基于K-T變換的地表水體信息遙感自動(dòng)提取模型

張景奇，關(guān)威，孫萍?，紀(jì)秀娟

(1.東北大學(xué)文法學(xué)院，110819;2.沈陽市規(guī)劃和國土資源局棋盤山國際風(fēng)景旅游開發(fā)區(qū)分局，110163;3.遼寧商貿(mào)職業(yè)學(xué)院，110161:沈陽)

應(yīng)用TM圖像計(jì)算機(jī)自動(dòng)提取水體的方法現(xiàn)今主要有2種。第1種是基于單波段圖像的水體自動(dòng)提取，如在平原地區(qū)常用的密度分割法，在山區(qū)常用的閾值分類法［1-2］，單波段提取水體法應(yīng)用起來較為簡單，但分類結(jié)果往往易受山體陰影或部分混合像元的影響。第2種是基于復(fù)合波段圖像的水體自動(dòng)提取，亦稱譜間關(guān)系法，是在常規(guī)分類方法和知識發(fā)現(xiàn)基礎(chǔ)上建立起來的數(shù)學(xué)地理模型提取水體的方法，這種方法可提高水體提取結(jié)果的精度，在較多的遙感書籍及文章中都有專門的介紹，如周成虎等［3］給出了TM2+TM3＞TM4+TM5(TM2為TM圖像第2波段，以下類推)的水體提取模型;顏梅春［4］提出在TM2+TM3＞TM4+TM5的基礎(chǔ)上，輔以TM5＜K(K為指定數(shù)值)的方法來提取水體;汪金花等［5］則給出了(TM2+TM3)-(TM4+TM5)＞0和TM4/TM2＜0.88的水體提取模型;徐涵秋［6］則應(yīng)用改進(jìn)后的NDWI來提取水體(為方便說明，將TM2+TM3＞TM4+TM5的水體提取模型設(shè)為模型1，(TM2+TM3)-(TM4+TM5)＞0和TM4/TM2＜0.88的水體提取模型設(shè)為模型2，MNDVI的水體提取模型設(shè)為模型3)。譜間關(guān)系法比單波段閾值法提取水體更具優(yōu)勢，它能將水體與陰影區(qū)分開來，這在已有的研究［7-12］中得到了很好的印證。

值得注意的是，在上述各個(gè)結(jié)論中都未曾提到對云陰影的處理。而實(shí)際上，應(yīng)用計(jì)算機(jī)自動(dòng)提取水體，無論是在平原地區(qū)，還是在山地地區(qū)，云體陰影都會被誤認(rèn)為是水體。應(yīng)用模型1～3提取水體的結(jié)果中，云體陰影會被誤認(rèn)為是水體一并提取出來，誤提的像元數(shù)量較多，會嚴(yán)重影響提取精度。因此，有必要建立新的模型以提高計(jì)算機(jī)自動(dòng)提取水體的精度。

1 研究區(qū)影像概況

選取黑龍江省大慶地區(qū)的一景TM影像(圖1)作為研究對象，行列號為119/28，成像時(shí)間為1990年7月20日。在研究區(qū)內(nèi)，主要水體為嫩江，并且有大量的水泡、水塘、水庫;試驗(yàn)區(qū)地勢較平緩，有大片的農(nóng)田、鹽堿地，有大量油井不規(guī)則分布;試驗(yàn)區(qū)居民地密集度低。圖像西北方湖泡處有大量云。

2 研究方法

2.1 遙感數(shù)據(jù)處理

圖1 研究區(qū)假彩色合成圖Fig.1 False color composite picture of study area

利用繪制水體邊界效果較好的TM5波段(波段范圍1.55～1.75μm)，采用閾值法以及傳統(tǒng)譜間關(guān)系法提取水體，對于有云體陰影的影像，其提取精度不高。為了找到一種能精確提取水體并且能夠消除各種陰影影響的模型，筆者試求在傳統(tǒng)的譜間關(guān)系法基礎(chǔ)上尋求突破:對圖像先進(jìn)行K-T變換，再應(yīng)用決策樹分類法實(shí)現(xiàn)水體的自動(dòng)提取。K-T變換(纓帽變換Tasseled Cap)可以將波譜空間變換到幾個(gè)有物理意義的方向上去，即Y=BX，式中，Y為變換后的新坐標(biāo)空間的像元矢量;X為變換之前多光譜空間的像元矢量;B為變換矩陣。TM圖像K-T變換系數(shù)如表1所示。

表1 TM圖像K-T變換系數(shù)Tab.1 Transform coefficient of K-T for TM image

變換后，第1波段(Brightness)代表的是TM圖像6個(gè)波段的加權(quán)和，代表地物目標(biāo)總的輻射能量水平，第2波段(Greenness)反映了可見光波段特別是紅外波段與近紅外波段之間的對比，反映了植被的生長情況，第3波段(Wetness)反映的是TM1～TM4波段與TM5和TM7波段之間的差值，TM5和TM7波段對土壤濕度和植被濕度最為敏感，易于反映出濕度特征，但濕度值并不完全代表含水量的多少。

2.2 水體提取模型建立

在研究區(qū)內(nèi)，典型的地物為水體(包括水田)、居民地、植被(包括旱田)、鹽堿地、云以及云陰影。表2是研究區(qū)內(nèi)6種典型地物在經(jīng)過K-T變換后的波譜采樣均值。

根據(jù)表2繪制成研究區(qū)典型地物波譜均值折線圖(圖2)。圖2中，(a)代表水體，可以看出，對圖像做K-T變換之后，只有水體在K-T變換生成的6個(gè)波段上具有W型特征，即只有水體具有Greenness〈Wetness〉Fourth的特征(在此稱為模型4)，而其他地物，如居民地、植被、鹽堿地、云和陰影等都不具有該特征。

表2 研究區(qū)典型地物K-T變換后波譜采樣均值Tab.2 Average values of representative cultures’spectral luminosity in the study area after K-T transformation

圖2 研究區(qū)典型地物K-T變換后波譜均值折線圖Fig.2 Spectral luminosity curves of representative cultures in study area after K-T transformation

3 結(jié)果與分析

3.1 水體提取結(jié)果

在ENVI決策樹分類中，輸入b2 lt b3 and b3 gt b4，在 Variable/File Pairings中選擇 b2=Greenness，b3=Wetness，b4=Fourth，然后執(zhí)行 Execute命令。最終結(jié)果如圖3(b)所示。

3.2 結(jié)果驗(yàn)證

由于行列號為119/28的TM影像地處松嫩平原，地勢平緩，無高山或丘陵，沒有山體陰影，故選取了吉林省長春地區(qū)，行列號為118/30的一景TM影像加以驗(yàn)證(圖4(a))，該圖像上具有較多的山體陰影，采用模型4自動(dòng)提取的水體結(jié)果如圖4(b)所示。從圖4(b)白色方框中可以看出，山體陰影并未被誤認(rèn)為是水體而被提出來，且提取出水體的輪廓也與目視結(jié)果相一致。

每一種地物在不同波段上均有其反射值的范圍，如果2種地物的反射值范圍交叉，就很難用閾值法來提取其中1種，而譜間關(guān)系法的優(yōu)點(diǎn)在于，它是分析地物波譜自身特征的，可以區(qū)別其他地物，從而實(shí)現(xiàn)高精度提取的目的。應(yīng)用模型4提取的水體(圖3(b))，水體信息較為豐富，湖泡里的植被信息只有少數(shù)被水的信息覆蓋，沒有云體陰影被誤認(rèn)為是水體，整體圖像信息單一，無漏提多提現(xiàn)象。

圖3 模型4提取水體結(jié)果Fig.3 Water body extracting using Model 4

圖4 模型4提取山區(qū)水體驗(yàn)證結(jié)果Fig.4 Water body extracting using Model 4 in mountain area

4 結(jié)論與討論

在借鑒了前人研究成果的基礎(chǔ)上，先對圖像進(jìn)行K-T變換，再在新生成的6個(gè)波段上應(yīng)用譜間關(guān)系法，發(fā)現(xiàn)水體(Water)在K-T變換新生成的6個(gè)波段上具有W型的特征。由于只有水體具有Greenness〈Wetness〉Fourth特征，而陰影和其他地物都不具有該特征，故建立地表水體信息自動(dòng)提取的模型為 Greenness〈Wetness〉Fourth。

應(yīng)用Greenness〈Wetness〉Fourth模型自動(dòng)提取地表水體，具有以下特點(diǎn)。

1)方法簡單，K-T變換操作簡便易行，在ENVI中或在EDARS中均可以實(shí)現(xiàn);

2)完全是計(jì)算機(jī)自動(dòng)化提取地表水體，避免了一些提取方法中人工找K值(K為指定特征值)的過程;

3)有效地消除了山體陰影以及云體陰影對水體提取精度的影響;

4)應(yīng)用此模型自動(dòng)提取的水體，如河流、湖泊、水泡、水田等，其自動(dòng)提取結(jié)果與目視解譯結(jié)果基本一致，混合像元是影響提取精度的主要因素。

5)此模型可應(yīng)用于多數(shù)TM圖像，但不排除某些TM圖像中一些非水體地物K-T變換后具有W型具有相同特征的可能。

［1］Ollern Jensen L.Knowledge-based classification of an urban area using texture and context information in Landsat TM imagery［J］.Photogrammertric Engineering and Remote Sensing，1990，56(6):899-904

［2］Frazier P S，Page K J.Water body detection and delineation with Landsat TM data［J］.Photogrammetric Engineering and Remote Sensing，2000，66(12):1461-1467

［3］周成虎，駱劍承，楊曉梅，等.遙感影像地學(xué)理解與分析［M］.北京:科學(xué)出版社，2001:68-86

［4］顏梅春.基于TM數(shù)據(jù)的水域變化信息提取研究［J］.水資源保護(hù)，2005，21(6):31-33

［5］汪金花，張永彬，孔改紅.譜間關(guān)系法在水體特征提取中的應(yīng)用［J］.礦山測量，2004，12(4):30-32

［6］徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究［J］.遙感學(xué)報(bào)，2005，9(5):590-595

［7］杜云艷，周成虎.水體的遙感信息自動(dòng)提取方法［J］.遙感學(xué)報(bào)，1998，2(4):264-269

［8］都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類研究［J］.遙感學(xué)報(bào)，2001，5(3):214-219

［9］陳華芳，王金亮，陳忠，等.山地高原地區(qū)TM影像水體信息提取方法比較:以香格里拉縣部分地區(qū)為例［J］.遙感技術(shù)與應(yīng)用，2004，19(6):479-484

［10］秦其明，袁吟歡，陸榮健.衛(wèi)星圖像中不同水體類型識別研究［J］.地理研究，2001，20(1):62-67

［11］傅國斌，劉昌明.遙感技術(shù)在水文學(xué)中的應(yīng)用與研究進(jìn)展［J］.水科學(xué)進(jìn)展，2001，12(4):547-559

［12］嚴(yán)海兵，李秉柏，陳敏東.遙感技術(shù)提取海岸線的研究進(jìn)展［J］.地域研究與開發(fā)，2009，28(1):101

［13］梅安新，彭望琭，秦其明，等.遙感導(dǎo)論［M］.北京:高等教育出版社，2001:125-127