不同指数模型提取ALOSAVNIR－2影像中水体的敏感性和精度分析

熊金国，王世新，周 艺

(1．中国科学院遥感应用研究所，北京 100101;2．中国科学院研究生院，北京 100049)

不同指数模型提取ALOSAVNIR－2影像中水体的敏感性和精度分析

熊金国1，2，王世新1，周 艺1

(1．中国科学院遥感应用研究所，北京 100101;2．中国科学院研究生院，北京 100049)

以广东惠州附近水域为研究区，利用ALOSAVNIR－2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数，分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息，提取效果从好到差依次是:归一化差值水体指数法(NDWI)、近红外波段分割法(NIR)、归一化差值植被指数法(NDVI)和比值植被指数法(RVI)。其中NDWI指数模型，在选择合适阈值的情况下，水体提取的总体精度最高可达98%左右，并且提取过程对阈值影响不敏感。

水体指数;ALOS;光谱分析;精度评价

0 引言

ALOS卫星(Advanced Land Observation Satellite)是日本继JERS－1和ADEOS之后于2006年发射的又一颗陆地观测卫星，可获得更加灵活、更高分辨率的对地观测数据，应用于测绘、环境观测、灾害监测和资源调查等领域。ALOS卫星载有3个传感器:全色遥感立体测绘仪(PRISM)、先进可见光与近红外辐射计－2(AVNIR－2)和相控阵型L波段合成孔径雷达(PALSAR)，采用了高速大容量数据处理技术与卫星精确定位和姿态控制技术［1］。在波段设置和空间分辨率上，ALOS AVNIR－2和SPOT－5 CCD有很大的相似性。何宇华等［2］通过影像灰度等级、单变量统计和影像纹理特征分析以及平面点位、影像分类和图斑面积精度评定，针对ALOS数据图像质量开展影像特征研究与应用精度综合评价，并与SPOT－5数据对比，发现ALOS数据在纹理特征及面积精度方面均明显优于SPOT－5。由此可见，ALOSAVNIR－2作为一种良好的中高分辨率传感器，在灾害监测、资源评价方面具有很大的应用潜力。

水域面积自动提取是洪涝灾害遥感监测中的一个重要环节，在洪涝灾害遥感损失评估中较为重要。水域面积提取的准确性，直接影响到洪涝灾害损失评估的准确性，因此，如何准确地从遥感图像中自动提取水体，已成为很多研究者的研究目标。针对各种遥感数据源，国内外的很多研究者均作了这方面的研究。杜云艳等［3］提出了针对NOAA/AVHRR数据水体自动提取方法，认为近红外波段能较好地用于提取水体;针对MODIS数据，吴赛等［4］、丁莉东等［5］、王随霞等［6］和王志辉等［7］研究了水体自动提取方法，主要有谱间关系法、单波段法及监督分类法;针对 ETM+多波段的特点，陈华芳等［8］、李科等［9］和钟春棋等［10］利用决策树方法对水体的自动提取进行了研究;郁金康等［11］利用决策树方法研究了SPOT－5卫星数据用于山区水体的提取方法;杨存建等［12］利用阈值分割法提取了JERS－1 SAR图像中的水体。

本文以ALOS AVNIR－2为数据源，针对其波段设置特点，分析不同类型水体在各个波段上的光谱特征，分析比较几种指数模型在水体提取中的敏感性以及所能达到的精度，为ALOS AVNIR－2影像在洪涝灾害监测中的应用提供技术支持。

1 研究区概况及数据预处理

1．1 研究区概况

研究区选择广东省惠州附近，23°3'47．52″～23°9'11．88″N，114°20'4．56″～114°26'1．68″E 之间。该区土地覆盖类型丰富，水体类型包括清洁的水库、含沙量较大的河流以及较为破碎零散的养殖场和池塘，具有较好的代表性。

1．2 数据预处理

选用的ALOSAVNIR－2多波段图像，空间分辨率为10 m;含有4个波段，分别是蓝波段(0．42 ～0．50 μm)、绿波段(0．52 ～0．60 μm)、红波段(0．61 ～0．69 μm)和近红外波段(0．76 ～ 0．89 μm);获取日期是2007年10月24日，影像上主要有水体、阴影、建筑用地、林地、裸土和云等(图1)。

图1 广东惠州附近区域ALOSAVNIR－2影像Fig．1 ALOSAVNIR －2 image near Huizhou in Guangdong

数据预处理主要包括正射纠正和几何纠正两部分。首先利用 ERDAS 9．2和LPS 9．2模块、借助RPC文件和 DEM，对同一时间获取的 ALOSPRISM全色数据(分辨率为2．5 m)进行正射纠正;然后利用ERDAS 9．2 Image Geometric Correction模块，在多光谱图像和全色图像中均匀选取同名控制点，利用多项式模型对全色和多光谱图像进行配准，保证x，y方向误差小于1 m，总误差小于1．5 m。

2 水体信息提取

水的光谱特征主要由水本身的物质组成所决定，同时又受到各种水状态的影响。自然水体对0．4～2．5μm波段的电磁波吸收明显高于其他地物。水体对可见光的反射包含水表面反射、水体底部物质反射及水中悬浮物质(如浮游生物或叶绿素、泥沙及其他物质)反射3个方面。清水在近红外和短波红外谱段几乎吸收全部的入射能量，因此水体在这2个波段的反射能量很小。这一特性与植被和土壤光谱形成明显的差异，因而用红外波段较容易识别水体［13］。

2．1 水体光谱特征分析

为了分析ALOSAVNIR－2图像中水体和背景的光谱特征差异，选择了几种典型地物，包括水体、阴影、建筑用地、植被和裸土，分别测定其在各波段上的DN值并绘制光谱变化曲线。上述几种典型地物的光谱特征曲线见图2，光谱统计值见表1。

图2 典型地物波谱变化曲线Fig．2 Spectral characters of typical objects

表1 典型地物光谱亮度统计值Tab．1 Spectral radiance statistics of typical objects

由表1可以看出，水体的DN值在蓝波段、绿波段、红波段和近红外波段均低于裸土和建筑用地;在蓝波段的光谱值和阴影最容易混淆;在其他各个波段均和阴影有相似的光谱值，也容易和阴影混淆。在近红外波段植被DN值较高，和水体的光谱值差异很大，而水体和阴影DN值最低(平均值均在60以下)。

2．2 几种指数模型提取水体方法

(1)近红外波段分割法。利用水体在近红外波段反射率较低、易与其他地物区分的特点，选取单一的近红外波段，通过反复试验，确定一个灰度值，作为区分水体与其他地物的阈值，简称为NIR法。从图2中可以看出这一方法容易将阴影与水体混淆。

(2)归一化差值植被指数(NDVI)法，即式中，NIR、R分别为近红外波段和红波段的光谱值。因为水体的NDVI值很低(为负值)，而植被、土壤的NDVI值则较高，图像的直方图表现为典型的双峰分布。在此基础上，再通过选用阈值即可构建区分水体和植被、土壤的模型。

(3)比值植被指数(RVI)法，即

通过比值运算可加大土壤与植被的反差。绿色健康植被覆盖地区的RVI＞1，而无植被覆盖的地面(裸土、人工建筑、水体)的RVI在1附近，通常植被的RVI＞2。利用此特点，通过选择合适的阈值可以将水体和其他地物分开。

(4)归一化差值水体指数(NDWI)法，即式中，G为绿波段光谱值。因水体反射从可见光到红外波段逐渐减弱，在近红外和中红外波谱范围内吸收性较强，而植被在近红外波段反射率最强，因此，用绿光波段和近红外波段的反差构成NDWI，可以较大程度地抑制植被信息、突出水体特征。

3 水体提取结果分析

3．1 参考数据的获取

在ALOS假彩色(4、3、2波段)合成图像上，水体呈蓝黑色，植被为鲜红或浅红色。采用目视解译方法勾绘出水体分布范围图(图3)，得到水体分布的真实数据，作为检验各指数模型水体提取结果的参考数据。

图3 研究区水体分布参考图Fig．3 Reference map of water body distribution in the study area

计算所有水体采样区内各指数模型的最大值、最小值和平均值(表2)。

表2 不同指数模型水体区域数值范围比较Tab．2 Comparison on value ranges of different index models in the water area

将最大值和最小值的差值100等分，记为d;分别以平均值 m(mean)、m+d、m －d、m+2d和 m－2d作为分割的阈值，计算各指数模型的Kappa系数和总体精度所能达到的最大值。并在它们对应的最优阈值附近取值，以计算各指数模型提取水体的精度，从而比较各指数模型对提取水体的敏感性。

最后，以目视解译提取的水体分布图(图3)作为参考，将各指数提取结果与其建立误差矩阵，利用Kappa系数和总体精度评价和比较各指数模型提取水体的精度和稳定性。

3．2 各指数模型水体提取精度分析

阈值对不同指数模型水体提取精度的影响见表3。从表3中可以看出，当采用合适的阈值时，对于上述4种指数模型，所能达到的最高精度从低到高排序依次为:RVI、NDVI、NIR 和 NDWI。另外，从阈值对精度的影响敏感程度上来看，对于相同的阈值变化幅度，RVI变化幅度最大、最不稳定，即在水体提取时只要阈值有微小的变动，就会造成精度的显著变化;相比较而言，NDWI的精度变化幅度最小，阈值的变化对精度的影响不是很敏感，只要所采取的阈值比较恰当，就能得到很好的精度。阈值对精度影响最敏感的为RVI，阈值在最佳阈值附近波动2次，就会达到很大的偏差;对于其他指数模型，阈值对精度影响的敏感程度由高到低依次为NIR、NDVI和 NDWI。

表3 阈值对不同指数模型水体提取精度影响Tab．3 Impact of threshold for different index models on accuracy of water extraction (%)

综合分析水体提取所能达到的最高精度以及阈值对精度的敏感程度，对于ALOS多光谱数据，相对于其他几种指数模型，用NDWI指数能够达到较高精度，并且稳定性很好;其次是NIR指数、NDVI指数，效果最差的是RVI指数。图4是各指数模型提取水体精度达到最高时的水体分布图。

图4 研究区内各指数模型水体提取最佳结果Fig．4 The best water body maps for the four index models in the study area

4 结论

(1)ALOS AVNIR－2数据作为一种分辨率较高，具有近红外、红、绿和蓝4个波段，成像质量好且价格相对较低的数据，可以较好地应用于土地资源调查、灾害监测以及河道演变监测等领域。

(2)利用ALOSAVNIR－2的多波段特点，通过比较NIR、NDVI、RVI和NDWI几种常用的水体提取模型，发现利用这些指数均可以较好地提取出图像中的水体区域。经研究发现，这4种指数模型中，水体提取效果从好到差依次是:NDWI、NIR、NDVI和RVI。

(3)利用NDWI指数，在选择合适阈值的情况下，水体提取的总体精度最高可达98%左右，并且提取过程对阈值不是很敏感。而RVI尽管在最好情况下可以达到96．5%的总体精度，但其提取过程对阈值很敏感，阈值设置的细微不合理就会造成很大的误差。

(4)通过比较上述4种指数的水体提取结果发现，阴影最容易与水体发生混淆，尤其是建筑物造成的阴影更容易与水体混淆。如何借助于DEM和其他数据，建立决策树进一步排除阴影的影响，是下一步研究的内容。

［1］高国龙．日本先进陆地观测卫星(ALOS)简介［J］．红外，2004(6):43－46．

［2］何宇华，谢俊奇，刘顺喜．ALOS卫星遥感数据影像特征分析及应用精度评价［J］．地理与地理信息科学，2008，24(2):23－26．

［3］杜云艳，周成虎．水体的遥感信息自动提取方法［J］．遥感学报，1998，2(4):364－369．

［4］吴 赛，张秋文．基于MODIS遥感数据的水体提取方法及模型研究［J］．计算机与数字工程，2005，33(7):1－4．

［5］丁莉东，吴 昊．MODIS图像湖泊水体信息的快速识别与制图［J］．海洋测绘，2006，26(6):31－34．

［6］王随霞，张行南．基于MODIS数据的黄河水体提取方法研究［J］．人民黄河，2007，29(3):27－28．

［7］王志辉，易善桢．不同方法在水体遥感提取中的应用实现［J］．红外，2007，28(4):1－4．

［8］陈华芳，王金亮，陈 忠，等．山地高原地区TM影像水体信息提取方法比较［J］．遥感技术与应用，2004，19(6):479－484．

［9］李 科，王毅勇．改进TM图像水体自动提取模型的研究［J］．水资源与水工程学报，2007，18(6):20－22．

［10］钟春棋，曾从威．TM影像湿地水体信息自动提取方法研究［J］．水资源研究，2007，28(4):1－3．

［11］郁金康，黄永胜，冯学智，等．SPOT卫星影像的水体提取方法及分类研究［J］．遥感学报，2001，5(3):214－219．

［12］杨存建，魏一鸣，陈德清．基于星载雷达的洪水灾害淹没范围获取方法探讨［J］．自然灾害学报，1998，7(3):45 －50．

［13］赵英时．遥感应用分析原理与方法［M］．北京:科学出版社，2001:413－416．

(责任编辑:刘心季)

A Sensitivity Analysis and Accuracy Assessment of Different Water Extraction Index Models Based on ALOS AVNIR－2 Data

XIONG Jin － guo1，2，WANG Shi－ xin1，ZHOU Yi1
(1．Institute of Remote Sensing Application，Chinese Academy of Sciences，Beijing 100101，China;2．Graduate University of Chinese Academy of Sciences，Beijing 100049，China)

In this study，spectral characteristics of water bodies and other objects in ALOSAVNIR －2 imagery in areas near Huizhou of Guangdong Province were analyzed．The impact of the threshold on the sensitivity of extracting water and the maximum precision of the four different water index models were studied．It is found that the water area in the image can be extracted well using these index models．The result shows that the application effects decrease in order of NDWI，NIR，NDVI and RVI．If the proper threshold is chosen，the overall accuracy can reach the highest and the value is nearly 98%by using NDWI，which，moreover，is not sensitive to the threshold．

Water index;ALOS;Spectral analysis;Accuracy assessment

熊金国(1980－)，男，在读博士生，主要从事遥感灾害监测和精度评估方面的研究。

TP 79

A

1001－070X(2010)04－0046－05

2010－03－12;

2010－04－05

“863计划”项目(编号:2009AA12Z101、2009AA12Z144)和国家科技支撑计划项目(编号:2009BAK56B01－02)共同资助。