基于GIS 遙感的水域信息變化特征識別方法研究

趙 斕

（ 諸城市城鄉規劃設計研究院，山東 濰坊 262200）

0.引言

地表水域信息特征變化對人類的生產生活會帶來嚴重的影響，水域信息變化和生態、水資源、氣候、河流形態變化等具有一定的關聯，因此，需要研究水域信息變化特征識別方法。 結合遙感影響識別，分析在水域特征分布下的遙感參數，結合圖像特征分析的方法，進行水域信息變化特征識別，建立水域信息變化特征識別的遙感信息庫， 采用GIS信息庫構造和遙感參數識別的方法，進行水域信息變化檢測和實時跟蹤，研究水域信息變化特征識別方法，在水資源管理和水體環境監測等領域都具有重大意義[1]。

在進行水域信息變化特征識別中，當前主要方法有基于合成孔徑雷達識別的水域水體參數識別方法、基于回波信號檢測的水域信息變化特征識別方法以及基于SAR的圖像參數識別方法[2]，結合河流水體的分布特性和輪廓參數分布，采用空間圖像濾波和遙感檢測， 進行水域信息變化特征識別。文獻[3]中提出斑點抑制與多分辨率拓撲分析相結合的SAR圖像河流水體提取方法， 在斑點抑制各向異性擴散分布域中，建立水域信息變化特征梯度分析模型，結合光譜分析和圖像去噪，進行高分SAR圖像驗證和特征分析，但該方法對間斷點的識別判斷能力不好。文獻[4]中提出采用多光譜光學遙感影像進行水體提取模型設計，根據地物（ 冰雪、陰影、云）與水體具有相似的反射特性，進行水體特征分析識別，但該方法在云及云下陰影的識別能力不好。

針對上述問題， 本文提出基于GIS遙感的水域信息變化特征識別方法。首先采用多維光學遙感監測的方法實現水體特征檢測，然后建立水域水體的GIS信息分析模型，結合GIS遙感信息特征分析和圖像特征檢測實現水域信息變化特征參數識別，最后進行實驗測試，展示了本文方法的有效性和優越性。

1.特征識別的模型機理及指數分析

1.1 模型機理

在進行基于GIS遙感的水域信息變化特征識別中， 采用多波段水體指數（ multi-band water index， MBWI）特征分析方法，構建MBWI監測和分析模型，采用GIS遙感監測，遙感檢測的圖像分布為多幅Landsat8、Sentinel2、高分一號(GFG1) 影像，采用高分辨的遙感監測方法，進行水體信息特征分析，建立水域信息的全局多尺度特征檢測模型，結合對原始影像的遙感GIS動態特征分布，采用遠距離的全局信息捕獲方法，建立GIS信息庫，通過高分辨率的GIS遙感影像特征提取，在水域的淺層特征及細粒度的深層特征中進行圖像分割，通過特征提取和融合， 建立不同光譜長度下的多維尺度分析模型。對所有位置的特征加權求和，在不同的功能區塊中實現水域信息的地圖信息論評價，在基礎地理信息數據庫中，采用全自動的信息載入方法，建立內陸水體、海洋水體不同環境下的水域信息分布規則。 由此，采用歸一化的水體指數分析方法，構建水域水體變化的光譜特征差異分布模型，通過結合局部和全局灰度值計算的方法進行水域信息變化的水體邊界線定位，技術實現模型：

分析在短波近紅外波段和雙波段等不同水體指數下的水域信息變化，結合內陸水體、海洋水體、雪、云等水域信息的差異性狀態，建立水域信息變化的GIS遙感信息監測庫，通過水體參數分析，在不同的地物環境下進行水體指數分析。

1.2 水體指數分析

通過構建水體指數分析模型，結合水域參數分布，進行水域指數特征分析， 數據源來自于Landsat 8、Sentinel 2、GF-1，地表反射率采樣的對象為內陸水體、海洋水體陰影、雪、植被、旱地、建筑物、云，分析每種地物的不同波段與綠波段的比值，建立六元不等式組，在不同的數據源中，分析水體指數在不同水域的信息變化[6]，根據綠波段、近紅外波段的差異性，進行反射特性與水體相似度分析，由此構建水體指數模型。

提取河流水體的水域分布GIS遙感信息特征量， 通過連通區域分布，采用目標之間空間和幾何關系分析方法，結合回歸分析，構建水體指數的公式模型,如式（ 1）所示：

式（ 1）中，Y為水體指數分布值；x1、x2、…x6為對采集的GIS遙感數據取得的6個波段的波譜系數；ρ1、ρ2、…ρ6為水體指數模型參數中對不同波段的反射率。 采用歸一化處理，將水體指數分布表達式除以綠波段，可變形。

2.水域變化特征識別算法

2.1 水域遙感圖像處理

構建水域水體變化的光譜特征差異分布模型，通過結合局部和全局灰度值分析， 得到水域水體變化的GIS遙感圖像構在不同像素特征點c1、c2的灰度差異值表達，如式（ 2）所示：

式（ 2）中，?為卷積算子；c1、c2為像素特征點；k（ c1，c2）為原始影像的差異度信息；f(c1,c2)為空間或通道上捕獲的水域分布信息；n為遙感GIS的先驗噪聲。 采用金字塔空間池化模塊分析的方法， 對水域信息變化量進行分塊處理和檢測，輸入特征圖的多尺度特征，如式（ 3）所示：

式（ 3）中，,Ts為遙感檢測的幾何形態特征分布系數；q0為邊緣相似性；ξ為水域信息的弱相關性系數；ρ為圖像中的影像特征；t為檢測間隔；i為邊緣的降噪分量；Np為河流水體段的檢測誤差。 結合區域向素特征檢測方法，進行水域水體變化的GIS遙感圖像的融合處理，采用連通區域索引的方法，遍歷所有連通區域,記I ，得到統計特征量表達，如式（ 4）所示：

式（ 4）中，wmk為提取水體信息的特征分量；Tm為近紅外波段的反射率；τmk為近紅外波段的反射率；v(t)為水域擬定的水體指數；M為圖像灰度級；K(m)為邊緣測量點數。由此，通過連通區域的面積和長寬分布，進行水域信息變化特征定位檢測和識別。

2.2 水域信息變化的GIS 遙感特征提取

在SAR 圖像中根據光譜特征分析結果，進行水域信息變化特征GIS信息庫分析。 水域信息變化的GIS模型庫正則化參數輸出模型，如式（ 5）所示：

式（ 5）中，CN為獲取的水域海量時空數據；DN為水域信息空間數據；sN為物理空間的大數據分布；N為數據存量；gi為GIS遙感信息的結構參數；Ci為水域三維對象的形狀參數；Vi為水體與部分非水體的區分度；h（ Vi）為對水體與部分非水體區域參數取概率密度函數。 由此，在SAR 圖像中根據光譜特征分析結果，進行水域信息變化特征GIS信息庫構造，考慮城鎮和自然水域河流水體的幾何形態特征，實現水域信息的變化特征識別。

3.實驗測試

實驗選擇位于某市內河區的水域， 觀測的遙感影像為Landsat 8影像和Sentinel 2影像， 每種地物選擇100個樣本點，考慮多波段間的關系，給出波段數據源信息表（ 如表1所示）：

在表1的基礎上，根據內陸水體、海洋水體、雪、云等水域信息的遙感圖像光譜分布關系，得到水域信息的波譜分布比值（ 如表2所示）：

表1 遙感GIS 數據源信息表 單位：nm

表2 水域信息的波譜分布比值

在上述參數設計和計算的基礎上，根據本文設計的水體指數計算方法， 采用GIS遙感檢測的方法， 得到檢測的水域GIS遙感影像（ 如圖1所示）：

圖1 遙感影像圖

圖1中的遙感影像存在云干擾， 采用本文方法提取水域信息的變化特征，得到提取的水體分布特征（ 如圖2所示）：

圖2 水域信息變化的水體特征提取結果

分析圖2可知：本文方法能有效抑制云干擾，把云像素設置為背景值，能準確實現水域信息變化的特征識別，水體指數檢測的穩健性較高。測試在不同地區進行水域信息變化檢測性能，結果（ 如圖3所示）。分析圖3可知：本文方法對不同地區的水域信息變化檢測和特征識別的性能較好，具有很好的環境適應性能。

圖3 不同地區特征識別結果

4.結束語

結合遙感影像識別，分析在水域特征分布下的遙感參數，結合圖像特征分析的方法，進行水域信息變化特征識別，本文提出基于GIS遙感的水域信息變化特征識別方法。建立內陸水體、 海洋水體不同環境下的水域信息分布規則， 結合內陸水體、海洋水體、雪、云等水域信息的差異性狀態，建立水域信息變化的GIS遙感信息監測庫， 根據水域水體變化的GIS遙感圖像分析，實現水域信息變化特征提取。 分析得出：用本文方法對水域信息變化特征提取的環境適應性和穩健性較高。