陸吉貴

(1.安徽師范大學(xué)國(guó)土資源與旅游學(xué)院，安徽蕪湖 241003；2.安徽自然災(zāi)害過(guò)程與防控研究省級(jí)實(shí)驗(yàn)室，安徽蕪湖 241003)

隨著全球氣候的變暖，洪澇災(zāi)害愈加頻繁，運(yùn)用遙感與地理信息技術(shù)，能夠克服地面觀測(cè)站網(wǎng)在空間范圍和時(shí)間方面的限制，提高洪澇災(zāi)情數(shù)據(jù)的時(shí)效性和準(zhǔn)確性，極大增強(qiáng)防災(zāi)減災(zāi)能力，因此得到廣泛的應(yīng)用[1]。

洪澇遙感監(jiān)測(cè)的關(guān)鍵在于準(zhǔn)確地從混合型電磁波信息中提取洪水災(zāi)情信息[2]。提取水體信息的方法一般可分為單波段法和多波段法。單波段法的原理是基于水體在近紅外通道吸收率很高，而植被和城市具有強(qiáng)反射性，通過(guò)反復(fù)試驗(yàn)確定某一波段值作為水體與非水體的閾值，從而提取水體信息。該方法簡(jiǎn)單易行，但是很難去除陰影。多波段法則同時(shí)利用多波段的優(yōu)勢(shì)提取水體，分為譜間分析法和比值法。譜間分析法通過(guò)分析水體與背景地物的波譜曲線特征，找出它們之間的變化規(guī)律，進(jìn)而用邏輯判別式將水體提取出來(lái)[3-6]，可較好地區(qū)分水體與陰影，但比較復(fù)雜，難以去除云的干擾。比值法又稱水體指數(shù)法，它基于多波段的地物光譜特征分析，選取水體與地物波譜差異的多個(gè)波段，分析水體與光譜值之間的映射關(guān)系，構(gòu)建數(shù)學(xué)模型，抑制非水體信息，增強(qiáng)水體信息，在一定程度上去除云和陰影的干擾，精度較高。范偉等[7]利用MODIS數(shù)據(jù)波段 1、2比值進(jìn)行水體識(shí)別，但是難以徹底抑制與非水體信息；歸一化差異植被指數(shù)(NDVI)[8]在植被的提取應(yīng)用最為廣泛，受其啟發(fā)，Mcfeeters[9]提出了歸一化差異水體指數(shù)(NDWI)， 在一定程度上突出了水體信息，但在提取城市范圍內(nèi)的水體時(shí)混入一定量的城市信息?；诖耍旌颷10]通過(guò)譜間特征分析，發(fā)現(xiàn)城市在 TM 影像的波段 4～5突然轉(zhuǎn)強(qiáng)，于是將 NDWI 指數(shù)作了修改，用中紅外波段替換 NDWI 近紅外波段，提出了改進(jìn)的歸一化差異水體指數(shù)(MNDWI)，效果較NDWI好。莫偉華等[11]基于 MODIS 數(shù)據(jù)采用植被指數(shù)與近紅外波段 7 進(jìn)一步組合，提出了混合水體指數(shù)模型(CIWI)，提高了水體與云、植被、城鎮(zhèn)等其他信息的分離。楊寶鋼等[12]基于 MODIS 數(shù)據(jù)用歸一化植被指數(shù)與歸一化建筑指數(shù)組合，構(gòu)建了改進(jìn)型組合水體指數(shù)(MCIWI)，增強(qiáng)了水體與城鎮(zhèn)、植被等其他信息的區(qū)分度。

不同地區(qū)水體的波譜特性可能有差異，即使同一地區(qū)不同時(shí)期水體的波譜特性也可能有差異。不同傳感器有不同的光譜分辨率，因此很難有通用的水體模型。研究者努力完善各自模型，使提取水體精度更高[13-18]。筆者以巢湖地區(qū)為試驗(yàn)區(qū)，分析了MODIS 數(shù)據(jù)光譜特征，提出了新型組合水體指數(shù) NCIWI(new combined index for water body identification)，并進(jìn)行了試驗(yàn)和比較驗(yàn)證。

1 MODIS數(shù)據(jù)典型地物波譜特征分析

中分辨率成像光譜儀(MODIS)是1999年美國(guó)開(kāi)始的第二階段對(duì)地觀測(cè)系統(tǒng)計(jì)劃中最有特色的儀器之一。MODIS 數(shù)據(jù)具有 36 個(gè)波段和 250～1 000 m 空間分辨率，時(shí)間分辨率為0.5 d，且免費(fèi)，因此 MODIS 數(shù)據(jù)成為我國(guó)地學(xué)研究和水體監(jiān)測(cè)、生態(tài)環(huán)境監(jiān)測(cè)應(yīng)用最廣的數(shù)據(jù)資源。利用 MODIS數(shù)據(jù)提取水體信息，多基于 MODIS 1～7波段數(shù)據(jù)進(jìn)行研究，其波段分布特征見(jiàn)表1。

一般而言，植被在可見(jiàn)光波段的反射率較近紅外低；裸土的可見(jiàn)光反射率高于植被和水，在近紅外波段高于水體、低于植被；云和雪在可見(jiàn)光波段具有強(qiáng)反射。水體對(duì)入射能量具有強(qiáng)吸收性，因此在MODIS傳感器的波長(zhǎng)范圍內(nèi)，總體反射率較低，并具有隨著波長(zhǎng)的增加而進(jìn)一步減弱的趨勢(shì)。清澈水體的遙感信息模型根據(jù)其反射率可以近似表示為藍(lán)光>綠光>紅光>近紅外>中紅外[10]。但是隨著水體渾濁度(各種有機(jī)、無(wú)機(jī)物質(zhì)濃度)的增加，水體的反射率會(huì)有所變化。

表1 MODIS 1～7 波段分布特征

該研究選取2015年8月29日TERRA衛(wèi)星資料，以巢湖為試驗(yàn)區(qū)，用ENVI 5.1遙感影像處理軟件分析了水體與城鎮(zhèn)、植被等其他典型地物MODIS 1～7波段中的光譜和影像特征，對(duì)水體、城鎮(zhèn)、植被3種典型地物樣本進(jìn)行均值統(tǒng)計(jì)，結(jié)果見(jiàn)圖1。綜合分析歸納，基本特性如下4個(gè)方面：總輻射水平低，即水體的反射率很低，在可見(jiàn)光到中紅外波段，水體對(duì)電磁波的吸收高于植被和城鎮(zhèn)用地；在MODIS數(shù)據(jù)的可見(jiàn)光波段，即第1、3、4波段，水體反射率高于植被，與城鎮(zhèn)用地相近；在近中紅外波段，即第2、5、6、7波段，水體反射率明顯低于植被和城鎮(zhèn)用地；水體性質(zhì)的不同對(duì)反射率有明顯影響，如含藻類(lèi)水體第2波段反射率可升高與第1波段相近甚至高于第1波段；城鎮(zhèn)用地的反射率在第2、5波段低于植被，在第7波段高于植被，第6波段則高于或相當(dāng)于植被?？傮w而言，在第2、4、6波段，水體反射率呈低、高、低水平，而植被和城鎮(zhèn)均呈高、低、高水平，因此有利于區(qū)分水體信息與植被、城鎮(zhèn)等信息。

2 主要的水體指數(shù)模型

基于 MODIS 數(shù)據(jù)的水體識(shí)別指數(shù)[9-12]主要有表2中的幾種。

表2 基于 MODIS 數(shù)據(jù)的水體指數(shù)模型

注：CHi表示MODIS 的第i波段

Note：CHiexpressed theiband of MODIS

Mcfeeters[9]構(gòu)建的NDWI雖然突出了水體的信息，但仍?shī)A雜著許多非水體信息，特別是水質(zhì)渾濁時(shí)(圖1a)，水體第2波段反射率變大，易與裸土或城鎮(zhèn)信息混淆。徐涵秋[10]針對(duì)城市水體及其背景地物的反射特點(diǎn)，提出了改進(jìn)的歸一化差異水體指數(shù)(MNDWI)，效果優(yōu)于NDWI；莫偉華等[11]提出的組合水體指數(shù)(CIWI)，用植被指數(shù)結(jié)合近紅外波段增大了水體與其他地物的差異，但后2種方法在水體種類(lèi)多樣、水質(zhì)復(fù)雜狀態(tài)下(圖1b)，水體第6、7波段反射率增加，同樣存在不易區(qū)分水體與建筑、裸地甚至稀疏植被邊界情況。楊寶鋼等[12]提出的改進(jìn)的組合水體指數(shù)(MCIWI)，將 CIWI 中的近紅外波段用 NDBI 替換，用以增大水體與其他地物間的區(qū)分度，但當(dāng)水質(zhì)渾濁時(shí)，水體第 2 波段反射率變大，則可能會(huì)出現(xiàn)漏提水體的現(xiàn)象(圖1c、圖1d)。

注：a.巢湖地區(qū);b.莫偉華等[11]的研究；c.重慶主城區(qū)[12];d.重慶長(zhǎng)壽湖[12]Note：a.Chaohu region；b.The study of Mo wei-hua et al[11]；c.Chongqing main city[12]；d.Chongqing Changshou Lake[12]圖1 MODIS 1～7波段典型地物波譜曲線Fig.1 Spectral curves of typical ground objects of MODIS 1-7 band

3 構(gòu)建混合水體指數(shù)模型

盡管，Mcfeeters 在構(gòu)建 NDWI 指數(shù)時(shí)，只考慮到了植被因素，而忽略了地表的另一個(gè)重要地類(lèi)——土壤/建筑物，但是，NDWI能夠很好地分離水體與植被信息。因此，利用MNDVI=(CH2-CH4)/(CH2+CH4)代替NDWI。近紅外通道中城鎮(zhèn)和植被光譜值均較高，水體(即使水質(zhì)復(fù)雜)的光譜值最低，易于分離水體與城鎮(zhèn)。據(jù)此，首先用CH6與CH6均值的比值構(gòu)成無(wú)量綱數(shù)NIR，再將其與MNDVI求和，使其水體仍保持在低值區(qū)，城鎮(zhèn)、植被處于高值區(qū)，從而增強(qiáng)水體與植被和城鎮(zhèn)之間的差異。據(jù)此提出新的混合水體指數(shù)模型 NCIWI(new combined index of MNDVI and NIR for water body identification)：

NCIWI=MNDVI+NIR

(1)

4 試驗(yàn)和比較驗(yàn)證

4.1資料和試驗(yàn)區(qū)為構(gòu)建適合 MODIS 數(shù)據(jù)水體識(shí)別模型，該研究將試驗(yàn)區(qū)劃定為116°25′11″～118°30′5″ E，30°56′11″～32°16′6″ N的一個(gè)矩形區(qū)域，選取2015年8月29日空間分辨率為500 m的Terre/MODIS MOD09A1數(shù)據(jù)。該數(shù)據(jù)是從NASA官網(wǎng)(https：//ladsweb.modaps.eosdis.nasa.gov/search/)上下載的經(jīng)過(guò)幾何校正和大氣校正的標(biāo)準(zhǔn)2級(jí)產(chǎn)品數(shù)據(jù)，數(shù)據(jù)包括MODIS數(shù)據(jù)的1～7波段，利用MODIS Reprojection Tool-MRT 4.0進(jìn)行拼接和重投影，并裁剪出試驗(yàn)區(qū)。

4.2水體提取結(jié)果分析分別用 NDWI、MNDWI、CIWI、MCIWI和NCIWI模型，對(duì)試驗(yàn)區(qū)進(jìn)行水體提取，得到 NCIWI 和其他水體指數(shù)識(shí)別效果(圖2)。

圖2 水體提取效果對(duì)比Fig.2 Comparison of the effect of water body extraction

根據(jù)圖2對(duì)5種水體指數(shù)在巢湖試驗(yàn)區(qū)進(jìn)行定性檢驗(yàn)分析：NDWI 識(shí)別水體存在明顯的信息丟失，特別是在巢湖藻類(lèi)豐富區(qū)，同時(shí)在判別城市中的水體時(shí)，出現(xiàn)了較多的信息誤判；利用MCIWI提取水體時(shí)，出現(xiàn)了部分明顯的水體誤判問(wèn)題；MNDWI 水體信息提取效果優(yōu)于NDWI 和 MCIWI， 但水體誤判現(xiàn)象仍較明顯，與其他水體指數(shù)相比，CIWI、NCIWI 提取的湖區(qū)藻類(lèi)豐富區(qū)最連續(xù)，水體信息誤判較少，總體效果最好。

由 NDWI、MNDWI、CIWI、MCIWI、NCIWI 5類(lèi)水體指數(shù)比較可知(表3)， MNDWI、CIWI、NCIWI 3種指數(shù)突出了水體與建設(shè)用地的區(qū)別，在減少城市河流與建設(shè)用地混淆方面均優(yōu)于 NDWI 和 MCIWI， 其中NCIWI 的水體與城鎮(zhèn)區(qū)分度達(dá)53.4%， 僅次于 CIWI；由于NDWI、MNDWI、CIWI、NCIWI 4 種指數(shù)均能夠區(qū)分水體與植被的信息，其中NCIWI 能更好地區(qū)分水體與植被，其水體與植被的區(qū)分度為66.3%，效果最好。總體來(lái)說(shuō)，表3與圖2水體提取效果非常吻合。因此該研究的5種水體指數(shù)中，NCIWI 的水體與植被、城鎮(zhèn)區(qū)分度最好，水體提取總體效果最好。

表3 NCIWI 和其他水體指數(shù)統(tǒng)計(jì)分析

注：樣本數(shù)為水體200 個(gè)，城鎮(zhèn)200 個(gè)，植被350 個(gè)；△△為DDCW；△為DDVW

Note：The number of samples is 200 water bodies, 200 towns，350 vegetation.△△ is DDCW；△ is DDVW

5 結(jié)論

從試驗(yàn)結(jié)果的圖像分析和統(tǒng)計(jì)分析來(lái)看，該研究提出的 NCIWI 水體指數(shù)模型既突出了水體與城鎮(zhèn)的區(qū)別，又更好地區(qū)分了水體與植被。該指數(shù)模型可有效地解決應(yīng)用 MODIS 數(shù)據(jù)進(jìn)行水體遙感信息提取中分離植被和城市等混淆信息的問(wèn)題。經(jīng)試驗(yàn)驗(yàn)證，應(yīng)用 NCIWI 模型進(jìn)行 MODIS 數(shù)據(jù)水體信息提取圖像效果和分類(lèi)精度優(yōu)于NDWI、MNDWI、CIWI和MCIWI模型。

[1] 李加林，曹羅丹，浦瑞良.洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究綜述[J].水利學(xué)報(bào)，2014，45(3)：253-260.

[2] 杜云艷，周成虎.水體的遙感信息自動(dòng)提取方法[J].遙感學(xué)報(bào)，1998，2(4)：264-269.

[3] 周成虎.遙感影像地學(xué)理解與分析[M].北京：科學(xué)出版社，1999.

[4] 丁莉東，吳昊，王長(zhǎng)健，等.基于譜間關(guān)系的 MODIS 遙感影像水體提取研究[J].測(cè)繪與空間地理信息，2006，29(6)：25-27.

[5] 徐萌，李亞春，曾燕，等.蘇北大型湖泊水域的 EOS/MODIS 遙感監(jiān)測(cè)[J].氣象科技，2007，35(4)：579-582.

[6] 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(lèi)研究[J].遙感學(xué)報(bào)，2001，5(3)：214-219.

[7] 范偉，荀尚培，吳文玉.應(yīng)用氣象衛(wèi)星 MODIS 識(shí)別薄云覆蓋下的水體[J].大氣與環(huán)境光學(xué)學(xué)報(bào)，2007，2(1)：73-77.

[8] ROUSE J W J，HAAS R H，SCHELL J A，et al.Monitoring vegetation system s in the great plains with ERTS[C]//FREDEN S C,MERCANTI E P,BECKER M A.Third Earth Resources Technology Satellite Symposium. Volume I: Technical Presentations. Washington, D.C.:Nasa Special Publication, 1973：309-317.

[9] 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.

[10] 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.

[11] 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(5)：16-21，104-105.

[12] 楊寶鋼，陳昉，羅孳孳.基于MODIS的改進(jìn)型組合水體指數(shù)(MCIWI)提取復(fù)雜水體信息的試驗(yàn)[J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，33(1)：112-119.

[13] 余志飛.基于MODIS遙感數(shù)據(jù)的水體提取算法研究[J].測(cè)繪與空間地理信息，2015，38(3)：80-82.

[14] 余志飛.基于MODIS遙感數(shù)據(jù)的水體提取模型及算法改進(jìn)[J].測(cè)繪與空間地理信息，2016，39(8)：117-120，124.

[15] 萬(wàn)建鵬，官云蘭，葉素倩，等.基于綜合權(quán)重水體指數(shù)的水體提取研究：以鄱陽(yáng)湖為例[J].東華理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，38(2)：206-211.

[16] 林楚彬，李少青.Landsat數(shù)據(jù)水體自動(dòng)提取研究進(jìn)展[J].自動(dòng)化技術(shù)與應(yīng)用，2015，34(2)：1-4，36.

[17] 沈占鋒，李均力，于新菊.基于協(xié)同計(jì)算的白洋淀濕地時(shí)序水體信息提取[J].地球信息科學(xué)學(xué)報(bào)，2016，18(5)：690-698.

[18] 鄭東博，凌峰，李曉冬，等.基于MODIS數(shù)據(jù)的水體超分辨率制圖：以丹江口水庫(kù)為例[J].華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，50(4)：624-632.