城市扩张对淡水系统的压力越来越大

城市化正在以前所未有的速度重塑景观。 到2050年,世界人口的近70%预计将生活在城市,给当地水资源带来巨大的压力。 随着混凝土取代透水土壤,暴雨的径流变快,地下水补给量下降,污染物负荷增加。 了解这些变化对于可持续的城市规划至关重要 — — 而卫星图像已经成为监测和量化这些规模变化的最有力工具之一。

卫星图像对水资源监测的应用

传统的地面监测网络往往稀少,维护费用昂贵,空间覆盖面有限。卫星图像通过提供整个流域和大都市地区的一致、综合的观测结果来克服这些局限性。 卫星在诸如美国航天局的大地卫星[和欧洲哨兵-2[]号平台上的传感器,能够从多个光谱带中获取数据,使分析人员能够区分不同的土地覆盖类型,探测地表水范围的变化,并评估植被健康,所有这些都对评估城市增长的水文影响至关重要。

卫星评估的主要优点

  • 长期档案:[ Landsat数据,例如,可以追溯到1972年,从而可以对城市无序扩展及其对水体的影响进行多十年趋势分析.
  • 重复覆盖:卫星每隔几天至几周对同一地区进行重新审视,从而能够监测水资源的季节性和跨年性变化。
  • 成本-效益: 许多卫星数据集是免费的,使发展中区域的研究人员和规划人员能够获取大规模评估。
  • 与GIS的结合: 卫星衍生产品可以很容易地与人口、地形和气候数据结合,以建立城市化影响的综合模型。

评估水资源变化的核心技术

土地使用和土地覆盖物分类

大多数基于卫星的研究的第一步是将地貌划分为诸如建成区、森林、农田、湿地和开阔水域等类别。 机器学习算法 — — 特别是随机森林和深层神经网络 — — 提高了分类准确性,即使在不同的城市环境中也是如此。 通过比较不同年份的分类,研究人员可以量化绿色和蓝色空间转换为不透水表面的速度。

水价指数(NDWI)

NDWI在压制土壤和植被信号的同时,使用绿色和近红外波段突出水体,广泛用于绘制湖泊,水库和河流的分布范围,在城市背景下,NDWI可以揭示由于填灌开发或排水而导致池塘和溪流的流失,经过修改的MNDWI版本使用短波红外线来更好地区分积水特征,这对于建筑密集的地区至关重要.

无法绘制表层区域图

不可渗透的表面——屋顶、道路、停车场——是城市化的直接指标。 卫星图像,特别是来自高分辨率传感器的卫星图像,如[] Landsat的30米数据[,可用于得出绝对不渗透的覆盖度。 这一指标与径流量增加和地下水渗透减少密切相关。 城市规划者使用不可渗透的地表图来确定最需要风暴水管理基础设施的关键地区。

变化检测和时间序列分析

改变检测技术,如图像差异分析、主要组件分析以及LandTrendr算法,可以让分析人员精确地确定水资源何时何地被改变。 比如,五年内NDWI值的突然下降可能标志着湿地排水用于新住房开发。 NDVI等植被指数的时间序列分析也能够揭示与不断扩大的城市地区相邻的滨海地区健康状况的下降。

实际世界应用和个案研究

东南亚大城市湿地损失

曼谷,雅加达,胡志明市等城市快速城市化,导致曾经提供自然防洪和地下水补给的湿地被系统填充. 2020年利用Landsat影像进行的研究表明,曼谷失去了60%的湿地面积,与洪水频率和沉降率的提高直接相关. 卫星数据为采取绿色基础设施政策,包括恢复运河网络提供了证据基础.

印度城市走廊地下水耗竭

在德里国家首都区,利用GRACE飞行任务对地下水储存进行卫星监测,发现2002至2020年期间,主要由于城市用水需求以及积水面补给量减少,地下水的消耗率接近2厘米,地方当局利用这些卫星产生的见解,强制执行雨水收集任务,限制在关键地区进一步提取。

美国西部的缩水湖

随着拉斯维加斯和凤凰城的扩张,周边自然湖泊和水库的地表面积已经下降。 陆地卫星档案的卫星图像显示,自1983年以来,米德湖的水位已经下降150英尺以上,城市水消耗是干旱的重要因素。 这些数据为州际水分享协议和养护目标提供了依据。

克服技术和业务挑战

空间和临时解决的权衡

MODIS这样的传感器提供日覆盖,但其250米的分辨率太粗,无法捕捉城市小水面。 相反,高分辨率商业卫星(如WorldView-3,0.3米)受到成本和小宽度的限制。 常见的工作是将中分辨率多光谱数据与高分辨率全色波段连接起来,或使用超分辨率重建技术。

云层覆盖和大气干扰

热带和季风地区往往经历最快的城市化,但云层覆盖却持续存在,合成孔径雷达卫星,如欧洲哨兵-1,可以穿透云层,提供全天候观测. SAR对测绘地表水范围,探测土壤湿度变化特别有用,通过聚变算法将光学和合成孔径雷达数据结合起来,提高了总体监测可靠性.

验证和地面真相

卫星衍生指标的可靠性仅与用于校准和验证的现场数据一样高。 建立密集的流轨测量、地下水井和水质传感器监测网络是发展中国家所必须但往往缺乏的。 公民科学举措和低成本传感器开始填补这一空白,用当地测量补充卫星观测。

新兴技术和未来方向

机器学习和自动化分类

深层学习模型,特别是U-Net架构,在从卫星图像中提取水体和不透水面方面已经实现了近人精度,这些模型可以快速处理微分数据,从而可以对城市化效应进行近实时监测。 越来越多的云计算平台,如Google地球引擎,已经实现了对这些先进分析方法的民主化访问。

超光谱和热红外传感器

下一代卫星——如美国航天局的EMIT和即将到来的 冲锋生物和地质(SBG)任务——将提供超光谱数据,能够识别具体的水质参数(如叶绿素-a、涡轮、溶解有机物 ) 。 热波段可以监测地表水温,这对评估城市径流和发电厂排放的热污染影响至关重要。

与数字双水和城市水模型相结合

卫星数据正越来越多地被整合到模拟城市规模水动力的数字双平台中,这些模型将卫星产生的土地覆盖和蒸发估计与水文过程模型相结合,以预测未来城市化情景将如何影响水的提供、洪水风险和水质。 规划人员可以使用这些模拟测试绿色屋顶、渗透路面和建设湿地的有效性,然后实施。

政策影响和可持续城市水管理

从卫星图像中获得的见解直接支持了联合国可持续发展目标(SDG 6,清洁水和卫生,SDG 11,可持续城市)等全球框架,政府和市政机构越来越多地将卫星数据纳入环境影响评估和分区条例,例如,在中国,自然资源部利用高分辨率卫星图像强制实施保护河流和湖泊不受城市发展侵蚀的“蓝线”边界。

为了最大限度地发挥影响,卫星监测应与强有力的治理相结合。 当在敏感的补给区发现城市扩张时,决策者可以迅速采取行动,重新定位开发方向,投资于暴雨水管理,或恢复退化的湿地。 透明地获取卫星产品也使当地社区和非政府组织有能力倡导更好的水资源管理。

结论

卫星图像从实验工具转移到城市水资源评估的核心部分。 凭借探测时间、跨区域、云层变化的能力,它提供了一个无与伦比的透镜,揭示城市化如何改变水文循环。 开放式数据、先进的分析以及不断增长的计算力的结合意味着即使是现金紧张的城市现在也能够获得可操作的信息。 随着城市地区的不断扩大,卫星观测与实地测量和模型的结合,对于确保当地水资源保持复原力、清洁性和子孙后代的可持续性至关重要。