基于多源遙感數據的水體提取方法研究

楊國俊，毛繼宗

（1.長江水利委員會網絡與信息中心，湖北 武漢 430015；2.自然資源部重慶測繪院，重慶 401120）

0 引言

水是人類賴以生存的重要資源，隨著科學技術的不斷發展，人們對水體提取的研究方法也在一直改進，最近國內外的諸多學者通過衛星遙感影像技術對水體開展了提取、研究等一系列工作。充分利用衛星遙感技術不受時間、天氣、地點、區域的限制，可以使人們對水體的研究更加方便、快捷、準確、及時地獲得結果，以前人們通過去實地勘測開展研究，存在的難度與危險較大，并且耗費人力與經費。衛星遙感技術可以讓工作人員在實驗室中就完成一定程度的工作，并且可以勘測與研究的范圍可大可小，不受時間的局限，在處理遙感影像時只需要工作人員通過一些專用的系統進行數據的提取、分析、取舍，進而進行計算。雖然遙感技術相較于普通的方式好處非常多，但是也存在一些弊端，針對遙感影像的使用，雖然有一部分專業技術人員采用了自動解譯的方法，但是這種方法受到一定的限制，僅能依靠單景或多景影像來對較小范圍的水體進行實驗與勘測，并且它的使用也對工作人員的技術要求較高，因此這在一定程度上增加了一些成本。

1 水體研究及提取方法

1.1 多源數據融合法

多元信息選用方法結合的多源信息包括相互差異的傳感器信息、相互差異的分辨率信息。而這些與單源信息相比，特征更加明顯，進一步填補了單源信息獲取時不同地物的漏洞，使精準度得到明顯提高。結合全息影像以及多光譜影像，獲取其中紋路、構造以及光譜成像原理，運用SVM開展劃分，進一步彌補了單源信息圖片影像劃分時不同地物數據存有丟失的漏洞和問題，可以進一步收集高維引入向量運用時相Landsat圖片影像從像元以及亞像元開展城鄉融合地

域繁雜水體檢驗，運用精準度較高的QuickBird影像對檢測得出的最終數據進行矯正，縮減了混雜像元所導致的傳感器收集影像差異化較大的狀況出現，經過CART計算方式開展水體覆蓋狀況預測，并獲得最終數據—— 近紅外波段對預測數據起到了不可替代的推動作用，通過高質量的空間分辨率以及成像輻射品質的影像獲取的數據具備高精準特點[1]。

1.2 水體提取方法

（1）歸一化差異水體指數（NDWI）法。為凸顯影像中水體的信息，我們利用遙感影像的固定波段通過吸收、抑制、增強信息等反應來對歸一化差異數據進行處理，計算歸一化差異水體指數的計算方法：NDWI=ρGreen（綠波段地表反射率）-ρNIR（紅外波地表反射率）ρGreen+ρNIR，計算之后對水體進行分類。

（2）最大似然分類（ML）法。這種分類方法應用比較廣泛，是依據了統計的方法，在幾類結果判定中，建立一定的函數關系，假設每一類別規律都呈現正態分布，進而計算出每種水質出現的概率，然后選擇最大一種概率進行分類。

（3）Sentinel-1水指數（SWI）法。在雷達影像中，因水體的反射率較弱，故其呈黑色或較暗，而非水域則較亮。SWI公式為SWI=0.1747VV+0.0082VV×VH+0.0023VV2-0.0015VH2+0.1904 (2)，式中，VH和VV分別為Sentinel-1數據中VH偏振VV偏振的后向散射系數。

（4）面向對象分類法。這是大多數遙感影像提取信息的方法，能夠通過影像高分辨率的特點，對比獲取影像的紋理信息、光譜要素、空間信息等信息來對水體進行分類。

（5）支持向量機法（SVM）。這一方法是在20世紀90年代后迅速發展起來的，其推導過程相對嚴謹，可以使在特征空間中使用的線性學習機的方法來解決樣本空間中的高密度的非線性空問題，并且這種方法人為干預較少，數據也就相對準確[2]。

2 多源遙感數據的研究背景

隨著近幾年遙感傳感設備的大量開發和研究，以及社會使用需求的劇增，我們在運用遙感技術開展水體監測及提取的時候，具備了更多源的遙感信息。伴隨著傳感器科技的不斷進步，在未來的若干年內，研究人員將能得到精確度和分辨率更高的遙感觀測數據。在大范圍的遙感監測信息之中，以往的單景影像處理方式對于信息的采集較為不利，個人計算機對于海量信息的儲存和運算較為吃力。針對這一弊端，也為了對現代遙感信息進行更深層次的解析和驗算，必須對遙感大數據開展自動化解譯及挖掘，把遙感信息進一步轉變成相關知識。在這樣的趨勢之下，云計算技術具有不可替代的作用和意義。云計算是指一類可擴展的分布式并行運算構造以及儲存大量信息的設備，其擁有強悍的運算技術以及儲存能力，可以進一步克服個人計算機對于信息儲存和大數據運算的不足和缺點[3]。

3 水體范圍提取關鍵問題

因為相互差異的地物對于電磁波的吸收和反射特點具有一定差異性，各類地物自身所具備的電磁光譜特性各不一樣。所以依據相互差異的地物之間的電磁光譜變化，運用遙感影像便能夠對地物開展相對的辨識。對于純水來說，其在紅光、近紅外波段，具備較強的吸納、弱反射特質，而且伴著波長的增長，水體反射特點會進一步衰弱。但是因為自然水體之中大多含有葉綠素、沙塵等雜質，相互差異的水體所呈現的光譜特質會因為水體含有的成分不同而具備一定的差別[4]。

與此同時，水體在相互差異波長作用下對陽光的吸收以及反射的特質會展現出一定差別。潔凈水體在藍綠波段對于陽光的吸收和反射能力相對弱，在紅光、近紅外波段的反射率更低，特別是在近紅外以及短波紅外波段，陽光大多被水體吸納，反射率為0。所以，遙感傳感設備感應到的水體數據相對較弱，在這個基礎上，專家學者進一步開發了針對水體覆蓋區域的檢驗方式。從科學實驗結果來看，水體在近紅外波段對陽光的吸收能力較強，而土壤相對較弱，所以可以針對這一點確立一個數值來分離水土界線[5]。

但是在現實運用過程中，因為水體數據會受到多重因素影響，水體區域獲取的精確度會因此而受到一定影響。有的專家學者把歸一化植被指數用于水土界線分離，NDVI經過擴大陸地地物近紅外反射率以及較低紅光反射率的差別，進一步提升水體區域的區分度。大多數情況下，水體NDVI＞0而非水體NDVI＜0。其次，基于NDVI提出歸一化差異水體指數，將紅光波段轉換為綠光波段，以達到進一步改進植被數據、使水體特質更加顯著的目的。此外，更多新的水體指數計算方法也在不斷更新[6]。

4 研究分析

4.1 基于波譜間關系決策樹分類法的ETM+水體信息提取

4.1.1 水體信息粗提取

探究區域內特征顯著的地物主要包括水體、植物、裸地、居民區等，在圖片影像上對每類地物采取20個選點，解析每個地物在各個波段之中的光譜特點。這20個選點的確定必須要具備科學性和有效性。典型地物波譜響應曲線如圖1所示。

圖1 典型地物波譜響應曲線

圖2 水體粗提取結果

經過解析水體及其余地物的光譜特點能夠發現水體具備TM2+TM3＞TM4+TM5的顯著特點，以此為基礎，能夠把水體基本采取出來。居民區、裸地等也同樣適應這一原理，運用特定的條件會使獲取的水體混雜居民區、裸地和陰影（如圖2所示）。

4.1.2 除碎斑

圖3中一塊塊的深色區域，就是利用圖像采取到的小范圍的水體或是山體區域的陰影，存在一些碎圖斑，關于這部分斑塊，采用ArcGIS10.8的建模方式進行合并、綜合[7]。

圖3 水體信息提取結果

4.2 基于閾值法的SAR圖像水體信息提取

觀察圖4的SAR灰度直方圖，圖中的區域有明顯的灰色和深灰色兩部分，且有兩處凸起與一處凹陷，利用凹陷處的數值對圖中水體單獨分析。通過橫縱坐標確定兩處凸起部分的最高點和凹陷部分的最低點，把圖中的顏色區域進行劃分，通過研究與分析，可以計算出水體分解的臨界值為38，因此得出，氮類物質比38大的就是非水體，氮類物質比38小的為水體。水體提取的結果如圖5所示。

圖4 SAR灰度直方圖

圖5 水體提取結果

5 結束語

結合ETM+影像具備的多光譜、高辨析率的特征以及SAR影像能穿透云霧、全天候、在各種天氣條件下獲取的特點獲取水體數據是洪澇災害監測的最佳方式。本文在解析ETM+、SAR圖片影像特征的前提下，進一步對分辨率差異、尺度差異的遙感信息源做了差異化分析，探究并提取了洪水覆蓋區域。但是，本文在水體數據獲取的過程之中對相關指數的選用主觀上較強，所以，必須進一步探究運用紋理特征、邊界劃分方式以及邊緣檢測算法對水體數據開展提取。■