張振國， 于 弘， 闞志毅， 劉吉凱

(1.安徽科技學(xué)院 資源與環(huán)境學(xué)院，安徽 鳳陽 233100；2.安徽弘業(yè)工程咨詢有限公司，安徽 合肥 230088)

遙感技術(shù)因其空間宏觀、準(zhǔn)實時、多級分辨率等優(yōu)點，可以快速準(zhǔn)確地提取地表水體信息，在準(zhǔn)確把握水域的空間分布狀態(tài)與變化趨勢的同時，為地表水域動態(tài)變化、水質(zhì)質(zhì)量監(jiān)測提供有效的地理信息，進(jìn)一步為源頭治理與水資源合理利用等提供決策依據(jù)。

中等分辨率尺度的光學(xué)遙感數(shù)據(jù)(如Landsat 8 OLI、GF-1/6 WFV、Sentinel 2 MSI)被廣泛地應(yīng)用于地表水體探測。盡管不同光學(xué)傳感器的光譜范圍不同，但在地表水體信息提取時，其基本原理是一致的：基于典型水體與植被、人工地表或含雜質(zhì)渾濁水體光譜特征的差異性，通過波段/指數(shù)運(yùn)算法或分類法充分利用這種差異以實現(xiàn)水體信息的識別。利用光學(xué)遙感對地表水體信息提取方法主要為：監(jiān)督分類、單波段閾值法、多波段譜間閾值法、水體指數(shù)法、決策樹分類法、面向?qū)ο蠓ǖ?，以上方法主要是基于像元級的硬分類方式，對中低分辨率?shù)據(jù)中典型的“異物同譜、同譜異物”現(xiàn)象難以進(jìn)行有效處理。Landsat 8是Landsat系列的最新衛(wèi)星，除保留了對水體信息敏感的短波紅外波段外，還新增加了深藍(lán)波段，是進(jìn)行水體研究的有效數(shù)據(jù)源之一。為探究Landsat 8 OLI數(shù)據(jù)對水體面積提取方法的有效性，采用常見的多種分析方法對不同類型水體信息進(jìn)行提取，以期通過比較選定適用于Landsat 8 OLI數(shù)據(jù)的水體信息提取的有效方法，為實現(xiàn)水體信息的精細(xì)分類或宏觀尺度的水資源調(diào)查提供有益的參考。

1 研究材料與過程

1.1 研究區(qū)概況

合肥市位于安徽省中部，地處中緯度地帶，屬亞熱帶季風(fēng)性濕潤氣候，境內(nèi)有丘陵崗地、低洼平原、低山殘丘3種地貌，以丘陵崗地為主，地表水系較為發(fā)達(dá)，以江淮分水嶺為界，嶺北為淮河水系，嶺南為長江水系，淮河水系主要有東淝河、沛河、池河等，長江水系主要有南淝河、派河、豐樂河等。江淮分水嶺自西向東橫貫全境。主城區(qū)地勢由西北向東南傾斜，崗沖起伏；西南部屬大別山余脈，層巒疊嶂。研究區(qū)見圖1。

圖1 研究區(qū)影像圖(2018年4月10日Landsat 8 OLI影像)

1.2 數(shù)據(jù)來源與預(yù)處理

本研究的數(shù)據(jù)源主要有Landsat 8 OLI和高分辨率的Google Earth (GE)影像，其中GE數(shù)據(jù)的空間分辨率為1.19 m，通過目視解譯的方法以獲取精細(xì)尺度的訓(xùn)練樣本與驗證樣本。Landsat 8 OLI數(shù)據(jù)來源于地理空間數(shù)據(jù)云，數(shù)據(jù)級別為L1T，經(jīng)過系統(tǒng)輻射校正和幾何校正。

因衛(wèi)星傳感器拍攝過程中受地球大氣散射、拍攝姿態(tài)等影響，會使遙感影像在成像過程中產(chǎn)生一定的輻射畸變和幾何畸變，需要在對遙感影像進(jìn)行水體信息提取之前進(jìn)行必要的校正。主要校正有大氣和幾何校正，ENVI5.4.1軟件中完成。大氣校正主要消除成像過程中的程輻射，幾何校正賦予Landsat 8 OLI與GE數(shù)據(jù)相同的坐標(biāo)系統(tǒng)。

1.3 研究方法

針對合肥市內(nèi)地表水域來源具有差異的特點，選定4處具有代表性的水域(圖1)。使用單時相Landsat 8 OLI數(shù)據(jù)，采用監(jiān)督分類-神經(jīng)網(wǎng)絡(luò)法、MNDWI閾值法、基于樣本的面向?qū)ο蠓ê突旌舷裨€性分解模型4種方法，對合肥市不同地表水體類型進(jìn)行水域信息提取，以高空間分辨率的Google影像為參考，對以上方法進(jìn)行精度評價分析。

2 結(jié)果與分析

2.1 4種方法提取面積比較

采用了上述4種方法提取合肥市不同研究區(qū)水域面積,利用高分辨率的Google影像和實地調(diào)查建立真實的感興趣區(qū)，對每塊分區(qū)進(jìn)行精度評價?；诜诸惤Y(jié)果進(jìn)行統(tǒng)計，得到合肥市不同研究區(qū)面積統(tǒng)計，對比高分辨率Google地圖影像提出獲得面積數(shù)據(jù)。合肥市4處不同水域在利用不同的方法情況下面積見表1。

表1 不同研究方法水體提取面積對比

2.2 精度評價

同時，對不同研究區(qū)提取結(jié)果進(jìn)行混淆矩陣精度評價，結(jié)果如表2～7所示。

表2 監(jiān)督分類-神經(jīng)網(wǎng)絡(luò)法精度評價

表3 面向?qū)ο蠓ň仍u價

表4 MNDWI閾值精度取0精度評價

表5 MNDWI法基于OTEU法精度評價

表6 MNDWI二值化精度評價

表7 線性混合像元分解法精度評價

4種不同類型的水體，基于神經(jīng)像元法的監(jiān)督分類中，Kappa系數(shù)均高于0.8，總體精度均高于89%，制圖精度和用戶精度分別高于86%和87%(黃陂湖水域除外)，基本滿足對研究區(qū)域的監(jiān)測精度需求?；跇颖久嫦?qū)ο蠓椒ㄖ校琄appa系數(shù)均高于0.75，總體精度均高于89%，制圖精度和用戶精度分別高于88%和93%(黃陂湖水域除外)，基本滿足對研究區(qū)域的監(jiān)測精度需求。基于MNDWI取閾值為0的方法中，Kappa系數(shù)均高于0.93，總體精度均高于94%，制圖精度和用戶精度分別高于88%和93%，基本滿足對研究區(qū)域的監(jiān)測精度需求。基于MNDWI的OTEU法中，除環(huán)城河外，Kappa系數(shù)均高于0.96，總體精度均高于94%，制圖精度和用戶精度分別高于92%和96%，基本滿足對研究區(qū)域的監(jiān)測精度需求。基于MNDWI的二值化中，除環(huán)城河外，Kappa系數(shù)均高于0.91，總體精度均高于86%，制圖精度和用戶精度分別高于93%和90%，基本滿足對研究區(qū)域的監(jiān)測精度需求?；诨旌舷裨纸獾姆椒ㄖ?，Kappa系數(shù)均高于0.96，總體精度均高于95%，制圖精度和用戶精度分別高于92%和98%，基本滿足對研究區(qū)域的監(jiān)測精度需求。

綜上所述，可得監(jiān)督分類-神經(jīng)網(wǎng)絡(luò)法、面向?qū)ο蠓?、MNDWI閾值法、MNDWI二值化法和混合像元線性分解法總體上均適用于合肥境內(nèi)包涵不同地物的水體研究區(qū)域，并且取得了良好的提取效果。

3 結(jié)論與討論

3.1 基于不同類型水體的分類結(jié)果

從基于不同類型水體的分類結(jié)果來看，巢湖水域在應(yīng)用本文中提到的4種方法時，總體精度都很高，原因主要有：(1)巢湖研究區(qū)水域面積較大，易于目視解譯識別水體，同時受人類活動干擾能力較強(qiáng)。(2)影像選擇在四月初，水體污染相對較輕，周圍除農(nóng)田和裸地外干擾物少，與周圍其他種類地物容易區(qū)分。

環(huán)城河水域在應(yīng)用本文所使用的5種方法精度相對而言最低，可能原因有：(1)環(huán)城河研究區(qū)內(nèi)水體較少，而且處于城市中心受人類活動影響劇烈。(2)環(huán)城河研究區(qū)處于環(huán)城公園內(nèi)，因此在采用監(jiān)督分類和面向?qū)ο蠓〞r，選取的樣本包含受植被等干擾而產(chǎn)生的混合像元存在誤差較大。(3)環(huán)城河研究區(qū)內(nèi)建筑物比例遠(yuǎn)遠(yuǎn)大于水體比例，而且受周圍高大建筑物的干擾，導(dǎo)致MNDWI指數(shù)提取在利用OTSU法和二值化時閾值選取判斷容易出錯。水庫研究區(qū)內(nèi)存在一定量的植被與農(nóng)田，導(dǎo)致在水庫周圍水域的像元中混含有一定量的植被，MNDWI指數(shù)關(guān)于水體的峰值出現(xiàn)兩個，因此，在二值化時，很難選用合適的水體與非水體閾值，進(jìn)而導(dǎo)致精度較低。

黃陂湖研究區(qū)內(nèi)，因受水產(chǎn)養(yǎng)殖、水產(chǎn)作物種植和人類活動的強(qiáng)烈干擾，湖面被堤壩分為數(shù)塊，并且水體紋理和波段反射率均存在一定量差別?；跇颖镜拿嫦?qū)ο蠓诸悤r,因樣本眾多，存在錯分和漏分情況，出現(xiàn)了較大誤差，從而導(dǎo)致提取精度最低。

3.2 基于不同方法分類結(jié)果

從基于不同方法分類結(jié)果來看，線性混合像元分解法在4種分類方法中比較而言提取精度最為穩(wěn)定而且較好(制圖精度>92.86%，總體精度>96.22%)，在環(huán)城湖中精度最高，制圖精度和總體精度分別達(dá)到了98.29%和97.68%，很好地解決了其他方法所無法解決的大量水體與植被建筑所混雜的情況，表明線性混合像元分解法適用于合肥市所有水體的提取。

監(jiān)督分類-神經(jīng)網(wǎng)絡(luò)法受感興趣區(qū)影響較大，容易出現(xiàn)錯分和漏分情況，在黃陂湖研究區(qū)出現(xiàn)了面積比實際面積還多的情況，而在環(huán)城河因為樣本的難以抉擇和受建筑像元的干擾，出現(xiàn)了精度較低的情況。

基于樣本的面向?qū)ο蠓ㄔ邳S陂湖研究區(qū)精度很低，這是因為黃陂湖研究區(qū)存在樣本眾多且其紋理等圖像信息不一致，無法對所有水體信息進(jìn)行選擇的情況下出現(xiàn)了大量的漏分情況；而在巢湖研究區(qū)和水庫研究區(qū)時，易受一些干擾地物的影響，出現(xiàn)了少量的像元不屬于水體卻被歸于水體的情況。

基于MNDWI指數(shù)的方法中，閾值的選擇則至關(guān)重要。當(dāng)選擇閾值為0時，在巢湖和水庫研究區(qū)內(nèi)均出現(xiàn)了提取出的水體面積多于實際水體面積，而在其他研究區(qū)內(nèi)相對于其他研究方法也出現(xiàn)了大量的非水體像元被誤認(rèn)為水體像元的狀況，但是總體精度較高，Kappa系數(shù)較低。當(dāng)閾值使用OTSU法和二值化方法時，除環(huán)城河外精度均出現(xiàn)一定的提升，然而由于環(huán)城河研究區(qū)內(nèi)雙峰值不明顯，甚至沒有雙峰值，對于OTSU法和二值化法均存在嚴(yán)重的問題，因為其原理是基于雙峰值，因此，2種方法在環(huán)城河區(qū)域出現(xiàn)了較大的誤差，甚至水體提取的精度低于50%。