基于多種水體指數的城市碧道水體遙感提取方法對比研究

劉海洋,胡泓達,劉 平,劉旭攏,劉萬俠

(1.廣東省水利水電技術中心，廣州 510635；2.廣東省科學院廣州地理研究所,廣州 510070；3.南方海洋科學與工程廣東省實驗室，廣州 511458)

萬里碧道是以水為主線，兼顧生態、安全、文化、景觀、經濟等功能的生態廊道，快速準確獲取河湖水體分布對碧道規劃建設管理及碧道生態功能研究和評價具有重要意義[1-2]。衛星遙感技術在水體提取應用中發揮的作用日益凸顯[3]。水體遙感提取研究從最初的人工目視解譯，到基于光譜特征的半自動提取與分類，再發展到結合光譜特征與空間信息的方法[4]。其中，基于光譜水體指數的方法由于其易于理解、計算簡便等特征，應用范圍最為廣泛。

遙感水體指數使得快速實現大范圍碧道水體提取成為可能[5]。波段的不同組合和計算公式產生了多種水體指數。MCFEETERS[6]于1996年首次提出了歸一化差異水體指數(NDWI)，充分抑制了植被等非水體信息。徐涵秋[7]提出了一種改進的歸一化差異水體指數(MNDWI)，通過將近紅外波段替換為短波紅外波段，有助于消除來自土壤和建筑物的干擾。相關學者利用Landsat7 ETM+影像各波段的自然對數來反映反射系數和相互作用條件，創建了水體指數WI2006。WI2015水體指數[8]則以WI2006為基礎，利用線性判別分析分類確定最佳分割訓練區類別的系數，進一步提高了水體提取精度。

哨兵2號影像具有20 m分辨率的遠紅外(SWIR)波段和10 m分辨率的可見光(VIS)和近紅外(NIR)波段，將SWIR波段的空間分辨率提高到10 m即可計算得到10 m分辨率的水體指數[9]。亟待解決的關鍵問題是如何準確提高SWIR波段的空間分辨率，即遙感影像空間降尺度問題。一般來說，空間插值和全色銳化是兩種最流行的用于遙感影像空間降尺度方法。傳統的雙線性插值方法沒有引入其它高分辨率波段信息，而是直接應用于低分辨率波段，計算簡便但效果有限。相比之下，全色銳化方法是以遙感影像的高分辨率全色(PAN)波段的可用性為前提，廣泛應用于具有低分辨率多光譜波段和高分辨率PAN波段的遙感影像[10]。

1 研究區域與方法

1.1 研究區域與流程

研究區域位于廣州市區，總面積超過100 km2(如圖1所示)，研究區域內主要分布珠江航道、海珠濕地等都市型碧道水體，另外還有一部分細小水體,對碧道水體提取造成干擾的主要是城區分布的大片建筑物及其陰影。

圖1 研究區域示意

本文的研究流程見圖2。首先利用哨兵2號遙感影像綠和近紅外波段計算NDWI水體指數；然后分別通過雙線性插值與GS波段銳化將遠紅外波段空間分辨率提高至10 m，與可見光波段計算得到10 m分辨率的MNDWI和WI2015水體指數；針對各水體指數影像進行掩膜閾值訓練，利用分水嶺算法實現水體對象分割與提取；最后利用研究區域地表水體真值數據，對不同波段降尺度方法與水體指數組合的碧道水體提取精度開展評價對比。

圖2 研究流程示意

1.2 水體指數計算

NDWI是基于遙感影像綠波段和近紅外波段組合而成，計算公式如下：

(1)

式中：

ρGreen——綠波段的地表反射率；

ρNIR——近紅外波段的地表反射率。

NDWI主要利用近紅外波段水體吸收能力強，而植被反射性強的特點，達到抑制植被和突出水體信息的目的。

將NDWI中的近紅外波段替換為遠紅外波段，計算公式如下：

(2)

式中：

ρSWIR——遠紅外波段的地表反射率。

MNDWI能夠顯著增強水體與建筑物的對比度，降低兩者之間的混淆度，有利于準確提取城鎮地區的水體信息[11]。

WI2015則是基于各波段自然對數創建，計算公式如下：

WI2015=1.7204+171ρGreen+3ρRed-70ρNIR-45ρSWIR1-71ρSWIR2

(3)

1.3 遠紅外波段降尺度方法

空間插值和全色銳化算法通常被用來實現低分辨率波段的空間降尺度。Gram-Schmidt (GS)是應用最廣泛的全色銳化算法之一，具有最優的光譜保真度，可保持全色銳化前后影像光譜特征的一致性，即降尺度得到的高分辨率波段數據保留了原始低分辨率波段的光譜特征[12]。

哨兵2號影像不具備全色波段，而GS全色銳化需要融入類似全色波段的高分辨率波段信息。VIS/NIR多光譜波段分辨率均為10 m，但波段之間不同程度的相關性會導致數據冗余。主成分分析方法PCA被廣泛用于遙感多光譜影像波段信息降維[13]。利用PCA將VIS/NIR多光譜波段壓縮成一個類全色波段。通過對VIS/NIR四波段進行線性變換，生成相互正交的光譜空間，其中第一主成分包含的信息最豐富。據此可將第一主成分視為10 m類全色波段，通過GS方法融合20 m遠紅外波段，將遠紅外波段空間分辨率提高至10 m。

1.4 標記控制的分水嶺水體分割算法

標記控制的分水嶺算法尤為適合水體分割，與最大類間方差等使用單閾值分割水體/非水體的算法相比，其在水體邊緣表現更好[14]。

使用該算法進行水體提取包括3個步驟：

① 標記水體/非水體區域：針對各水體指數影像，分別標記可信度高的水體和非水體區域；

② 梯度影像生成：將Sobel算子應用到各水體指數影像，計算生成相應的梯度影像，用于確定水體和非水體區域標記之間的分界線；

③ 執行水體分割：基于水體/非水體區域標記和梯度影像，分水嶺算法迭代擴展每個標記，直到所有未標記的像元均被標記為水體或非水體。

1.5 水體提取精度評價指標

采用用戶精度(User’s Accuracy,UA)，生產者精度(Producer’s Accuracy,PA)，總體精度(Overall Accuracy,OA)和Kappa系數等4項評價指標進行水體提取結果評價。計算方法分別如下：

(4)

(5)

(6)

(7)

式中：

TP——正確提取的水體像元數目；

FP——錯誤提取的水體像元數目；

FN——未被提取的水體像元數目；

TN——正確提取的非水體像元數目；

T——整幅影像總像元數目,∑=(TP+FP)×(TP+FN)+(FN+TN)×(FP+TN)。

2 實驗結果分析

2.1 水體指數計算結果

圖3分別展示了NDWI水體指數、BIL和GS方法對應的MNDWI和WI水體指數空間分布狀況。不難看出，3種水體指數均能夠較好地突出水體與陸地之間的反差，水域邊界已經較為明顯。相比較而言，依靠雙線性插值方法降尺度的遠紅外波段計算得到的水體指數值域范圍比GS方法分布更廣。

2.2 水體遙感提取精度評價

利用分水嶺算法在各水體指數影像上實現水體/非水體對象分割，從而實現水體區域的精準提取。將水體提取結果與真實水體數據進行疊加對比，即可得到水體誤提區域與漏提區域，分別如圖4a和圖4b所示。除了對水體誤提和漏提結果進行定性直觀表達，另外利用精度評價指標對不同降尺度方法與水體指數組合的水體提取結果開展定量評價，評價結果見表1。圖4a、b的誤提和漏提結果分別對應表1的生產者精度UA和用戶精度OA。

a 水體誤提結果

表1 不同降尺度方法與水體指數組合的水體提取結果精度評價

在城市區域易誤分為水體的主要是建筑物陰影。重點關注建筑物密集分布區域，在原始影像上呈現出明顯的陰影現象，與水體同屬低反射率地物。可以看到各水體指數影像提取水體結果一定程度均會受到建筑物陰影混淆影響。相比較而言，NDWI指數和GS方法對應的WI指數水體提取結果均表現較好，只有少數建筑物陰影被誤提為水體。特別是NDWI指數具有最優的UA精度(95.02%)，說明NDWI對應的水體誤提情形最少，這與已有研究結果不太相符。一般認為MNDWI、WI等水體指數在處理建筑物及其陰影干擾時表現比NDWI更優，因此出現水體誤提概率相對更低。然而，對于哨兵2號影像，由于計算MNDWI和WI指數需要的10 m分辨率遠紅外波段是通過空間降尺度而得，該過程必然會引入降尺度誤差，直接降低水體指數計算精度，進而一定程度上會影響水體提取結果。

BIL方法對應的MNDWI和WI兩種指數均易將建筑物陰影誤分為水體，水體提取精度基本全面落后于NDWI指數。這是由于BIL插值方法雖然一定程度上保持了低分辨率遠紅外波段的原有光譜信息，但是由于沒有引入其它高分辨率波段信息，對空間細節提升作用有限。結果表明高分辨率波段信息融入對于改進低分辨率波段降尺度結果尤為重要，可顯著降低水體誤提概率，僅依靠簡單的空間插值方法難以達到相同的效果。

整體來說，每一種組合都取得了不錯的水體提取結果，UA等各項精度評價指標均在80%以上。而GS方法對著的WI指數則提供了最優的PA精度(89.10%)、OA精度(96.79%)與Kappa系數(0.897)。綜合來看，利用GS降尺度波段信息計算得到的WI指數取得了最佳的水體提取效果。這也說明選擇可利用高分辨率波段信息的空間降尺度方法對于提升水體提取精度尤為重要。

研究區域內分布著眾多細小水體，3種水體指數均出現了漏提現象。這是由于GS全色銳化和BIL空間插值均是將參與水體指數計算的所有波段空間分辨率統一至10 m，自然無法提取寬度低于10 m的亞像元級別細小水體。

3 結語

水體遙感提取是碧道生態、安全、文化等綜合功能研究的基礎。基于哨兵2號遙感影像，本文利用多種水體指數開展城市碧道水體遙感提取方法對比研究。結果如下：

1)遙感水體指數能夠有效提取城市碧道水體信息，特別是刻畫河道水體，水體提取精度評價指標Kappa系數均保持在0.8以上。驗證了利用衛星遙感技術開展碧道水體監測的有效性和可行性。

2)各水體指數無法完全避免建筑物陰影對城市碧道水體提取的干擾，NDWI指數對應的水體誤提情形最少，這與MNDWI、WI等水體指數更擅于避免建筑物陰影干擾的已有研究結論不太相符。這是由于計算MNDWI和WI指數需要的10 m分辨率遠紅外波段是通過空間降尺度而得，降尺度誤差會降低水體提取精度。

3)受限于影像空間分辨率，各水體指數提取結果均會遺漏細小碧道水體信息。細小水體一直是遙感水體提取研究的難點，下一步有必要利用高分辨率遙感影像開展各水體指數對于細小碧道水體提取能力的對比研究。