文廣超， 李 興， 吳冰潔， 王曉鶴， 謝洪波

（河南理工大學(xué)資源環(huán)境學(xué)院，河南焦作 454000）

湖泊參與流域水循環(huán)，對維持區(qū)域水量平衡［1］、滿足生產(chǎn)生活用水［2］、河流流量調(diào)節(jié)［3］發(fā)揮著重要作用。柴達木盆地地處青藏高原東北部，盆地內(nèi)湖泊眾多，且多位于盆地中心的低洼地帶［4］，為地表與地下水的匯集區(qū)和河流水系的尾閭，是氣候變化與人類活動的敏感指示器［5］，湖泊及其引起的生態(tài)環(huán)境的變化在一定程度上可以反映區(qū)域乃至全球的氣候事件［6］，在干旱的內(nèi)陸盆地區(qū)，湖泊是維持區(qū)域生態(tài)系統(tǒng)的重要支撐，同時，盆地內(nèi)的鹽湖作為資源也是當?shù)氐慕?jīng)濟支柱［7］。近年來，隨著全球氣候變化和人類活動干擾的加劇，盆地內(nèi)湖泊出現(xiàn)了面積萎縮乃至干涸的現(xiàn)象［8-9］。湖泊面積的變化不僅影響當?shù)氐纳鐣?jīng)濟和生態(tài)環(huán)境的可持續(xù)發(fā)展，而且對區(qū)域乃至青藏高原氣候變化均具有重要影響［10］。因此，精準監(jiān)測柴達木盆地湖泊水體動態(tài)，揭示自然與人類活動對湖泊的影響規(guī)律，對合理開發(fā)利用和保護湖泊水域，維系區(qū)域生態(tài)平衡具有重要的意義［11］。

衛(wèi)星遙感技術(shù)以其探測范圍廣、信息容量大、實時性與動態(tài)性強、免費共享等優(yōu)勢，在湖泊水體信息提取中得到了國內(nèi)外學(xué)者的青睞［12-16］，湖泊水體的提取最早主要依靠目視解譯，目視解譯提取水體的效果好壞受人為主觀因素影響，而且耗費的時間成本，人力成本高。用計算機自動提取水體的早期研究主要是利用水體在單個波段上表現(xiàn)出的與非水體截然不同的特性，如1985 年，Jupp 等［17］通過對TM7（TM 影像的第七波段）設(shè)定閾值識別水體信息；1992年陸家駒等［18］通過對TM5設(shè)定閾值識別水體信息，受限于分辨率，對于1000～4000 m2之間的水體識別起來還有困難。隨后的研究利用了水體在多個波段上的組合特征，產(chǎn)生了多種水體指數(shù)方法，以1996 年McFeeters［19］提出的歸一化差異水體指數(shù)NDWI（Normalized Difference Water Index）為代表，通過抑制植被和土壤信息，提取了水體信息，但其對建筑物、陰影、云影、細小河流的區(qū)分度不高；楊存建等［20］利用水體在TM2 波段與TM3 波段的亮度值之和大于TM4 波段與TM5 波段的亮度值之和這一特征提取水體；徐涵秋［21］提出了改進的歸一化差異水體指數(shù)法MNDWI（Modified NDWI），較好地提取了城鎮(zhèn)水體信息，該方法僅適用于擁有SWIR的傳感器，易受冰雪的影響；閆霈等［22］提出增強型水體指數(shù)EWI（Enhanced Water Index），在提取水體時區(qū)分了半干涸河道與背景噪聲，但對細小水體分離效果差，出現(xiàn)湖泊漏提現(xiàn)象；丁鳳［23］將TM7 波段應(yīng)用于構(gòu)建新型水體指數(shù)NWI（New Water Index）上，能夠清晰提取水體信息，但無法區(qū)分山體；2014年王晴晴等［24］提出簡單比值型水體指數(shù)SRWI（Simple Ratio of Water Index）用來增強水體與植被、建筑物、裸地和陰影的差異；丁占峰等［25］基于對鄱陽湖水體信息提取的研究提出ONDWI（Override NDWI）用來去除水體中含有的沼澤濕地，同時抑制植被和土壤信息，但對冰雪和陰影的區(qū)分度不高。此外，在沙漠水體信息提?。?6-27］、城市水體信息提?。?8-29］、水域邊界或河流信息提?。?0-31］、背景噪音去除［32-33］及提高土壤、植被與水體信息區(qū)分度［34-35］等方面，學(xué)者們也做了較為深入的研究，建立了一系列有效實用的水體指數(shù)。針對柴達木盆地湖泊水體動態(tài)變化，前人主要利用目視解譯、單波段閾值法、NDWI、MNDWI 等方法開展研究，取得了一系列成果［36-38］。以上水體提取方法中，單波段閾值法與比值法依賴動態(tài)的閾值對湖泊水體信息進行提取，且對陰影、冰雪噪聲的去除效果不理想；基于各種水體指數(shù)法提取水體信息的閾值基本穩(wěn)定為正值，因此將經(jīng)水體模型運算后結(jié)果大于0的區(qū)域判別為水體來提取信息，然而試驗表明NDWI 在提取西部湖泊水體信息時會將沼澤濕地與冰雪一起提取出來，MNDWI、EWI、NWI、ONDWI 等方法則存在湖泊漏提和誤提冰雪的情況。

隨著信息處理、定量遙感等相關(guān)技術(shù)的發(fā)展，遙感解譯正由半自動化向全自動智能化解譯方向發(fā)展［39］，對遙感解譯的速度、分類精度與適用性提出了更高的要求。為了解決上述問題，本文以青海省德令哈市境內(nèi)的可魯克湖流域為試驗區(qū)，以可魯克湖、托素湖、尕海為試驗對象建立水體識別模型，為了驗證模型的識別精度，選擇了柴達木盆地中的大柴旦湖、小柴旦湖、尕斯庫勒湖和察爾汗鹽湖4個典型湖泊作為模型的驗證區(qū)域。同時，為了驗證模型在柴達木盆地以外區(qū)域的適用性，將該模型應(yīng)用于鄰近柴達木盆地的青海湖、尕海湖，以及太湖、天池和滇池的水體提取中?；贚andsat 系列衛(wèi)星影像，進行湖泊水體信息自動提取方法研究，以精度高、速度快、適用性強為目標，旨在提出一種適合柴達木盆地區(qū)域的自動提取湖泊水體信息的方法，進而為湖泊水體的動態(tài)監(jiān)測提供可靠的技術(shù)支撐。

1 研究區(qū)概況與方法

1.1 研究區(qū)概況

柴達木盆地位于青藏高原東北緣，地處青海省西北部（34°40′～39°20′N、90°00′～99°20′E，圖1）。中部的平原區(qū)海拔2676～3000 m，地勢低洼，四周高山環(huán)繞，西南暖濕氣流難以進入，降水稀少、蒸發(fā)量大、日照充足，屬于內(nèi)陸極端干旱高寒氣候。盆地內(nèi)共有大小河流79 條，這些河流以盆地為中心，呈聚合狀分布，河水通過地表及地下徑流最終注入各自的匯水中心，形成尾閭湖［40］。

圖1 研究區(qū)位置及采樣點分布Fig.1 Location of the study area and the distribution of sampling points

1.2 數(shù)據(jù)來源與方法

1.2.1 遙感數(shù)據(jù) 選用Landsat 系列衛(wèi)星影像數(shù)據(jù)作為數(shù)據(jù)源，數(shù)據(jù)從美國地質(zhì)勘探局網(wǎng)站（https://earthexplorer.usgs.gov/）下載，空間分辨率30 m，影像級別為Level 1TP（地形校正）級。除了柴達木盆地內(nèi)的影像外，還收集了柴達木盆地內(nèi)外其他區(qū)域不同時期、不同傳感器的共計90 個Landsat 圖像場景數(shù)據(jù)，旨在驗證本文提出的湖泊水體提取方法在不同時間、空間以及傳感器的普遍適用性。本文選取自2000—2020年可魯克湖、小柴旦湖、尕斯庫勒湖、察爾汗鹽湖、青海湖等區(qū)域的部分影像進行論述，數(shù)據(jù)基本信息見表1。

表1 所用部分遙感影像基本信息Tab.1 Basic information of some remote sensing images used

1.2.2 遙感數(shù)據(jù)預(yù)處理 由于影像上的DN（digital number）是由輻射亮度值經(jīng)過線性變換拉伸到（0～255）范圍內(nèi)后得到的灰度值，不能準確表征地物在每個波段真實的反射率，因此在ENVI 軟件中利用產(chǎn)品提供的影像定標文件將DN值轉(zhuǎn)換成TOA（Topof-atmosphere）反射率。TOA反射率相對于DN值有兩大優(yōu)點：一是消除了傳感器在不同時間獲取數(shù)據(jù)時太陽天頂角帶來的余弦效應(yīng)；二是補償了外大氣太陽輻照度的不同值［41］。

1.2.3 采樣點布設(shè) 為了獲取不同地物的波譜曲線，在對影像進行圖像增強的基礎(chǔ)上，結(jié)合谷歌地球上同區(qū)域高分辨率影像，采用目視判讀法共收集了55615 個樣本點，其中包括26676 個水體樣點，28939個非水體樣點。

此外，在青海湖區(qū)域2018 年7 月的影像發(fā)布后，于當月在距青海湖東北3 km 的尕海湖周邊，對尕海湖水體和非水體之間的邊界線采集了8406 個實測定位點數(shù)據(jù)，這些采樣點組成的虛線代表實際的湖岸線，用于湖泊水體信息提取結(jié)果的視覺評估以及精度評價參考。

1.2.4 技術(shù)路線 模型建立分三步完成：第一步，基于下載的Landsat 系列影像，借助ENVI 軟件，利用Landsat 產(chǎn)品提供的元數(shù)據(jù)文件，將DN 值轉(zhuǎn)換為TOA反射率值；第二步，通過實地調(diào)研，結(jié)合目視解譯，構(gòu)建不同地物的波譜曲線，分析湖泊水體與干擾地物要素之間的差異，初步提出湖泊水體信息提取模型；第三步，對模型提取精度進行驗證，檢驗精度超過95%時，確定建立湖泊水體信息提取模型，檢驗精度較低時，重復(fù)第二和第三步操作，湖泊水體信息提取模型建立的思路見圖2。

圖2 湖泊水體信息提取模型建立的技術(shù)路線Fig.2 Technical route for establishing lake water body information extraction model

1.2.5 精度評價方法 為了驗證湖泊水體信息提取的精度，引入視覺評估法和混淆矩陣［42］2種方法。

混淆矩陣［43-44］中的總體分類精度OA（公式1），Kappa 系數(shù)（公式2），以及用戶精度User accuracy（公式3）等參數(shù)可以定量反映分類效果。

式中：n是總采樣測試點；nkk是第k類地物樣本點的總數(shù)；nk+是從分類數(shù)據(jù)中導(dǎo)出第k類樣點的總數(shù)；n+k是從數(shù)據(jù)集導(dǎo)出的第k類地物樣本點的總數(shù)；q是樣本類別的總數(shù)。

總體分類精度（OA）、Kappa 系數(shù)和用戶精度的值越大，說明分類效果越好。

2 湖泊水體提取模型的提出

2.1 湖泊水體的波譜特征

不同類型的地物對一定波長的電磁波表現(xiàn)出不同的反射特性，地物反射電磁波特性在遙感影像上的定量表現(xiàn)就是TOA反射率數(shù)值不同，通常用波譜曲線來刻畫地物在不同波段的TOA 反射率表現(xiàn)。根據(jù)不同地物TOA反射率的差異構(gòu)建模型，即通過增強目標地物抑制非目標地物的方式，將目標地物與其他地物區(qū)分開。

在柴達木盆地內(nèi)，湖泊水體的礦化度存在較大的差異，有淡水湖、半咸水湖、咸水湖和鹽湖4類，平均高程約2788 m［40］。在可魯克湖流域，有可魯克湖（淡水湖）、托素湖（咸水湖）與尕海（鹽湖）3個湖泊，礦化度分別為：0.80～0.88 g·L-1、29.62～30.20 g·L-1、103.6～156 g·L-1，流域平均高程2980 m［45］。無論從地形地貌還是礦化度上看，可魯克湖流域地物要素的光譜特征在柴達木盆地均具有典型性。為此，本文選擇可魯克湖流域作為試驗區(qū)開展湖泊水體信息提取方法研究。

基于上述思路，在可魯克湖周邊區(qū)域，在實地調(diào)研的基礎(chǔ)上，通過目視解譯選擇對湖泊水體信息提取干擾較大的沼澤濕地、冰雪、陰影、裸地、建筑物等5類典型要素，通過樣本點（圖1）獲取其在不同波段上的TOA 反射率，分別求取其平均TOA 反射率，以波段為橫坐標，TOA 反射率為縱坐標，繪制5類典型地物和湖泊水體的波譜曲線（圖3）。

圖3 研究區(qū)6種地類的波譜曲線Fig.3 Spectral signatures of six major land use classes in the study area

從圖3 可以看出，湖泊水體的TOA 反射率與其他5類地物有明顯的不同，表現(xiàn)在以下2個方面：一是湖泊是唯一一類波譜曲線整體呈下降趨勢的地物；二是湖泊在Blue、Green 波段的反射率值接近其他地物，而在Red、NIR、SWIR1、SWIR2 波段明顯低于其他地物?；谏鲜霾町悾谘芯繀^(qū)內(nèi)，可以根據(jù)TOA反射率來區(qū)分湖泊水體和其他地物。

2.2 湖泊水體差分模型的提出

對于清水，在Blue-Green波段反射率為4%～5%，波長0.6 μm以上的Red波段反射率降到2%～3%，在NIR波段上幾乎吸收全部的入射能量［46］。對于柴達木盆地的湖水來說，隨著懸浮物濃度的增加，與清水相比，反射率數(shù)值會發(fā)生一定的影響［47］，但整體的反射率峰值仍然處于Blue、Green 波段范圍內(nèi)，且反射率隨波長的增加而減?。?8-49］?；诖耍瑢?.2.3小節(jié)中的采樣結(jié)果，取TOA 反射率，執(zhí)行（Blue+Green-Red-NIR-SWIR1-SWIR2）運算，結(jié)果表明，湖泊水體中，所有湖泊樣本點的TOA反射率運算結(jié)果均大于0，而幾乎所有的其他地物樣本點表現(xiàn)出相反的運算結(jié)果。由此可以初步得出以下結(jié)論：（Blue+Green-Red-NIR-SWIR1-SWIR2）運算可以將湖泊水體信息增強為大于0 的值，將其他非水體信息抑制為小于0的值。據(jù)此，提出了基于Landsat系列衛(wèi)星影像的湖泊水體信息提取模型——湖泊水體差分模型（Lake Water Differential Model,LWDM）。

3 結(jié)果與分析

為了驗證模型的可行性，對比不同模型的提取效果，本文選擇位于柴達木盆地東部的可魯克湖、尕海和托素湖，中部的大柴旦湖、小柴旦湖，西部的尕斯庫勒湖，以及察爾汗鹽湖為驗證對象，利用不同傳感器數(shù)據(jù)，對LWDM 模型進行驗證。同時，為證明模型在更大空間尺度的普遍適用性，還選擇了臨近柴達木盆地東部邊緣的青海湖、尕海湖作為驗證對象。

3.1 湖泊水體信息提取結(jié)果

采用LWDM、NDWI和MNDWI方法部分提取結(jié)果如下圖所示（圖4～圖5）。圖4a 采用真彩色影像合成并進行平方根拉伸，圖5a采用真彩色影像合成并進行高斯增強，旨在突出湖泊在原影像上的位置。

圖4 可魯克湖區(qū)域湖泊水體提取結(jié)果Fig.4 Results of lake water extraction in Keluke Lake

圖5 青海湖區(qū)域湖泊水體提取結(jié)果Fig.5 Results of lake water extraction in Qinghai Lake

在可魯克湖流域內(nèi)，由圖4 可知，3 種方法均可以將湖泊水體信息提取出來，但NDWI 方法在提取湖泊信息（圖4c）的同時提取了河流水體、沼澤濕地和部分陰影的信息，MNDWI 方法同時提取了河流水體、沼澤濕地、陰影和冰雪的信息（圖4d）；這種情況在小柴旦湖周邊區(qū)域以及尕斯庫勒湖區(qū)域同樣存在。

在青海湖區(qū)域，選擇同一時間段（2018年7月），對比野外實測湖岸線與基于LWDM 的湖泊提取結(jié)果（圖6），可以看出，提取結(jié)果與實測湖岸線誤差在一個像素內(nèi)，能夠反映實際湖水岸線的曲折情況。

圖6 青海湖區(qū)域LWDM方法水體局部提取結(jié)果Fig.6 Results of lake water extraction by LWDM in Qinghai Lake

雖然，在模型建立之初就已經(jīng)考慮到了柴達木盆地不同湖泊水體礦化度的差異，作為測試對象的尕海，其礦化度已經(jīng)達到了鹵水的標準，但與察爾汗鹽湖礦化度高達400 g·L-1相比，還存在較大的差距，為了進一步驗證模型的適用性，運用本文提出的方法，提取了察爾汗鹽湖及其周邊的湖泊水體信息（圖7），由圖7 可知，LWDM 較為完整的提取了湖泊水體信息，有效去除了區(qū)內(nèi)的道路、建筑物等干擾信息，總體分類精度為97.98%，Kappa 系數(shù)為0.9339，用戶精度99.94%，說明LWDM 模型在柴達木盆地內(nèi)具有較好的適用性。

圖7 察爾汗鹽湖水體提取結(jié)果Fig.7 Results of lake water extraction by LWDM in Chaerhan Salt Lake

通過上述對比可以得出如下結(jié)論：LWDM 在提取湖泊水體信息的同時，不僅可以去除植被、裸地、建筑物等干擾信息，也可以較好地去除絕大部分雪、陰影、沼澤濕地和地表河流等干擾因素，與NDWI、MNDWI 等水體提取方法相比，LWDM 方法可以更好地提取柴達木盆地內(nèi)的湖泊水體信息。

3.2 精度評價

根據(jù)原始的混淆矩陣，經(jīng)過公式（1）～（3）的運算，得到精度評價結(jié)果（表2）。

由表2可知，湖泊水體信息的提取精度表現(xiàn)為：LWDM＞NDWI＞MNDWI。在青海湖區(qū)域附近，3 種方法提取湖泊水體信息的精度接近，而在柴達木盆地內(nèi)的可魯克湖區(qū)域、小柴旦湖區(qū)域、尕斯庫勒湖區(qū)域、察爾汗鹽湖區(qū)域，3種水體提取方法在湖泊提取精度上表現(xiàn)出顯著的差異，其原因是NDWI、MNDWI 在提取湖泊水體時，會同時提取地表河流、冰雪、沼澤濕地等非湖泊水體信息，從而降低了用戶精度。

表2 湖泊水體信息提取精度評價結(jié)果Tab.2 Evaluation result of information extraction accuracy of lake water

此外，在柴達木盆地的其他區(qū)域不同時期、不同傳感器共計90個Landsat圖像場景數(shù)據(jù)中，OA達到99.48%，Kappa值達到0.9877。

由此可以得出如下結(jié)論：基于Landsat 系列影像，LWDM 可以較好地提取柴達木盆地湖泊水體信息，相對于NDWI、MNDWI等水體信息提取方法，去噪能力強，提取精度顯著提高。對于柴達木盆地之外的其他區(qū)域，針對不同清潔度的湖泊，LWDM 方法的適用性有待進一步的研究。

3.3 提取結(jié)果分析

以Landsat TM、ETM+和OLI 多光譜遙感影像為數(shù)據(jù)源，通過分析可魯克湖流域內(nèi)湖泊水體與冰雪、陰影、沼澤濕地、裸地、建筑物等對象的TOA 反射率差異，根據(jù)湖泊水體在Blue、Green 波段的TOA反射率高于其余波段，且不同波段TOA反射率值呈整體下降趨勢的特征，利用藍光、綠光、紅光、近紅外與短波紅外波段，構(gòu)建了柴達木盆地湖泊水體信息提取模型——湖泊水體差分模型（LWDM）。將該模型應(yīng)用于柴達木盆地的可魯克湖、托素湖、尕海、尕斯庫勒湖、小柴旦湖以及盆地附近青海湖地區(qū)的尕海湖等湖泊水體信息的提取，與Mcfeeters［19］的NDWI和徐涵秋［21］的MNDWI相比，LWDM不僅可以較為準確地提取出湖泊水體信息，而且可以有效去除冰雪、陰影、沼澤濕地、建筑物等干擾信息。模型提出后，利用Landsat（Level-2 產(chǎn)品）的地表反射率作為輸入數(shù)據(jù)對模型進行進一步測試，結(jié)果表明其提取精度與TOA 反射率作為輸入數(shù)據(jù)的提取精度基本一致。因此，本文提出的湖泊水體差分模型既可以將TOA反射率作為輸入數(shù)據(jù)，也可以將地表反射率作為輸入數(shù)據(jù)；同時應(yīng)用不同時段、不同季節(jié)的Landsat 系列影像數(shù)據(jù)進行了測試，結(jié)果表明，該模型所反映的湖泊水體規(guī)律在不同年份、不同季節(jié)是一致的。此外，NDWI和MNDWI提出的目的是提取地表水體信息［19,21］，并未考慮湖泊水體信息與河流水體信息的差異，因此，在提取湖泊水體信息的同時，也混入了地表河流水體信息（圖4c～圖4d）。而LWDM建立的目標就是提取湖泊水體信息，在前期試驗研究過程中充分考慮了湖泊水體與地表水體信息之間的差異，在提取湖泊水體信息的同時，較好地剔除地表河流的水體信息（圖4b）。

從提取精度評價的結(jié)果來看，LWDM 方法的提取精度要高于NDWI 和MNDWI，原因有三：第一，NDWI是在分析植被與水體在可見光波段和近紅外波段的反射強度特征后提出的［19］，目的是最大程度地抑制植被信息，增強水體信息。而MNDWI 是針對NDWI不能很好區(qū)分城市范圍內(nèi)的水體而改進的一種水體指數(shù)［21］，目的是增加建筑物和水體的差異，進而更精確的提取城市范圍內(nèi)的水體，但是不能很好地抑制含水量較大的土壤干擾信息。二者以提取地表水體（包括河流、湖泊、水庫等）為目標，建立時更多地關(guān)注植被、建筑物對水體信息提取的干擾。第二，雖然徐涵秋［21］在提出MNDWI時，選擇河流、湖泊、海洋3 種水體對NDWI 和MNDWI 進行了水體信息提取試驗，實驗結(jié)果證明，MNDWI 具有一定的陰影去除效果，但未考慮像柴達木盆地這樣復(fù)雜的環(huán)境：一是盆地屬于高原型內(nèi)陸盆地，極高山、高山、戈壁、丘陵、平原、鹽沼等地貌并存；二是區(qū)內(nèi)湖泊、河流密布，沼澤濕地普遍存在，不同湖泊礦化度差異較大；三是盆地周邊的極高山、高山區(qū)有冰雪覆蓋區(qū)。這在一定程度上降低了MNDWI模型提取柴達木盆地湖泊水體信息的精度。第三，LWDM 模型以提取柴達木盆地湖泊水體信息為目標，建立時不僅考慮了上述背景條件，而且借助波譜曲線捕獲到了湖泊水體與其他地物要素的TOA反射率差異，模型在精確刻畫地物差異的同時，提高了提取結(jié)果的可靠性。

LWDM 在建立時既考慮了可魯克湖流域內(nèi)水體在可見光波段，特別是藍光與綠光波段反射率相對較強，在近紅外與短波紅外強吸收的特征，又考慮了DN值在表征地物時失真的不足。模型建立過程中采用差值運算方法并引入較多的波段，一方面可以有效避免由于比值運算造成局部信息丟失的現(xiàn)象；另一方面引入多波段可以探測到更多的水體微細變化信息，對與柴達木盆地相似的不同礦化度湖泊水體信息并存的區(qū)域，可取得比NDWI、MNDWI更好的提取效果。在閾值選擇方面，有學(xué)者采用神經(jīng)網(wǎng)絡(luò)技術(shù)自動計算樣本閾值，得到了水體信息自動提取模型，但該方法容易得到局部極小值而延長計算時間，而本文提出的LWDM模型將提取湖泊水體信息的閾值設(shè)定為0，與NDWI 和MNDWI 在局部地區(qū)信息提取時需要調(diào)整閾值［21］操作及采用神經(jīng)網(wǎng)絡(luò)技術(shù)導(dǎo)致計算時間較長相比，LWDM 提取湖泊水體信息操作更加便捷。

為了考證LWDM的適用性，選擇柴達木盆地以外位于不同地區(qū)的天池、太湖、滇池作為驗證對象，利用LWDM 對其周邊區(qū)域的湖泊水體信息進行了提取，借助總體分類精度OA、Kappa 系數(shù)及用戶精度對提取結(jié)果進行了精度評價（表3），由表3 可知，天池的提取結(jié)果較好，太湖和滇池的效果稍差，原因是太湖和滇池的水質(zhì)相對較差，說明LWDM模型對清潔水體的適用性較好，而對受污染水體的適用性相對較差，前期筆者對太湖含藍藻水體進行了專題研究，提出了基于Landsat影像的含藍藻水體提取方法（Blue+Green-Red-SWIR1-SWIR2＞0）［50］，通過對比發(fā)現(xiàn)，提取結(jié)果優(yōu)于NDWI、MNDWI、MBWI、NWI、WI2015，后續(xù)針對不同清潔度的湖泊水體信息，還需要對模型進行完善，以提高其適用性。利用MODIS數(shù)據(jù)（成像時間，2005年5月25日）進一步對LWDM 的適用性進行分析，選擇盆地內(nèi)外的哈拉湖、青海湖作為試驗對象，對提出的水體提取指數(shù)進行了試驗驗證，采用LWDM提取了2個湖泊水體，提取結(jié)果的總體分類精度為99.81%，Kaapa 系數(shù)為0.9973，用戶精度99.78%，說明對于不同的傳感器，在青藏高原地區(qū)該方法也有較好的適用性。

表3 滇池、太湖、天池湖泊水體信息提取精度評價結(jié)果Tab.3 Evaluation results of water body information extraction accuracy of Dianchi Lake,Taihu Lake and Tianchi Lake

由于湖泊水體信息受制于多種因素，當前的研究方法尚不能完成全面、系統(tǒng)的湖泊水體信息提取，特別是對較差水質(zhì)的湖泊水體信息，模型還有待進一步完善。本文基于前人的研究成果，對柴達木盆地的湖泊水體分布自動提取方法進行了探索性研究，后續(xù)還要在以下2個方面加強研究：一是引入機器學(xué)習(xí)等人工智能技術(shù)，自動識別青藏高原湖泊水體與冰雪、沼澤濕地、陰影等要素的TOA 反射率差異，完善湖泊水體信息提取模型，將其應(yīng)用到塔里木盆地、云貴高原、四川盆地等不同區(qū)域，在應(yīng)用中不斷改進模型，增強模型的普適性；二是考慮SPOT、QuickBird、ASTER、IKONOS 及國產(chǎn)高分辨率對地觀測等衛(wèi)星遙感數(shù)據(jù)，采用多源遙感影像數(shù)據(jù)融合技術(shù)，關(guān)注氣象變化與人類活動的影響，提高湖泊水體分布信息的提取精度，進而為湖泊水體動態(tài)變化及其周邊區(qū)域生態(tài)環(huán)境演化提供理論與技術(shù)支撐。

4 結(jié)論

本文基于Landsat系列遙感影像，通過對比分析可魯克湖流域不同地物要素的TOA反射率差異，建立了基于Landsat 影像的湖泊水體分布自動提取方法——湖泊水體差分模型（LWDM），將該方法應(yīng)用于柴達木盆地、青海湖、尕海湖、太湖、天池、滇池等湖泊水體信息提取，并分析了同一衛(wèi)星不同傳感器、不同成像時間、不同衛(wèi)星不同傳感器的提取結(jié)果。主要結(jié)論如下：

（1）在統(tǒng)計分析的基礎(chǔ)上，根據(jù)地物在遙感影像不同波段的TOA反射率差異特征，通過增強目標地物信息，抑制非目標地物信息，可以有效提取所需信息。

（2）基于TOA反射率差異特征提出的湖泊水體差分模型(LWDM)可以用穩(wěn)定的閾值（0）實現(xiàn)區(qū)域湖泊水體信息的快速提取，與NDWI、MNDWI 等方法相比，在柴達木盆地內(nèi)，該方法能有效抑制地表河流、冰雪、沼澤濕地、陰影等干擾因素，顯著提高湖泊水體信息提取的精度。

（3）基于Landsat 系列衛(wèi)星影像，LWDM 可用于柴達木盆地湖泊水體分布快速識別，基于不同傳感器不同時期的遙感影像，通過對比不同湖泊提取結(jié)果，OA達到99.48%，Kappa值達到0.9877，用戶精度達到99.66%。基于不同衛(wèi)星傳感器，利用MODIS遙感影像數(shù)據(jù)，提取了青海湖和哈拉湖水體信息，OA達到99.81%，Kappa 值達到0.9973，用戶精度達到99.78%，結(jié)果具有較高的可信度，可為柴達木盆地湖泊水體動態(tài)監(jiān)測及湖泊周邊生態(tài)環(huán)境保護提供技術(shù)支持。