李燕燕

摘要：城市河道水體寬度較窄，易受建筑用地、陰影等信息干擾，使得利用高分辨率遙感提取城市河道水體岸線效果不佳。本文以GF-2衛(wèi)星融合影像為主要數據源，選取河北省兩處線狀水體為研究對象，依據GF-2衛(wèi)星影像各個波段地物的光譜特性，采用水體指數法，以及單波段閾值法與陰影水體指數相結合的方法提取水體信息。結合高分辨率影像目視解譯選取的樣本計算混淆矩陣，對上述方法提取的水體信息結果進行精度評定及對比分析。實驗結果表明，水體指數法在建筑用地、陰影等與水體光譜特性較接近的區(qū)域誤提現象較嚴重;單波段閾值法易受城市建筑物陰影的影響，單波段閾值法與陰影水體指數相結合的方法可有效抑制建筑用地、陰影等干擾，提取完整水體信息，總體精度在90%以上。

關鍵詞：高分二號??水體提取??水體指數法??單波段閾值法??陰影水體指數

中圖分類號：P205?文獻標識碼：A???文章編號：1672-3791（2022）07（b）-0000-00

地理國情，即以地球表層自然、生物和人文現象的空間變化和它們之間的相互關系、特征等為基本內容，對構成國家物質基礎的各種條件因素進行宏觀性、整體性、綜合性的調查、分析和描述。地表覆蓋是地理國情監(jiān)測的基礎，目前一般采用人工判讀繪制的方法，效率較低[1]。水體覆蓋采集的工作量很大，水體分布信息的準確獲取對水資源調查、流域綜合治理、水利規(guī)劃、洪水監(jiān)測與災害評估等領域具有重要意義。遙感影像具有直觀明了、宏觀性強的特點，能清楚地反映出區(qū)域或者整個流域的水體空間分布情況，利用遙感技術提取水體信息已成為一種趨勢。常用的水體提取方法主要有水體指數法、多波段譜間關系法、單波段閾值法、密度分割法及圖像分類法等。目前的水體提取研究主要是圍繞國外的中、高分辨率衛(wèi)星開展的。水體空間分布情況、衛(wèi)星影像分辨率及波段對水體提取方法的選擇有不同的需求[2]。城市內的高層建筑、橋梁、樹木等的陰影現象較普遍，對水體信息提取造成干擾，并且城市河道水體一般較窄，從中、低分辨率遙感衛(wèi)星遙感影像中較難識別。GF-2衛(wèi)星數據在國土資源調查與監(jiān)測、城鄉(xiāng)規(guī)劃監(jiān)測、交通路網規(guī)劃、防災救災、環(huán)境監(jiān)測等領域都將發(fā)揮重要的作用，但目前針對該數據的城市河道水體信息提取方法的適用性研究還相對較少。為此，該文利用單波段閾值法、水體指數法及單波段閾值法與陰影水體指數模型相結合的方法，分別對河北省兩處河道的GF-2衛(wèi)星融合影像進行水體信息提取實驗，并對三種方法的提取結果進行對比和分析。

選取河北的某兩條河流為研究區(qū)域。其中，河流1長約1?700?m，水面平均寬約10?m，最窄處約4?m;河流2河段長約2?500?m，水面平均寬約23?m[3]。

實驗數據采用GF-2?PMS2?L1A級數據，包括1m全色影像及4m多光譜影像。多光譜影像的光譜范圍包括藍（0.45～0.52?μm）、綠（0.52～0.59?μm）、紅（0.63～0.69?μm）、近紅外（0.77～0.89?μm）四個波段。河流1和河流2研究區(qū)域的影像獲取時間分別為2020年9月2日及2020年9月3日。

為了得到更加精確的水體提取信息，需要對數據進行正射校正、輻射定標、大氣校正及影像融合等預處理。影像預處理的流程如所圖1所示。

2.1??水體特征分析

水體因對入射能量（太陽光）具有強吸收性，所以在大部分遙感傳感器的波長范圍內，總體上呈現較弱的反射率，并具有隨著波長的增加而進一步減弱的趨勢。具體表現為在可見光的波長范圍里（480～580?nm），其反射率約為4%～5%，但到了580?nm處，則下降為2%-3%;當波長大于740?nm時，幾乎所有入射純水體的能量均被吸收。由于水體在近紅外及隨后的中紅外波段范圍內（740～2?500?nm）所具有的強吸收特點，導致了清澈水在這一波長范圍內幾乎無反射率，因此，這一波長范圍常被用來研究水陸分界、圈定水體范圍。但是隨著水體渾濁度（各種有機、無機物質濃度）的增加，水體的反射率會有所變化。如水體泥沙含量的增加會導致反射率的提高，并使光譜曲線的反射峰往長波方向移動[4]。

在GF-2衛(wèi)星多光譜相機拍攝的影像中，水體的紋理一般比較均勻、平滑，并在一定空間范圍內，高程趨于平緩;水體形狀不一，但與周邊地表覆蓋類型光譜差異較大。城市中的湖泊、河流如果為正常水體，其在真彩色影像中展示的色彩為墨綠和綠色，在彩紅外影像中展示為黑色或藍黑色，通過目視判別，較易與其他地物進行區(qū)分。而富營養(yǎng)化或黑臭水體呈現黑灰色，且很可能被浮萍覆蓋。被浮萍覆蓋的水體更是呈現亮色，更加易于區(qū)分。

2.2??單波段閾值法

單波段閾值法主要是利用水體在近紅外波段強吸收性，而干土壤及植被在該波段強反射性的特點，根據影像的灰度特征，經過采樣確定其閾值，進行水體的提取。GF-2影像數據提取模型如下：

式中，b4為經過數據預處理后的GF-2近紅外波段輻射亮度值，N為設定的提取水體的閾值。

2.3??水體指數法

歸一化差異水體指數（NDWI）法是依據水體信息在綠光波段及近紅外波段具有較強反射和吸收的特性，將二者的差及和做比值運算，從而達到增強水體信息，抑制背景地物的效果，有效提取水體信息。基于GF-2影像數據的水體提取模型如下[5]：

式中，b2和b4分別為GF-2綠波段及近紅外波段的輻射亮度值。理論上可選取NDWI閾值為0，將水體信息與其他地物區(qū)分開來，但實際中應根據采用的具體影像及研究區(qū)域選取合適的閾值。

2.4??陰影水體指數模型

基于上述方法提取出的水體信息結果往往摻雜城市建筑物、樹木等陰影，因此需要將陰影從提取出的暗區(qū)中分離出來。在單波段閾值法基礎上，根據GF-2的4個多波段光譜特征，構建陰影水體指數（Shadow?Water?Index，SWI）模型[6]：

式中，SWI為陰影水體指數，b1，b2，b4分別為GF-2的綠、藍和近紅外波段，N為經驗性閾值，根據具體研究區(qū)域，設定陰影與水體分離的閾值。

實驗結果分析

3.1??實驗結果

基于GF-2影像，采用單波段閾值法、NDWI閾值法及單波段閾值法與SWI模型相結合的方法提取河流1和河流2?水體信息的結果如圖2和圖3所示：

（1）利用單波段閾值法提取河流水體信息時，分別設置閾值b4<650和b4<1050時為水體，由于水體與陰影在近紅外波段有交叉部分，提取結果中包含大量建筑物的陰影信息。

（2）利用NDWI法提取水體信息時，設置經驗閾值NDWI>0.18時為水體，能夠較好地提取出水體輪廓，提取結果中摻雜小面積的陰影信息。但是利用NDWI法提取洋河水體輪廓卻效果不佳，試驗多個閾值后，提取結果中仍包含大量建筑物及其陰影信息。盡管在洋河假彩色合成影像中，水體呈現藍黑色，未見異常，但經實地調研，發(fā)現研究范圍內的洋河水質較差，接近岸邊處水體呈現深灰色并有刺鼻氣味。水質的變化引起了水體光譜特征的變化，進而導致利用NDWI法提取水體信息效果不佳。

（3）基于單波段閾值法，并利用SWI模型去除陰影干擾，根據影像數據實際情況，分別設定閾值為900和780時，提取出的水體信息較好，基本與目視解譯結果一致。

3.2??精度驗證

通過目視解譯，對應研究區(qū)域，在quickbird影像上分別選取50個水體樣本和50個非水體樣本導入到兩幅影像中進行精度評價。通過計算混淆矩陣，得到三種水體提取方法的精度，結果如表1所示。從精度評價的結果來看，單波段閾值法與SWI相結合的方法提取結果精度最高，兩個研究區(qū)域提取結果的總體精度均達到90%以上。對于永定河引水渠南支而言，NDWI法的提取精度要高于單波段閾值法;而對于河流2而言，NDWI法的提取精度最低。綜上，可以得出單波段閾值法與SWI相結合的方法在城市河道水體提取方面具有較好的適用性和優(yōu)勢性，可以為水利規(guī)劃、水環(huán)境監(jiān)測和災害評估等工作提供一定的科學參考。

結論

該文基于GF-2衛(wèi)星融合影像，選取河北省河道寬度較窄的兩條河道為研究區(qū)域，分別采用單波段閾值法、歸一化差異水體指數法，以及單波段閾值法與陰影水體指數模型相結合的方法，提取研究區(qū)域的水體信息。實驗結果表明，利用單波段閾值法與陰影水體指數模型相結合的方法能夠抑制陰影信息的干擾，快速提取城市河道水體信息，總體精度在90%以上，能夠為城市水環(huán)境遙感研究和應用提供一定的輔助和參考。通過實驗，得到以下結論：

（1）通過對三種方法結果的比較分析，單波段閾值法提取結果中極易混淆陰影信息;NDWI法易受小面積陰影影響;在單波段閾值法基礎上，利用SWI模型可有效去除陰影信息，將水體與陰影分體，得到較好的水體信息提取結果。

（2）基于高分辨率衛(wèi)星遙感影像提取城市寬度較窄的河道信息具有可行性。將全色影像與多光譜影像融合，有助于城市細小河流岸線的提取。

（3）水體富營養(yǎng)化或黑臭時會引起水體的光譜特征發(fā)生變化，因此水體的水質情況影響水體提取方法的適用性，還需進一步研究針對非正常水體的提取方法。

參考文獻

[1]張鵬，張存，羅紅斌，等.地理國情監(jiān)測專題地表覆蓋數據質量控制探討[J].測繪技術裝備，2021，23（3）：13-15，27.

[2]陳根良，董勝光.面向地理國情監(jiān)測的房屋建筑區(qū)樹冠覆蓋多特征協(xié)同提取[J].測繪通報，2021（10）：73-77.

[3]陳佳.面向地理國情監(jiān)測的水系提取研究與分析[D].西安：西安科技大學，2017.

[4]徐鋒，孫婷婷.基于國土調查的地理國情監(jiān)測研究[J].測繪通報，2021（S1）：96-99.

[5]曲濰豐.地理國情監(jiān)測數據自動變化檢測技術研究及系統(tǒng)研發(fā)[D].成都：西南交通大學，2017.

[6]李瑩.地理國情常態(tài)化監(jiān)測外業(yè)調查與核查技術探討[D].長春：吉林大學，2017.