基于“珠海一號”高光譜衛(wèi)星的洱海水體提取方法研究

尹慧新 樊彥國

（中國石油大學(xué)（華東），青島 266580）

0 引言

水資源是人類極其寶貴的自然資源之一，我國淡水資源總量雖居世界第四，但人均占有量僅為世界人均的1/4。利用遙感技術(shù)準(zhǔn)確快速地獲取陸上水體動態(tài)信息，是水資源調(diào)查、面積監(jiān)測的一種高效技術(shù)手段[1]。

現(xiàn)階段關(guān)于水體信息提取的研究不在少數(shù)，數(shù)據(jù)源多為多光譜、高光譜影像數(shù)據(jù)；研究方法中單波段閾值法、譜間關(guān)系法、指數(shù)法居多。國外對于水體提取的研究多旨在設(shè)計或改進水體指數(shù)，消除各種環(huán)境噪聲。如文獻[2]提出了改進歸一化差異水體指數(shù)（MNDWI）的半自動水體特征提取方法，并證明了其對拉桑山水體提取的可靠性更好。文獻[3]提出了一種新的水體指數(shù)——自動水體提取指數(shù)（AWEI），該方法較MNDWI法、最大似然法分類，提高了包括陰影和暗表面在內(nèi)的區(qū)域分類精度。文獻[4]為了消除水體提取中的噪音，提出了一種將歸一化差異水體指數(shù)和地表溫度相結(jié)合的方法——水提取表面溫度指數(shù)（WESTI），該方法去除了80%以上的地形陰影，且具有很好的精確率和魯棒性。

我國則多是針對特定區(qū)域或遙感傳感器進行水體提取方法的對比和改進。文獻[5]基于Landsat-7衛(wèi)星遙感影像，采用K-T變換（纓帽變換法）、歸一化差異水體指數(shù)（NDWI）、增強型水體指數(shù)（EWI）提取洱海水體面積，通過面積對比得出，NDWI方法最佳。文獻[6]采用NDWI、EWI、MNDWI、新型水體指數(shù)（NWI）和AWEI對云貴高原10個湖泊水域面積進行提取，其中洱海采用NWI，提取精度最高。文獻[7]基于HJ-1A衛(wèi)星的高光譜數(shù)據(jù)，由歸一化差異植被指數(shù)（NDVI）和NDWI構(gòu)建了基于指數(shù)的水體指數(shù)（IWI），試驗表明，IWI提高了水體提取精度。

盡管以上文獻針對不同數(shù)據(jù)源采取了不同的水體提取方法，但“珠海一號”衛(wèi)星組網(wǎng)的高光譜衛(wèi)星數(shù)據(jù)在水體提取方面還是一片空白，且在高原湖泊水體提取中以往的方法易存在多種陰影干擾的情況。因此本文利用該高光譜衛(wèi)星數(shù)據(jù)，采用單波段閾值法、譜間關(guān)系法、三種已有水體指數(shù)法及新構(gòu)建的水體提取指數(shù)——陰影建筑指數(shù)（SBI）法進行水體提取研究。通過對比各種方法的精度，科學(xué)判定洱海水體提取的最佳方法。

1 研究區(qū)概況及數(shù)據(jù)源

（1）研究區(qū)概況

洱海，位于云南省大理白族自治州大理市境內(nèi)，是云南第二大淡水湖[8]。岸直坡陡，湖體狹長。湖水全年水溫為12℃～21℃，年平均溫度為15.5℃。研究區(qū)內(nèi)除洱海外，還有眾多大小不一的水庫及池塘，群山環(huán)繞，且有少量云層覆蓋。建筑物多分布在洱海西部、南部及西南部，大理市區(qū)位于西南部，緊鄰洱海，景色優(yōu)美。

（2）數(shù)據(jù)源

高光譜影像為“珠海一號”衛(wèi)星星座02組A星（OHS-2A）影像，空間分辨率為10m，單幅成像范圍為150km×2 500km，光譜分辨率2.5nm，譜段數(shù)32個，波譜范圍400～1 000nm，即從可見光至近紅外波段。本文包含洱海的OHS-2A衛(wèi)星影像，成像于2018年11月30日，成像地點為云南大理白族自治州洱源縣。數(shù)據(jù)處理等級為 L1級，已經(jīng)過相對輻射定標(biāo)和系統(tǒng)幾何校正，需對其進行絕對輻射定標(biāo)、大氣校正、正射校正的預(yù)處理工作，用于水體信息的提取。

2 水體提取方法

為了得到研究區(qū)域內(nèi)地類的光譜特征，對影像中6種主要地類分別選取10個特征點[9]，如圖1所示。為盡量使其均勻分布在研究區(qū)域內(nèi)，并對10個特征點進行光譜曲線平均，最終共得到6條不同地類的光譜曲線，如圖2所示。

圖1 特征點分布Fig.1 The graph of feature points distribution

圖2 主要地類光譜曲線Fig.2 Major terrestrial spectral curves

水體：在480nm和566nm（分別為第2、7波段的中心波長）即藍、綠波段處，有兩個明顯的反射峰[10]。在此之后反射率逐漸下降，直至700～880 nm波長范圍內(nèi)達到最低點，反射率幾乎為0。即水體在藍、綠波段處吸收性和透射性相對較弱，反射性較高，而在近紅外波段處水體幾乎吸收了全部的光波入射能量，反射率很低[11]。

陰影：在720nm波長（第17、18波段處）附近和水體光譜曲線相交，在此之前，反射率低于水體，變化趨勢二者幾乎一致。730nm波長之后，陰影的反射率略高于水體，變化趨勢仍保持一致[12]。陰影信息包括山體陰影和建筑陰影，其和水體光譜曲線的相似性極有可能導(dǎo)致難以將二者區(qū)分開，錯誤提取陰影為水體信息。

其他地類：除植被光譜曲線在可見光范圍內(nèi)反射率偏低外，建筑物、裸山、道路在全光譜波段的反射率均明顯高于水體。尤其是裸地，反射率從可見光到近紅外幾乎呈直線上升。除水體外，其他5種地類的反射率在近紅外波段均處于高值狀態(tài)。

（1）單波段閾值法

單波段閾值法是指選定某一具體波段，通過設(shè)置適當(dāng)?shù)拈撝祵λw進行提取[13]。閾值定義式為

式中R28為第28波段的反射率值；δ為閾值。當(dāng)反射率≥δ時判斷為非水體，＜δ時判斷為水體。提取結(jié)果如圖3（a）。

圖3 水體提取結(jié)果Fig.3 Results of water extraction

閾值通過分析相關(guān)波段的灰度直方圖確定。單波段閾值法確定為454，小于454為水體，否則為背景。

（2）多波段譜間關(guān)系法

譜間關(guān)系法是利用水體與背景地物波譜曲線變化趨勢的不同，構(gòu)建出多個波段間的邏輯關(guān)系式[13]。由圖2可知，水體在可見光波段的反射率明顯大于其在近紅外波段的反射率，而其他地物相反，則表達式為

式中R2、R7、R20、R25、R27分別為第 2、7、20、25、27波段的反射率，提取結(jié)果如圖 3（b）。直方圖確定閾值為220，大于220為水體，否則為背景。

（3）已有水體指數(shù)法

水體在可見光和近紅外波段的光譜特性大不同于其他地物，眾多的水體指數(shù)均是利用了這一典型特征。如文獻[14]對綠、紅、近紅外波段進行光譜分析后，選取或構(gòu)建水體指數(shù)。本文依據(jù)OHS-2A衛(wèi)星的光譜范圍選擇適合的水體指數(shù)，提取水體信息。

1）歸一化差異水體指數(shù)法。歸一化差異水體指數(shù)（Normal Differential Water Index，NDWI）利用了水體在綠波段反射率較高，近紅外波段反射率低的特性[15]，將OHS-2A衛(wèi)星高光譜影像的第7、28波段分別作為綠和近紅外波段，定義式為

提取結(jié)果如圖3（c）。閾值設(shè)為0.15，大于0.15為水體，否則為背景。

2）改進的陰影水體指數(shù)法。改進的陰影水體指數(shù)（Modified Shade Water Index，MSWI）是基于陰影水體指數(shù)，使陰影和水體的分離程度更高的比值模型[16]。將OHS-2A衛(wèi)星高光譜影像的第2、28波段分別作為藍和近紅外波段，定義式為

提取結(jié)果如圖3（d）。閾值設(shè)為0，大于0為水體，否則為背景。

3）綜合權(quán)重水體指數(shù)法。綜合權(quán)重水體指數(shù)（Comprehensive Weight Water Index，CWWI）利用藍、綠、近紅外三個波段，通過賦予三個波段不同權(quán)值，進行波段組合[17]。定義式為

該方法通過強化水體反射與吸收的差異進一步區(qū)分水體與非水體。利用光標(biāo)定位和灰度直方圖，經(jīng)反復(fù)試驗，確定水體的CWWI值在600～3 200之間。因此使用圖像分割法，設(shè)置最低、最高閾值：600、3200，提取水體信息。提取結(jié)果如圖3（e）。

（4）本文構(gòu)建的新指數(shù)——陰影建筑指數(shù)法

陰影建筑指數(shù)（Shaded Building Index，SBI）是利用NDWI和近紅外波段的乘積，通過閾值選擇實現(xiàn)水體的提取。若單純采用NDWI極容易造成陰影與水體的混淆，噪聲雜質(zhì)較多。研究區(qū)中典型地物NDWI值從大到小的排序為：水體、建筑、山體陰影、植被，亮度依次降低，其中水體和建筑明暗度相似，數(shù)值交叉現(xiàn)象嚴(yán)重。水體在近紅外波段與其它地物有顯著差異，反射率從大到小的排序為：植被、山體陰影、建筑、水體[18]。因此，SBI的表達式為

式中 NDWI為歸一化差異水體指數(shù)；RNIR為近紅外波段反射率。提取結(jié)果如圖4（a）。NDWI與近紅外波段的平方相乘，在便于識別結(jié)果灰度值和有效提取水體的情況下，能使水體與其它地物的數(shù)值差異最大化，尤其與建筑的灰度值不再存在交叉現(xiàn)象。水體分割閾值為0和41 000，分割后圖像如圖4（b）。

圖4 SBI法水體提取Fig.4 Water extraction results by the shaded building index

3 結(jié)果與分析

（1）水體提取結(jié)果

基于以上六種方法進行的水體提取試驗，根據(jù)設(shè)定的合適閾值，利用ENVI5.3中的Band Math將其轉(zhuǎn)為二值圖[19]，即1值（白色）為水體，0值（黑色）為背景。其中CWWI法和SBI法的二值圖閾值設(shè)置為：B1≠0，B1為相應(yīng)方法分割后的單波段影像。

由于提取水體范圍較大，為了更清楚地對比六種方法的水體提取效果，圖5展示了各方法的提取細節(jié)。

圖5 水體提取細節(jié)對比Fig.5 Comparison in detail of water extraction

由圖5目視判讀可知，單波段閾值法提取的水體內(nèi)部最純凈，無背景雜質(zhì)混入，且水體邊界清晰。但同時也提取了所有的陰影，主要包括山體陰影和建筑陰影，受背景影響較大。譜間關(guān)系法與其相比，山體、植被陰影有所減少，且水體提取相對完整，但關(guān)系式的構(gòu)建更適合于波段數(shù)較多的高光譜影像。

三種已有水體指數(shù)的提取效果總體來看不如譜間關(guān)系法。NDWI極大程度地抑制了植被信息，強化水體信息[20]，但在山體陰影和建筑區(qū)域與水體產(chǎn)生了混淆，大量被誤提為水體。MSWI嚴(yán)重缺失對水體內(nèi)部信息的提取，尤其是一些長條形的水庫，僅提取了外部邊界。CWWI對山體陰影的抑制和水體信息的提取雖稍好于NDWI和MSWI，但仍存在大量建筑噪聲。

本文構(gòu)建的SBI，在水體提取的純凈度上，僅次于單波段閾值法；在抑制建筑和山體等噪聲方面，展現(xiàn)出了極大的優(yōu)勢：在保留細長河流水體的同時，幾乎完全去除了建筑的影響，山體陰影也達到了最小，且水庫之間的植被噪聲同時被消除，目視提取效果明顯優(yōu)于其他五種方法。

（2）精度評價

采用BIGEMAP中同時期谷歌無偏移地圖影像，空間分辨率可達1m，細小水庫均清晰可見。因研究區(qū)包含眾多水庫及無名池塘，因此選取最小寬度大于20m的水域，在ArcMap中進行矢量化，見圖6。

圖6 洱海及周圍庫塘分布Fig.6 The distribution map of Erhai Lake and its surrounding reservoirs

利用ENVI5.3軟件將上述矢量圖作為地面真實圖像，與六種水體提取方法的分類二值圖，生成混淆矩陣及Kappa系數(shù)表，進行精度驗證。具體見表1。

表1 不同水體提取方法精度比較Tab.1 Precision comparison of different water extraction methods

將各方法的總體精度和Kappa系數(shù)可視化，如圖7。

從表1及圖7可以看出，不同水體提取方法的總體精度從大到小依次為：SBI法＞譜間關(guān)系法＞CWWI法＞NDWI法＞MSWI法＞單波段閾值法，提取精度均在97%以上。Kappa系數(shù)除譜間關(guān)系法稍低于CWWI法外，其余均與總體精度排序一致，且系數(shù)值都在0.8以上。表明這六種方法提取的水體信息與實際情況相符，其中SBI法總體精度最高為99.8%，Kappa系數(shù)高于0.98；而單波段閾值法總體精度為97.9%，Kappa系數(shù)為0.88，均為六種方法最低值。

圖7 六種水體提取方法精度對比Fig.7 The accuracy comparison diagram of six water extraction methods

綜合分析，六種算法中，單波段閾值法雖生產(chǎn)精度較高，但錯分誤差較大，提取了全部的陰影，且Kappa系數(shù)偏低。NDWI法和MSWI法的錯分誤差大大減少，但MSWI法的漏分誤差為六種算法中最大值，可見其水體提取能力較弱，且提取了大量山體陰影。譜間關(guān)系法和CWWI法的各種精度指標(biāo)相差不大，僅次于SBI法，說明二者的水體提取能力較強，可滿足精度要求。SBI法無論是生產(chǎn)精度、用戶精度，還是總體精度和Kappa系數(shù)都是六種方法中的最高值，錯分誤差、漏分誤差也是最低值，可見該方法有很強的水體提取性能，不僅完整提取了水體信息，還有效抑制了環(huán)境噪聲，提高了高原湖泊水體提取精度。

4 結(jié)束語

本文利用OHS-2A衛(wèi)星的高光譜影像，以六種不同的方法對洱海及周圍水體進行提取和精度驗證，得出以下結(jié)論：

1）對于高原湖泊——洱海，本文構(gòu)建的新指數(shù)SBI，對其水體提取精度最高，錯分、漏分誤差最低；單波段閾值法水體提取精度相對最低。二者相比，用戶精度提高了16.47%，Kappa系數(shù)提高了0.098 5。

2）數(shù)據(jù)源為空間分辨率10m的高光譜影像，即在具有精細光譜波段的同時兼具高空間分辨率，本文六種方法表明了其在水體提取方面的可行性。

3）SBI法相比其他五種方法，在完整提取水體的同時，有效去除了建筑噪聲，抑制了山體、植被陰影等背景信息的干擾，非常適合于高原湖泊的水體提取。

雖然本文構(gòu)建的水體指數(shù)對建筑噪聲有相當(dāng)好的去除作用，但山體陰影仍然有一部分存在。下一步研究將致力于進一步消除山體陰影，并將該指數(shù)用于其他遙感影像或地區(qū)的水體提取，驗證其普適性和魯棒性。