張 偉,趙理君,鄭 柯,唐 娉
(1. 中國科學(xué)院遙感與數(shù)字地球研究所,北京 100101; 2. 中國科學(xué)院大學(xué),北京 100049)
一種改進(jìn)光譜角匹配的水體信息提取方法
張 偉1,2,趙理君1,鄭 柯1,唐 娉1
(1. 中國科學(xué)院遙感與數(shù)字地球研究所,北京 100101; 2. 中國科學(xué)院大學(xué),北京 100049)
快速、準(zhǔn)確地從衛(wèi)星遙感影像上獲取水體信息已成為水資源調(diào)查及監(jiān)測、濕地保護(hù)、洪澇災(zāi)害評估等領(lǐng)域的重要技術(shù)手段。本文以GF-4衛(wèi)星的PMS傳感器影像為數(shù)據(jù)源,提出了一種改進(jìn)光譜角匹配(MSAM)的水體信息提取方法,以內(nèi)蒙古中東部和長江中下游兩個試驗(yàn)區(qū)為研究對象,對比分析了MSAM與單波段閾值法、NDWI閾值法、支持向量機(jī)和光譜角匹配等傳統(tǒng)方法的水體信息提取結(jié)果,并進(jìn)行了精度評價(jià)。試驗(yàn)結(jié)果表明,本文提出的MSAM方法不僅能準(zhǔn)確地提取水體信息,而且能很好地區(qū)分水體與云陰影,對細(xì)小水體的提取也具有很好的效果。在內(nèi)蒙古中部和長江中下游兩個試驗(yàn)區(qū)的水體提取精度分別達(dá)到99.86%和98.37%,在5種水體提取方法中的精度最高,可以有效地提取水體信息。
水體提??;歸一化差分水體指數(shù);支持向量機(jī);改進(jìn)光譜角匹配
傳統(tǒng)的水體信息提取方法工作量大、成本高、人為因素影響大,衛(wèi)星遙感對地觀測具有宏觀性、周期性、及時性、準(zhǔn)確性等特點(diǎn)??焖佟?zhǔn)確地從衛(wèi)星遙感影像上獲取水體信息,已成為水資源調(diào)查及監(jiān)測、濕地保護(hù)、洪澇災(zāi)害監(jiān)測與評估等領(lǐng)域的重要技術(shù)手段。
目前已有的水體提取方法主要包括單波段閾值法、水體指數(shù)法、監(jiān)督分類等幾種類型[1]。其中,單波段閾值法主要利用水體與其他地物在近紅外和中紅外波段的差異來提取水體信息,這是最簡單的水體提取方法,但提取精度不高且不能很好地提取細(xì)小水體[2-4]。水體指數(shù)法是基于多波段譜間關(guān)系法[5],通過特征波段間的比值運(yùn)算,增強(qiáng)水體與其他地物之間的反差度來識別水體信息。其中歸一化差分水體指數(shù)(normalized difference water index,NDWI)[6-8]是目前應(yīng)用最多的一種水體指數(shù)。許多學(xué)者在NDWI的基礎(chǔ)上提出了一些新的水體指數(shù)[9-11],改善了水體的提取效果。監(jiān)督分類是通過人工選取一定數(shù)量的代表性樣本,根據(jù)已知類別的樣本信息,用統(tǒng)計(jì)學(xué)的方法對整幅影像進(jìn)行分類的方法,包括最大似然法[12]和支持向量機(jī)[13]等。齊慶超等[14]用光譜角匹配算法(spectral angle mapping,SAM)對黃河小浪底水庫周邊區(qū)域進(jìn)行水體信息提取,該方法提取的結(jié)果受陰影的影響較小。為了進(jìn)一步改善和提高水體的提取效果,基于SAM提出一種改進(jìn)的光譜角匹配(modified spectral angle mapping,MSAM)的水體提取方法。
本文采用GF-4衛(wèi)星PMS傳感器影像作為數(shù)據(jù)源。PMS多光譜影像包括全色、藍(lán)、綠、紅和近紅外5個波段,空間分辨率為50 m[15]。從內(nèi)蒙古中東部和長江中下游選取兩個試驗(yàn)區(qū)作為研究區(qū)域。從內(nèi)蒙古中東部地區(qū)選取的試驗(yàn)區(qū)如圖1(a)所示,大小為1250×550像素,成像時間為2016年6月2日。該地區(qū)位于內(nèi)蒙古自治區(qū)赤峰市克什克騰旗,主要包括達(dá)里諾爾湖和崗更諾爾湖兩大水域,影像中還包括與水體易混淆的云陰影。從長江中下游地區(qū)選取的試驗(yàn)區(qū)如圖1(b)所示,大小為1100×1100像素,成像時間為2016年7月23日。該地區(qū)位于湖南省東北部的岳陽市,不僅包括東洞庭湖、南湖、易家湖等面積較大的湖泊,還包括長江以及一些小的河流,水體類型復(fù)雜。
影像的預(yù)處理包括幾何校正和輻射校正。其中,幾何校正通過GF-4衛(wèi)星自帶的有理函數(shù)模型實(shí)現(xiàn)。輻射校正包括輻射定標(biāo)和大氣校正,輻射定標(biāo)從影像的XML頭文件中讀取定標(biāo)系數(shù)完成;大氣校正是通過大氣校正軟件ACTOR-3運(yùn)用SRTM 90 m的DEM數(shù)據(jù)進(jìn)行的。
圖1 研究區(qū)域真彩色圖
為了更好地區(qū)分水體和其他地物(如云陰影),本文對SAM方法進(jìn)行改進(jìn),提出了MSAM算法,具體的水體提取流程如圖2所示。首先將每個像元光譜的n維向量X充為n+4維向量X*
X*=[x1,x2,…,xn,PC1,PC2,NDWI,NDVI]
(1)
式中,PC1、PC2分別為PCA(principal component analysis)變換之后的第1、2個主成份;NDWI為歸一化差分水體指數(shù);NDVI為歸一化差分植被指數(shù)。
由于向量X*中xn、PC1、PC2、NDWI與NDVI的量綱不同,因此需要對X*進(jìn)行歸一化。歸一化后得到
(2)
最后應(yīng)用式(3)求θX*1,Y*1,取值范圍為[0,π/2],通過設(shè)定合適的閾值提取水體。
(3)
式中,θX*1,Y*1表示向量X*1、Y*1之間的夾角。
圖2 MSAM水體提取方法流程
為了作為對比,同時運(yùn)用了單波段閾值法、NDWI閾值法、支持向量機(jī)(support vector machine,SVM)和SAM對內(nèi)蒙古中東部和長江中下游兩個試驗(yàn)區(qū)進(jìn)行了水體提取。下面從目視解譯、細(xì)節(jié)對比和精度評價(jià)3方面對這5種方法的提取結(jié)果進(jìn)行評價(jià)。
3.1 目視解譯
圖3和圖4分別為內(nèi)蒙古中東部試驗(yàn)區(qū)和長江中下游試驗(yàn)區(qū)的5種方法水體提取結(jié)果圖,其中灰色表示水體,黑色表示非水體。
通過目視解譯從圖3中可以看出:單波段閾值法、SVM和SAM可以完整地提取出水體信息,但同時也提取了一些云陰影,存在誤提現(xiàn)象;NDWI閾值法的提取效果最差,不僅存在誤提現(xiàn)象,誤提包括大量的云陰影、云的邊界與鹽堿地等,而且存在漏提,在水域中間出現(xiàn)了“椒鹽”圖斑的現(xiàn)象,提取的水體不完整。本文提出的MSAM方法在原來5個波段的光譜信息基礎(chǔ)上增加了更多的特征類型,增大了水體與其他地物,尤其是容易與水體混淆地物的差異,不僅可以提取出水體的主要輪廓,不會出現(xiàn)水域中間“椒鹽”圖斑的現(xiàn)象,而且可以去除云陰影,效果要優(yōu)于其他方法。
圖3 內(nèi)蒙古中東部試驗(yàn)區(qū)5種方法提取水體結(jié)果
圖4 長江中下游試驗(yàn)區(qū)5種方法提取水體結(jié)果
從圖4中可以看出:單波段閾值法和NDWI閾值法都存在很多漏提現(xiàn)象,尤其對細(xì)小水體的漏提現(xiàn)象嚴(yán)重;SVM雖然能提取出完整的水體輪廓,包括細(xì)小水體,但提取結(jié)果中會出現(xiàn)很多斑點(diǎn),存在大量的誤提現(xiàn)象;SAM方法也存在一定的漏提現(xiàn)象,對細(xì)小水體的提取能力較差。本文提出的MSAM方法可以很完整地提取出水體的主要輪廓,雖然在提取小水體方面較SVM差,但優(yōu)于其他方法,同時不會出現(xiàn)大量的誤提現(xiàn)象。因此從總體效果看,MSAM方法效果最優(yōu)。
3.2 細(xì)節(jié)對比
5種方法提取結(jié)果的差異主要是在云陰影和細(xì)小水體處,水體提取細(xì)節(jié)見表1。從表1中可以看出:
(1) 在云陰影的處理方面:MSAM方法的提取效果最好,能夠很好地剔除云陰影的影響;而NDWI閾值法提取效果最差,甚至很難區(qū)分大量的云;單波段閾值法、SVM和SAM也都存在少量的云陰影無法區(qū)分。
(2) 在細(xì)小水體的提取方面:SVM提取效果最好,但是SVM會存在嚴(yán)重的誤提現(xiàn)象,尤其是對城區(qū)建筑的誤提;MASM方法提取效果次之,能夠提取出大部分的細(xì)小水體;SAM方法可以提出部分細(xì)小水體,但效果比SVM和MSAM都差;單波段閾值法和NDWI閾值法幾乎不能提取細(xì)小水體。
因此MSAM方法在提取水體信息時,可以很好地排除云陰影的影響,同時對細(xì)小水體有一定的提取能力。
表1 水體提取結(jié)果細(xì)節(jié)對比
3.3 精度評價(jià)
本文以人工解譯的水體信息作為真值對內(nèi)蒙古中東部和長江中下游兩個試驗(yàn)區(qū)的5種方法水體提取結(jié)果進(jìn)行漏提率、誤提率和提取精度的統(tǒng)計(jì)[15]。由于內(nèi)蒙古中東試驗(yàn)區(qū)水體分布簡單,因此對整個區(qū)域進(jìn)行精度評價(jià),而長江中下游試驗(yàn)區(qū)的水體類型較多且分布較復(fù)雜,因此將從中選取一個代表性的區(qū)域進(jìn)行精度評價(jià),所選區(qū)域如圖5所示。表2為兩個試驗(yàn)區(qū)的精度統(tǒng)計(jì)表,可以看出在提取精度方面:MASM方法在兩個試驗(yàn)區(qū)的水體提取精度都是最高的,精度分別為99.86%與98.37%,在內(nèi)蒙古中東部試驗(yàn)區(qū)比其他方法高出0.18%以上, 在長江中下游試驗(yàn)區(qū)比其他方法高出2.07%以上;而且在誤提率上,MSAM方法也是最低的,分別為0.06%和0.19%。因此MSAM方法能夠很好地提取GF-4遙感影像的水體信息。
圖5 長江中下游區(qū)域精度評價(jià)區(qū)域示意圖
表2 5種水體提取方法精度統(tǒng)計(jì) (%)
本文利用提出的MSAM方法對內(nèi)蒙古中東部和長江中下游的兩個試驗(yàn)區(qū)進(jìn)行了水體提取。試驗(yàn)結(jié)果表明與單波段閾值法、NDWI閾值法、SVM和SAM相比,MSAM方法水體提取精度最高,并且能很好地區(qū)分云陰影,對細(xì)小水體也有一定的提取能力,總體效果優(yōu)于其他方法,可以用來提取GF-4遙感影像的水體,為洪澇災(zāi)害監(jiān)測提供技術(shù)支持。后續(xù)工作的重點(diǎn)將會放在如何利用高時相特點(diǎn)進(jìn)行GF-4遙感影像的水體信息提取,為洪澇災(zāi)害的動態(tài)變化、實(shí)時監(jiān)測提供更有力的技術(shù)支持。
致謝:此次所用的GF-4遙感影像由民政部衛(wèi)星減災(zāi)應(yīng)用中心提供,在此表示由衷的感謝!
[1] 張超,彭道黎.基于遙感的水體信息提取技術(shù)研究進(jìn)展[J].河南農(nóng)業(yè)科學(xué),2013,42(6):16-20.
[2] SHIH S F.Comparison of ELAS Classification and Density Slicing Landsat Data for Water-surface Area Assessment[J].Hydrologic Applications of Space Technology,1986,160:91-97.
[3] 陸家駒,李士鴻. TM資料水體識別技術(shù)的改進(jìn)[J].環(huán)境遙感,1992,7(1):17-23.
[4] FRAZIER P S,PAGE K J.Water Body Detection and Delineation with Landsat TM Data[J].Photogrammetric Engineering and Remote Sensing,2000,66(12):1461-1467.
[5] 楊樹文,薛重生,劉濤,等.一種利用TM影像自動提取細(xì)小水體的方法[J].測繪學(xué)報(bào),2010,39(6):611-617.
[6] 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.
[7] 趙芳,朱豐琪,馮仲科,等.運(yùn)用資源三號衛(wèi)星影像數(shù)據(jù)提取水體信息的方法研究[J].測繪通報(bào),2014(3):25-28.
[8] 畢海蕓,王思遠(yuǎn),曾江源,等.基于TM影像的幾種常見水體提取方法的比較和分析[J].遙感信息,2012,27(5):77-82.
[9] 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.
[10] 丁鳳.一種基于遙感數(shù)據(jù)快速提取水體信息的新方法[J].遙感技術(shù)與應(yīng)用,2009,24(2):167-171.
[11] 周小莉,郭加偉,劉錕銘.基于陸地成像儀影像和主成分分析的水體信息提取——以鄱陽湖區(qū)為例[J].激光與光電子學(xué)進(jìn)展,2016(53):2-8.
[12] 于歡,張樹,李曉峰,等.基于TM影像的典型內(nèi)陸淡水濕-地水體提取研究[J].遙感技術(shù)與應(yīng)用,2008,23(3):310-315.
[13] 段秋亞,孟令奎,樊志偉,等.GF-1衛(wèi)星影像水體信息提取方法的適用性研究[J].國土資源遙感,2015,27(4):79-84.
[14] 齊慶超,張小磊,金江峰,等.基于光譜角匹配算法的水體信息提取研究[J].測繪與空間地理信息,2016,39(2):92-96.
AnImprovedMethodforWaterInformationExtractionUsingMSAM
ZHANG Wei1,2,ZHAO Lijun1,ZHENG Ke1,TANG Ping1
(1. Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100101,China; 2. University of Chinese Academy of Sciences,Beijing 100049,China)
Quickly and accurately obtaining water information from satellite remote sensing imagery has become an important technical means in the field of water resources investigation and monitoring,wetland protection,and flood disaster assessment. In this paper,a new water extraction method of a modified spectral angle mapping (MSAM) is proposed and GF-4’s PMS images are used as research data.Two typical study areas are investigated, which are selected from the areas of middle-east of Inner Mongolia and middle-lower reaches of the Yangtze River.To evaluate the efficacy of the proposed MSAM method,four compared methods including single band threshold,NDWI threshold, support vector machine (SVM) and spectral angle mapping (SAM) are used in water extraction.Then accuracy assessments are taken on the water extraction results of the five different methods.The results show that the proposed method can not only extract water information accurately,but also distinguish water and the cloud shadows well and have a good ability in extracting small water bodies.And it obtains the highest accuracy compared with the other four water extraction methods,with the water extracting accuracies of the two study areas reaching 99.86% and 98.37% respectively.To sum up,the proposed method can be effectively used to extract water information of GF-4 remote sensing imagery.
water extraction;normalized difference water index;support vector machine;modified spectral angle mapping
張偉,趙理君,鄭柯,等.一種改進(jìn)光譜角匹配的水體信息提取方法[J].測繪通報(bào),2017(10):34-38.
10.13474/j.cnki.11-2246.2017.0312.
2017-02-21;
2017-07-12
高分辨率對地觀測系統(tǒng)重大專項(xiàng)(03-Y20A04-9001-15/16;11-Y20A05-9001-15/16)
張 偉(1992—),男,碩士生,現(xiàn)從事遙感圖像處理與分類方面的研究。E-mail:zhangw@radi.ac.cn
鄭 柯。E-mail:zhengke@radi.ac.cn
P23
A
0494-0911(2017)10-0034-05