基于GF-1B遙感影像的水庫水體提取方法研究

付偉鋒，張福友，李 慧，蓋僑僑

(廣東省水利電力勘測設(shè)計研究院有限公司，廣東 廣州 510170)

水庫作為陸地生態(tài)系統(tǒng)的重要組成部分，在防洪、灌溉、供水、發(fā)電等方面發(fā)揮著重要的作用。水體信息面積的變化可以直接反映出庫區(qū)容量和水位的變化情況，而傳統(tǒng)的監(jiān)測方式為人工定時測量或根據(jù)固定監(jiān)測點的數(shù)據(jù)進行判斷，不能大范圍連續(xù)的對水庫進行觀測。而遙感影像具有觀測面積大、監(jiān)測實時、成本低等優(yōu)勢，近年來已廣泛應(yīng)用于水體信息的提取中[1]。

隨著國產(chǎn)高分系列衛(wèi)星陸續(xù)發(fā)射，國產(chǎn)影像的獲取越來越便捷，目前，諸多學(xué)者在高產(chǎn)影像提取水體信息方面開展了很多工作，主要的算法包括水體指數(shù)法、多波段算法、閾值法及支持向量機方法等[2-5]。其中采用水體指數(shù)法、譜間關(guān)系法、閾值法與支持向量機方法(support vector machine，SVM)研究較多，應(yīng)用也較為成熟。McFeeters在1996年基于影像中的綠波段和紅外波段提出了歸一化差分水體指數(shù)(normalized difference water index，NDWI)在遙感影像的水體信息提取中很容易區(qū)分水體和非水體，獲得了廣泛的應(yīng)用[6]。李飛等利用高分一號衛(wèi)星數(shù)據(jù)利于閾值法對微山湖地區(qū)復(fù)雜的水體情況進行了水體信息提取，并達(dá)到了98.15%的精度，實現(xiàn)了復(fù)雜地形下的水體信息提取[7]。王仁軍等基于GF-6影像數(shù)據(jù)，利用NDWI法提取了可可西里地區(qū)水體面積，有效的區(qū)分了水體和其他地物[8]。周婷等結(jié)合主成分分析和支持向量機的方法在巢湖實現(xiàn)了對水體結(jié)構(gòu)復(fù)雜、光譜差異性大的湖泊精細(xì)化提取，精度達(dá)到95%以上[9]。

為了更好的提取庫區(qū)的水體信息，應(yīng)用于水體的面積變化監(jiān)測。本文根據(jù)GF-1B遙感影像的特點，選擇江門市鎮(zhèn)海水庫作為研究區(qū)，使用四種方法分別是單波段閾值法、多波段算法、水體指數(shù)法和支持向量機分類法依次對水庫的水體信息進行提取，為準(zhǔn)確快速的通過遙感影像獲取庫區(qū)水體面積提供技術(shù)借鑒。

1 研究區(qū)及數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)是位于廣東省江門市的鎮(zhèn)海水庫，它是江門市的一個中型水庫，水庫容量超過1億m3，集雨面積約128km2，是一座大(Ⅱ)型水庫，主要用于灌溉、飲用等。鎮(zhèn)海水庫作為飲用水源的一級保護區(qū)為開平、鶴山兩地人民提供生產(chǎn)生活用水。研究區(qū)位置如圖1所示。

1.2 研究數(shù)據(jù)及預(yù)處理

本文的研究數(shù)據(jù)為成像時間2020年12月5日的高分一號B衛(wèi)星(GF-1B)。高分一號B衛(wèi)星是我國自主研制和發(fā)射的高分辨率對地觀測衛(wèi)星，搭載了分辨率全色2m和8m分辨率的多光譜相機，單星成像幅寬為60km。GF-1B衛(wèi)星載荷部分參數(shù)見表1。

圖1 研究區(qū)域地理位置圖

表1 GF-1B衛(wèi)星載荷部分參數(shù)

遙感影像的預(yù)處理主要包括幾何精校正、配準(zhǔn)、圖像融合、鑲嵌、裁剪等流程。首先依次對遙感影像進行輻射定標(biāo)、大氣校正等，利用數(shù)字高程模型對影像進行正射校正，最后利用同一時期的哨兵2號影像進行幾何精校正，誤差控制在0.5個像素以內(nèi)，按照庫區(qū)矢量化的邊緣外擴500m裁剪遙感影像。

2 研究方法

2.1 單波段閾值法

由于遙感影像的不同波段對地物反射率不同，可以根據(jù)此光譜特性將水體與其他地物區(qū)分開來，高分影像中的近紅外波段對水體具有明顯的變化特性，因此單波段閾值法選取近紅外波段進行水體提取[8]，具體公式為

B4

(1)

式中，B4—近紅外波段光譜值;T—水體提取的閾值。

通過對遙感影像的灰度直方圖進行實驗分析，確定本研究區(qū)內(nèi)閾值為300時效果較好，可以去區(qū)分水體和非水體。

2.2 多波段算法

多波段算法主要利用影像中各個波段的光譜優(yōu)勢，通過譜間關(guān)系或者波段間的比值關(guān)系來提取水體信息[10]。本文中利用GF-1B中的綠波段和近紅外波段的比值來提取水體。公式為：

B2/B4≥T

(2)

式中，B2—綠波段光譜值，B4—近紅外波段光譜值。經(jīng)過試驗發(fā)現(xiàn)當(dāng)比值T為1時效果最高。

2.3 歸一化水體指數(shù)法

McFeeters根據(jù)影像中的綠波段和紅外波段提出的NDWI具體公式為：

(3)

式中，B4—近紅外波段光譜值，B2—綠光波段光譜值，Indwi—歸一化水體指數(shù)。

將預(yù)處理后的遙感影像進行NDWI計算，可以去除大部分植被信息，根據(jù)計算后的影像像元值制作灰度直方圖，經(jīng)過試驗驗證和經(jīng)驗選擇閾值來區(qū)分水體和非水體。最終選擇閾值為0.2，即NDWI大于0.2的部分為水體，剩下的為其他地物類型。

2.4 支持向量機方法

支持向量機法是監(jiān)督分類方法中的一種，主要處理2類問題，在本文中體現(xiàn)為水體和非水體的區(qū)分。本文使用SVM方法對高分一號影像進行分類，在分類之前，首先利用感興趣區(qū)(Region Of Interest)對影像選擇訓(xùn)練樣本，主要是水體、植被、其他3種地物。根據(jù)選擇好的樣本運行SVM分類器，進行水體和非水體的分類，得出水體提取結(jié)果。

3 水體提取精度分析

3.1 提取結(jié)果精度分析

根據(jù)文中的單波段閾值法、多波段算法、水體指數(shù)法、支持向量機法分別提取了鎮(zhèn)海水庫的邊緣。結(jié)果如圖2所示，圖中的白色部分表示水體，黑色表示非水體。

文中4種不同方法提取的水體信息為根據(jù)不同的閾值自動化提取，為了便于對后期水體信息提取的面積、細(xì)節(jié)進行對比分析，故沒有進行人工后處理，從圖2中可以看出鎮(zhèn)海水庫的庫區(qū)水體信息提取比較完整，在庫區(qū)的局部地方如溝渠等細(xì)節(jié)的地方有所區(qū)別。

本文以目視人工解譯矢量化的水體信息結(jié)果作為參考值，計算出鎮(zhèn)海水庫的水面積為8.285km2，分別對4種方法提取的水體面積進行對比，見表2。單波段閾值法提取的水面積為7.979km2，多波段算法提取的水面積為7.843km2，歸一化水體指數(shù)法(NDWI)提取的水面積為8.349km2，支持向量機方法(SVM)提取的水面積為8.231km2。

水體信息提取的精度評價可通過各方法提取的水體面積與目視解譯出的矢量水體統(tǒng)計面積的相對誤差和絕對誤差進行評價。

(4)

式中，δ—相對誤差；SC—各方法提取的水體面積；

S—目視解譯的水體面積；SC-S為絕對誤差。δ越接近于0，提取效果越好。

表2 鎮(zhèn)海水庫水域面積提取分析統(tǒng)計

從表2可以看出，與人工矢量化提取的水庫面積最為接近的是支持向量機法，提取絕對誤差為0.053km2，相對誤差為0.65%。NDWI方法次之，提取的水體面積為8.349km2，相對誤差為0.77%;單波段閾值法相對較差提取的水體面積為7.979km2，相對誤差為3.93%;多波段算法，提取的誤差最大，提取的絕對誤差0.442km2，相對誤差為5.64%。

3.2 細(xì)節(jié)比較

經(jīng)過對水庫水體面積和邊緣的比較分析，發(fā)現(xiàn)這幾種方法均能提取出水庫的主要水體信息，但在復(fù)雜地形和水庫細(xì)小流域的地方提取的結(jié)果在細(xì)節(jié)上有所區(qū)別。如圖3所示，依次為矢量化的庫區(qū)邊緣圖3(a)、單波段閾值提取的庫區(qū)圖3(b)、多波段算法提取的庫區(qū)圖3(c)、NDVI提取的庫區(qū)圖3(d)和SVM提取的庫區(qū)圖3(e)。通過觀察庫區(qū)邊緣，發(fā)現(xiàn)多波段算法對庫區(qū)周圍的建筑物和植被錯分的區(qū)域最大，單波段閾值法在植被分布多的區(qū)域存在誤分，但由于多波段法。NDWI法分類精度較好，但是在植被與溝渠分布的細(xì)小水體地方存在漏分問題。SVM法雖然在植被較多的地方存在誤分，但是對狹窄的河渠及小面積的水體提取均較為完整，總體上精度較好。

圖2 4種方法提取的水體效果圖

圖3 水庫水體信息提取細(xì)節(jié)對比

4 結(jié)語

本文以GF-1B遙感影像為數(shù)據(jù)源，使用單波段閾值法、多波段算法、NDWI法及SVM法依次對鎮(zhèn)海水庫的庫區(qū)水體信息進行提取，并且分析了4種方法的提取精度和細(xì)節(jié)信息，為國產(chǎn)高分遙感影像在水資源中的應(yīng)用提供參考。本文在試驗中發(fā)現(xiàn)閾值的選擇對試驗結(jié)果影響比較大，另外水體分布的復(fù)雜性、多樣性和混合像元的存在也會影響結(jié)果。后期可以通過選用更高分辨率的遙感影像和改進分類方法來提高影像的分類精度。