沈金祥，楊 遼，陳 曦，李均力，彭青青，胡 舉

(1.中國科學(xué)院新疆生態(tài)與地理研究所遙感與GIS應(yīng)用實驗室，烏魯木齊 830011;2.中國科學(xué)院研究生院，北京 100049)

面向?qū)ο蟮纳絽^(qū)湖泊信息自動提取方法

沈金祥1，2，楊 遼1，陳 曦1，李均力1，彭青青1，2，胡 舉1，2

(1.中國科學(xué)院新疆生態(tài)與地理研究所遙感與GIS應(yīng)用實驗室，烏魯木齊 830011;2.中國科學(xué)院研究生院，北京 100049)

傳統(tǒng)的水體信息提取主要利用水體反射與吸收光譜特征構(gòu)建各種光譜指數(shù)模型，進行全局像元級的提取。然而，不同水體類型的光譜、空間形態(tài)與空間分布特征均有顯著差異。對于山區(qū)圖像而言，山體陰影、冰雪、裸巖等地物的干擾使全局性水體光譜指數(shù)模型難以取得很好的提取精度。面向?qū)ο蟮膱D像分析方法通過對遙感圖像進行分割，從全域—局部上耦合分析水體的光譜、空間形態(tài)、空間分布與空間關(guān)系等特征，構(gòu)建了通用性強的湖泊信息提取規(guī)則集，最終實現(xiàn)湖泊水體信息的自動化提取。通過eCognition軟件對Landsat TM圖像的實驗結(jié)果表明，該方法可以完全避免像元級閾值水體信息提取中出現(xiàn)的一些錯誤的“零星水體”，自動且高效地提取出了山區(qū)湖泊水體信息，在無云情況下提取精度達95%以上。

面向?qū)ο?湖泊信息提取;易康(eCognition);TM圖像

0 引言

快速提取遙感圖像上的水體信息對于利用遙感進行多尺度的水資源時空分布特征及演變過程分析具有重要意義。隨著遙感技術(shù)的發(fā)展，水體信息提取方法已日趨成熟。基于水體的光譜特征，MeFeeters［1］提出利用遙感圖像的綠波段和近紅外波段構(gòu)建歸一化差值水體指數(shù)(normalized difference water index，NDWI)，可以最大程度地抑制地表植被信息、突出水體信息，還可有效地與陰影等信息進行分隔;徐涵秋［2－3］提出利用短波紅外波段代替NDWI中的近紅外波段的改進型歸一化差值水體指數(shù)(MNDWI)，可以進一步突出水體信息并壓制城市建成區(qū)、植被及裸土等背景信息。此外，很多研究人員還利用一系列波段(包括光譜特征空間轉(zhuǎn)換后的波段)閾值、NDWI、地形及與其他波段關(guān)系組合形成的決策規(guī)則集針對多種類型的遙感圖像數(shù)據(jù)進行水體信息提取，并取得了一定的效果［4－15］。然而，由于遙感圖像中不可避免地存在“同物異譜”及“異物同譜”現(xiàn)象，在像元層次上基于這種全局性閾值條件的水體提取方法必然導(dǎo)致出現(xiàn)很多錯分與漏分像元。盡管提取出來的很多“椒鹽”像元可以通過后處理得到一定程度的修正，但是像元級及轉(zhuǎn)矢量后的后處理操作也較為復(fù)雜和難以控制。駱劍承等［16］和李均力［17］等提出了一種基于“全域—局部”的水體信息提取方法，該方法計算復(fù)雜，且僅對湖泊、水庫、坑塘等封閉性水體具有較好的提取效果，對于線狀水體河流的提取仍難達到較好的結(jié)果。

不同水體類型的光譜特性、空間形態(tài)及分布特性不盡相同，提取水體并非用一個統(tǒng)一的簡單模型就能夠?qū)崿F(xiàn)，對水體的光譜、形態(tài)、紋理、水文學(xué)及空間分布等多種特征進行綜合分析，才可取得更好的提取效果［18－21］。面向?qū)ο蟮膱D像分析 (object oriented image analysis，OOIA)方法具有以上特點，能夠融入多種“圖譜”特征。圖像“圖”特征通過圖像分割得以表達，即分割后形成了“像元斑”多邊形的空間形態(tài)、空間分布、空間關(guān)系等多種特征;“譜”特征則為多邊形中“像元斑”的光譜、地形及各種指數(shù)的均值、方差等統(tǒng)計值。因此，本文基于水體NDWI的“全域—局部”特征，并結(jié)合形狀、亮度等特征，以新疆阿勒泰山喀納斯湖地區(qū)的山區(qū)湖泊為例，提出利用OOIA進行水體信息提取的技術(shù)方案，為開展進一步的其他類型水體乃至其他地物類型的信息提取提供可借鑒的解決思路。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)位于阿爾泰山—喀納斯湖地區(qū)，該區(qū)域內(nèi)現(xiàn)代冰川數(shù)量多、規(guī)模大，在現(xiàn)代冰川和古冰川的作用下形成了眾多的冰川湖泊。這些湖泊多分布在山頂冰川積雪附近的凍土帶上，由于溫度較低，湖泊上并無水生植物生長，因此其形狀較為規(guī)則，邊界較為光滑，不像平原區(qū)湖泊那樣由于長有蘆葦?shù)人参锒戇^渡帶較為模糊。

1.2 數(shù)據(jù)源及其處理

以覆蓋阿爾泰山—喀納斯湖地區(qū)的一景Landsat5 TM圖像(軌道號/行號為144/26，成像日期為2010年8月27日)為遙感數(shù)據(jù)源;DEM數(shù)據(jù)采用美國宇航局(NASA)航天飛行雷達地形測繪任務(wù)(SRTM)獲取的DEM產(chǎn)品。數(shù)據(jù)預(yù)處理包括多光譜圖像預(yù)處理及地形分析。

1)多光譜圖像預(yù)處理。根據(jù)元數(shù)據(jù)提供的定標系數(shù)，利用ENVI/IDL軟件將圖像原始的DN值轉(zhuǎn)換為TOA反射率值［22］，并通過Flaash大氣校正模型對其進行大氣校正處理，將TOA反射率值轉(zhuǎn)換為地表反射率值。由于下載的TM圖像數(shù)據(jù)已經(jīng)過較高精度的幾何糾正，本文不再進行幾何糾正處理。

2)地形分析。為了與TM圖像相匹配，對DEM數(shù)據(jù)進行了重投影、拼接、剪裁、重采樣等預(yù)處理。利用ENVI軟件的地形分析模塊(topographic modeling)對DEM數(shù)據(jù)進行地形分析，生成陰影和坡度等專題圖像，其中計算陰影暈渲圖(shaded relief)還需要成像時的太陽高度角和方位角，可從TM圖像的元數(shù)據(jù)(頭文件中)獲取。

2 研究方法

2.1 技術(shù)路線

首先，通過多尺度圖像分割將圖像分割成“像元斑”對象，進而通過分析湖泊對象的“圖譜”特征，根據(jù)專家知識構(gòu)建的決策規(guī)則集進行湖泊信息的提取。具體的技術(shù)流程如圖1所示。

圖1 山區(qū)湖泊信息OOIA提取流程Fig.1 Flow chart of OOIA extraction for lakes in mountain area

2.2 多尺度圖像分割

作為OOIA的核心，多尺度分割是通過預(yù)設(shè)的某一尺度限定的異質(zhì)性指標將圖像像元聚合成一系列的“像元簇”(即“基元對象”)，其最終目的是得到感興趣目標的精確邊界。針對山區(qū)湖泊信息提取的多尺度分割包括多波段數(shù)據(jù)全局分割與NDWI局部迭代分割2個步驟。多波段全局分割在預(yù)處理后的多光譜圖像上進行，分割尺度的選擇以滿足最小制圖單元的需求為合適，分割時形成了某一尺度上的矢量對象，過大的湖泊通常被分割成若干個“基元對象”;NDWI局部迭代分割則通過NDWI特征的相似性對這些“基元對象”進行迭代合并，其效果是真實湖泊與非湖泊對象“基元對象”不同程度的合并，形成了與圖像中湖泊區(qū)域相一致的湖泊邊界。

2.3 湖泊信息自動提取

實現(xiàn)湖泊信息提取的自動化，其關(guān)鍵就是找到典型性的湖泊識別特征。利用OOIA進行湖泊信息提取就是在像元級光譜及其他指數(shù)“譜”的基礎(chǔ)上，增加對象的“圖”信息，以利用組合的“圖譜”信息提高識別的精度和自動化程度?；贠OIA的湖泊信息自動提取包括多尺度“圖譜”特征計算及全域—局部“圖譜”特征耦合分析等2個步驟。

多尺度“圖譜”特征計算包括對矢量對象多邊形的邊界、區(qū)域特征以及內(nèi)部像元灰度值的各種統(tǒng)計特征等的計算，這里不再詳述。湖泊信息自動提取的另一關(guān)鍵步驟就在于如何根據(jù)人對于湖泊特性進行湖泊信息提取和識別的認識(即“專家知識”)轉(zhuǎn)換為計算機可以接受的識別規(guī)則集。顏色、形狀、與周圍的對比等因素均是人眼識別湖泊的依據(jù)，以計算機的角度來看，這些正是分割對象的多尺度“圖譜”耦合分析的過程。圖2示出3種較為典型的山區(qū)湖泊的圖像及其統(tǒng)計特征。

圖2 3種典型山區(qū)湖泊特征Fig.2 Characteristics of three typical lake in mountain area

表1對比了人工與計算機識別山區(qū)湖泊時的不同特征，以便于利用計算機組合這些特征來接近人工識別的效果。

表1 人工與計算機對湖泊信息的識別特征對比Tab.1 Identification characteristics of lake information between people and computer

歸納起來，山區(qū)湖泊水體具有如下特征:①湖泊在可見光波段具有相對較高的反射率，在近紅外—短波紅外波段反射率較低，NDWI＞0.2;②湖泊與周圍背景在NDWI圖像上反差大，背景呈突兀的雙峰分布，水體則位于低平的峰間鞍部;③最大亮度值小于60;④湖泊地勢平坦，坡度小于15°;⑤湖泊的形狀多呈近似圓形或橢圓形分布，緊湊度較高。

描述湖泊的特征均不可能是湖泊信息提取的必要條件和充分條件。然而，全域—局部多特征組合形成的識別規(guī)則集可以達到一個相對較高的識別精度。提取規(guī)則集(Ruleset)由若干條規(guī)則(Rule)構(gòu)成，即{Rule1∩(∪)Rule2∩(∪)Rule3∩(∪)…}，每一條規(guī)則由若干個條件(Condition)組成，即{Condition1∩(∪)Condition2∩(∪)Condition3∩(∪)…}，每一個條件由一個特征(Feature)加關(guān)系運算符再加一個特征閾值(Threshold)組成，即{Feature1＞(≥，＜，≤，≠)Threshold1}。特征閾值應(yīng)該是較為寬松的，以保證滿足絕大多數(shù)目標信息的提取。由于閾值條件較為寬松，規(guī)則集內(nèi)的任意一條規(guī)則都不可避免地存在多提與少提的問題，這可以通過與規(guī)則集中的其他規(guī)則求交集或求并集的辦法得到修正。

3 實驗結(jié)果與分析

采用eCognition 8.7軟件進行OOIA，實現(xiàn)湖泊信息的自動化提取。將預(yù)處理后的TM圖像數(shù)據(jù)及Slope和Shaded Relief數(shù)據(jù)加載到eCognition軟件平臺上進行OOIA提取湖泊信息。

1)多波段數(shù)據(jù)全局分割。為了使提取出的湖泊具有較好的邊界，eCognition軟件進行分割時，將影響水體的波段的權(quán)重值調(diào)高一些(這里將構(gòu)成NDWI的綠波段和近紅外波段權(quán)重分別設(shè)為2，其余的默認為1)。分別以5，10，15，20等4種尺度進行分割效果比較，以選擇一個較為合理的分割尺度(圖3)。從圖3可以看出，分割尺度為10時，不僅能夠去除過小的湖泊，而且植被、裸土等背景地物類別的斑塊也不太破碎，其斑塊數(shù)目的減少可以降低后續(xù)識別的計算量，從而以較短的處理時間取得較為合理的分割效果。

圖3 不同分割尺度下的分割效果對比Fig.3 Comparison of the segmentation results at different scales

2)NDWI局部迭代分割。在eCognition軟件平臺上，局部NDWI迭代分析通過光譜差異性分割(Spectral difference)模塊實現(xiàn)。該功能模塊做迭代時執(zhí)行光譜特征容差小于設(shè)定尺度的相鄰對象的合并操作。Spectral different分割正好利用了前文所提到的湖泊水體內(nèi)部NDWI較為均一、背景對象內(nèi)部的NDWI值相對差異性較小的這一特征。圖4顯示出 NDWI分割尺度分別為 0.1，0.15，0.2 時的光譜差異性分割效果，圖上紅色線條為非湖泊背景對象擴張邊界。

圖4 不同尺度下的NDWI局部迭代分割(合并)效果對比Fig.4 Comparison of the local iteration segmentation(merge)results at different scales

從圖4中可以看出，在NDWI分割尺度為0.1時，一些背景對象(植被)仍然沒有被合并到周圍的對象中;尺度增加到0.2時，除了極個別的背景對象沒有被合并外，其余均被合并成較大的背景對象;尺度的進一步增大則將導(dǎo)致一些反差較小的湖泊被合并到周圍的背景對象中。多次實驗結(jié)果表明，0.2是一個較為合理的分割尺度，未得到合并的其余湖泊水體或者背景對象中的小對象將通過后面的提取過程進行合并。

3)多尺度“圖譜”耦合湖泊信息自動提取。在eCognition軟件平臺上，根據(jù)表1總結(jié)分析的山區(qū)湖泊的多種全域—局部特征設(shè)定條件進行賦類別操作(assign class)即可逐步提取出湖泊信息。根據(jù)實驗統(tǒng)計分析結(jié)果，可以用于識別山區(qū)湖泊水體信息的一組決策規(guī)則集為

式中:Slope為坡度(取值0°～90°);ShadedRelief為山體陰影(取值0～1，0代表最大陰影值，平坦地方取值趨近于1);NDWI為歸一化差值水體指數(shù)(取值－1～1);ShapeIndex為形狀指數(shù)(表達形狀特征，取值1～+∞);NDWI_MeanDifToNeighbors為NDWI的局部差異值(表達NDWI的局部對比特征，取值0～2);Sum345為紅、近紅外、短波紅外波段的反射率之和(表達水體在紅、近紅外、短波紅外波段的低反射特征，取值0～765)。采用“由粗到細，逐步剔除”的方法組合上述規(guī)則集。圖5為按照規(guī)則集的一種規(guī)則組合提取湖泊過程中各步驟效果的對比。

圖5 湖泊逐步提取效果Fig.5 Effect of lake extraction step by step

首先利用形狀指數(shù)“(ShapeIndex ＜ 3)∩(NDWI_MeanDifToNeighbors) ＞ 0.2”將滿足條件的對象全部選擇出來，作為候選湖泊水體(從圖5(b)中可以看出，真實的湖泊水體已被提取出來，但山體陰影、裸土等很多錯誤目標也同時被提取出來);然后利用規(guī)則“ShadedRelief＜0.5”對候選湖泊水體進行操作，將其中的山體陰影目標去除(圖5(c));再進一步利用規(guī)則“Slope＞15”將候選湖泊水體里面山坡上的裸土、冰雪、植被等錯誤目標移除(圖5(d))，利用規(guī)則“Sum345＞80”排除候選湖泊水體中的冰雪、裸土等較亮的錯誤類別(圖5(e))。

在執(zhí)行上述規(guī)則后，通過人工目視精度評價，可以達到95%左右的提取精度。制約提取精度的一個方面在于在上述規(guī)則集中仍然難以移除極少數(shù)的“虛假湖泊”水體目標，這主要為一些云的陰影，這部分云陰影“目標對象”具有和水體基本相似的光譜和空間特征。盡管包括上下文特征、空間分布特征在內(nèi)的分析云及其陰影共生關(guān)系的模型可以移除云陰影的影響，然而簡單高效的提取模型才具有更好的通用性，少量的錯誤可以通過人工檢查修正完成。在人工進行檢查修正后，滿足制圖要求的湖泊提取精度可以達到98%左右。圖5(f)(右)和圖5(g)((b')和(d'))分別為整景圖像及其局部圖像的湖泊水體提取效果。進一步的實驗結(jié)果表明，用于本文山區(qū)湖泊水體信息提取的規(guī)則集對于平原區(qū)的水庫、坑塘、湖泊等封閉型水體的提取同樣適用。通用性強的規(guī)則集可以實現(xiàn)橫向上的大研究區(qū)、縱向上的多時相湖泊水體的快速高精度自動提取。

4 結(jié)論

1)無論在精度、效率、自動化還是通用性方面，面向?qū)ο蟮暮葱畔⑻崛【^傳統(tǒng)像元級湖泊信息提取具有顯著的優(yōu)勢。

2)面向?qū)ο蟮暮葱畔⑻崛〔粌H能夠移除像元級湖泊水體提取過程中可能出現(xiàn)的椒鹽噪聲，而且除具有像元級的直接與間接光譜特征外，還具有了更多可以利用的局部對象的空間形態(tài)、紋理及空間關(guān)系等特征。全域—局部光譜空間特征的耦合保證了湖泊信息的高精度提取。同時，由于可以利用除光譜特征外的更多特征，使得每一個特征在使用時可以取得更為寬松的閾值，這對于提高提取規(guī)則的通用性具有重要意義，而提取規(guī)則的通用性又是提取自動化的必要條件。

3)本文作為面向?qū)ο蟮倪b感全域—局部多特征耦合分析專題信息提取方法的一個案例，較為簡單的湖泊提取為今后更為復(fù)雜的地物類別提供了可借鑒的研究思路。如何篩選和優(yōu)化面向?qū)ο蠓治龅亩喾N特征，選擇最顯著的“診斷特征”，建立結(jié)構(gòu)更簡單和通用的提取規(guī)則，是今后其他地物類別提取的研究重點。

［1］McFeeters S K.The Use of the Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features［J］.International Journal of Remote Sensing，1996，17(7):1425 －1432.

［2］徐涵秋.利用改進的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究［J］.遙感學(xué)報，2005，9(5):589 －595.Xu H Q.A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index(MNDWI)［J］.Journal of Remote Sensing，2005，9(5):589 －595(in Chinese with English Abstract).

［3］Xu H Q.Modification of Normalized Difference Water Index(NDWI)to Enhance Open Water Features in Remotely Sensed Imagery［J］.International Journal of Remote Sensing，2006，27(14):3025－3033.

［4］Lu S L，Wu B F，Yan N N，et al.Water Body Mapping Method with HJ－ 1A/B Satellite Imagery［J］.International Journal of Applied Earth Observation and Geoinformation，2011，13(3):428 －434.

［5］Lira J.Segmentation and Morphology of Open Water Bodies from Multispectral Images［J］.International Journal of Remote Sensing，2006，27(18):4015 －4038.

［6］杜云艷，周成虎.水體的遙感信息自動提取方法［J］.遙感學(xué)報，1998，2(4):264 －269.Du Y Y，Zhou C H.Automatically Extracting Remote Sensing Information for Water Bodies［J］.Journal of Remote Sensing，1998，2(4):264－269(in Chinese with English Abstract).

［7］熊金國，王世新，周 藝.不同指數(shù)模型提取ALOS AVNIR－2影像中水體的敏感性和精度分析［J］.國土資源遙感，2010(4):46－50.Xiong J G，Wang S X，Zhou Y.A Sensitivity Analysis and Accuracy Assessment of Different Water Extraction Index Models Based on ALOS AVNIR － 2 Data［J］.Remote Sensing for Land and Resources，2010(4):46 －50(in Chinese with English Abstract).

［8］楊存建，徐 美.遙感信息機理的水體提取方法的探討［J］.地理研究，1998，17(Sup):86 －89.Yang C J，Xu M.Study on the Water－ body Extraction Methods of Remote Sensing Information Mechanism［J］.Geographic Research，1998，17(Sup):86 －89(in Chinese with English Abstract).

［9］都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類研究［J］.遙感學(xué)報，2001，5(3):214 －219.Yu J K，Huang Y S，F(xiàn)eng X Z，et al.Study on Water Bodies Extraction and Classification from SPOT Image［J］.Journal of Remote Sensing，2001，5(3):214 － 219(in Chinese with English Abstract).

［10］鄧勁松，王 珂，李 君，等.決策樹方法從SPOT－5衛(wèi)星影像中自動提取水體信息研究［J］.浙江大學(xué)學(xué)報:農(nóng)業(yè)與生命科學(xué)版，2009，31(2):171 －174.Deng J S，Wang K，Li J，et al.Study on the Automatic Extraction of Water Body Information from SPOT－5 Images Using Decision Tree Algorithm［J］.Journal of Zhejiang University:Agriculture and Life Science，2009，31(2):171 － 174(in Chinese with English Abstract).

［11］宋啟帆，王少軍，張 志，等.基于WorldView II圖像的鎢礦區(qū)水體信息提取方法研究——以江西大余縣為例［J］.國土資源遙感，2011(2):33 －37.Song Q F，Wang S J，Zhang Z，et al.A Water Information Extraction Method Based on WorldViewⅡRemote Sensing Image in Tungsten Ore Districts:A Case Study of Dayu County in Jiangxi Province［J］.Remote Sensing for Land and Resources，2011(2):33－37(in Chinese with English Abstract).

［12］丁莉東，吳 昊，王長健，等.基于譜間關(guān)系的MODIS遙感影像水體提取研究［J］.測繪與空間地理信息，2006，29(6):25 －27.Ding L D，Wu H，Wang C J，et al.Study of the Water Body Extracting from MODIS Images Based on Spectrum－photometric Method［J］.Geomatics and Spatial Information Technology，2006，29(6):25－27(in Chinese with English Abstract).

［13］王培培.基于ETM影像的水體信息自動提取與分類研究［J］.首都師范大學(xué)學(xué)報:自然科學(xué)版，2009，30(6):75－79.Wang P P.Automatic Extraction and Classification of Water Body from ETM Image［J］.Journal of Capital Normal University:Natural Science Edition，2009，30(6):75 － 79(in Chinese with English Abstract).

［14］馬 丹.基于MODIS數(shù)據(jù)的水體提取研究［J］.地理空間信息，2008，6(1):25 －27.Ma D.Method for Water Bodies Extraction Based on MODIS Images［J］.Geospatial Information，2008，6(1):25 － 27(in Chinese with English Abstract).

［15］栗敏光，范洪冬，鄧喀中.基于LBV變換的TM數(shù)據(jù)水體提取新方法［J］.測繪科學(xué)，2010，35(3):138 －139.Li M G，F(xiàn)an H D，Deng K Z.New Methods for Water Body Extraction from TM Data Based on LBV Transformation［J］.Science of Surveying and Mapping，2010，35(3):138 －139(in Chinese with English Abstract).

［16］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?。跩］.遙感學(xué)報，2009，13(4):610 －615.Luo J C，Sheng Y W，Shen Z F，et al.Automatic and High － precise Extraction for Water Information from Multispectral Images with the Step－by－step Iterative Transformation Mechanism［J］.Journal of Remote Sensing，2009，13(4):264 －269(in Chinese with English Abstract).

［17］李均力，盛永偉，駱劍承.喜馬拉雅山地區(qū)冰湖信息的遙感自動化提?。跩］.遙感學(xué)報，2011，15(1):29 －43.Li J L，Sheng Y W，Luo J C.Automatic Extraction of Himalayan Glacial Lakes with Remote Sensing［J］.Journal of Remote Sensing，2011，15(1):29 －43(in Chinese with English Abstract).

［18］Soille P，Grazzini J.Extraction of River Networks from Satellite Images by Combining Mathematical Morphology and Hydrology［C］.CAIP＇07 Proceedings of the 12th International Conference on Computer Analysis of Images and Patterns，2007:636 －644.

［19］Petrie G M，Tagestad J D，Steinmaus K L，et al.Multidata analysis for automatic river extraction［C］.Remote sensing and Hydrology 2000，Santa Fe New Mexico，USA，2000:427 －432.

［20］曹 凱，江 南，呂 恒，等.面向?qū)ο蟮腟POT 5影像城區(qū)水體信息提取研究［J］.國土資源遙感，2007(2):27－30.Cao K，Jiang N，Lv H，et al.The Extraction of Water Information in Urban Areas Based on SPOT 5 Image Using Object－oriented Method［J］.Remote Sensing for Land and Resources，2007(2):27－30(in Chinese with English Abstract).

［21］張繼平，劉林山，張鐿鋰，等.面向?qū)ο蟮臉O高海拔區(qū)水體及冰川信息提取——以珠穆朗瑪峰國家級自然保護區(qū)核心區(qū)為例［J］.地球信息科學(xué)學(xué)報，2010，12(4):517 －523.Zhang J P，Liu L S，Zhang Y L，et al.Object－ oriented Information Extraction of Water Bodies and Glaciers in Extreme High Altitude Area:A Case Study of the Core Area of Mt.Qomolangma(Everest)National Nature Preserve［J］.Journal of Geo － information Science，2010，12(4):517 －523(in Chinese with English Abstract).

［22］Chander G，Markham B L，Helder D L.Summary of Current Radiometric Calibration Coefficients for Landsat MSS，TM，ETM+，and EO － 1 ALI Sensors［J］.Remote Sensing of Environment，2009，113(5):893－903.

A Method for Object－oriented Automatic Extraction of Lakes in the Mountain Area from Remote Sensing Image

SHEN Jin － xiang1，2，YANG Liao1，CHEN Xi1，LI Jun － li1，PENG Qing － qing1，2，HU Ju1，2
(1.Remote Sensing and GIS Application Laboratory，Xinjiang Ecology and Geography Institute，Chinese Academy of Science，Urumqi 830011，China;2.Graduate University of Chinese Academy of Science，Beijing 100049，China)

Traditional water－body information extraction is mainly based on the reflection and absorption spectral characteristics of the water body.By building and using all kinds of spectral index models which respond to the water spectral characteristics more obviously，the water body could be extracted in pixel－ level.However，different types of water bodies have significantly different spectral and spatial patterns as well as spatial distributions.As for the mountain area image，the shadows of such objects as the mountain，snow，ice and bare rock make these global water spectral index models fail to get a satisfactory result.The object－ oriented image analysis carries out remote sensing image segmentation first，and then analyzes the global and local characteristics of the water in such aspects as spectral and spatial patterns，spatial distribution，and spatial relationships so as to build the water extraction decision ruleset;finally，the water body information is extracted with the ruleset automatically.The Landsat TM image water extraction experiment in the eCognition software shows that the method can completely avoid the emergence of some errors of“sporadic water body”which often exist in the pixel－ level threshold value extraction，and the mountain area lakes could be extracted automatically and efficiently，with the accuracy up to 95%or even higher in the cloud－free case.

object－oriented;lake information extraction;eCognition;TM image

TP 751.1

A

1001－070X(2012)03－0084－08

2011－11－21;

2011－12－09

新疆維吾爾自治區(qū)“科技支疆”項目(編號:200891128)、國家自然科學(xué)基金項目(編號:41101041)、國家國際科技合作計劃(編號:2010DFA92720)及中國科學(xué)院西部博士資助項目(編號:XBBS200809)共同資助。

10.6046/gtzyyg.2012.03.16

沈金祥(1983－)，男，博士研究生，主要研究方向為遙感圖像處理與信息提取、土地利用與生態(tài)環(huán)境等。E －mail:shenjx1983@gmail.com。

楊 遼(1972－)，男，正高級工程師，主要研究方向為攝影測量與遙感、土地利用與生態(tài)環(huán)境等。E－mail:yangliao@ms.xjb.ac.cn。

(責(zé)任編輯:李 瑜)