陸 慧，曹 明

（1.合肥工業(yè)大學(xué) 計算機(jī)與信息學(xué)院，安徽 合肥 230009；2.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098；3.安徽財貿(mào)職業(yè)學(xué)院 電子信息系，安徽 合肥 230601）

TM數(shù)據(jù)由于光譜分辨率和空間分辨率整體兼優(yōu)，且易于獲取，而得到廣泛應(yīng)用[1]。不同衛(wèi)星傳感器的影像不僅可單獨使用，也可互為補(bǔ)充，大大拓寬了遙感對地觀測的時空范圍。目前，在各種傳感器的對比中，Landsat系列與ASTER之間的交互相對較少，而且多以土地利用覆蓋信息的獲取為研究對象[2-5]。以水體信息為研究對象的，多是基于可見光波段數(shù)據(jù)建立模型，從而進(jìn)行比較[5-7]。本文選擇江蘇省南京市江寧實驗區(qū)，嘗試選擇Landsat ETM+與ASTER近紅外波段數(shù)據(jù)進(jìn)行水體信息提取，并將2種數(shù)據(jù)的提取結(jié)果進(jìn)行對比，討論在空間分辨率相同的情況下不同波譜分辨率對水體信息提取精度的影響。

1 實驗區(qū)概況

本文選擇江蘇省南京市江寧區(qū)秦淮谷地作為實驗區(qū)。江寧區(qū)位于長江南岸，南京市南部，地理位置在31°30'～32°00'N 與 118°30'～119°25'E 之間。秦淮河貫穿實驗區(qū)，屬典型的江南低山丘陵地區(qū)[8]。境內(nèi)地貌類型多樣，其東部秦淮河谷水源充足，以大面積的灌溉水田為主；西部以黃土丘陵為主，主要種植旱作；中部以秦淮河流域的河谷平原為主，存在大量的細(xì)小河流、池塘和魚塘，水田和旱地交錯分布。邊緣的丘陵分布有低矮的灌叢，陡坡處為針闊混交林所覆蓋，水田和道路廣泛分布于全境[9]。整個實驗區(qū)內(nèi)各種地物類型交錯分布，地塊較為破碎。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

實驗采用的是2002-08-05的Landsat ETM+和2002-09-09的ASTER遙感影像。首先利用1∶5萬的江寧地區(qū)地形圖采集地面控制點對ASTER影像進(jìn)行幾何校正；然后以ASTER影像為基準(zhǔn)影像，將Landsat ETM+影像與ASTER影像進(jìn)行配準(zhǔn)，采用二次多項式進(jìn)行坐標(biāo)轉(zhuǎn)換，選擇能保持原有灰度值的最鄰近插值法進(jìn)行像元重采樣，控制點的均方根誤差(RMSE)小于0.5個像元；并對處理后的影像DN值進(jìn)行線性拉伸。

2.2 水體信息提取

研究區(qū)地物類型主要包括建筑物、旱地、水田和水體4種，因此從研究區(qū)的植被和建筑物中提取水體信息具有明顯的意義。

2.2.1 區(qū)分水體和非水體

天然水體在0.4～2.5μm波段范圍內(nèi)的吸收明顯高于大多數(shù)其他地物，因而其反射率在整個波段都很低。在紅外波段，水體吸收率高于可見光波段，即使水很淺，水體也幾乎能吸收近紅外及中紅外波段內(nèi)的全部入射能量[10]，所以水體在近紅外及中紅外波段的反射能量很少，而植被、土壤在這2個波段內(nèi)的吸收能量較小，且有較高的反射率。因此，水體呈現(xiàn)出暗色調(diào)，而植被和土壤呈現(xiàn)亮色調(diào)[11]。

為分析水體及背景地物在ASTER遙感影像上的光譜響應(yīng)特征，選取4種典型地物，就每一地物測定其各波段的光譜亮度值，并進(jìn)行樣本統(tǒng)計，獲得ASTER影像近紅外波段上不同地物類型的波譜響應(yīng)特征曲線。從圖1可以看出，在近紅外波段各地物亮度值差異較明顯，水體的亮度值明顯低于其他地物，因此可利用閾值法將水體從其他地物中分離出來。

圖1 研究區(qū)主要地物ASTER波譜響應(yīng)特征曲線圖

1）基于Landsat ETM+第7波段的水體信息提取。根據(jù)水體的反射特性可知，水體的反射率總體上比較低，不超過10%，一般為4%～5%，并隨著波長的增大逐漸降低。近紅外波段是水體的強(qiáng)吸收帶，水體幾乎為全吸收體。因此，在近紅外波段的遙感影像上，水體呈現(xiàn)暗色調(diào)。較早使用的提取水體的方法是單波段閾值法，該方法主要利用Landsat衛(wèi)星不同波段的設(shè)計目的和地物波譜特征進(jìn)行信息的提取[12]。研究表明，利用單波段閾值法可以有效地將水體與非水體分離開來。

2）基于ASTER近紅外波段的水體信息提取。分析地物波譜響應(yīng)特征曲線發(fā)現(xiàn)，建筑物、水田、旱地和水體的波譜響應(yīng)特征變化趨勢不同。對波段進(jìn)行運算，可以實現(xiàn)圖像的增強(qiáng)，達(dá)到提取不同地物信息的目的。本文嘗試?yán)枚喙庾V變換，對ASTER影像的第4～9波段進(jìn)行線性組合變換。其變換公式為：

式中，X為變換前多光譜空間的像元矢量；Y為變換后的光譜空間像元矢量； B為變換矩陣。

經(jīng)過大量實驗，利用ASTER影像的第4～9波段進(jìn)行線性組合變換，從而提取水體信息。突出水體時的變換矩陣為：

2.2.2 基于GIS知識規(guī)則的水體提取結(jié)果改進(jìn)

由于研究區(qū)水體類型多樣，有必要對水體提取結(jié)果進(jìn)行分類。不同水體具有不同的空間特征，因而可利用這些特征變量對水體提取結(jié)果進(jìn)行改進(jìn)。

本文主要利用了大小、形狀等地物空間特征。河流、水庫、湖泊、池塘、魚塘等水體的空間特征為：

1）大小特征。水體大小可用面積和周長來反映，一般情況下，湖泊的面積較大，水庫、河流、池塘、魚塘等的面積依次減少。湖泊、面狀河流、大的水庫周長較長，而小水庫，池塘、魚塘等周長較短。

2）形狀特征。水體的形狀特征表現(xiàn)為：湖泊、水庫、池塘、魚塘及大的河流呈面狀，而小的河流呈線狀。對面狀水體而言，不同類型的水體其形狀又各不相同，湖泊的邊界一般較平坦光滑，河流呈彎曲的長條狀，池塘形狀較圓滑，近似橢圓, 小水庫形狀也較圓滑，但邊界有一部分呈直線，大水庫由于受地形影響，其邊界呈山體等高線形狀，而魚塘則呈規(guī)則的四邊形。定義形狀指數(shù)K為：

式中，K為形狀指數(shù)；A為面積；P為周長。圓的形狀指數(shù)最大(>0.25)，正方形次之(=0.25)。一般情形，形狀越不規(guī)則，其形狀指數(shù)越小。因此，河流的形狀指數(shù)較湖泊、水庫、池塘要小[13]。

研究區(qū)主要水體類型有3種：河流、魚塘和池塘。研究區(qū)內(nèi)的河流多呈帶狀區(qū)域，因此其周長相對最長，形狀指數(shù)最小；池塘普遍面積較小，形狀較圓滑，近似橢圓，其形狀指數(shù)較大；魚塘面積較池塘大，且多呈塊狀分布，其形狀指數(shù)較河流要大，較池塘要小。

本文采用決策樹分類方法對提取的水體分類結(jié)果進(jìn)行改善。首先將提取的水體在ArcGIS系統(tǒng)下，由柵格轉(zhuǎn)換為矢量多邊形，并計算出每個多邊形的面積、周長和形狀指數(shù)；然后制定分類規(guī)則，用決策樹分類方法對水體分類結(jié)果進(jìn)行改善，結(jié)構(gòu)見圖2。

圖2 水體分類的決策樹結(jié)構(gòu)圖

3 研究結(jié)果與分析

利用GIS知識規(guī)則分別對利用Landsat ETM+第7波段和ASTER第4～9波段提取的水體信息結(jié)果進(jìn)行改進(jìn)，獲得水體信息分布圖（見圖3、圖4）。本次實驗以使用ASTER可見光波段影像視解譯的數(shù)據(jù)作為參考資料，對分類結(jié)果進(jìn)行精度評價[14]（見表1、表2），得到利用Landsat ETM+第7波段和ASTER第4～9波段提取的水體信息的總體精度分別為82.4%和92.4%，Kappa系數(shù)分別為0.75和0.89。

圖3 基于Landsat ETM+影像水體提取結(jié)果

圖4 基于ASTER影像水體提取結(jié)果

表1 ASTER與 ETM+提取結(jié)果比較

表2 利用Landsat ETM+第7波段提取水體信息精度評價結(jié)果

分析發(fā)現(xiàn)，利用GIS知識規(guī)則對Landsat ETM+第7波段影像提取的水體信息結(jié)果進(jìn)行改進(jìn)后，對河流的分類精度可達(dá)到90%，能夠獲取較高精度的河流分布信息；對于池塘的信息提取其生產(chǎn)者精度較高，達(dá)到了90.63%，而用戶精度較低，僅有67%；對于魚塘信息提取的生產(chǎn)者和用戶精度分別為73.79%和75.25%，總體精度較低。利用GIS知識規(guī)則對ASTER第4～9波段影像提取的水體信息結(jié)果進(jìn)行改進(jìn)后，對河流信息的提取精度達(dá)到88%以上，表明提取結(jié)果具有較高的可信度；對池塘信息提取的生產(chǎn)者和使用者精度分別為93.55%和87%；對魚塘信息提取的生產(chǎn)者和使用者精度分別為95.9%和90.2%。

利用ArcGIS軟件對2種分類結(jié)果進(jìn)行差異分析，獲得水體信息提取差異圖（見圖5），并對差異信息進(jìn)行分類統(tǒng)計，得到信息差異表（見表3）。

圖5 水體信息差異圖

表3 利用ASTER第4-9波段提取的水體信息評價結(jié)果

表4 水體信息變化統(tǒng)計表

利用分類精度評價表和差異信息，對分類結(jié)果進(jìn)行比較分析發(fā)現(xiàn)，利用ASTER近紅外波段數(shù)據(jù)提取水體信息的總體精度和Kappa系數(shù)均高于利用Landsat ETM+第7 波段數(shù)據(jù)提取的結(jié)果。進(jìn)一步對比可知，利用Landsat ETM+和ASTER近紅外波段數(shù)據(jù)提取的河流信息差異較小，信息提取結(jié)果的變化率為9.79%。由于混合像元的存在，河流邊界信息提取的差異是引起河流信息變化的主要原因。實驗表明，對于大面積水體信息（如河流）的提取，利用Landsat ETM+和ASTER近紅外波段數(shù)據(jù)均能夠獲得較好的分類結(jié)果。

對池塘和魚塘信息的提取結(jié)果進(jìn)行比較分析發(fā)現(xiàn)，利用Landsat ETM+數(shù)據(jù)提取結(jié)果的精度比利用ASTER近紅外波段數(shù)據(jù)提取結(jié)果精度低，2種信息提取結(jié)果的變化率較大。其中，池塘信息的變化率為26.47%，魚塘信息的變化率為24.62%（見表4）。實驗表明，因ASTER近紅外波段數(shù)據(jù)具有較高的波譜分辨率，利用其進(jìn)行池塘和魚塘信息提取能夠獲得較高的分類精度。

對于非水體信息的獲取，因?qū)嶒瀰^(qū)非水體面積遠(yuǎn)大于水體面積，利用兩種不同數(shù)據(jù)提取結(jié)果相差不大，兩種結(jié)果的變化率僅為0.77%，表明利用Landsat ETM+和ASTER數(shù)據(jù)進(jìn)行非水體信息提取的結(jié)果相差較小，并且都能夠獲得較高的精度。

相同空間分辨率情況下，對大面積的連續(xù)水體進(jìn)行信息提取，提高波譜分辨率對于提取結(jié)果的影響不大，利用Landsat ETM+或ASTER數(shù)據(jù)進(jìn)行提取，精度均可達(dá)90%，；對于提取面積較小的獨立水體(如池塘、魚塘等)，提高波譜分辨率能夠有效地提高信息提取的精度。利用ASTER數(shù)據(jù)能夠獲得較高的精度，能夠有效地提取較小面積的獨立水體信息，而利用Landsat ETM+數(shù)據(jù)獲得信息提取精度較低。

4 結(jié) 語

雖然利用ASTER數(shù)據(jù)可以獲得較高的分類精度，但是，隨著波譜分辨率的提高，其數(shù)據(jù)量也有大幅度增加，增加了數(shù)據(jù)的處理和操作難度。另外，ASTER數(shù)據(jù)的獲取成本也較Landsat系列數(shù)據(jù)獲取成本高，將為快速提取大范圍的水體信息以及遙感技術(shù)推廣增加了難度。因此，對于水體信息的提取，需要依據(jù)研究區(qū)內(nèi)的水體信息情況進(jìn)行數(shù)據(jù)源的選擇。若研究區(qū)內(nèi)多為大面積的連續(xù)水體，選擇Landsat ETM+數(shù)據(jù)即可獲得較高的分類精度，其需要處理的數(shù)據(jù)量較小，獲得數(shù)據(jù)的成本也較低；若研究區(qū)內(nèi)細(xì)小水體及較小面積的獨立水體較多，選擇ASTER數(shù)據(jù)，利用其較高的波譜分辨率進(jìn)行信息提取可以獲得較高的分類精度。但是其具有較大的數(shù)據(jù)量，數(shù)據(jù)的獲取和處理成本較高。

[1]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

[2]林劍，趙會芳，曾毅，等. 土地利用一級類別分類TM與ASTER數(shù)據(jù)適用性分析[J]. 遙感技術(shù)與應(yīng)用2011,26(2):209-214

[3]林騰,高光明,劉容秀，等. ETM+和ASTER數(shù)據(jù)在遙感信息提取中的對比研究[J].遙感應(yīng)用，2011（1）: 65-69

[4]徐涵秋,張鐵軍.ASTER與Landsat ETM+植被指數(shù)的交互比較[J].光譜學(xué)與光譜分析，2011,13（7）：1 902-1 907

[5]張鐵軍,徐涵秋.基于MNDWI水體指數(shù)的ASTER與ETM+影像交互比較研究[J].宇航學(xué)報,2010,31(4): 1 243-1 252

[6]黃海波,趙萍,陳志英,等.ASTER遙感影像水體信息提取方法研究[J].遙感技術(shù)與應(yīng)用，2008,23（5）：525-528

[7]汪寶存,苗放,陳建華，等. 基于ASTER數(shù)據(jù)的歸一化差異水體指數(shù)的建立及其應(yīng)用[J].測繪科學(xué)，2008,33(2):177-179

[8]馮學(xué)智,王周龍,王雷，等.江寧土地利用動態(tài)變化研究[J].江蘇測繪,1999,22(4):3-4

[9]王周龍，馮學(xué)智，劉曉枚，等.秦淮河丘陵地區(qū)土地利用遙感信息提取及制圖[J].遙感學(xué)報，2003,7（2）：131-135

[10]趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社,2003

[11]趙萍，馮學(xué)智，王雷，等.江南丘陵區(qū)土地利用/覆被分類[J].南京大學(xué)學(xué)報：自然科學(xué)版，2003,39（3）：404-410

[12]吳文淵,沈曉華,鄒樂君,等.基于Landsat ETM+影像的水體信息綜合提取方法[J].科技通報,2008,24(2):252-259

[13]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

[14]吳健平.遙感影像解譯精度的分析[J].遙感信息，1992（2）：17-18