李愛民，劉 月，張 旭，王 莉，吳連成，夏光平

（鄭州大學(xué)水利科學(xué)與工程學(xué)院，河南 鄭州 450001）

0 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(yīng)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(yùn)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(yùn)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(qiáng)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(jìn)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(yùn)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(fù)雜地區(qū)水體提取的準(zhǔn)確率高達(dá)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(zhǔn)確[7]。8）基于形態(tài)學(xué)白帽變換的細(xì)小水體信息提取方法。能對細(xì)小水體做增強(qiáng)處理[8]。9）結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與水體指數(shù)的遙感水體提取方法。水體識別準(zhǔn)確率高達(dá) 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(jìn)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，Landsat 8，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(qiáng)，而植被反射率從綠波段到近紅外波段逐漸增強(qiáng)，在近紅外波段的反射率最強(qiáng)，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(jìn)行水體提取，計(jì)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(jìn)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(qiáng)，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(jìn)后的歸一化差異水體指數(shù)（MNDWI）進(jìn)行水體提取，計(jì)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(jìn)行水體提取，計(jì)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(qiáng)吸收作用，呈暗黑色，可以利用這一特性，反復(fù)實(shí)驗(yàn)，確定水體分割的閾值，從而將水體提取出來[11]。

在進(jìn)行水體提取時，首先采用水體指數(shù)、改進(jìn)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(jì)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(yīng)指數(shù)方法的準(zhǔn)確率。

2）黃河。黃河河道分散，難以計(jì)算面積，通過統(tǒng)計(jì)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(shí)驗(yàn)

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：Landsat 8 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 SPOT 5 影像數(shù)據(jù)，成像時間為2017-08-04。Landsat 8 數(shù)據(jù)在地理空間數(shù)據(jù)云上下載，GF-2 和 SPOT 5 數(shù)據(jù)由遙感公司提供，影像須進(jìn)行正射校正、裁剪等預(yù)處理。

2.2 實(shí)驗(yàn)分析

基于 GF-2 影像目視解譯，得到天健湖的水域面積為 39 728 m2，須水河面積為 362 366 m2?；赟POT 5 影像，通過統(tǒng)計(jì)像元數(shù)得到黃河水體所占比例為 2.7%。實(shí)驗(yàn)分析時，基于水體指數(shù)法等方法對研究區(qū)水域進(jìn)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(jìn)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(zhǔn)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(zhǔn)確率居中。

2.2.2 天健湖 Landsat 8 影像不同方法提取面積結(jié)果分析

基于 Landsat 8 影像，采用 5 種方法提取相對較淺的天健湖水體，結(jié)果如表 2 所示。

表 2 天健湖 Landsat 8 影像不同方法提取面積結(jié)果

由表 2 可得：單波段閾值分析法只能提取深水區(qū)域，水域邊界提取效果差；多波段譜間關(guān)系法和植被指數(shù)法提取的準(zhǔn)確率不高，水域邊界識別效果也不好；改進(jìn)的水體指數(shù)法水域邊界識別較好，提取的準(zhǔn)確率高；水體指數(shù)法水域邊界識別效果較好，準(zhǔn)確率最高，比改進(jìn)的水體指數(shù)法更適用于淺水區(qū)域水體的識別。

2.2.3 同一方法對不同影像的天健湖面積提取結(jié)果分析

基于 GF-2 和 Landsat 8 影像，采用 3 種方法提取相對較淺的天健湖水體，結(jié)果如表 3 所示。

表 3 同一方法對不同影像的天健湖面積提取結(jié)果

由表 3 可得：對于單波段閾值分析法，GF-2和 Landsat 8 影像提取的準(zhǔn)確率最低，水域識別效果差，只能提取出深水區(qū)水體；對于植被指數(shù)法，GF-2 和Landsat 8 影像提取的準(zhǔn)確率一般，水域識別效果一般；對于水體指數(shù)法，GF-2 和 Landsat 8影像提取的準(zhǔn)確率較高，水域邊界提取效果最好。

2.2.4 須水河 GF-2 影像不同方法提取面積結(jié)果分析

基于 GF-2 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 4 所示。

表 4 須水河 GF-2 影像不同方法提取面積結(jié)果

由表 4 可看出：GF-2 影像分辨率高，3 種方法提取的水域與其它地物界線都比較清晰，但準(zhǔn)確率有差別，單波段閾值法低一些，植被指數(shù)法準(zhǔn)確率最高。

2.2.5 須水河 Landsat 8 影像不同方法提取面積結(jié)果分析

基于 Landsat 8 影像，采用 5 種方法提取相對較深的須水河水體，結(jié)果如表 5 所示。

表 5 須水河 Landsat 8 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(zhǔn)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(zhǔn)確率高，但湖心島附近部分水域信息丟失；改進(jìn)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(zhǔn)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 Landsat 8 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?；?GF-2 和 Landsat 8 影像提取的準(zhǔn)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(zhǔn)確率最高，水域與周邊地物差異明顯，水域范圍一目了然；Landsat 8 影像提取的準(zhǔn)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(zhǔn)確率高，水域邊界提取效果好；Landsat 8 影像提取的準(zhǔn)確率高，但湖心島附近水域信息丟失，提取效果差。

總體來說，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 Landsat 8 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 SPOT 5 影像不同方法提取結(jié)果分析

基于 SPOT 5 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(jìn)的水體指數(shù)法，整體提取效果一般，未識別細(xì)小水體，而且將部分居民地分到水域類中，分類不準(zhǔn)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(zhǔn)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(xì)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(xì)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 SPOT 5 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 G F-2 還是Landsat 8 影像，幾種方法的準(zhǔn)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 G F-2 還是Landsat 8 影像，幾種方法的準(zhǔn)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(qiáng)吸收，所以整體的準(zhǔn)確率高，但水域邊界和周圍會有背景干擾，導(dǎo)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(yīng)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(xì)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，Landsat 8 和 SPOT 5 中高分辨率遙感影像，選擇水體指數(shù)法、改進(jìn)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(shí)驗(yàn)，并進(jìn)行多種方式的提取效果分析，得到以下結(jié)論：

1）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；Landsat 8 影像提取的準(zhǔn)確率與 GF-2 影像相當(dāng)，但水域邊界識別效果不如 GF-2 影像。

2）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(zhǔn)確率比 Landsat 8 影像好，水域邊界清晰。

3）對于含沙量較大、有細(xì)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(jìn)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(xì)小水體也能提取出來。

基于影像提取水域的方法很多，通過本研究得出，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(shí)驗(yàn)中，由于 GF-2 影像沒有中紅外波段，導(dǎo)致基于 GF-2 影像的實(shí)驗(yàn)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。