王大釗， 王思夢， 黃昌

(西北大學(xué)地表系統(tǒng)與環(huán)境承載力陜西省重點(diǎn)實(shí)驗(yàn)室，西安 710127)

0 引言

地表水是最活躍和最重要的地球資源之一，它的時(shí)空變化可以對自然系統(tǒng)和人類社會產(chǎn)生深遠(yuǎn)影響[1]。而湖泊是地表水的重要組成部分，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。然而，由于氣候變化和人類活動(dòng)，全球的水資源正在發(fā)生著重大變化，湖泊萎縮已成為人類目前面臨的主要環(huán)境問題之一[2]。因此，對湖泊水體進(jìn)行準(zhǔn)確快速的監(jiān)測對于環(huán)境研究以及陸地生態(tài)系統(tǒng)的管理至關(guān)重要[3-5]。

由于具有觀測范圍大、更新時(shí)間快和信息豐富等特點(diǎn)，遙感數(shù)據(jù)已在水資源變化監(jiān)測、水質(zhì)評估和監(jiān)測、洪澇災(zāi)害監(jiān)測和損失評估等方面得到了廣泛應(yīng)用[6-8]。常用的遙感影像既有空間分辨率相對較低的MODIS和Suomi NPP-VIIRS，也有中高空間分辨率的Landsat和SPOT系列，以及較高空間分辨率的高分一號(GF-1)、高分二號(GF-2)及QuickBird等[6]。其中，Landsat8 OLI陸地成像儀包括8個(gè)空間分辨率為30 m的多光譜波段，另有一個(gè)15 m空間分辨率的全色波段[9]； Sentinel-2 MSI多光譜成像儀可以獲得地球表面10～60 m空間分辨率的光學(xué)影像[10]。較高的空間分辨率、固定的重訪周期、全球的覆蓋范圍以及免費(fèi)開放獲取的數(shù)據(jù)政策，使得Landsat8和Sentinel-2數(shù)據(jù)成為今后一段時(shí)期內(nèi)可穩(wěn)定獲得的高質(zhì)量遙感數(shù)據(jù)。

用于水體提取的方法很多，一般而言大致可以分為單波段法[11-12]、多波段譜間關(guān)系法[13-14]、水體指數(shù)法[15-18]和影像分類法[19]等類別。比如，Shih[20]基于Landsat MSS數(shù)據(jù)，采用密度分割法與非監(jiān)督分類法提取水體，2種方法獲取的結(jié)果精度差異約為3%； Barton等[21]基于AVHRR影像數(shù)據(jù)，利用近紅外與紅光波段的比值運(yùn)算提取水體并對洪水進(jìn)行了監(jiān)測； 陸家駒等[22]采用閾值法、色度判別法和比率測算法從TM數(shù)據(jù)中提取水體，得出比率測算法獲取的結(jié)果更為精確，能識別其他方法無法識別的小水體； McFeeters[23]發(fā)現(xiàn)將綠光波段和近紅外波段做比值運(yùn)算之后能夠在很大程度上抑制植被而突出水體的信息，因此基于這2個(gè)波段創(chuàng)建了歸一化差異水體指數(shù)(normalized difference water index，NDWI)用于水體提取； 徐涵秋[24]發(fā)現(xiàn)短波紅外波段能夠比近紅外波段反映更多的水體特征，因此使用短波紅外波段替換近紅外波段構(gòu)建了改進(jìn)的歸一化差異水體指數(shù)(modified normalized difference water index，MNDWI)模型，獲得了較好的水體提取效果； Feyisa等[25]通過構(gòu)建自動(dòng)水體提取指數(shù)(automated water extraction index，AWEIsh)模型提取水體，并在世界各地選取各種背景下(如黑色土壤、陰影等)的水體進(jìn)行大量的水體提取試驗(yàn)，結(jié)果表明該指數(shù)能夠有效地放大水體與非水體之間的差異，從而實(shí)現(xiàn)水體信息的準(zhǔn)確提??； Danaher等[26]創(chuàng)建了水體指數(shù)(water index，WI2006)，利用Landsat7 ETM+影像的每個(gè)波段的自然對數(shù)來反映反射系數(shù)和相互作用條件，并用來對橫跨澳大利亞東部覆蓋的濕地進(jìn)行提??； Fisher等[27]在WI2006的基礎(chǔ)上提出了一種新的基于線性判別分析的水體指數(shù)(water index，WI2015)，該指數(shù)用線性判別分析分類(linear discriminant analysis classification，LDAC)確定最佳分割訓(xùn)練區(qū)類別的系數(shù)，提高了分類精度。水體指數(shù)法，尤其是上述幾種水體指數(shù)，由于算法簡單有效，目前在水體提取中應(yīng)用最為廣泛[24-25]。

本研究選取水體分布格局復(fù)雜、水域面積變化劇烈且頻繁的鄱陽湖地區(qū)作為實(shí)驗(yàn)研究區(qū)，選用NDWI，MNDWI，AWEI和WI2015等4種典型的水體指數(shù)，測試基于Sentinel-2和Landsat8這2種遙感數(shù)據(jù)源不同水體指數(shù)提取湖泊水體的差異，并使用同期高空間分辨率的GF-1和Geogle Earth影像作為參考，驗(yàn)證2種影像使用不同方法提取湖泊水體的精度，為基于中高空間分辨率遙感數(shù)據(jù)的湖泊動(dòng)態(tài)監(jiān)測研究提供參考。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

鄱陽湖范圍位于N28°22′～29°45′，E115°47′～116°45′之間(圖1)，是中國最大的淡水湖，同時(shí)還是長江中下游地區(qū)重要的水利調(diào)節(jié)樞紐之一，流域面積約為162 225 km2。鄱陽湖水位及水域面積受亞熱帶季風(fēng)氣候影響明顯，年平均水位在14～15 m之間時(shí)，湖泊面積為3 150 km2左右。夏秋時(shí)節(jié)為豐水期，水位可達(dá)20 m，水域面積增至4 125 km2以上； 冬春時(shí)節(jié)為枯水期，水位低至12 m，水域面積不到500 km2。隨著水位面積的整體下降趨勢，鄱陽湖的湖水邊界在濕潤和干旱季節(jié)之間急劇變化。出于水資源管理等相關(guān)的考慮，相關(guān)部門在湖周圍修筑了一系列的堤壩，導(dǎo)致了大量小湖和支流的形成，尤其是在枯水期，整個(gè)鄱陽湖被分割成許多連接和斷開的水體部分。因此，確定鄱陽湖的精確邊界是比較困難的。

1.2 數(shù)據(jù)來源及預(yù)處理

本研究所使用到的數(shù)據(jù)包括Landsat8 OLI，Sentinel-2 MSI以及GF-1。Landsat8數(shù)據(jù)行列號為121/40，成像時(shí)間為2016年9月27日。使用的Sentinel-2數(shù)據(jù)的成像時(shí)間為2016年9月24日，2幅影像的成像時(shí)間比較接近。Landsat8數(shù)據(jù)在ENVI軟件中經(jīng)過了輻射定標(biāo)和大氣校正等預(yù)處理。Sentinel-2數(shù)據(jù)在ESA的圖像處理系統(tǒng)Sentinel Application Platform(SNAP)環(huán)境下基于Sen2Cor插件進(jìn)行了場景分類、大氣校正、產(chǎn)品格式轉(zhuǎn)換、運(yùn)行時(shí)的配置和并行處理等預(yù)處理。

對2種預(yù)處理后的影像選擇6個(gè)對應(yīng)波段，將相應(yīng)像元繪制散點(diǎn)圖，以對比2種影像的反射率是否存在差異(圖2)?？梢钥吹?，Landsat8和Sentinel-2影像在相應(yīng)波段的反射率呈現(xiàn)較好的一致性。不過，6個(gè)波段中，Sentinel-2影像的反射率相對于Landsat8影像總體上偏高，這可能是由于2種傳感器中心波長的細(xì)微差異及獲取日期和時(shí)刻上的細(xì)微差異所致。此外，還存在部分反射率差異較大的像元，表現(xiàn)為在散點(diǎn)圖上平行于2個(gè)坐標(biāo)軸分布的點(diǎn)。這些像元主要是由于云層出現(xiàn)在其中某一個(gè)影像上所致。因此，當(dāng)使用這些波段的反射率進(jìn)行水體指數(shù)計(jì)算時(shí)，對于云層像元，可能出現(xiàn)一些異常值，而對于正常的像元，2種影像計(jì)算的水體指數(shù)將不會出現(xiàn)太大的差異。

(a) 藍(lán)光波段 (b) 綠光波段 (c) 紅光波段

(d) 近紅外波段 (e) 短波紅外波段1 (f) 短波紅外波段2

圖2 Landsat8和Sentinel-2影像的6個(gè)對應(yīng)波段的反射率對比

Fig.2ComparisonofreflectanceofsixcorrespondingbandsbetweenLandsat8andSentinel-2

GF-1影像下載自遙感集市(www.rscloudmart.com)，成像時(shí)間為2016年9月20日。由于部分區(qū)域存在云層覆蓋現(xiàn)象，本研究只采用了湖區(qū)的部分區(qū)域作為精度驗(yàn)證的區(qū)域(見圖1中的綠色框)。

2 研究方法

2.1 水體指數(shù)法

2.1.1 NDWI

McFeeters[23]在1996年提出了NDWI，即

NDWI=(GREEN-NIR)/(GREEN+NIR) ，

(1)

式中：GREEN為綠光波段；NIR為近紅外波段。NDWI主要利用了在近紅外波段水體強(qiáng)吸收幾乎沒有反射而植被反射率很強(qiáng)的特點(diǎn)，通過抑制植被和突出水體用來提取影像中的水體信息，效果較好。但是由于NDWI只考慮了植被因素，忽略了建筑物和土壤這2個(gè)重要的地物，通過NDWI提取水體信息時(shí)由于綠光波段的反射率遠(yuǎn)遠(yuǎn)高于近紅外波段，所以提取結(jié)果往往混淆有土壤和建筑物信息。用NDWI提取城市水體時(shí)會有較多建筑物陰影的水體，效果較差。

2.1.2 MNDWI

在對NDWI分析的基礎(chǔ)上，Xu[28]對構(gòu)成該指數(shù)的波段組合進(jìn)行了修改，使用短波紅外波段(SWIR)替換了NDWI中的近紅外波段，提出了MNDWI，即

MNDWI=(GREEN-SWIR)/(GREEN+SWIR)。

(2)

建筑物等陰影在綠光和近紅外波段的波譜特征與水體相似，當(dāng)采用短波紅外波段替換近紅外波段時(shí)，可以使計(jì)算出的水體與建筑物指數(shù)的反差明顯增強(qiáng)，大大降低了二者的混淆程度，從而有利于城鎮(zhèn)中水體信息的準(zhǔn)確提取。Xu[28]將該指數(shù)分別對包含不同水體類型的遙感影像進(jìn)行了實(shí)驗(yàn)，大部分獲得了比NDWI更好的效果，實(shí)驗(yàn)還發(fā)現(xiàn)MNDWI比NDWI更能夠揭示水體微細(xì)特征，如懸浮沉積物的分布、水質(zhì)的變化等。

2.1.3 AWEI

Feyisa等[25]針對之前水體信息提取存在的分類精度低、閾值選取相對不固定等因素，利用Landsat TM影像進(jìn)行了實(shí)驗(yàn)，提出了AWEI，表達(dá)式為

AWEInsh=4(GREEN-SWIR1)/(0.25NIR+2.75SWIR2)，

(3)

AWEIsh=BLUE+2.5GREEN-1.5(NIR+SWIR1)-0.25SWIR2，

(4)

式中：BLUE為藍(lán)光波段；SWIR1和SWIR2為短波紅外波段。AWEInsh適用于沒有陰影的場景，而AWEIsh則是為了進(jìn)一步地剔除AWEInsh提取結(jié)果中易與水體信息混淆的陰影等地物，適用于陰影較多的場景。為了盡量達(dá)到更好的提取效果，本研究選用AWEIsh。

2.1.4 WI2015

WI2006是Danaher等[26]在2006年使用標(biāo)準(zhǔn)變量分析大氣表層發(fā)射率時(shí)創(chuàng)建的水體指數(shù)，利用Landsat7 ETM+影像每個(gè)波段的自然對數(shù)來反映反射系數(shù)和相互作用條件，已被應(yīng)用于澳大利亞東部濕地的提取。2015年，在WI2006的基礎(chǔ)上，F(xiàn)isher等[27]創(chuàng)建了新的水體指數(shù)WI2015，該指數(shù)使用LDAC作為確定最佳分割訓(xùn)練區(qū)類別的系數(shù)，提高了分類精度，其表達(dá)式為

WI2015=1.720 4+171GREEN+3RED-70NIR-45SWIR1-71SWIR2。

(5)

式中RED為紅光波段。

2.2 閾值分割

水體指數(shù)圖像可以突出水體與陸地其他地物之間的光譜差異，但是要提取水域邊界，還需要使用閾值對指數(shù)圖像進(jìn)行分割。理論上，上述4種水體指數(shù)提取水體的分割閾值均為0。但是，也有研究表明，實(shí)際中仍需要根據(jù)具體的場景，對閾值進(jìn)行一定調(diào)整，以達(dá)到最優(yōu)的分割效果[29-30]。為了更好地確定最優(yōu)閾值，可以結(jié)合同一區(qū)域更高空間分辨率的遙感影像和地形數(shù)據(jù)等輔助數(shù)據(jù)，通過反復(fù)的調(diào)整，盡量做到在提取出大部分水體的同時(shí)減少其他地物類別的誤提取，保證最佳的分割效果[31]。

2.3 水體提取結(jié)果對比

在水體指數(shù)圖像的基礎(chǔ)上，先后使用統(tǒng)一的0作為閾值和各自選用優(yōu)化的閾值對水體指數(shù)圖像進(jìn)行分割，得到Landsat8和Sentinel-2影像基于4種水體指數(shù)的水體分布。另外，由于Landsat8影像的空間分辨率為30 m，而Sentinel-2影像的空間分辨率為10 m，故先將Landsat8的水體分布使用最鄰近法重采樣至10 m。對不同的結(jié)果進(jìn)行疊置分析，得到對比結(jié)果，并對各類對比結(jié)果的像元進(jìn)行統(tǒng)計(jì)分析。

2.4 精度評價(jià)

精度評價(jià)是遙感監(jiān)測中重要的一步，也是檢驗(yàn)圖像信息的提取方法是否可靠的重要手段。水體提取即把研究區(qū)內(nèi)地物分為水體和非水體2類，所以采用圖像分類精度的方法對提取結(jié)果進(jìn)行評價(jià)。圖像分類精度評價(jià)一般是將分類結(jié)果與標(biāo)準(zhǔn)分類圖或地面實(shí)測值進(jìn)行比較，利用正確分類的百分比來確定分類的準(zhǔn)確程度。通常是建立混淆矩陣(或者稱為誤差矩陣)來計(jì)算各種分類精度指標(biāo)。本研究以GF-1影像目視解譯的湖泊水體邊界作為地面參考，分別對2種影像湖泊水體提取的結(jié)果進(jìn)行精度驗(yàn)證，建立混淆矩陣，計(jì)算錯(cuò)分率、漏分率、總體精度和Kappa系數(shù)等精度評價(jià)指標(biāo)。

3 結(jié)果與分析

3.1 水體指數(shù)圖像

圖3為基于Landsat8和Sentinel-2影像的4種水體指數(shù)圖像?？梢钥吹?，4種水體指數(shù)均能夠較好地突出水體與陸地之間的反差，水域的邊界已經(jīng)較為明顯。其中，MNDWI圖像上，水體與陸地之間的反差尤為強(qiáng)烈。

(a) Landsat8 NDWI (b) Landsat8 MNDWI (c) Landsat8 AWEIsh(d) Landsat8 WI2015

圖3-1 Landsat8和Sentinel-2的水體指數(shù)圖像

Fig.3-1WaterindeximagesofLandsat8andSentinel-2

(e) Sentinel-2 NDWI (f) Sentinel-2 MNDWI (g) Sentinel-2 AWEIsh(h) Sentinel-2 WI2015

圖3-2 Landsat8和Sentinel-2的水體指數(shù)圖像

Fig.3-2WaterindeximagesofLandsat8andSentinel-2

3.2 水體分布

為確定2種數(shù)據(jù)的分割閾值，選用0和經(jīng)目視調(diào)整優(yōu)化后的閾值對2種閾值的4個(gè)水體指數(shù)圖像進(jìn)行分割，結(jié)果分別如圖4和圖5所示，其中圖5(a)—(h)的閾值分別為-0.1，0.5，-0.13，-3，-0.02，0.1，-0.1和-2。

(a) Landsat8 NDWI (b) Landsat8 MNDWI (c) Landsat8 AWEIsh(d) Landsat8 WI2015

(e) Sentinel-2 NDWI (f) Sentinel-2 MNDWI (g) Sentinel-2 AWEIsh(h) Sentinel-2 WI2015

圖4 Landsat8和sentinel-2使用閾值0得到的水體分布

Fig.4WaterdistributionderivedfromLandsat8andSentinel-2using0asthethreshold

(a) Landsat8 NDWI (b) Landsat8 MNDWI (c) Landsat8 AWEIsh(d) Landsat8 WI2015

圖5-1 Landsat8和Sentinel-2使用自定義閾值得到的水體分布

Fig.5-1WaterdistributionderivedfromLandsat8andSentinel-2usingcustomizedthreshold

(e) Sentinel-2 NDWI (f) Sentinel-2 MNDWI (g) Sentinel-2 AWEIsh(h) Sentinel-2 WI2015

圖5-2 Landsat8和Sentinel-2使用自定義閾值得到的水體分布

Fig.5-2WaterdistributionderivedfromLandsat8andSentinel-2usingcustomizedthreshold

對比GF-1和Google Earth影像觀察各提取結(jié)果，可以發(fā)現(xiàn)圖4中部分區(qū)域存在比較明顯的錯(cuò)分(紅框)和漏分(綠框)； 而圖5中4種水體指數(shù)都可以較為準(zhǔn)確地將Landsat 8數(shù)據(jù)和Sentinel-2數(shù)據(jù)上的大部分水體提取出來。

3.3 不同傳感器提取效果對比

將圖5中基于4種水體指數(shù)分別從Landsat8和Sentinel-2提取的水體分布進(jìn)行疊加，結(jié)果如圖6所示。以L代表Landsat8數(shù)據(jù)的分類結(jié)果而S代表Sentinel-2數(shù)據(jù)的分類結(jié)果，圖中共產(chǎn)生了4種像元類型，分別為簡稱為L非水S非水、L水S水、L非水S水和L水S非水?？梢钥吹?，Landsat8與Sentinel-2的水體提取結(jié)果大致吻合，即類型為L水S水的像元占大多數(shù)。但是圖中也有局部的提取結(jié)果的差異，因此，我們結(jié)合原始的Landsat8和Sentinel-2影像，并配合參考GF-1和Google Earth影像對比觀察這些局部差異。4種指數(shù)提取結(jié)果中，紅框區(qū)域內(nèi)的紅色像元對應(yīng)L非水S水，是因?yàn)镾entinel-2數(shù)據(jù)在此區(qū)域有少量云的陰影，Sentinel-2將此部分錯(cuò)分為了水體。綠框區(qū)域內(nèi)的綠色像元對應(yīng)L水S非水，是因?yàn)镾entinel-2數(shù)據(jù)在此區(qū)域有少量云層覆蓋，云頂反射率較大，所以Sentinel-2將此部分水體錯(cuò)分為了非水體。黃框區(qū)域內(nèi)的綠色像元對應(yīng)L水S非水，經(jīng)過GF-1和Google Earth影像的對比觀察發(fā)現(xiàn)此部分為湖面上的一些藻類浮游植物，說明Sentinel-2在此處對水體的識別受影響較大。同時(shí)在GF-1影像上發(fā)現(xiàn)其他大部分片狀紅色像元(L非水S水)為已接近干涸的較淺過渡水域，說明對于這類水體，Sentinel-2數(shù)據(jù)的提取結(jié)果相對于Landsat8更為準(zhǔn)確。

(a) NDWI (b) MNDWI (c) AWEIsh(d) WI2015

圖6 Landsat8與Sentinel-2的水體分布疊加結(jié)果

Fig.6OverlappingmapsofwaterdistributionofLandsat8andSentinel-2

對圖6各類像元所占百分比進(jìn)行統(tǒng)計(jì)(表1)，可以看到，使用水體指數(shù)AWEIsh和WI2015時(shí)，從Landsat8和Sentinel-2影像得到的水體匹配率較高(分別為20.52%和19.91%)。而4種指數(shù)的總匹配率(2種影像像元類型判斷一致的像元比例)比較接近，均為96%左右，說明不論何種指數(shù)，均能夠在2種影像上較為一致地識別水體和非水體的范圍。

表1 疊加圖像各類像元所占百分比Tab.1 Superimposed image percentage of various types of pixels (%)

總體而言，L非水S水類像元占比均略高于L水S非水類占比，說明使用4種水體指數(shù)，Sentinel-2得到的水體像元相對多。

3.4 不同水體指數(shù)提取效果對比

分別將Landsat8和Sentinel-2數(shù)據(jù)4種水體指數(shù)得到的水體分布進(jìn)行疊加，對每種影像，均可得到一幅疊加圖像(圖7)，顯示各像元在幾種水體指數(shù)被探測為水體?？梢钥吹剑徽撌荓andsat8還是Sentinel-2數(shù)據(jù)，4種水體分布絕大部分都能有效地吻合，證明這些指數(shù)總體上均能夠有效地識別絕大部分的水體像元。將疊加結(jié)果與GF-1影像進(jìn)行對比觀察，發(fā)現(xiàn)除了云的影響，圖中4種水體指數(shù)探測為水體的這些區(qū)域在GF-1影像上基本上都為水體，圖中部分僅有1～3種水體指數(shù)探測為水體的區(qū)域在GF-1影像上大多是水體較淺或存在大量植被的區(qū)域，說明今后對這類區(qū)域的水體判讀需要更加謹(jǐn)慎。

(a) Landsat8影像 (b) Sentinel-2影像

圖7 Landsat8和Sentinel-2影像4種指數(shù)得到的水體分布的疊加結(jié)果

Fig.7OverlappingmapsoffourwaterindicesfromLandsat8andSentinel-2

表2為對圖7中的各類像元進(jìn)行統(tǒng)計(jì)的結(jié)果，可以看出Landsat8和Sentinel-2數(shù)據(jù)使用4種指數(shù)判讀為水體的一致性均較高。對于Landsat8，4種指數(shù)一致判讀為非水體(無指數(shù)探測為水)的像元和一致判讀為水體的像元(4種指數(shù)探測為水)共占95.22%，對于Sentinel-2，這一比例為95.71%。

表2 Landsat8和Sentinel-2影像4種水體分布疊加后的像元統(tǒng)計(jì)Tab.2 Statistics of superimposed pixel number for four indices from Landsat8 and Sentinel-2 (%)

3.5 精度評價(jià)結(jié)果

將用于驗(yàn)證的GF-1影像無云部分的全部像元通過目視解譯數(shù)字化為水體和非水體，得到的水體分布圖作為地面參考，對Landsat8及Sentinel-2影像基于4種指數(shù)得到的水體分布進(jìn)行精度評價(jià)，建立混淆矩陣，計(jì)算錯(cuò)漏分率、總體精度和Kappa系數(shù)等定量評價(jià)指標(biāo)(表3)。

表3 基于Landsat8和Sentinel-2影像的4種水體指數(shù)水體提取結(jié)果精度指標(biāo)Tab.3 Accuracy evaluation of four water extractionresults based on Landsat8 and Sentinel-2images using four water indices

通過表3可以看到，Sentinel-2數(shù)據(jù)水體提取結(jié)果的總體精度和Kappa系數(shù)整體要優(yōu)于Landsat8數(shù)據(jù)。2種影像數(shù)據(jù)下的錯(cuò)分率整體較低而漏分率較高，并且Landsat8數(shù)據(jù)的漏分率整體高于Sentinel-2數(shù)據(jù)。對比之前的疊置分析結(jié)果可以發(fā)現(xiàn)，Sentinel-2數(shù)據(jù)在水域較淺地方的提取效果要優(yōu)于Landsat8數(shù)據(jù)。水體指數(shù)NDWI和MNDWI的錯(cuò)分率相比AWEIsh和WI2015較低，漏分率則相反。4種水體指數(shù)中，不論對Landsat8還是Sentinel-2，NDWI的總體精度較低，MNDWI相比NDWI稍好，AWEIsh和WI2015的總體精度較高，在Landsat8和Sentinel-2數(shù)據(jù)上分別達(dá)到了94%和98%以上，提取效果較好。

4 結(jié)論

本文以枯水期的鄱陽湖為例，通過NDWI，MNDWI，AWEIsh和WI2015這4種水體指數(shù)對Sentinel-2和Landsat8影像的水體信息進(jìn)行了提取，通過對比得出以下結(jié)論：

1)對于Landsat8和Sentinel-2影像，使用這4種水體指數(shù)均可以成功地將研究區(qū)的大部分水體正確提取出來，輪廓明顯，邊界清晰。

2)4種水體指數(shù)使用統(tǒng)一閾值0的水體提取效果較差，部分區(qū)域存在較明顯的錯(cuò)漏分現(xiàn)象，使用優(yōu)化閾值提取的水體邊界則更為合理。

3)由于Sentinel-2影像空間分辨率較高，其水體提取的精度整體更高，但也更容易受一些其他因素影響，比如水面上的浮游藻類植物等而造成對水體的誤判。因此，對于2種影像上較淺或存在植被的水域，更應(yīng)謹(jǐn)慎選取合適的水體指數(shù)，以保證最佳的水體提取效果。

4)4種水體指數(shù)中，NDWI的總體精度較低，MNDWI比NDWI稍好，AWEIsh和WI2015的總體精度較高，在Sentinel-2和Landsat8數(shù)據(jù)上分別達(dá)到了98%和94%，提取效果較好。

5)Sentinel-2影像提取的水體細(xì)部信息更為明顯，對于較淺水域的提取更為準(zhǔn)確，整體提取效果優(yōu)于Landsat8影像。

6)Sentinel-2 MSI和Landsat8 OLI影像具有相近的光譜波段和空間分辨率，同樣免費(fèi)開放的數(shù)據(jù)政策、全球的覆蓋范圍以及相對適中的時(shí)空分辨率使它們成為目前主流的遙感數(shù)據(jù)源，對于區(qū)域尺度甚至全球尺度的地表覆蓋監(jiān)測具有極其重要的意義。本研究通過對比4種常用的水體指數(shù)在2種影像上的表現(xiàn)，為使用2種影像數(shù)據(jù)源進(jìn)行地表水動(dòng)態(tài)監(jiān)測、河流湖泊洪水淹沒分析等研究提供了有益的參考，希望能夠進(jìn)一步促進(jìn)2種數(shù)據(jù)在相關(guān)領(lǐng)域的應(yīng)用。