基于高分辨率遙感影像的地理國情普查水體信息提取方法

程 滔，劉若梅，周 旭

(國家基礎地理信息中心，北京 100830)

一、引 言

地表覆蓋信息提取是地理國情普查項目的重點內容，水體是地表覆蓋的重要組成部分，是重要的地理國情信息。掌握我國水體現狀及空間分布情況，能夠為經濟社會發展和生態文明建設科學決策提供有力的數據依據。

常規水體信息自動提取方法主要利用歸一化差異水體指數(NDWI)算法，該算法是通過尋找水體的最強反射波段和最弱反射波段，將強者置于分子，弱者置于分母，從而達到增強水體對象，抑制背景地物，實現水體信息提取的目的。

地理國情普查項目中，為了掌握全面、客觀、準確、高精度的地理國情信息，使用的數據源均為高分辨率遙感影像，并且大部分為WorldView2的4波段(藍色波段：450～510 nm，綠色波段：510～580 nm，紅色波段：630～690 nm，近紅外波段：770～895 nm，分別用B、G、R、N表示)影像。

NDWI算法在基于中、低分辨率遙感影像水體信息提取中具有非常好的適用性，但在高分辨率遙感影像中，由于不同地表覆蓋類型間的特征差異表現得更加細微，并且高層房屋建筑、橋梁、山體等的陰影現象較普遍，提取出的水體信息中常?；烊腙幱暗雀蓴_信息。同時，影像分辨率越高，同類地物內部光譜差異越大，基于像元光譜統計的分類技術已經不能滿足高分辨率遙感影像信息提取的要求。

因此，本文研究基于高分辨率遙感影像的、面向對象的水體信息提取方法。首先獲取試驗區影像，分析水體在影像中的波段特性，設計NDWI算法的模型；然后通過水體各類特征，挖掘用于水體信息提取的典型特征，包括藍波段的比率值(ratio layer B)、標準方差值(standard deviation layer B)指標，構建水體信息提取指數，提取水體信息，并在此過程中，利用歸一化植被指數(NDVI)等模型去除陰影；最后，選取方法驗證區，利用提出的方法對區域內水體信息進行提取，驗證方法的適用性和穩健性。

二、水體信息提取模型構建

1. 水體特征分析與挖掘

水體對太陽光的入射能量具有強吸收性，因此在大部分遙感傳感器的波長范圍內，總體上呈現較弱的反射率，并隨著波長的增加而進一步減弱。圖1為水體在16 bit WorldView2 4波段影像波譜上的特征曲線。

可以看出，水體在綠波段、近紅外波段上，分別表現出了強反射、強吸收特征；在藍波段上也表現出較強反射特性。前者通常用來構建NDWI指數，而對于后者，目前用來進行水體信息提取的研究與應用較少，不過這一特征是本文研究的重點。

圖1 水體在WorldView2影像波譜上的特征曲線

這些特征是水體的典型特征，另外，在大部分遙感影像上，水體的紋理一般比較均勻、平滑；水體形狀不一，但與周邊地表覆蓋物光譜差異較大，在高分辨率遙感影像上，通過目視判讀，較易區分與識別；并且，水體在一定的區域范圍內，高程趨于平穩，起伏比較平緩。在本文的研究中，上述特征都將作為水體信息提取的指標參數。

2. 水體特征規則構建

水體特征規則的構建首先還是NDWI指數，根據水體在WorldView2影像上的第一項特征，構建歸一化差異水體指數公式為：NDWI=(G-N)/(G+N)。式中，G參數為像元的綠波段亮度值；N參數為像元的近紅外波段亮度值。依據NDWI指數創建的規則是水體信息提取的主要規則。

僅利用NDWI指數提取的水體信息中，通常會混入很多其他地表覆蓋信息。因此，還應利用水體在WorldView2影像上的第二項特征，構建藍波段的比率值(ratio layer B)、標準方差值(standard deviation layer B)兩項指標，作為水體信息提取的規則。

影像通道的比率值反映了通道對總亮度值的貢獻度。藍波段的比率值公式為：ratio layer B =MB/(MB+MG+MR+MN)。式中，MB、MG、MR、MN參數分別為對象內各像元的藍、綠、紅、近紅外波段亮度值的平均值。

由于地形起伏的影響，地物的光譜反射特性產生變化，并且不同地表覆蓋的地域往往受海拔高度或坡度、坡向的制約，將高程信息作為輔助信息參與信息提取將有利于提高分類的精度。因此，加入DEM輔助信息，在一定的閾值范圍內能夠減少其他類別與水體的混合概率。

三、實例與分析

選取北京市門頭溝部分地區(116.05°E～116.15°E，39.91°N～39.98°N，面積64 km2)作為試驗區，對該方法進行試驗。

研究該方法的目的是為地理國情普查項目提供可靠方法參考，因此，選取了另外一個地區，對方法的穩健性進行了驗證。該地區位于西藏北部(89.63°E—89.85°E，34.31°N—34.49°N，面積80 km2)。

1. 方法試驗

北京市門頭溝地區位于北京市正西偏南，兼具城區與山區兩種地形，高程范圍為68～735 m，具有水體、植被、建筑物、道路等典型地表覆蓋類型，且分布比較均勻。

實例使用的數據源為WorldView2 4波段遙感影像，如圖2(a)所示，影像獲取時間為2011年11月20日。同時，收集了該地區30 m分辨率的DEM數據，作為輔助信息。

面向對象信息提取的核心是精確的影像分割。在影像分割中，采用的分割尺度為80，形狀因子為0.3，緊致度因子為0.5，影像分割結果如圖2(b)所示。

圖2 原始影像與分割結果

獲取影像分割對象后，即可根據水體對象的特征，挖掘水體對象的多維特征空間，構建規則集，進行水體信息提取。

根據本文研究的方法，主要構建NDWI指數、藍波段比率值、藍波段標準方差值指標。為了有效去除陰影，構建了NDVI指數指標，并且引入了DEM輔助信息。

選取水體對象樣本，與試驗區內其他地表覆蓋對象進行對比，獲取各類地表覆蓋對象及水體對象的NDWI指數、藍波段比率值、藍波段標準方差值的值域范圍，以及NDVI指數、對象高程平均值(mean layer DEM)指標的值域范圍，見表1。

表1 指標值域范圍

根據指標值域范圍，設置合理的閾值，對水體對象進行提取，算法流程如圖3所示。

圖3 算法流程

水體信息提取結果如圖4所示。

從結果可以看出：①利用該方法，自動提取出水體對象，歸入了水體類，去除了大量陰影信息；②雖然對陰影進行了去除，但提取出的結果中仍然混有一些陰影對象，這是因為在高分辨率遙感影像中，陰影對象與水體對象的各項指標的值域都很接近，存在值域交叉現象；③自動提取階段兼顧了精度與效率，結果能夠滿足后續流程的需要。

2. 方法穩健性驗證

地理國情普查項目是國家重大專項項目，因此，對信息提取的結果精度有更高的要求，對各地表覆蓋類型信息的提取，在計算機自動分類后，人工判讀與編輯工作是必不可少的。本文研究的目的是通過試驗最大限度地實現水體信息自動提取，盡可能減少后期人工判讀與編輯工作量，總結出盡可能最優、最明確的技術方法和流程。

因此，本文沒有采用常規的精度評定方法對該方法進行評定，而是通過選取另外一塊試驗區，對該方法的穩健性進行進一步驗證。選取西藏北部地區的一處高山地作為方法穩健性的驗證區域，該區域高程在5083～5401 m之間，主要分布著大面積的裸露地表、復雜的辮狀水體和少量的植被。水體呈交錯分布狀，水體密集，大部分水流寬度較窄，但達到地理國情普查規定的采集指標，若采用人機交互的方式，工作量極大。在西藏、新疆地區，這種形態的水體較常見、分布較多，該驗證區具有很強的代表性。

使用的數據源仍然為WorldView2 4波段遙感影像，如圖5(a)所示，影像獲取時間為2011年8月26日。在影像分割中，采用的分割尺度為100，形狀因子為0.5，緊致度因子為0.5，影像分割結果如圖5(b)所示。

圖5 原始影像與分割結果

根據水體對象樣本與驗證區內其他地表覆蓋對象的對比結果，得出驗證區內各類地表覆蓋對象及水體對象的NDWI指數、藍波段比率值、藍波段標準方差值等指標的值域范圍，見表2。

表2 指標值域范圍

根據指標值域范圍，設置合理的閾值，對水體對象進行提取，提取結果如圖6所示。

圖6 水體信息提取結果

從結果可以看出：①完成了水體信息的自動提取，提取出了水體對象，歸入了水體類，提取結果的質量較好；②驗證區雖然海拔高程較高，但起伏較小，陰影影響不嚴重，因此提取的水體信息基本沒有受到陰影的干擾，如果其他區域內陰影干擾較嚴重，則仍然可加入NDVI、mean layer DEM指標參數進行去除；③自動提取的水體信息兼顧了精度與效率，結果能夠滿足后續流程的需要。

四、結 論

1) 本文提出的水體信息提取方法是基于高分辨率遙感影像的、面向對象的水體信息提取方法。經過試驗與方法穩健性驗證，證明該方法能夠完成水體信息的自動提取，符合地理國情普查項目的特點，在地理國情普查項目中具備適用性。

2) 本文深入分析了水體在高分辨率遙感影像上的特性，提出的NDWI指數與ratio layer B、standard deviation layer B指標相組合的水體信息提取方法，利用了水體對象的光譜特征和紋理特征，構建的各規則與對象特征對應，比利用單一規則具有優勢。

3) 在該方法具體應用過程中，根據區域所處的經緯度，結合區域特點，以及影像拍攝時的太陽高度角、整體光照條件、入射角等實際情況，對指標參數閾值進行適當調整，靈活應用，可以讓方法具有更廣泛的適用性。

參考文獻：

[1] 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——以香格里拉縣部分地區為例[J].遙感技術與應用,2004,19(6) :479-484.

[2] 黃海波,趙萍,陳志英,等.ASTER遙感影像水體信息提取方法研究[J].遙感技術與應用,2008,23(5) :525-528.

[3] 姜麗華,楊曉蓉.基于決策樹分類技術的遙感影像分類方法研究[J].農業網絡信息,2009(10)：34-36，42.

[4] 徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J].遙感學報,2005,9(5):589-595.

[5] 羅小波,趙春暉,潘建平,等.遙感圖像智能分類及其應用[M].北京：電子工業出版社,2011.

[6] 楊樹文,薛重生,劉濤,等.一種利用TM影像自動提取細小水體的方法[J].測繪學報,2010,39(6):611-617.