馬海超,王崇倡,何昭寧,信 晟,王 蕾

(1. 遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院,遼寧 阜新 123000; 2. 自然資源部國土衛(wèi)星遙感應(yīng)用中心,北京 100048)

水資源是維持地球生態(tài)可持續(xù)發(fā)展的第一要素,是人類生存和生活的物質(zhì)依據(jù)。應(yīng)用遙感技術(shù)對水體進行快速、準確的提取,是我國水資源利用和提取的有效方法[1]。掌握我國水資源現(xiàn)狀及空間分布情況,能夠為經(jīng)濟社會發(fā)展和生態(tài)文明建設(shè)科學(xué)決策提供有力的數(shù)據(jù)依據(jù)[2]。

隨著遙感技術(shù)的不斷發(fā)展,以及水體定量與反演研究的深入,水體提取方法的發(fā)展愈加成熟,但多是根據(jù)國外遙感衛(wèi)星的特征作為研究依據(jù)對水體信息進行提取研究,如Landsat 8、TM、Sentinel、MODIS、SPOT-5等遙感影像[3-7],針對國產(chǎn)高分系列光學(xué)遙感衛(wèi)星的水體提取方法的研究相對較少。根據(jù)影像解譯方法的不同,可分為指數(shù)法、分類法和基于深度學(xué)習(xí)等方法。文獻[8]基于Landsat TM影像提出改進的歸一化差異水體指數(shù)(modified normalized difference water index,MNDWI),提取城鎮(zhèn)范圍內(nèi)的水體效果較好。文獻[9]基于Landsat TM影像提出修訂型歸一化水體指數(shù)(revised normalized different water index,RNDWI),能夠消除山體陰影,精確提取水陸邊界。文獻[10]基于Landsat TM影像提出高斯歸一化水體指數(shù)(Gaussian normalized different water index,GNDWI),用于較復(fù)雜的河流提取,并能夠有效消除陰影。

GF-7是中國第一顆民用亞米級高分辨光學(xué)立體測繪衛(wèi)星,于2019年11月3日成功發(fā)射,采用雙線陣相機與激光測高儀等載荷,能夠獲取高分辨率高精度的立體數(shù)據(jù)和激光測高數(shù)據(jù),定位精度較高,并能將平面圖形繪制成為立體模型,與一般的光學(xué)遙感衛(wèi)星區(qū)別較大[11]。因此利用高分遙感影像獲取空間分辨率精度較高的水文參數(shù),已成為水資源動態(tài)監(jiān)測和管理的重要手段[12]。文獻[13]基于GF-1影像,對陰影水體指數(shù)法(modified shadow water index,MSWI)進行改進,高分辨率遙感影像的水體解譯精度得以提升。文獻[14]基于GF-2衛(wèi)星影像提出綜合水體指數(shù)(city water index,CWI),降低了陰影噪聲、建筑物噪聲等影響。但目前尚未有對GF-7影像進行提取水體信息的研究。為此,本文針對GF-7影像,對新構(gòu)建的綠波改正歸一化指數(shù)(green normalized difference vegetation index,GNDVI)與其他5種提取方法進行比較分析。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

南京市浦口區(qū)是南京重要城區(qū)之一,浦口區(qū)前臨長江,后有滁河,且包括矮小山脈、平原及丘陵等自然地貌,屬亞熱帶季風(fēng)氣候區(qū),水資源豐富。本文選取雨量較大的夏季影像。浦口區(qū)內(nèi)地物種類繁多,地物間光譜區(qū)別較小,包括高反射率的建筑物、旱田和水田混淆的耕地、小部分低山地區(qū)、林木覆蓋率大,且城區(qū)中夾雜著許多大小不同的河道,浦口區(qū)示意圖如圖1所示。

圖1 南京市浦口區(qū)

1.2 數(shù)據(jù)源與預(yù)處理

以GF-7(MUX和BWD)影像作為數(shù)據(jù)源,成像時間是2021年3月,云量為0,GF-7傳感器參數(shù)見表1。對影像進行線性拉伸,突出顯示水體信息。為消除或糾正因輻射誤差而引起影像畸變,首先對影像進行輻射定標(biāo),然后進行FLAASH大氣校正、正射校正、圖像融合(BWD影像和MUX影像進行Gram-Schmidt Pan Sharpening融合),最后得到研究區(qū)影像。

表1 GF-7衛(wèi)星傳感器參數(shù)

2 水體提取方法

2.1 基于GF-7衛(wèi)星構(gòu)建的綠波改正歸一化指數(shù)法(GNDVI)

由于色調(diào)、影像的紋理及地物組成的差異,因此遙感影像的幾何特征、反射特征不同。水體反射率一般低于其他地物,不超過6%,且波長愈大反射率愈小。其在藍光、綠光波段反射率達到最高,而在近紅外波段顯示了強烈的吸收性,幾乎沒有反射率。根據(jù)不同地物在各個波段的反射率值,在影像上均勻選取研究區(qū)各類地物的純凈像元,對主要地物的光譜曲線進行繪制,如圖2所示。

圖2 主要地物光譜響應(yīng)曲線

由圖2可知,水體在綠色波段反射率值達到了最高峰,之后大幅降低,即水體在綠色波段吸收性最弱,反射性最強,而在NIR波段與其形成鮮明對比。且陰影和水體的光譜曲線在近紅外波段呈相交趨勢,相似性較強,兩者混淆情況易出現(xiàn)。陰影主要包括建筑物陰影和山體陰影,其反射率在各個波段差異不大,總體來說相對較低,比較平穩(wěn)。建筑物和耕地的反射率值在可見光與NIR波段幾乎直線上升,與水體差別較大,容易辨別。山體的反射率總體呈上升狀態(tài),在NIR波段達到頂峰,略低于耕地和建筑物的反射率?？赡苡捎谏襟w植被的覆蓋,導(dǎo)致其在紅色波段與水體出現(xiàn)了相交現(xiàn)象。通過研究GF-7衛(wèi)星地物光譜響應(yīng)曲線,利用吸收性最強的近紅外波段減去吸收性最弱的綠色波段,增加其反差,并與近紅外波段和紅色波段相加建立比值運算關(guān)系,降低水體和陰影及山體的混淆情況。得到綠波改正歸一化指數(shù)法(green normalized difference vegetation index,GNDVI),公式為

(1)

式中,NIR、G、R分別為近紅外波段、綠色波段、紅色波段,對應(yīng)GF-7衛(wèi)星的第4、2、3波段。

2.2 單波段閾值法

單波段閾值法是基于TM影像提出的水體提取算法,利用水體在近紅外或中紅外波段的差異,確定某一閾值作為區(qū)分水體與背景地物的方法。本文選取GF-7影像NIR波段進行試驗。試驗公式為:b4

2.3 歸一化植被指數(shù)(NDVI)

NDVI由文獻[15]提出,對植被的響應(yīng)能力較強,是目前使用最廣的植被指數(shù)之一,在植被覆蓋度較高的區(qū)域,強化水陸差異的效果良好。公式為

(2)

2.4 歸一化差分水體指數(shù)法(normalized difference water index,NDWI)

NDWI(由文獻[16]提出,依據(jù)近紅外波段及可見光波段的水體和植被的光譜特點,通過紅波波段及綠波波段搭建而成。公式為

(3)

2.5 改進的陰影水體指數(shù)法(MSWI)

MSWI由文獻[12]提出,將GF-1衛(wèi)星的藍色波段(B)與近紅外波段(NIR)進行組合搭建而成,公式為

(4)

2.6 城市水體指數(shù)法(CWI)

CWI文獻[14]提出,以GF-2衛(wèi)星為數(shù)據(jù)源,將整數(shù)倍的NIR波段減去藍綠波段之和,公式為

CWI=3NIR-G-B

(5)

3 結(jié)果與分析

3.1 目視定性分析

基于GF-7衛(wèi)星影像,采用單波段閾值法、NDVI、NDWI、CWI、MSWI及GNDVI指數(shù)法對浦口區(qū)水體信息進行提取。選取最佳閾值進行分割后的二值化結(jié)果如圖3所示,圖中黑色代表非水體,白色代表水體。顯然,6種方法均能較好地突出水體與其他地物之間的差異,保證城區(qū)內(nèi)河流主干提取結(jié)果的完整性。

圖3 浦口區(qū)水體提取結(jié)果

由于城區(qū)背景較復(fù)雜,受影響因素較多,出現(xiàn)不同程度的漏提和誤提。城區(qū)各類建筑物、高亮公路及船舶等設(shè)施具有相對較高的反射率值,并且伴隨著建筑物而來的大量陰影、河流中航行的大型船舶及河流岸邊的裸地、淺水灘等因素,導(dǎo)致城區(qū)中形成了強烈的明暗對比,且碎小斑塊較多,需要多維度考慮影響因素。由圖3可知,利用單波段閾值法提取水體非常完整,但有嚴重的誤提錯提現(xiàn)象,且水體邊緣不夠清晰。NDVI和NDWI法中誤提現(xiàn)象有所減輕,但出現(xiàn)了較多破碎斑點。CWI和MSWI法受其他地物干擾的程度較小,提供整體效果良好,但MSWI法漏提現(xiàn)象略重。本文構(gòu)建的GNDVI指數(shù)法相比NDVI及NDWI法,誤提現(xiàn)象明顯降低,受復(fù)雜環(huán)境的噪聲影響較小,提取邊界更加清晰,整體來看完整度更高,總體提取效果最好。

3.2 細節(jié)對比

浦口區(qū)水體提取結(jié)果差異主要是細小河道、建筑物陰影及耕地(分為水田和旱地)。南京市農(nóng)作物以水稻、玉米、小面、油菜等為主,一部分水田被水覆蓋。具體細節(jié)見表2。

表2 浦口區(qū)水體提取細節(jié)對比

由表2可知,6種方法對河流主干的提取內(nèi)部都較純凈,完整性較好。單波段閾值法出現(xiàn)了將旱地溝壑、居民樓陰影等誤提為水體較為嚴重的現(xiàn)象,受背景影響較大。NDVI與NDWI法誤提現(xiàn)象有所減輕,建筑物陰影有所減少,水田提取情況相對完整。

CWI和MSWI法在建筑區(qū)內(nèi)受建筑物和高亮路面高反射率的現(xiàn)代設(shè)施及大量建筑物陰影的影響較小,誤提現(xiàn)象較輕,但MSWI法在水田和細小河道出現(xiàn)了較為明顯的漏提現(xiàn)象。CWI法效果相對較優(yōu),保證了細小河道及岸邊淺水區(qū)信息的連續(xù)性,但有較輕的混淆現(xiàn)象。

本文提出的GNDVI指數(shù)法誤提程度最輕,能較好地將細小水體、陰影、船舶等與水體、水田區(qū)分開。相比其他5種方法,GNDVI指數(shù)法受噪聲信息干擾的程度較低,對建筑物陰影有很好的識別度,對水田的提取也相對完整,細小水體邊界提取清晰,能顯示出較真實的河道寬度,GNDVI指數(shù)法提取效果最好,完整性和連續(xù)性優(yōu)良。

3.3 精度評價

以GF-7融合影像目視解譯結(jié)果作為真實水體數(shù)據(jù),分為水體和非水體,建立混淆矩陣。對6種方法的二值化分類結(jié)果進行精度評價,計算總體精度和Kappa系數(shù),將其作為評價指標(biāo),見表3。

表3 浦口區(qū)水體提取精度對比

綜合表3精度評價結(jié)果,基于GF-7影像利用本文提出的GNDVI指數(shù)法提取水體,精度最高,達97.26%,Kappa系數(shù)為0.94;CWI法提取精度超過了90%,僅次于GNDVI指數(shù)法;NDWI法和MSWI法效果一般,單波段閾值法和NDVI法精度相比其他方法整體較低,提取效果較差。可見GNDVI指數(shù)法在水體提取方面優(yōu)勢較為明顯,尤其對建筑物陰影抑制效果較好。

為了進一步驗證新指數(shù)法的可用性,選用荊州市沙市區(qū)影像(來源為GF-7衛(wèi)星MUX影像,成像時間為2021年11月,云量為0)對其進行驗證分析。對驗證區(qū)進行輻射定標(biāo)、大氣校正及正射校正等預(yù)處理。應(yīng)用已有5種提取方法與GNDVI指數(shù)法對沙市區(qū)進行水體提取,結(jié)果及精度評價如圖4、表4所示。

表4 沙市區(qū)水體提取精度對比

圖4 荊州市沙市區(qū)

可知,在荊州市沙市區(qū)GNDVI指數(shù)法水體提取精度最高,達96.68%,Kappa系數(shù)為0.92。不僅保證了細小河道及岸邊淺水區(qū)信息的連續(xù)性,而且保證了河流主干的準確性,能更好區(qū)分水體和陰影、細小水體,提取效果優(yōu)于其他方法,說明GNDVI指數(shù)法準確率較高。

4 結(jié) 論

水體是人類賴以生存和發(fā)展最重要的自然資源之一,水資源保護應(yīng)用中需要運用遙感影像迅速精確地獲得水體信號。本文基于GF-7衛(wèi)星影像的光譜特征曲線分析,利用吸收性最強的近紅外波段減去吸收性最弱的綠色波段,增加其反差并與近紅外波段和紅色波段相加建立比值運算關(guān)系,提出綠波改正歸一化指數(shù)法(GNDVI),可以快速、準確、完整地提取水體信息。與其他方法相比,不僅能有效去除建筑物噪聲,而且高效抑制了建筑物陰影,保證了河道的連續(xù)性和真實性。由此可見,基于高分辨率且空間清晰度更高的GF-7影像,利用GNDVI指數(shù)法在水體提取中優(yōu)勢十分明顯,并具有一定的可用性,更易于水體解譯。本文為我國GF-7遙感影像在水利領(lǐng)域的應(yīng)用和研究提供參考,提高了GF-7衛(wèi)星在我國生態(tài)資源環(huán)境建設(shè)中的作用。

本文研究不足之處在于對水田這種混合像元構(gòu)成的地物提取效果一般,影響了清晰度,識別相對困難,有待對其進一步研究。