基于高光譜數(shù)據(jù)的黃河流域水體提取方法研究

楊 陽(yáng)，韓 芬，楊婭婷，王文龍

(1.寧夏回族自治區(qū)遙感調(diào)查院，寧夏 銀川 750021；2.高分辨率對(duì)地觀測(cè)系統(tǒng)寧夏數(shù)據(jù)與應(yīng)用中心，寧夏 銀川 750021)

1 引言

隨著高光譜遙感信息技術(shù)的快速發(fā)展，利用高光譜影像對(duì)水資源信息實(shí)現(xiàn)精準(zhǔn)的識(shí)別與提取，對(duì)水體保護(hù)、水利規(guī)劃、災(zāi)后評(píng)估和水體流域治理等水資源合理開發(fā)利用有著重要的意義[1～4]。通過利用遙感技術(shù)準(zhǔn)確快速地獲取黃河水體動(dòng)態(tài)信息[5]，對(duì)黃河流域水環(huán)境健康進(jìn)行診斷，可為黃河流域水環(huán)境綜合治理與保護(hù)提供數(shù)據(jù)基礎(chǔ)和科學(xué)依據(jù)。

目前，國(guó)內(nèi)研究者在水體信息提取的研究上積累了大量經(jīng)驗(yàn)，數(shù)據(jù)源的應(yīng)用日趨多樣，各類研究方法的運(yùn)用也更加成熟。高光譜衛(wèi)星影像具有較高的光譜分辨率，與多光譜遙感數(shù)據(jù)不同，高光譜遙感能夠獲取地表物體上百個(gè)連續(xù)譜段的信息，提供豐富的光譜信息來增強(qiáng)對(duì)地物的區(qū)分能力[6]。高光譜遙感實(shí)現(xiàn)了遙感數(shù)據(jù)圖像維與光譜維信息的有機(jī)融合，在光譜分辨率上有著巨大的優(yōu)勢(shì)[7]。國(guó)內(nèi)學(xué)者通過應(yīng)用高光譜影像數(shù)據(jù)，多采用單波段閾值法、多波段譜間關(guān)系法、水體指數(shù)法對(duì)不同類型的水體信息進(jìn)行提取試驗(yàn)和監(jiān)測(cè)研究。文獻(xiàn)[8]以珠海一號(hào)高光譜影像為數(shù)據(jù)源，通過設(shè)計(jì)一種新的水體提取指數(shù)—陰影建筑指數(shù)(SBI)，更為準(zhǔn)確地提取了洱海的水體信息；文獻(xiàn)[9]基于高分五號(hào)影像數(shù)據(jù)，構(gòu)建了單波段閾值法與陰影水體指數(shù)(SWI)相結(jié)合的決策樹水體提取模型，有效抑制山體陰影和裸地影響提取完整水體，顯著提升了山區(qū)水體提取精度；文獻(xiàn)[10]基于直方圖數(shù)據(jù)特征的閾值分割法，實(shí)現(xiàn)了高光譜航空遙感近岸水體的特征提取，實(shí)驗(yàn)結(jié)果表明，該方法總體信息提取精度達(dá)84%，Kappa系數(shù)為0.6862；文獻(xiàn)[11]針對(duì)水體邊界混合像元導(dǎo)致的精度損失問題，提出了一種基于高光譜混合像元分解的水體邊界提取方法，通過混合像元的高精度分解及水體邊界像元分割，進(jìn)一步逼近水體的真實(shí)邊界，能顯著提高水體邊界提取精度。

大量研究結(jié)果表明，基于單波段閾值法、多波段譜間關(guān)系法、水體指數(shù)法等水體提取方法已較為成熟，結(jié)合高光譜影像數(shù)據(jù)的應(yīng)用，可以獲得很好的水體信息提取效果。為進(jìn)一步豐富高光譜影像在黃河流域水體提取的研究，本文以珠海一號(hào)高光譜影像為數(shù)據(jù)源，針對(duì)黃河流域?qū)幭膮侵叶嗡w光譜特征，采用單波段閾值法、歸一化差異水體指數(shù)法(NDWI)、改進(jìn)陰影水體指數(shù)法(MSWI)以及單波段閾值法與改進(jìn)陰影水體指數(shù)法(MSWI)相結(jié)合的決策樹分類方法，研究總結(jié)適用于寧夏黃河流域的水體信息提取方法。

2 研究區(qū)與數(shù)據(jù)源

2.1 研究區(qū)

吳忠市位于寧夏回族自治區(qū)中部，引黃灌區(qū)的精華地段，地處東經(jīng)104°17′～107°39′，北緯36°35′～38°32′之間。黃河是吳忠市最主要的河流，縱貫全境，自青銅峽市青銅峽鎮(zhèn)入境，由利通區(qū)東塔寺鄉(xiāng)出境，境內(nèi)全長(zhǎng)69 km，河面寬2.5～7.7 km，黃河沿岸地勢(shì)平坦，溝渠縱橫，農(nóng)業(yè)發(fā)達(dá)，素有“塞上江南”的美譽(yù)。研究區(qū)水體類型多樣，除黃河及其灌溉溝渠外，常見水體還有湖泊、水庫(kù)、景觀水系等；整體分布復(fù)雜，各類水體穿插分布于農(nóng)田、城市建筑、山體、裸地之間。

2.2 數(shù)據(jù)源

研究數(shù)據(jù)采用珠海一號(hào)高光譜衛(wèi)星數(shù)據(jù)，單次成像幅寬150 km，空間分辨率10 m，光譜分辨率2.5 nm，波長(zhǎng)范圍400～1000 nm，共32個(gè)波譜段，從可見光至近紅外波段。覆蓋研究區(qū)影像2景，為03組D星(OHS-3D)影像，成像時(shí)間為2022年3月，經(jīng)過輻射定標(biāo)、大氣校正和正射校正等預(yù)處理，可用于水體的定量反演。圖1為預(yù)處理后的研究區(qū)高光譜衛(wèi)星影像灰度圖像，黃河自西南角向北縱貫整幅影像。

圖1 研究區(qū)預(yù)處理后高光譜衛(wèi)星影像

3 研究方法

在可見光波段內(nèi)水的反射率一般較小，通常為4%～5%，且與波長(zhǎng)呈負(fù)相關(guān)[12，13]，在750 nm波長(zhǎng)之后，近紅外波段處，水體幾乎吸收全部的光波的入射能量，反射率很低[11]，水體在近紅外波段和短波紅外波段具有強(qiáng)吸收、弱反射的光譜特征。另外，水體在藍(lán)、綠波段的高反射、低吸收是它的另一大光譜特征，即水體在430～560 nm出現(xiàn)反射峰值，吸收性和透射性相對(duì)較弱。根據(jù)水體在不同波譜上的明顯差異，可以很好地實(shí)現(xiàn)水體和其他地物的界限分離。

3.1 單波段閾值法

單波段閾值法是指選定某一特定波段，通過設(shè)置適當(dāng)?shù)拈撝祵?duì)水體進(jìn)行提取[14]。在近紅外波段和短波紅外波段，水體反射率極低，而非水體反射率相對(duì)較高，明顯區(qū)別于水體，單波段閾值法則是基于此選取近紅外特定波段進(jìn)行水體提取，具體公式為：

B28

(1)

式(1)中，B28為第28波段的反射率值，T為閾值；當(dāng)?shù)?8波段反射率值小于T時(shí)為水體，否則為非水體，經(jīng)多次試驗(yàn)以灰度直方圖確定閾值T為1465。

3.2 歸一化差異水體指數(shù)法

歸一化差異水體指數(shù)(NDWI，Normalized Difference Water Index)利用了水體在綠波段反射率較高，近紅外波段反射率低的特性[15]，通過對(duì)遙感影像特定波段進(jìn)行歸一化差值處理，以凸顯影像中的水體信息，具體公式為：

(2)

式(2)中，將第8波段和第22波段分別作為綠波段和近紅外波段進(jìn)行歸一化差值運(yùn)算，閾值設(shè)為0.02，大于該值為水體，否則為非水體。

3.3 改進(jìn)陰影水體指數(shù)法

改進(jìn)陰影水體指數(shù)法(MSWI，Modified Shade Water Index)是在陰影水體指數(shù)法的基礎(chǔ)上改進(jìn)而來，以反射率最高的藍(lán)波段與反射率最低的近紅外波段灰度值之差，除以近紅外波段，從而加大水體與陰影之間的區(qū)分[16]，具體公式為：

(3)

式(3)中，將第6波段和第22波段分別作為藍(lán)波段和近紅外波段進(jìn)行運(yùn)算，閾值設(shè)為0.2，大于該值為水體，否則為非水體。

3.4 決策樹法

通過對(duì)以上3種方法的試驗(yàn)結(jié)果進(jìn)行分析，發(fā)現(xiàn)其均存在不足之處，主要表現(xiàn)在部分水體與陰影、裸地易混淆，從而影響了水體提取的準(zhǔn)確性。730 nm波長(zhǎng)之后，陰影的反射率略高于水體，變化趨勢(shì)仍保持一致[17]，陰影和水體光譜的相似性導(dǎo)致兩者難以有效區(qū)分。基于此通過多種單一方法的組合研究提出了單波段閾值法與改進(jìn)陰影水體指數(shù)法相結(jié)合的決策樹分類方法，對(duì)水體作進(jìn)一步提取試驗(yàn)。

水體提取實(shí)質(zhì)上屬于二元分類，而決策樹是解決二元分類問題的有效手段，知識(shí)決策樹模型特別適用于基于簡(jiǎn)單特征的地物提取問題[18]。通過將單波段閾值法和改進(jìn)陰影水體指數(shù)法相結(jié)合構(gòu)建決策樹算法，對(duì)研究區(qū)進(jìn)行水體提取。單波段閾值法在提取水體信息的同時(shí)，也提取了大量山體陰影、建筑陰影信息，而MSWI可以有效地將水體和陰影進(jìn)行分離，進(jìn)一步提高了水體信息提取精度。

決策樹法水體信息提取模型如圖2所示。

圖2 決策樹法水體信息提取模型

4 結(jié)果與分析

4.1 提取結(jié)果

基于上述4種水體信息提取方法，通過應(yīng)用珠海一號(hào)高光譜遙感影像數(shù)據(jù)，分別對(duì)研究區(qū)開展水體信息提取試驗(yàn)，以上方法特征波段選取均通過光譜特征分析獲得，并以直方圖法獲取相應(yīng)閾值[9]，利用ENVI5.3中的Band Math將其轉(zhuǎn)為二值圖[19]，提取結(jié)果如圖3所示，白色為提取的水體信息，黑色為非水體信息。

通過直觀觀察發(fā)現(xiàn)，4種方法均能較好提取黃河、湖泊等開闊水體的主體輪廓，但在細(xì)節(jié)處存在明顯差異：

(1)單波段閾值法較完整地提取了影像中絕大部分水體信息，但同時(shí)也誤提取了一定數(shù)量的影像陰影，包括山體陰影和建筑陰影。

(2)歸一化水體指數(shù)法極大程度地抑制了植被信息，強(qiáng)化水體信息[20]，同時(shí)對(duì)影像中的陰影抑制作用較差，影響了面積較大水域的輪廓完整性。

(3)改進(jìn)陰影水體指數(shù)法對(duì)于影像中的陰影具有一定的抑制作用，但也丟失了一定面積較小的水體信息。

(4)決策樹法能較好地區(qū)分水體和陰影，最大程度保留水體信息的同時(shí)，對(duì)影像中的陰影有著明顯的抑制作用(圖3(d)中紅色區(qū)域)。尤其是基于單波段閾值法和改進(jìn)陰影水體指數(shù)法組合的決策樹法，對(duì)水體信息的提取效果明顯優(yōu)于其他3種方法。

圖3 水體提取結(jié)果

4.2 精度驗(yàn)證

以同時(shí)期高分二號(hào)衛(wèi)星影像為底圖，人工目視解譯獲取研究區(qū)水體矢量信息，通過野外調(diào)查分別采集50個(gè)水體和非水體樣本，作為精度驗(yàn)證的真實(shí)參考值，在ENVI5.3軟件下與4種水體信息提取試驗(yàn)結(jié)果通過計(jì)算混淆矩陣進(jìn)行精度評(píng)價(jià)與分析，分析結(jié)果如表1所示。

表1 精度評(píng)價(jià)與分析結(jié)果

從表1可以看出，本次試驗(yàn)運(yùn)用的4種水體提取方法中，基于單波段閾值法和改進(jìn)陰影水體指數(shù)法組合的決策樹法總體精度高于其他3種方法，其總體精度為92.49%，較單波段閾值法、NDWI法、MSWI法分別高出了2.56%、3.17%、1.05%；Kappa系數(shù)為0.84，較單波段閾值法、NDWI法、MSWI法分別高出了0.07、0.1、0.03。決策樹法對(duì)于山體陰影和建筑陰影干擾下的水體信息有著較高的辨識(shí)度，克服了黃河流域?qū)幭膮侵叶紊襟w和裸地較多的不利影響，較適用于該區(qū)域水體提取。

5 結(jié)論

本文基于常用的水體提取方法，通過應(yīng)用珠海一號(hào)高光譜衛(wèi)星影像，對(duì)黃河流域?qū)幭膮侵叶畏秶鷥?nèi)水體提取進(jìn)行了研究試驗(yàn)，研究結(jié)果表明基于單波段閾值法和改進(jìn)陰影水體指數(shù)法組合的決策樹法在該區(qū)域水體提取試驗(yàn)中收獲了更好的效果。高光譜衛(wèi)星影像具有豐富的光譜信息優(yōu)勢(shì)，有效排除了水體含沙量、水深等因素對(duì)水體信息提取的干擾，針對(duì)研究區(qū)水體類型多樣、分布復(fù)雜的特點(diǎn)，通過運(yùn)用決策樹法進(jìn)一步排除了陰影對(duì)水體提取的干擾，該方法較適用于黃河流域?qū)幭亩蔚乃w信息提取。