一種面向對象的城市湖泊遙感提取指數

徐兆豐，袁宇欣，彭 浩，李 巖

（1.武漢大學 遙感信息工程學院，湖北 武漢 430079；2.武漢大學 弘毅學堂，湖北 武漢 430072；3.武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；4.內蒙古電子信息職業技術學院，內蒙古 呼和浩特 010070）

與非城市湖泊不同，城市湖泊位于城市內部，各城市土地利用類型影響著城市湖泊的水質[1]。城市湖泊變化研究對城市環境保護、土地資源規劃具有重要意義，而湖泊水體提取則是其中首要的研究環節。國內眾多學者對湖泊提取進行了研究，如LIAN F[2]等以時間序列MODIS數據為數據源，采用漂浮藻類指數劃分水陸邊界，提取了2000-2010年鄱陽湖的水體面積；朱小強[3]提出了一種自動以0為閾值分割的新型水體指數——溫度植被水體指數，用以探究艾比湖的年際和月際變化特征；曾忠平[4]等利用歸一化水體指數提取了武漢市1991年、1995年、2000年、2002年的湖泊水域面積信息，進而分析了主城區湖泊水域變化和26個主要湖泊的發展演化特征；萬瑋[5]等基于CBERS和Landsat ETM+兩種遙感影像數據，采用直接人工目視解譯的方法提取了2005-2006年青海—青藏高原面積大于1 km2的湖泊；程朋根[6]等利用MNDWI指數結合GIS技術與人工目視解譯，選取20期Landsat TM/OLI遙感影像提取了1987-2016年武漢市的沙湖面積，并引入描述湖泊變化的指數，進而分析了湖泊面積變化特征和面積變化影響因素；淡永利[7]等利用歸一化差異水體指數（NDWI）提取了2000年、2005年、2010年武漢市中心城區的湖泊水體信息，進而研究湖泊景觀的變化情況。

通常，城市湖泊具有湖水面積較小，水位較淺，有機污染物和營養鹽含量較高[8]，水體透明度低，湖底平坦，沉積淤泥較厚，底泥中有機質、氮、磷等營養物質豐富的特征。湖中水生植物以浮游藻類為主，大型水生植物較少，農業施肥、農藥和水上養殖對城市湖泊產生的污染也較少[9]。由于城市化進程的影響，城市湖泊更脆弱更易受到影響，湖泊變化會更劇烈。其主要表現在湖泊數量和分布范圍、湖泊水量和湖泊水質等方面，導致湖泊萎縮和湖水嚴重污染。目前針對城市湖泊提取的研究較少，大多是在水體提取結果的基礎上對湖泊進行篩選。本文以武漢市中心城區為研究區，分析了城市湖泊與江水的光譜特征，提出了一種面向對象的城市湖泊遙感提取指數，實現了城市湖泊對象的一次性提取。

1 研究區概況和數據處理

我國地域遼闊，湖泊眾多、類型多樣、分布廣泛、變化復雜，作為湖北省省會城市的武漢市更是具有“百湖之市”的美名[10]。武漢市內湖泊種類豐富、數量眾多，湖泊資源極為豐富；但隨著現代經濟的發展，城市擴張、人口增長，人們對于土地的需求也越來越大。長期以來武漢市多數湖泊遭到不同程度的填埋[11]，人們對于湖泊資源過度、無序的開發，使得武漢市湖泊面積、數量急劇減少，湖泊水資源受到了嚴重破壞；再加上全球氣候不斷惡化，武漢市湖泊正面臨湖泊環境惡劣、水資源大量損失的嚴峻形勢，可能會影響城市的生態環境平衡，進而影響武漢市的可持續發展[12]。

本文以武漢市中心城區的湖泊為研究對象，Landsat8系列原始遙感影像來源于美國地質調查局網站（https://earthexplorer.usgs.gov/），武漢市行政規劃矢量范圍來源于武漢市自然資源規劃和信息中心。本文首先下載軌道號為132-039的L1T級別Landsat遙感影像，再利用ENVI5.3對影像進行輻射定標和大氣校正，最后導入ArcGIS10.3，通過武漢市行政規劃矢量文件裁剪生成武漢市中心城區影像。

2 研究方法

城市湖泊位于城市內部，受人類生產活動影響較大，其水體流通性較差，水體自我凈化能力弱，通常存在一定程度的富營養化和黑臭污染現象，因此其在遙感影像中的水體透明度較低，亮度偏暗，與長江河流的亮色調呈較大反差。由于NDWI[13]等一般水體指數側重于在各類地物背景中提取水體，因此無法直接滿足城市湖泊研究中城市湖泊提取的需求。為了對城市湖泊進行直接精確的提取，本文通過對武漢市中心城區影像進行光譜特征分析，在面向對象思想的基礎上提出了針對城市湖泊對象提取的指數模型。

2.1 城市湖泊指數

為了從遙感影像光譜特征差異的角度對城市湖泊與江水進行區分，首先需要獲取實驗影像中不同波段的光譜反射率，本文借助ENVI平臺快速獲取像素光譜的功能，對武漢市中心城區遙感影像中江水和城市湖泊進行隨機采樣，得到若干江水像素點和城市湖泊像素點的坐標和光譜信息，并分別進行保存；然后分別繪制兩類水體的光譜響應曲線（圖1），每條折線均對應一個采樣點。圖1中的橫坐標為Landsat8 OLI影像的波段序號，按順序分別對應OLI傳感器的前7個波段，縱坐標為經過輻射定標、大氣校正的光譜反射率，可以看出，在Y軸正方向上綠色折線整體位于藍色折線上方，說明長江漢江的光譜反射率整體大于中心城區湖泊，與影像里江水色調比中心城區湖泊亮的實際情況相符合。

圖1 城市湖泊與江水的光譜曲線

本文將采集的兩類水體的像素光譜值分別進行平均，得到兩條平均光譜反射率曲線，如圖2所示，可以看出，它們在5、6、7波段即近紅外波段和兩個中紅外波段上光譜反射率相差無幾；而在3、4波段即綠、紅光波段差值較大，其中在紅光波段的反射率差值是最大的。

圖2 江水與城市湖泊的平均光譜反射率曲線

為了滿足從影像中提取水體的同時，增強中心城區內江河水體與城市湖泊水體之間的光譜差異，從而對兩類水體進行區分，完成城市湖泊的一次性提取，本文根據二者的光譜曲線特征，提出了一個城市湖泊指數（ULI）。其計算公式為；

式中，R為紅光波段影像；NIR、MIR分別為近紅外、中紅外波段影像。水體在近紅外、中紅外波段的低反射率是水體區別于其他地物的主要依據，中紅外波段對遙感圖像中易與水體混淆的陰影有良好的抑制作用，而城市湖泊和江水在紅光波段的光譜差異最大。

ULI指數和MNDWI指數的提取結果如圖3所示，可以看出，采用ULI指數對影像進行波段計算，得到的長江水體亮度最亮，背景地物最暗，湖泊亮度在長江水體、背景之間，呈灰亮色，該現象可初步證明ULI指數可同時對長江水體、湖泊水體、背景地物進行一定程度上的區分；雖然MNDWI[14-16]指數很好地區分了水體和非水體背景，但長江水體和湖泊水體的色調相似且均為亮色調，無法完成長江水體和城市湖泊之間的區分。對比兩種指數運算結果發現，MNDWI指數能將水體從背景中分離出來，但不能區分不同類型的水體；而在ULI指數的運算結果中，湖泊水體的亮度比背景地物亮、比長江水體暗，這一特征使得對城市湖泊的直接提取成為可能。

圖3 ULI與MNDWI指數運算結果對比

2.2 多尺度分割

ULI指數區分城市湖泊與江水的原理主要是根據兩種水體整體上的光譜差異，即水體的混濁程度。倘若是一個水域面積較大的城市湖泊，湖泊中心區域的水質與靠近岸邊的水質有可能存在不同，靠近城市建成區一側的水體與相對遠離的另一側水體之間顏色深淺也可能不一致。如果采用像素級別的地物分類，由于亮度低的水體像素更容易被作為湖泊提取出來，而亮度較高的水體像素將被剔除，這將使得面積較大且范圍內部色調不一致的城市湖泊提取結果不完整。因此，在像素級別上單獨使用ULI指數提取完整的城市湖泊存在一定困難，本文采用面向對象的思想，將以像素為最小單位的影像初步分割成像素簇組成的圖斑網狀結構，再根據分割后圖斑的平均光譜特征，結合ULI指數完成城市湖泊對象的提取。

面向對象分類的思想主要是對影像進行分割，使同質像元組成大小不同的對象，從而實現較高層次的對象級遙感圖像分類和目標地物提取[17]。利用對象內部的標準差來表示對象內部的同質性，利用空間相關性來表示相鄰對象之間的異質性，通過對象內部同質性和對象之間異質性的綜合最佳組合來達到影像多尺度分割的目的[18]。在分割后的影像圖斑中選取樣本，再根據分類特征進行監督分類便可實現目標對象的提取。

在進行多尺度分割時，應盡量保留湖泊邊緣細節分割的完整性，并使同一類水體（江水、湖泊）內部分塊較少，這樣可在一定程度上避免如像素級分類時某一段長江水域色調偏深或某一區域湖水色調偏淺導致的分類錯誤。

2.3 精度評價

為了對本文提取城市湖泊的方法進行定量評估，本文采用準確率指標進行評價。其計算公式為；

式中，At、Ap分別為湖泊的面積真值和本文方法提取的湖泊預測面積；AI為At和Ap重疊范圍的湖泊面積，即正確提取的湖泊面積。

3 實驗結果與分析

3.1 武漢市中心城區湖泊空間分布

本文以ULI指數、紅光波段、綠光波段的組合為分類特征，對多尺度分割后的影像進行對象分類。武漢市中心城區的城市湖泊提取結果如圖4所示，可以看出，整體上城市湖泊提取結果良好，水體從影像背景中提取出來，色調較亮的長江水體也被成功剔除，沒有出現在像素級分類時一個湖泊內部分湖水被錯分為長江水體以及長江邊緣像素被誤分為城市湖泊水體的現象。

圖4 武漢市中心城區湖泊提取結果

此外，本文采用MNDWI指數、紅光波段、綠光波段的組合對相同分割條件下的武漢市中心城區湖泊進行提取，并將提取結果與本文城市湖泊提取方法的結果進行對比。人工勾繪得到中心城區湖泊總面積的真值為75.007 6 km2，分別統計兩種特征組合提取的湖泊面積，并疊加分析得到兩種方法正確提取和錯誤提取的湖泊面積，進而計算得到湖泊提取精度，如表1所示，可以看出，ULI指數的提取精度更高，且MNDWI指數存在將江水誤提為湖泊的現象。MNDWI指數提取湖泊部分結果如圖5所示。

圖5 MNDWI指數提取湖泊部分結果

表1 城市湖泊提取精度對比

3.2 湖泊提取精度分析

本文對武漢市中心城區的經典湖泊——東湖、沙湖的提取結果進行精度評價，如圖6所示，其中藍色線為本文方法提取的湖泊范圍，紅色線為人工繪制的對應真值。本文分別統計湖泊真值和提取面積，并通過疊加分析獲取正確提取的湖泊面積，計算單個湖泊提取的準確度，結果如表2所示，可以看出，沙湖和東湖的提取準確率均達到97%以上，驗證了本文方法的有效性。

圖6 東湖和沙湖提取結果

表2 單個湖泊的提取精度

本文方法實現了城市湖泊的一次性提取，同時能保持較高的提取精度。由沙湖提取結果與真值的對比可知，沙湖上方的沙湖大橋遮擋住了部分湖泊面積，繪制真值時沒有計算橋下的湖泊面積，因此沙湖提取的準確率應比實際計算值更高。

4 結 語

本文以武漢市中心城區為研究區，根據城市湖泊的光譜特征，提出了ULI指數，并結合面向對象的思想方法，實現了城市湖泊對象的直接提取。與手繪地面真值進行精度評價對比，結果表明，本文方法取得了97%以上的提取準確率。目前，我國各大城市均處于快速發展時期，城市規模繼續擴張，人口仍在增加[19]，城市湖泊水資源面臨著更加嚴峻的考驗。希望本文成果能為城市湖泊保護提供一定的技術支撐。考慮到城市湖泊可能存在不同程度的富營養化影響，未來的研究計劃通過高光譜遙感影像進一步研究湖泊的水質變化。