基于高分辨率遙感影像的地理國(guó)情普查水體信息提取方法

程 滔，劉若梅，周 旭

(國(guó)家基礎(chǔ)地理信息中心，北京 100830)

一、引 言

地表覆蓋信息提取是地理國(guó)情普查項(xiàng)目的重點(diǎn)內(nèi)容，水體是地表覆蓋的重要組成部分，是重要的地理國(guó)情信息。掌握我國(guó)水體現(xiàn)狀及空間分布情況，能夠?yàn)榻?jīng)濟(jì)社會(huì)發(fā)展和生態(tài)文明建設(shè)科學(xué)決策提供有力的數(shù)據(jù)依據(jù)。

常規(guī)水體信息自動(dòng)提取方法主要利用歸一化差異水體指數(shù)(NDWI)算法，該算法是通過尋找水體的最強(qiáng)反射波段和最弱反射波段，將強(qiáng)者置于分子，弱者置于分母，從而達(dá)到增強(qiáng)水體對(duì)象，抑制背景地物，實(shí)現(xiàn)水體信息提取的目的。

地理國(guó)情普查項(xiàng)目中，為了掌握全面、客觀、準(zhǔn)確、高精度的地理國(guó)情信息，使用的數(shù)據(jù)源均為高分辨率遙感影像，并且大部分為WorldView2的4波段(藍(lán)色波段：450～510 nm，綠色波段：510～580 nm，紅色波段：630～690 nm，近紅外波段：770～895 nm，分別用B、G、R、N表示)影像。

NDWI算法在基于中、低分辨率遙感影像水體信息提取中具有非常好的適用性，但在高分辨率遙感影像中，由于不同地表覆蓋類型間的特征差異表現(xiàn)得更加細(xì)微，并且高層房屋建筑、橋梁、山體等的陰影現(xiàn)象較普遍，提取出的水體信息中常常混入陰影等干擾信息。同時(shí)，影像分辨率越高，同類地物內(nèi)部光譜差異越大，基于像元光譜統(tǒng)計(jì)的分類技術(shù)已經(jīng)不能滿足高分辨率遙感影像信息提取的要求。

因此，本文研究基于高分辨率遙感影像的、面向?qū)ο蟮乃w信息提取方法。首先獲取試驗(yàn)區(qū)影像，分析水體在影像中的波段特性，設(shè)計(jì)NDWI算法的模型；然后通過水體各類特征，挖掘用于水體信息提取的典型特征，包括藍(lán)波段的比率值(ratio layer B)、標(biāo)準(zhǔn)方差值(standard deviation layer B)指標(biāo)，構(gòu)建水體信息提取指數(shù)，提取水體信息，并在此過程中，利用歸一化植被指數(shù)(NDVI)等模型去除陰影；最后，選取方法驗(yàn)證區(qū)，利用提出的方法對(duì)區(qū)域內(nèi)水體信息進(jìn)行提取，驗(yàn)證方法的適用性和穩(wěn)健性。

二、水體信息提取模型構(gòu)建

1. 水體特征分析與挖掘

水體對(duì)太陽(yáng)光的入射能量具有強(qiáng)吸收性，因此在大部分遙感傳感器的波長(zhǎng)范圍內(nèi)，總體上呈現(xiàn)較弱的反射率，并隨著波長(zhǎng)的增加而進(jìn)一步減弱。圖1為水體在16 bit WorldView2 4波段影像波譜上的特征曲線。

可以看出，水體在綠波段、近紅外波段上，分別表現(xiàn)出了強(qiáng)反射、強(qiáng)吸收特征；在藍(lán)波段上也表現(xiàn)出較強(qiáng)反射特性。前者通常用來構(gòu)建NDWI指數(shù)，而對(duì)于后者，目前用來進(jìn)行水體信息提取的研究與應(yīng)用較少，不過這一特征是本文研究的重點(diǎn)。

圖1 水體在WorldView2影像波譜上的特征曲線

這些特征是水體的典型特征，另外，在大部分遙感影像上，水體的紋理一般比較均勻、平滑；水體形狀不一，但與周邊地表覆蓋物光譜差異較大，在高分辨率遙感影像上，通過目視判讀，較易區(qū)分與識(shí)別；并且，水體在一定的區(qū)域范圍內(nèi)，高程趨于平穩(wěn)，起伏比較平緩。在本文的研究中，上述特征都將作為水體信息提取的指標(biāo)參數(shù)。

2. 水體特征規(guī)則構(gòu)建

水體特征規(guī)則的構(gòu)建首先還是NDWI指數(shù)，根據(jù)水體在WorldView2影像上的第一項(xiàng)特征，構(gòu)建歸一化差異水體指數(shù)公式為：NDWI=(G-N)/(G+N)。式中，G參數(shù)為像元的綠波段亮度值；N參數(shù)為像元的近紅外波段亮度值。依據(jù)NDWI指數(shù)創(chuàng)建的規(guī)則是水體信息提取的主要規(guī)則。

僅利用NDWI指數(shù)提取的水體信息中，通常會(huì)混入很多其他地表覆蓋信息。因此，還應(yīng)利用水體在WorldView2影像上的第二項(xiàng)特征，構(gòu)建藍(lán)波段的比率值(ratio layer B)、標(biāo)準(zhǔn)方差值(standard deviation layer B)兩項(xiàng)指標(biāo)，作為水體信息提取的規(guī)則。

影像通道的比率值反映了通道對(duì)總亮度值的貢獻(xiàn)度。藍(lán)波段的比率值公式為：ratio layer B =MB/(MB+MG+MR+MN)。式中，MB、MG、MR、MN參數(shù)分別為對(duì)象內(nèi)各像元的藍(lán)、綠、紅、近紅外波段亮度值的平均值。

由于地形起伏的影響，地物的光譜反射特性產(chǎn)生變化，并且不同地表覆蓋的地域往往受海拔高度或坡度、坡向的制約，將高程信息作為輔助信息參與信息提取將有利于提高分類的精度。因此，加入DEM輔助信息，在一定的閾值范圍內(nèi)能夠減少其他類別與水體的混合概率。

三、實(shí)例與分析

選取北京市門頭溝部分地區(qū)(116.05°E～116.15°E，39.91°N～39.98°N，面積64 km2)作為試驗(yàn)區(qū)，對(duì)該方法進(jìn)行試驗(yàn)。

研究該方法的目的是為地理國(guó)情普查項(xiàng)目提供可靠方法參考，因此，選取了另外一個(gè)地區(qū)，對(duì)方法的穩(wěn)健性進(jìn)行了驗(yàn)證。該地區(qū)位于西藏北部(89.63°E—89.85°E，34.31°N—34.49°N，面積80 km2)。

1. 方法試驗(yàn)

北京市門頭溝地區(qū)位于北京市正西偏南，兼具城區(qū)與山區(qū)兩種地形，高程范圍為68～735 m，具有水體、植被、建筑物、道路等典型地表覆蓋類型，且分布比較均勻。

實(shí)例使用的數(shù)據(jù)源為WorldView2 4波段遙感影像，如圖2(a)所示，影像獲取時(shí)間為2011年11月20日。同時(shí)，收集了該地區(qū)30 m分辨率的DEM數(shù)據(jù)，作為輔助信息。

面向?qū)ο笮畔⑻崛〉暮诵氖蔷_的影像分割。在影像分割中，采用的分割尺度為80，形狀因子為0.3，緊致度因子為0.5，影像分割結(jié)果如圖2(b)所示。

圖2 原始影像與分割結(jié)果

獲取影像分割對(duì)象后，即可根據(jù)水體對(duì)象的特征，挖掘水體對(duì)象的多維特征空間，構(gòu)建規(guī)則集，進(jìn)行水體信息提取。

根據(jù)本文研究的方法，主要構(gòu)建NDWI指數(shù)、藍(lán)波段比率值、藍(lán)波段標(biāo)準(zhǔn)方差值指標(biāo)。為了有效去除陰影，構(gòu)建了NDVI指數(shù)指標(biāo)，并且引入了DEM輔助信息。

選取水體對(duì)象樣本，與試驗(yàn)區(qū)內(nèi)其他地表覆蓋對(duì)象進(jìn)行對(duì)比，獲取各類地表覆蓋對(duì)象及水體對(duì)象的NDWI指數(shù)、藍(lán)波段比率值、藍(lán)波段標(biāo)準(zhǔn)方差值的值域范圍，以及NDVI指數(shù)、對(duì)象高程平均值(mean layer DEM)指標(biāo)的值域范圍，見表1。

表1 指標(biāo)值域范圍

根據(jù)指標(biāo)值域范圍，設(shè)置合理的閾值，對(duì)水體對(duì)象進(jìn)行提取，算法流程如圖3所示。

圖3 算法流程

水體信息提取結(jié)果如圖4所示。

從結(jié)果可以看出：①利用該方法，自動(dòng)提取出水體對(duì)象，歸入了水體類，去除了大量陰影信息；②雖然對(duì)陰影進(jìn)行了去除，但提取出的結(jié)果中仍然混有一些陰影對(duì)象，這是因?yàn)樵诟叻直媛蔬b感影像中，陰影對(duì)象與水體對(duì)象的各項(xiàng)指標(biāo)的值域都很接近，存在值域交叉現(xiàn)象；③自動(dòng)提取階段兼顧了精度與效率，結(jié)果能夠滿足后續(xù)流程的需要。

2. 方法穩(wěn)健性驗(yàn)證

地理國(guó)情普查項(xiàng)目是國(guó)家重大專項(xiàng)項(xiàng)目，因此，對(duì)信息提取的結(jié)果精度有更高的要求，對(duì)各地表覆蓋類型信息的提取，在計(jì)算機(jī)自動(dòng)分類后，人工判讀與編輯工作是必不可少的。本文研究的目的是通過試驗(yàn)最大限度地實(shí)現(xiàn)水體信息自動(dòng)提取，盡可能減少后期人工判讀與編輯工作量，總結(jié)出盡可能最優(yōu)、最明確的技術(shù)方法和流程。

因此，本文沒有采用常規(guī)的精度評(píng)定方法對(duì)該方法進(jìn)行評(píng)定，而是通過選取另外一塊試驗(yàn)區(qū)，對(duì)該方法的穩(wěn)健性進(jìn)行進(jìn)一步驗(yàn)證。選取西藏北部地區(qū)的一處高山地作為方法穩(wěn)健性的驗(yàn)證區(qū)域，該區(qū)域高程在5083～5401 m之間，主要分布著大面積的裸露地表、復(fù)雜的辮狀水體和少量的植被。水體呈交錯(cuò)分布狀，水體密集，大部分水流寬度較窄，但達(dá)到地理國(guó)情普查規(guī)定的采集指標(biāo)，若采用人機(jī)交互的方式，工作量極大。在西藏、新疆地區(qū)，這種形態(tài)的水體較常見、分布較多，該驗(yàn)證區(qū)具有很強(qiáng)的代表性。

使用的數(shù)據(jù)源仍然為WorldView2 4波段遙感影像，如圖5(a)所示，影像獲取時(shí)間為2011年8月26日。在影像分割中，采用的分割尺度為100，形狀因子為0.5，緊致度因子為0.5，影像分割結(jié)果如圖5(b)所示。

圖5 原始影像與分割結(jié)果

根據(jù)水體對(duì)象樣本與驗(yàn)證區(qū)內(nèi)其他地表覆蓋對(duì)象的對(duì)比結(jié)果，得出驗(yàn)證區(qū)內(nèi)各類地表覆蓋對(duì)象及水體對(duì)象的NDWI指數(shù)、藍(lán)波段比率值、藍(lán)波段標(biāo)準(zhǔn)方差值等指標(biāo)的值域范圍，見表2。

表2 指標(biāo)值域范圍

根據(jù)指標(biāo)值域范圍，設(shè)置合理的閾值，對(duì)水體對(duì)象進(jìn)行提取，提取結(jié)果如圖6所示。

圖6 水體信息提取結(jié)果

從結(jié)果可以看出：①完成了水體信息的自動(dòng)提取，提取出了水體對(duì)象，歸入了水體類，提取結(jié)果的質(zhì)量較好；②驗(yàn)證區(qū)雖然海拔高程較高，但起伏較小，陰影影響不嚴(yán)重，因此提取的水體信息基本沒有受到陰影的干擾，如果其他區(qū)域內(nèi)陰影干擾較嚴(yán)重，則仍然可加入NDVI、mean layer DEM指標(biāo)參數(shù)進(jìn)行去除；③自動(dòng)提取的水體信息兼顧了精度與效率，結(jié)果能夠滿足后續(xù)流程的需要。

四、結(jié) 論

1) 本文提出的水體信息提取方法是基于高分辨率遙感影像的、面向?qū)ο蟮乃w信息提取方法。經(jīng)過試驗(yàn)與方法穩(wěn)健性驗(yàn)證，證明該方法能夠完成水體信息的自動(dòng)提取，符合地理國(guó)情普查項(xiàng)目的特點(diǎn)，在地理國(guó)情普查項(xiàng)目中具備適用性。

2) 本文深入分析了水體在高分辨率遙感影像上的特性，提出的NDWI指數(shù)與ratio layer B、standard deviation layer B指標(biāo)相組合的水體信息提取方法，利用了水體對(duì)象的光譜特征和紋理特征，構(gòu)建的各規(guī)則與對(duì)象特征對(duì)應(yīng)，比利用單一規(guī)則具有優(yōu)勢(shì)。

3) 在該方法具體應(yīng)用過程中，根據(jù)區(qū)域所處的經(jīng)緯度，結(jié)合區(qū)域特點(diǎn)，以及影像拍攝時(shí)的太陽(yáng)高度角、整體光照條件、入射角等實(shí)際情況，對(duì)指標(biāo)參數(shù)閾值進(jìn)行適當(dāng)調(diào)整，靈活應(yīng)用，可以讓方法具有更廣泛的適用性。

參考文獻(xiàn)：

[1] 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.

[2] 黃海波,趙萍,陳志英,等.ASTER遙感影像水體信息提取方法研究[J].遙感技術(shù)與應(yīng)用,2008,23(5) :525-528.

[3] 姜麗華,楊曉蓉.基于決策樹分類技術(shù)的遙感影像分類方法研究[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2009(10)：34-36，42.

[4] 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):589-595.

[5] 羅小波,趙春暉,潘建平,等.遙感圖像智能分類及其應(yīng)用[M].北京：電子工業(yè)出版社,2011.

[6] 楊樹文,薛重生,劉濤,等.一種利用TM影像自動(dòng)提取細(xì)小水體的方法[J].測(cè)繪學(xué)報(bào),2010,39(6):611-617.