王仁軍， 李東穎， 劉寶康

(天水師范學(xué)院資源與環(huán)境工程學(xué)院，天水 741000)

0 引言

湖泊作為地表水圈的重要組成，不僅參與全球水分循環(huán)，調(diào)節(jié)區(qū)域水分平衡，而且還為人類提供了豐富的生活和生產(chǎn)資源，是維持區(qū)域生態(tài)平衡的重要因子之一[1-2]。我國湖泊主要集中分布于對氣候變化十分敏感的青藏高原地區(qū)，大于1 km2的湖泊總數(shù)占全國湖泊總數(shù)量的39.2%[3-4]。其中，深藏于青藏高原腹地的可可西里地區(qū)，是我國湖泊分布密度最高的地區(qū)之一。通常，該區(qū)域湖泊分布的海拔較高，氣候惡劣，受人類活動影響較小，因此該地區(qū)湖泊變遷能忠實記錄氣候變化，是氣候變化的敏感指示器。

近年來極端氣候事件頻繁發(fā)生，引發(fā)了一系列的自然災(zāi)害[5]。2011年9月受青藏高原氣候暖濕化的影響，可可西里地區(qū)卓乃湖發(fā)生潰堤，大量湖水外泄，依次流入庫賽湖和海丁諾爾湖，最后注入鹽湖，外溢湖水注入鹽湖之后，鹽湖水位上升，可能引起鹽湖湖水外溢，鹽湖湖水為高度礦化的咸水，一旦外溢，不僅會危及青藏鐵路和青藏公路等一些基礎(chǔ)設(shè)施，而且還會嚴重危及可可西里地區(qū)生態(tài)環(huán)境安全，通過研究及時、準(zhǔn)確地獲取鹽湖水體變化信息，能夠為相關(guān)部門進行水患防治提供科學(xué)決策和依據(jù)?；诖耍笈鷮W(xué)者對可可西里地區(qū)的湖泊進行了研究，姚曉軍等[6]和劉寶康等[7]利用Landsat TM/ETM+/OLI遙感影像和國產(chǎn)環(huán)境減災(zāi)星(HJ1A/B)CCD數(shù)據(jù)對該區(qū)域湖泊水位變化、潰堤原因和可能引發(fā)潰堤的條件等進行了研究。

隨著遙感技術(shù)被廣泛應(yīng)用于水體監(jiān)測領(lǐng)域，水體信息提取方法成為熱門研究方向。如Komeil等[8]利用Landsat5 TM，Landsat7 ETM+和Landsat8 OLI遙感影像，模擬了2000—2013年伊朗烏魯米耶湖的時空變化； Adrian等[9]以澳大利亞東部的TM/ETM/OLI影像為數(shù)據(jù)源，在比較7種水體指數(shù)的基礎(chǔ)上，提出了一種簡單精確的大范圍水體自動分類方法。目前，用于水體信息提取的方法以單波段閾值法和多波段譜間關(guān)系法為主[10]。單波段閾值法主要是利用水體與背景地物在遙感影像的某一波段反射率存在差異，能有效抑制背景地物，實現(xiàn)與背景地物相分離的目的[11]，但單波段閾值法對不同時相、不同區(qū)域的水體需要設(shè)置不同的閾值，具有一定的局限性； 多波段譜間關(guān)系法綜合利用各波段信息，通過波段之間的組合，極大地增強了水體與其他地物反射率的差異，與單波段閾值法相比不受時空的影響[12]，多波段譜間關(guān)系法中以水體指數(shù)法最為常見，如McFeeters[13]提出了歸一化差異水體指數(shù)(normalized difference water index, NDWI)，能夠抑制植被和土壤信息，實現(xiàn)增強水體信息的作用； 徐涵秋[14]針對NDWI提取市區(qū)水體不理想，在NDWI的基礎(chǔ)上，提出了改進的歸一化水體指數(shù)(modified normalized difference water index,MNDWI)； 陳文倩等[15]基于高分一號4個波段并結(jié)合決策樹法，提出了陰影水體指數(shù)(shade water index ,SWI)，能有效地剔除陰影、裸地等背景地物對水體的影響； 王瑾杰等[16]在SWI的基礎(chǔ)上，提出了改進的陰影水體指數(shù)(modified shade water index ,MSWI)，進一步提高陰影與水體的分離程度； 王小標(biāo)等[17]針對復(fù)雜環(huán)境下水體提取精度易受到低反射率地表影響的問題，利用ETM+影像，構(gòu)建了多波段水體指數(shù)(multi-band water index，MBWI)，但此方法很難提出與水體反射率接近的地物； 王琳等[18]利用Landsat8影像，提出了雙紅外水體指數(shù)(double infrared band water index，DIBWI) ，用于準(zhǔn)確識別藍藻湖泊水體信息。

現(xiàn)階段水體研究主要利用國外衛(wèi)星數(shù)據(jù)，國外衛(wèi)星數(shù)據(jù)存在時間/空間分辨率低、晴空數(shù)據(jù)少等問題，難以對水體進行精準(zhǔn)監(jiān)測，而我國的高分六號衛(wèi)星,是我國自主研發(fā)的低軌光學(xué)遙感衛(wèi)星，與國外數(shù)據(jù)相比，具有高時間分辨率、寬覆蓋等特點，有利于湖泊水庫的精細化動態(tài)監(jiān)測。本文以其WFV影像為數(shù)據(jù)源，構(gòu)建了一種新型水體指數(shù)——紅邊水體指數(shù)(red side water index，RSWI)，利用混淆矩陣生成的總體分類精度和Kappa系數(shù)進行精度驗證，并與NDWI，MSWI和單波段閾值法3種水體提取模型進行精度對比分析，探究RSWI的精確度和可靠性。此方法可為高分六號衛(wèi)星數(shù)據(jù)在湖泊面積及其湖岸線動態(tài)監(jiān)測方面提供理論參考和技術(shù)支撐。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

可可西里地區(qū)，位于N33°30′～36°29′，E81°56′～94°06′，深藏于青藏高原腹地，橫跨新疆維吾爾自治區(qū)、西藏自治區(qū)和青海省3大行政區(qū)(圖1)?？煽晌骼锏貐^(qū)平均海拔高達4 000 m以上，氣候條件惡劣，湖泊眾多且受人為影響較小，面積大于10 km2的湖泊多達83個，包括淡水湖、微咸水湖、咸水湖、鹽湖，其中微咸水湖和咸水湖分布較多，是青藏高原湖泊集中分布區(qū)域之一[19]。本文選取可可西里地區(qū)的卓乃湖、太陽湖、可可西里湖、庫賽湖、加德仁錯、多格錯仁錯及西金烏蘭湖7個不同類型的湖泊，作為新型水體指數(shù)可行性和普適性驗證分析的研究區(qū)。

圖1 研究區(qū)地理位置

1.2 數(shù)據(jù)源及預(yù)處理

高分六號衛(wèi)星于2018年6月2日在我國酒泉衛(wèi)星發(fā)射中心成功發(fā)射，是中國空間技術(shù)研究院研制的低軌光學(xué)遙感衛(wèi)星，設(shè)計壽命為8 a，有高時間分辨率和寬覆蓋相協(xié)同等優(yōu)點。影像包括8個波段，具體見表1。本研究所使用的高分六號16 m多光譜遙感影像數(shù)據(jù)來自中國資源衛(wèi)星應(yīng)用中心(http: //36.112.130.153: 7777/DSSPlatform/index.html)，影像獲取時間為2020年9月29日。

表1 高分六號衛(wèi)星影像波段情況

首先，在ENVI5.3軟件下對遙感影像進行線性拉伸，突出顯示水體信息； 其次，對影像進行輻射定標(biāo)和大氣校正，其中輻射定標(biāo)采用中國資源衛(wèi)星應(yīng)用中心提供的絕對定標(biāo)系數(shù)，大氣校正采用FLAASH模型； 然后，利用影像自帶的有理多項式函數(shù)模型參數(shù)(rational polynomial coefficient，RPC)和地面高程數(shù)據(jù)完成高分六號數(shù)據(jù)的正射校正； 最后，對影像進行裁切，以便下一步處理。

2 水體識別模型

2.1 新型水體指數(shù)構(gòu)建

2.1.1 水體光譜特征分析

由于各類地物不同的光譜特征，在影像上反映出不同的綜合特征，構(gòu)成地物解譯與信息獲取的基礎(chǔ)。

水體在可見光范圍內(nèi)的反射率隨波長的增加而逐漸降低，在藍光波段反射率較高，波長達到近紅外波段時，水體反射率接近0，而植被、干土壤等的反射率曲線變化趨勢與此相反，在藍光波段呈強吸收和近紅外波段呈強反射的特點，基于此為水體信息的獲取提供了可能。通過理論研究結(jié)果進行實地調(diào)查可以確定研究區(qū)水體類型及附屬地物為深水區(qū)、淺水區(qū)、鹽堿地、裸巖、濕地、沙地、戈壁和積雪等，水體提取主要是淺水區(qū)邊界和其附屬地物的區(qū)分，從而高質(zhì)量提取。

2.1.2 RSWI構(gòu)建

經(jīng)試驗分別統(tǒng)計不同地物在高分六號WFV數(shù)據(jù)各波段中反射率的值，結(jié)果如圖2所示。由圖2可知，淺水區(qū)水體受湖底沉積物的影響，呈較高的反射率，整體高于深水區(qū)水體； 積雪光譜曲線變化趨勢雖與淺水區(qū)水體相似，但與其他地物光譜曲線分離性較大； 濕地與淺水區(qū)水體在紅光波段存在相交，異物同譜現(xiàn)象明顯，難以區(qū)分，鹽堿地、裸巖、沙地和戈壁4類地物光譜曲線變化趨勢相似，但是這些地物均在紅邊2波段與水體分離性較大； 水體在藍光波段和綠光波段的反射率整體高于紅邊1和2波段的反射率，尤其在紅邊2波段相差最大，而鹽堿地、裸巖、沙地、濕地和戈壁等地物正好相反。通過大量實驗證明，當(dāng)紅邊2波段反射率擴大2倍時，水體與其他背景地物相差最大。利用上述特征構(gòu)建新型水體指數(shù)RSWI，模型公式為：

圖2 典型地物反射率曲線

，

(1)

式中：RSWI為紅邊水體指數(shù)；B1，B2和B6為高分六號WFV數(shù)據(jù)第1，2和6波段的反射率。當(dāng)RSWI≥C時為水體，C為新型水體指數(shù)的經(jīng)驗性閾值。

2.1.3 RSWI決策樹模型提取水體流程

考慮到積雪與淺水區(qū)水體反射率特征相似，且藍光波段和綠光波段的反射率也整體高于紅邊2波段，利用RSWI無法將其區(qū)分，但積雪具有高反射的特點，與其他地物差異明顯，可引入單波段并結(jié)合RSWI構(gòu)成決策樹的邏輯運算，剔除此類地物的影響。RSWI決策樹模型提取水體流程見圖3。

圖3 RSWI提取水體流程

提取水體具體步驟為： ①通過高分六號WFV數(shù)據(jù)近紅外波段的閾值剔除積雪，提取水體及其他地物信息； ②在圖像上隨機采集60個水體樣本和60個非水體樣本信息，統(tǒng)計其光譜信息，并結(jié)合直方圖反復(fù)證實水體閾值范圍，設(shè)定合理閾值，保證最大程度上不漏提水體信息； ③利用構(gòu)建的RSWI，確定閾值，提取水體信息，并對結(jié)果做二值化處理，使其與背景分離。

2.2 其他水體提取模型

為分析驗證RSWI的可靠性，本文選取了其他幾種常見水體提取模型，包括單波段閾值法[20]、NDWI和MSWI，計算公式分別為：

B4

，

(2)

，

(3)

，

(4)

式中：B4為高分六號WFV數(shù)據(jù)的近紅外波段的反射率；T為單波段閾值法的經(jīng)驗性閾值。

3 結(jié)果分析與驗證

首先，利用提出的模型進行水體提?。?然后，為了達到更高精度運用直方圖法對結(jié)果優(yōu)化，將RSWI與其他模型水體提取結(jié)果進行對比分析； 最后，以目視解譯提取結(jié)果作為驗證數(shù)據(jù)，通過結(jié)果分析得到基于高分六號WFV數(shù)據(jù)的水體提取效果。

3.1 水體提取及結(jié)果分析

利用本文提出的模型與NDWI，MSWI和單波段閾值法在卓乃湖的初次提取結(jié)果如圖4所示。為了水體提取達到更好精度，首選利用直方圖反復(fù)確認水體范圍，以確保最大程度上不漏提水體信息，獲取研究區(qū)的RSWI，NDWI，MSWI和單波段閾值法的閾值分別為0，0.11，0.32和0.04(圖5)，再對4種水體提取模型提取結(jié)果做二值化處理，除單波段閾值法小于閾值的像元為水體外，其余水體模型均大于或等于閾值的像元為水體，小于閾值的像元為非水體，水體和非水體像元分別賦值為1和0，不同水體模型提取結(jié)果如圖6所示。

(a) RSWI(b) NDWI(c) MSWI(d) 單波段閾值法

(a) RSWI(b) NDWI(c) MSWI(d) 單波段閾值法

(a) GF-6 WFV(b) RSWI(c) NDWI

(d) MSWI(e) 單波段閾值法

分析圖6可知，4種水體提取模型均能較好地提取水體邊界，提取結(jié)果大致相似，但存在細節(jié)差異。4種水體模型提取結(jié)果中，MSWI提取結(jié)果誤差最大，由于湖泊淺水區(qū)域，受湖底沉積物的影響，水體反射率增高，設(shè)置閾值時，閾值過大無法將其與小斑塊鹽堿地進行區(qū)分，閾值過小出現(xiàn)漏提，從而導(dǎo)致提取結(jié)果不理想，根據(jù)單波段影像灰度直方圖，當(dāng)閾值設(shè)定為0.32時，水體信息雖能達到較好的提取效果，但仍受復(fù)雜湖底影響，導(dǎo)致水體漏提現(xiàn)象。與MSWI相比，單波段閾值法提取效果雖有所改善，但仍受限干擾地物影響，無法完整提取水體信息。而RSWI和NDWI提取結(jié)果較為相似，均優(yōu)于單波段閾值法和MSWI，但NDWI仍然無法區(qū)分反射率較高的淺水區(qū)水體和鹽堿地，導(dǎo)致部分淺水區(qū)水體漏提。RSWI能有效抑制湖底沉積物和鹽堿地等的影響，但與積雪等高亮地物無法區(qū)分，導(dǎo)致將一些高亮地物誤提為水體，因此在實驗過程中，考慮引入近紅外波段作為補充，來剔除高亮地物，從而提高水體提取精度。

3.2 精度驗證

為了定量評價近紅外波段和RSWI構(gòu)成的決策樹水體提取模型的精確度和可靠性，需要對水體提取結(jié)果進行精度評價。水體提取精度主要體現(xiàn)在水陸邊界上，以同一時期Google Earth影像作為輔助數(shù)據(jù)，沿水陸邊界選取水體和非水體的樣本點，采用混淆矩陣計算的總體精度和Kappa系數(shù)定量評價不同水體模型的提取效果，計算結(jié)果見表2。

表2 基于不同水體模型提取結(jié)果精度評價

由表2驗證結(jié)果可知，RSWI水體指數(shù)與近紅外波段構(gòu)成的決策樹水體提取模型總體精度較為理想，Kappa系數(shù)效果較好。RSWI決策樹模型的總體精度和Kappa系數(shù)均高于其他3種水體提取模型，RSWI決策樹模型的總體精度和Kappa系數(shù)分別為93.78%和0.87，較NDWI提高了1.37百分點和0.02，較MSWI和單波段閾值法分別提高了12.44百分點、0.23和3.23百分點、0.06。其次為NDWI和單波段閾值法，與RSWI決策樹模型相比，NDWI和單波段閾值法對淺水區(qū)水體敏感性較弱。MSWI提取效果最差，總體精度和Kappa系數(shù)最低。

綜上所述，RSWI和近紅外波段構(gòu)成的決策樹模型提取精度最高，NDWI和單波段閾值法提取精度次之，NDWI和單波段閾值法對淺水區(qū)水體敏感性較差，MSWI提取精度最差?？梢姡疚奶岢龅腞SWI決策樹模型能有效抑制復(fù)雜湖底沉積物和鹽堿地等地物對水體提取時的干擾，總體精度較高，提取效果較為理想，在基于國產(chǎn)高分六號WFV數(shù)據(jù)進行干旱區(qū)水體信息提取具有明顯優(yōu)勢。

4 RSWI普適性分析

為了驗證RSWI水體提取模型的穩(wěn)定性與普適性，從定量、定性及不同方法對比多角度進行驗證。

4.1 定性驗證

首先從區(qū)域上選取可可西里地區(qū)不同類型面積大于100 km2的6個典型湖泊，包括可可西里地區(qū)的太陽湖、可可西里湖、庫賽湖、加德仁錯、多格錯仁錯及西金烏蘭湖進行RSWI的普適性分析，利用4種水體提取模型分別對6個不同類型的湖泊進行水體提取，提取結(jié)果見表3。分析表3可知，RSWI，NDWI，MSWI和單波段閾值法這4種水體模型整體提取結(jié)果大致相同，均能較好地提取水體信息，但明顯存在細節(jié)差異，需要從縱向和橫向變化進行驗證。

表3 不同水體模型提取水體結(jié)果對比

(續(xù)表)

1)從縱向分析，從淡水湖到微咸水湖和咸水湖再到鹽湖，湖水含鹽量增加，湖底沉積物由簡單變復(fù)雜，受湖底沉積物和湖水性質(zhì)的影響，4種水體提取模型對不同類型湖泊的適應(yīng)性不同。4種水體提取模型對淡水湖均有較強的適應(yīng)性，提取結(jié)果差異性較小，但隨湖水含鹽量增加，4種水體提取模型對不同類型湖泊表現(xiàn)出適應(yīng)性的差異。其中MSWI對不同類型湖泊的適應(yīng)性最差，NDWI和單波段閾值法對不同類型湖泊的適應(yīng)性次之，而本文提出的RSWI水體提取模型能有效抑制湖水性質(zhì)的影響，對不同類型湖泊都具有較好的適應(yīng)性。

2)從橫向分析，MSWI提取效果最差，提取水體區(qū)域偏小，單波段閾值法雖能較好地提取水體信息，但受湖底沉積物和湖水性質(zhì)的影響，導(dǎo)致部分水體區(qū)域漏提，如多格錯仁錯西部淺水區(qū)水體； NDWI和RSWI提取效果最好，兩者雖提取結(jié)果相似，但NDWI對復(fù)雜湖底沉積物的敏感性較弱，無法區(qū)分淺水區(qū)水體和濕地，出現(xiàn)過提現(xiàn)象，而RSWI水體提取模型能有效抑制湖底沉積物和湖水性質(zhì)的影響，因此能有效地識別淺水區(qū)水體； 此外，從庫賽湖提取結(jié)果可知，NDWI提取結(jié)果受高亮地物影響，誤將積雪提為水體，而RSWI和MSWI均結(jié)合單波段閾值法構(gòu)成了決策樹模型能有效剔除積雪等高亮地物對提取結(jié)果的影響。

4.2 定量驗證

為了更加深入地分析RSWI水體模型的普適性，同樣以同一時期Google Earth影像為輔助數(shù)據(jù)，分別對6個不同類型的湖泊沿水陸邊界選取水體和非水體樣本作為真實地面數(shù)據(jù)，利用混淆矩陣計算RSWI，NDWI，MSWI和單波段閾值法分別對太陽湖、可可西里湖、庫賽湖、加德仁錯、多格錯仁錯及西金烏蘭湖提取水體結(jié)果的總體精度和Kappa系數(shù)，結(jié)果見表4。分析表4可知，4種水體提取模型對淡水湖的提取結(jié)果誤差最小，總體精度最大差值僅為3.39百分點，但隨湖水含鹽量增加，這一差值增大； 6個湖泊水體提取結(jié)果中，RSWI的總體精度和Kappa

表4 不同類型湖泊水體提取結(jié)果精度評價

系數(shù)均為各水體提取模型最高，其次為NDWI和單波段閾值法，而MSWI提取精度最差。

綜合分析表明，本文提出的RSWI水體提取模型整體精度較好，對不同類型的湖泊具有較好的穩(wěn)定性和普適性，因此本文提出的水體模型可用于高分六號可可西里地區(qū)湖泊水體提取。

5 結(jié)論與討論

本文以可可西里地區(qū)的卓乃湖、太陽湖、可可西里湖、庫賽湖、加德仁錯、多格錯仁錯及西金烏蘭湖為研究對象，利用高分六號WFV遙感影像，通過分析不同地物在高分六號WFV數(shù)據(jù)各波段中的反射率差異，構(gòu)建了一種新型水體指數(shù)RSWI，并結(jié)合單波段閾值法，引入近紅外波段，提出了一種決策樹水體提取方法。利用樣本數(shù)據(jù)，對RSWI，NDWI，MSWI和單波段閾值法分別建立混淆矩陣進行精度評價，驗證RSWI提取水體信息的可行性。主要結(jié)論如下：

1)通過對比高分六號WFV的RSWI，NDWI，MSWI和單波段閾值法4種湖泊水體識別模型的提取結(jié)果，結(jié)果表明： MSWI提取結(jié)果誤差最大； 單波段閾值法相比MSWI提取效果有所改善，但仍受湖底沉積物影響較大； RSWI和NDWI提取結(jié)果較為相似，提取效果較好，但NDWI對淺水區(qū)水體敏感性弱，無法準(zhǔn)確識別淺水區(qū)水體，導(dǎo)致部分淺水區(qū)水體漏提，而RSWI對淺水區(qū)敏感性較強，能夠有效抑制湖底沉積物的影響，但RSWI受高亮地物的影響，因此結(jié)合單波段閾值法作為補充，從而有效地提高了水體提取精度。

2)通過利用混淆矩陣獲得的總體精度和Kappa系數(shù)對4種模型進行精度評價，結(jié)果表明： RSWI和近紅外波段構(gòu)成的決策樹模型提取精度較為理想，總體精度和Kappa系數(shù)分別為93.78%和0.87，均高于其他3種水體提取模型； NDWI和單波段閾值法提取精度次于RSWI，但高于MSWI，MSWI提取精度最差。

3)選取可可西里地區(qū)不同類型的6個湖泊，進一步分析RSWI的可行性和普適性，結(jié)果表明： RSWI水體提取模型整體精度較好，總體精度和Kappa系數(shù)均高于NDWI，MSWI和單波段閾值法，對不同類型的湖泊具有較好的穩(wěn)定性和普適性。

本文提出的RSWI水體提取模型能有效識別淺水區(qū)水體信息，為水體監(jiān)測提供了新的數(shù)據(jù)源和技術(shù)支撐，但本研究僅使用了單一數(shù)據(jù)源，受限于高分六號WFV數(shù)據(jù)的空間分辨率(16 m)，提取結(jié)果仍然受混合像元的影響； 此外未能獲取不同時相遙感影像進行時空對比，結(jié)論具有一定局限性。因此，采用高分辨率多源衛(wèi)星資料提取湖泊水體面積及湖岸線，探究此方法基于不同時相遙感影像的普適性將是今后工作研究的重點。