王瑾杰， 丁建麗， 張成， 陳文倩

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,烏魯木齊 830046；2.新疆交通職業(yè)技術(shù)學(xué)院,烏魯木齊 831401)

基于GF-1衛(wèi)星影像的改進(jìn)SWI水體提取方法

王瑾杰1,2， 丁建麗1， 張成2， 陳文倩1

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,烏魯木齊 830046；2.新疆交通職業(yè)技術(shù)學(xué)院,烏魯木齊 831401)

大尺度高精度山區(qū)河流信息提取是我國(guó)干旱區(qū)水資源開(kāi)發(fā)利用的關(guān)鍵技術(shù)，而利用遙感影像提取水資源信息存在水體與山區(qū)陰影難以區(qū)分的瓶頸。以GF-1號(hào)衛(wèi)星2 m分辨率全色波段影像和8 m分辨率多光譜影像為數(shù)據(jù)源，選取新疆特克斯河流域巴喀勒克水庫(kù)為研究區(qū)，提出改進(jìn)的陰影水體指數(shù)法(modified shade water index,MSWI)進(jìn)行水體信息提??； 同時(shí)運(yùn)用單波段閾值法、NDWI法、單波段法與陰影水體指數(shù)法(shade water indes,SWI)相結(jié)合的決策樹分類法(簡(jiǎn)稱SWI)以及單波段法與MSWI相結(jié)合的決策樹分類法(簡(jiǎn)稱MSWI)分別對(duì)研究區(qū)水體信息進(jìn)行提取，并進(jìn)行了對(duì)比分析。研究結(jié)果表明，前2種方法與SWI 和MSWI 法相比，效果稍差； 而SWI 和MSWI 法分類效果較好，其中MSWI比SWI法分類總精度高0.94%，提高了高分辨率遙感影像的解譯精度，可為國(guó)產(chǎn)高分系列衛(wèi)星影像在干旱區(qū)水資源信息提取中的應(yīng)用提供技術(shù)支持。

GF-1； 水體信息提取； 改進(jìn)的陰影水體指數(shù)(MSWI)； 決策樹分類法

0 引言

隨著高空間分辨率(以下簡(jiǎn)稱“高分”)衛(wèi)星傳感器的發(fā)展，GeoEye等衛(wèi)星影像的空間分辨率已提高至1 m以內(nèi)[1]。利用高分遙感影像快速提取水體信息已成為水資源動(dòng)態(tài)監(jiān)測(cè)的重要手段[2]。尤其在河流以積雪融水為主要補(bǔ)給的干旱地區(qū)，水資源信息的高精度提取對(duì)旱澇等自然災(zāi)害防治和農(nóng)業(yè)可持續(xù)發(fā)展都具有重要意義。

在遙感影像水體信息解譯方面，根據(jù)解譯技術(shù)路線的不同，可分為基于影像分類和基于指數(shù)計(jì)算的2種水體信息提取方法[3]。其中，影像分類法是通過(guò)不同地物在不同波段的反射率波譜特征的不同來(lái)辨別地物的，但此方法需要人為劃分閾值，主觀性強(qiáng)，普適性不高。指數(shù)方法的原理與影像分類法相似，同樣是一種波譜分析方法，只是通過(guò)數(shù)學(xué)方法將水體與其他地物波譜的差異拉大，可更直觀地提取出水體[4-6]。近幾年來(lái)，國(guó)內(nèi)研究主要集中于中、高分辨率多光譜影像分類，且以對(duì)水體指數(shù)法、譜間關(guān)系法和決策樹法的研究居多，方法應(yīng)用也較為成熟。都金康等[7]利用SPOT高分衛(wèi)星影像，提出決策樹分類法對(duì)水體信息進(jìn)行提取； 駱劍承等[8]基于TM影像，在歸一化差值水體指數(shù)(normalized difference water index，NDWI)的基礎(chǔ)上提出分布迭代方法，獲得了高精度水體提取結(jié)果； 王秋燕等[9]利用環(huán)境一號(hào)(ZY-1)衛(wèi)星，采用多種水體提取方法對(duì)比，分析了影響水體提取精度的因子； 胡衛(wèi)國(guó)等[10]以ZY-1 02C影像為數(shù)據(jù)源，利用NDWI和決策樹分類法提取水體信息，結(jié)果表明決策樹分類法可有效消除水體提取中的干擾因素； 馬延輝等[11]提出城鎮(zhèn)水體指數(shù)法(city water index,CIWI)，結(jié)果表明該模型能有效解決水體與植被、城鎮(zhèn)用地等信息之間的分離問(wèn)題，且精度較高； 徐涵秋[12]在Mcfeeters[13]提出的NDWI的基礎(chǔ)上提出了改進(jìn)的NDWI(modified NDWI，MNDWI)； 李艷華等[14]則利用GF-1數(shù)據(jù)，通過(guò)面向?qū)ο蠓诸惡蛿?shù)學(xué)膨脹算法實(shí)現(xiàn)了細(xì)小河流的信息提取。以上研究主要集中在利用SPOT/TM/ZY-1 02C衛(wèi)星數(shù)據(jù)對(duì)水體信息提取的應(yīng)用研究，而基于我國(guó)高分遙感影像提取水資源信息的研究鮮見(jiàn)報(bào)道。

國(guó)產(chǎn)高分一號(hào)(GF-1)光學(xué)成像衛(wèi)星于2013年4月26日成功發(fā)射，是我國(guó)“高分辨率對(duì)地觀測(cè)”系統(tǒng)重大專項(xiàng)的首發(fā)星，搭載有2臺(tái)2 m全色與8 m多光譜高分相機(jī)和4臺(tái)16 m分辨率多光譜寬覆蓋相機(jī)。GF-1衛(wèi)星突破了高空間分辨率、多光譜與寬覆蓋相結(jié)合的光學(xué)遙感等關(guān)鍵技術(shù)，其數(shù)據(jù)將廣泛應(yīng)用于我國(guó)的國(guó)土資源、農(nóng)業(yè)、環(huán)境保護(hù)等諸多領(lǐng)域，大大提高我國(guó)高分遙感數(shù)據(jù)的自給率，將為我國(guó)各項(xiàng)事業(yè)發(fā)展帶來(lái)不可估量的影響[15]。但目前利用GF-1數(shù)據(jù)提取水體信息的研究尚不多見(jiàn)。其中，陳文倩等[16]基于GF-1影像數(shù)據(jù)提出一種陰影水體指數(shù)(shadow water index，SWI)方法，可在提取水體過(guò)程中有效區(qū)分山體陰影和水體。本文在此基礎(chǔ)之上，以新疆特克斯河流域巴喀勒克水庫(kù)為研究區(qū)，嘗試提出改進(jìn)的陰影水體指數(shù)(modified SWI，MSWI)方法，并對(duì)研究區(qū)水體提取精度進(jìn)行了檢驗(yàn)。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

特克斯河位于新疆伊犁哈薩克自治州境內(nèi)，發(fā)源于天山汗騰格里峰，自西向東流經(jīng)昭蘇盆地和特克斯谷地，天山融雪為其提供水源。山區(qū)及河流周邊海拔在920～6 995 m之間，山地陰影較多，形成特征明顯的河谷地貌[16]。本文選擇巴喀勒克水庫(kù)及其鄰近地區(qū)為研究區(qū)(圖1)。

圖1 研究區(qū)影像 (GF-1 B4(R)B3(G)B2(B)假彩色合成影像)

巴喀勒克水庫(kù)位于特克斯河入河口上游17 km處，距離特克斯縣城16.5 km，于2013年建成，屬于自治區(qū)重點(diǎn)民生重點(diǎn)工程。水庫(kù)投入使用后，將服務(wù)于齊勒烏澤克鄉(xiāng)、呼吉爾特蒙古民族鄉(xiāng)和特克斯鎮(zhèn)，可滿足巴喀勒克灌區(qū)0.8萬(wàn)畝?1畝=0.066 7 hm2。農(nóng)業(yè)耕地用水、新增3.25萬(wàn)畝人工飼草料地的灌溉用水和325戶牧民定居生活用水等[17]。因此，為解決巴喀勒克溝春、夏季洪災(zāi)對(duì)附近生態(tài)環(huán)境的威脅，精確提取水庫(kù)水體信息至關(guān)重要。

1.2 數(shù)據(jù)源及預(yù)處理

本文采用GF-1的空間分辨率8 m的多光譜影像和2 m的全色波段影像為數(shù)據(jù)源(數(shù)據(jù)獲取時(shí)間為2013年12月11日，軌道號(hào)/行號(hào)為165/60，太陽(yáng)方位角169.371°，太陽(yáng)高度角23.025°)； 包括藍(lán)(B1，0.45～0.52 μm)、綠(B2，0.52～0.59 μm)、紅(B3，0.63～0.69 μm)和近紅外(B4，0.77～0.89 μm)及全色(0.45～0.90 μm)5個(gè)波段。由8 m分辨率多光譜和2 m分辨率全色影像數(shù)據(jù)融合而成的影像，作為本文實(shí)驗(yàn)用基礎(chǔ)影像。

運(yùn)用ENVI軟件平臺(tái)完成GF-1數(shù)據(jù)預(yù)處理，包括根據(jù)中國(guó)資源衛(wèi)星中心提供的RPC函數(shù)進(jìn)行的正射糾正、影像裁剪、影像融合、輻射定標(biāo)和Flash大氣校正等。根據(jù)預(yù)處理后的影像，裁剪出相應(yīng)范圍的ASTER DEM(分辨率為30 m)數(shù)據(jù)，用于后期對(duì)比分析。

2 水體提取模型

2.1 水體和陰影光譜特性分析

各種地物因結(jié)構(gòu)組成與理化性質(zhì)不同，其光譜特征也各不相同。水體在可見(jiàn)光范圍內(nèi)的反射率通常為4%～5%，其反射率有隨波長(zhǎng)增加而降低的特性[18]，在藍(lán)、綠波段反射率最高，而在近紅外波段極低(即使水很淺，也近乎全部被吸收)。因此，在遙感影像中水體呈深色調(diào)； 而水體在不同譜段中的不同特性，則成為區(qū)分水體與其他地物的主要依據(jù)。但在影像分類過(guò)程中，山區(qū)陰影表現(xiàn)出的波譜特性與水體十分相似，會(huì)造成水體和陰影混淆，難以區(qū)分，現(xiàn)有很多方法都無(wú)法將陰影和水體徹底分離。本文的研究區(qū)地處天山山區(qū)巴喀勒克溝，水庫(kù)四周被山體環(huán)繞，陰影比較明顯； 區(qū)內(nèi)地類單一，具有代表性且容易找出區(qū)分水體和陰影的規(guī)律。因此，本文利用ENVI軟件對(duì)水體和陰影等下墊面地物的光譜特征逐一進(jìn)行了分析，分析結(jié)果見(jiàn)表1和圖2。

表1 水體及相關(guān)地物類型反射率均值

圖2 水體及相關(guān)地類的典型光譜曲線

從圖2可以看出，紅波段(B3)中水體和陰影呈相交趨勢(shì)，無(wú)顯著差異。水體在藍(lán)(B1)、綠(B2)波段反射率下降較慢，幾乎無(wú)交集； 而陰影在藍(lán)、綠波段反射率降低速度較快，這一特點(diǎn)是本文區(qū)分陰影和水體的關(guān)鍵，也是提出MSWI模型算法設(shè)計(jì)的基礎(chǔ)。

2.2 水體提取算法

以下介紹4種常用的水體提取算法模型和本文提出的MSWI模型，并分別將其應(yīng)用于GF-1影像水體信息提取中。

2.2.1 單波段閾值法

單波段法[19]是基于TM/ETM影像提出的一種水體提取算法，主要利用水體在近紅外波段的強(qiáng)吸收性以及干土壤和植被在近紅外波段的強(qiáng)反射性特點(diǎn)提取水體信息。本文采用GF-1影像的近紅外波段進(jìn)行單波段水體信息提取(圖3(a))。

(a) 單波段閾值法 (b) NDWI法(c) SWI法 (d) MSWI法

圖3 4種方法的水體提取結(jié)果

Fig.3 Results of water information extraction by using 4 kinds of gray histogram methods

2.2.2 歸一化差值水體指數(shù)法(NDWI)

McFeeters[13]基于TM影像，利用近紅外波段與綠波段水體信息的差異，提出了NDWI算法，即

(1)

式中：TM2 和TM4分別為TM影像第2波段(綠波段)和第4波段(近紅外波段)的像元灰度值。類似地，本文采用GF-1號(hào)衛(wèi)星影像的綠波段(B2)和近紅外波段(B4)進(jìn)行NDWI算法水體信息提取(圖3(b))。

2.2.3 陰影水體指數(shù)模型(SWI)

在現(xiàn)有多波段譜間關(guān)系法基礎(chǔ)上，根據(jù)水體在GF-1影像4個(gè)波段中的光譜特性，構(gòu)建SWI[20]，其定義為

SWI=B1+B2-B4，

(2)

式中：B1,B2和B4分別為GF-1影像第1,2和4波段的灰度值。SWI≥C時(shí)，分類為水體；SWI

圖4 SWI法提取水體流程

2.2.4 改進(jìn)的陰影水體指數(shù)模型(MSWI)

根據(jù)GF-1影像的4個(gè)波段對(duì)水體反射率表現(xiàn)出的不同特性， SWI模型算法的實(shí)驗(yàn)結(jié)果可有效地將水體與陰影分離。本文提出的MSWI模型算法是在SWI模型算法的基礎(chǔ)上，將水體與陰影的分離程度拉大，用反射率最高的藍(lán)波段(B1)減去反射率最低的近紅外波段(B4)，再除以近紅外波段(B4)，使水體與陰影兩者區(qū)分更為明顯，實(shí)驗(yàn)結(jié)果優(yōu)于SWI。將MSWI定義[21-23]為

(七)立鳥紋。良渚晚期的琮和璧上刻有一種立在臺(tái)上的鳥紋。這種鳥紋基本上寫實(shí)，它立的臺(tái)，可以理解成祭壇。祭壇上有立著的似人似鳥的刻紋，當(dāng)是打扮成鳥形的巫師。這里的鳥應(yīng)理解成神鳥。立在那樣的高壇上，頭向上，我認(rèn)為是在接受上天的訊息。巫師通過(guò)祭拜這樣的神鳥圖像，就能通過(guò)神鳥獲得天神的旨意了。

MSWI=(B1-B4)/B4，

(3)

MSWI≥C時(shí)，分類為水體；MSWI

圖5 MSWI提取水體流程

諸多研究結(jié)果表明，以單波段閾值法和SWI作為決策樹[21-23]的邏輯運(yùn)算對(duì)水體信息的提取精度最高。因此，本文以單波段閾值法和MSWI作為決策樹進(jìn)行邏輯運(yùn)算，結(jié)果表明對(duì)水體信息的提取效果優(yōu)于前者。具體過(guò)程為：

1)通過(guò)GF-1影像近紅外波段的閾值區(qū)分出暗色和亮色地物，提取出水體信息和山區(qū)陰影；

2)在確保不漏提水體信息的基礎(chǔ)上，分別確定水體和陰影的閾值范圍，并在影像中分別采集90個(gè)水體和陰影的光譜信息，結(jié)合影像的亮度直方圖進(jìn)行綜合分析，將水體與陰影分離；

3)利用構(gòu)建的MSWI法，進(jìn)行反復(fù)的亮度直方圖實(shí)驗(yàn)，結(jié)果表明將閾值設(shè)定為980時(shí)水體信息提取的效果最佳。

通過(guò)直方圖亮度值和圖像二值化處理后的結(jié)果(圖6)便于區(qū)分背景值與水體。

(a) 單波段閾值法(b) NDWI法 (c) SWI法(d) MSWI法

圖6 4種方法提取水體二值圖

Fig.6 Binary images of water body extraction by using four kinds of methods

3 結(jié)果分析與驗(yàn)證

圖7是通過(guò)不同決策樹方法提取水體信息的分類結(jié)果，白色圖斑為水體，紅色圖斑為山區(qū)陰影。分類結(jié)果顯示，SWI決策樹分類法和MSWI決策樹分類法等4種方法都可清晰地提取出水體的主要輪廓。綜合分析圖6 和圖7分類結(jié)果，可得出以下結(jié)論： ①單波段閾值法提取水體信息時(shí)會(huì)將陰影和水體信息同時(shí)提取出來(lái)，提取結(jié)果顯示，當(dāng)近紅外波段影像中的像元亮度值在630>NIR(ρ)<890時(shí)為水體，912>NIR(ρ) <1 020為山體陰影，而二者交叉部分始終無(wú)法分離； ②NDWI方法可選取波譜曲線的波峰間平緩谷底為經(jīng)驗(yàn)閾值，能很好地提取水體信息，但存在水體信息漏提和誤提現(xiàn)象，依然無(wú)法分離影像中的小面積山區(qū)陰影和水體； ③SWI與單波段結(jié)合的決策樹法能將陰影與水體分離得比較徹底，研究區(qū)閾值設(shè)置為1 100時(shí)效果最好； ④MSWI與單波段結(jié)合的決策樹方法不僅有效避免了其他地物的干擾，而且較SWI與單波段結(jié)合的決策樹法能更加精準(zhǔn)地區(qū)分陰影信息與水體信息。實(shí)驗(yàn)證明，在常用水體信息提取算法中，MSWI與單波段結(jié)合的決策樹法能有效地提高水體信息提取精度，可為水資源信息監(jiān)測(cè)提供新的高精度算法。

(a) 研究區(qū) (b) SWI決策樹 (c) MSWI決策樹

圖7 決策樹方法水體信息提取結(jié)果

Fig.7 Results of water information extraction by using decision tree methods

3.2 水體提取結(jié)果驗(yàn)證

由于本文的研究區(qū)為大面積水庫(kù)，水庫(kù)的常年面積變化不大； 因此，本文采用GF-1的8 m分辨率多光譜影像和2 m分辨率全色波段影像為數(shù)據(jù)源，分別建立了分類樣本和驗(yàn)證樣本。首先，用8 m分辨率多光譜影像處理后得到MSWI決策樹分類結(jié)果做為分類樣本； 然后，將2 m分辨率的全色影像與8 m分辨率的多光譜影像進(jìn)行GS融合，得到的融合影像與8 m分辨率的多光譜影像相比，大大提高了影像的分辨率。為了使遙感影像能夠更好地與實(shí)地樣本相結(jié)合，將野外實(shí)測(cè)的100個(gè)水體樣本和100個(gè)非水體樣本導(dǎo)入到GS融合后的影像中，并將其作為驗(yàn)證樣本； 利用分類樣本和驗(yàn)證樣本，結(jié)合混淆矩陣方法，得出決策樹方法的精度和Kappa系數(shù)。依此類推，對(duì)單波段法、NDWI法、SWI法和MSWI法的水體提取結(jié)果均采用上述方法進(jìn)行精度檢驗(yàn)，得到的相應(yīng)驗(yàn)證結(jié)果的精度與Kappa系數(shù)見(jiàn)表2。

表2 不同水體提取方法的精度對(duì)比

從表2中的精度驗(yàn)證結(jié)果可以看出，SWI與單波段結(jié)合的決策樹方法和MSWI與單波段結(jié)合的決策樹方法的Kappa系數(shù)和總體精度均高于其他2種非決策樹方法。SWI和MSWI決策樹分類結(jié)果總體精度分別為92.62%和93.56%，較單波段閾值法精度分別提高了12.41%和13.35%，較NDWI法精度分別提高了3.84%和4.78%； MSWI決策樹法的Kappa系數(shù)為0.83，分別高出單波段閾值法、NDWI法和SWI決策樹法0.23,0.05和0.01。

綜上所述，4種算法中，單波段閾值法會(huì)將全部陰影信息誤判為水體信息，提取結(jié)果總體精度和Kappa系數(shù)最低，效果最差。NDWI法提取水體信息精度較單波段閾值法有明顯提升，但仍存在水體與小面積山體陰影、積雪混淆現(xiàn)象，效果稍差。SWI與單波段閾值法結(jié)合的決策樹分類法能較好的分離水體和山體陰影，分類總體精度達(dá)90%以上，其Kappa系數(shù)可達(dá)0.8以上，效果良好。而本文使用的MSWI與單波段閾值法相結(jié)合的決策樹法較前一種方法在分類總體精度和Kappa系數(shù)方面都有進(jìn)一步提高，在基于國(guó)產(chǎn)高分系列衛(wèi)星影像進(jìn)行干旱區(qū)山體陰影和水體信息提取時(shí)具有明顯優(yōu)勢(shì)。

4 結(jié)論與建議

本文以新疆伊犁特克斯縣巴喀勒克水庫(kù)地區(qū)為研究區(qū)，以國(guó)產(chǎn)GF-1衛(wèi)星的2 m和 8 m分辨率影像為數(shù)據(jù)源，分別采用單波段閾值法、歸一化差異水體指數(shù)(NDWI)法、陰影水體指數(shù)(SWI)與單波段閾值法結(jié)合的決策樹法和改進(jìn)的SWI(MSWI)與單波段閾值法結(jié)合的決策樹法進(jìn)行山區(qū)水體信息提取，得出以下結(jié)論：

1)用單波段閾值法提取水體時(shí)，存在誤將全部山體陰影混分為水體的現(xiàn)象，無(wú)法將山體陰影和水體二者分離。用NDWI法提取水體時(shí)，能對(duì)水體和陰影進(jìn)行部分區(qū)分，但受小面積山體陰影的影響較大，常出現(xiàn)混分的現(xiàn)象。SWI法能有效分離水體和陰影，效果良好。而本文提出的MSWI法是結(jié)合單波段閾值法與MSWI法的決策樹分類法進(jìn)行的水體信息提取算法，實(shí)驗(yàn)結(jié)果表明總體精度在90%以上，Kappa系數(shù)在0.8以上，明顯高于單波段閾值法和NDWI法； 較SWI法提取精度也有進(jìn)一步提升，能有效地分離水體與山體陰影、積雪、山區(qū)裸地等波譜特征相似的地物。

2)MSWI法能夠有效提取研究區(qū)水體信息，且能減少人機(jī)交互的工作流程，從而減少人為干預(yù)造成的誤差，是一種僅按照遙感影像處理方法來(lái)獲取水體信息的模型。該方法對(duì)水資源管理、水資源有效監(jiān)測(cè)以及生態(tài)環(huán)境保護(hù)等有一定的實(shí)用意義。

3)利用邏輯運(yùn)算的決策樹分類法能有效消除山體陰影、積雪及山體裸地對(duì)水體信息提取的影響，能有效解決單純以光譜指數(shù)提取水體遇到的混分問(wèn)題。因此，運(yùn)用決策樹方類法結(jié)合相關(guān)信息提取算法，是提高地物信息提取精度的有效手段。

本文提出的MSWI法的水體信息提取精度雖有所提高，但根據(jù)研究區(qū)實(shí)際情況逐步完善水體提取模型、實(shí)現(xiàn)水體提取的自動(dòng)化、進(jìn)一步優(yōu)化水體信息提取精度，仍是今后進(jìn)一步研究的重點(diǎn)。

[1] 朱紅雷,李穎,劉兆禮,等.基于半約束條件下不透水面的遙感提取方法[J].國(guó)土資源遙感,2014,26(2):48-53.doi:10.6046/gtzyyg.2014.02.09. Zhu H L,Li Y,Liu Z L,et al.Estimation of impervious surface based on semi-constrained spectral mixture analysis[J].Remote Sensing for Land and Resources,2014,26(2):48-53.doi:10.6046/gtzyyg.2014.02.09.

[2] 陳亞寧,楊青,羅毅,等.西北干旱區(qū)水資源問(wèn)題研究思考[J].干旱區(qū)地理,2012,35(1):1-9. Chen Y N,Yang Q,Luo Y,et al.Ponder on the issues of water resources in the arid region of northwest China[J].Arid Land Geography,2012,35(1):1-9.

[3] 沈占鋒,夏列鋼,李均力,等.采用高斯歸一化水體指數(shù)實(shí)現(xiàn)遙感影像河流的精確提取[J].中國(guó)圖象圖形學(xué)報(bào),2013,18(4):421-428. Shen Z F,Xia L G,Li J L,et al.Automatic and high-precision extraction of rivers from remotely sensed images with Gaussian normalized water index[J].Journal of Image and Graphics,2013,18(4):421-428.

[4] 楊靛青,劉秉瀚.TM遙感圖像中河流的自動(dòng)提取[J].福州大學(xué)學(xué)報(bào):自然科學(xué)版,2004,32(S1):99-102. Yang D Q,Liu B H.An automatic analysis method of rivers based on remote sensing image[J].Journal of Fuzhou University:Natural Science Edition,2004,32(S1):99-102.

[5] 鐘春棋,鄭彩紅.基于TM影像的閩江口濕地信息提取及其動(dòng)態(tài)變化研究[J].國(guó)土資源遙感,2008,20(1):38-42.doi:10.6046/gtzyyg.2008.01.08. Zhong C Q,Zheng C H.A study of wetland extraction and its dynamic changes in the estuary of the Minjiang river based on TM imaging[J].Remote Sensing for Land and Resources,2008,20(1):38-42.doi:10.6046/gtzyyg.2008.01.08.

[6] 鄧勁松,王珂,鄧艷華,等.SPOT-5衛(wèi)星影像中水體信息自動(dòng)提取的一種有效方法[J].上海交通大學(xué)學(xué)報(bào):農(nóng)業(yè)科學(xué)版,2005,23(2):198-201. Deng J S,Wang K,Deng Y H,et al.An effective way for automatically extracting water body information from SPOT-5 images[J].Journal of Shanghai Jiaotong University:Agricultural Science,2005,23(2):198-201.

[7] 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(bào),2001,5(3):214-219. Du J K,Huang Y S,Feng X Z,et al.Study on water bodies extraction and classification from SPOT image[J].Journal of Remote Sensing,2001,5(3):214-219.

[8] 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(dòng)提取[J].遙感學(xué)報(bào),2009,13(4):604-615. 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):604-615.

[9] 王秋燕,陳仁喜,徐佳,等.環(huán)境一號(hào)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. Wang Q Y,Chen R X,Xu J,et al.Research on methods for extracting water body information from HJ-1A/B data[J].Science Technology and Engineering,2012,12(13):3051-3056.

[10]胡衛(wèi)國(guó),孟令奎,張東映,等.資源一號(hào)02C星圖像水體信息提取方法[J].國(guó)土資源遙感,2014,26(2):43-47.doi:10.6046/gtzyyg.2014.02.08. Hu W G,Meng L K,Zhang D Y,et al.Methods of water extraction from ZY-1 02C satellite imagery[J].Remote Sensing for Land and Resources,2014,26(2):43-47.doi:10.6046/gtzyyg.2014.02.08.

[11]馬延輝,林輝,孫華,等.基于CIWI模型的水體信息提取研究[J].中國(guó)水土保持,2009(5):41-43. Ma Y H,Lin H,Sun H,et al.Research on water information extraction based on CIWI model[J].Soil and Water Conservation in China,2009(5):41-43.

[12]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(bào),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.

[13]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.

[14]李艷華,丁建麗,閆人華.基于國(guó)產(chǎn)GF-1遙感影像的山區(qū)細(xì)小水體提取方法研究[J].資源科學(xué),2015,37(2):408-416. Li Y H,Ding J L,Yan R H.Extraction of small river information based on China-made GF-1 remote sense images[J].Resources Science,2015,37(2):408-416.

[15]白照廣.高分一號(hào)衛(wèi)星的技術(shù)特點(diǎn)[J].中國(guó)航天,2013(8):5-9. Bai Z G.Technical characteristics of GF-1 satellite[J].Aerospace China,2013(8):5-9.

[16]陳文倩,丁建麗,李艷華,等.基于國(guó)產(chǎn)GF-1遙感影像的水體提取方法[J].資源科學(xué),2015,37(6):1166-1172. Chen W Q,Ding J L,Li Y H,et al.Extraction of water information based on China-made GF-1 remote sense image[J].Resources Science,2015,37(6):1166-1172.

[17]朱剛,高會(huì)軍,曾光.近35a來(lái)新疆干旱區(qū)湖泊變化及原因分析[J].干旱區(qū)地理,2015,38(1):103-110. Zhu G,Gao H J,Zeng G.Lake change research and reasons analysis in Xinjiang arid regions during the past 35 years[J].Arid Land Geography,2015,38(1):103-110.

[18]鐘春棋,曾從盛,柳錚錚.基于譜間特征與比值型指數(shù)的水體影像識(shí)別分析[J].地球信息科學(xué),2008,10(5):663-669. Zhong C Q,Zeng C S,Liu Z Z.Study on terrestrial water information identified based on the analysis of spectral signature and ratio index[J].Geo-information Science,2008,10(5):663-669.

[19]王偉武,朱霞,孫躍池,等.基于ETM圖像的山地水體提取方法研究[J].系統(tǒng)仿真學(xué)報(bào),2013,25(9):2196-2200,2205. Wang W W,Zhu X,Sun Y C,et al.Water extraction method based on ETM image of mountain[J].Journal of System Simulation,2013,25(9):2196-2200,2205.

[20]許章華,劉健,余坤勇,等.陰影植被指數(shù)SVI的構(gòu)建及其在四種遙感影像中的應(yīng)用效果[J].光譜學(xué)與光譜分析,2013,33(12):3359-3365. Xu Z H,Liu J,Yu K Y,et al.Construction of vegetation shadow index(SVI) and application effects in four remote sensing images[J].Spectroscopy and Spectral Analysis,2013,33(12):3359-3365.

[21]鄭曉燕,張艷紅,劉萬(wàn)崧.扎龍濕地水體遙感提取過(guò)程中云陰影去除方法研究[J].濕地科學(xué),2010,8(1):21-27. Zheng X Y,Zhang Y H,Liu W S.Method on cloud shadow removing from water bodies in the process of remote sensing extraction in Zhalong wetlands[J].Wetland Science,2010,8(1):21-27.

[22]李正云,劉艷偉,王海星.基于決策樹方法的楊凌示范區(qū)水體提取分析[J].水資源與水工程學(xué)報(bào),2013,24(6):133-135. Li Z Y,Liu Y W,Wang H X.Analysis of water body extraction in Yangling demonstration zone based on decision tree method[J].Journal of Water Resources and Water Engineering,2013,24(6):133-135.

[23]程晨,韋玉春,牛志春.基于ETM+圖像和決策樹的水體信息提取——以鄱陽(yáng)湖周邊區(qū)域?yàn)槔齕J].遙感信息,2012,27(6):49-56. Chen C,Wei Y C,Niu Z C.Water body extraction based on decision tree and ETM+imagery:A case study of Poyang Lake Region[J].Remote Sensing Information,2012,27(6):49-56.

(責(zé)任編輯： 劉心季)

Method of water information extraction by improved SWI based on GF-1 satellite image

WANG Jinjie1,2， DING Jianli1， ZHANG Cheng2， CHEN Wenqian1

(1.KeyLaboratoryofOasisEcology，CollegeofResourcesandEnvironmentScience，XinjiangUniversity，Urumqi830046，China；2.VocationalandTechnicalCollegeofXinjiang，Urumqi831401，China)

High-precision information extraction of mountainous rivers is a key technology for development and utilization of water resources in arid areas of China. Nevertheless, the utilization of remote sensing images cannot distinguish water form mountain shadows. In this paper, the authors used GF-1 satellite images with resolution of 2 m and 8 m as the data source, selected Baka Luck reservoirs as the study area, and put forward an improved method(modified shadow water index, MSWI)for water information extraction. At the same time, the authors used the single-band threshold method, the NDWI method, the single band method combined with the SWI decision tree classification(SWI)and the single band method combined with the MSWI decision tree classification (MSWI)respectively to extract water information in the study area. The results show that, compared with the SWI and the MSWI method, the first two methods have relatively poor performance. The SWI and MSWI classification effect is good and the total classification accuracy of MSWI is increased by 1.22% relative to the SWI method. It can provide technical support for the domestic high series satellite image information extraction in water resources in arid regions.

GF-1； extraction of water body information； modified shadow water index(MSWI)； decision tree classification

10.6046/gtzyyg.2017.01.05

王瑾杰,丁建麗,張成,等.基于GF-1衛(wèi)星影像的改進(jìn)SWI水體提取方法[J].國(guó)土資源遙感,2017,29(1)：29-35.(Wang J J,Ding J L,Zhang C,et al.Method of water information extraction by improved SWI based on GF-1 satellite image[J].Remote Sensing for Land and Resources,2017,29(1)：29-35.)

2015-10-08；

2015-10-29

國(guó)防科技工業(yè)局高分辨率對(duì)地觀測(cè)重大專項(xiàng)(民用部分)項(xiàng)目“中亞地區(qū)跨境河流水資源利用開(kāi)發(fā)遙感監(jiān)測(cè)系統(tǒng)”(編號(hào)： 95-Y40B02-9001-13/15-03-01)、教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃項(xiàng)目“區(qū)域水鹽遙感監(jiān)測(cè)與模擬方法研究”(編號(hào)： NCET-12-1075)和2014年新疆研究生科研創(chuàng)新項(xiàng)目“基于國(guó)產(chǎn)高分衛(wèi)星影像的水資源開(kāi)發(fā)利用遙感監(jiān)測(cè)系統(tǒng)”(編號(hào)： XJGRI2014022)共同資助。

王瑾杰(1982-),女,博士研究生,主要研究方向?yàn)楦珊祬^(qū)資源遙感。Email： skytian552@sohu.com。

丁建麗(1974-),男,教授,博士生導(dǎo)師,主要從事干旱區(qū)資源遙感研究。Email： Ding_jl@163.com。

TP 751.1

A

1001-070X(2017)01-0029-07