吉紅霞，范興旺，吳桂平，劉元波**

(1：中國科學(xué)院南京地理與湖泊研究所，南京 210008) (2：中國科學(xué)院大學(xué)，北京 100049)

離散型湖泊水體提取方法精度對比分析*

吉紅霞1，2，范興旺1，2，吳桂平1，劉元波1**

(1：中國科學(xué)院南京地理與湖泊研究所，南京 210008) (2：中國科學(xué)院大學(xué)，北京 100049)

基于衛(wèi)星遙感的陸地水體提取方法多種多樣，并且應(yīng)用廣泛.對于水體分布支離破碎的枯水期湖泊，準確的水體提取方法尚不明晰，直接影響湖泊水域面積的提取精度.以鄱陽湖湖區(qū)為研究對象，利用ALOS遙感影像，以2.5m高分辨率全色波段融合影像非監(jiān)督分類(ISODATA)得到的水體面積為參考值，分別使用歸一化水體指數(shù)(NDWI)法、NDWI-ISODATA法和基于近紅外(NIR)的ISODATA法提取了10m分辨率的水體分布，分析了不同方法提取結(jié)果之間的差異性及產(chǎn)生原因.結(jié)果表明：3種方法均可以較好地提取出水體，但利用ISODATA法提取的水體細部信息更為明顯，面積值較NDWI法更大；相對于近紅外單波段而言，基于NDWI圖像的ISODATA法提取水體的精度更高.縱觀3種方法，基于NDWI圖像的ISODATA法提取的水體精度最高，基于近紅外波段的ISODATA法提取結(jié)果次之，NDWI閾值法的提取效果最差.研究結(jié)果對于離散型湖泊水體提取方法及數(shù)據(jù)源的選擇等具有重要的借鑒和參考意義.

遙感；水體提?。籒DWI；ISODATA；鄱陽湖

湖泊是陸地表層系統(tǒng)各要素相互作用的節(jié)點，與人類生產(chǎn)與生活息息相關(guān)，在維系流域生態(tài)平衡、滿足生產(chǎn)生活用水和減輕洪旱災(zāi)害等方面發(fā)揮著不可替代的作用[1].湖泊面積是表征湖泊受氣候變化與人類活動影響程度的重要指示器，實時準確地提取湖泊水面面積對于全面了解湖泊變化規(guī)律和演化趨勢具有重要意義[2].傳統(tǒng)的湖泊面積測量方法大多是基于大比例尺測繪來實現(xiàn)的，這種方法不但費時費力，而且很難在較大時空范圍內(nèi)開展.遙感以其宏觀、連續(xù)、實時等優(yōu)勢在對地觀測中發(fā)揮著日益重要的作用[3].利用衛(wèi)星遙感影像數(shù)據(jù)快速、準確地提取水體信息，已經(jīng)成為水資源調(diào)查和水資源宏觀監(jiān)測及濕地保護的重要手段[4].

目前，利用衛(wèi)星遙感數(shù)據(jù)進行水體提取得到了廣泛的應(yīng)用，用于水體提取的遙感數(shù)據(jù)和方法多種多樣.譬如，Barton等[5]、杜云艷等[6]提出了針對NOAA(National Oceanic and Atmospheric Administration)/AVHRR(Advanced Very High Resolution Radiometer)數(shù)據(jù)的水體提取方法，認為近紅外波段對水體較為敏感，能較好地用于提取水體.吳賽等[7]、丁莉東等[8]利用MODIS(Moderate Resolution Imaging Spectroradiometer)數(shù)據(jù)，實現(xiàn)水體信息的自動提取，主要有譜間關(guān)系法、單波段法及監(jiān)督分類法.Jain等[9]、Hui等[10]基于更高分辨率的Landsat TM(Thematic Mapper)數(shù)據(jù)提取水體信息，運用的方法包括單波段密度分割法、歸一化差異水體指數(shù)(Normalized Difference Water Index，NDWI)閾值法、色度判別法、比率測算法、譜間關(guān)系法和非監(jiān)督分類法等.此外還有一些國內(nèi)外學(xué)者對其他衛(wèi)星遙感數(shù)據(jù)提取水體進行了探討[11-15].

波段比值法和非監(jiān)督分類法是目前水體提取中應(yīng)用最為廣泛的兩類方法[16-17].其中，波段比值法以NDWI閾值法最為常見，主要是通過分析典型水陸交界處NDWI圖像的直方圖分布特征，配合確定的最優(yōu)閾值，最終實現(xiàn)湖泊水面信息的提取[18].非監(jiān)督分類方法通過類內(nèi)方差最小、類間方差最大的準則來進行分類，以ISODATA(Iterative Self-organizing Data Analysis Technique Algorithm)方法最為常用[19].NDWI方法具有一定的物理基礎(chǔ)，對于連續(xù)型水體具有較好的適用性，但是對于離散型湖泊水體而言，例如湖、河、沼澤和灘涂等共存的濕地，在影像直方圖中峰谷分布往往不夠明晰，因而該方法在整幅影像中很難確定最優(yōu)閾值.ISODATA法根據(jù)地物的光譜特征進行聚類，僅需要確定初始的分類類別，受主觀因素的影響較小，但采用不同波段(組合)遙感數(shù)據(jù)進行非監(jiān)督分類結(jié)果之間存在多大的差異尚未明晰.由于季節(jié)性湖泊的水域面積隨水位波動變化劇烈，例如洞庭湖和鄱陽湖，在枯水期湖區(qū)分布著大片灘地，水體分布支離破碎，水面邊界復(fù)雜，增大了水面提取的難度，可能影響提取精度.因此，就目前水體提取中廣泛采用的兩種方法而言，究竟哪種方法對于離散型湖泊水體提取更為有效，是一個值得探討的問題.

本文利用高分辨率ALOS(Advanced Land Observation Satellite)PRISM(Panchromatic Remote-sensing Instrument for Stereo Mapping)數(shù)據(jù)和AVNIR-2(Advanced Visible and Near Infrared Radiometer Type 2)數(shù)據(jù)，以枯水期鄱陽湖子湖為研究對象，將融合全波段圖像非監(jiān)督分類得到的2.5m高分辨率水體面積作為參考值，比較NDWI閾值法和非監(jiān)督分類法所提取水面面積之間的差異，以及NDWI非監(jiān)督分類和近紅外波段(Near Infra-Red，NIR)非監(jiān)督分類法所提取水面面積之間的差異，并探討產(chǎn)生差異性的原因，為有效提取離散型湖泊水體提供方法論指導(dǎo).

1 研究區(qū)與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

鄱陽湖地處江西省北部，長江中下游南岸(圖1)，是我國第一大淡水湖.鄱陽湖是一個典型的季節(jié)性吞吐型湖泊，其承納贛江、撫河、信江、饒河、修水五大支流來水，經(jīng)調(diào)蓄后由湖口注入長江，與五河和長江之間密切相關(guān)的水量交換關(guān)系，形成了鄱陽湖獨特的水情特征：豐水期水面面積可達3000km2，而枯水期則不足1000km2，呈現(xiàn)出“洪水一片、枯水一線”的景觀[20].自3月下旬湖泊水位開始抬升，7月份達到最高水位，至10月開始穩(wěn)定下降，至次年1-2月水位降至最低點[21].在退水期間鄱陽湖水體分布零散，湖區(qū)各種子湖泊開始出露，此外還分布有少量的養(yǎng)殖場，類似的封閉離散水域十分常見.但由于湖、沼澤、灘涂等共存，水面邊界復(fù)雜，增大了水面提取的難度.

圖1 研究區(qū)位置Fig.1 Geographic location of study area

1.2 數(shù)據(jù)源及預(yù)處理

ALOS衛(wèi)星發(fā)射于2006年，搭載有全色遙感立體測繪儀(PRISM)、可見光與近紅外輻射計(AVNIR-2)和相控陣型L波段合成孔徑雷達(PALSAR)3種傳感器.其中多光譜AVNIR-2傳感器包括了4個波段數(shù)據(jù)的接收，分別為藍波段(0.42～0.50μm)、綠波段(0.52～0.60μm)、紅波段(0.61～0.69μm)和近紅外波段(0.76～0.89μm)，其空間分辨率為10m.全色PRISM傳感器只有一個波段(0.52～0.77μm)，空間分辨率為2.5m.本文選用2007年10月24日的ALOS PRISM全色波段數(shù)據(jù)和AVNIR-2多光譜波段數(shù)據(jù).該時期鄱陽湖處于枯水期，湖、河、沼澤、灘涂等共存，具有十分復(fù)雜離散的水域分布形態(tài).

ALOS數(shù)據(jù)預(yù)處理主要包括噪聲消除、圖像融合與封閉水域輪廓的勾繪.噪聲消除是為了消除遙感影像中的條紋、亮線及斑點等對水體提取的影響，采用空間濾波的方法.圖像融合是指通過融合全色波段和多光譜波段數(shù)據(jù)，獲取兼具高空間分辨率和多光譜分辨率的遙感數(shù)據(jù).ALOS衛(wèi)星全色影像具有較高的空間分辨率(2.5m)，多光譜影像具有較豐富的光譜信息，光譜分辨率高，通過將全色遙感影像與多光譜影像數(shù)據(jù)融合，提高影像的空間分辨率和光譜分辨率，可以增強影像判讀的準確性，提高數(shù)據(jù)的使用效率[22].Gram-Schmidt融合法(簡稱GS變換)是適合高分辨率影像的圖像融合方法，它可以很好地繼承高分辨率影像的空間分辨率，而且保持光譜特性與原始多光譜影像最為接近，光譜信息保存完好[23].因而本文利用GS變換對ALOS PRISM全色波段數(shù)據(jù)和AVNIR-2多光譜數(shù)據(jù)進行融合得到2.5m高分辨率影像.封閉水域輪廓的勾繪采用手動方法，結(jié)合野外調(diào)查，通過人機交換確定35個封閉水域的邊界，據(jù)此可計算不同方法提取的水體面積.本研究中野外實際調(diào)查采用GPS差分測量中的CORS差分模式，其定位精度較高，達到了厘米級，因而結(jié)合該結(jié)果可以保證數(shù)據(jù)的準確性.實際調(diào)查也在枯水期進行，但日期與影像日期不一致，由于本文主要對比不同水體提取方法的精度，因而不會影響研究結(jié)果.

本研究參考值的獲取是利用ISODATA法對融合后2.5m高分辨率影像進行分類提取.融合后的影像具有4個光譜波段：藍波段(0.42～0.50μm)、綠波段(0.52～0.60μm)、紅波段(0.61～0.69μm)和近紅外波段(0.76～0.89μm)，空間分辨率為2.5m，與原始高光譜波段相比具有更高的空間分辨率；與原始全色影像相比，具有更高的光譜分辨率；因而該影像增強了解譯能力，可提供更可靠的分析結(jié)果，采用該影像提取水體具有更高的精度[24].結(jié)合野外實際調(diào)查，初始分類類別設(shè)為10類，最終通過目視對比與類別合并得到所有水體并計算水體面積，將該方法提取的水體面積作為其他方法的參考值.

2 水體提取方法與比較

2.1NDWI閾值法

McFeeters[25]基于綠波段與近紅外波段，提出NDWI，表達式如下：

(1)

式中，G和NIR分別代表綠波段和近紅外波段反射率.在理想情況下，NDWI為正值時表示地面有水、雨雪覆蓋；NDWI等于0時表示地面覆蓋為巖石或裸土等；NDWI為負值時表示有植被覆蓋.但實際情況下由于受到水體表面植被等多種影響，區(qū)分水體與其他地物的閾值往往不為零.

閾值法提取水體主要是根據(jù)不同地物之間灰度值的差異，根據(jù)NDWI圖像的直方圖確定適當?shù)拈撝祬^(qū)分水體與非水體.閾值的選取是一個關(guān)鍵而難解決的問題.以往研究發(fā)現(xiàn)，水體閾值隨影像的變化而變化，因而需要根據(jù)具體的研究區(qū)域?qū)γ總€時期的影像分別確定合適的閾值[26]，本文在具體確定閾值的過程中，主要是基于不同地物之間灰度值的差異，根據(jù)NDWI直方圖人機交互的分析方式加以確定[27].通常情況下，NDWI圖像的直方圖呈現(xiàn)雙峰的分布形態(tài)，為了得到最優(yōu)的閾值，首先基于直方圖中水體與非水體的波谷位置中的點確定水體提取的最初閾值[28].在此基礎(chǔ)上，通過不斷調(diào)整閾值的大小直到提取出的水體與湖岸及原始影像上的水體分布達到最佳匹配，最終確定最優(yōu)的閾值[29].本研究中根據(jù)NDWI圖像的直方圖分布，并結(jié)合2.5m ALOS多光譜影像目視解譯，通過反復(fù)比對，最終確定水體提取閾值為0.336.

2.2 ISODATA法

ISODATA法(Iterative Self-Organizing Data Analysis Technique Algorithm，迭代自組織數(shù)據(jù)分析算法)，是通過引入?yún)?shù)而不斷進行分裂與合并的非監(jiān)督分類算法[30].它通過調(diào)整樣本所屬類別完成樣本的聚類分析，并使用類別的合并和分裂機制，當某兩類聚類中心距離小于某一閾值時，將它們合并為一類，當某類標準差大于某一閾值或其樣本數(shù)目超過某一閾值時，將其分為兩類.在某類樣本數(shù)目少于某閾值時，需將其取消.如此，根據(jù)初始聚類中心和設(shè)定的類別數(shù)目等參數(shù)迭代，最終得到一個比較理想的分類結(jié)果[31].ISODATA法分類時一般需設(shè)置分類的數(shù)目比最終分類數(shù)量多3～4倍，再進行合并防止錯分漏分，以提高分類精度[32].

2.3NDWI-ISODATA法

NDWI指數(shù)可以突出影像中的水體信息，并能最大程度抑制植被信息[33].對NDWI圖像采用ISODATA法進行分類可以避免人為確定閾值的過程.根據(jù)影像上的地物類別數(shù)以及野外實際調(diào)查資料，將初始類別設(shè)為10類，然后經(jīng)過目視合并處理后，提取出水體.該分類結(jié)果可與NDWI閾值法進行對比，分析閾值不同所導(dǎo)致分類結(jié)果存在差異的具體原因.

2.4NIR-ISODATA法

水體在近紅外波段具有較低的光譜反射率，能夠很好地區(qū)分水體和非水體.利用該波段進行ISODATA分類主要是為了與NDWI-ISODATA法形成對比，分析原始數(shù)據(jù)不同對分類結(jié)果的影響.參照以上NDWI-ISODATA 法的參數(shù)設(shè)置，初始類別數(shù)也設(shè)為10類，然后對分類結(jié)果對照野外調(diào)查資料以及原始影像進行合并處理，從而提取出水體.

2.5 對比分析

對不同方法提取結(jié)果的比較包括定性比較和定量比較兩方面.定性比較主要是通過目視解譯結(jié)合野外實際調(diào)查結(jié)果比較不同方法的提取效果.定量比較則是通過計算不同方法提取水體的面積并統(tǒng)計面積的總值、最大值、最小值、平均值以及標準差等特征，然后進行比較.研究中將2.5m高分辨率融合影像ISODATA分類的結(jié)果作為參考值，主要比較其他3種方法(NDWI閾值法、NDWI-ISODATA法和NIR-ISODATA法)與參考值的差別以及3種方法結(jié)果之間的差別.NDWI閾值法和NDWI-ISODATA法均是在NDWI圖像基礎(chǔ)上進行的，因而可比較不同方法的提取結(jié)果.NDWI-ISODATA法和NIR-ISODATA法采用相同的ISODATA法，但初始數(shù)據(jù)不同，因而可歸為不同數(shù)據(jù)之間的提取結(jié)果比較.在比較過程中，主要利用了數(shù)理統(tǒng)計分析方法.

3 結(jié)果與討論

3.1 水體提取結(jié)果

分別利用高分辨率融合影像ISODATA法、NIR-ISODATA法、NDWI-ISODATA法和NDWI閾值法進行水體提取，得到的結(jié)果如圖2所示.可以得出：(1) 整體上利用2.5m高分辨率融合影像ISODATA法提取的水體面積最大，NDWI閾值法提取的水體面積最小，NIR-ISODATA法和NDWI-ISODATA法提取的水體面積相似，存在微小差異；(2) 2.5m高分辨率融合影像ISODATA法提取得到的細小水體最多最密，NIR-ISODATA法和NDWI-ISODATA法提取水體的微小信息量較多而密，NDWI閾值法對微小水體提取有一定的限制，說明ISODATA法比閾值法更能反映水體的細節(jié)信息，對于支離破碎的水體提取準確度更高；(3) 在水陸交界處，NDWI閾值法提取的水體明顯較少，NIR-ISODATA法和NDWI-ISODATA法提取的結(jié)果則基本與實際符合，因此NIR-ISODATA法和NDWI-ISODATA法可能對水陸交界處水體的提取效果更好；(4) 綜合分析圖中明顯水體信息，提取的目視效果最優(yōu)且穩(wěn)定的是NIR-ISODATA法和NDWI-ISODATA法，NDWI閾值方法效果相對較差.

圖2 研究區(qū)內(nèi)4種方法提取水體結(jié)果 (a：2.5m高分辨率融合影像ISODATA法；b：NIR-ISODATA法；c：NDWI-ISODATA法；d：NDWI閾值法)Fig.2 Results of water extraction of different methods in study area (a： ALOS multi-spectral data； b： NIR-ISODATA； c： NDWI-ISODATA； d： NDWI)

3.2 不同方法提取結(jié)果比較

為了比較不同方法的提取結(jié)果，對研究區(qū)內(nèi)35個封閉水域分別利用以上4種研究方法進行提取，獲得水面面積的統(tǒng)計特征，包括總面積、最大面積、最小面積、平均面積以及標準差.NDWI-ISODATA法和NIR-ISODATA法所提取的水體總面積分別為158.97和154.50km2，最大面積分別為25.58和25.18km2，最小面積均為0.11km2，平均面積分別為4.54和4.41km2，標準差分別為7.05和6.85km2.NDWI閾值法所提取的水體總面積為119.74km2，其最大值、最小值以及平均值分別為23.51、0.03、3.87km2，標準差為5.65km2.可以看出，與作為參考值的融合影像提取結(jié)果相比，3種方法提取的水體總面積、最大面積、最小面積以及平均面積均偏小，而NDWI閾值法提取的面積最小，NDWI-ISODATA法和NIR-ISODATA法的提取結(jié)果非常接近，但NDWI-ISODATA法提取水體面積的標準差更接近于參考值(表1).

NDWI閾值法、NDWI-ISODATA法和NIR-ISODATA法提取的水體面積與參考值之間呈顯著正相關(guān)，斜率分別為0.7495、0.9607、0.9333，截距分別為-0.1498、-0.0352、-0.0325km2，可見NDWI閾值法提取結(jié)果整體偏小，而其他兩種方法與參考值相差不大.3種方法提取水體的面積值與參考值擬合的確定系數(shù)R2分別為0.942、0.993和0.992，說明NDWI-ISODATA法的提取結(jié)果與參考值的擬合效果最好.均方根誤差(RMSE)分別為0.443、0.115、0.144km2，表明3種方法提取水體精度由高到低依次為NDWI-ISODATA法、NIR-ISODATA法和NDWI閾值法(圖3).

表1 不同方法提取水體面積統(tǒng)計Tab.1 Statistics of water surface areas derived from different methods

圖3 不同方法提取水體面積的精度(a：NDWI閾值法；b：NDWI-ISODATA法；c：NIR-ISODATA法)Fig.3 Accuracy of water surface areas derived from different methods (a： NDWI； b： NDWI-ISODATA； c： NIR-ISODATA)

3.3NDWI閾值法與NDWI-ISODATA法的比較

雖然NDWI閾值法與NDWI-ISODATA法都使用NDWI圖像作為分類基礎(chǔ)，但兩者之間存在著分類差異.NDWI-ISODATA法與NDWI閾值法所提取結(jié)果之間的斜率為1.2215，截距為0.3631km2，R2為0.957，RMSE為0.372km2，表明NDWI-ISODATA法普遍大于NDWI閾值法的提取結(jié)果(圖4a).NDWI閾值法提取面積為參考值的74.95%，NDWI-ISODATA法提取的水體面積為參考值的96.07%，因而前者比后者大21.12%.造成差異的主要原因在于ISODATA法采用迭代方法，不涉及人為選取閾值的過程，分類結(jié)果更為客觀.

圖4 基于NDWI 閾值法與ISODATA法提取水體結(jié)果的關(guān)系Fig.4 Relationship between water surface areas derived from NDWI thresholding and NDWI-based ISODATA methods

為進一步識別兩種方法之間的差異性來源，對所有NDWI-ISODATA法所提取水體對應(yīng)的閾值進行統(tǒng)計，發(fā)現(xiàn)這些閾值均在0.2左右，小于NDWI閾值法提取水體時所確定的閾值0.336，閾值越小所提取的水體面積越大.利用NDWI閾值法，將閾值設(shè)置為0.2，重新提取水體.結(jié)果顯示，當閾值設(shè)為0.2時，NDWI閾值法與NDWI-ISODATA法提取的水體面積非常相近，擬合R2=1，RMSE=0.003km2(圖4b).這些分析表明，NDWI-ISODATA法相對NDWI閾值法來說，避免了人為確定閾值的偶然性和隨機性，提取的結(jié)果更準確.

3.4NDWI-ISODATA法與NIR-ISODATA法的比較

圖5 NDWI-ISODATA法與NIR-ISODATA 法提取水體結(jié)果比較Fig.5 Comparison between water surface areas derived from NDWI-based ISODATA and NIR-based ISODATA methods

NDWI-ISODATA法與NIR-ISODATA法雖然使用了不同波段的數(shù)據(jù)，但兩者所提取的水體面積非常接近.這兩種方法所提取的水體面積呈顯著的線性相關(guān)，R2=0.999，RMSE=0.047km2，擬合偏差Bias=-0.0001km2.線性擬合直線的斜率為1.0285，截距為0.0021km2(圖5)，表明NDWI-ISODATA法所提取的水體面積略大于NIR-ISODATA法.與參考值相比，NDWI-ISODATA法與NIR-ISODATA法的RMSE分別為0.115和0.144km2，說明NDWI-ISODATA法所提取結(jié)果更準確一些.總體而言，這兩種方法均為ISODATA法，不同之處在于數(shù)據(jù)源，一個使用近紅外波段數(shù)據(jù)，另一個使用NDWI數(shù)據(jù).NDWI數(shù)據(jù)是將近紅外波段數(shù)據(jù)和綠波段數(shù)據(jù)進行組合處理得到的，相對于單波段近紅外波段數(shù)據(jù)而言，它綜合了兩個波段的水體光譜特征，包含了更多的水體信息，其水體識別精度比單波段高.

4 結(jié)論

本文以鄱陽湖湖區(qū)為研究對象，以ALOS PRISM全波段數(shù)據(jù)和AVNIR-2多光譜數(shù)據(jù)為基礎(chǔ)，首先將PRISM數(shù)據(jù)和AVNIR-2數(shù)據(jù)進行影像融合，得到2.5m高分辨率影像并對融合影像采用ISODATA法進行水體提取，將提取的2.5m分辨率水面面積作為參考值.然后分別使用NDWI閾值法、NDWI-ISODATA法和NIR-ISODATA法提取AVNIR-2多光譜數(shù)據(jù)，得到了10m分辨率的水體分布.在此基礎(chǔ)上分析了不同方法提取結(jié)果之間的差異性及產(chǎn)生原因，得到以下研究結(jié)論：

1)NDWI閾值法與NDWI-ISODATA法都使用NDWI圖像作為分類基礎(chǔ)，但兩者之間存在著分類差異.兩種方法提取的水體面積相對參考值的斜率分別為0.7495和0.9607，截距分別為-0.1498和-0.0352km2，R2值分別為0.942和0.993，RMSE值分別為0.443和0.115km2.將兩種方法對應(yīng)的水體面積作線性擬合后得到的線性斜率為1.2215，截距為0.3631km2，擬合R2=0.957，RMSE=0.372km2，說明NDWI-ISODATA法的提取效果優(yōu)于NDWI閾值法.改變最優(yōu)閾值后，NDWI閾值法與NDWI-ISODATA法的提取結(jié)果幾乎相同.NDWI-ISODATA法相對NDWI閾值法避免了閾值選取的隨機性，更能準確地反映水體的細節(jié)信息.

2)NDWI-ISODATA法與NIR-ISODATA法雖然使用了不同波段的數(shù)據(jù)，但兩者所提取的水體面積非常接近.兩種數(shù)據(jù)提取的水體面積相對參考值的斜率分別為0.9607和0.9333，截距分別為-0.0352和-0.0325km2，R2值分別為0.993和0.992，RMSE值分別為0.115和0.144km2，兩者的R2值相似，但RMSE差異較大.對兩種結(jié)果作線性擬合的結(jié)果顯示NDWI-ISODATA法的提取效果優(yōu)于NIR-ISODATA法.相對近紅外單波段，多波段組合指數(shù)NDWI增強了水體提取信息，提高了水體提取準確性.

3) 綜合比較發(fā)現(xiàn)，3種方法均可以較好地提取出圖像中的主體水體區(qū)域.在細小水體提取方面，NDWI-ISODATA法的提取結(jié)果最好，NIR-ISODATA法的提取效果其次，NDWI閾值法的提取效果最差.3種水體提取效果從好到差依次是：NDWI-ISODATA法、NIR-ISODATA法和NDWI閾值法.NDWI-ISODATA法不僅綜合了多個波段的水體光譜特征，同時不需要進行水體閾值的選取，避免了閾值選擇所帶來的主觀誤差，更能高精度地提取水體.因而認為基于NDWI數(shù)據(jù)的ISODATA法可以作為針對枯水期離散型湖泊水體提取精度較好的一種普適性的方法.

[1] 李景剛，李紀人，黃詩峰等.Terra/MODIS時間序列數(shù)據(jù)在湖泊水域面積動態(tài)監(jiān)測中的應(yīng)用研究.自然資源學(xué)報，2009，24(5)：923-933.

[2] Huang S， Li J， Xu M. Water surface variations monitoring and flood hazard analysis in Dongting Lake area using long-term Terra/MODIS data time series.NaturalHazards， 2012， 62(1)： 93-100.

[3] 李景剛，李紀人，黃詩峰等.近10年來洞庭湖區(qū)水面面積變化遙感監(jiān)測分析.中國水利水電科學(xué)研究院學(xué)報，2010，8(3)：201-207.

[4] 鄧勁松，王 珂，鄧艷華等.SPOT-5衛(wèi)星影像中水體信息自動提取的一種有效方法.上海交通大學(xué)學(xué)報：農(nóng)業(yè)科學(xué)版，2005，23(2)：198-201.

[5] Barton IJ， Bathols JM. Monitoring floods with AVHRR.RemoteSensingofEnvironment， 1989， 30(1)： 89-94.

[6] 杜云艷，周成虎.水體的遙感信息自動提取方法.遙感學(xué)報，1998，2(4)：264-268.

[7] 吳 賽，張秋文.基于MODIS遙感數(shù)據(jù)的水體提取方法及模型研究.計算機與數(shù)字工程，2005，33(7)：1-4.

[8] 丁莉東，吳 昊.MODIS圖像湖泊水體信息的快速識別與制圖.海洋測繪，2006，26(6)：31-34.

[9] Jain S， Singh R， Jain Metal. Delineation of flood-prone areas using remote sensing techniques.WaterResourcesManagement， 2005， 19(4)： 333-347.

[10] Hui F， Xu B， Huang Hetal. Modelling spatial-temporal change of Poyang Lake using multitemporal Landsat imagery.InternationalJournalofRemoteSensing， 2008， 29(20)： 5767-5784.

[11] 席曉燕，沈 楠，李小娟.ETM+影像水體提取方法研究.計算機工程與設(shè)計，2009，(4)：993-996.

[12] 楊存建，周成虎.利用RADARSAT SWA SAR和LANDSAT TM的互補信息確定洪水水體范圍.自然災(zāi)害學(xué)報，2001，10(2)：79-83.

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

[14] 何智勇，章孝燦，黃智才等.一種高分辨率遙感影像水體提取技術(shù).浙江大學(xué)學(xué)報：理學(xué)版，2005，31(6)：701-707.

[15] 賈德偉，鐘仕全，李 雪等.環(huán)境一號衛(wèi)星高光譜數(shù)據(jù)水體信息提取方法.測繪科學(xué)，2011，36(4)：128-130.

[16] 宋 平，劉元波，劉燕春.陸地水體參數(shù)的衛(wèi)星遙感反演研究進展.地球科學(xué)進展，2011，26(7)：731-740.

[17] 李文慶，姜琦剛，邢 宇等.基于Google Earth的ETM+遙感圖像自動分類方法.江西農(nóng)業(yè)學(xué)報，2012，24(12)：158-163.

[18] 曲 偉，路京選，李 琳等.環(huán)境減災(zāi)小衛(wèi)星影像水體和濕地自動提取方法研究.遙感信息，2011，(4)：28-33.

[19] 鄧書斌.ENVI遙感圖像處理方法.北京：科學(xué)出版社，2010.

[20] 王蘇民，竇鴻身.中國湖泊志.北京：科學(xué)出版社，1998.

[21] 楊菁媛，方朝陽，陳曉玲.基于多時相ENVISAT ASAR的鄱陽湖水面覆蓋信息提取及其應(yīng)用研究.安徽農(nóng)業(yè)科學(xué)，2011，39(11)：6874-6876.

[22] 戴麗君，劉 闖.ALOS融合影像中水體信息提取方法研究.水資源與水工程學(xué)報，2011，22(3)：106-109.

[23] 趙 紅，賈永紅，張曉萍等.遙感影像融合方法在ALOS影像水體信息提取中的應(yīng)用研究.水資源與水工程學(xué)報，2010，21(3)：56-58.

[24] Jin X， Davis CH. An integrated system for automatic road mapping from high-resolution multi-spectral satellite imagery by information fusion.InformationFusion， 2005， 6(4)： 257-273.

[25] McFeeters SK. The use of the Normalized Difference Water Index(NDWI) in the delineation of open water feature.InternationalJournalofRemoteSensing， 1996， 17(7)： 1425-1432.

[26] Ming-Guo MA.基于遙感的湖泊水域動態(tài)變化監(jiān)測研究進展.遙感技術(shù)與應(yīng)用，2009，24(5)：674-684.

[27] 郭 鵬，鄒春輝，趙學(xué)斌.MODIS影像水體監(jiān)測方法研究進展.氣象科技，2013，40(6)：869-873.

[28] Bryant RG. Application of AVHRR to monitoring a climatically sensitive playa. Case study： Chott el Djerid， southern Tunisia.EarthSurfaceProcessesandLandforms， 1999， 24(4)： 283-302.

[29] Liu Y， Song P， Peng Jetal. A physical explanation of the variation in threshold for delineating terrestrial water surfaces from multi-temporal images： effects of radiometric correction.InternationalJournalofRemoteSensing， 2012， 33(18)： 5862-5875.

[30] 李曉娟，宮兆玲，劉曉萌.ENVI遙感影像處理教程.北京：中國科學(xué)環(huán)境出版社，2007.

[31] 楊小明，羅 云.ISODATA算法的實現(xiàn)與分析.采礦技術(shù)，2006，6(2)：66.

[32] 薛星宇，劉紅玉.基于ALOS影像的鹽城海濱濕地遙感信息分類方法研究.遙感技術(shù)與應(yīng)用，2012，27(2)：248-255.

[33] 嚴恩萍，林 輝，莫登奎.基于CIWI模型的洪湖市水體識別及動態(tài)監(jiān)測.水生態(tài)學(xué)雜志，2011，32(6)：14-19.

Accuracy comparison and analysis of methods for water area extraction of discrete lakes

JI Hongxia1，2， FAN Xingwang1，2， WU Guiping1& LIU Yuanbo1

(1：NanjingInstituteofGeographyandLimnology，ChineseAcademyofSciences，Nanjing210008，P.R.China)(2：UniversityofChineseAcademyofSciences，Beijing100049，P.R.China)

Remote sensing is a widely used technology for water surface monitoring.Currently， there exists no general method for water surface extraction at a dispersed lake， which affects the accuracy of lake area monitoring.For investigation of different methods， this paper uses ALOS multi-spectral data to extract lake surface in Lake Poyang.The reference lake area is obtained by unsupervised classification(ISODATA， Iterative Self-Organizing Data Analysis Technique Algorithm) based on fused 2.5m ALOS multi-spectral data.Subsequently， three methods are investigated based on 10m ALOS data， including Normalized Difference Water Index(NDWI) thresholding，NDWI-based ISODATA method and Near Infrared(NIR)-based ISODATA method.Differences between these extractions are analyzed for intrinsic reasons.The main findings are：(1) all three methods can be used for water surface identification， ISODATA method provides more detailed information and larger water surface area；(2)NDWI-based method performs better thanNIR-based method and the extraction accuracy increases；(3)NDWI-based ISODATA gets the most reliable result withR2=0.993 andRMSE=0.115km2， followed byNIR-based ISODATA withR2=0.992 andRMSE=0.144km2， andNDWIthresholding withR2=0.938 andRMSE=0.443km2.The results provide important references for selection of method and data source for water extraction of lake in dry season.

Remote sensing； water extraction；NDWI； ISODATA； Lake Poyang

*國家重點基礎(chǔ)研究發(fā)展計劃“973”項目(2012CB417003)和中國科學(xué)院南京地理與湖泊研究所“一三五”戰(zhàn)略發(fā)展規(guī)劃項目(NIGLAS2012135001)聯(lián)合資助.2014-04-10收稿；2014-07-02收修改稿.吉紅霞(1989～)，女，碩士研究生；E-mail： jihongxia1026@163.com.

**通信作者；E-mail： ybliu@niglas.ac.cn.