楊 陽，韓 芬，楊婭婷，王文龍

(1.寧夏回族自治區(qū)遙感調(diào)查院，寧夏 銀川 750021；2.高分辨率對地觀測系統(tǒng)寧夏數(shù)據(jù)與應(yīng)用中心，寧夏 銀川 750021)

1 引言

隨著高光譜遙感信息技術(shù)的快速發(fā)展，利用高光譜影像對水資源信息實現(xiàn)精準的識別與提取，對水體保護、水利規(guī)劃、災(zāi)后評估和水體流域治理等水資源合理開發(fā)利用有著重要的意義[1～4]。通過利用遙感技術(shù)準確快速地獲取黃河水體動態(tài)信息[5]，對黃河流域水環(huán)境健康進行診斷，可為黃河流域水環(huán)境綜合治理與保護提供數(shù)據(jù)基礎(chǔ)和科學(xué)依據(jù)。

目前，國內(nèi)研究者在水體信息提取的研究上積累了大量經(jīng)驗，數(shù)據(jù)源的應(yīng)用日趨多樣，各類研究方法的運用也更加成熟。高光譜衛(wèi)星影像具有較高的光譜分辨率，與多光譜遙感數(shù)據(jù)不同，高光譜遙感能夠獲取地表物體上百個連續(xù)譜段的信息，提供豐富的光譜信息來增強對地物的區(qū)分能力[6]。高光譜遙感實現(xiàn)了遙感數(shù)據(jù)圖像維與光譜維信息的有機融合，在光譜分辨率上有著巨大的優(yōu)勢[7]。國內(nèi)學(xué)者通過應(yīng)用高光譜影像數(shù)據(jù)，多采用單波段閾值法、多波段譜間關(guān)系法、水體指數(shù)法對不同類型的水體信息進行提取試驗和監(jiān)測研究。文獻[8]以珠海一號高光譜影像為數(shù)據(jù)源，通過設(shè)計一種新的水體提取指數(shù)—陰影建筑指數(shù)(SBI)，更為準確地提取了洱海的水體信息；文獻[9]基于高分五號影像數(shù)據(jù)，構(gòu)建了單波段閾值法與陰影水體指數(shù)(SWI)相結(jié)合的決策樹水體提取模型，有效抑制山體陰影和裸地影響提取完整水體，顯著提升了山區(qū)水體提取精度；文獻[10]基于直方圖數(shù)據(jù)特征的閾值分割法，實現(xiàn)了高光譜航空遙感近岸水體的特征提取，實驗結(jié)果表明，該方法總體信息提取精度達84%，Kappa系數(shù)為0.6862；文獻[11]針對水體邊界混合像元導(dǎo)致的精度損失問題，提出了一種基于高光譜混合像元分解的水體邊界提取方法，通過混合像元的高精度分解及水體邊界像元分割，進一步逼近水體的真實邊界，能顯著提高水體邊界提取精度。

大量研究結(jié)果表明，基于單波段閾值法、多波段譜間關(guān)系法、水體指數(shù)法等水體提取方法已較為成熟，結(jié)合高光譜影像數(shù)據(jù)的應(yīng)用，可以獲得很好的水體信息提取效果。為進一步豐富高光譜影像在黃河流域水體提取的研究，本文以珠海一號高光譜影像為數(shù)據(jù)源，針對黃河流域?qū)幭膮侵叶嗡w光譜特征，采用單波段閾值法、歸一化差異水體指數(shù)法(NDWI)、改進陰影水體指數(shù)法(MSWI)以及單波段閾值法與改進陰影水體指數(shù)法(MSWI)相結(jié)合的決策樹分類方法，研究總結(jié)適用于寧夏黃河流域的水體信息提取方法。

2 研究區(qū)與數(shù)據(jù)源

2.1 研究區(qū)

吳忠市位于寧夏回族自治區(qū)中部，引黃灌區(qū)的精華地段，地處東經(jīng)104°17′～107°39′，北緯36°35′～38°32′之間。黃河是吳忠市最主要的河流，縱貫全境，自青銅峽市青銅峽鎮(zhèn)入境，由利通區(qū)東塔寺鄉(xiāng)出境，境內(nèi)全長69 km，河面寬2.5～7.7 km，黃河沿岸地勢平坦，溝渠縱橫，農(nóng)業(yè)發(fā)達，素有“塞上江南”的美譽。研究區(qū)水體類型多樣，除黃河及其灌溉溝渠外，常見水體還有湖泊、水庫、景觀水系等；整體分布復(fù)雜，各類水體穿插分布于農(nóng)田、城市建筑、山體、裸地之間。

2.2 數(shù)據(jù)源

研究數(shù)據(jù)采用珠海一號高光譜衛(wèi)星數(shù)據(jù)，單次成像幅寬150 km，空間分辨率10 m，光譜分辨率2.5 nm，波長范圍400～1000 nm，共32個波譜段，從可見光至近紅外波段。覆蓋研究區(qū)影像2景，為03組D星(OHS-3D)影像，成像時間為2022年3月，經(jīng)過輻射定標、大氣校正和正射校正等預(yù)處理，可用于水體的定量反演。圖1為預(yù)處理后的研究區(qū)高光譜衛(wèi)星影像灰度圖像，黃河自西南角向北縱貫整幅影像。

圖1 研究區(qū)預(yù)處理后高光譜衛(wèi)星影像

3 研究方法

在可見光波段內(nèi)水的反射率一般較小，通常為4%～5%，且與波長呈負相關(guān)[12，13]，在750 nm波長之后，近紅外波段處，水體幾乎吸收全部的光波的入射能量，反射率很低[11]，水體在近紅外波段和短波紅外波段具有強吸收、弱反射的光譜特征。另外，水體在藍、綠波段的高反射、低吸收是它的另一大光譜特征，即水體在430～560 nm出現(xiàn)反射峰值，吸收性和透射性相對較弱。根據(jù)水體在不同波譜上的明顯差異，可以很好地實現(xiàn)水體和其他地物的界限分離。

3.1 單波段閾值法

單波段閾值法是指選定某一特定波段，通過設(shè)置適當?shù)拈撝祵λw進行提取[14]。在近紅外波段和短波紅外波段，水體反射率極低，而非水體反射率相對較高，明顯區(qū)別于水體，單波段閾值法則是基于此選取近紅外特定波段進行水體提取，具體公式為：

B28

(1)

式(1)中，B28為第28波段的反射率值，T為閾值；當?shù)?8波段反射率值小于T時為水體，否則為非水體，經(jīng)多次試驗以灰度直方圖確定閾值T為1465。

3.2 歸一化差異水體指數(shù)法

歸一化差異水體指數(shù)(NDWI，Normalized Difference Water Index)利用了水體在綠波段反射率較高，近紅外波段反射率低的特性[15]，通過對遙感影像特定波段進行歸一化差值處理，以凸顯影像中的水體信息，具體公式為：

(2)

式(2)中，將第8波段和第22波段分別作為綠波段和近紅外波段進行歸一化差值運算，閾值設(shè)為0.02，大于該值為水體，否則為非水體。

3.3 改進陰影水體指數(shù)法

改進陰影水體指數(shù)法(MSWI，Modified Shade Water Index)是在陰影水體指數(shù)法的基礎(chǔ)上改進而來，以反射率最高的藍波段與反射率最低的近紅外波段灰度值之差，除以近紅外波段，從而加大水體與陰影之間的區(qū)分[16]，具體公式為：

(3)

式(3)中，將第6波段和第22波段分別作為藍波段和近紅外波段進行運算，閾值設(shè)為0.2，大于該值為水體，否則為非水體。

3.4 決策樹法

通過對以上3種方法的試驗結(jié)果進行分析，發(fā)現(xiàn)其均存在不足之處，主要表現(xiàn)在部分水體與陰影、裸地易混淆，從而影響了水體提取的準確性。730 nm波長之后，陰影的反射率略高于水體，變化趨勢仍保持一致[17]，陰影和水體光譜的相似性導(dǎo)致兩者難以有效區(qū)分?；诖送ㄟ^多種單一方法的組合研究提出了單波段閾值法與改進陰影水體指數(shù)法相結(jié)合的決策樹分類方法，對水體作進一步提取試驗。

水體提取實質(zhì)上屬于二元分類，而決策樹是解決二元分類問題的有效手段，知識決策樹模型特別適用于基于簡單特征的地物提取問題[18]。通過將單波段閾值法和改進陰影水體指數(shù)法相結(jié)合構(gòu)建決策樹算法，對研究區(qū)進行水體提取。單波段閾值法在提取水體信息的同時，也提取了大量山體陰影、建筑陰影信息，而MSWI可以有效地將水體和陰影進行分離，進一步提高了水體信息提取精度。

決策樹法水體信息提取模型如圖2所示。

圖2 決策樹法水體信息提取模型

4 結(jié)果與分析

4.1 提取結(jié)果

基于上述4種水體信息提取方法，通過應(yīng)用珠海一號高光譜遙感影像數(shù)據(jù)，分別對研究區(qū)開展水體信息提取試驗，以上方法特征波段選取均通過光譜特征分析獲得，并以直方圖法獲取相應(yīng)閾值[9]，利用ENVI5.3中的Band Math將其轉(zhuǎn)為二值圖[19]，提取結(jié)果如圖3所示，白色為提取的水體信息，黑色為非水體信息。

通過直觀觀察發(fā)現(xiàn)，4種方法均能較好提取黃河、湖泊等開闊水體的主體輪廓，但在細節(jié)處存在明顯差異：

(1)單波段閾值法較完整地提取了影像中絕大部分水體信息，但同時也誤提取了一定數(shù)量的影像陰影，包括山體陰影和建筑陰影。

(2)歸一化水體指數(shù)法極大程度地抑制了植被信息，強化水體信息[20]，同時對影像中的陰影抑制作用較差，影響了面積較大水域的輪廓完整性。

(3)改進陰影水體指數(shù)法對于影像中的陰影具有一定的抑制作用，但也丟失了一定面積較小的水體信息。

(4)決策樹法能較好地區(qū)分水體和陰影，最大程度保留水體信息的同時，對影像中的陰影有著明顯的抑制作用(圖3(d)中紅色區(qū)域)。尤其是基于單波段閾值法和改進陰影水體指數(shù)法組合的決策樹法，對水體信息的提取效果明顯優(yōu)于其他3種方法。

圖3 水體提取結(jié)果

4.2 精度驗證

以同時期高分二號衛(wèi)星影像為底圖，人工目視解譯獲取研究區(qū)水體矢量信息，通過野外調(diào)查分別采集50個水體和非水體樣本，作為精度驗證的真實參考值，在ENVI5.3軟件下與4種水體信息提取試驗結(jié)果通過計算混淆矩陣進行精度評價與分析，分析結(jié)果如表1所示。

表1 精度評價與分析結(jié)果

從表1可以看出，本次試驗運用的4種水體提取方法中，基于單波段閾值法和改進陰影水體指數(shù)法組合的決策樹法總體精度高于其他3種方法，其總體精度為92.49%，較單波段閾值法、NDWI法、MSWI法分別高出了2.56%、3.17%、1.05%；Kappa系數(shù)為0.84，較單波段閾值法、NDWI法、MSWI法分別高出了0.07、0.1、0.03。決策樹法對于山體陰影和建筑陰影干擾下的水體信息有著較高的辨識度，克服了黃河流域?qū)幭膮侵叶紊襟w和裸地較多的不利影響，較適用于該區(qū)域水體提取。

5 結(jié)論

本文基于常用的水體提取方法，通過應(yīng)用珠海一號高光譜衛(wèi)星影像，對黃河流域?qū)幭膮侵叶畏秶鷥?nèi)水體提取進行了研究試驗，研究結(jié)果表明基于單波段閾值法和改進陰影水體指數(shù)法組合的決策樹法在該區(qū)域水體提取試驗中收獲了更好的效果。高光譜衛(wèi)星影像具有豐富的光譜信息優(yōu)勢，有效排除了水體含沙量、水深等因素對水體信息提取的干擾，針對研究區(qū)水體類型多樣、分布復(fù)雜的特點，通過運用決策樹法進一步排除了陰影對水體提取的干擾，該方法較適用于黃河流域?qū)幭亩蔚乃w信息提取。