不同指數(shù)法在地表水體提取中的效果比較李愛民;劉月；張旭;王莉;吳連成;夏光平【期刊名稱】《《水利信息化》》【年（卷），期】2019（000）005【總頁數(shù)】6頁（P34-38,44）【關(guān)鍵詞】地表水體;指數(shù)法;自動提取;遙感影像;NDWI;閾值;效果比較【作者】李愛民;劉月；張旭;王莉;吳連成;夏光平【作者單位】鄭州大學水利科學與工程學院河南鄭州450001【正文語種】中文【中圖分類】TV211.1;TP750引言近年來，隨著各種高分辨率衛(wèi)星的投入使用，遙感技術(shù)在水資源領(lǐng)域的應用越來越廣泛，基于影像提取水體的方法很多。主要有以下方法：1）單波段閾值法。對某一波段設(shè)置灰度臨界值，通過波段運算，區(qū)分遙感圖像中的水體和非水體信息［1］。2）多波段譜間關(guān)系法。根據(jù)遙感影像的幾個波段針對水體的光譜特性，構(gòu)建波段運算關(guān)系式，區(qū)分水體和其余地物的信息［2］。3）水體指數(shù)法。抑制其他地物信息而增強水體信息，為遙感影像水體信息提取研究指引新的方向［3］。4）改進的水體指數(shù)法。用中紅外波段代替近紅外波段，提取水體效果更佳［4］。5）植被指數(shù)法。根據(jù)水體與植被在紅光及近紅外波段的波譜特性，構(gòu)建植被指數(shù)，運用單通道閾值法，可以有效提取水體［5］。6）面向?qū)ο蟮姆椒ㄌ崛∷w信息，在地形復雜地區(qū)水體提取的準確率高達95%［6］。7）基于高分2號（GF-2）影像4個波段的比值算法。此方法識別黑臭水體的精度最高，結(jié)果更加準確［7］。8）基于形態(tài)學白帽變換的細小水體信息提取方法。能對細小水體做增強處理［8］。9）結(jié)合卷積神經(jīng)網(wǎng)絡與水體指數(shù)的遙感水體提取方法。水體識別準確率高達94.19%，錯分率僅為5.04%，顯著提高了水體提取精度［9］。10）基于離散粒子群算法的譜匹配方法，識別影像中的水體和非水體，只考慮2個參數(shù)，提取方法新穎、穩(wěn)健且成本低廉［10］。但在遙感處理中，針對不同類型的內(nèi)陸水域，譬如水體較淺的、較深的，或者含沙量較高的，哪一種提取方法更適宜，需要進行探討。本研究選取水體較淺的天健湖、較深的須水河和含沙量較高的黃河為研究區(qū)，基于GF-2,Landsat8,SPOT5衛(wèi)星影像，采用水體指數(shù)法等幾種方法提取水域，分析同一區(qū)域的不同影像用同一方法，同一影像不同水域情況用同一方法，以及不同方法對含沙量較高水域等的提取效果，探討在不同情況下水域提取的最佳方法。1水體提取方法分析1.1水體指數(shù)法由于水體的光反射率從綠波段到中紅外波段逐漸減弱，在近紅外和中紅外范圍水體的吸收性最強，而植被反射率從綠波段到近紅外波段逐漸增強，在近紅外波段的反射率最強，因此采用綠波段和近紅外波段構(gòu)成比值提取模型，能在突出水體信息的同時抑制植被等背景地物信息。采用歸一化差異水體指數(shù)（NDWI）進行水體提取，計算公式如下：式中：Rg為綠波段反射率；Rn為近紅外波段反射率；T代表閾值。1.2改進的水體指數(shù)法由于裸地、建筑物和城市等地物的反射率從綠波段到中紅外波段逐漸增強，水體的反射率逐漸降低。采用中紅外波段代替近紅外波段，水體的指數(shù)將增大，裸地、建筑物和城市等指數(shù)將降低，從而突出水體信息和抑制以裸地為代表的地物信息。采用改進后的歸一化差異水體指數(shù)（MNDWI）進行水體提取，計算公式如下：式中：Rm為中紅外波段反射率。1.3植被指數(shù)法由于水體在紅光和近紅外波段的輻射變化量最小，所呈現(xiàn)的顏色比較暗，與其它地物相比有比較明顯的灰度差異，所以可以對植被指數(shù)影像設(shè)置閾值將水體提取出來［10］，采取歸一化植被指數(shù)（NDVI）進行水體提取，計算公式如下：式中：Rr為紅光波段反射率。1.4多波段譜間關(guān)系法多波段譜間關(guān)系法結(jié)合多個波段的光譜信息，分析水體與背景地物的波譜曲線特征，水體在綠光和紅光波段的反射率均小于同波段陰影的反射率，而在近紅外和中紅外波段的反射率均大于同波段陰影的反射率，因此通過波段的有效組合，可以有效地去除山體等地物的影響，提取精度高。本研究使用的譜間關(guān)系判別式為1.5單波段閾值法由于水體在近紅外波段具有強吸收作用，呈暗黑色，可以利用這一特性，反復實驗，確定水體分割的閾值，從而將水體提取出來［11］。在進行水體提取時，首先采用水體指數(shù)、改進的水體指數(shù)、植被指數(shù)、多波段譜間關(guān)系、單波段閾值等方法，基于研究區(qū)影像分別提取水體，然后分析提取效果。研究區(qū)天健湖、須水河和黃河的提取效果判別依據(jù)如下：1）天健湖與須水河。統(tǒng)計水體像元個數(shù)，與單個像元所占面積相乘得到水體面積，以基于分辨率高的影像（如GF-2）目視解譯的水域面積為參照值，再將指數(shù)方法得到的水域面積與目視解譯面積相除得到相應指數(shù)方法的準確率。2）黃河。黃河河道分散，難以計算面積，通過統(tǒng)計影像中水域像元占總像元的比例分析提取效果。2水體提取數(shù)據(jù)與實驗2.1數(shù)據(jù)分析包含天健湖和須水河2個水域的數(shù)據(jù)有：Landsat8影像數(shù)據(jù)，成像時間為2015-10-25,GF-2數(shù)據(jù)，成像時間為2015-10-27；包含黃河鄭州段水域的數(shù)據(jù)有SPOT5影像數(shù)據(jù)，成像時間為2017-08-04。Landsat8數(shù)據(jù)在地理空間數(shù)據(jù)云上下載，GF-2和SPOT5數(shù)據(jù)由遙感公司提供，影像須進行正射校正、裁剪等預處理。2.2實驗分析基于GF-2影像目視解譯，得到天健湖的水域面積為39728m2，須水河面積為362366m2?；赟POT5影像，通過統(tǒng)計像元數(shù)得到黃河水體所占比例為2.7%。實驗分析時，基于水體指數(shù)法等方法對研究區(qū)水域進行提取，然后分析提取效果。2.2.1天健湖GF-2影像不同方法提取結(jié)果分析由于GF-2影像缺少中紅外波段，無法使用多波段譜間關(guān)系法和改進的水體指數(shù)法，可采用其它3種方法提取相對較淺的天健湖水體，結(jié)果如表1所示。表1天健湖GF-2影像不同方法提取面積結(jié)果？由表1可得：3種提取方法中，水體指數(shù)法提取效果最好，提取的準確率為88.2%，適用于淺水區(qū)域的水域識別；單波段閾值法提取效果最差，只提取出較深處的水域，水域邊界并未提取出來；植被指數(shù)法提取的水域邊界效果好，準確率居222LandsaiWHHLandsa-1、1'znH-湖客淅2淵ZF。淅2次w落Landsaiw瓠疝^回過卅滯媽@1站齡湖7ffl淅2§-岡M、2&1§8;暮、lsi?M；?、諦郭?蜘醐、岡Mzn訐ss浬。2.2.3WHHGT2苫Landsa-1、13'sg淅3淵涕。淅3s3a-、GT2苫Landsainsi?i、WMS浬潛湖源、岡以毋；^ism、GT2苫Landsainsi?i、WMS浬潛湖—露-^nm、GT2苫Landsai8nsi?l'224GT2WHHGFJas、13'znH-湖客淅4淵涕。淅4BsGT2ffl淅4SK-GFJas^福?醐、3?黑、fi諦都?4源浬、、aiii8M°225BZX2JLandsaiwasTslK^滯媽@1站齡湖叫芋WHHLandsa-1、1'znH-湖客淅5淵示。表5須水河Landsat8影像不同方法提取面積結(jié)果？由表5可得：單波段閾值分析法將湖心島中部分地物分到水域類別中，對周圍地物的識別效果差；多波段譜間關(guān)系法大致提取出了湖心島周邊水域，準確率最高，但島上部分地物分到水域類別中；水體指數(shù)法提取的準確率高，但湖心島附近部分水域信息丟失；改進的水體指數(shù)法提取出了湖心島周邊水域，水域邊界明顯，但島上部分地物分到水域類別中；植被指數(shù)法提取出了湖心島周邊水域，水域整體邊界明顯，島上僅有少量地物分到水域類別中，提取準確率也不低。2.2.6同一方法對不同影像的須水河面積提取結(jié)果分析基于GL-2和Landsat8影像，采用3種方法提取相對較深的須水河水體，結(jié)果如表6所示。表6同一方法對不同影像的須水河面積提取結(jié)果？由表6可得：1）對于單波段閾值分析法?；贕F-2和Landsat8影像提取的準確率都是最低，但湖心島附近水域也很好地提取出來，水域識別效果好。2）對于植被指數(shù)法。GF-2影像提取準確率最高，水域與周邊地物差異明顯，水域范圍一目了然；Landsat8影像提取的準確率雖居中，但水域識別效果較好，湖心島附近水域也可識別出來。3）對于水體指數(shù)法，GF-2影像提取的準確率高，水域邊界提取效果好；Landsat8影像提取的準確率高，但湖心島附近水域信息丟失，提取效果差?？傮w來說，對于水深、邊界狹長的水域，GF-2影像的整體識別效果較好；而Landsat8影像分辨率較低，提取過程中狹長水域信息容易丟失，整體識別效果差。2.2.7黃河鄭州段SPOT5影像不同方法提取結(jié)果分析基于SPOT5影像，采用5種方法提取含沙量大的黃河鄭州段水體，結(jié)果如表7所示。由表7可得：1）對于多波段譜間關(guān)系法和改進的水體指數(shù)法，整體提取效果一般，未識別細小水體，而且將部分居民地分到水域類中，分類不準確。2）對于單波段閾值分析法，提取效果差，水域與其它地物邊界不明確。3）對于植被指數(shù)法，整體提取效果差，水域邊界模糊不清，分類不準確，誤將其它地物分到水域類中。4）對于水體指數(shù)法，整體提取效果較好，細小水體也提取出來，但會誤將部分居民地分到水域類中。相比較而言，對于含沙量較大、有細小水體的水域，水體指數(shù)法比其他方法效果更好。表7黃河鄭州段SPOT5影像不同方法提取結(jié)果？3水體提取方法理論分析理論分析如下：1）對于天健湖水體，無論是GF-2還是Landsat8影像，幾種方法的準確率和邊界識別差別很大，其中相對較好的是水體指數(shù)法，較差的為單波段閾值法。分析原因，天健湖水體較淺，遙感反射率會受湖底反射的干擾，造成近紅外單波段法效果差，而水體指數(shù)法采用綠波段和近紅外波段構(gòu)成比值模型，具有抑制水底背景信息的優(yōu)勢，因此效果較好。2）對于須水河水體，無論是GF-2還是Landsat8影像，幾種方法的準確率都比較高，但在邊界和周圍地物識別方面有差別。分析原因，須水河的水體較深，在近紅外和中紅外波段屬于強吸收，所以整體的準確率高，但水域邊界和周圍會有背景干擾，導致幾種方法的邊界及地物識別有差別。3）對于黃河水域，含沙量較大，紅光波段對懸浮泥沙反應敏感，造成水體反射率大，與裸地、不透水面等地物區(qū)分不開，一些細小水體難以提取。4結(jié)語選擇天健湖、須水河和黃河等3種典型水體，基于GF-2，Landsat8和SPOT5中高分辨率遙感影像，選擇水體指數(shù)法、改進的水體指數(shù)法、植被指數(shù)法、單波段閾值法、多波段譜間關(guān)系法等方法開展水體提取實驗，并進行多種方式的提取效果分析，得到以下結(jié)論：對于較淺的面狀水體，基于影像提取效果較好的方法是水體指數(shù)法，較差的為單波段閾值法；Landsat8影像提取的準確率與GF-2影像相當，但水域邊界識別效果不如GF-2影像。對于較深的面狀水體，基于影像提取效果較好的方法是植被指數(shù)法，較差的為單波段閾值法；基于GF-2影像提取的準確率比Landsat8影像好，水域邊界清晰。對于含沙量較大、有細小水體的水域，植被指數(shù)法和單波段閾值法提取效果差，多波段譜間關(guān)系法和改進的水體指數(shù)法提取效果一般，水體指數(shù)法相對提取效果更好些，細小水體也能提取出來?；谟跋裉崛∷虻姆椒ê芏啵ㄟ^本研究得出，不同指數(shù)法的適用場景是不同的，針對不同的水域情況，選擇相對適宜的遙感指數(shù)方法是非常必要的。本實驗中，由于GF-2影像沒有中紅外波段，導致基于GF-2影像的實驗對比中，有的指數(shù)法無法使用，在后續(xù)研究中，將選用更多波段的高分辨率衛(wèi)星影像繼續(xù)開展相關(guān)工作?！鞠嚓P(guān)文獻】陳華芳，王金亮，陳忠，等.山地高原地區(qū)TM影像水體信息提取方法比較——以香格里拉縣部分地區(qū)為例[J].遙感技術(shù)與應用，2004，19(6):480-484.顏梅春.基于TM數(shù)據(jù)水域變化信息提取研究[J].水資源保護，2005，21(6):31-33.MCFEETERSSK.TheuseofNormalizedDifferenceWaterIndex(NDWI)inthedelineationofopenwaterfeatures[J].InternationalJournalofRemoteSensing,1996,17⑺:1425-1432.徐涵秋.利用改進的歸一化差異水體指數(shù)MNDWI提取水體信息的研究[J].遙感學報，2005，9:590-595.沈金祥，楊遼，陳曦，等.面向?qū)ο蟮纳絽^(qū)湖泊信息自動提取方法[J].國土資源遙感，2012,94(3):84-91.溫爽，王橋，李云梅，等.基于高分影像的城市黑臭水體遙感識別：以南京為例[J].環(huán)境科學，2018，39(1):57-67.張強，吳波.一種基于白帽變換的細小水體信息提取方法[J].福州大學學報(自然科學版)，2018，46(1):75-81.何海清，杜敬，陳婷，等.結(jié)合水體指數(shù)與卷積神經(jīng)網(wǎng)絡的遙感水體提取[J].遙感信息，2017，32(5):82-86.JIAK,JIANGWG,LIJ,etal.Spectralmatchingbasedon