基于光學遙感的湖泊水體信息提取研究進展

種丹 張世強 李浩杰 李姣姣

摘要：對常用光學遙感數(shù)據(jù)的湖泊水體信息提取方法及其優(yōu)缺點進行了總結(jié)。針對湖泊水體信息提取中的難點——混合像元問題，總結(jié)了線性解混、神經(jīng)網(wǎng)絡解混和矢量解混等方法的優(yōu)缺點。在目前多衛(wèi)星、多傳感器快速發(fā)展的條件下，基于多源數(shù)據(jù)開展湖泊水體協(xié)同觀測是未來的發(fā)展趨勢，而在多源遙感數(shù)據(jù)之間的空間匹配和不同反演結(jié)果的融合中，尺度轉(zhuǎn)換是關健。

關健詞：光學遙感；湖泊水體；提取；混合像元分解；集成

中圖分類號：TP79 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2018.03.012

湖泊作為重要的國土資源，具有調(diào)節(jié)河川徑流、提供農(nóng)業(yè)和生活水源以及改善區(qū)域生態(tài)環(huán)境等功能，不僅對人類生活、國民經(jīng)濟和區(qū)域水資源具有非常重要的作用，而且在維護生態(tài)平衡方面具有重要貢獻[1]。在中國，內(nèi)陸城鎮(zhèn)飲用水50%以上源于湖泊[2]。從生態(tài)服務的角度看，與湖泊伴生的濕地生態(tài)系統(tǒng)是支撐人類生存和發(fā)展的重要系統(tǒng)，其服務價值在各類生態(tài)系統(tǒng)中居首位[3]，并與湖泊生態(tài)系統(tǒng)共同在維持生態(tài)平衡、調(diào)節(jié)區(qū)域氣候和河川徑流、補充地下水、防洪、保護生物多樣性、減輕流域洪旱災害等方面發(fā)揮重要作用[4-5]。另外，湖泊是氣候變化的指示器[6]，例如青藏高原湖泊的面積和水位與氣候變暖和冰雪消融有非常密切的關系[7-9]。

傳統(tǒng)的湖泊水體信息（湖泊水體邊界、面積、水位等）提取方法包括實地測量、手工勾繪和實驗室分析，具有較高的精度，但工作量大、耗時長、范圍小、現(xiàn)勢性弱[10]，只能應用于小規(guī)模的水域信息提取。遙感具有覆蓋面廣、獲取數(shù)據(jù)時間短、信息豐富、同步顯示地物特征等特點，已經(jīng)成為提取湖泊水體邊界、面積、水位的一種有效手段[11]。

湖泊作為水體的重要組成部分，一方面在遙感監(jiān)測方面與其他水體具有明顯的相似性，主要體現(xiàn)在數(shù)據(jù)源、內(nèi)容、方法和難點等方面；另一方面，相較于其他水體來說，湖泊水體具有水位、面積變化相對緩慢的特點，對遙感精度具有較高的要求。

湖泊水體信息遙感監(jiān)測的數(shù)據(jù)源主要有多光譜、高光譜和微波遙感數(shù)據(jù)3種，本文主要對基于光學遙感的湖泊水體信息提取方法進行總結(jié)。

1 基于湖泊水體光譜信息提取的主要方法對比

湖泊具有水體波譜曲線的特征，植被等地物在紅外波段則具有較高的反射率，與水體呈現(xiàn)出較大的差異[12]。基于光學數(shù)據(jù)的水體信息提取方法主要包括單波段閾值法、水體指數(shù)法、譜間關系法等。1.1單波段閾值法

單波段閾值法是指選擇某一波段，設定合適的闌值來提取水體信息。該方法被最早運用到水體面積的自動提取中[”]，如Jupp等[14]基于Landsat TM影像，采用直方圖閾值法進行水體信息提取，雖然有效地提取出水體信息，但精度不高。單波段閾值法雖然簡單易行，但在閾值的選擇上具有很大的不確定性，在某一地區(qū)選擇的閾值難以直接應用到其他地區(qū)。該方法還容易造成水體信息的誤提、漏提，且難以消除山體陰影的影響，水體與非水體之間的過渡區(qū)會被忽略。

1.2 指數(shù)法

1.2.1 水體指數(shù)法

水體指數(shù)法是對可見光的綠色波段與近紅外波段進行歸一化運算，從而達到區(qū)分水體和植被的目的。在水體指數(shù)法中，應用比較廣泛的是歸一化水體指數(shù)（NDWI），計算公式為式中：Green為綠色波段波長；NIR為近紅外波段波長。

Mcfeeters[15]利用NDWI提取了內(nèi)布拉斯加州西部地區(qū)的水體信息，指出NDWI能夠在一定程度上抑制植被信息，但卻無法有效抑制土壤與建筑物的干擾。隨著對水體信息提取研究的不斷深入，先后出現(xiàn)了多種改進的水體指數(shù)。徐涵秋[16]提出的改進歸一化水體指數(shù)（MNDWI）計算公式為式中：MIR為中紅外波段波長。

MNDWI能夠有效抑制建筑物的干擾，可用于城市內(nèi)的水體信息提取。Jawak等[17]將NDWI方法加入WorldView-2影像中，設計半自動方法對水體信息進行提取，改進后的提取方法可以顯著提高水體的提取效果，誤提現(xiàn)象較少。

雖然水體指數(shù)法相對于單波段閾值法和譜間關系法精度較高、水體漏提、誤提的現(xiàn)象少，但是存在水體邊界提取的誤差，不能準確區(qū)分過渡區(qū)域的界限。

1.2.2 植被指數(shù)法

植被指數(shù)主要有歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、垂直植被指數(shù)（PVI）、歸一化差異指數(shù)（NDI）[18]。其中，NDVI的計算公式為式中：R為紅色波段波長。

在湖泊水體遙感應用中，主要利用水體中植被指數(shù)很低的特點進行提取，如丁莉東等[19]利用NDVI提取MODIS影像中的水體，并繪制出了水體分布圖。雖然ND VI可以快速提取水體，但是植被下方也有可能是水體，因此其漏提現(xiàn)象嚴重，不如NDWI的提取精度高。

1.3 譜間關系法

譜間關系法主要是利用水體與背景地物的波譜曲線特征之間的差異，建立不同波段間的邏輯關系式。如鄧勁松等201利用波段運算得到特征波段（PRWI），并結(jié)合決策樹模型，有效地提取出水體信息。譜間關系法在一定程度上可以抑制山體陰影的誤提，提高水體信息提取的精度，但多波段譜間關系比較復雜，提取的像元在不同波段較為離散，很難應用，無法徹底抑制與水體無關的背景信息。

2 基于不同空間分辨率的遙感影像湖泊水體信息提取方法

不同分辨率的遙感影像對于湖泊水體的信息提取具有很大的影響。高空間分辨率的遙感影像在湖泊水體的提取中具有較高的精度，例如用SPOT系列影像和Landsat TM影像提取湖泊水體信息的精度明顯高于用MODIS影像的，但不能監(jiān)測湖泊連續(xù)變化；高時間分辨率的遙感影像（如MODIS影像）在提取湖泊水體信息時，可以監(jiān)測到湖泊水體每日的變化情況，但具有較低的空間分辨率。

本文分別以TM作為中空間分辨率影像的代表、以MODIS作為高時間分辨率影像的代表、以SPOT作為高空間分辨率影像的代表，總結(jié)不同遙感影像在湖泊水體信息提取方面的研究進展。

2.1 TM影像

在湖泊水體信息提取中，TM影像的應用很廣泛，提取的精度較高。然而，進行不同地區(qū)的水體信息提取時，選取不同波段和方法會使精度有很大差異（見表1），說明在利用Landsat TM等影像進行湖泊水體信息提取時，需要先開展試驗研究。

2.2 MODIS影像

MODIS影像具有36個波段以及較高的時間分辨率，在湖泊水體實時監(jiān)測方面應用廣泛，但精度較差。基于MODIS影像的湖泊水體信息提取研究進展見表2。

3 基于光學遙感數(shù)據(jù)的湖泊水體信息自動提取面臨的挑戰(zhàn)

3.1 陰影的干擾

湖泊水體在影像上與陰影的光譜特征類似，特別容易造成湖泊水體的誤提，因此山體與建筑物陰影的消除是提高湖泊水體信息提取精度的重要方面。針對這一問題，國內(nèi)外學者開展了大量試驗，通過采用密度分割、波段合成、多波段譜間關系法和面向?qū)ο蟮确椒ǎ谝欢ǔ潭壬舷岁幱暗母蓴_。例如：韓晶等采用波段合成來提高水體提取精度；周文鑫等基于面向?qū)ο蟮姆诸惙椒ǎM行南京市水體信息提取，在一定程度上消除了陰影影響，其結(jié)果精度較高；陳晨等基于WorldView-2影像，采用面向?qū)ο蟮姆椒▽ド侥喜康貐^(qū)進行水體信息提取，結(jié)果表明從高分辨率影像中，采用面向?qū)ο蠓椒ㄟM行水體信息提取具有一定的可行性；曹凱等在面向?qū)ο蟮幕A上，通過對圖像進行分割、建立規(guī)則和圖像增強等方法，對南京市部分主城區(qū)進行水體信息提取，有效地消除了陰影的影響，減少了誤提現(xiàn)象，提高了水體信息提取精度。

3.2 污染水體的影響

湖泊污染主要有水體富營養(yǎng)化、水體有毒有機物的污染和水體重金屬污染，其中水體富營養(yǎng)化會影響湖泊水體的邊界提取。藍藻、海白菜等一系列的水體富營養(yǎng)化產(chǎn)物會在遙感影像上呈現(xiàn)出植被信息，造成水陸邊界確定困難，使湖泊水體邊界提取存在誤提、漏提現(xiàn)象。

3.3 水體混合像元的問題

自然湖泊水體的邊界通常是曲折的，與遙感影像像元邊界并不完全重疊，因此在湖泊水體邊界提取中不可避免存在混合像元。混合像元會使湖泊水體的邊界模糊，很難準確判斷湖泊水體與其他地物的界線，使湖泊水體邊界提取的精度受到很大影響。在混合像元存在的遙感影像上，提取純凈地物一般包括混合像元類型選擇和端元豐度分解兩大步驟，其中端元確定是混合像元分解的重要環(huán)節(jié)，主要方法有最大噪聲比變換（MNF）、像元純度指數(shù)（PPI）、主成分分析法（PCA）、手工端元選擇（MESE）以及凸錐幾何理論模型等，混合像元端元豐度分解的主要模式有線性混合模型、模糊分類模型和盲源分解等。對混合像元分解方法進行總結(jié)（見表4）發(fā)現(xiàn)：不同混合像元分解方法的像元分解精度有很大不同，其中線性混合模型的像元分解精度較差，而神經(jīng)網(wǎng)絡模型精度較高，具有一定的適用性。目前，混合像元分解算法在湖泊水體信息提取、土地利用分類以及水資源調(diào)查等方面都具有十分重要的作用。選擇合適的混合像元分解算法可以有效提高研究地物在遙感影像中的真實表達，對研究結(jié)果具有十分重要的影響。

4 湖泊水體信息光學遙感提取發(fā)展趨勢

近年來，在多衛(wèi)星、多傳感器快速發(fā)展的條件下，基于遙感數(shù)據(jù)的湖泊水體信息提取研究得到長足發(fā)展。在早期，針對湖泊水體信息提取的數(shù)據(jù)源主要為TM、SPOT、MODIS等，這些數(shù)據(jù)源可以實現(xiàn)對湖泊水體信息的提取，但卻難以兼顧時間分辨率和空間分辨率兩個方面。在現(xiàn)有遙感數(shù)據(jù)中，高分辨率影像的時間分辨率低（如SPOT、IKONOS等），而時間分辨率高影像的空間分辨率低（如MODIS等），這種時空分辨率不匹配的問題限制了湖泊水體信息提取的精度和實時監(jiān)測。因此，將多源數(shù)據(jù)進行結(jié)合，提高湖泊水體信息提取的精度，實現(xiàn)湖泊水體的實時監(jiān)測已成為未來的發(fā)展趨勢。

開展多源數(shù)據(jù)的湖泊水體信息提取和實時監(jiān)測，關鍵在于多源遙感數(shù)據(jù)之間的尺度轉(zhuǎn)換。尺度轉(zhuǎn)換是指將某一尺度上所獲得的信息和知識擴展到其他尺度上，包括不同空間與時間分辨率遙感數(shù)據(jù)和結(jié)果之間尺度轉(zhuǎn)換兩個方面。進行空間尺度轉(zhuǎn)換時，關鍵在于選擇最優(yōu)尺度轉(zhuǎn)換方法。目前，最優(yōu)尺度轉(zhuǎn)換的方法主要有基于局部方差的方法、基于變異函數(shù)的方法、基于離散度以及基于卡爾曼濾波的四維數(shù)據(jù)同化方法等。通過尺度轉(zhuǎn)換，將多源數(shù)據(jù)和結(jié)果進行有效的融合，能夠有效提高多源數(shù)據(jù)的湖泊水體信息提取精度。5結(jié)語

通過對光學遙感數(shù)據(jù)在湖泊水體信息提取中的應用進行回顧與總結(jié)，可以看出湖泊水體信息提取從早期單一、非連續(xù)數(shù)據(jù)向多源、多傳感器遙感數(shù)據(jù)的綜合使用轉(zhuǎn)變，提取的模型復雜程度迥異。

遙感技術(shù)在湖泊水體信息提取的過程中主要受混合像元、陰影以及地物的影響，針對這些問題，國內(nèi)外學者采用多種方法進行綜合研究，以減少陰影的影響，并針對混合像元問題發(fā)展了多種混合像元分解模型，但目前并沒有效果最佳的普適算法。

隨著各種新型衛(wèi)星的不斷發(fā)射，可用的傳感器和衛(wèi)星影像快速增加，這為開展湖泊水體信息提取提供了有利條件。如何采用綜合集成的方法和大數(shù)據(jù)、系列數(shù)據(jù)的優(yōu)勢，提高湖泊水體提取的精度和效率是未來研究的方向。