ASTER數據的煤礦區水體信息提取

葉 杰,王戰衛，馮乃琦，劉 冰，張 斌，谷芳瑩，白濰銘，王海俠

(1.河南省航空物探遙感中心，河南 鄭州 450053；2.中國地質科學院鄭州礦產綜合利用研究所，河南 鄭州 450006)

煤炭開采導致的地表季節性或常年積水，是影響煤礦區土地生態變化的主要因素之一。快速有效地了解煤礦區水體分布情況，對礦山生態環境保護具有重要意義。目前，水體信息提取運用較多的遙感數據有TM、ETM+、OLI、ASTER、MODIS、Sentinel-2等，這些數據在對煤礦區水體變化檢測中，具有較好的時序連續性且可根據用戶的需求隨時隨地獲取影像，能夠滿足大眾需求。ASTER為搭載在Terra衛星上的星載熱量散發和反輻射儀，于1999年12月18日發射升空。ASTER為涵蓋從可見光到熱紅外共14個光譜通道的多光譜傳感器[1]，具有同一軌道的(黑白立體像對)立體觀察[2]，其主要參數見表1。與2015年6月23日歐空局發射的Sentinel-2相比，ASTER數據具有充足的歷史數據源；與美國陸地衛星(Landsat)相比，ASTER數據具有波段豐富及空間分辨率更好的優勢。但如何運用一種普遍適用的模型，從ASTER數據中準確快速提取水體信息(或其他地物)仍然是需要解決的問題。本文以ASTER數據(成像時間為2002年10月13日)為數據源對試驗區進行水體信息提取，通過分析地物波譜信息，依據歸一化差異指數的思想，提出了一種普遍適用于ASTER數據的水體信息提取方法。

表1 ASTER影像各波段參數

1 歸一化差異水體指數的發展

目前，國內外在水體信息自動提取方面研究很多，其中利用光學遙感數據進行水體信息提取的方法比較成熟，主要分為單波段閾值法和多波段增強圖閾值法[3-4]。單波段閾值法是根據影像單個波段中水體的DN值(灰度值)大于或小于其他地物的DN值，設定閾值進行水體信息提取，但受陰影干擾較大，難以提取狹窄水體[4-5]。多波段增強圖閾值法主要利用遙感影像各波段之間的綜合關系來進行水體信息提取[4,6]，是國內外使用較多的方法，包括譜間關系法和水體指數法。譜間關系法是通過分析地物在各波段的光譜特征提取出水體信息，最早是由1998年楊存建[4,7]等在對TM各波段影像分析過程中，發現水體具有(TM2+TM3)>(TM4+TM5)的特征。水體指數法是通過多波段運算來增強地物之間的反差，使得水體值高于非水體地物值，從而設定水體界限閾值提取水體。當前主要的水體指數有：歸一化差異水體指數(normalized difference water index，NDWI)[8-12]、改進的歸一化差異水體指數(modified normalized difference water index，MNDWI)[12-14]、增強型水體指數(enhanced water index，EWI)[12,15]、新型水體指數(new water index，NWI)[12,16]、混合水體指數(combined index of NDVI and NIR for water body identification，CIWI)[8-9,12]、改進型組合水體指數(MCIWI)[12,17]。在此背景下，本文針對試驗區運用ASTER數據(如圖1所示)，通過分析不同地物的光譜特征，利用數學統計方法建立一種ASTER數據的地物提取模型SWI ASTERxy，并運用該模型對試驗區進行水體信息提取。

圖1 試驗區ASTER影像(123波段合成)

2 試驗區概況

試驗區位于瀘溪縣和上栗縣跨界處，覆蓋萍鄉市新嶺及周邊17個煤礦，面積為106.88 km2。

該區域地處幕阜山脈南緣，武功山脈西端，在湘中丘陵盆地區與湘贛邊中低山區接合處，雁行排列的北東向中低山與緩坡起伏的崗丘狀盆地相間，重復出現。平行的山嶺與谷地，組成平行嶺谷地形。區內水系比較發育，土質肥沃，水源充沛，人煙稠密。交通比較發達，昌金高速由西南斜穿本區，小型機耕路遍布區內。

3 數據處理

使用ENVI圖層疊加工具，將ASTER數據短波紅外(SWIR)30 m分辨率配準和重采樣到可見光、近紅外(VNIR)15 m分辨率。在ENVI5.3中對ASTER數據輻射定標，然后利用FLAASH模塊進行大氣校正，并設置相關參數。其中，中心坐標點和時間從影像頭文件讀取，海拔是試驗區數字高程模型(DEM)的平均海拔，大氣模型根據試驗區所在緯度和數據獲取時間確定為Mid-Latitude Summer，未進行水汽反演。設置為鄉村氣溶膠模型，完成ASTER數據的大氣校正。使用最鄰近法對像元的灰度值進行插值計算，并進行正射校正。

4 試驗區ASTER光譜特征分析

試驗區主要地物類型有建筑物、水體、植被和煤炭4種，因此本區水體信息提取時需著重考慮這4種地物。首先從ASTER影像上選取具有代表性的建筑物、水體、植被、煤炭各12個點，得到建筑物、水體、植被、煤炭在9個波段的DN值，如表2所示為各代表性地物中各波段12個點的最大值(MAX)、最小值(MIN)和平均值(AVE)的統計結果；然后統計出9個波段的平均DN值，得到這4中地物的光譜曲線(如圖2所示)。從光譜曲線可以看出，試驗區建筑物、水體和煤炭的DN值均從波段1到波段9依次遞減，植被除在第3波段比第2波段的DN值略大外其他波段同樣依次遞減。

表2 各地物樣本的統計DN值

圖2 煤炭、植被、水體、建筑物在ASTER中的波譜曲線

從地物9個波段平均DN值的光譜曲線可以看出，可見光近紅外前兩個波段的DN值都滿足建筑物>煤炭>水體>植被，而第3波段植被比較異常，該波段的DN值大于其他3種地物。在短波紅外的6個波段中，植被在波段4的DN值大于建筑物、煤炭和水體，在波段5、6、7、8、9的地物DN值為建筑物>水體>煤炭>植被。與TM/ETM+不同，ASTER的地物光譜曲線在短波紅外波段(第4波段開始)的DN值突然變小，因此使用普通的歸一化差異水體指數對ASTER進行水體信息提取不可行。如本文運用改進的歸一化差異水體指數(MNDWI)，因試驗區4種地物的DN值在波段1(對應TM影像的第2波段)中的DN值都大于其在波段4(對應TM影像的第5波段)中的DN值，因此波段運算的結果是試驗區均大于0，不能將水體信息從中提取出來。在此本文根據ASTER數據特點及地域變化影響重新建立ASTER數據的水體信息提取方法。

5 歸一化差異水體指數建立及試驗結果分析

通過以上分析可以發現，普通的歸一化差異水體指數之所以在ASTER數據中不能發揮它的作用，主要是因為在波段4中建筑物、植被和煤炭的DN值小于其在波段1中的DN值。因此可以通過對波段y進行拉伸，使拉伸后建筑物、植被和煤炭在波段y的DN值都大于波段x的DN值，而同時確保拉伸后水體在波段y中的DN值小于波段x的DN值，就可以把水體從其他3種地物中區分開來。ASTER數據重新建立的綜合歸一化差異水體指數(synthesize water index，SWI)為

SWI ASTER2,4=(ASTER2-2.34×ASTER4)/

(ASTER2+2.34×ASTER4)

(1)

式中，n為對波段y進行拉伸的系數。

即若想將水體同植被、煤炭和建筑物信息區分開，需將波段y中植被、煤炭和建筑物的DN值至少拉伸超過其在波段x中的DN值，但是水體在波段y中DN值的拉伸卻不能超過其在波段x中的DN值。因此n的取值范圍應該為：MAX[(x/y植被)、(x/y煤炭)、(x/y建筑物)]

如圖2所示，地物在短波紅外波段(第4波段開始)的DN值突然變小，趨于一致，在此取1、2、3波段為波段x，取2、3、4、5、6、7、8、9波段為波段y，分別對選取的建筑物、水體、植被、煤炭典型地物樣本中最小值、最大值和平均值進行比值運算(如當x=1時、y=2時，MAX=B1MAX/B2MAX=第1波段DN值的最大值/第2波段DN值的最大值)，以此來獲取最佳波段組合及對應的拉伸系數(n)，進而對試驗區進行水體信息提取。

通過表3的比值結果發現，當x為第1波短時提取水體的最佳波段組合為B1/B4(y為第4波段)。按平均值比值結果確定拉伸系數的取值范圍時，n應為：3.34

表3 x為第1波段時各地物最小值、最大值和平均值比值

通過表4的比值結果發現，當x為第2波短時提取水體的最佳波段組合是B2/B4(y為第4波段)。按平均值比值結果確定拉伸系數的取值范圍時，n應為：2.34

表4 x為第2波段時各地物最小值、最大值和平均值比值

通過表5的比值結果發現，當x為第3波短時提取水體的最佳波段組合是B3/B4(y為第4波段)。按平均值比值結果確定拉伸系數的取值范圍時，n應為：1.62

表5 x為第3波段時各地物最小值、最大值和平均值比值

為便于比較，通過不同波段、系數組合對試驗區進行了水體信息提取(圖3)，根據試驗統計結果(見表6)可以得到，當x=2、y=4、n=2.34時，可以客觀、方便、快捷地將水體信息從植被、建筑物、煤炭中提取出來，此時試驗區水體提取總體效果最佳(如圖3所示)。即針對試驗區ASTER數據建立的綜合歸一化差異水體指數為

表6 不同波段、系數組合水體信息提取精度對比

SWI ASTER2,4=(ASTER2-2.34×ASTER4)/

(ASTER2+2.34×ASTER4)

(2)

6 結 語

本文在水體信息自動提取方面，ASTER數據提出了的一種綜合歸一化差異水體指數：SWI ASTERxy=(ASTERx-n×ASTERy)/(ASTERx+n×ASTERy)，并在試驗區獲得了較好的提取效果。本文所選區域較小，建議在實際大范圍應用時，可將大幅影像分割出一小塊，確定波段組合和系數后，再進行大范圍水體信息提取。此外，本文提出的綜合歸一化差異水體指數也適用于其他多光譜數據對不同區域不同地物的提取。