湖泊水體遙感提取方法比較研究

徐蓉1，張增祥2，趙春哲1

(1.重慶三峽學(xué)院 計算機(jī)科學(xué)與工程學(xué)院，重慶 404000；2.中國科學(xué)院 遙感與數(shù)字地球研究所，北京 100094)

摘要：本文以位于我國不同地區(qū)的10個湖泊為研究區(qū)域，對波段差值模型、FAI模型以及NDWI和近紅外波段模型等3種水體提取模型進(jìn)行了比較，分析其在MODIS數(shù)據(jù)湖泊水體識別方面的效果。模型中的閾值分別采用大津法和迭代法計算。結(jié)果表明，波段差值模型在西部地區(qū)湖泊的應(yīng)用效果較好，而NDWI和近紅外波段模型在東部地區(qū)湖泊的應(yīng)用效果較好，兩者總體上比FAI模型更為準(zhǔn)確地提取了湖泊水體信息。此外，大多數(shù)情況下大津法和迭代法得到的閾值是相近的。

關(guān)鍵詞：MODIS數(shù)據(jù)；水體提??；NDWI；波段差值；自動閾值

doi:10.3969/j.issn.1000-3177.2015.01.019

中圖分類號：TP79文獻(xiàn)標(biāo)識碼：A

Different Models Used in Extraction of Lake Water Body

Based on MODIS Data

XU Rong1，ZHANG Zeng-xiang2，ZHAO Chun-zhe1

(1.SchoolofComputerScienceandEngineering，ChongqingThreeGorgesUniversity，Chongqing404000；

2.InstituteofRemotesensingandDigitalEarth，CAS，Beijing100094)

Abstract：In this paper，three common water extraction models are studied，including the combined model of NDWI and NIR，the band difference model and the FAI model.These models are compared in identifying water bodies of 10 lakes located in different regions of China based on the MODIS data.All the thresholds in these models are determined by the Otsu and iteration method automatically.It is shown that the band difference model leads to the best results for the lakes in the western region.For the lakes in the eastern region，the best results are obtained based on the combined model of NDWI and NIR.In most cases，the thresholds calculated by iteration method and the Otsu are close.

Key words：MODIS data；water body extraction；NDWI；band difference；automatic threshold

1引言

湖泊是陸地水圈的重要組成部分，參與自然界的水分循環(huán)，對區(qū)域的水量平衡發(fā)揮著重要作用。它不僅為人類的生活和生產(chǎn)提供了資源，而且具有巨大的環(huán)境功能和生態(tài)效益。湖泊的形成與消失、擴(kuò)張與收縮，都會直接影響湖泊的各種功能，甚至誘發(fā)區(qū)域生態(tài)環(huán)境演變。近幾十年來，受全球氣候變化和人類活動的共同影響，湖泊萎縮已成為人類目前面臨的主要環(huán)境問題之一[1]。因此，精確迅速地監(jiān)測湖泊水域，對揭示自然因素及人類活動對湖泊水域的影響規(guī)律，以及合理開發(fā)、利用和保護(hù)湖泊水資源都具有極其重要的意義[2]。

遙感技術(shù)的誕生，將人類對地球表層的理解推進(jìn)到一個新的階段，同時也給大范圍的、全面深入的湖泊調(diào)查帶來便利[3-4]。與傳統(tǒng)的調(diào)查方法相比，遙感技術(shù)具有覆蓋面廣、宏觀性強(qiáng)、快速、多時相、豐富的綜合信息等特點，它能及時快速地識別湖泊水體，監(jiān)測湖泊動態(tài)變化，已成為湖泊研究的重要手段之一[5]。在眾多遙感數(shù)據(jù)中，MODIS數(shù)據(jù)以其空間分辨率中等、光譜分辨率良好、時間分辨率較高以及單幅影像覆蓋范圍廣闊等優(yōu)點，廣泛用于區(qū)域大中尺度的湖泊水資源狀況快速調(diào)查[6]。

對于湖泊水體信息遙感識別，國內(nèi)外已有很多研究成果。目前，基于光學(xué)遙感數(shù)據(jù)的水體識別方法主要有單波段閾值法、譜間關(guān)系法、多波段運(yùn)算法、混合像元分解法等。單波段閾值法是利用水體在近紅外波段反射率較低，易與其他地物區(qū)分的特點，通過在近紅外波段設(shè)定閾值來區(qū)分水體與其它地物，該方法簡單易行，但存在較多混淆信息，識別精度相對較低[7-8]。譜間關(guān)系法又稱波段組合法，通過對波段進(jìn)行組合運(yùn)算來增強(qiáng)水陸反差，從而找出組合圖像上水陸分界明顯的影像，由于綜合利用了其他波段的信息，因此比單波段閾值法的解譯效果好，應(yīng)用也廣泛[9-10]。多波段運(yùn)算法包括比值法、差值法、水體指數(shù)法等，它通過對波段進(jìn)行算術(shù)運(yùn)算來構(gòu)建水體識別的數(shù)學(xué)模型，由閾值法直接實現(xiàn)水體信息的提取[11-14]?；旌舷裨纸夥ǜ鶕?jù)每一像元在各個波段的像元值來估算像元內(nèi)各典型地物的比例，將水體信息的提取逐漸由像元過渡到亞像元，提高了分類精度[2，15]。上述4種方法中，多波段運(yùn)算法中的差值模型和水體指數(shù)模型是最受關(guān)注的水體提取方法，已廣泛應(yīng)用于MODIS數(shù)據(jù)湖泊水體識別[16-18]。以往研究表明，不同方法判別水體的效果并不相同，但這些研究大多針對單個區(qū)域內(nèi)的水體[6，18-19]，對各方法在不同地區(qū)的有效性的研究較少。為此，本文選取位于我國不同地區(qū)的10個湖泊作為研究區(qū)域，對NDWI和近紅外波段模型、FAI模型和波段差值模型等3種常用的水體提取模型進(jìn)行比較，分析其在MODIS數(shù)據(jù)湖泊水體識別方面的效果及在不同地區(qū)湖泊的適用性。

2研究區(qū)域與數(shù)據(jù)

我國湖泊眾多，分布廣泛，從東部沿海的坦蕩平原到世界屋脊的青藏高原，從廣袤無垠的東北三江平原到西南邊陲的云貴高原，都有湖泊分布[20]。為了比較不同方法在湖泊水體提取中的適用性，本文選取了以下10個湖泊：青海湖、納木錯、瑪旁雍錯、阿雅克庫木湖、艾比湖、烏梁素海、呼倫湖、太湖、鄱陽湖、和滇池。湖泊選取主要遵循以下3個原則：①湖泊分布于全國不同地區(qū)，從地域分布上保證湖泊的代表性；②所選湖泊兼顧主要湖泊類型；③湖泊具有一定湖面面積，以保證MODIS影像能夠較為準(zhǔn)確地監(jiān)測到水體。

MOD09是MODIS的地表反射率數(shù)據(jù)，它經(jīng)過嚴(yán)格的大氣分子散射、臭氧、氣溶膠及云處理，對MODIS 7個波段的數(shù)據(jù)均進(jìn)行了大氣雙向反射和太陽高度校正。本文采用了250m分辨率的一波段和二波段，以及500m分辨率的四波段和五波段，并對數(shù)據(jù)進(jìn)行了拼接、裁剪、重采樣、格式和投影轉(zhuǎn)換等預(yù)處理。

為了驗證MOD09數(shù)據(jù)提取的湖泊水體信息的精度，本文還采用了Landsat TM/ETM+影像，并對各影像進(jìn)行幾何精糾正，影像投影與MOD09數(shù)據(jù)一致，均為Albers投影。

3湖泊水體信息提取方法

通過分析已有的水體提取方法，并結(jié)合MOD09數(shù)據(jù)的特點[17，21-22]，選取以下三種模型進(jìn)行試驗，驗證各模型在不同區(qū)域湖泊的適用性。

3.1NDWI和近紅外波段模型

NDWI是歸一化差異水體指數(shù)，它根據(jù)近紅外波段和綠光波段的反射率計算，計算方法如下[23]：

NDWI=(Green-NIR)/(Green+NIR)

(1)

其中，Green、NIR分別代表綠光波段、近紅外波段的反射率，對應(yīng)于MOD09數(shù)據(jù)的四波段、二波段。

NDWI和近紅外波段模型中，水體提取規(guī)則是：

NDWI>th1 &NIR

(2)

其中，th1、th2為閾值。隨著波長的增加，水體的反射從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波長范圍內(nèi)吸收性最強(qiáng)，幾乎無反射[24]。而植被在近紅外波段的反射率一般最強(qiáng)，兩者在綠光波段和近紅外波段的波譜特征具有明顯差異，所以用綠光波段和近紅外波段的反差構(gòu)成NDWI，可以最大程度地抑制植被信息，而突出水體特征。然而，在NDWI指數(shù)中，部分建筑物/土壤也呈正值，容易和水體混淆，形成噪音[25-26]?？紤]到水體在近紅外波段的反射率遠(yuǎn)低于建筑物/土壤，因此，加入NIR

3.2FAI模型

FAI(Floating Algae Index)是Hu于2009年提出的一個指數(shù)，最初用于太湖藍(lán)藻監(jiān)測[27]。2012年，F(xiàn)eng等基于MODIS數(shù)據(jù)計算了FAI，并利用梯度方法設(shè)定了FAI的閾值，完成了對鄱陽湖2000年到2010年水體信息的提取。為評價信息提取精度，將兩景HJ-1A/1B CCD數(shù)據(jù)提取的水體信息與同時相的MODIS數(shù)據(jù)提取的結(jié)果進(jìn)行了比較，結(jié)果表明：相對于HJ-1A/1B CCD數(shù)據(jù)提取的結(jié)果，兩期MODIS數(shù)據(jù)提取的水面面積誤差分別為5.3%和0.9%[17]。

FAI根據(jù)MODIS數(shù)據(jù)的紅光波段、近紅外波段和短波紅外波段的反射率計算[17]，計算方法如下：

(859-645)/(1240-645)

(3)

其中，R645、R859、R1240分別是紅光波段、近紅外波段和短波紅外波段的反射率，對應(yīng)于MOD09數(shù)據(jù)的一波段、二波段和五波段。由于在645nm到1240nm的波長范圍內(nèi)，氣溶膠對反射率的影響與波長近似于線性關(guān)系，因此FAI計算中的基線減法是一種有效的大氣校正，這使得即使在不同的大氣條件和觀測條件下FAI指數(shù)也是相對穩(wěn)定的，便于設(shè)定分割水體和陸地的閾值[17]。

FAI模型中，水體提取規(guī)則是：

FAI

(4)

其中，th為閾值。其原理是：水體在近紅外波段的強(qiáng)烈吸收，使得R859的值以及FAI的數(shù)值都小于陸地，因此可以通過對FAI設(shè)定閾值來提取水體。

3.3波段差值模型

利用水體在近紅外波段和紅光波段反射率的差異可構(gòu)建如下水體提取模型：

Red-NIR>th3 &NIR

(5)

其中，Red、NIR分別代表紅光波段、近紅外波段的反射率，對應(yīng)于MOD09數(shù)據(jù)的一波段、二波段；th3、th4為閾值。研究表明，從可見光到近紅外波段(400nm～2500nm)，水體的反射率都很低，且隨著波長的增大，其反射率逐漸降低，在波長大于2400nm以后，其反射率降到最低，接近于零[16]。與此相反，土壤和植被在近紅外和中紅外波段反射率較高，水體滿足Red>NIR的條件，而對于土壤和植被，Red

以上三種水體提取模型都屬于閾值法模型，需要設(shè)定適當(dāng)?shù)拈撝祦硖崛∷w。一般來說，采用閾值法模型提取水體時，模型中的參數(shù)會隨著自然環(huán)境以及影像成像時的大氣條件和觀測條件而有所變化，因此為了提高水體判別的精度，對于不同地區(qū)和季節(jié)的影像，需要采用不同的閾值。在目前的大多數(shù)研究中，閾值都是基于經(jīng)驗通過人機(jī)交互反復(fù)檢驗確定而來的，這種方法的優(yōu)點是簡單快速，但同時也相對主觀，而且要人工逐一確定每幅影像的閾值并不可取。自動閾值法由計算機(jī)自動獲取圖像分割的閾值，包括直方圖波谷法、大津法、最大熵方法、迭代法、雙峰法和梯度統(tǒng)計法等[28-29]，它能較為準(zhǔn)確地獲取水體提取的閾值[7，17，30]。為此，本文采用大津法和迭代法來進(jìn)行試驗。

在IDL平臺上，對以上三種水體提取模型和兩種閾值算法進(jìn)行實現(xiàn)。為了比較大津法和迭代法計算的閾值，各模型中的閾值用兩種閾值算法確定，因此對于每個湖泊所在的MOD09影像，共有6個水體提取結(jié)果。

4湖泊水體信息提取結(jié)果及評價

為了比較和驗證不同水體提取方法和閾值算法得到的結(jié)果，針對每一湖泊，首先選用與各MOD09數(shù)據(jù)同一時相的Landsat TM/ETM+影像作為驗證數(shù)據(jù)(表1)，然后在ArcGIS中對其進(jìn)行目視解譯得到湖泊水體信息，最后與MOD09數(shù)據(jù)提取的結(jié)果進(jìn)行對比。

Landsat TM/ETM+數(shù)據(jù)的空間分辨率為30m，且各數(shù)據(jù)的獲取時間與對應(yīng)MOD09數(shù)據(jù)的獲取時間基本一致，相隔不超過1天。

4.1湖泊水體信息提取結(jié)果

在ArcGIS平臺上統(tǒng)計基于Landsat TM/ETM+數(shù)據(jù)的湖面面積，同時利用ENVI軟件計算基于MOD09數(shù)據(jù)的湖泊面積(表2)。其中，模型1指NDWI與近紅外波段模型，模型2指FAI模型，模型3指波段差值模型。

表1　各湖泊MOD09試驗數(shù)據(jù)與Landsat TM/ETM+驗證數(shù)據(jù)

表2　不同方法提取的各湖泊湖面面積/km 2

4.1.1青海湖提取結(jié)果

對比ETM+影像目視解譯的結(jié)果(圖1)可以看出，采用大津法計算閾值時，NDWI與近紅外波段模型會漏提部分水體，而采用迭代法計算閾值時，得到的結(jié)果比較理想。通過查看MOD09數(shù)據(jù)計算的NDWI指數(shù)，發(fā)現(xiàn)極少部分像元的NDWI值出現(xiàn)了異常，考慮到大津法對噪聲較敏感[31]，推測是這部分噪聲導(dǎo)致閾值出現(xiàn)了偏差，而迭代法由于采用圖像灰度值的均值作為初始閾值因此避免了這一點，且其運(yùn)算速度較大津法快。FAI模型提取的湖面面積偏大，主要錯提了湖泊東岸的灘地，原因在于灘地的FAI值與水體的FAI值較為接近，兩者都遠(yuǎn)小于植被的FAI值，而大津法和迭代法基于整幅FAI圖像的灰度值求出單個最優(yōu)分割閾值，該閾值僅能將植被和灘地、水體區(qū)分開，無法進(jìn)一步區(qū)分灘地和水體。波段差值模型采用大津法和迭代法計算閾值得到的結(jié)果都比較接近于ETM+影像提取結(jié)果，且與ETM+提取的湖面面積相比，大津法得到的湖面面積精度更高(表2)。

4.1.2納木錯、瑪旁雍錯、滇池提取結(jié)果

納木錯湖區(qū)試驗數(shù)據(jù)的成像時間是在12月，此時湖面東部已經(jīng)開始結(jié)冰(圖2)。由于水體提取模型是根據(jù)水體光譜特性構(gòu)建的，因此NDWI和近紅外波段模型與波段差值模型都漏提了湖面東部的結(jié)冰區(qū)域，但比較準(zhǔn)確地提取了湖面其它部分。FAI模型提取出了結(jié)冰的湖面，但錯提了湖泊西南側(cè)的河口；在ArcGIS平臺上將其與TM影像提取的結(jié)果進(jìn)行疊加分析，發(fā)現(xiàn)該方法提取的湖面較TM提取的結(jié)果偏大。這主要是由于湖冰和水體的FAI值遠(yuǎn)小于陸地，自動閾值法計算的閾值在將湖面與陸地區(qū)分的同時也錯提了湖岸的結(jié)冰區(qū)域?？傮w而言，波段差值模型提取的結(jié)果最接近于TM影像目視解譯的結(jié)果，采用迭代法確定閾值時該模型提取的湖面面積精度為98.9%。

圖1　青海湖水體提取結(jié)果(模型1：NDWI和近紅外波段模型；模型2：FAI模型；模型3：波段差值模型)

圖2　納木錯水體提取結(jié)果(模型1：NDWI和近紅外波段模型；模型2：FAI模型；模型3：波段差值模型)

對于瑪旁雍錯，NDWI和近紅外波段模型存在漏提現(xiàn)象，F(xiàn)AI模型完整地提取了湖面但在水—陸邊界存在一定程度的錯提，波段差值模型提取效果最好，僅在湖面北岸錯提了部分像元，且迭代法得到的結(jié)果更為準(zhǔn)確，精度為99.6%。滇池的提取結(jié)果與此相似，F(xiàn)AI模型在湖面北端存在明顯的錯提，而NDWI和近紅外波段模型以及波段差值模型都較為準(zhǔn)確地提取了水體信息，且后者提取效果更好，采用迭代法確定閾值時精度為99.6%。

4.1.3鄱陽湖、太湖、呼倫湖、艾比湖提取結(jié)果

對于鄱陽湖，NDWI和近紅外波段模型提取的結(jié)果與ETM+影像目視解譯結(jié)果最為接近(圖3)，但漏提了一些淺水區(qū)域和細(xì)小支流。以ETM+影像提取的面積為參考，采用大津法和迭代法確定閾值時該模型提取的面積精度分別為96.2%、96.3%，可見，迭代法確定的閾值更為準(zhǔn)確。FAI模型和波段差值模型沒有明顯的漏提，但都存在錯提，且前者錯提的較多，主要錯提了部分含水量高的灘地，這是因為灘地的FAI值與水體較為接近，二者產(chǎn)生了混淆。

圖3　鄱陽湖水體提取結(jié)果(模型1：NDWI和近紅外波段模型；模型2：FAI模型；模型3：波段差值模型)

對于艾比湖，NDWI和近紅外波段模型提取的結(jié)果與TM影像目視解譯的結(jié)果最為接近，且兩種閾值算法得到的結(jié)果相同。FAI模型提取效果最差，原因在于MOD09影像上地物類型多樣，且植被的FAI遠(yuǎn)高于其他地物類型，因此無論是采用大津法還是迭代法計算得到的閾值都只能將植被與其他地物類型分開，而無法將水體與其他地物區(qū)分開來。波段差值模型提取效果比FAI模型提取效果稍好，但精度也很低。

對于呼倫湖，NDWI和近紅外波段模型提取的結(jié)果與TM影像目視解譯的結(jié)果最為接近，僅在湖面東南岸的灘地錯提了部分像元。FAI模型存在錯提現(xiàn)象，這在湖面東南角表現(xiàn)最為明顯。波段差值模型與NDWI和近紅外波段模型提取的結(jié)果相近，但在湖面水陸邊緣錯提了部分像元，提取面積比后者偏大。

對于太湖，三種模型都存在不同程度的錯提和漏提，且主要表現(xiàn)在東太湖區(qū)域。NDWI和近紅外波段模型主要漏提了湖面中長有浮游植物的部分，而錯提了湖面邊緣的坑塘等，該方法得到的湖面面積與ETM+影像目視解譯的面積最為接近。FAI模型漏提較少，但也錯提了部分坑塘以及其他濕地類型。波段差值模型也存在一定的錯提，但錯提的相對較少。三種模型都錯提了坑塘，原因在于其光譜特征與水體較為接近，引起了混淆。4.1.4阿雅克庫木湖提取結(jié)果

對于阿雅克庫木湖(圖4)，NDWI和近紅外波段模型較為準(zhǔn)確地提取了水體信息，僅在湖面南岸漏提了部分像元，且采用大津法和迭代法確定閾值時得到的結(jié)果基本一致。FAI模型與波段差值模型提取結(jié)果相似，錯提了湖面東側(cè)的沼澤，且采用大津法計算閾值時漏提了湖面主體部分的一些像元，主要原因在于MOD09影像上這些像元的質(zhì)量較差，影響了閾值的計算?？傮w而言，與TM影像提取的湖面面積相比，F(xiàn)AI模型得到的結(jié)果精度最高。

圖4　阿雅克庫木湖水體提取結(jié)果(模型1：NDWI和近紅外波段模型；模型2：FAI模型；模型3：波段差值模型)

4.1.5烏梁素海提取結(jié)果

對于烏梁素海，NDWI和近紅外波段模型提取的結(jié)果最接近于TM影像的目視解譯結(jié)果(圖5)，但漏提了湖面中心的部分像元，這是由于水生植物的存在改變了水體的光譜特征，使像元的NDWI為負(fù)值。以TM影像提取的面積為參考，采用大津法和迭代法確定閾值時該模型提取的面積精度都為93.0%。FAI模型明顯錯提了其他地物，提取效果最差，原因在于植被的FAI值遠(yuǎn)大于水體和其他地物，自動閾值法計算的閾值僅能區(qū)分植被，而混淆了水體和其他地物類型。波段差值模型較為準(zhǔn)確地提取了水面，但錯提了湖泊邊緣的部分像元。

4.2精度比較

以TM/ETM+影像提取的湖面面積為參考，對于艾比湖、呼倫湖、鄱陽湖、烏梁素海和太湖，NDWI和近紅外波段模型提取的湖面面積精度最高，分別為98.5%、99.2%、96.3%、92.9%和98.5%?？梢?，湖面面積精度都在90%以上，且大津法和迭代法得到的結(jié)果基本一致。

對于阿雅克庫木湖，F(xiàn)AI模型結(jié)合大津法提取的湖面面積精度最高，其次是波段差值模型結(jié)合迭代法提取的湖面面積，精度分別為99.9%、99.2%。前者在湖面主體部分存在明顯漏提，且兩者在湖面東側(cè)的灘地都存在錯提。

對于青海湖、納木錯、瑪旁雍錯和滇池，波段差值模型提取的湖面面積精度最高，且大津法和迭代法得到的結(jié)果基本一致。該模型結(jié)合大津法提取青海湖面積的精度是99.0%，結(jié)合迭代法提取納木錯、瑪旁雍錯和滇池面積的精度分別是98.9%、99.8%和99.6%。

圖5　烏梁素海水體提取結(jié)果(模型1：NDWI和近紅外波段模型；模型2：FAI模型；模型3：波段差值模型)

總體而言，在地物類型相對簡單的地區(qū)(納木錯、瑪旁雍錯、呼倫湖等)，基于MOD09數(shù)據(jù)的三種模型提取結(jié)果比在地物類型復(fù)雜的地區(qū)(太湖、鄱陽湖等)精度高，這除了模型本身的因素外，與采用的閾值算法也有一定關(guān)系。NDWI和近紅外波段模型提取結(jié)果比FAI模型提取結(jié)果準(zhǔn)確，后者僅在瑪旁雍錯、阿雅克庫木湖和滇池有較好的適用性，且精度不如波段差值模型以及NDWI和近紅外波段模型。相比之下，波段差值模型更適用于西部地區(qū)的湖泊水體信息提取，而NDWI和近紅外波段模型更適用于東部地區(qū)湖泊水體信息的提取。

值得注意的是，大多數(shù)情況下迭代法和大津法計算的閾值相近，因此采用同一種模型提取水體時，兩種閾值算法得到的結(jié)果是相似的。試驗結(jié)果也表明，大津法的運(yùn)算效率低于迭代法，且對于噪聲敏感，對圖像質(zhì)量的要求相對較高。

5結(jié)束語

本文選取了位于我國不同地區(qū)的10個湖泊作為研究區(qū)域，以MOD09為數(shù)據(jù)源，分別采用大津法和迭代法計算閾值，對波段差值模型、FAI模型以及NDWI和近紅外波段模型等3種水體提取方法進(jìn)行了比較，分析其在湖泊水體識別方面的效果及在不同地區(qū)湖泊的適用性。結(jié)果表明，大多數(shù)情況下，NDWI和近紅外波段模型以及波段差值模型比FAI模型更為準(zhǔn)確地提取了湖泊水體信息，其中，波段差值模型在西部地區(qū)湖泊較為適用，而NDWI和近紅外波段模型在東部地區(qū)湖泊較為適用。

采用大津法和迭代法自動確定閾值時，在地物類型相對簡單的地區(qū)能夠得到較為準(zhǔn)確的閾值，但在地物類型復(fù)雜的地區(qū)往往無法得到理想的閾值。如何更有效地確定水體信息提取中的閾值，有待進(jìn)一步研究。

參考文獻(xiàn)：

[1]DU Y，XUE H P，WU S J，et al.Lake area changes in the middle Yangtze region of China over the 20th century[J].Journal of Environmental Management，2011，(92)：1248-1255.

[2]胡爭光，王祎婷，池天河，等.基于混合像元分解和雙邊界提取的湖泊面積變化監(jiān)測[J].遙感信息，2007，22(3)：34-38.

[3]王海波，馬明國.基于遙感的湖泊水域動態(tài)變化監(jiān)測研究進(jìn)展[J].遙感技術(shù)與應(yīng)用，2009，24(5)：674-684.

[4]余明，李慧.基于SPOT影像的水體信息提取以及在濕地分類中的應(yīng)用研究[J].遙感信息，2006(3)：44-47.

[5]蔣錦剛，李愛農(nóng)，鄧偉，等.多時相遙感影像提取湖泊邊界信息的融合算法[J].湖泊科學(xué)，2009，21(2)：264-271.

[6]廖程浩，劉雪華.MODIS數(shù)據(jù)水體識別指數(shù)的識別效果比較分析[J].國土資源遙感，2008，(4)：22-26.

[7]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)：428-434.

[8]楊瑩，阮仁宗.基于TM影像的平原湖泊水體信息提取的研究[J].遙感信息，2010，25(3)：60-64.

[9]殷青軍，楊英蓮.基于EOS/MODIS數(shù)據(jù)的青海湖遙感監(jiān)測[J].湖泊科學(xué)，2005，17(4)：356-360.

[10]張明華.用改進(jìn)的譜間關(guān)系模型提取極高山地區(qū)水體信息[J].地理與地理信息科學(xué)，2008，24(2)：14-16.

[11]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.

[12]王秋燕，陳仁喜，徐佳，等.環(huán)境一號衛(wèi)星影像中水體信息提取方法研究[J].科學(xué)技術(shù)與工程，2012，12(13)：3051-3056.

[13]李博，周新志.基于MODIS數(shù)據(jù)的川西山區(qū)河道水體提取方法研究[J].地理與地理信息科學(xué)，2009，25(2)：59-62.

[14]曹榮龍，李存軍，劉良云，等.基于水體指數(shù)的密云水庫面積提取及變化監(jiān)測[J].測繪科學(xué)，2008，33(2)：158-160.

[15]張洪恩，施建成，劉素紅.湖泊亞像元填圖算法研究[J].水科學(xué)進(jìn)展，2006，17(3)：376-380.

[16]李曉東，肖建設(shè)，李鳳霞，等.基于EOS/MODIS數(shù)據(jù)的近10a青海湖遙感監(jiān)測.自然資源學(xué)報，2012，27(11)：1962-1970.

[17]LIAN F，HU C M，CHEN X L，et al.Assessment of inundation changes of Poyang Lake using MODIS observations between 2000 and 2010[J].Remote Sensing of Environment，2012，(121)：80-92.

[18]張楠楠，王文，王胤.鄱陽湖面積的衛(wèi)星遙感估計及其與水位關(guān)系分析[J].遙感技術(shù)與應(yīng)用，2012，27(6)：947-953.

[19]王凈，李亞春，景元書.基于MODIS數(shù)據(jù)的水體識別指數(shù)方法的比較研究[J].氣象科學(xué)，2009，29(3)：342-347.

[20]王蘇民，竇鴻身.中國湖泊志[M].北京：科學(xué)出版社，1998.

[21]李景剛，李紀(jì)人，黃詩峰，等.Terra/MODIS時間序列數(shù)據(jù)在湖泊水域面積動態(tài)監(jiān)測中的應(yīng)用研究——以洞庭湖地區(qū)為例[J].自然資源學(xué)報，2009，24(5)：923-933.

[22]劉喆，趙軍，師銀芳，等.利用MODIS數(shù)據(jù)對2000～2009年新疆主要湖泊面積變化與氣候響應(yīng)的分析[J].干旱區(qū)資源與環(huán)境，2011，25(10)：155-160.

[23]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)：1425-1432.

[24]徐涵秋.利用改進(jìn)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.

[25]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.

[26]莫偉華，孫涵，鐘仕全，等.MODIS水體指數(shù)模型(CIWI)研究及其應(yīng)用[J].遙感信息，2007，22(5)：16-21.

[27]HU C M.A novel ocean color index to detect floating algae in the global oceans[J].Remote Sensing of Environment，2009，(113)：2118-2129.

[28]王磊，段會川.Otsu方法在多閾值圖像分割中的應(yīng)用[J].計算機(jī)工程與設(shè)計，2008，29(11)：2844-2845，2972.

[29]陳寧寧.幾種圖像閾值分割算法的實現(xiàn)與比較[J].電腦知識與技術(shù)，2011，7(13)：3109-3111.

[30]汪閩，駱劍承，明冬萍.高分辨率遙感影像上基于形狀特征的船舶提取[J].武漢大學(xué)學(xué)報(信息科學(xué)版)，2005，30(8)：685-688.

[31]呂燕，龔劬.加權(quán)三維Otsu方法在圖像分割中的應(yīng)用[J].計算機(jī)應(yīng)用研究，2011，28(4)：1576-1579.