萬建鵬，官云蘭，葉素倩，馬祺瑞

(1.東華理工大學測繪工程學院，江西南昌 330013;2.河海大學水利水電學院，江蘇南京 210098)

隨著全球水資源環(huán)境的日益惡化，水體信息的實時、準確、有效地提取成為遙感和環(huán)境工作者的研究熱點。遙感影像因其宏觀性強、時空分辨率高、實時反應快、成本低廉等特點，越來越多的環(huán)境工作者將遙感技術運用于各類環(huán)境(如土壤環(huán)境、植被和水環(huán)境等)監(jiān)測中(Ji et al.，2009)。水體面積信息的準確獲取，應用于水旱災害情況監(jiān)測、水環(huán)境監(jiān)測、濕地保護等領域，為水資源保護、水利工程規(guī)劃、緩解熱島效應以及可持續(xù)發(fā)展提供動態(tài)基礎數(shù)據(jù)和科學決策依據(jù)(Zhang et al.，2013)。

現(xiàn)階段，利用Landsat TM影像提取水體時常用的方法有:單波段閾值法、譜間關系法(駱劍承等，2009)、水體指數(shù)法和多波段色彩變換法等。其中，單波段閾值法和譜間關系法相對較為簡單，存在對細小水體的漏判和對山體陰影的誤判兩方面缺陷。水體指數(shù)法主要有:McFeeters(1996)為消除山體陰影對水體提取的影響而提出的Normalize DifferenceWater Index(NDWI);徐涵秋(2005)通過對TM影像第五波段研究后提出以TM第5波段代替NDWI中的NIR波段的Modified Normalized Difference Water Index(MNDWI)提取水體，該方法很好的改進了利用NDWI法進行易混淆的城鎮(zhèn)建筑物提取，比較適用于城鎮(zhèn)地區(qū)的水體提取;丁鳳(2009)利用水體在TM/ETM+影像band 4、band 5、band 7同時具有強吸收的基礎上，提出了新型水體指數(shù)(NWI)，該方法選用blue波段代替green波段，并增加2個水體反射率高的波段來增強水體信息，很好的獲取水體信息。Feyisa等(2014)通過構(gòu)建AWEI水體指數(shù)模型提取水體，并在世界各地選取各種背景下(如黑色土壤、陰影等)的水體進行水體提取試驗，結(jié)果表明該指數(shù)能夠有效的獲取閾值，并準確的提取水體信息。

1 試驗區(qū)概況及數(shù)據(jù)來源

鄱陽湖位于北緯28°22'～29°45'，東經(jīng)115°47'～116°45'。地處江西省的北部，長江中下游南岸。水體面積變化具有很強的時令性。本文實驗數(shù)據(jù)為2010年1月17日和2010年1月4日的TM5影像數(shù)據(jù)并融合其1～5，7波段影像，通過ENVI5.1對影像進行幾何校正、輻射定標和大氣校正，裁剪出大小為5 100×5 100像素，包含鄱陽湖全部的試驗影像。選取的影像質(zhì)量較好，無云和條帶噪聲影響，圖1為實驗區(qū)的假彩色合成影像。

2 研究方法

在研究區(qū)按水體、建筑、林地、裸地及陰影5種地類分別布置15個點(樣點均勻分布在研究區(qū))，提取Landsat TM 6個波段(熱紅外波段除外)的反射率與水體指數(shù)的值并繪制波譜曲線(圖2)。

圖1 鄱陽湖地區(qū)位圖及Landsat TM 543假彩色影像Fig.1 The location of Poyang Lake and its Landsat TM 543 false-color image

圖2 五種典型地類波譜特征曲線Fig.2 The five typical land curve’s spectral characteristic

從圖2可以看出，水體在可見光波段的波譜特征值明顯大于近紅外波段和中紅外波段，近紅外波段和中紅外波段的反射率明顯低于非水體類，但易與陰影混淆，而其它非水體不具備這一特征，水體指數(shù)正是基于此建立的。

利用指數(shù)法提取水體的基本原理是:利用水體在Landsat TM/ETM+的藍色波段和綠色波段的強吸收性，并且在紅色波段和紅外波段的強反射性提取水體，比值型指數(shù)通過分子增強水體與非水體信息進而利用分母進一步擴大二者的差距，使感興趣地物在所生成的指數(shù)影像上得到最大的亮度增強，而其它背景地物則受到普遍的抑制，從而達到突出感興趣地物的目的(吳際通，2013)。NDWI、MNDWI，NWI指數(shù)都屬于比值型指數(shù)，計算公式分別如下:

式中，Band1、Band2、Band4、Band5、Band7分別為Landsat TM/ETM+影像的1，2，4，5，7波段。

在通過構(gòu)建NDWI、MNDW和NWI水體指數(shù)提取水體時，研究區(qū)內(nèi)，水體提取的結(jié)果受山體陰影、建筑物陰影、耕地、黑色土壤等地物的干擾，使得水體提取的精度相對較低。本文在 NWI指數(shù)和AWEI指數(shù)模型的基本思路上，構(gòu)建出綜合權(quán)重水體指數(shù)(CWWI)。該指數(shù)利用水體在blue波段和green波段的強反射性，以及近紅外波段和中紅外兩個波段的強吸收性，采用藍、綠、近紅外、2個中紅外共5個波段，通過對各波段賦予不同的權(quán)值并進行波段組合而得到。其中，各波段的權(quán)值是通過各波段灰度值(DN)均值的比值獲取。這樣通過增強水體反射率與吸收率的差值進一步區(qū)分非水體信息中易于水體信息混淆的地物，從而區(qū)分其它非水體信息。具體公式如4式。

式中符號含義與公式1，2，3相同。

OTSU閾值分割法，又稱最大類間方差法。日本學者Otsu在1979年在最小二乘的基礎上推導出來的一種適用于雙峰直方圖提出的一種最大類間方差法。該方法算法簡單，運行速度快。一直被認為是閾值自動選取的最優(yōu)方法，在一定條件下不受圖像對比度與亮度變化的影響，因此在一些實時圖像處理系統(tǒng)中得到廣泛使用。

3 結(jié)果與分析

3.1 水體提取

利用ENVI 5.1軟件分別用NDWI，MNDWI，NWI和CWWI指數(shù)模型提取水體，將各指數(shù)水體灰度圖像拉伸為0～255的TIFF格式數(shù)據(jù)，基于MATLAB 2009B環(huán)境利用大律法(OTSU)(殷蔚明等，2004)閾值分割法自動提取閾值，利用ENVI軟件將其轉(zhuǎn)為二值圖像，從而分別將水體信息提取出來。各指數(shù)水體提取結(jié)果如圖3所示。

3.2 提取精度驗證

3.2.1 精度評價方法

分類結(jié)果精度評價是進行水體遙感監(jiān)測中重要的一步，也是分類結(jié)果是否可信的一種度量?，F(xiàn)階段分類最常用的精度評價方法是誤差矩陣或混淆矩陣(Error Matrix)方法(Congalton，1991;Richards，1996;Stehman，1997)，在水體提取時通過誤差矩陣可以計算出各種精度統(tǒng)計值，如總體正確率、使用者正確率、生產(chǎn)者正確率(Story et al.，1986)、Kappa系數(shù)等。通過誤差矩陣能夠有效的獲取水體提取的精度及Kappa系數(shù)等精度評價因子。

誤差矩陣的基本原理是構(gòu)建一個n×n矩陣(n為分類數(shù))，用來簡單比較參照點和分類點。一般矩陣的行代表分類點，列代表參照點，對角線部分指某類型與驗證類型完全一致的樣點個數(shù)，對角線為經(jīng)驗證后正確的樣點個數(shù)(Stehman，1997)。對分類圖像的每一個像素進行檢測是不現(xiàn)實的，需要選擇一組參照像素，參照像素必須隨機選擇。

Kappa分析是評價分類精度的多元統(tǒng)計方法，對Kappa的估計稱為KHAT統(tǒng)計，Kappa系數(shù)代表被評價分類比完全隨機分類產(chǎn)生錯誤減少的比例，計算公式如下:

3.2.2 水體提取精度

在用各指數(shù)提取水體信息后，利用ENVI5.1軟件的density slice工具密度分割后，再利用 ERDAS2011軟件的accuracy assessment工具進行精度評價，并選取水體和非水體各100個樣本點計算混淆矩陣及Kappa系數(shù)。各指數(shù)水體混淆矩陣如表1。表中水體、非水體指的是ERDAS精度評價時，樣本中水體和非水體的個數(shù)。

3.3 結(jié)果分析

從圖3，4可以看出NWI指數(shù)模型較NDWI水體指數(shù)模型提取水體時，易受山體陰影的影響，受城市建筑物陰影較小，水體提取較為完整。CWWI水體指數(shù)模型較其它三種水體指數(shù)模型在受城市建筑物及建筑物陰影較多，但在鄱陽湖周圍水體提取的效果較好，受山體陰影的影響比其它三種指數(shù)少，提取結(jié)果更優(yōu)。其中圖4中1-1至2-5局部影像可以看出，CWWI指數(shù)模型能夠有效地消除山體陰影對水體提取的影響，MNDWI及NWI指數(shù)模型較差。

表1 不同水體指數(shù)水體提取混淆矩陣Table 1 Confusion matrix for different water index of water extraction

從表1、表2得出各水體指數(shù)提取水體信息，并計算四種指數(shù)提取水體的精度由大到小順序依次為:CWWI＞MNDWI＞NWI＞NDWI，水體指數(shù)提取精度均在85%以上，說明都能對水體進行準確提取;不同指數(shù)提取純水體像元錯分像元個數(shù)由大到小依次為:NDWI＞NWI＞MNDWI＞CWWI，在對各指數(shù)水體提取結(jié)果誤差匹配時發(fā)現(xiàn)，NDWI指數(shù)提取水體信息時建筑物陰影被錯分為水體較多，MNDWI指數(shù)水體信息易于山體陰影、耕地和沼澤地混淆，NWI指數(shù)受山體陰影和建筑物陰影影響較NDWI和MNDWI有很大的改善。綜合表明CWWI指數(shù)提取水體的精度最高，Kappa系數(shù)表中CWWI指數(shù)水體與非水體的區(qū)分度最顯著，CWWI水體指數(shù)能夠有效的提取水體信息。

表2 各指數(shù)提取水體的精度和Kappa系數(shù)Table 2 The indices extraction accuracy and Kappa coefficient of water bodies

4 結(jié)束語

利用多波段加權(quán)組合，通過擴大水體反射率強的波段與反射率低的波段的發(fā)差，增加水體與非水體的區(qū)分度，從而達到水體提取的目的。試驗證明，根據(jù)綜合權(quán)重水體指數(shù)(CWWI)，并利用OSTU閾值分割提取水體，該方法在水體提取精度方面高于MNDWI，NWI和NDWI水體指數(shù)，能夠準確高效的提取水體信息。

CWWI指數(shù)模型中，各波段權(quán)值是通過各波段發(fā)射率的比值得到，權(quán)值的獲取簡單易行。針對不同實驗區(qū)域，各波段的權(quán)值可能不同，只要獲取相應的權(quán)值就能提高水體信息提取的準確性。因此，綜合權(quán)重水體指數(shù)模型中的權(quán)系數(shù)可以因區(qū)域而變，具有一定的普適性。

利用CWWI指數(shù)模型提取水體時，水體仍然易受到陰影等地物的影響，從而降低了水體提取的精度，因此，進一步的消除陰影等地物對水體的影響是接下來的研究目標。

丁鳳.2009.基于新型水體指數(shù)_NWI_進行水體信息提取的實驗研究［J］.測繪科學，34(4):155-157.

吳際通.2013.基于TM_ETM_影像的不同水體指數(shù)對比研究［J］.測繪科學，38(4):193-195.

駱劍承，盛永偉，沈占鋒，等.2009.分步迭代的多光譜遙感水體信息高精度自動提?。跩］.遙感學報，13(4):610-615.

徐涵秋.2005.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］.遙感學報，9(5):589-595.

殷蔚明，王典洪.2004.Otsu法的多閾值推廣及其快速實現(xiàn)［J］.中國體視學與圖像分析，9(4):219-223.

Congalton R G.1991.A review of assessing the accuracy of classifications of remotely sensed data［J］.Remote Sensing Environment.37 (1):35-46.

Feyisa G L，Meilby H，F(xiàn)ensholt R，et al.2014.Automated Water Extraction Index:A new technique for surface water mapping using Landsat imagery［J］.Remote Sensing of Environment，140:23-35.

圖3 各水體指數(shù)提取水體結(jié)果圖Fig.3 The Water Index extracting water body results

Ji L，Zhang L，Wylie B.2009.Analysis of Dynamic Thresholds for the Normalized Difference Water Index［J］.Photogrammetric Engineering＆Remote Sensing，75(11):1307-1317.

McFeeters S K.1996.The use of the Normalized Difference Water Index (NDWI)in the delineation of open water features［J］.International journal of remote sensing，17(7):1425-1432.

Richards J A.1996.Classifier performance and map accuracy［J］.Remote Sensing Environment.57(3):161-166.

Stehman S V.1997.Selecting and interpreting measures of thematic classification accuracy［J］.Remote Sensing Environ，62(1):77-89.

Story M，Congalton R G.1986.Accuracy assessment:a user’s perspective［J］.Photogrammetric Engineering＆Remote Sensing.48(1): 131-137.

Zhang G，Xie H，Yao T，et al.2013.Water balance estimates of ten greatest lakes in China using ICESat and Landsat data［J］.Chinese Science Bulletin，58(31)，3815-3829，doi:10.1007/s11434-013-5818-y.

圖4 各指數(shù)提取水體結(jié)果局部對比圖Fig.4 The local contrast diagram of each water extraction index