利用組合水體指數(NCIWI)提取水體信息研究

陸吉貴

(1.安徽師范大學國土資源與旅游學院，安徽蕪湖 241003；2.安徽自然災害過程與防控研究省級實驗室，安徽蕪湖 241003)

隨著全球氣候的變暖，洪澇災害愈加頻繁，運用遙感與地理信息技術，能夠克服地面觀測站網在空間范圍和時間方面的限制，提高洪澇災情數據的時效性和準確性，極大增強防災減災能力，因此得到廣泛的應用[1]。

洪澇遙感監測的關鍵在于準確地從混合型電磁波信息中提取洪水災情信息[2]。提取水體信息的方法一般可分為單波段法和多波段法。單波段法的原理是基于水體在近紅外通道吸收率很高，而植被和城市具有強反射性，通過反復試驗確定某一波段值作為水體與非水體的閾值，從而提取水體信息。該方法簡單易行，但是很難去除陰影。多波段法則同時利用多波段的優勢提取水體，分為譜間分析法和比值法。譜間分析法通過分析水體與背景地物的波譜曲線特征，找出它們之間的變化規律，進而用邏輯判別式將水體提取出來[3-6]，可較好地區分水體與陰影，但比較復雜，難以去除云的干擾。比值法又稱水體指數法，它基于多波段的地物光譜特征分析，選取水體與地物波譜差異的多個波段，分析水體與光譜值之間的映射關系，構建數學模型，抑制非水體信息，增強水體信息，在一定程度上去除云和陰影的干擾，精度較高。范偉等[7]利用MODIS數據波段 1、2比值進行水體識別，但是難以徹底抑制與非水體信息；歸一化差異植被指數(NDVI)[8]在植被的提取應用最為廣泛，受其啟發，Mcfeeters[9]提出了歸一化差異水體指數(NDWI)， 在一定程度上突出了水體信息，但在提取城市范圍內的水體時混入一定量的城市信息?；诖耍旌颷10]通過譜間特征分析，發現城市在 TM 影像的波段 4～5突然轉強，于是將 NDWI 指數作了修改，用中紅外波段替換 NDWI 近紅外波段，提出了改進的歸一化差異水體指數(MNDWI)，效果較NDWI好。莫偉華等[11]基于 MODIS 數據采用植被指數與近紅外波段 7 進一步組合，提出了混合水體指數模型(CIWI)，提高了水體與云、植被、城鎮等其他信息的分離。楊寶鋼等[12]基于 MODIS 數據用歸一化植被指數與歸一化建筑指數組合，構建了改進型組合水體指數(MCIWI)，增強了水體與城鎮、植被等其他信息的區分度。

不同地區水體的波譜特性可能有差異，即使同一地區不同時期水體的波譜特性也可能有差異。不同傳感器有不同的光譜分辨率，因此很難有通用的水體模型。研究者努力完善各自模型，使提取水體精度更高[13-18]。筆者以巢湖地區為試驗區，分析了MODIS 數據光譜特征，提出了新型組合水體指數 NCIWI(new combined index for water body identification)，并進行了試驗和比較驗證。

1 MODIS數據典型地物波譜特征分析

中分辨率成像光譜儀(MODIS)是1999年美國開始的第二階段對地觀測系統計劃中最有特色的儀器之一。MODIS 數據具有 36 個波段和 250～1 000 m 空間分辨率，時間分辨率為0.5 d，且免費，因此 MODIS 數據成為我國地學研究和水體監測、生態環境監測應用最廣的數據資源。利用 MODIS數據提取水體信息，多基于 MODIS 1～7波段數據進行研究，其波段分布特征見表1。

一般而言，植被在可見光波段的反射率較近紅外低；裸土的可見光反射率高于植被和水，在近紅外波段高于水體、低于植被；云和雪在可見光波段具有強反射。水體對入射能量具有強吸收性，因此在MODIS傳感器的波長范圍內，總體反射率較低，并具有隨著波長的增加而進一步減弱的趨勢。清澈水體的遙感信息模型根據其反射率可以近似表示為藍光>綠光>紅光>近紅外>中紅外[10]。但是隨著水體渾濁度(各種有機、無機物質濃度)的增加，水體的反射率會有所變化。

表1 MODIS 1～7 波段分布特征

該研究選取2015年8月29日TERRA衛星資料，以巢湖為試驗區，用ENVI 5.1遙感影像處理軟件分析了水體與城鎮、植被等其他典型地物MODIS 1～7波段中的光譜和影像特征，對水體、城鎮、植被3種典型地物樣本進行均值統計，結果見圖1。綜合分析歸納，基本特性如下4個方面：總輻射水平低，即水體的反射率很低，在可見光到中紅外波段，水體對電磁波的吸收高于植被和城鎮用地；在MODIS數據的可見光波段，即第1、3、4波段，水體反射率高于植被，與城鎮用地相近；在近中紅外波段，即第2、5、6、7波段，水體反射率明顯低于植被和城鎮用地；水體性質的不同對反射率有明顯影響，如含藻類水體第2波段反射率可升高與第1波段相近甚至高于第1波段；城鎮用地的反射率在第2、5波段低于植被，在第7波段高于植被，第6波段則高于或相當于植被?？傮w而言，在第2、4、6波段，水體反射率呈低、高、低水平，而植被和城鎮均呈高、低、高水平，因此有利于區分水體信息與植被、城鎮等信息。

2 主要的水體指數模型

基于 MODIS 數據的水體識別指數[9-12]主要有表2中的幾種。

表2 基于 MODIS 數據的水體指數模型

注：CHi表示MODIS 的第i波段

Note：CHiexpressed theiband of MODIS

Mcfeeters[9]構建的NDWI雖然突出了水體的信息，但仍夾雜著許多非水體信息，特別是水質渾濁時(圖1a)，水體第2波段反射率變大，易與裸土或城鎮信息混淆。徐涵秋[10]針對城市水體及其背景地物的反射特點，提出了改進的歸一化差異水體指數(MNDWI)，效果優于NDWI；莫偉華等[11]提出的組合水體指數(CIWI)，用植被指數結合近紅外波段增大了水體與其他地物的差異，但后2種方法在水體種類多樣、水質復雜狀態下(圖1b)，水體第6、7波段反射率增加，同樣存在不易區分水體與建筑、裸地甚至稀疏植被邊界情況。楊寶鋼等[12]提出的改進的組合水體指數(MCIWI)，將 CIWI 中的近紅外波段用 NDBI 替換，用以增大水體與其他地物間的區分度，但當水質渾濁時，水體第 2 波段反射率變大，則可能會出現漏提水體的現象(圖1c、圖1d)。

注：a.巢湖地區;b.莫偉華等[11]的研究；c.重慶主城區[12];d.重慶長壽湖[12]Note：a.Chaohu region；b.The study of Mo wei-hua et al[11]；c.Chongqing main city[12]；d.Chongqing Changshou Lake[12]圖1 MODIS 1～7波段典型地物波譜曲線Fig.1 Spectral curves of typical ground objects of MODIS 1-7 band

3 構建混合水體指數模型

盡管，Mcfeeters 在構建 NDWI 指數時，只考慮到了植被因素，而忽略了地表的另一個重要地類——土壤/建筑物，但是，NDWI能夠很好地分離水體與植被信息。因此，利用MNDVI=(CH2-CH4)/(CH2+CH4)代替NDWI。近紅外通道中城鎮和植被光譜值均較高，水體(即使水質復雜)的光譜值最低，易于分離水體與城鎮。據此，首先用CH6與CH6均值的比值構成無量綱數NIR，再將其與MNDVI求和，使其水體仍保持在低值區，城鎮、植被處于高值區，從而增強水體與植被和城鎮之間的差異。據此提出新的混合水體指數模型 NCIWI(new combined index of MNDVI and NIR for water body identification)：

NCIWI=MNDVI+NIR

(1)

4 試驗和比較驗證

4.1資料和試驗區為構建適合 MODIS 數據水體識別模型，該研究將試驗區劃定為116°25′11″～118°30′5″ E，30°56′11″～32°16′6″ N的一個矩形區域，選取2015年8月29日空間分辨率為500 m的Terre/MODIS MOD09A1數據。該數據是從NASA官網(https：//ladsweb.modaps.eosdis.nasa.gov/search/)上下載的經過幾何校正和大氣校正的標準2級產品數據，數據包括MODIS數據的1～7波段，利用MODIS Reprojection Tool-MRT 4.0進行拼接和重投影，并裁剪出試驗區。

4.2水體提取結果分析分別用 NDWI、MNDWI、CIWI、MCIWI和NCIWI模型，對試驗區進行水體提取，得到 NCIWI 和其他水體指數識別效果(圖2)。

圖2 水體提取效果對比Fig.2 Comparison of the effect of water body extraction

根據圖2對5種水體指數在巢湖試驗區進行定性檢驗分析：NDWI 識別水體存在明顯的信息丟失，特別是在巢湖藻類豐富區，同時在判別城市中的水體時，出現了較多的信息誤判；利用MCIWI提取水體時，出現了部分明顯的水體誤判問題；MNDWI 水體信息提取效果優于NDWI 和 MCIWI， 但水體誤判現象仍較明顯，與其他水體指數相比，CIWI、NCIWI 提取的湖區藻類豐富區最連續，水體信息誤判較少，總體效果最好。

由 NDWI、MNDWI、CIWI、MCIWI、NCIWI 5類水體指數比較可知(表3)， MNDWI、CIWI、NCIWI 3種指數突出了水體與建設用地的區別，在減少城市河流與建設用地混淆方面均優于 NDWI 和 MCIWI， 其中NCIWI 的水體與城鎮區分度達53.4%， 僅次于 CIWI；由于NDWI、MNDWI、CIWI、NCIWI 4 種指數均能夠區分水體與植被的信息，其中NCIWI 能更好地區分水體與植被，其水體與植被的區分度為66.3%，效果最好?？傮w來說，表3與圖2水體提取效果非常吻合。因此該研究的5種水體指數中，NCIWI 的水體與植被、城鎮區分度最好，水體提取總體效果最好。

表3 NCIWI 和其他水體指數統計分析

注：樣本數為水體200 個，城鎮200 個，植被350 個；△△為DDCW；△為DDVW

Note：The number of samples is 200 water bodies, 200 towns，350 vegetation.△△ is DDCW；△ is DDVW

5 結論

從試驗結果的圖像分析和統計分析來看，該研究提出的 NCIWI 水體指數模型既突出了水體與城鎮的區別，又更好地區分了水體與植被。該指數模型可有效地解決應用 MODIS 數據進行水體遙感信息提取中分離植被和城市等混淆信息的問題。經試驗驗證，應用 NCIWI 模型進行 MODIS 數據水體信息提取圖像效果和分類精度優于NDWI、MNDWI、CIWI和MCIWI模型。

[1] 李加林，曹羅丹，浦瑞良.洪澇災害遙感監測評估研究綜述[J].水利學報，2014，45(3)：253-260.

[2] 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)：264-269.

[3] 周成虎.遙感影像地學理解與分析[M].北京：科學出版社，1999.

[4] 丁莉東，吳昊，王長健，等.基于譜間關系的 MODIS 遙感影像水體提取研究[J].測繪與空間地理信息，2006，29(6)：25-27.

[5] 徐萌，李亞春，曾燕，等.蘇北大型湖泊水域的 EOS/MODIS 遙感監測[J].氣象科技，2007，35(4)：579-582.

[6] 都金康，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.

[7] 范偉，荀尚培，吳文玉.應用氣象衛星 MODIS 識別薄云覆蓋下的水體[J].大氣與環境光學學報，2007，2(1)：73-77.

[8] ROUSE J W J，HAAS R H，SCHELL J A，et al.Monitoring vegetation system s in the great plains with ERTS[C]//FREDEN S C,MERCANTI E P,BECKER M A.Third Earth Resources Technology Satellite Symposium. Volume I: Technical Presentations. Washington, D.C.:Nasa Special Publication, 1973：309-317.

[9] MCFEETERS S K.The use of the Normalized Difference Water Index(NDWI)in the delineation of open water features[J].International journal of remote sensing，1996，17(7)：1425-1432.

[10] 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.

[11] 莫偉華，孫涵，鐘仕全，等.MODIS 水體指數模型(CIWI)研究及其應用[J].遙感信息，2007(5)：16-21，104-105.

[12] 楊寶鋼，陳昉，羅孳孳.基于MODIS的改進型組合水體指數(MCIWI)提取復雜水體信息的試驗[J].西南大學學報(自然科學版)，2011，33(1)：112-119.

[13] 余志飛.基于MODIS遙感數據的水體提取算法研究[J].測繪與空間地理信息，2015，38(3)：80-82.

[14] 余志飛.基于MODIS遙感數據的水體提取模型及算法改進[J].測繪與空間地理信息，2016，39(8)：117-120，124.

[15] 萬建鵬，官云蘭，葉素倩，等.基于綜合權重水體指數的水體提取研究：以鄱陽湖為例[J].東華理工大學學報(自然科學版)，2015，38(2)：206-211.

[16] 林楚彬，李少青.Landsat數據水體自動提取研究進展[J].自動化技術與應用，2015，34(2)：1-4，36.

[17] 沈占鋒，李均力，于新菊.基于協同計算的白洋淀濕地時序水體信息提取[J].地球信息科學學報，2016，18(5)：690-698.

[18] 鄭東博，凌峰，李曉冬，等.基于MODIS數據的水體超分辨率制圖：以丹江口水庫為例[J].華中師范大學學報(自然科學版)，2016，50(4)：624-632.