基于遙感影像的水域覆蓋信息提取方法

陳俊任，周曉華，付鋒

(江西核工業二六八測繪院，浙江 寧波 315800)

基于遙感影像的水域覆蓋信息提取方法

陳俊任*，周曉華，付鋒

(江西核工業二六八測繪院，浙江 寧波 315800)

從遙感影像分類原理入手，通過地理國情普查中內業解譯工作探討水域覆蓋分類要素提取方法。比較分析各種方法的優缺點，闡述計算機自動分類方法與技術流程，描述了水域地表覆蓋分類的具體過程，并給出了相應實例，為地理國情普查水域覆蓋分類提供技術參考。

遙感影像；水域覆蓋分類；要素提取

1 引 言

隨著各種資源、環境監測衛星的發射與運行大大提高了遙感技術的實時性和運行性，為地表動態變化研究提供多時相、大范圍的實時信息，遙感技術已成為當前人類研究地球資源環境的一種有力技術手段[1，2]。其中遙感影像分類是遙感技術研究的一個重要方面，無論是專業信息提取還是遙感數據庫的建立及動態變化預測等都離不開分類[3]。尤其是全國第一次地理國情普查內業解譯廣為運用，地表覆蓋分類信息反映地表自然營造和人工建造物的自然屬性或狀況，數據采集的成果作為后續工序的數據基礎，其質量直接影響地理國情普查成果準確性。本文通過分析水域在遙感影像上的表現特征及相應的表達模型，探討地理國情普查內業解譯中水域地表覆蓋分類信息自動提取方法與技術流程，為地理國情普查相關工作提供技術參考。

2 水域地表覆蓋分類的主要方法

基于遙感影像的水域地表覆蓋分類主要是以高分辨率數字正射影像為基礎，參考整合處理后的基礎地理信息數據和行業專題數據資料及其他數據資料，進行內業信息提取，獲取河渠(河流、水渠)、湖泊、庫塘(水庫、坑塘)、海面、冰川與常年積雪(冰川、常年積雪)等類型的水域面狀分類圖斑，整理形成地理國情普查水域地表覆蓋分類初步成果。分類方法包括目視解譯、計算機自動分類以及幾種方法的結合等。

目視解譯指專業人員通過直接觀察或借助輔助判讀儀器根據不同地物類型在遙感影像上表現出來的光譜特征、空間特征和時間特征，提取特定目標地物信息的過程或方法[4]。一般流程分為資料準備、初步解譯、野外調查、詳細解譯和數據整理5個階段。

而目前計算機影像自動分類的提取技術分兩類[5，6]：基于像元技術和面向對象技術。基于像元技術以單個像元為基本單元參與分類，不同分辨率系列影像的分類結果能體現地物大小與影像分辨率之間的關系，地物在適宜的影像分辨率中提取有較高的精度，該方法不適合高分辨率影像。面向對象技術以多尺度影像分割為關鍵技術，對同一空間分辨率的影像進行不同尺度的分割，形成了不同尺度的影像對象層次網絡體系，不同地物由其最適宜的尺度來進行描述，并在該尺度上進行地物信息提取。本文根據高分辨率影像的全色和多光譜數據的空間、紋理和光譜信息特征，以計算機自動處理為主，對影像進行分割，把影像覆蓋范圍內的空間分成不同特征屬性的對象；在分割的基礎上，依據這些對象的特征屬性，構建相應的規則進行自動分類得到初步成果。其基本技術流程如圖1所示。

圖1 計算機自動分類技術流程

計算機自動識別方法現階段還無法替代目視解譯方法。采用該方法進行水域地表覆蓋分類時，對于不同區域、不同影像源、不同時相差異較大的影像，要達到理想的分割和分類效果，需要針對影像的特征對處理過程中依賴的一些參數和采用的具體算法進行反復調整和選擇。

3 計算機自動分類方法提取水域地表覆蓋分類信息

在地理國普查中，水域地表覆蓋分類主要按照計算機自動分類方法與技術流程進行處理，并結合人工解譯與編輯，提取水域邊界與屬性信息。

3.1 水域基本特征獲取

水域是指被液態和固態水覆蓋的地表，其范圍隨季節變化較大。通過分析河渠、湖泊、庫塘、海面、冰川與常年積雪等各種類型水域在遙感影像上的形態特征以及光譜特征曲線可以看出：(1)液態水域對光譜的反射特性很相似，在近紅外波段表現出強吸收特征，而綠波段表現出強反射特征；固態水域在綠波段上表現強反射特征，在藍波段上表現出強吸收特征；(2)水域在藍波段上也表現出了比較強的反射特性；(3)水域的紋理通常比較平滑、均勻；(4)水域與周邊地表覆蓋物光譜差異較大，形狀各異，但在高分辨率遙感影像上通過目視判讀就可以較易區分與識別；(5)水域在一定的區域范圍內，高程趨于平穩，起伏比較平緩。

3.2 水體指數信息構建及輔助信息嵌入

(1)根據水域的光譜特征構建相應的水體指數指標，作為水域信息提取的判定依據，其中歸一化的水體指數(NDWI)[7]公式為： (G-NIR1)/(G+NIR1)。

(2)根據水域在藍波段上也表現出較強反射特性，構建藍波段的比率值(Ratio Layer B)、標準方差值(Standard Deviation Layer B)兩項指標，作為水域地表覆蓋分類的判定規則。

Ratio Layer B=([Mean Layer B])/([Mean Layer B]+[Mean Layer G]+[Mean Layer R]+[Mean Layer N])，式中[Mean Layer B]、[Mean Layer G]、[Mean Layer R]、[Mean Layer N]參數分別為對象內各像元的藍、綠、紅、近紅外波段亮度值的平均值[8]。

(3)水域的紋理一般比較均勻、平滑，因此，可以通過水域的紋理特征(熵、方差等)值，將其與陰影等混分類型進行區分。

(4)河渠寬窄不一，形狀自然彎曲，但總體上長度遠遠大于寬度；湖泊、庫塘、海面的形狀寬窄不一，但總體上長度與寬度比不如河渠明顯。可以通過長度、面積、長寬、規則度等多種形狀特征指標，進行水域的地表覆蓋分類。

(5)輔助信息(如DEM、DSM等)參與自動分類，對提高分類精度有很重要的意義，能夠減少地物要素的混分概率。同時，提取的水域信息中，如果混有陰影信息，可利用DEM、DSM 等輔助信息，同時可嵌入DLG等基礎地理信息數據中的水域數據，去除陰影等大部分干擾因素。3.3 規則構建及自動分類

以WorldView-2衛星遙感影像為數據源進行實例分析，包括全色波段與B、G、R、NIR1 4個多光譜波段(藍色波段B：450 nm～510 nm；綠色波段G：510 nm～580 nm；紅色波段R：630 nm～690 nm；近紅外線波段NIR1：770 nm～895 nm)影像。利用水域在近紅外波長的強吸收性以及植被和干土壤在此波段范圍內的強反射特點，通過分析圖像各波段水陸交界處的地表反射率，結合人工選擇典型訓練樣本。提取特有特征和閾值組合，形成分類規則。主要包括：NDWI、Mean Layer DEM、Ratio Layer B、Standard Deviation Layer B等[9]，具體流程如圖2所示。

圖2 水域地表覆蓋分類規則構建流程

經自動分類后，依次得到如下結果：

圖3 分類前

圖4 NDWI≥0.36

圖5 Mean Layer 5(DEM層)≥150

圖6 Ratio Layer 1<0.3

圖7 NDVI≥0

圖8 Standard deviation Layer 1≥9.5

3.4 人工解譯與編輯

由于計算機自動識別方法現階段還無法完全替代目視解譯方法，在地理國情普查水域要素提取過程中需要人工解譯與編輯作為輔助以確保解譯的準確性。首先將自動分類結果導出為通用矢量格式(如.shp格式)；然后在常用的GIS軟件中(如ArcGIS軟件)，套合數字正射影像，進行編輯工作。具體步驟如下：

(1)核查水體對象的錯分、漏分錯分入水體類的非水體對象，進行人工剔除；達到采集指標要求但未實現自動提取的水體對象，應進行人工添加。

(2)對象合并與拆分：水體對象與非水體對象分割入同一對象的對象，進行對象拆分。水體對象拆分及合并處理前后如圖9、圖10所示。

圖9 處理前

圖10 處理后

(3)空間位置上位于水體內部的非水體地物處理，如圖11、圖12所示。

圖11 處理前

圖12 處理后

經過人工解譯與編輯后的結果如圖13所示：

圖13 經人工編輯處理后的分類結果

4 結 論

本文根據高分辨率影像的全色和多光譜數據的空間、紋理和光譜信息特征，以計算機自動處理為主，對影像進行分割，把影像覆蓋范圍內的空間分成不同特征屬性的對象；在分割的基礎上，依據水域的特征屬性，構建了水域地表覆蓋分類的評定規則自動提取并結合人工解譯與編輯，提取水域邊界與屬性信息，通過實例證明計算機自動分類方法提取水域地表覆蓋分類信息能夠滿足地理國情普查內業解譯精度要求，為地理國情普查生產提供參考。

[1] 宮鵬，黎夏，徐冰. 高分辨率影像解譯理論與應用方法中的一些研究問題[J]. 遙感學報，2006，10(l)：1～5.

[2] 陳秋曉. 高分辨率遙感圖像分割方法研究[D]. 北京：中國科學院地理科學與資源研究所，2004.

[3] 錢巧靜，謝瑞，張磊等. 面向對象的土地覆蓋信息提取方法研究[J]. 遙感技術與應用，2005，20(3)：338～342.

[4] 付卓，胡吉平，譚衢霖等. 遙感應用分析中影像分割方法.遙感技術與應用[J]. 2006.21(5)：456～462.

[5] 羅玲，解梅，陳杉. 基于多尺度形態濾波的分水嶺圖像分割方法[J]. 計算機輔助設計與圖形學報，2004，16(2)：168～173.

[6] 陳忠. 高分辨率遙感圖像分類技術研究[D]. 北京：中國科學院遙感應用研究所，2006.

[7] 陳旺，梁虹，鄧亞東，等. 一種基于指數函數的遙感水體信息提取方法[J]. 地球物理學進展，2012，2(1)：103～106.

[8] 吳文淵，沈曉華，鄒樂君等. 基于Landsat ETM影像的水體信息綜合提取方法[J]. 科技通報，2008，24(2)89～93.

[9] 戴麗君，劉闖. Alos融合影像中水體信息提取方法研究[J]. 水資源與工程學報，2011，2(3)106～109.

The Method of Water Cover Information Extracting Based on Remote-Sensing Image

Chen Junren，Zhou Xiaohua，Fu Feng

(Jiangxi Nuclear Industry 268 Surveying and Maping Institute，Ningbo 315800，China)

Starting with remote-sensing image principle of classification，it discussed extracting method of water cover classification elements by interpretation work in geographical conditions of census. It compared and analyzed merits and demerits of all kinds of methods，stated methods of auto-classified technology and technique process of computer，described specific procedure of water area land cover classification. The corresponding example is presented，it provided technical reference of land cover classification in geographical conditions of census.

remote-sensing image；water cover classification；feature extraction

1672-8262(2017)02-93-05

P236

B

2016—10—12

陳俊任(1985—)，男，碩士，工程師，從事地理信息工程應用方面的研究。