毛轉(zhuǎn)梅，劉 青，彭爾瑞，陳勁松，令志強

(1.云南農(nóng)業(yè)大學(xué)水利學(xué)院，昆明 650201；2.云南農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，昆明 650201)

地表水信息提取、水環(huán)境評估和監(jiān)測領(lǐng)域已經(jīng)普遍應(yīng)用衛(wèi)星遙感數(shù)據(jù)，且利用遙感信息數(shù)據(jù)構(gòu)建水體指數(shù)是地表水體信息提取中一種常見的方法。近年來許多學(xué)者集中于在水體指數(shù)的構(gòu)建與應(yīng)用做研究，聶亞文等[1]構(gòu)建了新型水體提取指數(shù)(MAWEI)并以4個地點為研究區(qū)進行了水體信息提??；吳佳平等[2]利用6種水體指數(shù)對黃河三角洲海岸進行了水體提取性能的研究；張永永等[3]構(gòu)建了新型的水體指數(shù)對濱海濕地水域并且對其進行了有效性驗證；Sharma等[4]利用MODIS數(shù)據(jù)提出了針對全球水體提取的水體指數(shù)SWI，據(jù)分析可知該水體指數(shù)能有效消除冰雪對提取的影響；Xie等[5]基于遙感數(shù)據(jù)研究了地表水體的水體指數(shù)提取方法；YANG等[6]基于歸一化水體指數(shù)NDWI研究了Sentinel-2多光譜影像的水體提取方法。水體指數(shù)法由于精確度高、簡單易操作且效果好，被國內(nèi)外學(xué)者廣泛地應(yīng)用于水體信息的提取，但是由于大多水體指數(shù)方法適用于平原地區(qū)，對山區(qū)流域水體提取存在精度較低的效果和針對典型巖溶山區(qū)的水體提取鮮少，所以提高巖溶山區(qū)流域水體信息提取精度有著重要的研究意義。

普者黑流域是典型的喀斯特巖溶湖泊濕地生態(tài)系統(tǒng)和典型的水體旅游濕地公園，近幾年針對普者黑流域的研究主要集中在濕地景觀格局[7]和風(fēng)險評價[8-11]方面，對濕地公園附近的流域水系信息提取的研究甚少。該地區(qū)發(fā)展旅游業(yè)，人為因素對其自然水域進行了干預(yù)使得地區(qū)的水系連通性發(fā)生了改變，研究如何更精準高效的提取普者黑流域水體信息對于科學(xué)管理普者黑濕地生態(tài)系統(tǒng)具有重要的理論意義和實際意義。

本文聚焦普者黑流域為研究區(qū)，基于Landsat 8 OLI影像采用3種常用的水體信息提取算法進行研究與比較從而針對普者黑山區(qū)流域特點構(gòu)建出一種新型混合水體指數(shù)NEWI。利用ENVI 5.3軟件和eCognition軟件平臺對Landsat 8 OLI遙感影像數(shù)據(jù)處理后，對NDWI指數(shù)、MNDWI指數(shù)和NEWI指數(shù)的水體信息提取效果進行水體與非水體的區(qū)分度和精度評價，來驗證NEWI指數(shù)的有效性，為有效提取普者黑流域水體信息提供一種可借鑒的方法。

1 研究區(qū)概況與數(shù)據(jù)源介紹

云南普者黑濕地公園位于丘北縣以北地區(qū)，地理坐標為24°3′53″～ 24°7′36″N，104°8′5″～ 104°9′3″E，位置處于滇東喀斯特高原地帶，屬于典型的喀斯特湖泊濕地生態(tài)系統(tǒng)。普者黑流域面積613 km2，有著細長、分散的特點，其水源補給主要來自濕地公園上游的設(shè)計庫容為5 370 萬m3的擺龍湖水庫、1 450 萬m3的丁家石橋水庫、360 萬m3的增產(chǎn)水庫和年平均容水量4 950 萬m3的八道哨河，水流通過普者黑省級自然保護區(qū)后流入濕地公園在經(jīng)過清水河南盤江后最終匯入珠江。近年來為了擴大水面，促進發(fā)展旅游資源人們在河流上修建大壩，阻斷了河流的連通性，導(dǎo)致水系結(jié)構(gòu)在一定程度上發(fā)生了變化。

本文數(shù)據(jù)來自于地理空間數(shù)據(jù)云平臺，選取云南省云量低于10% 的Landsat8 OLI影像，軌道號128/43，成像時間2017年12月20日，空間分辨率30 m，數(shù)據(jù)質(zhì)量能夠較好地反映地表信息；普者黑流域矢量圖選取云南省丘北縣的DEM數(shù)據(jù)，結(jié)合Google Earth影像并運用ArcGIS軟件的水文分析模塊處理得到；數(shù)據(jù)處理在ArcGIS10.6、ENVI5.3和eCognition中完成。

2 流域水體解譯標志建立

遙感影像特征R(紅)∶G(綠)∶B(藍)=5∶4∶3波段影像上藍色顯示為普者黑水域部分，結(jié)合目視解譯可以確定該區(qū)域3種水體類型(湖泊、河流、水庫)作為重點研究對象(表1為解譯標志，圖1藍色表示水體)，湖泊用來為研究水體指數(shù)在開闊水域的提取精度則選擇湖泊為研究對象，同理為研究水體指數(shù)在研究區(qū)域的完整性則選擇河流、水庫為研究對象。

表1 普者黑流域水體解譯標志Tab.1 Puzhehei river basin water interpretation symbol

3 研究方法

3.1 歸一化水體指數(shù)法

歸一化水體指數(shù)[13](Normalized Difference Water Index，NDWI)，其原理是應(yīng)用波段間比值來進行分類，具有與植被區(qū)分度高、歸一化等特點，是當(dāng)前適用性最好的水體指數(shù)法。NDWI定義為：

(1)

式中：Green為綠波段；NIR為近紅外波段。

在Landsat 8 OLI影像中，綠波段、近紅外波段分別對應(yīng)3波段和6波段；雖然NDWI能夠較準確的抑制植被反射信息，但對居民地等反射信息的抑制效果有待提升。

3.2 增強型水體指數(shù)法

改進歸一化水體指數(shù)(Modified Normalized Difference Water Index，MNDWI)是徐涵秋[14]修改了歸一化差異水體指數(shù)的波長組合后提出來的。MNDWI定義為：

(2)

式中：Green為綠光波段；MIR為中紅外波段。

在Landsat8 OLI影像中，綠光波段、中紅外波段分別為3、6波段；與NDWI相比，MNDWI能夠有效地抑制裸土和人工建設(shè)等方面的影響，故MNDWI對于水體提取效果較好，尤其在城鎮(zhèn)內(nèi)水體的提取更為適用。

3.3 改進的陰影水體指數(shù)ESWI

劉雙童等[15]基于陰影水體指數(shù)SWI模型，得到了ESWI決策樹法，這種方法是基于GF-2遙感影像的藍波、綠波和近紅外波段在水體表面反射率上顯現(xiàn)的不同特征，根據(jù)單波段閾值法與增強陰影水體指數(shù)法相結(jié)合的方法提出來的，公式如下：

(3)

式中：B1為藍波段；B2為綠波段；B4為近紅外波段。

在Landsat8 OLI影像中，藍波段、綠波段、近紅外波段分別為2、3、6波段。

3.4 構(gòu)建新型混合水體指數(shù)NEWI

NDWI、MNDWI和ESWI三種水體指數(shù)法很難利用單一閾值法來明確破碎水域的區(qū)域，因為單個像元進行的數(shù)學(xué)運算對于不同類型的破碎水域，其像元的數(shù)值變化程度較大，因此提取破碎水域的難度較高。本研究利用Landsat 8 OLI遙感數(shù)據(jù)，由于巖溶地區(qū)普者黑流域水體信息提取易受地類陰影的影響特點，為了增強水體與地類陰影的差異，對NDWI和ESWI進行數(shù)學(xué)關(guān)系計算，經(jīng)過重復(fù)試驗構(gòu)建了一種新型混合水體指數(shù)NEWI，即：

(4)

式中：NDWI為歸一化水體指數(shù)；ESWI為改進的陰影水體指數(shù)。

3.5 水體提取結(jié)果精度分析

為了對新型水體指數(shù)NEWI的精度進行驗證，在研究區(qū)利用NDWI、MNDWI和NEWI三種水體指數(shù)進行試驗驗證。因為不僅要區(qū)分不同指數(shù)法對水體與其他地物的區(qū)分程度[16]，還由于各指數(shù)的計算公式差異和量綱不同，導(dǎo)致采用方差等統(tǒng)計量的計算結(jié)果差異較大。所以研究采用區(qū)分度指標來對各指數(shù)的提取精度進行驗證來表達各類地物均值差異，其計算公式如下：

(5)

式中：DD為區(qū)分度；WIX，WIY為表示待區(qū)分的2種類型的均值。

DD是對待區(qū)分的2種類型地物之間的差異性反映，其數(shù)值越低表明二者的分離程度越低，反之則越高。

4 結(jié)果與分析

4.1 水體提取結(jié)果

采用NDWI、MNDWI和NEWI三種水體指數(shù)和閾值法對普者黑流域水體信息進行提取(圖2)。比較3種指數(shù)的提取結(jié)果可知：圖2中黑色區(qū)域為提取的水體信息，灰色區(qū)域為非水體信息。對于水域的整體性，3個指數(shù)的提取結(jié)果都較好，但NEWI提取的結(jié)果邊界更加清晰，避免了大量非水體地物的提取。湖泊等破碎水域的水體分布相對比較分散且面積小，區(qū)域不易劃分。如坑塘等分布復(fù)雜的背景，極大影響了水體提取的精度，NDWI和MNDWI不能夠完整的分離水體與各種地類陰影，提取出的不規(guī)則水域周圍有大量非水體覆蓋，NEWI能明顯的顯示輪廓，剔除了周圍的大量非水體信息。對水庫和河流而言，NEWI指數(shù)的提取效果最佳，NDWI指數(shù)和MNDWI指數(shù)都沒有剔除非水體地物的信息，而且MNDWI指數(shù)的錯分現(xiàn)象比較嚴重。

4.2 不同地物類型的水體指數(shù)值比較

結(jié)合圖1和圖2可以看出：水庫與河流區(qū)域相對于湖泊而言，與其他地類的分界線比較明顯，對于細長且破碎的湖泊區(qū)域水體，其關(guān)鍵在于能否有效分離水域及水域周邊植被。因此，論文以水體與水體周圍(或水域中間)的植被為研究對象，提取水體、植被2 種主要的地物類型樣本總共40個，依次計算NDWI、MNDWI和NEWI三種水體指數(shù)，并將其計算的結(jié)果的值域拉伸到0～35，對比指數(shù)數(shù)值的變化(圖3)。

結(jié)合圖3對破碎湖泊和周邊植被區(qū)域的提取結(jié)果來看：區(qū)分度最顯著的是NEWI，但是NDWI和MNDWI的數(shù)值都有一定程度的重疊。其中MNDWI的區(qū)分度最弱，這就會導(dǎo)致對湖泊中坑塘的識別錯誤率高，零散的坑塘面積較小且分布零散，易受周圍植被分布的影響較大，MNDWI能夠有效抑制建筑物和土壤的影響，但是不能精確的從豐富的植被中提取到水體，并且提取的像元結(jié)果雜亂無章，從而造成很多像元沒有很好地識別出來；NDWI的水系和植被的區(qū)分度相對較差，指數(shù)值差異較小，由于NDWI是學(xué)者在歸一化植被指數(shù)(NDVI)的基礎(chǔ)上得到的水系提取算法，所以在提取水體的過程中可以有效地過濾掉大量植被的影響；2個地物類型間NEWI數(shù)值差異最大且NEWI對于2種地物類型提取的準確度均比其他2個指數(shù)高，尤其對破碎湖泊的邊界和坑塘水體信息的提取，與實際情況最為符合且分布均勻有序。

4.3 區(qū)分度計算

水體提取也易受地物陰影的影響，以破碎湖泊水域區(qū)為例，運用eCognition軟件對提取后的影像進行分割，從3個水體指數(shù)的結(jié)果影像中隨機挑選25個水體樣點和周邊25個地物陰影樣點，在分別計算25個樣點像素的指數(shù)平均值后得到3種指數(shù)對破碎湖泊水域的區(qū)分程度。從表2可以看出：NEWI的區(qū)分度高達25.3%均大于MNDWI的區(qū)分度(15.9%)和NDWI的區(qū)分度(17.5%)，說明通過NEWI指數(shù)的增強后能夠有效提高破碎水域水體的提取精度。

表2 各指數(shù)區(qū)分度Tab.2 Each index to distinguish degrees

4.4 精度驗證

分別選取水體和非水體各100個樣點為驗證樣本，并且運用谷歌地球等高空間分辨率影像轉(zhuǎn)繪部分樣點對NDWI、MNDWI和NEWI三種水體指數(shù)進行精度評價，據(jù)結(jié)果可知NEWI對流域的水體與非水體的精度評價最高且總體精度高達88.83%，高于MNDWI(81.93%)和NDWI(87.10%)，NEWI的Kappa系數(shù)為0.76，也高于指數(shù)MNDWI(0.64)和NDWI(0.74)。

表3 各指數(shù)精度驗證Tab.3 Each index accuracy verification

5 結(jié) 論

本文基于Landsat 8 OLI影像數(shù)據(jù)，利用歸一化水體指數(shù)NDWI，改進的歸一化水體指數(shù)MNDWI，改進的陰影水體指數(shù)ESWI分別對普者黑山區(qū)流域進行了水體信息提取，結(jié)合數(shù)學(xué)運算依據(jù)山區(qū)流域特點提出了一種混合新型水體指數(shù)NEWI，對NDWI、MNDWI和NEWI三種指數(shù)進行提取結(jié)果的比較，得出下面結(jié)論：

(1)運用NDWI、MNDWI和NEWI對普者黑流域的河流、水系、湖泊3種類型進行水體信息提取，從流域的整體和局部提取結(jié)果來看，新型混合水體指數(shù)NEWI提取效果優(yōu)于NDWI和MNDWI，NEWI提取的結(jié)果邊界更加清晰，避免了大量非水體地物和陰影的提取。

(2)針對水體與植被重疊區(qū)域，進行不同地物類型的水體指數(shù)值比較，以水體與水體周邊或中間植被為研究地物類型，其比較結(jié)果中NEWI對2種水體類型提取效果優(yōu)于另外2個指數(shù)，且提取邊界清晰光滑。以地物陰影和非水體為對象，對NDWI、MNDWI和NEWI進行區(qū)分度和精度分析來驗證水體指數(shù)有效性，3種水體指數(shù)的有效性高低依次為：新型混合水體指數(shù)NEWI(區(qū)分度25.3%，總體精度88.83%，Kappa系數(shù)0.76)>歸一化水體指數(shù)NDWI(區(qū)分度17.9%，總體精度87.10%，Kappa系數(shù)0.74)>改進的歸一化水體指數(shù)MNDWI(區(qū)分度15.6%，總體精度81.93%，Kappa系數(shù)0.64)。

(3)NEWI指數(shù)對于破碎水域的水體提取精度最高，并且相對于基于復(fù)雜數(shù)學(xué)理論的分類提取過程而言，該指數(shù)的操作相對簡單，易于推廣，并且能夠較好地提高巖溶破碎區(qū)的水系提取和水域?qū)崟r監(jiān)測的精度。

□