基于GF-1 號(hào)遙感影像的微小水體信息提取研究
——以岔口流域?yàn)槔?/h1>
2021-04-10 01:07:20鄭心玥郭青霞
湖北農(nóng)業(yè)科學(xué) 2021年5期
鄭心玥，郭青霞
（山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷 030801）
淤地壩是在水土流失較嚴(yán)重地區(qū)修建的以攔泥淤地為目的的建筑物，一條溝內(nèi)修建多個(gè)淤地壩是中國(guó)黃土高原水土流失嚴(yán)重地區(qū)重要而獨(dú)特的治溝工程體系。位于黃土高原溝壑區(qū)的岔口流域受水力侵蝕、重力侵蝕影響大，水土流失潛在風(fēng)險(xiǎn)大。為改善岔口小流域生態(tài)環(huán)境，自2003 年以來(lái)流域共修建了70 多座淤地壩，雖然淤地壩起到了攔泥淤地的作用，但因部分淤地壩排水設(shè)施不完善，積水排出不暢，改變了流域的水環(huán)境，也引發(fā)了土地鹽堿化等生態(tài)環(huán)境問(wèn)題，因此為該地區(qū)找到水體提取相對(duì)理想的方法，成為防范流域水土流失問(wèn)題、進(jìn)一步完善維護(hù)淤地壩、修復(fù)流域生態(tài)環(huán)境的關(guān)鍵環(huán)節(jié)。
基于衛(wèi)星遙感技術(shù)，開(kāi)展快速、準(zhǔn)確的水體提取、獲取其時(shí)空分布特征、直觀顯示動(dòng)態(tài)變化和發(fā)展規(guī)律，是水體提取研究的重要方法［1］。國(guó)內(nèi)外學(xué)者利用光學(xué)遙感技術(shù)進(jìn)行水體信息提取時(shí)使用的數(shù)據(jù)源也多種多樣，如MODIS 數(shù)據(jù)、Landsat 系列數(shù)據(jù)、Sentinel-2 數(shù)據(jù)、國(guó)產(chǎn)GF-1 數(shù)據(jù)等。目前依附于光學(xué)遙感影像進(jìn)行水體信息的提取方法也呈現(xiàn)多樣化趨勢(shì)，分為以下兩大類：（1）根據(jù)地物光譜特征的不同進(jìn)行水體提取，主要機(jī)理是利用水體和其他地物在不同波段吸收、反射率的不同，將影像的不同波段進(jìn)行組合，不斷增強(qiáng)水體與其他地物間的光譜差異，以此突出水體信息，抑制非水體信息［2］。包括單波段閾值法、多波段普間關(guān)系法、水體指數(shù)法，其中水體指數(shù)法應(yīng)用更為廣泛。劉雙童等［3］基于GF-2 號(hào)衛(wèi)星影像對(duì)單波段閾值法及不同水體指數(shù)法提取的水體效果進(jìn)行了對(duì)比分析。Gudina 等［4］在驗(yàn)證自動(dòng)水體提取指數(shù)（Automated Water Extraction Index with no shadow，AWEIsh）的有效性時(shí)，發(fā)現(xiàn)具有高反射率的地表可能被錯(cuò)分為水。徐涵秋［5］在歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）的基礎(chǔ)上對(duì)構(gòu)成該指數(shù)的波長(zhǎng)組合進(jìn)行了修改，提出了改進(jìn)的水體指數(shù)（Modified Normalized Difference Water Index，MNDWI），并取得了較好的水體提取效果。王小標(biāo)等［6］以秦淮河流域?yàn)樵囼?yàn)區(qū)，在水體、低反射率地表和其他地表純凈像元平均反射率基礎(chǔ)上構(gòu)建MBWI（Multi-Band Water Index）這個(gè)新的水體指數(shù)，并在不同環(huán)境下測(cè)試了該指數(shù)提取的準(zhǔn)確度和適應(yīng)性。（2）分類法，主要包括支持向量機(jī)（Sup?port Vector Machine，SVM）法、面向?qū)ο蠓ê蜎Q策樹(shù)法；SVM 法是影像中信息分類精度較高的方法，SVM 具有良好的空間維屬性，Desheng 等［7］基于SVM構(gòu)建的單時(shí)相迭代分類算法（Iterated Conditional Mode，ICM）可以同時(shí)提取分類和變化信息。面向?qū)ο蟮奶崛》椒ㄊ峭ㄟ^(guò)影像分割技術(shù)，按一定尺度將影像分割成許多的圖斑對(duì)象即影像的基本分析單元，然后利用模型進(jìn)行水體提取，Herrera-Cruz 等［8］基于面向?qū)ο蟮姆椒?，?shí)現(xiàn)了兩個(gè)不同區(qū)域的洪水淹沒(méi)范圍及快速制圖，表明基于面向?qū)ο蟮姆椒ㄔ诤樗O(jiān)測(cè)和快速制圖方面具有一定的潛力。決策樹(shù)法是機(jī)器學(xué)習(xí)中的常用算法，它是一個(gè)樹(shù)結(jié)構(gòu)（二叉樹(shù)或非二叉樹(shù)），構(gòu)造決策樹(shù)的關(guān)鍵步驟是分裂屬性，其中最著名的算法是ID3 系列。都金康等［9］利用SPOT 4 影像，采用決策樹(shù)模型提取了山區(qū)水體信息并結(jié)合形狀指數(shù)剔除了提取后的陰影。
盡管水體提取方法種類較多，應(yīng)用較廣，大多數(shù)方法也取得了相對(duì)理想的提取效果，但由于遙感影像的分辨率、研究區(qū)的地面特征等方面存在差異，同一方法也不可能適用于所有的情況，必須根據(jù)研究區(qū)域的特點(diǎn)、遙感影像特征等多方面進(jìn)行綜合研究探討［10］。中國(guó)是一個(gè)多山的國(guó)家，這些地區(qū)地形起伏或植被覆蓋程度較高，遙感影像中不可避免地存在一些陰影，一些地區(qū)還存在或多或少的變形，這些因素都會(huì)對(duì)水體的提取造成困擾［11］。黃土高原地區(qū)土地利用類型較為單一，以裸地、農(nóng)用地為主，地勢(shì)起伏較大，從遙感影像看，影像中溝壑陰影較多，此外，該地區(qū)水體以微小水體為主，微小水體是水系的毛細(xì)血管，一般具有匯水面積小、周邊空間封閉、水體流動(dòng)性差、分布零散、管理監(jiān)督易被忽視的特點(diǎn)。地處黃土高原溝壑區(qū)的岔口流域水庫(kù)面積與壩地匯水面積均較小，呈細(xì)條狀，由于淤地壩的存在壩地水體并不是大面積連片分布，而是斷斷續(xù)續(xù)分布在溝內(nèi)，同時(shí)水中泥沙含量較大，導(dǎo)致水體的光譜信息減弱，水體提取尤其是壩地水體提取難度相比其他地區(qū)要大得多。程磊等［12］以Landsat TM 遙感影像為數(shù)據(jù)源運(yùn)用單波段閾值法、NDWI、CIW、MND?WI 4 種方法對(duì)黃土高原固原市周邊壩地水體進(jìn)行了提取研究，結(jié)果表明由于黃土高原識(shí)別水體具有較大的復(fù)雜性，使用的遙感影像分辨率不高，以上4種方法提取精度均不高。因此有必要進(jìn)一步研究不同遙感影像下黃土高原水體提取的方法，為壩系的完善和生態(tài)環(huán)境的修復(fù)提供合理建議。
隨著中國(guó)衛(wèi)星遙感技術(shù)的快速發(fā)展，衛(wèi)星遙感影像的分辨率得到了較大提升，將國(guó)產(chǎn)高分辨率影像作為基礎(chǔ)數(shù)據(jù)進(jìn)行小流域微小水體或其他地類信息提取的探討具有前沿性。本研究選取2016 年9 月1 日GF-1 號(hào)國(guó)產(chǎn)衛(wèi)星遙感影像作為數(shù)據(jù)源，選擇位于黃土高原溝壑區(qū)的岔口流域作為研究區(qū)，分別采用NDWI、SWI 決策樹(shù)、SVM 支持向量機(jī)3 種不同的方法對(duì)水體進(jìn)行提取研究，并對(duì)提取效果進(jìn)行對(duì)比探討，為流域淤地壩水體的提取提供建議，為流域水體動(dòng)態(tài)監(jiān)測(cè)提供技術(shù)支持。
1 研究區(qū)概況
岔口流域地處山西省西南部黃土丘陵溝壑區(qū)，是永和、隰縣與石樓三縣接壤地帶（圖1），位于東經(jīng)110°38'01″—110°50'02″，北緯36°47'26″—36°57'14″。流域總面積131.9 km2。流域汛期為6—9 月。水力侵蝕和重力侵蝕是主要侵蝕形式，水土流失面積達(dá)113.0 km2。流域內(nèi)梁峁起伏，溝壑縱橫，地形復(fù)雜，具有黃土侵蝕溝道發(fā)育的特點(diǎn)，壩系工程是治理流域水土流失的主要方式，2003 年壩系工程建設(shè)以來(lái)新建淤地壩70 座，形成了較為完整的壩系。流域內(nèi)水體以壩地水體和水庫(kù)為主，其主要特點(diǎn)是水體面積小、其他地物陰影干擾嚴(yán)重等。
圖1 研究區(qū)遙感影像
2 數(shù)據(jù)來(lái)源及預(yù)處理
2.1 數(shù)據(jù)及來(lái)源
高分一號(hào)（GF-1）衛(wèi)星是中國(guó)高分辨率對(duì)地觀測(cè)系統(tǒng)的第一顆衛(wèi)星，它搭載了兩臺(tái)2 m 全色、8 m多光譜分辨率相機(jī)，四臺(tái)16 m 分辨率多光譜相機(jī)，回歸周期4 d，具有高時(shí)空分辨率。本研究選用的GF-1 號(hào)衛(wèi)星遙感影像，數(shù)據(jù)來(lái)源于中國(guó)資源衛(wèi)星應(yīng)用中心，成像時(shí)間是2016 年9 月1 日（此時(shí)流域處于汛期，水量相對(duì)充足），無(wú)云覆蓋，軌道圈號(hào)18061，傳感器類型PMS2，傳感器參數(shù)如表1 所示。
表1 GF-1 衛(wèi)星PMS2 傳感器參數(shù)
2.2 數(shù)據(jù)預(yù)處理
為保證水體提取結(jié)果的準(zhǔn)確度，利用ENVI 5.3對(duì)GF-1 號(hào)影像數(shù)據(jù)進(jìn)行了預(yù)處理，主要包括多光譜數(shù)據(jù)的輻射定標(biāo)、大氣校正、正射校正、研究區(qū)裁剪，全色數(shù)據(jù)的輻射定標(biāo)、正射校正、研究區(qū)裁剪，最后將空間分辨率為2 m 的全色數(shù)據(jù)與空間分辨率為8 m 的多光譜數(shù)據(jù)進(jìn)行影像融合和影像細(xì)節(jié)信息增強(qiáng)。
3 研究方法
3.1 地物光譜特性分析
對(duì)比研究區(qū)3 種地物光譜曲線，發(fā)現(xiàn)水體的反射率總體較低，并且在近紅外波段（B4）與亮色地物反射率形成了較大的反差，因此可利用在近紅外波段二者反射率差異區(qū)分亮色地物與水體；而水體與陰影反射率差異較小，并在紅外波段（B3）兩者出現(xiàn)了相交點(diǎn)，容易造成陰影被誤提成水體的現(xiàn)象，從而導(dǎo)致提取結(jié)果不準(zhǔn)確。進(jìn)一步觀察水體和陰影的反射曲線，看出在藍(lán)波段（B1）、綠波段（B2）水體反射率下降較緩慢，而陰影反射率呈現(xiàn)更為明顯的下降趨勢(shì)，兩者反射率形成了一定差異（圖2），因此可利用該特點(diǎn)進(jìn)行陰影與水體的區(qū)分。
圖2 研究區(qū)地物光譜曲線
3.2 水體信息提取方法
3.2.1 NDWI 提取 歸一化水體指數(shù)NDWI 由Mcfeeters［13］在1996 年提出，并基于MODIS 數(shù)據(jù)，通過(guò)分析植被與水體的光譜特征，對(duì)影像的綠波段與近紅外波段進(jìn)行一系列運(yùn)算而構(gòu)建的一個(gè)水體指數(shù)模型，該模型最大程度地突出水體信息，抑制植被信息［14］?；谀Ｐ偷牟ǘ芜\(yùn)算特征，構(gòu)建NDWI 計(jì)算公式如下。
式中，B2 為GF-1 號(hào)影像第2 波段即綠波段反射值，B4 為GF-1 號(hào)影像第4 波段即近紅外波段反射值。為將流域的水體更準(zhǔn)確地提取出來(lái)，經(jīng)多次試驗(yàn)，選取適合流域的最佳閾值0.2，利用Band Math工具進(jìn)行運(yùn)算。
3.2.2 SWI 決策樹(shù)提取 陰影水體指數(shù)模型SWI 是陳文倩等［15］在研究水體提取方法時(shí)，為將陰影與水體最大程度的區(qū)分開(kāi)構(gòu)建的模型，該模型運(yùn)算首先基于決策樹(shù)分析方法，依據(jù)近紅外波段閾值將亮色、暗色地物區(qū)分開(kāi)來(lái)，避免建筑物對(duì)水體提取的影響，再對(duì)SWI指數(shù)確定一個(gè)合適閾值將陰影與水體進(jìn)行區(qū)分。根據(jù)該模型建模運(yùn)行機(jī)理，構(gòu)建的SWI 計(jì)算公式如下：
式中，B1 代表GF-1 影像的第1 波段藍(lán)波段反射值，B2 代表GF-1 影像的第2 波段綠波段反射值，B4 代表影像的第4 波段近紅外波段反射值。但只靠SWI 模型進(jìn)行水體提取存在錯(cuò)提現(xiàn)象，常把亮色地物錯(cuò)分為水。為使提取結(jié)果更可靠，本研究采用新的SWI 決策樹(shù)模型［15］（圖3），首先依據(jù)近紅外波段閾值將亮色地物與水體區(qū)分開(kāi)來(lái)，在近紅外波段中，本研究區(qū)水體亮度最大值是930，陰影亮度最大值是1 080，為最大程度將水體提取出來(lái)本研究將閾值設(shè)定為1 080，再對(duì)SWI 指數(shù)確定一個(gè)合適閾值將陰影與水體區(qū)分開(kāi)來(lái)。經(jīng)多次試驗(yàn)并結(jié)合其他學(xué)者的研究結(jié)果，最終確定的適用于岔口流域的區(qū)分陰影與水體的最佳閾值C 為700［16］。
圖3 SWI決策樹(shù)水體提取模型
3.2.3 SVM 支持向量機(jī)法 支持向量機(jī)分類是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法。SVM 分類通常是運(yùn)用有限樣本進(jìn)行2 種類型的劃分，以尋找現(xiàn)有信息的最優(yōu)分類。雖然針對(duì)高光譜影像使用SVM 對(duì)影像信息進(jìn)行分類已經(jīng)非常成熟，但是針對(duì)高空間分辨率的影像，SVM 分類方法的使用與研究還較少。SVM 性能的優(yōu)劣，主要取決于核函數(shù)類型的選擇和核函數(shù)參數(shù)設(shè)置，參照殷秋亞等［17］的研究，手動(dòng)選擇好水體、非水體樣本，再選取SVM 分類中的RBF 函數(shù)進(jìn)行水體、非水體的劃分。
3.3 精度評(píng)價(jià)方法
首先，使用定性、定量評(píng)價(jià)的方法進(jìn)行提取結(jié)果的對(duì)比驗(yàn)證。利用高分辨率遙感影像統(tǒng)計(jì)的水體面積與3 種方法分別提取得到的水體面積進(jìn)行對(duì)比，并結(jié)合視覺(jué)效果進(jìn)行分析評(píng)價(jià)。其次，利用混淆矩陣計(jì)算出制圖精度、漏分誤差、錯(cuò)分誤差來(lái)評(píng)價(jià)不同方法水體提取結(jié)果。最后通過(guò)實(shí)地調(diào)研驗(yàn)證了提取結(jié)果的可靠性。
4 結(jié)果與分析
圖4 研究區(qū)水體提取結(jié)果
圖5 具有代表性的研究區(qū)
研究區(qū)水體提取結(jié)果見(jiàn)圖4。對(duì)比3 個(gè)提取結(jié)果可以看出，3 種方法都能將流域中的壩地水體進(jìn)行提?。ò咨珵樗w），其中大面積塊狀水體很少，大部分壩地水體隨淤地壩星星點(diǎn)點(diǎn)分布在流域。雖然選擇了流域汛期的影像，水量相對(duì)較大，但是由于岔口流域溝壑縱橫，壩地水體細(xì)小，水面淺，水陸交界處常有裸土過(guò)渡，提取時(shí)容易受混合像元的影響，從整幅圖入手對(duì)水體提取的漏提、誤提現(xiàn)象分析并不精確，因此研究選取流域3 個(gè)具有代表性的區(qū)域（圖5），區(qū)域一（壩地水體）、區(qū)域二（水庫(kù)）、區(qū)域三（壩地水體）進(jìn)行了水體提取結(jié)果的細(xì)節(jié)分析，2 個(gè)區(qū)域中包含了流域水體提取的影響因素亮色地物、裸地、陰影、建筑物。結(jié)果表明，區(qū)域一是一塊較為明顯的壩地水體及其周圍的地區(qū)，從影像中可以看出水體為細(xì)長(zhǎng)條狀，面積較小，水體周圍有兩塊明顯的亮色地物，水體界限與陸地界限不清，由于水體位于壩地中，水體邊界還存有明顯的山體陰影和小部分裸土。區(qū)域一3 種方法提取水體的結(jié)果見(jiàn)表2，區(qū)域一水體面積見(jiàn)表3。從表2 可以看出，3 種方法均能將壩地水體提取出來(lái)，但是提取結(jié)果存在明顯的差異。對(duì)比表3 中3 種方法的水體提取面積，提取的面積與高分辨率影像統(tǒng)計(jì)的面積分別相差208（NDWI 法）、61（SWI 決策樹(shù)法）、118 m2（SVM 法），SWI 決策樹(shù)提取的水體面積更接近從遙感影像中統(tǒng)計(jì)的水體面積，說(shuō)明對(duì)該區(qū)域來(lái)說(shuō)，SWI 方法提取效果優(yōu)于其他2 種方法。從影像中可以明顯看到區(qū)域一中存在兩處亮色地物，使用NDWI 進(jìn)行提取時(shí)，兩處亮色地物均被當(dāng)作水體誤提出來(lái)，SWI 決策樹(shù)與SVM 方法很好地分辨出了亮色地物與水體。對(duì)水體形狀進(jìn)一步觀察，水體呈細(xì)條狀，上窄下寬，對(duì)比3 種提取結(jié)果，NDWI 提取出的水體上下寬度幾乎接近，形狀與真實(shí)水體差異較大，而后2 種方法提取的水體形狀更接近水體真實(shí)形狀。影像中可以看到水體上半部分的右邊與陸地交界處水面較淺存在部分裸土過(guò)渡，而且由于淤地壩位于溝內(nèi)，提取時(shí)水體邊界易受山體陰影影響，使得水陸界限不清晰，NDWI、SVM 方法均將陰影錯(cuò)提成了水體，不能將陰影與水體區(qū)分開(kāi)，但SWI決策樹(shù)能更好地區(qū)分陰影與水體，水體界限明確。由于受混合像元的影響，不同方法的提取結(jié)果和利用遙感影像統(tǒng)計(jì)的水體面積存在微小的差別。
表3 區(qū)域一水體提取面積
區(qū)域二是流域中某個(gè)由淤地壩攔截形成的水庫(kù)及周邊地區(qū)，水庫(kù)形狀規(guī)則，水體分布較為連續(xù)，面積也相對(duì)較大，影像中包含有陰影、亮色地物（包括建筑物）等影響因素。3 種方法提取結(jié)果見(jiàn)表4，提取的水體面積見(jiàn)表5。從影像中可以看到該區(qū)域共有大小不等的4 塊水域，對(duì)比表5 中3 種方法的水體提取面積，與高分辨率影像統(tǒng)計(jì)的面積分別相差431（NDWI 法）、71（SWI 決 策 樹(shù) 法）、186 m2（SVM法），SWI 決策樹(shù)提取的水體面積更接近從遙感影像中統(tǒng)計(jì)的水體面積，其中NDWI 方法提取的水體面積與影像中水體面積相差最大，通過(guò)表4 也可以看到NDWI 提取出的水體存在明顯的錯(cuò)誤，這是因?yàn)槌藢⑺畮?kù)旁邊的亮色地物誤提，還將影像右下角的大片呈現(xiàn)亮色的建筑物（村落）也提取出來(lái)，同時(shí)混淆了水體與陰影，部分水體當(dāng)成陰影從而導(dǎo)致漏提，部分陰影當(dāng)作水體錯(cuò)提出來(lái)，提取的水體形狀、大小都與影像中的水體存在明顯差異。而SVM、SWI 2 種方法排除了亮色地物的影響，提取后的水體形狀、大小更接近于影像中水體的樣子，同時(shí)SWI決策樹(shù)也能夠?qū)㈥幱芭c水體更好地分開(kāi)，對(duì)于邊界提取相對(duì)準(zhǔn)確，提取出的面積與影像中統(tǒng)計(jì)得到的水體面積差異最小。
表4 區(qū)域二提取結(jié)果對(duì)比
表5 區(qū)域二水體提取面積
區(qū)域三是2 塊較為明顯的壩地水體及其周圍的地區(qū)，從影像中可以看出水體為細(xì)長(zhǎng)條狀，面積較小，水體東部無(wú)規(guī)則分布有大面積的裸地。影像提取結(jié)果見(jiàn)表6，提取的水體面積見(jiàn)表7。從提取結(jié)果可以看出，在區(qū)域三影像中可以清晰地看到該區(qū)域共有較明顯的2 塊水域，3 種方法2 塊水體均能按其形狀被提取出來(lái)；但在影像右上方存在一處明顯的亮色地物，3 種方法均將其當(dāng)作水體進(jìn)行了誤提，SWI 決策樹(shù)提取的亮色地物面積最小，利用NDWI方法進(jìn)行提取時(shí)除了將右上角亮色地物誤提成水外還將其他處的亮色地物也提取出來(lái)。對(duì)比3 種方法下提取的水體面積與高分辨率影像統(tǒng)計(jì)的面積差分別為78（NDWI 法）、19（SWI 決策樹(shù)法）、42 m2（SVM法），SWI 決策樹(shù)提取的水體面積更接近從遙感影像中統(tǒng)計(jì)的水體面積，其中NDWI 方法提取的水體面積與影像中水體面積相差最大。
對(duì)以上兩個(gè)區(qū)域在不同方法下的提取結(jié)果以混淆矩陣的方式進(jìn)行精度檢驗(yàn)，結(jié)果如表8 所示。其中制圖精度等于被正確分類的像元數(shù)除以總像元數(shù)，漏分誤差是指本該分到某一類中卻沒(méi)有分到的像元數(shù)，錯(cuò)分誤差是指本不該分到某一類中卻被分到某一類中的像元數(shù)。從漏分誤差上看，在3 個(gè)小區(qū)域中，NDWI 的漏分誤差都是最高的；在區(qū)域一中SVM 方法的漏分誤差最小，區(qū)域三中SVM 與SWI 決策樹(shù)的漏分誤差幾乎接近；3 種方法中SVM 決策樹(shù)漏分誤差相比更小。從錯(cuò)分誤差上看，NDWI 方法提取后的錯(cuò)分誤差在3 種方法中仍然是最大的，而SWI的錯(cuò)分誤差相對(duì)最小。從制圖精度上看，3 個(gè)區(qū)域中NDWI 的制圖精度都是最低的，SWI 決策樹(shù)與SVM 近乎持平，SWI 決策樹(shù)方法精度相對(duì)較高。從3 個(gè)區(qū)域提取效果整體來(lái)看，無(wú)論是漏分誤差、錯(cuò)分誤差還是制圖精度，區(qū)域一的誤差都比其他兩個(gè)區(qū)域小，主要原因是區(qū)域一中塊狀水體少，水體面積相對(duì)較小，影像中包含的干擾信息相對(duì)較少，所以誤差相對(duì)較小。
表6 區(qū)域三提取結(jié)果對(duì)比
表7 區(qū)域三水體提取面積
綜合分析各種方法的提取結(jié)果，GF-1 號(hào)影像空間分辨率較高，因此無(wú)論哪種方式進(jìn)行水體提取精度都較好。3 種方式相比較而言，NDWI 方法制圖精度最低，在壩地水體的識(shí)別中，常把亮色地物、建筑物與水體混淆，造成錯(cuò)分或漏分。SVM 與SWI 決策樹(shù)制圖精度大致相同，但是SVM 有一個(gè)局限性，即它的分類對(duì)象是有限個(gè)樣本，當(dāng)樣本很大時(shí)，就不適合使用該方法。淤地壩內(nèi)常會(huì)因積水排出不暢等多種原因?qū)е峦恋匕l(fā)生鹽堿化，鹽堿地在影像中多以白色、亮色呈現(xiàn)，進(jìn)行水體提取時(shí)易造成干擾，而SWI 決策樹(shù)法不僅能將亮色地物、建筑物同水體區(qū)分開(kāi)，還能較好地排除陰影的干擾，這對(duì)流域中微小水體的提取是一個(gè)不錯(cuò)的選擇。
表8 精度檢驗(yàn)結(jié)果
5 小結(jié)
以2016 年9 月1 日高分辨率影像GF-1 PMS2 影像為數(shù)據(jù)源，選擇山西省淤地壩數(shù)量較多、水土流失較嚴(yán)重、水體以壩地水體為主，水體微小并且分布不連片的地區(qū)岔口流域作為研究對(duì)象，運(yùn)用NDWI、SWI 決策樹(shù)、SVM 3 種不同的提取方法進(jìn)行流域水體信息的提取，并對(duì)提取結(jié)果進(jìn)行了視覺(jué)效果對(duì)比與提取精度評(píng)價(jià)，試圖找到適合于該地區(qū)水體提取的方法，為流域淤地壩水體監(jiān)測(cè)、淤地壩的完善與管理提供技術(shù)支持。所得結(jié)論如下。
1）黃土高原地勢(shì)溝壑縱橫，水體微小，與程磊等［12］的研究相比較，中低分辨率的影像已經(jīng)不適于提取黃土高原地區(qū)的水體，高分辨率的遙感影像對(duì)于山區(qū)微小水體的提取結(jié)果更好，精度更高，可運(yùn)用GF-1 影像進(jìn)行流域水體的監(jiān)測(cè)，其監(jiān)測(cè)結(jié)果可成為日后淤地壩等大型骨干工程管理、維護(hù)的重要數(shù)據(jù)。
2）通過(guò)對(duì)區(qū)域一、區(qū)域二、區(qū)域三的細(xì)節(jié)分析可知，影響流域水體提取的主要因素是亮色地物（包括建筑物）、陰影。
3）3 種方法都能夠提取水體信息，由于受影像中混合像元的影響，3 種方法提取的水體面積與從高分辨率影像中統(tǒng)計(jì)得到的水體面積難免存在微小差別。相比較而言，NDWI 方式提取的水體信息較弱，提取的水體中混雜了亮色地物、陰影等干擾因素，這與王大釗等［18］研究結(jié)果一致。SVM 法精度較高，對(duì)比其他學(xué)者的研究，如殷秋亞等［17］選擇SVM法進(jìn)行水體提取同樣得到了較高精度；SWI 決策樹(shù)法不但消除了建筑物、亮色地物的影響，而且很明顯地區(qū)分了陰影與水體，這與劉雙童等［3］的研究結(jié)論一致。總體認(rèn)為SVM、SWI 決策樹(shù)都適合提取黃土高原丘陵溝壑區(qū)的流域水體，但是SWI 決策樹(shù)方法提取的水體邊界更加準(zhǔn)確。
猜你喜歡
基于層次分析法的壩系工程除險(xiǎn)加固防洪標(biāo)準(zhǔn)與洪水組合探討中國(guó)水土保持(2023年1期)2023-03-06 01:57:12 亮色世界文化(2021年3期)2021-04-27 01:56:26 荒原童話小資CHIC！ELEGANCE(2021年44期)2021-01-11 03:32:53 壩系工程除險(xiǎn)加固時(shí)防洪標(biāo)準(zhǔn)和洪水組合問(wèn)題探討中國(guó)水土保持(2019年11期)2019-11-13 09:27:36 一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹(shù)算法成都信息工程大學(xué)學(xué)報(bào)(2019年3期)2019-09-25 08:31:20 決策樹(shù)和隨機(jī)森林方法在管理決策中的應(yīng)用電子制作(2018年16期)2018-09-26 03:27:06 基于決策樹(shù)的出租車乘客出行目的識(shí)別中央民族大學(xué)學(xué)報(bào)(自然科學(xué)版)(2016年4期)2016-06-27 08:06:04 車展不再冷冰冰 卡車文化成為展會(huì)一抹“亮色”專用汽車(2016年5期)2016-03-01 04:14:35 清水河縣淤地壩管理體制改革做法和經(jīng)驗(yàn)現(xiàn)代農(nóng)業(yè)(2015年1期)2015-02-28 18:40:08 基于肺癌CT的決策樹(shù)模型在肺癌診斷中的應(yīng)用鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版)(2015年1期)2015-02-27 14:50:26
鄭心玥，郭青霞
（山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷 030801）
淤地壩是在水土流失較嚴(yán)重地區(qū)修建的以攔泥淤地為目的的建筑物，一條溝內(nèi)修建多個(gè)淤地壩是中國(guó)黃土高原水土流失嚴(yán)重地區(qū)重要而獨(dú)特的治溝工程體系。位于黃土高原溝壑區(qū)的岔口流域受水力侵蝕、重力侵蝕影響大，水土流失潛在風(fēng)險(xiǎn)大。為改善岔口小流域生態(tài)環(huán)境，自2003 年以來(lái)流域共修建了70 多座淤地壩，雖然淤地壩起到了攔泥淤地的作用，但因部分淤地壩排水設(shè)施不完善，積水排出不暢，改變了流域的水環(huán)境，也引發(fā)了土地鹽堿化等生態(tài)環(huán)境問(wèn)題，因此為該地區(qū)找到水體提取相對(duì)理想的方法，成為防范流域水土流失問(wèn)題、進(jìn)一步完善維護(hù)淤地壩、修復(fù)流域生態(tài)環(huán)境的關(guān)鍵環(huán)節(jié)。
基于衛(wèi)星遙感技術(shù)，開(kāi)展快速、準(zhǔn)確的水體提取、獲取其時(shí)空分布特征、直觀顯示動(dòng)態(tài)變化和發(fā)展規(guī)律，是水體提取研究的重要方法［1］。國(guó)內(nèi)外學(xué)者利用光學(xué)遙感技術(shù)進(jìn)行水體信息提取時(shí)使用的數(shù)據(jù)源也多種多樣，如MODIS 數(shù)據(jù)、Landsat 系列數(shù)據(jù)、Sentinel-2 數(shù)據(jù)、國(guó)產(chǎn)GF-1 數(shù)據(jù)等。目前依附于光學(xué)遙感影像進(jìn)行水體信息的提取方法也呈現(xiàn)多樣化趨勢(shì)，分為以下兩大類：（1）根據(jù)地物光譜特征的不同進(jìn)行水體提取，主要機(jī)理是利用水體和其他地物在不同波段吸收、反射率的不同，將影像的不同波段進(jìn)行組合，不斷增強(qiáng)水體與其他地物間的光譜差異，以此突出水體信息，抑制非水體信息［2］。包括單波段閾值法、多波段普間關(guān)系法、水體指數(shù)法，其中水體指數(shù)法應(yīng)用更為廣泛。劉雙童等［3］基于GF-2 號(hào)衛(wèi)星影像對(duì)單波段閾值法及不同水體指數(shù)法提取的水體效果進(jìn)行了對(duì)比分析。Gudina 等［4］在驗(yàn)證自動(dòng)水體提取指數(shù)（Automated Water Extraction Index with no shadow，AWEIsh）的有效性時(shí)，發(fā)現(xiàn)具有高反射率的地表可能被錯(cuò)分為水。徐涵秋［5］在歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）的基礎(chǔ)上對(duì)構(gòu)成該指數(shù)的波長(zhǎng)組合進(jìn)行了修改，提出了改進(jìn)的水體指數(shù)（Modified Normalized Difference Water Index，MNDWI），并取得了較好的水體提取效果。王小標(biāo)等［6］以秦淮河流域?yàn)樵囼?yàn)區(qū)，在水體、低反射率地表和其他地表純凈像元平均反射率基礎(chǔ)上構(gòu)建MBWI（Multi-Band Water Index）這個(gè)新的水體指數(shù)，并在不同環(huán)境下測(cè)試了該指數(shù)提取的準(zhǔn)確度和適應(yīng)性。（2）分類法，主要包括支持向量機(jī)（Sup?port Vector Machine，SVM）法、面向?qū)ο蠓ê蜎Q策樹(shù)法；SVM 法是影像中信息分類精度較高的方法，SVM 具有良好的空間維屬性，Desheng 等［7］基于SVM構(gòu)建的單時(shí)相迭代分類算法（Iterated Conditional Mode，ICM）可以同時(shí)提取分類和變化信息。面向?qū)ο蟮奶崛》椒ㄊ峭ㄟ^(guò)影像分割技術(shù)，按一定尺度將影像分割成許多的圖斑對(duì)象即影像的基本分析單元，然后利用模型進(jìn)行水體提取，Herrera-Cruz 等［8］基于面向?qū)ο蟮姆椒?，?shí)現(xiàn)了兩個(gè)不同區(qū)域的洪水淹沒(méi)范圍及快速制圖，表明基于面向?qū)ο蟮姆椒ㄔ诤樗O(jiān)測(cè)和快速制圖方面具有一定的潛力。決策樹(shù)法是機(jī)器學(xué)習(xí)中的常用算法，它是一個(gè)樹(shù)結(jié)構(gòu)（二叉樹(shù)或非二叉樹(shù)），構(gòu)造決策樹(shù)的關(guān)鍵步驟是分裂屬性，其中最著名的算法是ID3 系列。都金康等［9］利用SPOT 4 影像，采用決策樹(shù)模型提取了山區(qū)水體信息并結(jié)合形狀指數(shù)剔除了提取后的陰影。
盡管水體提取方法種類較多，應(yīng)用較廣，大多數(shù)方法也取得了相對(duì)理想的提取效果，但由于遙感影像的分辨率、研究區(qū)的地面特征等方面存在差異，同一方法也不可能適用于所有的情況，必須根據(jù)研究區(qū)域的特點(diǎn)、遙感影像特征等多方面進(jìn)行綜合研究探討［10］。中國(guó)是一個(gè)多山的國(guó)家，這些地區(qū)地形起伏或植被覆蓋程度較高，遙感影像中不可避免地存在一些陰影，一些地區(qū)還存在或多或少的變形，這些因素都會(huì)對(duì)水體的提取造成困擾［11］。黃土高原地區(qū)土地利用類型較為單一，以裸地、農(nóng)用地為主，地勢(shì)起伏較大，從遙感影像看，影像中溝壑陰影較多，此外，該地區(qū)水體以微小水體為主，微小水體是水系的毛細(xì)血管，一般具有匯水面積小、周邊空間封閉、水體流動(dòng)性差、分布零散、管理監(jiān)督易被忽視的特點(diǎn)。地處黃土高原溝壑區(qū)的岔口流域水庫(kù)面積與壩地匯水面積均較小，呈細(xì)條狀，由于淤地壩的存在壩地水體并不是大面積連片分布，而是斷斷續(xù)續(xù)分布在溝內(nèi)，同時(shí)水中泥沙含量較大，導(dǎo)致水體的光譜信息減弱，水體提取尤其是壩地水體提取難度相比其他地區(qū)要大得多。程磊等［12］以Landsat TM 遙感影像為數(shù)據(jù)源運(yùn)用單波段閾值法、NDWI、CIW、MND?WI 4 種方法對(duì)黃土高原固原市周邊壩地水體進(jìn)行了提取研究，結(jié)果表明由于黃土高原識(shí)別水體具有較大的復(fù)雜性，使用的遙感影像分辨率不高，以上4種方法提取精度均不高。因此有必要進(jìn)一步研究不同遙感影像下黃土高原水體提取的方法，為壩系的完善和生態(tài)環(huán)境的修復(fù)提供合理建議。
隨著中國(guó)衛(wèi)星遙感技術(shù)的快速發(fā)展，衛(wèi)星遙感影像的分辨率得到了較大提升，將國(guó)產(chǎn)高分辨率影像作為基礎(chǔ)數(shù)據(jù)進(jìn)行小流域微小水體或其他地類信息提取的探討具有前沿性。本研究選取2016 年9 月1 日GF-1 號(hào)國(guó)產(chǎn)衛(wèi)星遙感影像作為數(shù)據(jù)源，選擇位于黃土高原溝壑區(qū)的岔口流域作為研究區(qū)，分別采用NDWI、SWI 決策樹(shù)、SVM 支持向量機(jī)3 種不同的方法對(duì)水體進(jìn)行提取研究，并對(duì)提取效果進(jìn)行對(duì)比探討，為流域淤地壩水體的提取提供建議，為流域水體動(dòng)態(tài)監(jiān)測(cè)提供技術(shù)支持。
1 研究區(qū)概況
岔口流域地處山西省西南部黃土丘陵溝壑區(qū)，是永和、隰縣與石樓三縣接壤地帶（圖1），位于東經(jīng)110°38'01″—110°50'02″，北緯36°47'26″—36°57'14″。流域總面積131.9 km2。流域汛期為6—9 月。水力侵蝕和重力侵蝕是主要侵蝕形式，水土流失面積達(dá)113.0 km2。流域內(nèi)梁峁起伏，溝壑縱橫，地形復(fù)雜，具有黃土侵蝕溝道發(fā)育的特點(diǎn)，壩系工程是治理流域水土流失的主要方式，2003 年壩系工程建設(shè)以來(lái)新建淤地壩70 座，形成了較為完整的壩系。流域內(nèi)水體以壩地水體和水庫(kù)為主，其主要特點(diǎn)是水體面積小、其他地物陰影干擾嚴(yán)重等。
圖1 研究區(qū)遙感影像
2 數(shù)據(jù)來(lái)源及預(yù)處理
2.1 數(shù)據(jù)及來(lái)源
高分一號(hào)（GF-1）衛(wèi)星是中國(guó)高分辨率對(duì)地觀測(cè)系統(tǒng)的第一顆衛(wèi)星，它搭載了兩臺(tái)2 m 全色、8 m多光譜分辨率相機(jī)，四臺(tái)16 m 分辨率多光譜相機(jī)，回歸周期4 d，具有高時(shí)空分辨率。本研究選用的GF-1 號(hào)衛(wèi)星遙感影像，數(shù)據(jù)來(lái)源于中國(guó)資源衛(wèi)星應(yīng)用中心，成像時(shí)間是2016 年9 月1 日（此時(shí)流域處于汛期，水量相對(duì)充足），無(wú)云覆蓋，軌道圈號(hào)18061，傳感器類型PMS2，傳感器參數(shù)如表1 所示。
表1 GF-1 衛(wèi)星PMS2 傳感器參數(shù)
2.2 數(shù)據(jù)預(yù)處理
為保證水體提取結(jié)果的準(zhǔn)確度，利用ENVI 5.3對(duì)GF-1 號(hào)影像數(shù)據(jù)進(jìn)行了預(yù)處理，主要包括多光譜數(shù)據(jù)的輻射定標(biāo)、大氣校正、正射校正、研究區(qū)裁剪，全色數(shù)據(jù)的輻射定標(biāo)、正射校正、研究區(qū)裁剪，最后將空間分辨率為2 m 的全色數(shù)據(jù)與空間分辨率為8 m 的多光譜數(shù)據(jù)進(jìn)行影像融合和影像細(xì)節(jié)信息增強(qiáng)。
3 研究方法
3.1 地物光譜特性分析
對(duì)比研究區(qū)3 種地物光譜曲線，發(fā)現(xiàn)水體的反射率總體較低，并且在近紅外波段（B4）與亮色地物反射率形成了較大的反差，因此可利用在近紅外波段二者反射率差異區(qū)分亮色地物與水體；而水體與陰影反射率差異較小，并在紅外波段（B3）兩者出現(xiàn)了相交點(diǎn)，容易造成陰影被誤提成水體的現(xiàn)象，從而導(dǎo)致提取結(jié)果不準(zhǔn)確。進(jìn)一步觀察水體和陰影的反射曲線，看出在藍(lán)波段（B1）、綠波段（B2）水體反射率下降較緩慢，而陰影反射率呈現(xiàn)更為明顯的下降趨勢(shì)，兩者反射率形成了一定差異（圖2），因此可利用該特點(diǎn)進(jìn)行陰影與水體的區(qū)分。
圖2 研究區(qū)地物光譜曲線
3.2 水體信息提取方法
3.2.1 NDWI 提取 歸一化水體指數(shù)NDWI 由Mcfeeters［13］在1996 年提出，并基于MODIS 數(shù)據(jù)，通過(guò)分析植被與水體的光譜特征，對(duì)影像的綠波段與近紅外波段進(jìn)行一系列運(yùn)算而構(gòu)建的一個(gè)水體指數(shù)模型，該模型最大程度地突出水體信息，抑制植被信息［14］?；谀Ｐ偷牟ǘ芜\(yùn)算特征，構(gòu)建NDWI 計(jì)算公式如下。
式中，B2 為GF-1 號(hào)影像第2 波段即綠波段反射值，B4 為GF-1 號(hào)影像第4 波段即近紅外波段反射值。為將流域的水體更準(zhǔn)確地提取出來(lái)，經(jīng)多次試驗(yàn)，選取適合流域的最佳閾值0.2，利用Band Math工具進(jìn)行運(yùn)算。
3.2.2 SWI 決策樹(shù)提取 陰影水體指數(shù)模型SWI 是陳文倩等［15］在研究水體提取方法時(shí)，為將陰影與水體最大程度的區(qū)分開(kāi)構(gòu)建的模型，該模型運(yùn)算首先基于決策樹(shù)分析方法，依據(jù)近紅外波段閾值將亮色、暗色地物區(qū)分開(kāi)來(lái)，避免建筑物對(duì)水體提取的影響，再對(duì)SWI指數(shù)確定一個(gè)合適閾值將陰影與水體進(jìn)行區(qū)分。根據(jù)該模型建模運(yùn)行機(jī)理，構(gòu)建的SWI 計(jì)算公式如下：
式中，B1 代表GF-1 影像的第1 波段藍(lán)波段反射值，B2 代表GF-1 影像的第2 波段綠波段反射值，B4 代表影像的第4 波段近紅外波段反射值。但只靠SWI 模型進(jìn)行水體提取存在錯(cuò)提現(xiàn)象，常把亮色地物錯(cuò)分為水。為使提取結(jié)果更可靠，本研究采用新的SWI 決策樹(shù)模型［15］（圖3），首先依據(jù)近紅外波段閾值將亮色地物與水體區(qū)分開(kāi)來(lái)，在近紅外波段中，本研究區(qū)水體亮度最大值是930，陰影亮度最大值是1 080，為最大程度將水體提取出來(lái)本研究將閾值設(shè)定為1 080，再對(duì)SWI 指數(shù)確定一個(gè)合適閾值將陰影與水體區(qū)分開(kāi)來(lái)。經(jīng)多次試驗(yàn)并結(jié)合其他學(xué)者的研究結(jié)果，最終確定的適用于岔口流域的區(qū)分陰影與水體的最佳閾值C 為700［16］。
圖3 SWI決策樹(shù)水體提取模型
3.2.3 SVM 支持向量機(jī)法 支持向量機(jī)分類是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法。SVM 分類通常是運(yùn)用有限樣本進(jìn)行2 種類型的劃分，以尋找現(xiàn)有信息的最優(yōu)分類。雖然針對(duì)高光譜影像使用SVM 對(duì)影像信息進(jìn)行分類已經(jīng)非常成熟，但是針對(duì)高空間分辨率的影像，SVM 分類方法的使用與研究還較少。SVM 性能的優(yōu)劣，主要取決于核函數(shù)類型的選擇和核函數(shù)參數(shù)設(shè)置，參照殷秋亞等［17］的研究，手動(dòng)選擇好水體、非水體樣本，再選取SVM 分類中的RBF 函數(shù)進(jìn)行水體、非水體的劃分。
3.3 精度評(píng)價(jià)方法
首先，使用定性、定量評(píng)價(jià)的方法進(jìn)行提取結(jié)果的對(duì)比驗(yàn)證。利用高分辨率遙感影像統(tǒng)計(jì)的水體面積與3 種方法分別提取得到的水體面積進(jìn)行對(duì)比，并結(jié)合視覺(jué)效果進(jìn)行分析評(píng)價(jià)。其次，利用混淆矩陣計(jì)算出制圖精度、漏分誤差、錯(cuò)分誤差來(lái)評(píng)價(jià)不同方法水體提取結(jié)果。最后通過(guò)實(shí)地調(diào)研驗(yàn)證了提取結(jié)果的可靠性。
4 結(jié)果與分析
圖4 研究區(qū)水體提取結(jié)果
圖5 具有代表性的研究區(qū)
研究區(qū)水體提取結(jié)果見(jiàn)圖4。對(duì)比3 個(gè)提取結(jié)果可以看出，3 種方法都能將流域中的壩地水體進(jìn)行提?。ò咨珵樗w），其中大面積塊狀水體很少，大部分壩地水體隨淤地壩星星點(diǎn)點(diǎn)分布在流域。雖然選擇了流域汛期的影像，水量相對(duì)較大，但是由于岔口流域溝壑縱橫，壩地水體細(xì)小，水面淺，水陸交界處常有裸土過(guò)渡，提取時(shí)容易受混合像元的影響，從整幅圖入手對(duì)水體提取的漏提、誤提現(xiàn)象分析并不精確，因此研究選取流域3 個(gè)具有代表性的區(qū)域（圖5），區(qū)域一（壩地水體）、區(qū)域二（水庫(kù)）、區(qū)域三（壩地水體）進(jìn)行了水體提取結(jié)果的細(xì)節(jié)分析，2 個(gè)區(qū)域中包含了流域水體提取的影響因素亮色地物、裸地、陰影、建筑物。結(jié)果表明，區(qū)域一是一塊較為明顯的壩地水體及其周圍的地區(qū)，從影像中可以看出水體為細(xì)長(zhǎng)條狀，面積較小，水體周圍有兩塊明顯的亮色地物，水體界限與陸地界限不清，由于水體位于壩地中，水體邊界還存有明顯的山體陰影和小部分裸土。區(qū)域一3 種方法提取水體的結(jié)果見(jiàn)表2，區(qū)域一水體面積見(jiàn)表3。從表2 可以看出，3 種方法均能將壩地水體提取出來(lái)，但是提取結(jié)果存在明顯的差異。對(duì)比表3 中3 種方法的水體提取面積，提取的面積與高分辨率影像統(tǒng)計(jì)的面積分別相差208（NDWI 法）、61（SWI 決策樹(shù)法）、118 m2（SVM 法），SWI 決策樹(shù)提取的水體面積更接近從遙感影像中統(tǒng)計(jì)的水體面積，說(shuō)明對(duì)該區(qū)域來(lái)說(shuō)，SWI 方法提取效果優(yōu)于其他2 種方法。從影像中可以明顯看到區(qū)域一中存在兩處亮色地物，使用NDWI 進(jìn)行提取時(shí)，兩處亮色地物均被當(dāng)作水體誤提出來(lái)，SWI 決策樹(shù)與SVM 方法很好地分辨出了亮色地物與水體。對(duì)水體形狀進(jìn)一步觀察，水體呈細(xì)條狀，上窄下寬，對(duì)比3 種提取結(jié)果，NDWI 提取出的水體上下寬度幾乎接近，形狀與真實(shí)水體差異較大，而后2 種方法提取的水體形狀更接近水體真實(shí)形狀。影像中可以看到水體上半部分的右邊與陸地交界處水面較淺存在部分裸土過(guò)渡，而且由于淤地壩位于溝內(nèi)，提取時(shí)水體邊界易受山體陰影影響，使得水陸界限不清晰，NDWI、SVM 方法均將陰影錯(cuò)提成了水體，不能將陰影與水體區(qū)分開(kāi)，但SWI決策樹(shù)能更好地區(qū)分陰影與水體，水體界限明確。由于受混合像元的影響，不同方法的提取結(jié)果和利用遙感影像統(tǒng)計(jì)的水體面積存在微小的差別。
表3 區(qū)域一水體提取面積
區(qū)域二是流域中某個(gè)由淤地壩攔截形成的水庫(kù)及周邊地區(qū)，水庫(kù)形狀規(guī)則，水體分布較為連續(xù)，面積也相對(duì)較大，影像中包含有陰影、亮色地物（包括建筑物）等影響因素。3 種方法提取結(jié)果見(jiàn)表4，提取的水體面積見(jiàn)表5。從影像中可以看到該區(qū)域共有大小不等的4 塊水域，對(duì)比表5 中3 種方法的水體提取面積，與高分辨率影像統(tǒng)計(jì)的面積分別相差431（NDWI 法）、71（SWI 決 策 樹(shù) 法）、186 m2（SVM法），SWI 決策樹(shù)提取的水體面積更接近從遙感影像中統(tǒng)計(jì)的水體面積，其中NDWI 方法提取的水體面積與影像中水體面積相差最大，通過(guò)表4 也可以看到NDWI 提取出的水體存在明顯的錯(cuò)誤，這是因?yàn)槌藢⑺畮?kù)旁邊的亮色地物誤提，還將影像右下角的大片呈現(xiàn)亮色的建筑物（村落）也提取出來(lái)，同時(shí)混淆了水體與陰影，部分水體當(dāng)成陰影從而導(dǎo)致漏提，部分陰影當(dāng)作水體錯(cuò)提出來(lái)，提取的水體形狀、大小都與影像中的水體存在明顯差異。而SVM、SWI 2 種方法排除了亮色地物的影響，提取后的水體形狀、大小更接近于影像中水體的樣子，同時(shí)SWI決策樹(shù)也能夠?qū)㈥幱芭c水體更好地分開(kāi)，對(duì)于邊界提取相對(duì)準(zhǔn)確，提取出的面積與影像中統(tǒng)計(jì)得到的水體面積差異最小。
表4 區(qū)域二提取結(jié)果對(duì)比
表5 區(qū)域二水體提取面積
區(qū)域三是2 塊較為明顯的壩地水體及其周圍的地區(qū)，從影像中可以看出水體為細(xì)長(zhǎng)條狀，面積較小，水體東部無(wú)規(guī)則分布有大面積的裸地。影像提取結(jié)果見(jiàn)表6，提取的水體面積見(jiàn)表7。從提取結(jié)果可以看出，在區(qū)域三影像中可以清晰地看到該區(qū)域共有較明顯的2 塊水域，3 種方法2 塊水體均能按其形狀被提取出來(lái)；但在影像右上方存在一處明顯的亮色地物，3 種方法均將其當(dāng)作水體進(jìn)行了誤提，SWI 決策樹(shù)提取的亮色地物面積最小，利用NDWI方法進(jìn)行提取時(shí)除了將右上角亮色地物誤提成水外還將其他處的亮色地物也提取出來(lái)。對(duì)比3 種方法下提取的水體面積與高分辨率影像統(tǒng)計(jì)的面積差分別為78（NDWI 法）、19（SWI 決策樹(shù)法）、42 m2（SVM法），SWI 決策樹(shù)提取的水體面積更接近從遙感影像中統(tǒng)計(jì)的水體面積，其中NDWI 方法提取的水體面積與影像中水體面積相差最大。
對(duì)以上兩個(gè)區(qū)域在不同方法下的提取結(jié)果以混淆矩陣的方式進(jìn)行精度檢驗(yàn)，結(jié)果如表8 所示。其中制圖精度等于被正確分類的像元數(shù)除以總像元數(shù)，漏分誤差是指本該分到某一類中卻沒(méi)有分到的像元數(shù)，錯(cuò)分誤差是指本不該分到某一類中卻被分到某一類中的像元數(shù)。從漏分誤差上看，在3 個(gè)小區(qū)域中，NDWI 的漏分誤差都是最高的；在區(qū)域一中SVM 方法的漏分誤差最小，區(qū)域三中SVM 與SWI 決策樹(shù)的漏分誤差幾乎接近；3 種方法中SVM 決策樹(shù)漏分誤差相比更小。從錯(cuò)分誤差上看，NDWI 方法提取后的錯(cuò)分誤差在3 種方法中仍然是最大的，而SWI的錯(cuò)分誤差相對(duì)最小。從制圖精度上看，3 個(gè)區(qū)域中NDWI 的制圖精度都是最低的，SWI 決策樹(shù)與SVM 近乎持平，SWI 決策樹(shù)方法精度相對(duì)較高。從3 個(gè)區(qū)域提取效果整體來(lái)看，無(wú)論是漏分誤差、錯(cuò)分誤差還是制圖精度，區(qū)域一的誤差都比其他兩個(gè)區(qū)域小，主要原因是區(qū)域一中塊狀水體少，水體面積相對(duì)較小，影像中包含的干擾信息相對(duì)較少，所以誤差相對(duì)較小。
表6 區(qū)域三提取結(jié)果對(duì)比
表7 區(qū)域三水體提取面積
綜合分析各種方法的提取結(jié)果，GF-1 號(hào)影像空間分辨率較高，因此無(wú)論哪種方式進(jìn)行水體提取精度都較好。3 種方式相比較而言，NDWI 方法制圖精度最低，在壩地水體的識(shí)別中，常把亮色地物、建筑物與水體混淆，造成錯(cuò)分或漏分。SVM 與SWI 決策樹(shù)制圖精度大致相同，但是SVM 有一個(gè)局限性，即它的分類對(duì)象是有限個(gè)樣本，當(dāng)樣本很大時(shí)，就不適合使用該方法。淤地壩內(nèi)常會(huì)因積水排出不暢等多種原因?qū)е峦恋匕l(fā)生鹽堿化，鹽堿地在影像中多以白色、亮色呈現(xiàn)，進(jìn)行水體提取時(shí)易造成干擾，而SWI 決策樹(shù)法不僅能將亮色地物、建筑物同水體區(qū)分開(kāi)，還能較好地排除陰影的干擾，這對(duì)流域中微小水體的提取是一個(gè)不錯(cuò)的選擇。
表8 精度檢驗(yàn)結(jié)果
5 小結(jié)
以2016 年9 月1 日高分辨率影像GF-1 PMS2 影像為數(shù)據(jù)源，選擇山西省淤地壩數(shù)量較多、水土流失較嚴(yán)重、水體以壩地水體為主，水體微小并且分布不連片的地區(qū)岔口流域作為研究對(duì)象，運(yùn)用NDWI、SWI 決策樹(shù)、SVM 3 種不同的提取方法進(jìn)行流域水體信息的提取，并對(duì)提取結(jié)果進(jìn)行了視覺(jué)效果對(duì)比與提取精度評(píng)價(jià)，試圖找到適合于該地區(qū)水體提取的方法，為流域淤地壩水體監(jiān)測(cè)、淤地壩的完善與管理提供技術(shù)支持。所得結(jié)論如下。
1）黃土高原地勢(shì)溝壑縱橫，水體微小，與程磊等［12］的研究相比較，中低分辨率的影像已經(jīng)不適于提取黃土高原地區(qū)的水體，高分辨率的遙感影像對(duì)于山區(qū)微小水體的提取結(jié)果更好，精度更高，可運(yùn)用GF-1 影像進(jìn)行流域水體的監(jiān)測(cè)，其監(jiān)測(cè)結(jié)果可成為日后淤地壩等大型骨干工程管理、維護(hù)的重要數(shù)據(jù)。
2）通過(guò)對(duì)區(qū)域一、區(qū)域二、區(qū)域三的細(xì)節(jié)分析可知，影響流域水體提取的主要因素是亮色地物（包括建筑物）、陰影。
3）3 種方法都能夠提取水體信息，由于受影像中混合像元的影響，3 種方法提取的水體面積與從高分辨率影像中統(tǒng)計(jì)得到的水體面積難免存在微小差別。相比較而言，NDWI 方式提取的水體信息較弱，提取的水體中混雜了亮色地物、陰影等干擾因素，這與王大釗等［18］研究結(jié)果一致。SVM 法精度較高，對(duì)比其他學(xué)者的研究，如殷秋亞等［17］選擇SVM法進(jìn)行水體提取同樣得到了較高精度；SWI 決策樹(shù)法不但消除了建筑物、亮色地物的影響，而且很明顯地區(qū)分了陰影與水體，這與劉雙童等［3］的研究結(jié)論一致。總體認(rèn)為SVM、SWI 決策樹(shù)都適合提取黃土高原丘陵溝壑區(qū)的流域水體，但是SWI 決策樹(shù)方法提取的水體邊界更加準(zhǔn)確。
猜你喜歡
中國(guó)水土保持(2023年1期)2023-03-06 01:57:12
世界文化(2021年3期)2021-04-27 01:56:26
小資CHIC！ELEGANCE(2021年44期)2021-01-11 03:32:53
中國(guó)水土保持(2019年11期)2019-11-13 09:27:36
成都信息工程大學(xué)學(xué)報(bào)(2019年3期)2019-09-25 08:31:20
電子制作(2018年16期)2018-09-26 03:27:06
中央民族大學(xué)學(xué)報(bào)(自然科學(xué)版)(2016年4期)2016-06-27 08:06:04
專用汽車(2016年5期)2016-03-01 04:14:35
現(xiàn)代農(nóng)業(yè)(2015年1期)2015-02-28 18:40:08
鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版)(2015年1期)2015-02-27 14:50:26
