孔美美, 陳鍛生

(華僑大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院， 福建 廈門 361021)

采用混合像元分解的水庫面積提取及變化監(jiān)測

孔美美, 陳鍛生

(華僑大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院， 福建 廈門 361021)

利用Landsat-5 TM，Landsat-7 ETM+和Landsat-8 OLI遙感影像數(shù)據(jù)和高空間分辨率(1.14,0.54 m)的Google EarthTM地面實況圖進(jìn)行水庫面積檢測與變化監(jiān)測的技術(shù)研究.采用完全約束最小二乘法混合像元分解(FCLS)方法提取不同水庫水體信息，并與常用水體指數(shù)法及支持向量機(jī)(SVM)分類法進(jìn)行比較，利用多時相FCLS方法監(jiān)測廈門杏林灣水庫2006-2014年間的面積動態(tài)變化.結(jié)果表明：基于FCLS的方法比NDWI等水體指數(shù)方法更能準(zhǔn)確地獲取水庫水體面積大小及其變化信息.

水體面積提?。?混合像元分解; 遙感； 變化檢測； 環(huán)境監(jiān)測； 杏林灣水庫

水面面積是衡量水庫儲水量的一個重要指標(biāo)，傳統(tǒng)人工測量方法耗時費(fèi)力，而利用遙感技術(shù)能夠?qū)崟r、快速、準(zhǔn)確地提取水體信息并監(jiān)測水體變化.利用遙感信息提取水體的方法可分為單波段閾值法、多波段譜間關(guān)系法、水體指數(shù)法和分類后提取法等4類[1-8].遙感影像不可避免地存在混合像元，中低分辨率影像尤為嚴(yán)重，而以上水體提取方法計算過程大都是以像元為單位，對于混合像元進(jìn)行判斷時，只能分為水體像元或非水體像元，造成較大的精度損失.為了提高水體提取精度，本文采用完全約束最小二乘法混合象元分解(FCLS)方法[9]，結(jié)合地理信息處理軟件ENVI 5.1，使用多時相Landsat遙感影像和1.14 m高分辨率Google EarthTM圖像提取廈門杏林灣水庫水體信息,并動態(tài)監(jiān)測其面積變化情況.

1 研究區(qū)域和數(shù)據(jù)源

1.1 研究區(qū)域概況

杏林灣水庫處于廈門市集美風(fēng)景區(qū)和杏林工業(yè)區(qū)之間，建成于1979年.集雨面積達(dá)142 km2，總庫容為1 660萬m3，受益面積可達(dá)10 km2.杏林灣水庫必要時可向市區(qū)供水，是廈門重要后備水源，也供水產(chǎn)養(yǎng)殖之用.石兜水庫位于集美區(qū)西北部后溪鎮(zhèn)的苧溪上游，集雨面積為59.3 km2，總庫容為6 280萬m3,正常庫容為4 550萬m3，是廈門市最好的飲用水源.

1.2 Landsat遙感影像

文中涉及的數(shù)據(jù)來源于美國地質(zhì)調(diào)查局發(fā)布的研究區(qū)域Landsat-5 TM數(shù)據(jù)(2006年11月5日，2008年11月10日，2010年10月31日)，Landsat-7 ETM+數(shù)據(jù)(2012年11月13日)，Landsat-8 OLI數(shù)據(jù)(2013年10月23日，2014年12月29日).Landsat影像皆為Level 1T 地形矯正影像，已經(jīng)過系統(tǒng)輻射矯正和幾何校正.

1.3 參考數(shù)據(jù)

用于精度評價的地面實況參考圖像是空間分辨率為1.14，0.54 m的Google EarthTM地圖數(shù)據(jù)，其Landsat實驗數(shù)據(jù)和參考圖像的成像時間基本一致， 如2014年12月29日的Landsat-8 OLI 影像數(shù)據(jù)

圖1 圖像預(yù)處理流程圖Fig.1 Flow chart of image pre-processing

對應(yīng)2014年12月30日的Google EarthTM參考數(shù)據(jù).

2 研究方法

2.1 圖像預(yù)處理

影像的預(yù)處理是遙感影像信息提取的前提,使用ENVI 5.1[10]對實驗影像進(jìn)行預(yù)處理操作.具體流程，如圖1所示.

2.2 水體指數(shù)法和支持向量機(jī)

實驗的水體指數(shù)法包括NDWI，MNDWI，AWEInsh，AWEIsh等， 支持向量機(jī)[11]選擇不同的內(nèi)核函數(shù)對結(jié)果有所影響.對研究區(qū)域進(jìn)行不同內(nèi)核函數(shù)實驗，結(jié)果顯示線性核函數(shù)更適合該區(qū)域.各水體指數(shù)表達(dá)式,如表1所示.

表1 各水體指數(shù)表達(dá)式 Tab.1 Expression of each water index

2.3 純凈像元提取

選取合適的端元是混合像元分解的關(guān)鍵，現(xiàn)有的圖像端元提取方法大致分為交互式端元提取和自動端元提取[12-13].但以上方法大多是基于純數(shù)學(xué)判據(jù)，可能選出不具有物理意義的端元.考慮到個人對杏林灣水庫的熟悉度及擁有分辨率高達(dá)1.14 m的Google EarthTM地圖數(shù)據(jù)，采用手動端元提取方法，結(jié)合數(shù)學(xué)形態(tài)學(xué)方法，準(zhǔn)確提取遙感影像上的純凈像元.

2.4 完全約束最小二乘法混合像元分解

四川省醫(yī)的做法是，首先，制作自助機(jī)分布圖，并按順時針方向統(tǒng)一編號；其次，制作自助機(jī)維護(hù)表格，引入第三方人員，每日定時、定人、定機(jī)維護(hù)并登記，確保自助機(jī)功能正常；再次，自助機(jī)實行梯度時間開放，如門診一樓自助機(jī)區(qū)域時間調(diào)整為6：30—19:00，與門診大門開關(guān)時間保持一致，而把第三住院大樓電梯旁通道自助機(jī)服務(wù)區(qū)時間調(diào)整為24小時開放；此外，不斷優(yōu)化與完善自助服務(wù)程序，如自助服務(wù)與窗口號源同步適時更新，自助機(jī)上完成加號程序的編寫與運(yùn)用，等等。

線性光譜分解模型是解決中低分辨率遙感圖像混合像元問題的簡單、有效的方法，根據(jù)混合像元的光譜是由該瞬時視場內(nèi)各類地物光譜的線性組合，可表示為

式(1)中:Ri為第i波段反射率；Fj為第j類地物在該像元中所占百分比；Re，i,j為第i波段的第j類地物反射率；εi為第i波段誤差.線性混合像元分解可以看成一個帶約束的非線性最優(yōu)化問題，即

式(2)中:D(S,XF)為目標(biāo)函數(shù)，表示目標(biāo)光譜S和估計光譜XF的某種距離;S為混合像元反射光譜，S=(s1,s2,…,sb)T，b為光譜波段數(shù)；X為b×n矩陣，表示端元反射光譜，X=(X1,X2,…,Xn)，Xj為第j個端元的光譜;F為端元豐度，F(xiàn)=(f1,f2,…,fn)T，n為端元的數(shù)目.

文獻(xiàn)[9]在考慮高光譜圖像的完全約束線性混合問題時，提出完全約束最小二乘法混合像元分解方法，該方法基于最小二乘法和子空間的正交投影(OSP).考慮到影響水體提取精度的主要問題之一是水陸邊界的混合像元，將該方法用于解決多光譜圖像完全約束線性混合問題，有利于提高水庫水體提取精度，更好地監(jiān)測水庫水面面積變化情況.

實際上，完全約束最小二乘法混合像元分解是最小化目標(biāo)光譜和估計光譜的歐氏距離，即

利用ENVI 5.1軟件實現(xiàn)FCLS方法提取杏林灣水庫水體信息，采用ENVI分塊技術(shù)，對于輸入文件的大小沒有限制，而且在每一處循環(huán)時，對分塊數(shù)據(jù)進(jìn)行混合像元分解和RMS的計算，效率最優(yōu)；采用均方根誤差(RMSE)對端元提取和混合像元分解結(jié)果進(jìn)行精度評價.反復(fù)多次實驗，選擇合適的閾值，計算提取水體的面積，統(tǒng)計并分析提取精度.

2.5 水庫水體變化檢測新方法

類似地，通過比較多種水體提取方法，得到FCLS方法最適合水庫水體提取，從而考慮將NDWI替換為FCLS，得到基于多時相FCLS的主成分分析(FCLS-PCs)方法檢測杏林灣水庫變化情況.

3 結(jié)果與分析

3.1 不同水體提取方法的比較分析

表2 各水體提取方法提取水面面積的相對誤差Tab.2 Relative error of extracted surface water area for each water extraction method

表3 各水體提取方法提取結(jié)果精度分析Tab.3 Accuracy assessment analyses of each water extraction method

由表3可知：FCLS和SVM的總體精度和Kappa系數(shù)值優(yōu)于其他方法；FCLS的總體精度為91%左右，Kappa系數(shù)值為0.8左右；FCLS方法提取的水庫水面面積相對誤差為-0.52%和-0.71%，比SVM方法更優(yōu).綜合考慮，F(xiàn)CLS方法更適合于水庫水體提取.

為了驗證FCLS方法對其他水庫水體提取的適應(yīng)性，對廈門石兜水庫2013年Landsat-8 OLI遙感影像數(shù)據(jù)進(jìn)行實驗.各方法提取石兜水庫水體結(jié)果的精度分析，如表 4所示.表4中：Ec為錯分誤差；Eo為漏分誤差；ηpa為制圖精度；ηua為用戶精度.

各水體提取結(jié)果疊加在波段5，4，3組成的假彩色實驗圖上的顯示效果，如圖 2所示.

表4 廈門石兜水庫2013年各水體提取方法精度分析Tab.4 Accuracy assessment analyses of each water extraction method for 2013 Xiamen Shidou Reservoir

(a) NDWI (b) MNDWI (c) AWEInsh (d) AWEIsh

(e) SVM (f) FCLS (g) Landsat-8 OLI假彩色圖 (h) Google EarthTM

3.2 變化檢測方法的比較分析

以2013，2014年Landsat-8 OLI遙感影像為實驗數(shù)據(jù)，統(tǒng)計多時相提取方法和FCLS-PCs方法的變化檢測結(jié)果，并做精度、誤差和不確定分析，如表5所示.表5中：sc為變化面積；saxe為絕對誤差.

由表5可知：FCLS-PCs方法、多時相FCLS方法、多時相NDWI方法和多時相SVM方法在檢測水庫水面面積變化方面具有優(yōu)勢，雖然精度都比較高，但只有FCLS-PCs方法和多時相FCLS檢測水庫水面面積變化的精度值在95%以上.因此，F(xiàn)CLS-PCs方法和多時相FCLS方法更適合檢測水庫水面面積變化情況.

表5 2013-2014杏林灣水庫水面面積變化統(tǒng)計及精度分析Tab.5 Surface water area change statistics and accuracy assessment between 2013 to 2014 Xinglin Bay Reservoir

3.3 水庫面積變化動態(tài)監(jiān)測及分析

選擇FCLS方法提取2006年,2008年,2010年,2012年,2013年,2014年杏林灣水庫水體的Landsat影像數(shù)據(jù)，檢測杏林灣水庫2006-2014年水面的變化情況.FCLS方法提取的多時相杏林灣水庫水體結(jié)果圖(2006-2014年)和不同年份變化疊加圖，如圖 3所示.

(a) 2006年 (b) 2008年 (c) 2010年 (d) 2012年

(e) 2013年 (f) 2014年 (g) 2006-2008年變化 (h) 2008-2010年變化

(i) 2010-2012年變化 (j) 2012-2013年變化 (k) 2013-2014年變化 (l) 2008-2014年變化圖3 FCLS方法提取2006-2014年杏林灣水庫水面面積Fig.3 Surface water area of Xinglin Bay Reservoir between 2006 to 2014 by FCLS method

圖4 杏林灣水庫面積趨勢圖Fig.4 Surface water area trend of Xinglin Bay Reservoir

杏林灣水庫2006-2014年的水庫面積變化曲線，如圖 4所示.由圖4可知：2006-2008年杏林灣水庫水面范圍增大，水庫面積大幅上升，到2008年水庫面積增加到5.976 9 km2；而2008年后水庫面積開始大幅度減小，2010-2012年水庫面積變化不大，2012年后水庫面積逐年以較大幅度下降，到2014年水庫面積減少到5.802 3 km2，相對于2008年的峰值，面積減少了0.174 6 km2.

據(jù)調(diào)查可知：2006-2008年,杏林灣水庫面積上升的主要原因是圍田造湖，蓄水成景；2008-2014年,杏林灣水庫面積逐年下降的主要原因是集美區(qū)經(jīng)濟(jì)快速發(fā)展及杏林灣地區(qū)得天獨(dú)厚的地理優(yōu)勢，杏林灣水庫周邊房地產(chǎn)開發(fā)項目較多，工程蠶食水面不僅使杏林灣水庫面積減小，還破壞了原本自然的水庫景觀.

3.4 水體面積提取方法的比較分析

NDWI能有效區(qū)分裸地與水體，但對于細(xì)小水體及建筑陰影等無法正確區(qū)分.MNDWI水體指數(shù)在NDWI水體指數(shù)基礎(chǔ)上，將指數(shù)波長組合改為綠波段和中紅外波段歸一化比值，有利于區(qū)別建筑陰影及植被等暗色地物和水體.AWEIsh水體指數(shù)確實有利于區(qū)分水體與陰影，但同時也將細(xì)小水體去除，且將裸地誤認(rèn)為水體將其提取.SVM和FCLS方法基于水體等地物的波譜信息，可更好地提取水體，但獲取純凈的地物波譜信息比較耗時.

4 結(jié)束語

以Landsat TM，Landsat ETM+和Landsat OLI遙感影像為實驗數(shù)據(jù)，以高空間分辨率的 Google EarthTM地面實況圖為參考數(shù)據(jù)，采用FCLS方法提取杏林灣水庫和石兜水庫的水體信息，并與常見水體指數(shù)法及SVM分類法進(jìn)行比較，可知FCLS的水體提取精度高于其他方法.此外，提出FCLS-PCs方法用于檢測水庫水體變化信息，以多時相的杏林灣水庫Landsat-8 OLI為實驗數(shù)據(jù)，對比其他多時相水體提取方法，可知FCLS-PCs和多時相FCLS方法的變化檢測精度都較高，更適合于研究區(qū)域的水體表面積變化檢測.

[1] 陸家駒,李士鴻.TM資料水體識別技術(shù)的改進(jìn)[J].遙感學(xué)報,1992,7(1):17-23.

[2] HORWITZ H M,NALEPKA R F,HYDE P D,etal.Estimating the proportions of objects within a single resolution element of a multispectral scanner[C]∥7th International Symposium on Remote Sensing of Environment.Michigan:[s.n.],1971:1307-1320.

[3] HARALICK R M,WANG S,SHAPIRO L G,etal.Extraction of drainage networks by using the consistent labeling technique[J].Remote Sensing of Environment,1985,18(2):163-175.

[4] 劉建國.陸地衛(wèi)星MSS圖像地表水域信息的機(jī)助識別提取[J].遙感學(xué)報,1989,4(1):19-28.

[5] 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.

[6] 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.

[7] FEYISA G L,MEILBY H,FENSHOLT R,etal.Automated water extraction index: A new technique for surface water mapping using Landsat imagery[J].Remote Sensing of Environment,2014,140(1):23-35.

[8] ROKNI K,AHMAD A,SELAMAT A,etal.Water feature extraction and change detection using multitemporal landsat imagery[J].Remote Sensing,2014,6(5):4173-4189.

[9] HEINZ D C,CHANG C I.Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery[J].Geoscience and Remote Sensing,2001,39(3):529-545.

[10] ENVI-IDL.ENVI 5.1新功能[EB/OL].[2013-11-15].http:∥blog.sina.com.cn/s/blog_764b1e9d0101bol6.html.

[11] CRISTIANINI N.支持向量機(jī)導(dǎo)論[M].李國正，譯.北京：電子工業(yè)出版社,2004：82-106.

[12] BOARDMAN J W,KRUSE F A, GREEN R O. Mapping target signatures via partial unmixing of AVIRIS data[C]∥Proceedings of the JPL Airborne Earth Science Workshop.Pasadena：[s.n.]，1995:23-26.

[13] WINTER M E.N-FINDR: An algorithm for fast autonomous spectral end-member determination in hyperspectral data[C]∥Proceedings of SPIE.Boston：[s.n.]，1999:266-275.

[14] PHAU M H,TSUYUKI S,SOO L J,etal.Simultaneous detection of burned areas of multiple fires in the tropics using multisensor remote-sensing data[J].Int J Remote Sens,2012,33(14):4312-4333.

(責(zé)任編輯： 錢筠 英文審校： 吳逢鐵)

Reservoir Water Area Extraction and Monitoring Using Pixel Unmixing

KONG Meimei, CHEN Duansheng

(College of Computer Science and Technology, Huaqiao University, Xiamen 361021, China)

We use Landsat-5 TM, Landsat-7 ETM+, and Landsat-8 OLI remote sensing images and high spatial resolution (1.14，0.54 m) Google EarthTMground truth images to extract surface water and detect changes of reservoir area.Using fully constrained least squares method pixel unmixing (FCLS) method to extracting different reservoir surface water information and compared with water index method and support vector machine (SVM). Finally, using multi-temporal FCLS method to dynamic monitoring Xinglin Bay Reservoir water area in Xiamen between 2006 and 2014.The experimental results showed that: compared with NDWI and other indexes method, FCLS based method can obtain more accurate dynamic information of the reservoir surface water area. Keywords：water area extraction; pixel unmixing; remote sensing; change detection； environment monitoring； Xinglin Bay Reservoir

10.11830/ISSN.1000-5013.201703018

2016-02-29

陳鍛生(1959-)，男，教授，博士，主要從事計算機(jī)視覺與多媒體技術(shù)的研究.E-mail:dschen@hqu.edu.cn.

國家自然科學(xué)基金面上資助項目(61370006)； 福建省科技計劃(工業(yè)引導(dǎo)性)重點(diǎn)項目(2015H0025)

TP 391(257)

A

1000-5013(2017)03-0385-06