李興亮
(黔西南州水利電力勘測(cè)設(shè)計(jì)院,貴州 興義 562400)
河流是指由一定區(qū)域內(nèi)地表水和地下水補(bǔ)給,經(jīng)常或間歇地沿著狹長(zhǎng)凹地流動(dòng)的水流,河流湖泊作為陸地水圈的重要組成部分,在全球生態(tài)環(huán)境中扮演著重要角色。河流是地球上水文循環(huán)的重要路徑,參與自然界的水分循環(huán),是泥沙、鹽類和化學(xué)元素等進(jìn)入湖泊、海洋的通道。河流位置、水面寬度、水位及水儲(chǔ)量等信息的變化是區(qū)域甚至全球氣候變化的重要指示因子,是氣候變化、生態(tài)環(huán)境研究的主要對(duì)象之一[1-3]。
河流網(wǎng)作為流域地形特征的基本骨架在地理信息系統(tǒng)(GIS)中占據(jù)重要地位,也發(fā)揮著重要作用。河流在不同時(shí)期、不同環(huán)境中的狀態(tài)各不相同。遙感技術(shù)具有時(shí)效性強(qiáng)、數(shù)據(jù)獲取簡(jiǎn)單、大面積同步觀測(cè)等優(yōu)勢(shì),是目前河流湖泊面積、水位等研究的主要數(shù)據(jù)源,國(guó)內(nèi)外學(xué)者基于此開展了許多有意義的工作[4]。
傳統(tǒng)的河流提取為人工數(shù)字化[5-6],需要大量的野外調(diào)研與人力物力投入,時(shí)效性低。遙感憑借大面積同步觀測(cè)的優(yōu)勢(shì),是目前河流湖泊等研究的主要數(shù)據(jù)源。水體在遙感影像中具有顯著的光譜特征,在可見光波段有較強(qiáng)的反射,在近紅外波段有較強(qiáng)的吸收,這種特征主要依賴所使用的光譜波段,與傳感器無關(guān)。
從遙感影像中提取湖泊邊界的單一波段閾值法采用了水體在近紅外波段的吸收特征[7],如利用Landsat8 影像近紅外波段進(jìn)行影像分割[8],得出水體區(qū)域;波段比值法和水體指數(shù)法考慮了水體在可見光波段和近紅外波段的反射、吸收特性,以更好地分開水體與其他地物[9],如徐涵秋等利用改進(jìn)的歸一化水體指數(shù)進(jìn)行水域提取,較容易提取出水體及剔除建筑陰影部分;影像分類方法也可較好提取水體信息,除基于水體光譜特征的方法,基于圖像紋理特征的方法也用在高空間分辨率全色遙感影像水體邊界的提取中。
目前高空間分辨率遙感影像已廣泛應(yīng)用于河流的提取與變化分析中,如Landsat、SPOT,以及中低分辨率影像MODIS 等數(shù)據(jù),本文基于近年興起的哨兵2多光譜影像(Sentinel-2)進(jìn)行河流的遙感提取,以達(dá)到快速準(zhǔn)確獲取河流信息的目的。
哨兵2 是高分辨率多光譜成像衛(wèi)星,攜帶一枚多光譜成像儀(MSI),分為2A 和2B 兩顆衛(wèi)星。哨兵2影像具有重訪周期短(5 ~10 天)、覆蓋范圍廣、波段多、分辨率高等優(yōu)點(diǎn)[10],用于陸地監(jiān)測(cè),可提供植被、土壤和水覆蓋、內(nèi)陸水路及海岸區(qū)域等圖像。哨兵2 衛(wèi)星攜帶的高分辨率多光譜成像裝置主要用于土地環(huán)境監(jiān)測(cè),可提供土壤覆蓋狀況、陸地植被生長(zhǎng)、內(nèi)河和沿海區(qū)域環(huán)境等信息,不僅為改善農(nóng)林業(yè)種植、預(yù)測(cè)糧食產(chǎn)量提供宏觀信息,還可用于監(jiān)測(cè)洪水、火山噴發(fā)、山體滑坡等自然災(zāi)害。哨兵2A 和2B 同時(shí)進(jìn)入運(yùn)行狀態(tài)后,每5 天可完成一次對(duì)地球赤道地區(qū)的完整成像,對(duì)于緯度較高的歐洲地區(qū),這一周期僅需3 天。哨兵2 多光譜衛(wèi)星具有13 個(gè)波段,具體波段信息如表1 所示。
哨兵影像數(shù)據(jù)處理主要包括輻射定標(biāo)、大氣校正、格式轉(zhuǎn)換等。哨兵數(shù)據(jù)的處理軟件主要為Sen2cor、SNAP、ENVI、ArcMap。
表1 哨兵2波段信息
下載哨兵2 多光譜影像2 級(jí)反射率產(chǎn)品L2A 數(shù)據(jù),對(duì)原始數(shù)據(jù)進(jìn)行解壓,然后在SNAP 軟件中的Sen2cor模塊進(jìn)行影像波段重采樣,重采樣至10 米,輸出后導(dǎo)入ENVI 軟件,采用layer stacking 功能,將重采樣至10 米的單波段影像進(jìn)行重組,最終得到哨兵2 多光譜影像,效果如圖1 所示。
圖1 哨兵2影像預(yù)處理效果
采用哨兵影像,基于分類與反演手段對(duì)天然河流及人工河流進(jìn)行提取,馬別河流域數(shù)字線劃圖如圖2所示。采用遙感分類與反演方法進(jìn)行河流信息提取,能避免測(cè)繪手段單一、容易產(chǎn)生錯(cuò)誤識(shí)別、漏識(shí)別等缺點(diǎn),具有融合兩種手段對(duì)水域信息進(jìn)行計(jì)算等優(yōu)勢(shì)。
(1)遙感分類
遙感分類是利用計(jì)算機(jī)對(duì)遙感圖像中的各類地物進(jìn)行光譜信息和空間信息分析,計(jì)算機(jī)自動(dòng)選擇特征,然后將像元按照特定的規(guī)則或算法劃分類別,最終實(shí)現(xiàn)遙感圖像的分類。常用的分類方法為監(jiān)督分類與非監(jiān)督分類,相對(duì)于非監(jiān)督分類的聚類分析,監(jiān)督分類又稱訓(xùn)練場(chǎng)地法,是以建立統(tǒng)計(jì)識(shí)別函數(shù)為基礎(chǔ)、依據(jù)典型樣本訓(xùn)練方法進(jìn)行分類的方法,根據(jù)提供的研究區(qū)樣本,選擇特征參數(shù),求出特征參數(shù)作為分類規(guī)則,建立判別函數(shù)對(duì)影像進(jìn)行分類。
本研究將影像影本劃分為水域、植被覆蓋區(qū)域、其他區(qū)域三類,并勾畫樣本。勾畫樣本時(shí)應(yīng)在地物清晰位置,將樣本勾畫在地物中央,樣本內(nèi)沒有混合像元。研究采用航天宏圖PIE 軟件面向?qū)ο蠖喑叨确指钸M(jìn)行水域提取,首先對(duì)影像進(jìn)行多尺度分割,將相似像元分割成一類 ;在分割基礎(chǔ)上進(jìn)行樣本勾選,勾選出水域、植被覆蓋區(qū)域、其他區(qū)域三類,然后將樣本帶到分類器中。研究采用監(jiān)督分類中精度最高的支持向量機(jī)分類法,對(duì)分類結(jié)果進(jìn)行小斑塊剔除等后處理,最終得到高精度的河流信息。
(2)遙感反演
針對(duì)水域信息的提取,本文選取研究較多、應(yīng)用較廣泛的歸一化差分水指數(shù)NDWI(Normalized Difference Water Index)進(jìn)行水域提取,該指數(shù)是用遙感影像的特定波段進(jìn)行歸一化差值處理,以凸顯影像中的水體信息。該指數(shù)是基于綠波段與近紅外波段的歸一化比值指數(shù),指數(shù)在河流提取上也具有較好的應(yīng)用。歸一化差分水體指數(shù)(NDWI)計(jì)算公式如下:
圖2 馬別河流域數(shù)字線劃圖
采用基于真彩色合成的哨兵2 多光譜影像勾畫的樣本,對(duì)影像進(jìn)行分類,經(jīng)過多次調(diào)整樣本數(shù)量以及樣本位置,最終的分類結(jié)果如圖3(a)所示,圖中紅色部分為水域、青色部分為植被覆蓋區(qū)域、藍(lán)色為其他區(qū)域。由圖3(a)可知,基于監(jiān)督分類的方法進(jìn)行水域提取,效果較好,影像中的河流信息可完全分類識(shí)別出來,且未出現(xiàn)斷流現(xiàn)象,同時(shí)影像中較小且較多的湖泊水塘,也有很好的識(shí)別與分類。
對(duì)分類結(jié)果進(jìn)行后處理,剔除分類過程中由混合像元引起的小斑塊,降低分類誤差,然后對(duì)后處理后的分類結(jié)果進(jìn)行矢量化,矢量化后的結(jié)果如圖3(b)所示。對(duì)矢量化后的河流進(jìn)行渲染,由圖可知河流信息整體被分類出來,并且河流信息符合自然分布規(guī)律。
圖3 遙感分類結(jié)果
采用歸一化水體指數(shù)進(jìn)行水體的反演與提取,效果如圖4 所示,基于反演手段的水域信息提取,相對(duì)于分類手段,以反演手段直接計(jì)算每個(gè)像元的信息,通過波段的線性與非線性組合,將水體信息在反演結(jié)果中放大并反映出來,相較于分類手段,反演手段較好地避免了混合像元等錯(cuò)誤信息的引導(dǎo)。圖4(a)中藍(lán)色部分為反演顯示的水域信息,圖4(b)為通過反演手段與閾值提取的水體邊界信息。由圖可知,水體信息的反演整理效果很好,河流呈現(xiàn)連續(xù)分布,并且較小的湖泊水塘在反演的NWDI 圖上也有很好顯示。
圖4 水體反演效果
研究采用基于預(yù)處理后的影像采集地物點(diǎn)位,用這些點(diǎn)位驗(yàn)證遙感分類與遙感反演的結(jié)果,結(jié)果如下:
(1)遙感分類驗(yàn)證
針對(duì)遙感分類的驗(yàn)證,基于預(yù)處理后的影像采集水域、植被覆蓋區(qū)域、其他區(qū)域三種類型的地物點(diǎn)位,每個(gè)地物類別采集10 個(gè)點(diǎn)位,用這些點(diǎn)位對(duì)分類結(jié)果進(jìn)行驗(yàn)證。驗(yàn)證結(jié)果如表2 所示。
表2 遙感分類精度驗(yàn)證
由表2 可知,遙感分類方法提取水域信息的精度驗(yàn)證結(jié)果顯示,10 個(gè)點(diǎn)位均分類正確,即水體信息提取精度達(dá)到100%;植被覆蓋地區(qū)10 個(gè)點(diǎn)位驗(yàn)證結(jié)果中1 個(gè)點(diǎn)位分類錯(cuò)誤,驗(yàn)證精度為90%;其他地區(qū)10 個(gè)點(diǎn)位驗(yàn)證結(jié)果中1 個(gè)點(diǎn)位分類錯(cuò)誤,驗(yàn)證精度為90%;植被覆蓋區(qū)域與其他區(qū)域存在交互混合、過渡較明顯的形態(tài)分布,容易造成錯(cuò)分現(xiàn)象,即植被覆蓋地區(qū)與其他地區(qū)識(shí)別顛倒,在遙感上稱為混合像元引起的分類錯(cuò)誤。
(2)遙感反演驗(yàn)證
采用散點(diǎn)圖的形式描述反演精度,由圖5 可知,遙感反演方法提取水域信息的精度驗(yàn)證結(jié)果均在y=x線上,即每個(gè)驗(yàn)證樣本均落在反演結(jié)果中,即反演方法提取水域的精度達(dá)到了100%。
圖5 遙感反演精度驗(yàn)證
本研究基于哨兵2 多光譜影像提取河流信息,提出了分類與反演相結(jié)合的方法對(duì)河流信息進(jìn)行高精度提取,基于研究得出以下結(jié)論:
(1)哨兵2 多光譜影像具有重訪周期短、覆蓋范圍廣、影像波段信息豐富等優(yōu)點(diǎn),為提取河流信息提供重要的數(shù)據(jù)支撐。
(2)基于遙感分類手段的河流提取精度很高,河流呈連續(xù)狀態(tài)分布,研究區(qū)水域的分類精度達(dá)100%,且植被區(qū)域與其他區(qū)域分類精度也較好,均為90%。
(3)基于遙感反演手段的河流提取同樣具有很高精度,反演手段從光譜信息中準(zhǔn)確識(shí)別出水域信息并反映出來,河流信息符合自然規(guī)律且未出現(xiàn)斷流現(xiàn)象。
基于哨兵2 影像的河流信息提取雖然有較好的應(yīng)用性,但仍有較多不足之處,如水域污染較嚴(yán)重的區(qū)域,光譜信息相差較大,遙感手段的分類與反演容易出現(xiàn)錯(cuò)分漏分、錯(cuò)誤識(shí)別的現(xiàn)象;同時(shí)遙感影像的像元分辨率的大小直接限制了遙感分類與反演能識(shí)別出的最小河流信息。因此,基于大力發(fā)展國(guó)產(chǎn)衛(wèi)星傳感器、提高衛(wèi)星影像分辨率的背景,今后在河流湖泊等水域信息的提取理論方面,仍有很長(zhǎng)的科研道路要走。