基于Landsat＿8影像的涇河峽谷段高含沙河流信息提取方法

李彬 張金良 白玉川

摘 要：為了克服從遙感影像中提取高山峽谷型河流信息過程中遇到的山體陰影、水庫下游基巖裸露等構成的混合像元效應，提出一種基于Landsat_8OLI影像的自動提取高山峽谷窄深型高含沙量河流信息的多波段譜間關系的改進方法。以黃土高原涇河中游為例，利用多波段光譜特征，分離水體與山體陰影、裸露山體、基巖邊灘，構建適用于高山峽谷窄深型高含沙量河流信息提取的模型。與其他水體信息提取模型相比，該方法克服了山體陰影、水庫下游基巖對水體信息提取的影響，提高了高山峽谷窄深型高含沙量河流信息的提取精度。

關鍵詞：多波段譜間關系法；河流信息提取；高含沙河流；涇河

中圖分類號：P407.8；TP75 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2022.01.016

引用格式：李彬，張金良，白玉川.基于Landsat_8影像的涇河峽谷段高含沙河流信息提取方法[J].人民黃河，2022，44（1）：75-79.

RiverInformationExtractionMethodBasedonLandsat_8RemoteSensinginMountainAreawith HighSedimentConcentrationofJingheRiver

LIBin1，ZHANGJinliang2，BAIYuchuan1

（1.InstituteforSedimentationonRiverandCoastEngineeringofTianjinUniversity，Tianjin300072，China；2.YellowRiverEngineeringConsultingCo.，Ltd.，Zhengzhou450003，China）

Abstract：Thispaperproposedanimprovedmethodforautomaticextractionofmulti bandspectralrelationshipofnarrowanddeepriversin mountainsandvalleyswithhighsedimentconcentrationfromLandsat_8OLIimages，whichovercamethemixedpixeleffectofmountainshad owandexposedbedrockinthedownstreamsectionofthereservoir.TakingJingcuntoDongzhuangReservoirsectioninthemiddlereachesof JingheRiverontheLoessPlateauasanexample，itseparatedthewaterbodyandmountainshadow，baremountainandbedrockbeachby consideringthecharacteristicsofthemulti bandspectral，andthenconstructedawaterbodyextractionmodelsuitablefornarrowanddeep riverswithhighsedimentconcentrationinvalleys.Comparedwithotherwaterextractionmodels，themethodproposedinthispapercanover cometheinfluenceofshadowclosetoriverchannelandbedrockdownstreamofreservoironwaterextraction，andimprovetheextractionaccu racyofnarrowanddeepriverswithhighsedimentconcentrationinmountaincanyon.

Keywords：multi bandspectralcorrelationmethod；riverinformationextraction；highsedimentconcentrationriver；JingheRiver

1 引 言

從衛星遙感影像中提取水體信息，對水資源和水環境實時動態監測具有重要意義[1]。目前提取水體信息常用的方法有歸一化插值水體指數（NDWI）法、改進型歸一化插值水體指數（MNDWI）法、插值法、閾值法、多波段譜間關系法等[2-5]。McFeeters[6]提出了利用遙感影像中的綠波段與近紅外波段計算NDWI的方法，該方法能夠凸顯水體信息，抑制地表植被信息。MNDWI法利用短波紅外波段替代近紅外波段，在NDWI法的基礎上進一步突出水體，抑制城市、植被和裸露土地的信息。以上水體信息提取方法在平原地區和山地區的提取效果各不相同，在平原地區利用基于閾值的水體指數法提取效果較好，而在山地區利用基于閾值的多波段譜間關系法提取效果更好，主要原因是充分利用了水體和陰影在不同波段的變化特征[1，7]。

對于含有峽谷型河流的遙感影像而言，山體陰影、裸巖等的地物干擾使得全局性的光譜指數模型難以取得較高的提取精度。在峽谷型河流信息提取中，駱劍承等[8]與李均力等[9]提出了基于“全域-局部”的水體信息提取方法，但該方法對窄深型河流信息提取難以取得較好的效果。沈金祥等[10]利用基于水體NDWI的“全域-局部”特征，結合形狀、亮度等特征對新疆喀納斯湖地區的山區湖泊進行水體信息提取。李炳亞等[11]在高山峽谷地區湖泊信息提取中，首先利用水體光譜特征提取完整的湖泊水體，再利用空間位置關系消除陰影，但受限于DEM數據精度。孫娜等[12]基于高分一號PMS影像，采用面向對象的影像分析技術與區域種子算法相結合，提取黃土高原水體，但是未考慮高山峽谷窄深型河流情況。

黃土高原高山峽谷窄深型河流存在的水體泥沙含量高、山體陰影、水庫下游基巖裸露等情況，使得遙感影像光譜復雜，水體光譜特征弱，峽谷河流信息提取難度較大。本文基于Landsat_8OLI遙感影像，采用多波段譜間關系的改進方法，以黃土高原涇河中游景村至東莊水庫段為研究區，根據多波段的比值關系與閾值分割，分離水體與山體陰影、裸露山體、耕地等，構建適用于峽谷型高含沙河流水體信息提取模型，以期為黃土高原地區其他河流信息提取提供參考。

2 研究區概況和數據來源

涇河為黃河流域十大水系之一，是黃河洪水、泥沙的主要來源地之一。涇河流域產流量集中，高強度暴雨易形成有較強輸沙能力與侵蝕能力的高含沙洪水[13]。東莊水利樞紐位于涇河的峽谷河段，該河段蜿蜒曲折，屬于典型的侵蝕型峽谷河道[14]，河道寬度僅為40～200m。涇河中游景村至東莊水庫段含沙量高、水庫下游基巖裸露，因而遙感影像河流信息提取容易受到山體陰影及其他地物光譜的影響。

從地理空間數據云（http：//www.gscloud.cn）下載涵蓋涇河中游景村至東莊水庫段的Landsat_8OLI衛星影像（條代號/行編號為147/36，成像日期為2014年7月14日）（見圖1），以其為遙感數據源，利用ENVI軟件建立ROI區域并進行圖像裁剪、輻射標定與大氣校正。

3 研究方法

3.1 地物光譜特性分析

水體在電磁波各個波段上反映的特征是在遙感影像中進行水體信息提取的基礎[15]。水體的總體反射率較低，反射主要集中在可見光波段，特別是藍綠波段，在近紅外波段反射率最低，而植被和土壤等在近紅外波段反射率較高，因此可以利用不同波譜間的光譜特征進行水體信息提取[7]，但是山體陰影灰度值與水體相近，在進行水體信息提取時往往會造成一些山體陰影被誤提取出來。在Landsat_8OLI影像上提取的研究區河流水體、山體陰影、植被、耕地等地物波譜值曲線見圖2，可以看出，各類地物在波段5上具有較大的波譜值，而云陰影和山體陰影在波段5的波譜值小于其他地物的，因此眾多學者利用綠波段B2與紅波段B3的波譜值之和大于近紅外波段B4與短紅外波段B5之和的特點[16]進行分離和提取水體。

3.2 多波段譜間關系算法

式（2）是根據黃土高原上的地物光譜曲線特征，對張明華[18]與楊樹文等[19]提出的算法進行的改進。主要改進優點：在原有基礎上新增了Landsat_8OLI中的波段1（B1）與波段7（B7），能夠有效消除緊靠河流的裸露山體的影響，進一步分離水體與近岸山體陰影，提高了提取河岸邊界的精度。

3.3 河流信息提取后處理

利用ENVI軟件進行圖像分割后得到河道的邊界，并通過ArcGIS進行人機交互處理，主要為水體信息自動提取后的人機交互柵格數據處理，包括除去與研究區相連的支流以及與研究區分離的水體，對圖像中存在的噪點（主要為耕地邊上的小池塘）進行處理，研究區內存在多個水電站，其下游河道基巖裸露、河道較窄，造成水體不連續，需適當進行水體補充。利用ArcGIS對研究區河道中心線進行提取，河道中心線是河道中與兩岸距離相等的點的連線，可以將河道平面抽象為一條蜿蜒的曲線[20]。

4 結果分析

4.1 典型河段選擇

選取研究區涇河景村至棗渠水電站、和平水電站下游、東莊水庫至文涇水電站3個典型河段（見圖3）進行分析。景村至棗渠水電站河段耕地占用河道較為嚴重，水電站下游河道束窄，基巖構成的邊灘發育，河流形態彎曲；和平水電站下游河段山體陰影密集，山體坡度較大，溝壑發育，河流含沙量較大，河道內基巖裸露嚴重；東莊水庫至文涇水電站河段山體裸露嚴重且緊挨河道，河道較窄，山體陰影面積較大。

4.2 河流信息提取效果分析

在利用式（1）對研究區進行分析時，發現N取2200的河流信息提取效果最佳。在利用式（2）對研究區域進行分析時，發現N取0即可，即高于0的區域是研究區內的涇河部分。分別利用式（1）與式（2）提取的河流信息效果對比見圖4。

景村至棗渠水電站河段，利用式（1）提取的結果（見圖4（a））包含了靠近河流的村莊、裸露的耕地、棗渠水電站下游基巖構成的邊灘以及河道分汊等，噪點較多。利用式（2）提取的結果（見圖4（b））噪點較少，河道與村莊、耕地等地物分離較好，河道基本連續；棗渠水電站下游河道水體出現中斷，原因是棗渠水電站蓄水使得下游局部河道水體寬度變窄，河床基巖出露較多，從而使河道無法完整提取出來，但河流彎曲形態得以體現，有效區分了基巖和河流水體。

和平水電站下游河段，利用式（1）與式（2）提取的結果均能較好地反映河道內的水體分布，河道基本連續，但在第一個彎道處出現中斷，主要是遙感影像中云的遮蔽造成的。在連續彎曲的河段內，山體陰影覆蓋了部分河道（見圖3（b）），但在圖4（c）與圖4（d）中有效分離了山體陰影與河道。在水電站下游的彎道內，利用式（1）提取的水體信息中有河道較窄和中斷現象（見圖4（c）），主要是汛期涇河含沙量較高造成的；利用式（2）提取的河道較好，基本沒有出現中斷現象，表明其能夠有效提取含沙量較高的水體。

東莊水庫至文涇水電站河段，利用式（1）提取的效果較差（見圖4（e）），無法有效分離裸露山體和河道；利用式（2）提取的效果較好（見圖4（f）），能夠有效區分裸露山體和河道，但河道有中斷現象，主要原因是施工導致河流斷流，同時山體陰影覆蓋了部分河道（見圖3（c））。

4.3 結果驗證及應用

將利用式（2）提取的研究區河流信息轉化為矢量文件，疊加在合成的彩色圖像中加以對比（見圖5），驗證基于多波段譜間關系改進算法提取高山峽谷窄深型高含沙量河流信息的效果。由圖5可以看出，提取的河流信息疊加在經過大氣校正后的Landsat_8OLI影像上，提取結果與實際河流情況吻合。

以黃河河曲縣段、黃河支流皇甫川和清水川府谷縣段、涇河上游馬蓮河與涇河交匯處為例，驗證基于多波段譜間關系改進算法在黃土高原高含沙河流信息提取中的應用效果，見圖6（（a）河流信息提取效果圖，遙感影像為Landsat_8OLI，成像日期為2016年7月28日，條代號/行編號為126/33；（b）GoogleEarth影像，成像日期為2015年8月14日；（c）河流信息提取效果圖，遙感影像為Landsat_8OLI，成像日期為2020年5月18日，條代號/行編號為128/35；（d）GoogleEarth影像，成像日期為2019年9月29日）。

在圖6（a）中，利用式（2）進行河流信息提取，N值取-400，可以明顯看出黃河河道內的中心沙洲和邊灘分離效果較好，對于年徑流量較小、含沙量較高的黃河支流皇甫川和清水川也能夠較好地分離。不足之處在于無法準確提取小南川，原因是小南川流量小、含沙量高、河漫灘發育、河流較窄（在GoogleEarth上測量的平均河寬為11m，部分河寬不足5m，遠低于Landsat_8 OLI遙感影像的分辨率30m），對于河寬小于遙感影像分辨率的細小河流提取效果不佳[21]。出現大量噪點的原因主要是河流含沙量較高且附近地物植被覆蓋度較低、山體表層裸露，在設置閾值時容易將高含沙量水體與其他地物混淆。

圖6（c）為利用式（2）提取的馬蓮河與涇河交匯處的河流信息（N值取0），其中的噪點為山間湖泊。馬蓮河的提取效果較好，主流完整未中斷，能夠與耕地、山體很好地分離；涇河的提取結果整體效果較好，但其中存在河道中斷現象，原因是河道中的沙洲將水流分為多條，使得每條水流的寬度小于提取分辨率。

5 結 論

在峽谷型細小河流的提取方法中，多波段譜間關系算法提取效果較佳。高山峽谷窄深型高含沙量河流兩側山體陰影密集，下游基巖邊灘發育，使得河流的水體光譜特性減弱、山體陰影遮蔽河流、河流變窄，增加了提取難度。利用常規多波段譜間關系算法提取河流信息精度較低，而改進的多波段譜間關系算法中加入Landsat_8OLI中的波段1和波段7，提取精度大大提高，主要表現在：①改進的多波段譜間關系算法對于高含沙河流信息的提取效果較好；②改進的多波段譜間關系算法能夠較好地提取基巖邊灘和細小河流；③改進的多波段譜間關系算法能夠有效分離裸露山體和河流。

改進的多波段譜間關系算法不足之處在于對河寬小于遙感影像分辨率的河流提取效果不佳，原因是在較窄的河道中，當含沙量較高時，水體與裸露山體的光譜信息容易混淆，下一步應嘗試在更高精度的遙感影像中采用改進的多波段譜間關系算法提取河流信息。

參考文獻：

[1] 王偉武，朱霞，孫躍池，等.基于ETM圖像的山地水體信息提取方法研究[J].系統仿真學報，2013，25（9）：2196-2200.

[2] 徐蓉，張增祥，趙春哲.湖泊水體遙感提取方法比較研究[J].遙感信息，2015，30（1）：111-118.

[3] 閆超德，袁觀杰，李紫薇，等.基于遙感的黃河鄭州段河流形態變化分析[J].人民黃河，2020，42（1）：21-26.

[4] 汪寶存，苗放，陳建華，等.基于ASTER數據的歸一化差異水體指數的建立及其應用[J].測繪科學，2008，33（2）：177-179.

[5] 徐涵秋.利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究[J].遙感學報，2005，9（5）：79-85.

[6] MCFEETERSSK.TheUseoftheNormalizedDifferenceWa terIndex（NDWI）intheDelineationofOpenWater Features[J].InternationalJournalofRemoteSensing，1996， 17（7）：1425-1432.

[7] 畢海蕓，王思遠，曾江源，等.基于TM影像的幾種常用水體信息提取方法的比較和分析[J].遙感信息，2012，27（5）：77-82.

[8] 駱劍承，盛永偉，沈占鋒，等.分步迭代的多光譜遙感水體信息高精度自動提取[J].遙感學報，2009，13（4）：604-615.

[9] 李均力，盛永偉，駱劍承.喜馬拉雅山地區冰湖信息的遙感自動化提取[J].遙感學報，2011，15（1）：29-43.

[10] 沈金祥，楊遼，陳曦，等.面向對象的山區湖泊信息自動提取方法[J].國土資源遙感，2012，24（3）：87-94.

[11] 李炳亞，潘劍君，夏超，等.基于空間位置關系的山地湖泊水體信息提取方法研究[J].遙感技術與應用，2016，31（5）：983-993.

[12] 孫娜，高志強，王曉晶，等.基于高分遙感影像的黃土高原地區水體高精度提取[J].國土資源遙感，2017，29（4）：176-181.

[13] 馬川惠，黃強，郭愛軍.涇河流域水沙聯合分布特征分析及其不確定性評估[J].水利學報，2019，50（2）：273-282.

[14] 張紅武，張歐陽，張俊華，等.涇河東莊水庫排沙試驗研究[J].水力發電學報，2004，23（4）：82-87.

[15] 譚衢霖，劉正軍，胡吉平，等.應用多源遙感影像提取鄱陽湖形態參數[J].北京交通大學學報，2006，30（4）：26-30.

[16] 周成虎，駱劍承，楊曉梅.遙感影像地學理解與分析[M].北京：科學出版社，1999：68-90.

[17] 杜云艷，周成虎.水體的遙感信息自動提取方法[J].遙感學報，1998，2（4）：364-369.

[18] 張明華.用改進的譜間關系模型提取極高山地區水體信息[J].地理與地理信息科學，2008，24（2）：14-16.

[19] 楊樹文，薛重生，劉濤，等.一種利用TM影像自動提取細小水體的方法[J].測繪學報，2010，39（6）：611-617.

[20] GUOX，CHEND，PARKERG.FlowDirectionalityof PristineMeanderingRiversisEmbeddedintheSkewingof High AmplitudeBendsandNeckCutoffs[J].Proceedings oftheNationalAcademyofSciences，2019，116（47）：1-7.

[21] 姜浩，馮敏，肖桐，等.基于線狀特征增強的TM遙感影像細小河流信息提取方法[J].測繪學報，2014，43（7）：705-710.

【責任編輯 張華興】