不同指數模型提取ALOSAVNIR－2影像中水體的敏感性和精度分析

熊金國，王世新，周 藝

(1．中國科學院遙感應用研究所，北京 100101;2．中國科學院研究生院，北京 100049)

不同指數模型提取ALOSAVNIR－2影像中水體的敏感性和精度分析

熊金國1，2，王世新1，周 藝1

(1．中國科學院遙感應用研究所，北京 100101;2．中國科學院研究生院，北京 100049)

以廣東惠州附近水域為研究區，利用ALOSAVNIR－2多光譜數據分析水體和其他主要地物在影像上的光譜特征。構建幾種常用的波譜指數，分析閾值對各種指數模型提取水體的敏感性及所能達到的最大精度。發現利用這些指數均可以較好地提取圖像中的水體信息，提取效果從好到差依次是:歸一化差值水體指數法(NDWI)、近紅外波段分割法(NIR)、歸一化差值植被指數法(NDVI)和比值植被指數法(RVI)。其中NDWI指數模型，在選擇合適閾值的情況下，水體提取的總體精度最高可達98%左右，并且提取過程對閾值影響不敏感。

水體指數;ALOS;光譜分析;精度評價

0 引言

ALOS衛星(Advanced Land Observation Satellite)是日本繼JERS－1和ADEOS之后于2006年發射的又一顆陸地觀測衛星，可獲得更加靈活、更高分辨率的對地觀測數據，應用于測繪、環境觀測、災害監測和資源調查等領域。ALOS衛星載有3個傳感器:全色遙感立體測繪儀(PRISM)、先進可見光與近紅外輻射計－2(AVNIR－2)和相控陣型L波段合成孔徑雷達(PALSAR)，采用了高速大容量數據處理技術與衛星精確定位和姿態控制技術［1］。在波段設置和空間分辨率上，ALOS AVNIR－2和SPOT－5 CCD有很大的相似性。何宇華等［2］通過影像灰度等級、單變量統計和影像紋理特征分析以及平面點位、影像分類和圖斑面積精度評定，針對ALOS數據圖像質量開展影像特征研究與應用精度綜合評價，并與SPOT－5數據對比，發現ALOS數據在紋理特征及面積精度方面均明顯優于SPOT－5。由此可見，ALOSAVNIR－2作為一種良好的中高分辨率傳感器，在災害監測、資源評價方面具有很大的應用潛力。

水域面積自動提取是洪澇災害遙感監測中的一個重要環節，在洪澇災害遙感損失評估中較為重要。水域面積提取的準確性，直接影響到洪澇災害損失評估的準確性，因此，如何準確地從遙感圖像中自動提取水體，已成為很多研究者的研究目標。針對各種遙感數據源，國內外的很多研究者均作了這方面的研究。杜云艷等［3］提出了針對NOAA/AVHRR數據水體自動提取方法，認為近紅外波段能較好地用于提取水體;針對MODIS數據，吳賽等［4］、丁莉東等［5］、王隨霞等［6］和王志輝等［7］研究了水體自動提取方法，主要有譜間關系法、單波段法及監督分類法;針對 ETM+多波段的特點，陳華芳等［8］、李科等［9］和鐘春棋等［10］利用決策樹方法對水體的自動提取進行了研究;郁金康等［11］利用決策樹方法研究了SPOT－5衛星數據用于山區水體的提取方法;楊存建等［12］利用閾值分割法提取了JERS－1 SAR圖像中的水體。

本文以ALOS AVNIR－2為數據源，針對其波段設置特點，分析不同類型水體在各個波段上的光譜特征，分析比較幾種指數模型在水體提取中的敏感性以及所能達到的精度，為ALOS AVNIR－2影像在洪澇災害監測中的應用提供技術支持。

1 研究區概況及數據預處理

1．1 研究區概況

研究區選擇廣東省惠州附近，23°3'47．52″～23°9'11．88″N，114°20'4．56″～114°26'1．68″E 之間。該區土地覆蓋類型豐富，水體類型包括清潔的水庫、含沙量較大的河流以及較為破碎零散的養殖場和池塘，具有較好的代表性。

1．2 數據預處理

選用的ALOSAVNIR－2多波段圖像，空間分辨率為10 m;含有4個波段，分別是藍波段(0．42 ～0．50 μm)、綠波段(0．52 ～0．60 μm)、紅波段(0．61 ～0．69 μm)和近紅外波段(0．76 ～ 0．89 μm);獲取日期是2007年10月24日，影像上主要有水體、陰影、建筑用地、林地、裸土和云等(圖1)。

圖1 廣東惠州附近區域ALOSAVNIR－2影像Fig．1 ALOSAVNIR －2 image near Huizhou in Guangdong

數據預處理主要包括正射糾正和幾何糾正兩部分。首先利用 ERDAS 9．2和LPS 9．2模塊、借助RPC文件和 DEM，對同一時間獲取的 ALOSPRISM全色數據(分辨率為2．5 m)進行正射糾正;然后利用ERDAS 9．2 Image Geometric Correction模塊，在多光譜圖像和全色圖像中均勻選取同名控制點，利用多項式模型對全色和多光譜圖像進行配準，保證x，y方向誤差小于1 m，總誤差小于1．5 m。

2 水體信息提取

水的光譜特征主要由水本身的物質組成所決定，同時又受到各種水狀態的影響。自然水體對0．4～2．5μm波段的電磁波吸收明顯高于其他地物。水體對可見光的反射包含水表面反射、水體底部物質反射及水中懸浮物質(如浮游生物或葉綠素、泥沙及其他物質)反射3個方面。清水在近紅外和短波紅外譜段幾乎吸收全部的入射能量，因此水體在這2個波段的反射能量很小。這一特性與植被和土壤光譜形成明顯的差異，因而用紅外波段較容易識別水體［13］。

2．1 水體光譜特征分析

為了分析ALOSAVNIR－2圖像中水體和背景的光譜特征差異，選擇了幾種典型地物，包括水體、陰影、建筑用地、植被和裸土，分別測定其在各波段上的DN值并繪制光譜變化曲線。上述幾種典型地物的光譜特征曲線見圖2，光譜統計值見表1。

圖2 典型地物波譜變化曲線Fig．2 Spectral characters of typical objects

表1 典型地物光譜亮度統計值Tab．1 Spectral radiance statistics of typical objects

由表1可以看出，水體的DN值在藍波段、綠波段、紅波段和近紅外波段均低于裸土和建筑用地;在藍波段的光譜值和陰影最容易混淆;在其他各個波段均和陰影有相似的光譜值，也容易和陰影混淆。在近紅外波段植被DN值較高，和水體的光譜值差異很大，而水體和陰影DN值最低(平均值均在60以下)。

2．2 幾種指數模型提取水體方法

(1)近紅外波段分割法。利用水體在近紅外波段反射率較低、易與其他地物區分的特點，選取單一的近紅外波段，通過反復試驗，確定一個灰度值，作為區分水體與其他地物的閾值，簡稱為NIR法。從圖2中可以看出這一方法容易將陰影與水體混淆。

(2)歸一化差值植被指數(NDVI)法，即式中，NIR、R分別為近紅外波段和紅波段的光譜值。因為水體的NDVI值很低(為負值)，而植被、土壤的NDVI值則較高，圖像的直方圖表現為典型的雙峰分布。在此基礎上，再通過選用閾值即可構建區分水體和植被、土壤的模型。

(3)比值植被指數(RVI)法，即

通過比值運算可加大土壤與植被的反差。綠色健康植被覆蓋地區的RVI＞1，而無植被覆蓋的地面(裸土、人工建筑、水體)的RVI在1附近，通常植被的RVI＞2。利用此特點，通過選擇合適的閾值可以將水體和其他地物分開。

(4)歸一化差值水體指數(NDWI)法，即式中，G為綠波段光譜值。因水體反射從可見光到紅外波段逐漸減弱，在近紅外和中紅外波譜范圍內吸收性較強，而植被在近紅外波段反射率最強，因此，用綠光波段和近紅外波段的反差構成NDWI，可以較大程度地抑制植被信息、突出水體特征。

3 水體提取結果分析

3．1 參考數據的獲取

在ALOS假彩色(4、3、2波段)合成圖像上，水體呈藍黑色，植被為鮮紅或淺紅色。采用目視解譯方法勾繪出水體分布范圍圖(圖3)，得到水體分布的真實數據，作為檢驗各指數模型水體提取結果的參考數據。

圖3 研究區水體分布參考圖Fig．3 Reference map of water body distribution in the study area

計算所有水體采樣區內各指數模型的最大值、最小值和平均值(表2)。

表2 不同指數模型水體區域數值范圍比較Tab．2 Comparison on value ranges of different index models in the water area

將最大值和最小值的差值100等分，記為d;分別以平均值 m(mean)、m+d、m －d、m+2d和 m－2d作為分割的閾值，計算各指數模型的Kappa系數和總體精度所能達到的最大值。并在它們對應的最優閾值附近取值，以計算各指數模型提取水體的精度，從而比較各指數模型對提取水體的敏感性。

最后，以目視解譯提取的水體分布圖(圖3)作為參考，將各指數提取結果與其建立誤差矩陣，利用Kappa系數和總體精度評價和比較各指數模型提取水體的精度和穩定性。

3．2 各指數模型水體提取精度分析

閾值對不同指數模型水體提取精度的影響見表3。從表3中可以看出，當采用合適的閾值時，對于上述4種指數模型，所能達到的最高精度從低到高排序依次為:RVI、NDVI、NIR 和 NDWI。另外，從閾值對精度的影響敏感程度上來看，對于相同的閾值變化幅度，RVI變化幅度最大、最不穩定，即在水體提取時只要閾值有微小的變動，就會造成精度的顯著變化;相比較而言，NDWI的精度變化幅度最小，閾值的變化對精度的影響不是很敏感，只要所采取的閾值比較恰當，就能得到很好的精度。閾值對精度影響最敏感的為RVI，閾值在最佳閾值附近波動2次，就會達到很大的偏差;對于其他指數模型，閾值對精度影響的敏感程度由高到低依次為NIR、NDVI和 NDWI。

表3 閾值對不同指數模型水體提取精度影響Tab．3 Impact of threshold for different index models on accuracy of water extraction (%)

綜合分析水體提取所能達到的最高精度以及閾值對精度的敏感程度，對于ALOS多光譜數據，相對于其他幾種指數模型，用NDWI指數能夠達到較高精度，并且穩定性很好;其次是NIR指數、NDVI指數，效果最差的是RVI指數。圖4是各指數模型提取水體精度達到最高時的水體分布圖。

圖4 研究區內各指數模型水體提取最佳結果Fig．4 The best water body maps for the four index models in the study area

4 結論

(1)ALOS AVNIR－2數據作為一種分辨率較高，具有近紅外、紅、綠和藍4個波段，成像質量好且價格相對較低的數據，可以較好地應用于土地資源調查、災害監測以及河道演變監測等領域。

(2)利用ALOSAVNIR－2的多波段特點，通過比較NIR、NDVI、RVI和NDWI幾種常用的水體提取模型，發現利用這些指數均可以較好地提取出圖像中的水體區域。經研究發現，這4種指數模型中，水體提取效果從好到差依次是:NDWI、NIR、NDVI和RVI。

(3)利用NDWI指數，在選擇合適閾值的情況下，水體提取的總體精度最高可達98%左右，并且提取過程對閾值不是很敏感。而RVI盡管在最好情況下可以達到96．5%的總體精度，但其提取過程對閾值很敏感，閾值設置的細微不合理就會造成很大的誤差。

(4)通過比較上述4種指數的水體提取結果發現，陰影最容易與水體發生混淆，尤其是建筑物造成的陰影更容易與水體混淆。如何借助于DEM和其他數據，建立決策樹進一步排除陰影的影響，是下一步研究的內容。

［1］高國龍．日本先進陸地觀測衛星(ALOS)簡介［J］．紅外，2004(6):43－46．

［2］何宇華，謝俊奇，劉順喜．ALOS衛星遙感數據影像特征分析及應用精度評價［J］．地理與地理信息科學，2008，24(2):23－26．

［3］杜云艷，周成虎．水體的遙感信息自動提取方法［J］．遙感學報，1998，2(4):364－369．

［4］吳 賽，張秋文．基于MODIS遙感數據的水體提取方法及模型研究［J］．計算機與數字工程，2005，33(7):1－4．

［5］丁莉東，吳 昊．MODIS圖像湖泊水體信息的快速識別與制圖［J］．海洋測繪，2006，26(6):31－34．

［6］王隨霞，張行南．基于MODIS數據的黃河水體提取方法研究［J］．人民黃河，2007，29(3):27－28．

［7］王志輝，易善楨．不同方法在水體遙感提取中的應用實現［J］．紅外，2007，28(4):1－4．

［8］陳華芳，王金亮，陳 忠，等．山地高原地區TM影像水體信息提取方法比較［J］．遙感技術與應用，2004，19(6):479－484．

［9］李 科，王毅勇．改進TM圖像水體自動提取模型的研究［J］．水資源與水工程學報，2007，18(6):20－22．

［10］鐘春棋，曾從威．TM影像濕地水體信息自動提取方法研究［J］．水資源研究，2007，28(4):1－3．

［11］郁金康，黃永勝，馮學智，等．SPOT衛星影像的水體提取方法及分類研究［J］．遙感學報，2001，5(3):214－219．

［12］楊存建，魏一鳴，陳德清．基于星載雷達的洪水災害淹沒范圍獲取方法探討［J］．自然災害學報，1998，7(3):45 －50．

［13］趙英時．遙感應用分析原理與方法［M］．北京:科學出版社，2001:413－416．

(責任編輯:劉心季)

A Sensitivity Analysis and Accuracy Assessment of Different Water Extraction Index Models Based on ALOS AVNIR－2 Data

XIONG Jin － guo1，2，WANG Shi－ xin1，ZHOU Yi1
(1．Institute of Remote Sensing Application，Chinese Academy of Sciences，Beijing 100101，China;2．Graduate University of Chinese Academy of Sciences，Beijing 100049，China)

In this study，spectral characteristics of water bodies and other objects in ALOSAVNIR －2 imagery in areas near Huizhou of Guangdong Province were analyzed．The impact of the threshold on the sensitivity of extracting water and the maximum precision of the four different water index models were studied．It is found that the water area in the image can be extracted well using these index models．The result shows that the application effects decrease in order of NDWI，NIR，NDVI and RVI．If the proper threshold is chosen，the overall accuracy can reach the highest and the value is nearly 98%by using NDWI，which，moreover，is not sensitive to the threshold．

Water index;ALOS;Spectral analysis;Accuracy assessment

熊金國(1980－)，男，在讀博士生，主要從事遙感災害監測和精度評估方面的研究。

TP 79

A

1001－070X(2010)04－0046－05

2010－03－12;

2010－04－05

“863計劃”項目(編號:2009AA12Z101、2009AA12Z144)和國家科技支撐計劃項目(編號:2009BAK56B01－02)共同資助。