基于FY-3C MERSI影像的洱海水體提取研究

鄒佳俊，溫興平,2*，孫路遙，陳 孟

（1. 昆明理工大學 國土資源工程學院；2. 云南省礦產資源預測評價工程實驗室）

0 引言

水是生命之源，湖泊是重要的地表水載體，是水生生態(tài)系統(tǒng)的重要組成部分，具有調節(jié)河川徑流、提供水源、防洪灌溉、養(yǎng)殖水產、提供生物棲息地、維護生物多樣性等重要功能[1]，在國民經濟可持續(xù)發(fā)展中發(fā)揮著重要的經濟、環(huán)境和社會效益[2]。湖泊的擴張、萎縮、富營養(yǎng)化等變遷與人類生存休戚相關。快速、準確地提取出水體邊界對于湖泊動態(tài)變化監(jiān)測、水資源調查等具有重要意義。

遙感作為采集地球數(shù)據(jù)及其變化信息的重要技術手段[3]，具有大面積同步觀測、時效性強、數(shù)據(jù)綜合可比性、信息量大、獲取信息條件限制少等獨特優(yōu)勢[4]。相較于傳統(tǒng)的湖泊面積調查方法，利用遙感技術提取水體更加宏觀、迅速、經濟。

隨著遙感技術的發(fā)展和應用，利用衛(wèi)星遙感信息提取水體[5]，已經成為水資源調查、宏觀監(jiān)測和水環(huán)境保護等方面的重要手段，近些年來得到了廣泛的研究。

周楊等[6]以ETM +影像為數(shù)據(jù)源，采用纓帽變換、歸一化差分水體指數(shù)（NDWI）和增強型水體指數(shù)（EWI）3種方法分別對洱海2010年的水域面積進行提取，通過比較得出NDWI提取結果準確度更高。肖茜等[7]使用TM、ETM+和OLI遙感影像，運用5種水體指數(shù)提取1985—2015年云貴高原10個湖泊的水體面積，通過精度對比分析結合湖泊各自特點采用不同的水體指數(shù)提取其表面水體面積，并進行時空變化分析。賈祎琳等[8]以位于我國不同地區(qū)的15個湖泊為研究對象，基于高分一號衛(wèi)星遙感影像計算歸一化水體指數(shù)，分別采用迭代法、大津法和直方圖雙峰法選取分割閾值提取水體信息并分析其結果。陳鵬等[5]、馮銳等[9]分別采用 FY-3A MERSI、FY-3B MERSI數(shù)據(jù)在湖泊、濕地水體信息提取方面進行了研究，通過與 Landsat衛(wèi)星數(shù)據(jù)提取結果的對比，水體提取的總體分類精度達90%以上，面積精度可達85%以上，顯示出了FY-3 MERSI數(shù)據(jù)在水體信息提取方面的巨大應用潛力和價值。

對于中、高分辨率影像水體信息提取廣泛使用的基于像元分類的閾值法來說[10]，閾值的選取至關重要，最終效果在很大程度上取決于分割閾值的好壞，其直接影響到水體信息提取的精度。閾值選取的傳統(tǒng)做法多是根據(jù)以往經驗和反復實驗確定的[8]，文獻[5-7,9]使用NDWI指數(shù)進行水體信息提取時，便是依據(jù)灰度直方圖經過反復實驗來選取“最佳閾值”，容易受到時空差異與復雜環(huán)境的影響，主觀性強，不具備客觀性與普適性[8]，而利用算法提取最優(yōu)閾值則很好地規(guī)避了這些問題。

本文以國產FY-3C MERSI影像為數(shù)據(jù)源，采用NDWI指數(shù)結合經典算法——Otsu進行全局最優(yōu)閾值分割，提取出洱海水體邊界，在湖泊水體自動化提取中的應用進行了探索研究，為今后FY-3C MERSI遙感數(shù)據(jù)在湖泊水體監(jiān)測工作中的應用提供參考。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

洱海（100°05′～100°18′E，25°36′～25°58′N）是位于云南省大理白族自治州的一個高原構造斷陷湖，其北起大理市上關，南止下關，湖泊呈南北長、東西窄的條帶狀，以湖形如耳得名。洱海水域面積250平方千米，是云南省第二大淡水湖，平均水深10.5米，最大水深23米，平均水位1974米，總容水量30億立方米[11]。湖水主要靠河流補給，包括北面入湖的彌苴河、羅時江，南面的波羅江，東邊的鳳尾箐以及西面的蒼山十八溪，湖水在下關經西洱河向西南匯入漾濞江，研究區(qū)概況如圖1所示。

圖1 研究區(qū)概況圖Fig.1 Overview of the study area

1.2 數(shù)據(jù)

風云三號是我國第二代極軌氣象衛(wèi)星，目標是實現(xiàn)全球大氣和地球物理要素的全天候、多光譜和三維觀測。FY-3C于2013年9月23日在太原衛(wèi)星發(fā)射中心發(fā)射升空，是風云三號02批業(yè)務應用衛(wèi)星的首發(fā)星，繼承了01批試驗星（A/B星）的成熟技術，核心遙感儀器技術、性能在原有基礎上進一步提升[12,13]，其搭載的中分辨率光譜成像儀（MERSI）包含5個250 m分辨率通道和15個1 km分辨率通道，可以探測地球大氣系統(tǒng)的電磁輻射，得到20個通道的多光譜信息，兼具多光譜和較高的空間分辨率、高時間分辨率，可實現(xiàn)水體、植被、生態(tài)、地表覆蓋分類等陸表特性全球遙感監(jiān)測。

1.2.1 數(shù)據(jù)獲取

本文選取 2015年 1月 20日過境的 FY-3C MERSI一級數(shù)據(jù)及其地理定位數(shù)據(jù)，以及覆蓋研究區(qū)的與MERSI數(shù)據(jù)時間相近的2月3日的Landsat 8 OLI數(shù)據(jù)，軌道號為 131—42，其在冬季晴空狀態(tài)下獲取，圖像輻射質量好，平均云量0.1。值得一提的是，F(xiàn)Y-3C MERSI于2014年年底進行了系統(tǒng)預處理改進，隨之系統(tǒng)性幾何定位精度大幅提高，誤差整體下降一倍[14]。

其中，MERSI數(shù)據(jù)于國家衛(wèi)星氣象中心（NSMC）的風云衛(wèi)星遙感數(shù)據(jù)服務網（satellite.nsmc.org.cn）獲取；OLI 數(shù)據(jù)自地理空間數(shù)據(jù)云（www.gscloud.cn/）下載。衛(wèi)星數(shù)據(jù)參數(shù)對比如下表所示。

表1 FY-3C和Landsat 8衛(wèi)星傳感器參數(shù)比較Tab.1 Comparison of sensor parameters between FY-3C and Landsat 8

1.2.2 預處理

首先需對FY-3C MERSI影像進行輻射定標、幾何校正及初步裁剪，對Landsat 8影像定標后，以其為基準影像對MERSI影像進行配準，誤差控制在1個像元內，輸出時分辨率重采樣成30 m，最后進行研究區(qū)裁剪，研究區(qū)的假彩色合成圖如圖2所示。

圖2 研究區(qū)假彩色合成圖Fig.2 False color composite images of the study area

2 研究方法與原理

對于基于閾值的水體指數(shù)法來說，利用算法實現(xiàn)最優(yōu)閾值選取，進行水體自動化提取，具有高效率、高精度等優(yōu)點，可以快速、準確地提取出水體。

水體指數(shù)多種多樣，常用的有歸一化差異水體指數(shù)（NDWI）[15]、改進的歸一化差異水體指數(shù)（MNDWI）[16]、增強型水體指數(shù)（EWI）[17]等。研究中嘗試了NDWI、MNDWI、EWI三種水體指數(shù)，發(fā)現(xiàn)NDWI水體增強效果最佳，水體與非水體光譜差異最大，湖泊水體與陸岸邊界區(qū)分明顯；其他兩種水體指數(shù)圖，水體邊界模糊不清，雜有大量“陰影”，尤其是MNDWI效果最差，均難以有效提取湖泊水體。考慮到MERSI數(shù)據(jù)的中紅外波段空間分辨率只有1KM，MNDWI和EWI指數(shù)水體增強效果差也與其計算式用到中紅外波段有關，所以最終選擇NDWI指數(shù)進行計算。大津法（Otsu）簡單、高效，在一定條件下不受圖像對比度與亮度變化的影響，自提出以來一直被認為是最優(yōu)的閾值自動選取方法[18]，本文采用NDWI指數(shù)結合Otsu算法進行閾值分割來提取洱海水體。

2.1 基于閾值的水體指數(shù)法

歸一化差異水體指數(shù)（NDWI）最早由McFeeters[15]于1996年提出，利用水體的反射從可見光到中紅外波段逐漸減弱，在近紅外波段水體吸收性強而植被反射率強的特點，該指數(shù)可以很好地抑制植被信息，增強水體信息。在水體指數(shù)計算結果基礎上，通過選擇一定的閾值T，滿足式（1）的為水體，不滿足的即為其它地物，水體提取模型如下所示。

式中，Green代表綠光波段；NIR代表近紅外波段。在FY-3C MERSI影像中，分別為2、4波段。

2.2 大津算法

大津法[19]（Otsu）又稱最大類間方差法，是由日本學者大津展之于 1979年提出的一種全局最優(yōu)閾值確定方法。其基本思想是根據(jù)圖像的灰度直方圖選取閾值, 將圖像分為背景和前景目標兩部分,使這兩部分類間方差最大的閾值即為圖像分割的最佳閾值。因為方差是圖像像元灰度分布均勻性的一種度量，方差越大說明圖像的均勻性越差，圖像中目標和背景的差別就越大，也就意味著兩類別之間的錯分概率最小，分割效果也就越好[8,20]。

Otsu算法目的就是計算出一連通區(qū)域的閾值，然后對該區(qū)域進行二值化處理[20]，數(shù)學描述為：設圖像總像素數(shù)量為N，灰度范圍為[0,]K，對應灰度級i的像素個數(shù)為in，其出現(xiàn)的概率為：

灰度閾值t將圖像中的像素劃分成A、B兩類，A由灰度值[0,]t之間的像素組成，B由灰度值[ 1,]tK+ 之間的像素組成，則A和B的概率分別為：

A、B的灰度均值分別為：

整幅圖像的灰度均值為：

定義類間方差為：

令t在[0,]K范圍內，以1為步長依次遞增，當最大時對應的t即為最佳閾值。

3 結果分析與討論

3.1 閾值分割

對研究區(qū)的FY-3C MERSI和Landsat-8 OLI影像分別進行NDWI指數(shù)計算，其結果如圖3所示，從NDWI增強圖可以看出，水體與非水體色調相反，區(qū)分明顯。其灰度直方圖分別如圖4、5所示，可以看出FY-3C和Landsat 8 的NDWI灰度直方圖均呈現(xiàn)明顯的雙峰分布。

圖3 NDWI增強圖Fig.3 NDWI enhancement map

圖4 FY-3C NDWI灰度直方圖Fig.4 Gray histogram of FY-3C NDWI

圖5 Landsat-8 NDWI灰度直方圖Fig.5 Gray histogram of Landsat-8 NDWI

使用基于IDL語言編寫的Otsu程序提取出兩幅NDWI圖像的分割閾值，分別為負0.08991、0.30799，再基于閾值分別對其進行密度分割，提取出洱海水體邊界。為了更直觀地對比分析，將 FY-3C和Landsat-8提取的水體矢量邊界分別疊加至其近紅外波段灰度影像上顯示，如圖6-a、6-b所示，可以看出洱海水體邊界都較完美地提取了出來，與真實湖泊邊界擬合較好。根據(jù)目視檢驗情況，除局部細節(jié)外，湖泊大致范圍基本吻合。

圖6 水體提取結果對比Fig.6 Comparison of water extraction results

3.2 疊加分析

為了方便比對分析，剔除誤提的非湖泊水體矢量，將兩景影像提取的洱海水體矢量邊界進行疊加顯示，以Landsat 8提取結果為“真值”，如圖7所示，F(xiàn)Y-3C MERSI影像除湖泊邊界處誤提、漏提部分水體外，其水體邊界與Landsat-8 OLI影像提取出的水體邊界整體上擬合較好。由北至南截取三個區(qū)域進行局部放大顯示，同時這三個區(qū)域也是擬合誤差較大的區(qū)域，由于FY-3C的空間分辨率較低，可以看出圖①②③中有部分沿岸水體未能有效提取。

對兩景影像提取出的洱海水體進行面積統(tǒng)計，二者面積誤差為1.53%；參照云南省統(tǒng)計年鑒[11]數(shù)據(jù)，洱海2015年水域面積為250.0平方公里，與實際水體面積相比，F(xiàn)Y-3C影像水體提取面積精度為96.12%，Landsat 8影像提取的水體面積精度為97.62%，詳細統(tǒng)計結果如表2所示。

由于單一閾值難以準確劃分湖泊邊界處混合像元中的水體與非水體，而FY-3C MERSI影像最高空間分辨率僅為250 m，相較于Landsat 8 OLI影像的30 m空間分辨率，不是同一量級，所以FY-3C對于精細地物、細小水體的識別不及Landsat 8敏感、準確，這點在目視檢驗過程中也能得到體現(xiàn)。但FY3C MERSI數(shù)據(jù)提取出的水體面積與Landsat-8 OLI數(shù)據(jù)提取面積相比誤差僅為1.53%；與當年統(tǒng)計數(shù)據(jù)[11]相比，面積精度超過95%，最終提取效果較好，湖泊形狀較完整，輪廓分明。

圖7 水體矢量邊界疊加圖Fig.7 Water body vectors overlay

表2 水體提取結果對比Tab.2 Comparison of water extraction results

FY-3C中分辨率光譜成像儀（MERSI）多達20個通道設置，重訪周期短，監(jiān)測范圍廣，現(xiàn)勢性強，兼具多光譜、較高的空間分辨率和高時間分辨率，在動態(tài)監(jiān)測尤其是在應急監(jiān)測方面更具優(yōu)勢，適合洱海這種較大面積湖泊的水體提取及其動態(tài)監(jiān)測，而且面向大眾免費開放，顯現(xiàn)出了巨大的實際應用價值。

3.3 討論

（1）就基于水體指數(shù)的閾值分割方法來說，算法和滿足 FY-3C MERSI 通道設置的水體指數(shù)都多種多樣，本文提取洱海水體所采用的基于NDWI指數(shù)的Otsu閾值分割方法不一定是效果最好的最優(yōu)組合方法。

（2）另外，受到不同研究區(qū)域背景、影像質量等的差異，在某一研究區(qū)效果很好的水體提取方法在其他地區(qū)不一定適用，不具有普適性，這種不同類型水體提取的不確定性需要我們在進行湖泊水體提取時針對實際情況具體分析。

（3）本文所采用的全局統(tǒng)一閾值分割，具有一定的局限性，研究區(qū)范圍、影像輻射質量等都會影響“最優(yōu)閾值”的提取。實際情況中，對于大范圍水體提取，單一閾值難以實現(xiàn)高精度的分割，局部自適應閾值分割可實現(xiàn)局部范圍內水體與非水體更為準確的劃分，是提高水體自動化提取精度的一個重要研究方向。

4 結束語

本文以國產FY-3C MERSI影像為數(shù)據(jù)源，洱海為研究對象，采用基于閾值的水體指數(shù)法，在NDWI灰度直方圖的基礎上，使用大津算法（Otsu）進行閾值選取得到最佳閾值，最后通過密度分割提取出洱海2015年一月的水體邊界，同時采用相同方法對鄰近時期的Landsat-8 OLI過境影像進行水體提取，對比分析二者的提取結果以及與 15年統(tǒng)計數(shù)據(jù)[11]的比較得到如下結論：

（1）FY-3C MERSI影像能較為快速、準確地提取出洱海水體，與Landsat 8 OLI影像水體提取結果相比，其水體面積精度誤差僅為 1.53%；與湖泊當年實際面積相比，面積提取精度為96.12%。

（2）文中采用的 NDWI結合 Otsu的閾值分割方法，可實現(xiàn)大范圍水體的全局自適應最優(yōu)閾值分割，快速提取出水體，相較于傳統(tǒng)方法，簡便快捷，分割效果一般較好，在水體自動化提取方面具有較高的實際應用價值。

（3）FY-3C MERSI具有成像質量好、時效性強、監(jiān)測范圍廣和數(shù)據(jù)免費獲取等優(yōu)勢，為湖泊水體信息提取、監(jiān)測提供了新的數(shù)據(jù)源，對資源與環(huán)境監(jiān)測具有重要作用和意義。

FY-3 MERSI數(shù)據(jù)兼具多光譜、較高的空間分辨率和高時間分辨率，借鑒當前已成熟的水體監(jiān)測方法、模型，可進一步研究利用FY-3 MERSI數(shù)據(jù)開展湖泊水體監(jiān)測，為有關部門防災減災提供準確及時的監(jiān)測信息和決策依據(jù)，這對水資源調查、監(jiān)測分析中減少對外國衛(wèi)星遙感數(shù)據(jù)的依賴，促進國產衛(wèi)星數(shù)據(jù)的業(yè)務化應用，提高風云氣象衛(wèi)星在生態(tài)文明建設服務中的應用水平具有重要意義。