劉海洋,胡泓達(dá),劉 平,劉旭攏,劉萬俠

(1.廣東省水利水電技術(shù)中心，廣州 510635；2.廣東省科學(xué)院廣州地理研究所,廣州 510070；3.南方海洋科學(xué)與工程廣東省實驗室，廣州 511458)

萬里碧道是以水為主線，兼顧生態(tài)、安全、文化、景觀、經(jīng)濟(jì)等功能的生態(tài)廊道，快速準(zhǔn)確獲取河湖水體分布對碧道規(guī)劃建設(shè)管理及碧道生態(tài)功能研究和評價具有重要意義[1-2]。衛(wèi)星遙感技術(shù)在水體提取應(yīng)用中發(fā)揮的作用日益凸顯[3]。水體遙感提取研究從最初的人工目視解譯，到基于光譜特征的半自動提取與分類，再發(fā)展到結(jié)合光譜特征與空間信息的方法[4]。其中，基于光譜水體指數(shù)的方法由于其易于理解、計算簡便等特征，應(yīng)用范圍最為廣泛。

遙感水體指數(shù)使得快速實現(xiàn)大范圍碧道水體提取成為可能[5]。波段的不同組合和計算公式產(chǎn)生了多種水體指數(shù)。MCFEETERS[6]于1996年首次提出了歸一化差異水體指數(shù)(NDWI)，充分抑制了植被等非水體信息。徐涵秋[7]提出了一種改進(jìn)的歸一化差異水體指數(shù)(MNDWI)，通過將近紅外波段替換為短波紅外波段，有助于消除來自土壤和建筑物的干擾。相關(guān)學(xué)者利用Landsat7 ETM+影像各波段的自然對數(shù)來反映反射系數(shù)和相互作用條件，創(chuàng)建了水體指數(shù)WI2006。WI2015水體指數(shù)[8]則以WI2006為基礎(chǔ)，利用線性判別分析分類確定最佳分割訓(xùn)練區(qū)類別的系數(shù)，進(jìn)一步提高了水體提取精度。

哨兵2號影像具有20 m分辨率的遠(yuǎn)紅外(SWIR)波段和10 m分辨率的可見光(VIS)和近紅外(NIR)波段，將SWIR波段的空間分辨率提高到10 m即可計算得到10 m分辨率的水體指數(shù)[9]。亟待解決的關(guān)鍵問題是如何準(zhǔn)確提高SWIR波段的空間分辨率，即遙感影像空間降尺度問題。一般來說，空間插值和全色銳化是兩種最流行的用于遙感影像空間降尺度方法。傳統(tǒng)的雙線性插值方法沒有引入其它高分辨率波段信息，而是直接應(yīng)用于低分辨率波段，計算簡便但效果有限。相比之下，全色銳化方法是以遙感影像的高分辨率全色(PAN)波段的可用性為前提，廣泛應(yīng)用于具有低分辨率多光譜波段和高分辨率PAN波段的遙感影像[10]。

1 研究區(qū)域與方法

1.1 研究區(qū)域與流程

研究區(qū)域位于廣州市區(qū)，總面積超過100 km2(如圖1所示)，研究區(qū)域內(nèi)主要分布珠江航道、海珠濕地等都市型碧道水體，另外還有一部分細(xì)小水體,對碧道水體提取造成干擾的主要是城區(qū)分布的大片建筑物及其陰影。

圖1 研究區(qū)域示意

本文的研究流程見圖2。首先利用哨兵2號遙感影像綠和近紅外波段計算NDWI水體指數(shù)；然后分別通過雙線性插值與GS波段銳化將遠(yuǎn)紅外波段空間分辨率提高至10 m，與可見光波段計算得到10 m分辨率的MNDWI和WI2015水體指數(shù)；針對各水體指數(shù)影像進(jìn)行掩膜閾值訓(xùn)練，利用分水嶺算法實現(xiàn)水體對象分割與提??；最后利用研究區(qū)域地表水體真值數(shù)據(jù)，對不同波段降尺度方法與水體指數(shù)組合的碧道水體提取精度開展評價對比。

圖2 研究流程示意

1.2 水體指數(shù)計算

NDWI是基于遙感影像綠波段和近紅外波段組合而成，計算公式如下：

(1)

式中：

ρGreen——綠波段的地表反射率；

ρNIR——近紅外波段的地表反射率。

NDWI主要利用近紅外波段水體吸收能力強(qiáng)，而植被反射性強(qiáng)的特點，達(dá)到抑制植被和突出水體信息的目的。

將NDWI中的近紅外波段替換為遠(yuǎn)紅外波段，計算公式如下：

(2)

式中：

ρSWIR——遠(yuǎn)紅外波段的地表反射率。

MNDWI能夠顯著增強(qiáng)水體與建筑物的對比度，降低兩者之間的混淆度，有利于準(zhǔn)確提取城鎮(zhèn)地區(qū)的水體信息[11]。

WI2015則是基于各波段自然對數(shù)創(chuàng)建，計算公式如下：

WI2015=1.7204+171ρGreen+3ρRed-70ρNIR-45ρSWIR1-71ρSWIR2

(3)

1.3 遠(yuǎn)紅外波段降尺度方法

空間插值和全色銳化算法通常被用來實現(xiàn)低分辨率波段的空間降尺度。Gram-Schmidt (GS)是應(yīng)用最廣泛的全色銳化算法之一，具有最優(yōu)的光譜保真度，可保持全色銳化前后影像光譜特征的一致性，即降尺度得到的高分辨率波段數(shù)據(jù)保留了原始低分辨率波段的光譜特征[12]。

哨兵2號影像不具備全色波段，而GS全色銳化需要融入類似全色波段的高分辨率波段信息。VIS/NIR多光譜波段分辨率均為10 m，但波段之間不同程度的相關(guān)性會導(dǎo)致數(shù)據(jù)冗余。主成分分析方法PCA被廣泛用于遙感多光譜影像波段信息降維[13]。利用PCA將VIS/NIR多光譜波段壓縮成一個類全色波段。通過對VIS/NIR四波段進(jìn)行線性變換，生成相互正交的光譜空間，其中第一主成分包含的信息最豐富。據(jù)此可將第一主成分視為10 m類全色波段，通過GS方法融合20 m遠(yuǎn)紅外波段，將遠(yuǎn)紅外波段空間分辨率提高至10 m。

1.4 標(biāo)記控制的分水嶺水體分割算法

標(biāo)記控制的分水嶺算法尤為適合水體分割，與最大類間方差等使用單閾值分割水體/非水體的算法相比，其在水體邊緣表現(xiàn)更好[14]。

使用該算法進(jìn)行水體提取包括3個步驟：

① 標(biāo)記水體/非水體區(qū)域：針對各水體指數(shù)影像，分別標(biāo)記可信度高的水體和非水體區(qū)域；

② 梯度影像生成：將Sobel算子應(yīng)用到各水體指數(shù)影像，計算生成相應(yīng)的梯度影像，用于確定水體和非水體區(qū)域標(biāo)記之間的分界線；

③ 執(zhí)行水體分割：基于水體/非水體區(qū)域標(biāo)記和梯度影像，分水嶺算法迭代擴(kuò)展每個標(biāo)記，直到所有未標(biāo)記的像元均被標(biāo)記為水體或非水體。

1.5 水體提取精度評價指標(biāo)

采用用戶精度(User’s Accuracy,UA)，生產(chǎn)者精度(Producer’s Accuracy,PA)，總體精度(Overall Accuracy,OA)和Kappa系數(shù)等4項評價指標(biāo)進(jìn)行水體提取結(jié)果評價。計算方法分別如下：

(4)

(5)

(6)

(7)

式中：

TP——正確提取的水體像元數(shù)目；

FP——錯誤提取的水體像元數(shù)目；

FN——未被提取的水體像元數(shù)目；

TN——正確提取的非水體像元數(shù)目；

T——整幅影像總像元數(shù)目,∑=(TP+FP)×(TP+FN)+(FN+TN)×(FP+TN)。

2 實驗結(jié)果分析

2.1 水體指數(shù)計算結(jié)果

圖3分別展示了NDWI水體指數(shù)、BIL和GS方法對應(yīng)的MNDWI和WI水體指數(shù)空間分布狀況。不難看出，3種水體指數(shù)均能夠較好地突出水體與陸地之間的反差，水域邊界已經(jīng)較為明顯。相比較而言，依靠雙線性插值方法降尺度的遠(yuǎn)紅外波段計算得到的水體指數(shù)值域范圍比GS方法分布更廣。

2.2 水體遙感提取精度評價

利用分水嶺算法在各水體指數(shù)影像上實現(xiàn)水體/非水體對象分割，從而實現(xiàn)水體區(qū)域的精準(zhǔn)提取。將水體提取結(jié)果與真實水體數(shù)據(jù)進(jìn)行疊加對比，即可得到水體誤提區(qū)域與漏提區(qū)域，分別如圖4a和圖4b所示。除了對水體誤提和漏提結(jié)果進(jìn)行定性直觀表達(dá)，另外利用精度評價指標(biāo)對不同降尺度方法與水體指數(shù)組合的水體提取結(jié)果開展定量評價，評價結(jié)果見表1。圖4a、b的誤提和漏提結(jié)果分別對應(yīng)表1的生產(chǎn)者精度UA和用戶精度OA。

a 水體誤提結(jié)果

表1 不同降尺度方法與水體指數(shù)組合的水體提取結(jié)果精度評價

在城市區(qū)域易誤分為水體的主要是建筑物陰影。重點關(guān)注建筑物密集分布區(qū)域，在原始影像上呈現(xiàn)出明顯的陰影現(xiàn)象，與水體同屬低反射率地物。可以看到各水體指數(shù)影像提取水體結(jié)果一定程度均會受到建筑物陰影混淆影響。相比較而言，NDWI指數(shù)和GS方法對應(yīng)的WI指數(shù)水體提取結(jié)果均表現(xiàn)較好，只有少數(shù)建筑物陰影被誤提為水體。特別是NDWI指數(shù)具有最優(yōu)的UA精度(95.02%)，說明NDWI對應(yīng)的水體誤提情形最少，這與已有研究結(jié)果不太相符。一般認(rèn)為MNDWI、WI等水體指數(shù)在處理建筑物及其陰影干擾時表現(xiàn)比NDWI更優(yōu)，因此出現(xiàn)水體誤提概率相對更低。然而，對于哨兵2號影像，由于計算MNDWI和WI指數(shù)需要的10 m分辨率遠(yuǎn)紅外波段是通過空間降尺度而得，該過程必然會引入降尺度誤差，直接降低水體指數(shù)計算精度，進(jìn)而一定程度上會影響水體提取結(jié)果。

BIL方法對應(yīng)的MNDWI和WI兩種指數(shù)均易將建筑物陰影誤分為水體，水體提取精度基本全面落后于NDWI指數(shù)。這是由于BIL插值方法雖然一定程度上保持了低分辨率遠(yuǎn)紅外波段的原有光譜信息，但是由于沒有引入其它高分辨率波段信息，對空間細(xì)節(jié)提升作用有限。結(jié)果表明高分辨率波段信息融入對于改進(jìn)低分辨率波段降尺度結(jié)果尤為重要，可顯著降低水體誤提概率，僅依靠簡單的空間插值方法難以達(dá)到相同的效果。

整體來說，每一種組合都取得了不錯的水體提取結(jié)果，UA等各項精度評價指標(biāo)均在80%以上。而GS方法對著的WI指數(shù)則提供了最優(yōu)的PA精度(89.10%)、OA精度(96.79%)與Kappa系數(shù)(0.897)。綜合來看，利用GS降尺度波段信息計算得到的WI指數(shù)取得了最佳的水體提取效果。這也說明選擇可利用高分辨率波段信息的空間降尺度方法對于提升水體提取精度尤為重要。

研究區(qū)域內(nèi)分布著眾多細(xì)小水體，3種水體指數(shù)均出現(xiàn)了漏提現(xiàn)象。這是由于GS全色銳化和BIL空間插值均是將參與水體指數(shù)計算的所有波段空間分辨率統(tǒng)一至10 m，自然無法提取寬度低于10 m的亞像元級別細(xì)小水體。

3 結(jié)語

水體遙感提取是碧道生態(tài)、安全、文化等綜合功能研究的基礎(chǔ)?；谏诒?號遙感影像，本文利用多種水體指數(shù)開展城市碧道水體遙感提取方法對比研究。結(jié)果如下：

1)遙感水體指數(shù)能夠有效提取城市碧道水體信息，特別是刻畫河道水體，水體提取精度評價指標(biāo)Kappa系數(shù)均保持在0.8以上。驗證了利用衛(wèi)星遙感技術(shù)開展碧道水體監(jiān)測的有效性和可行性。

2)各水體指數(shù)無法完全避免建筑物陰影對城市碧道水體提取的干擾，NDWI指數(shù)對應(yīng)的水體誤提情形最少，這與MNDWI、WI等水體指數(shù)更擅于避免建筑物陰影干擾的已有研究結(jié)論不太相符。這是由于計算MNDWI和WI指數(shù)需要的10 m分辨率遠(yuǎn)紅外波段是通過空間降尺度而得，降尺度誤差會降低水體提取精度。

3)受限于影像空間分辨率，各水體指數(shù)提取結(jié)果均會遺漏細(xì)小碧道水體信息。細(xì)小水體一直是遙感水體提取研究的難點，下一步有必要利用高分辨率遙感影像開展各水體指數(shù)對于細(xì)小碧道水體提取能力的對比研究。