　研究方法

2.2.1　水体提取方法

洪水提取是在GEE平台上完成，该平台上的Sentinel-1数据集是经过热噪声消除、辐射校正和地形矫正等处理的后向散射系数图像。首先采用Lee-sigma斑点过滤器来消除可能由于许多散射体反射波的干扰而产生的颗粒噪声^［24］。然后从双极化VV-VH中提取了SAR后向散射系数图像和极化特征，具体见表1。

表1 Sentinel-1数据特征变量

Table 1 A description of features extracted from Sentinel-1 in this study

数据	特征描述	公式
Sentinel-1	垂直接收的SAR反向散射系数	$δ_{V V}^{0}$
	水平接收的SAR后向散射系数	$δ_{V H}^{0}$
	总散射率	${\|δ_{V V}^{0}\|}^{2} + {\|δ_{V H}^{0}\|}^{2}$

新窗口打开| 下载CSV

洪水提取利用面向对象的信息提取技术，面向对象分类的基础是先分割后分类，相比传统基于像素的分类方法，可在一定程度上避免过多的椒盐噪声。图像分割采用简单非迭代聚类（Simple Non-Iterative Clustering，SINC）超像素分割算法，该算法根据色彩和距离相似程度对图像进行分割，具有速度快、内存利用效率高、轮廓规则等特点，目前被应用于光学遥感图像分割中，该算法原理和实现过程可参照Achanta等^［25］的研究。然后基于分割后的影像斑块对象采用随机森林分类方法对斑块进行分类，由此提取水体分布。利用相同月份Sentinel-2和Landsat8影像随机选取200个水体轮廓清晰的验证点，经过比对发现182个验证点为正确提取，提取精度达91%。将2020年5月1日至5月10日作为平水期，7月3日至7月18日作为洪水期，Sentinel-1影像见图2。将平水期水体信息与洪水期水体信息进行叠加分析，水面范围超出平水期水面的部分即可认为洪水淹没的范围，并结合地形、土地利用等数据对洪水淹没区域及敏感性进行了分析。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2020年平水期和洪水期Sentinel-1影像

Fig.2 Sentinel-1 images in study area

2.2.2　洪水敏感性分析方法

基于提取的洪水范围和洪水条件因子建立洪水敏感性模型，可为洪水风险制图提供支撑。而洪水成因因素的选择（称为条件因子）是进行洪水敏感性制图的关键阶段，并且对制图的精度影响较大。目前仍然缺乏关于如何选择洪水条件因子的框架，但已有相关和重复使用的洪水条件因子^［26-28］。本研究使用海拔（DEM）、坡度（Slope）、坡向（Aspect）、曲率（Curve）、地形指数（Hand）、地形湿度指数（TWI），河流功率指数（SPI）、地形粗糙度指数（TRI）、泥沙输送指数（STI）、距河流距离（RiverDis）、土壤类型（SoilType）、土地利用类型（LULC）作为洪水条件因子。距河流距离在GEE平台通过对OpenStreetMap（OSM）水系数据进行距离分析得到，其中地形相关因子在GEE平台中利用SRTM数据计算而来，具体计算方法如下。

海拔和坡度是对洪水产生重大影响的两个因素，这两个地形因子来自数字高程模型（DEM），地形湿度指数（TWI），河流功率指数（SPI）、地形粗糙度指数（TRI）、泥沙输送指数（STI）均通过DEM计算而来，计算公式如下：

T W I = l n (A_{s} / t a n β)

（1）

S P I = A_{s} t a n β

（2）

S T I = {(\frac{A_{s}}{22.13})}^{0.6} {(\frac{s i n β}{0.0896})}^{1.3}

（3）

其中：A为集水区面积（m²）；β为坡度（弧度），TWI用于测量地形控制的水文过程，通常在洪水地区具有更大的TWI值；SPI代表流域内河流的侵蚀力；STI定义了由于水运动而产生的沉积物运动能力；TRI是与洪水有关的形态学因素之一，可以用以下公式计算：

T R I = \sqrt[]{A b s (m a x^{2} - m i n^{2})}

(4)

其中：max和min是3×3个矩形邻域中高程像元的最大值和最小值。

目前洪水敏感性分析常用模型有频率比（FR）、统计指数（WI）、逻辑回归（LR）等。LR作为一种多元统计方法，已广泛用于各种自然灾害分析^［29-30］，该模型不需要任何分析前的假设，并对连续、名义、分类等因子均可支持。通过LR二元分析，将洪水出现区与洪水条件因子之间通过回归关联起来，在［0，1］范围内的S形曲线表示泛洪概率。因此，可使用Logistic拟合得到每个洪水条件因素的权重（逻辑回归系数），通过洪水敏感性指数（P）反映洪水潜在的发生概率，具体计算如下：

P = \frac{1}{1 + e^{- z}}

（5）

其中：P为洪水敏感性指数；z为Logistic拟合后得到的模型，具体如下：

z = b_{0} + b_{1} x_{1} + b_{2} x_{2} + b_{3} x_{3} + b_{n} x_{n}

（6）

其中： $b_{0}$ 为Logistic拟合模型的截距； $b_{1}$ 、 $b_{n}$ 为各洪水条件因子的权重； $x_{n}$ 为洪水条件因子；包括高程（Elevation）、坡度（Slope）、坡向（Aspect）、地形指数（Hand）、地形湿度指数（TWI）、河流功率指数（SPI）、地形粗糙度指数（TRI）、泥沙输送指数（STI）、距河流距离（RiverDis）、土壤类型（SoilType）、土地利用类型（LULC），条件因子见图3。在研究区范围内，分层随机选取4 043个样本，其中洪水范围内1 977个样本，非洪区2 066个样本，同时提取样本点洪水条件因子值。并将样本分为训练样本和测试样本2部分，其中训练样本2 830个，测试样本1 213个。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区洪水条件因子

Fig.3 Flood susceptibility conditioning factors

在进行线性回归分析时，容易出现自变量（解释变量）之间彼此相关的现象，这种现象为多重共线性。出现严重多重共线性问题时，会导致分析结果不稳定，出现回归系数的符号与实际情况完全相反的情况，因此在训练模型前对解释变量进行多重共线性判别和消除，目前常用的指标为方差膨胀系数（Variable Inflation Factors，VIF）和容差值（Torrance），一般认为VIF大于5或10代表存在严重共线性。

使用机器学习模型进行洪水敏感性分析，模型验证和准确度分析对于掌握模型预测结果可靠程度非常必要。因此，在这项研究中，使用不同的统计指标以及受试者工作特征曲线下面积（ AUROC）来评估LR模型的结果。在统计指标中，使用了敏感度（SST）、特异度（SPF）、阳性预测值（PPV）和阴性预测值（NPV）。如果这些统计指标的结果显示出更高的值，说明机器学习模型将给出更好的结果，反之亦然。本研究中使用的4个统计指标可以通过以下公式计算：

S S T = \frac{T P}{T P + F N}

(7)

S P F = \frac{T N}{F P + T N}

(8)

P P V = \frac{T P}{F P + T P}

(10)

N P V = \frac{T N}{T N + F N}

(11)

其中：TP代表真阳性；TN代表真阴性；FP代表假阳性；FN代表假阴性。

另一方面，广泛用于模型验证和准确性评估的标准工具是ROC-AUC。在X和Y轴上绘制的ROC曲线通常称为灵敏度和特异度。X轴和Y轴在图表中代表真阳性和假阳性，两种情况下的最佳值为1。ROC-AUC范围从0.5到1不等，越接近1，表明模型性能越佳。ROC-AUC使用以下公式计算：

S_{A U C} = \sum_{k = 1}^{n} (X_{k + 1} - X_{k}) (S_{k} + 1 - S_{k + 1} - \frac{s_{k}}{2})

（12）

其中： $S_{A U C}$ 是曲线下的面积； $X_{k}$ 是特异度； $S_{k}$ 是受试者工作特征（ROC）曲线的灵敏度。

3 结果分析

3.1　洪水提取及淹没分析

实验通过平水期水体和洪水期两期水体获取洪水分布，具体见图4。经统计分析，研究区平水期水体面积为15 952 km²，而洪水期水体面积达到了22 668 km²，和平水期相比洪水期新增水体面积为6 716 km²，主要分布在洞庭湖、鄱阳湖、洪湖至武汉的长江沿线湖泊水库等原有河湖、坑塘周围地势低洼或相对平坦区域。从新增水体范围内的土地利用来看，新增水体范围内2020年主要土地利用类型为耕地，面积为3 053 km²，占整个新增水体面积的45.42%；其次为湿地，面积为581 km²，占新增水体面积的8.6%。从新增水体范围内2010年以来土地利用变化来看，见图5，耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，人造地表面积扩大，湿地萎缩在一定程度上降低蓄水纳洪能力。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 研究区平水期、洪水期和新增水域范围

Fig.4 Temporal changes in flood inundation

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 洪水淹没区2010年和2020年土地利用面积

Fig.5 Land use change from 2010 to 2020 in flood inundated area

蓄滞洪区是划定用来削减洪峰的关键地带，2020年洪水期长江中下游蓄滞洪区水体面积达到了3 747 km²，相比平水期新增水体面积为1 301 km²，占整个研究区新增水体面积的19%，而蓄滞洪区面积仅占研究区面积的7%。从各个蓄滞洪区新增水体面积来看，新增水体面积最大的为洪湖蓄滞洪区，新增水体面积达541 km²，占洪湖蓄滞洪区面积的19%。洪湖蓄滞洪区是长江流域最大的分蓄洪区，地处洪泛平原，农业条件较好，2010年划定蓄滞洪区以来，洪湖蓄滞洪区耕地面积增加600 km²，人造地表增加16 km²，林地草地面积减少47 km²，湿地面积减少144 km²，新增的耕地和人造地表主要由湿地转换而来；其次为华阳河蓄滞洪区，新增水体面积达到了263 km²，占华阳河蓄滞洪区的16%，2010年以来，耕地和人造地表表增加113 km²，林地、草地面积减少63 km²，湿地面积减少60 km²，新增耕地和人造地表主要由林地和湿地转换而来，2020年洪水范围内土地利用类型主要为耕地。

3.2　洪水敏感性分析

在LR模型开始训练前，对解释变量进行共线性分析，由于TRI的VIF值大于10，与其他解释变量存在严重共线性，故将TRI排除后重新计算VIF和Torrance，具体见表2。VIF均小于5，故去除TRI后解释变量不存在严重共线性问题，可用于建模分析。

表2 多重共线性分析结果

Table 2 Multi-collinearity analysis to determine the linearity of the independent variables

变量

高程

地形湿度

指数

地形指数

泥沙输送

指数

河流功率

指数

坡度

坡向

曲率

距河流距离

土地利用

类型

土壤类型

VIF

3.59

3.88

3.35

3.46

3.44

3.97

2.26

1.11

1.55

2.71

3.57

Torrance

0.28

0.26

0.30

0.29

0.25

0.44

0.90

0.65

0.37

0.28

新窗口打开| 下载CSV

将训练数据输入到LR模型中进行训练，通过分析模型在训练数据和测试数据上预测能力，见表3和图6，发现模型在训练数据和测数据的敏感度高于0.8，特异度大于0.77，AUC大于0.90，由此可见模型较为可靠，可用于洪水敏感性评估。

表3 LR模型训练数据和测试数据的预测能力

Table 3 Predictive capability of LR models using train and test dataset

阶段	SST	SPF	PPV	NPV	AUC
训练	0.84	0.79	0.79	0.86	0.91
验证	0.83	0.77	0.78	0.87	0.90

新窗口打开| 下载CSV

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 测试数据洪水敏感性模型ROC曲线

Fig.6 The receiver operating characteristic （ROC） curve analysis for flood susceptibility model

根据最终的LR模型计算获取洪水敏感性指数，敏感性指数越接近1表明发生洪水的概率越高，利用自然断点分级法将敏感性指数分为极低、低、中、高和极高5个等级，等级越高说明发生洪水的潜在概率越高，具体分级图见图7。从研究区和蓄滞洪区敏感性指数分级统计来看，统计表见表4，研究区洪水敏感性高等级面积为39 513.49 km²，面积占整个研究区的23.33%，洪水敏感性极高等级面积为38 196.95 km²，占整个研究区面积的22.55%；蓄滞洪区洪水敏感性高等级面积为4 897.34 km²，占到蓄滞洪区面积的91.02%，洪水敏感性极高等级面积为6 540.81 km²，占整个蓄滞洪区面积的52.05%。由此可见蓄滞洪区作为承接洪水的关键区域，开展蓄滞洪区滞洪能力评估和提升蓄滞洪区调蓄洪水能力是减轻洪水不利影响的必要措施。另外，蓄滞洪区周边部分地区洪水敏感性指数较高，表明发生洪水的概率较高，因此需要进一步开展蓄滞洪区纳洪能力和周边区域洪水潜在危害分析，并适时对蓄滞洪区进行调整和提质增效，以提高防范洪水能力。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 研究区洪水敏感性分级

Fig.7 The susceptible classes in study area

表4 洪水敏感性分级面积统计

Table 4 Susceptible classes of flood susceptibility map

敏感性分级	研究区		蓄滞洪区
敏感性分级	面积/km²	比例/%	蓄滞洪区/km²	比例/%
极低	56 459.45	33.33	36.44	0.29
低	16 365.42	9.66	326.49	2.60
中等	18 848.80	11.13	764.94	6.09
高	39 513.49	23.33	4 897.34	38.97
极高	38 196.95	22.55	6 540.81	52.05

新窗口打开| 下载CSV

在洪水敏感性分析中，地形因素、土地利用和水文因素的重要性较为明显，重要性见图8。地形要素（例如海拔和地形指数）是影响洪水的最重要的因素，另外不同土地利用类型对洪水发生影响明显，靠近河流和湖泊的区域更容易受洪水威胁，这些许多研究证明的事实^［31-32］。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 洪水调节因素重要性

Fig.8 Importance of flood conditioning factors

4 结论与讨论

4.1　结论

实验对长江中下游蓄滞洪区集中区域2020年7月洪水分布进行了监测，并结合地形、土地利用等数据对整个研究区和蓄滞洪区洪水敏感性进行分析，结果表明：

（1）研究区洪水期相比平水期新增水体面积为6 716 km²，研究区内的蓄滞洪区新增水体面积为1 301 km²，占整个研究区新增水体面积的19%；蓄滞洪区中新增水体面积较大为洪湖蓄滞洪区和华阳河蓄滞洪区，新增水体面占这两个蓄滞洪区面积的19%和16%。

（2）从整个研究区和蓄滞洪区内新增水体范围内的土地利用类型及变化来看，研究区洪水范围内主要土地利用类型为耕地，蓄滞洪区洪水范围土地利用类型主要为湿地和耕地。相比2010年，蓄滞洪区耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，耕地和人造地表面积扩大，湿地萎缩在一定程度降低了蓄滞洪区蓄水纳洪能力。

（3）从研究区洪水敏感性分析来看，研究区洪水敏感性高等级面积占整个研究区的23.33%，敏感性极高等级面积占22.55%；蓄滞洪区洪水敏感性高等级面积占蓄滞洪区的38.97%，洪水敏感性极高等级面积占蓄滞洪区的52.05%。由此可见，蓄滞洪区范围超过90%的区域潜在发生洪水的概率较高，部分区域潜在发生洪水的概率并不是很高，而蓄滞洪区外有一定区域潜在发生洪水的概率较高，但并未纳入到蓄滞洪区中。

4.2　讨论

本研究利用Sentinel-1 SAR数据开展了长江中下游蓄滞洪区集中区域洪水监测，并结合地形、土地利用等数据进行了洪水敏感性分析。目前基于卫星遥感影像数据获取洪水范围一般先基于影像特征提取水体范围，通过设定平水期范围，和洪水期提取的水体范围进行对比获取洪水范围，平水期设定一般以当年洪水前一个月或几个月的水体范围作为平水期水体范围，也有通过多年同时期水体范围作为平水期水体范围。本研究主要考虑到2020年长江流中下游进入洪水期在6月20日之后，5月份是长江中下游枯水期进入洪水期的过渡期，故将5月份作为平水期，7月份长江中下游洪水频发，其中长江2020年第1号、2号、3号洪水均形成于7月，故将7月份作为洪水期。通过平水期水体范围和洪水期水体范围比较获取洪水范围。

洪水灾害严重威胁人们生命财产和相关的基础设施，采用适当的策略对洪水敏感地区进行建模和预测，是减轻洪涝灾害影响的重要措施。另一方面，有效的建模和预测，可以提前对洪水潜在威胁明显的区域采取措施规避被淹没风险。因此洪水敏感性模型的可靠性直接影响后续应对策略，未来研究的主要任务是开发最合适的算法和模型，使得模型以最少变量能获取最佳预测能力和水平。由于深度学习方法在洪水发生预测上应用潜力，将其与洪水演化模型进行结合将极大提高洪水淹没预测的精度，这将为蓄滞洪区分洪设计和规划提供更加科学的理论支撑^［33］。

洪水极低敏感性区至低敏感区是受洪水影响相对较低区域，相比之下，中度至极敏感地区由于洪水危害较高，需要制定严格的洪水防治规划和防治措施。由于蓄滞洪区在防洪调蓄中具有重要作用，结合本研究结果和《全国蓄滞洪区建设与管理规划》，提出以下有关蓄滞洪区建设的建议：①适时开展蓄滞洪区及其周边洪水敏感性分析，评估风险等级，对区域土地利用状况和洪水调蓄能力进行定期调查评估。同时，参考评估结果，提出合理的蓄滞洪区调整建议。②细化蓄滞洪区的管控措施。按照分区分级管控的原则，严格项目准入审批，禁止重要蓄滞洪区内无序的土地开发活动，避免对区内湖泊、洼地和湿地的围垦或者占用。③加强蓄滞洪区和周边河道的生态保护，维持生物多样性。杜绝破坏性人类活动，加强生态保护修复，维持生态系统稳定性，提高生态系统调节功能。④严格落实《全国蓄滞洪区建设与管理规划》中对蓄滞洪区土地按照风险程度进行分区管理的有关要求，对洪水高风险区内已被围垦或占用的土地，应有计划地退耕还湖、还湿。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

ZHANG

Jiquan

， LI

Ning

. Quantitative method and application of risk assessment and management on main meteorological disasters［M］. Beijing： Beijing Normal University Press， 2007：124-125.