基于遙感的汶川震區水體快速提取

丁美青肖紅光彭文瀾吳昊

（1中南大學地球科學與信息物理學院，長沙 410083）

（2長沙理工大學計算機與通信工程學院，長沙 410004）

（3長沙理工大學交通運輸工程學院，長沙 410004）

1 引言

2008年5 月12 日發生的汶川8.0級大地震是我國自唐山地震之后又一次地震巨災，造成了巨大的生命財產損失。這次大地震的重災區主要在山區，受地震引發的嚴重滑坡、泥石流等災害影響，大量水體被攔截，形成一系列堰塞湖。在缺乏足夠地面震害調查資料的情況下，通過遙感手段獲取災區震后遙感影像，快速提取震區水體信息，對地震災害及其損失進行快速評估，為地震應急指揮和制定救援決策提供重要依據，從而提高災害信息綜合分析的能力。

近年來，利用衛星遙感數據提取水體信息的方法，得到了廣泛的研究。近年來常用的水體信息提取方法主要包括：閾值法、差值法、比值法、密度分割法、譜間關系法以及基于知識的水體自動判別方法和根據形狀信息進行水體識別與分類方法等[1-7]。其中，單波段閾值法利用水陸界限反映較好的近紅外波段值與某閾值的關系進行水體的提取，提取的結果中夾雜著山體陰影；譜間關系法是通過分析水體與背景地物的波譜曲線特征，找出水體在各波段之間滿足的邏輯判別表達式，將水體提取出來，這種方法需要大量典型的樣本進行波譜特性的分析，相對比較復雜。此外以上常用方法仍存在對細小水體的漏判和對山體陰影的誤判兩方面缺陷。此外，諸如決策樹和信息熵等比較新穎的方法相對復雜，且同樣沒有解決上述兩個問題[8-9]。同一方法不可能適用于所有情況，必須對研究地區的特點、遙感影像特征以及水體的遙感信息機理等方面進行綜合分析研究，最后才能確定使用某一方法或幾種方法綜合使用。本文利用LBV變換與歸一化植被指數（Normalized Difference Vegetation Index，NDVI）圖像相結合的水體信息快速提取模型，根據在可見光波段水體吸收其能量少、反射率較低、透射性高，在近紅外波段幾乎吸收全部入射能量的特性，以及 NDVI對植被信息的敏感性，對北川縣城及附近區域的“福衛二號”衛星數據水體識別問題進行了研究。

2 研究區概況及數據源

四川省北川縣位于四川盆地西北部，距成都160km，全境皆山，峰巒起伏，其西屬岷山山脈，其東屬龍門山脈，最高點插旗山海拔4 769m，最低點香水渡海拔540m，相對高差4 229m。地勢西北高，東南低，由西北向東南平均每千米海拔遞降46m。水資源豐富，密布的溪流分別匯集于湔江、蘇寶河、平通河，順山勢自西北向東南奔流出境。這樣的位置和地質條件，也是北川受災嚴重的原因。

北川縣城烈度為Ⅺ，四周環繞多處山體滑坡、堰塞湖等，災情極為嚴重。研究區選在北川縣城及附近，利用分辨率為8m的“福衛二號”衛星在2006年5月14日與2008年5月14日的兩幅多光譜影像數據（見圖1）進行水體信息提取?！案Ｐl二號”衛星由中國臺灣制造，2004年5月由美國發射；分為全色和多光譜影像。其多光譜波段包括：0.45～0.52μm（藍），0.52～0.60μm（綠），0.63～0.69μm（紅），0.76～0.90μm（近紅外）4 個波段。

圖1 數據源Fig.1 Data source

3 水體提取原理

本文采用LBV變換與NDVI圖像相結合的水體信息快速提取模型對研究區進行水體信息提取。

LBV變換是將多波段的遙感圖像變換成LBV 3個分量，地面主要覆蓋在各分量圖上呈現不同的影像特征：L分量表示地物的總輻射水平；B分量表示地物的可見光—紅外光輻射平衡；V分量表示地物輻射隨波段變化的方向和速度[10]。對于水體而言，B值能較好反映地物的可見光輻射和紅外光輻射的相互對比關系和平衡關系，在可見光波段水體吸收其能量少、反射率較低，透射性高，在近紅外波段幾乎吸收全部的入射能量，因此水體紅外光輻射極弱而可見光輻射較強，平衡點向紅外方向移動，使得水體具有最大的B值。在反映本地區地面水和水分多少的B值黑白圖像上，水體最白最亮（無論輕水或混水都如此），B值最大；潮濕的地面次白次亮，B值次大；干而裸的地面較黑，B值較小。

NDVI稱為歸一化植被指數，通過近紅外波段與可見光紅波段數值之差和這兩個波段數值之和的比值獲得，即

式中 NDVI為歸一化植被指數，NIR為影像近紅外波段，Red為影像紅光波段。

歸一化植被指數通過比值的方式部分消除了太陽高度角、衛星觀測角、地形和云（陰影）等的影響[11]。水在紅光波段反射率基本在 2%～4%范圍內，在近紅外波段的反射率幾乎為0，水體在紅光波段比近紅外波段有較高的發射作用，其NDVI值＜0；健康植被在可見光范圍通常反射10%～20%的能量，在近紅外波段反射40%～50%的能量，因此NDVI＞0，且隨植被覆蓋度的增大而增大。因此提取NDVI值可以將水體與植被分離，然后通過LBV變換，將水體與植被、巖石、裸土等主要地物分開。

經過變換后，無論清水或渾水都具有其紅外光輻射極弱而可見光輻射較強的特性，使得水體的B值與其它地物相比都較大，可以通過B值分量圖閾值法進行水體信息的提取，將水體與植被、巖石、裸土等主要地物分開。水植混合體輻射特性由水體和植被共同決定，但經過反復實驗發現，低密度覆蓋的水植混合體以水體輻射特性為主，植被輻射特性為次，水體和低密度覆蓋的水植混合體具有相近的B值，如果單獨使用圖像通過閾值法進行水體的提取很容易將低密度覆蓋的水植混合體誤分到水體中。歸一化植被指數增強了近紅外與紅色通道反射率的對比度，是近紅外波段和紅色波段比值的非線性拉伸，提高了植被的輻射特性，對于低密度覆蓋的植被具有較高的敏感度，低密度覆蓋的植被區的NDVI值大于0，對于NDVI圖像以0為界限能將水與低密度覆蓋的水植混合體分開。使用B分量值與NDVI值結合進行水體信息自動提取的模型，充分利用了B分量對水體具有較好的可分性，同時也利用NDVI對低密度植被的敏感性來提高水體分類的準確性。與其他方法比較，該方法具有提取速度快，精度高，可以將水體與低密度覆蓋的水植混合體區分開等優點。

4 水體提取模型及實現

水體自動提取的模型為：

其中 B為LBV變換獲得的B分量值；NDVI為歸一化植被指數值；T為分類閾值。

該水體提取模型的實現過程如下：首先對多波段的原始影像進行LBV變換，通過典型采樣點確定B分量圖中水體的提取閾值，提取出B分量圖中所有大于閾值的像元；然后計算原始影像的NDVI值，并分離出NDVI小于0的像元；最后將提取的兩部分像元求交集，得到的就是提取的水體圖。

對原始影像進行LBV變換的方法可參考曹亞喬、曾志遠等《常用衛星圖像數據光譜變換新方法》[12]，由公式所示為：

式中 D1，D2，D3和 D4分別為“福衛二號”衛星的第 1，2，3，4 波段影像的灰度值。

在提取的B分量圖上選取100個水體采樣點，進行統計特征分析，通過實驗確定閾值為180，將B分量圖中灰度值大于180閾值的像素提取出來，與該地區的地形圖和原始影像圖進行目視對比發現，原始影像圖中水體較完整地提取出來，基本沒有漏提現象，但有一部分低密度覆蓋的水植混合體區作為水體提取出來。然后在ERDAS IMAGINE 9.2中通過建模實現NDVI的提取，然后將B分量圖和NDVI影像求交集就得到了最后的水體圖。圖2和圖3分別為2006年5月14日和2008年5月14日的B分量影像、NDVI影像和水體提取結果。提取結果與原始影像比較發現，該模型將影像中的水體較完整提取出來，并將水體與低密度的水植混合物區嚴格區分開。表1是兩幅影像水體提取結果：水體與非水體所占影像總面積的百分比及分類精度。

圖2 2006年5月14日“福衛二號”影像處理結果Fig.2 FORMOSAT-2 Image Processing Results on May 14，2006

圖3 2008年5月14日“福衛二號”影像處理結果Fig.3 FORMOSAT-2 Image Processing Results on May 14，2008

?

從表中可以看出，災害發生后水體面積略微減小，主要是因為該區域滑坡和泥石流災情嚴重，大量泥沙堆積在河道兩旁，提取結果與實際情況基本相符。

為便于對比分析，采用閾值法與密度分割法分別對影像進行水體提取，并與本文提出的方法進行比較，結果顯示閾值法和密度分割法提取精度均小于90%，精度低于本課題提出的LBV變換與NDVI相結合的方法。

5 結束語

本文應用LBV變換與NDVI影像數相結合的方法，對北川縣城附近水體信息進行快速提取，目的為了快速提取震區水體信息，對地震災害及其損失進行快速評估，提供災害背景特征參數。其突出的優點是可以將水體與低密度覆蓋的水植混合體區分開，提取結果符合實際情況，建立模型的理論依據充分可靠，計算機容易實現；與其它方法相比具有較高的準確度，提取速度快，完全能滿足災害背景參數8h內提取的要求。但是當地震災害發生時，當地經常是大雨，數據獲取情況不是很理想，晴朗的天氣，云層的覆被又很重，所以要提取整個災區的水體信息還有難度。

（

）

[1]李小曼，王剛，田杰.TM影像中水體提取方法研究[J]．西南農業大學學報，2006（4）：580-582．

LI Xiaoman，WANG Gang，TIAN Jie.Study of the Method of Picking-up Small Water-Bodies in Landsat TM Remote Sensing Image[J].Journal of Southwest Agricultural University，2006（4）：580-582．（in Chinese）

[2]閆霈，張友靜，張元．利用增強型水體指數（EWI）和GIS去噪音技術提取半干旱地區水體信息的研究[J]．遙感信息，2007（6）：62-67．

YAN Pei，ZHANG Youjing，ZHANG Yuan.A Study on Information Extraction of Water System in Semi-arid Regions with the Enhanced Water Index（EWI） and GIS Based Noise Remove Techniques[J].Remote Sensing Information，2007（6）：62-67．（in Chinese）

[3]丁鳳.一種基于遙感數據快速提取水體信息的新方法[J]．遙感技術與應用，2009（2）：167-171．

DINGFeng.ANewMethodforFastInformationExtractionofWaterBodiesUsingRemoteSensingData[J].Remote Sensing Technology and Application，2009（2）：167-171．（in Chinese）

[4]馬丹.基于 MODIS 數據的水體提取研究[J]．地理空間信息，2008（1）：25-28．

MA Dan.Method for Water Bodies Extraction Based on MODIS Images[J].Geospatial Information，2008（1）：25-28．（in Chinese）

[5]曾建航，魏萌，王靳輝，等.基于知識的遙感影像模糊分類方法[J]．測繪科學技術學報，2008，25（3）：172-175．

ZENG Jianhang， WEI meng， WANG Jinhui，et al.Fuzzy Image Classification Act Based on Knowledge[J].Journal of Geomatics Science and Technology，2008，25（3）：172-175．（in Chinese）

[6]曹揚，洪金益.基于統計分析的遙感圖像分類方法[J]．西部探礦工程，2008，20（4）：130-133．

CAOYang， HONGJinyi.BasedonStatisticalAnalysisofRemoteSensingImageClassification[J].West-ChinaExplorationEngineering，2008，20（4）：130-133．（in Chinese）

[7]王志輝，易善楨.不同指數模型法在水體遙感提取中的比較研究[J]．科學技術與工程，2007，7（4）：534-537

WANG Zhihui，YI Shanzhen.Comparison and Research on the Different Index Models Used in Water Extraction by Remote Sensing[J].Science Technology and Engineering，2007，7（4）：534-537.（in Chinese）

[8]FU June，WANG Jizhou，LI Jiren.Study on the Automatic Extraction of Water Body from TM Image Using Decision Tree Algorithm[C]//International Symposium on Photoelectronic Detection and Imaging Technology and Application（ISPDI）2007.Beijing，China，2007.

[9]ZHANG Zhaohui，Veronique Prinet，MA Songde.Water Body Extraction from Multi-source Satellite Images[C]//IEEE International Geoscience and Remote Sensing Symposium（IGARSS）2003.Toulouse，France，2003.

[10]曾志遠.衛星遙感圖像計算機分類與地學應用研究[M]．北京：科學出版社，2004：1-8，170-190．

ZENG Zhiyuan.Research on Computer Classification of Satellite Images and Application in Geoscience[M]．BeiJing：Science Press，2004：1-8，170-190．（in Chinese）

[11]趙英時，等.遙感應用分析原理與方法[M]．北京：科學出版社，2003：372-387．

ZHAO Yingshi， et al.Applications of Remote Sensing Principle and Method[M]．BeiJing：Science Press，2003：372-387．（in Chinese）

[12]曹亞喬，曾志遠，曹建洲.常用衛星圖像數據光譜變換新方法[J]．環境保護與循環經濟，2009（10）：17-19．

CAO Yaqiao，ZENG Zhiyuan，CAO Jianzhou.The New Method of Spectral Data Transformation of Ordinary Satellites Images[J].Environmental Protection and Circular Economy，2009（10）：17-19．（in Chinese）