基于WorldView II图像的钨矿区水体信息提取方法研究——以江西大余县为例

宋启帆，王少军，张 志，2，王 鹏，安 萍

基于WorldView II图像的钨矿区水体信息提取方法研究
——以江西大余县为例

宋启帆1，王少军1，张 志1，2，王 鹏3，安 萍1

(1.中国地质大学地球科学学院，武汉 430074;2.国家遥感中心地壳运动与深空探测部，武汉 430074;3.太原理工大学矿业工程学院，太原 030021)

以江西大余县钨矿区水体信息提取为例，对WorldView II遥感图像的各波段参数及波段间关系进行分析，选取用于水体信息提取的最佳波段，进行多种融合方法试验，通过分析获得适合于利用WorldView II图像进行矿区水体信息提取的融合方法;分别通过计算归一化差异水体指数(NDWI)、谱间关系法和监督分类法提取矿区水体信息;利用目视解译检验NDWI法、谱间关系法与监督分类法的水体信息提取精度，修正后的提取结果精度最高可达92%，野外验证精度最高达90%。

WorldView II;遥感;归一化差异水体指数;谱间关系法;监督分类

0 引言

遥感技术作为当今最先进的信息采集方式，具有视野宽、信息量大以及快速、动态监测等特点，越来越成为资源开采、环境变化等区域性和全球性问题研究的非常重要的技术手段［1，2］。水资源分布的调查与监测是控制水污染和生态保护的前提。遥感数据的获取正朝着“三高”(高空间分辨率、高时间分辨率、高光谱分辨率)方向发展，信息提取方法也由传统的目视解译发展到比值法、归一化差异水体指数(NDWI)、谱间关系法和监督分类法等。Chen［3］对 Landsat ETM+影像分别采用阈值法、差值法与阈值法相结合、多波段谱间关系法与阈值法相结合等3种方法对湿地进行识别;徐涵秋［4］提出的改进的归一化差异水体指数(MNDWI)可以有效地区分水体与居民地阴影，很好地提取城市中的水体信息;丁凤［5］则提出一种新型的水体指数(NWI)，将ETM第7波段用于水体指数模型的构建和水体信息的提取。

于2009年10月6日发射升空的WorldView II遥感卫星是新一代高分辨率卫星，拥有4个标准多光谱波段(蓝、绿、红光波段和近红外1波段)和4个补充多光谱波段(海岸波段、黄光波段、红光边缘波段和近红外2波段)，能够提供0.5 m分辨率的全色图像和1.8 m(星下点)分辨率的多光谱图像。非常高的空间分辨率，使其在小尺度内的环境监测及制图方面具有很大的应用前景;其多光谱图像与全色图像在矿区环境信息的提取中有很大的潜力。本文利用WorldView II图像，通过图像预处理和数据融合，分别利用NDWI法、谱间关系法［6］和监督分类法对江西大余县水污染严重的矿区进行水体信息提取，对矿区水资源分布的调查与监测有一定的现实意义。

1 研究区概况

大余县位于江西省西南端、赣州市西南部、章江上游、庾岭北麓，地理坐标为 114°1'～114°40'E、25°15'～25°37'N。东北与南康市相连，东南与信丰县交壤，西北与崇义县毗邻，南连广东省南雄市，西接广东省仁化县。

区内河流密布，纵横交错。以赣江支流——章水为主干流的章江流域，在区内有支流537条，河流总长 2 084.58 km，河流密度达 1.52 km/km2。按流域面积划分，有一级支流13条、二级支流27条、三级支流20条。

大余县境西北部山脉受燕山期地质构造运动的影响，形成全世界著名的钨矿床，是享誉全球的“世界钨都”。区内矿化面积约30 km2，有大小矿脉3 000余条。矿床矿物种类较多，金属矿物以黑钨矿为主。

2 数据源与图像处理

2.1 数据源

本次研究所用的数据源主要包括卫星遥感数据和非遥感数据。前者选择2010年2月23日获取的WorldView II图像作为实验区水体信息提取的主要信息源;后者包括大余县1990年测制的1∶5万地形图等。

2.2 图像处理

2.2.1 最佳波段选择

本文选取WorldView II图像的常规波段(即蓝、绿、红、近红外及全色波段)作为信息提取的波段。在分析各波段参数(表1)及波段间相关性(表2)的基础上，进行最佳波段选择，选择的原则为波段间相关系数小且波段组合包含信息量大。最佳波段组合将用于后续的监督分类。

表1 WorldView II各波段统计参数Tab.1 Statistical parameters of each band of WorldView II

表2 WorldView II各波段相关系数Tab.2 Correlation coefficients of the bands of WorldView II

从表1和表2可以看出，WorldView II图像的标准差变化情况是B4＞B3＞B2＞B1。图像的标准差大表明图像灰度级分布分散，图像的亮度值变化大，信息量丰富。B4与可见光的3个波段的相关系数都比较小，但3个可见光波段之间的相关性较高。根据上述统计结果及使用目的，选用B4(R)、B3(G)和B2(B)波段组合图像与全色波段图像融合后进行监督分类。目视解译时，选择B3(R)、B2(G)和B1(B)波段组合图像与全色波段融合的图像。因为该波段组合为真彩色组合，图像呈现自然色，符合人眼的视觉习惯，适合于进行目视解译。

2.2.2 图像融合

WorldView II图像具有0.5 m分辨率的全色图像和1.8 m(星下点)分辨率的多光谱图像，利用某种算法将全色波段图像和多光谱图像进行融合，融合后的图像既具有全色波段的高空间分辨率特性，又具有多光谱波段的波谱特性;无论是用于计算机分类还是目视解译，融合后的图像都优于一般的多光谱图像。本文中，融合后的图像主要有2种用途:①用于监督分类，提取研究区水体信息(本文选择B4、B3和B2波段组合图像与全色波段图像进行融合，因为该波段组合图像信息量最丰富);②进行目视解译(本文选择B3、B2和B1波段组合图像与全色波段图像进行融合，因为该波段组合图像更适合人眼的视觉习惯)。

对主成分变换、乘积变换、HIS变换、小波变换、高通滤波(HPF)和PANSHARP融合等多种融合方法进行试验对比，从定性和定量两个方面对融合的效果进行评价［7］。结果表明，HPF融合方法适合于B4、B3和B2波段组合图像与全色波段图像的融合(图1)，PANSHARP融合方法适合于B3、B2和B1波段组合图像与全色波段图像的融合(图2)。

图1 HPF融合Fig.1 HPF fusion

图2 PANSHARP融合Fig.2 PANSHARP fusion

3 水体信息提取

卫星遥感图像记录了地物对电磁波的反射信息以及地物自身的热辐射信息。各种地物由于其结构、组成以及理化性质的差异，导致其对电磁波的反射特征存在着差异，并且其热辐射特征也不完全相同。对于水体来说，水体几乎吸收了近红外和中红外波段的全部入射能量;在可见光范围内，水体的反射率总体上比较低，并随着波长的增大逐渐降低，在波长为0.8 μm处，其反射率为2%左右;到波长为1.6 μm处，水体几乎成为全吸收体，其相应的灰度值也非常低［6］。由于矿区内的水污染较严重，只有未被污染的水域水体清澈，色调均匀;而被污染的水域水体浑浊，水中存在大量悬浮物，透明度很低。

3.1 水体与背景地物光谱分析

在遥感图像上，对每一种地物测定其在各波段的光谱亮度值，并从中抽取具有代表性的数据，根据各种地物类型的亮度平均值(表3)绘制出矿区各类地物波谱响应曲线(图3)。

表3 典型地物亮度均值Tab.3 Mean values of the brightness of typical objects

图3 不同地物亮度均值曲线Fig.3 Curves of the mean values of brightness for different surface features

从表3可以看出，在B1，水体与耕地亮度值混淆，与林地、尾矿库、道路/工矿存在区别，其中与林地区别最大;在B2，水体与耕地和复垦地亮度值混淆，与林地、居民地、道路/工矿和尾矿库存在区别，与林地和尾矿库区别较大;在B3，水体与耕地和复垦地亮度值混淆，与林地、居民地、道路/工矿和尾矿库存在区别，与林地和尾矿库区别较大;在B4，水体和复垦地存在混淆，与林地、居民地、道路/工矿、耕地和尾矿库区别较大。

从图3中也可以看出上述分析结果，而且可以看出各地物的波谱形态。水体在B4与复垦地混淆，但与其他地类区别较大。使用表达式B4＜75提取水体信息，就是利用水体亮度值在B4与复垦地混淆、但与其他地类区别较大的特点，通过这一表达式提取出水体和复垦地。

然后使用表达式(B1－B4)＞128进一步提取水体。因为(B1－B4)中水体亮度的差值最大，该表达式的含义是如果(B1－B4)＞128，则该像元为水体，将复垦地去除，最终实现水体信息的提取。但结果不理想，部分水体丢失，其原因是研究区内的水体污染严重，在可见光波段被污染水体与未污染水体亮度值差别大，未污染水体在可见光与近红外波段亮度值差别小，经(B1－B4)后，未污染水体并不在阈值范围内，导致未污染水体丢失。由于矿区内的水体污染严重，未污染区域很少，水体大多都有不同程度的污染，所以利用谱间关系方法能提取大部分水体信息(图4)。

图4 谱间关系法提取的水体Fig.4 Water extracted by spectral relation act

3.2 NDWI计算

根据水体的波谱特性，采用比值运算建立并开发了对水体信息进行增强的水体指数［4］。鉴于本文采用的遥感数据为WorldView II图像，参与水体信息提取的波段为可见光波段与近红外波段，故采用了其中最经典的归一化差异水体指数(NDWI)，即

式中，GREEN为绿波段的亮度值;NIR为近红外波段的亮度值;分别对应WorldView II图像中的B2和B4的亮度值。

NDWI的计算结果，抑制了植被等信息而突出了水体信息，同时有效地将阴影等信息区别开来(图5)。但未能区分水体与复垦地，究其原因，从表3可以看出，复垦地的亮度均值在4个波段都与水体相近。复垦地本是堆放矿区废弃物的区域，所含元素与污染水体的元素相同，现在虽然复垦，但复垦区域植被覆盖度低，其亮度值与水体相近，导致在提取水体时很难将其区分开来。

图5 NDWI提取的水体Fig.5 Water extracted by NDWI

3.3 监督分类

利用ERDAS软件对前文中的B4、B3和B2波段组合图像与全色波段图像的融合图像进行最大似然法监督分类，对水体信息进行了提取(图6)。

图6 监督分类提取的水体Fig.6 Water extracted by supervised classification

监督分类出现了漏提小水体、错提阴影及裸地的情况，错提的碎小图斑较多，且水体与裸地混淆，导致监督分类的精度不高。

4 提取结果与精度检验

结合矿区1∶5万地形图及0.5 m空间分辨率的WorldView II融合图像，用目视解译的方法对谱间关系法、NDWI法和监督分类法得到的水体提取结果进行验证，发现上述3种方法都能提取出较宽的河流信息，但漏提了较小的河流;监督分类法会将阴影与裸地也作为水体提取出来;NDWI法解决了阴影与水体混合的问题，却将复垦地当作水体错提出来;谱间关系法很好地解决了阴影和复垦地与水体混淆的问题，但漏提了未污染水体。

本文选取280个验证点，对所提取的水体信息进行了验证;利用高分辨率的WorldView II图像对谱间关系法提取的水体进行修改;最后选取160个验证点进行野外验证，验证结果正确率达到93%。各种方法提取水体精度见表4。

表4 不同方法提取水体精度对比Tab.4 Accuracy comparison of water extraction by different methods (%)

5 结论

(1)本文利用WorldView II遥感图像，通过分析水体信息在可见光波段与近红外波段吸收特征和不同波段间的波谱关系，利用谱间关系法、NDWI法和监督分类法分别对江西大余县钨矿区水体信息进行了提取。

(2)由于该矿区水体污染严重，在可见光波段被污染水体亮度值与未污染或轻度污染水体亮度值差异大，在近红外波段没有差异;在 B3(R)、B2(G)、B1(B)波段组合图像与全色波段图像的融合图像上，被污染水体呈现淡蓝色，未污染水体呈现深蓝色;水体和复垦地在近红外波段混淆，但与其他地物区别较明显。

(3)利用水体亮度值在B4与复垦地混淆、但与其他地类区别较大的特点，可以选用表达式B4＜75提取水体和复垦地。

(4)因为水体在(B1－B4)上亮度值最大，可使用表达式(B1－B4)＞128进一步提取水体，将复垦地去除，但提取结果却丢失了小部分未污染水体(因为研究区内的水体大多被污染，但漏提水体只占很小一部分)。

(5)利用NDWI提取水体，有效地解决了阴影和水体混淆的问题，但未能区分水体与复垦地(其原因是复垦地的亮度均值在4个波段都与水体相近，导致在提取水体时很难将其区分)。

(6)监督分类时出现小水体漏提、阴影及裸地错提的情况，错提的碎小图斑较多，且水体与裸地混淆，导致监督分类的精度不高。

(7)研究表明，谱间关系法提取水体的精度高于NDWI法和监督分类法。由于WorldView II图像缺少热红外波段，提取水体的精度会受到一定限制。但通过利用该图像高分辨率的优势对谱间关系法提取的水体进行适当修正，可以使提取结果精度达到90%以上，完全符合工作要求。

［1］ Almeida F R，Shimabukur Y E.Digital Processing of a Landsat－TM Time Series for Mapping and Monitoring Degraded Areas Caused by Independent Gold Miners，Roraima State，Brazilian Amazon［J］.Remote Sensing of Environment，2002，79(1):42 －50.

［2］ 中华人民共和国国家质量监督检验检疫总局.GB/T 21010－2007土地利用现状分类［S］.北京:中国标准出版社，2007.

［3］ Chen H F.Comparison of Water Extraction Methods in Mountainous Plateau Region from TM Image［J］.Remote Sensing Technology and Application，2004，19(6):479 －483.

［4］ 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究［J］.遥感学报，2005，9(5):589 －595.

［5］ 丁 凤.一种基于遥感数据快速提取水体信息的新方法［J］.遥感技术与应用，2009，24(2):167 －171.

［6］ 周成虎，骆剑承，杨晓梅，等.遥感影像地学理解与分析［M］.北京:科学出版社，1999:75－78.

［7］ 徐 涵，燕 琴，徐泮林，等.多源遥感影像融合最佳波段选择及质量评价研究［J］.测绘科学，2007，32(3):72 －74.

A Water Information Extraction Method Based on WorldView II Remote Sensing Image in Tungsten Ore Districts:A Case Study of of Dayu County in Jiangxi Province

SONG Qi－ fan1，WANG Shao － jun1，ZHANG Zhi1，2，WANG Peng3，AN Ping1
(1.The Faculty of Earth Science，China University of Geosciences，Wuhan 430074，China;2.Department for Crust Dynamics＆ Deep Space Exploration，National Remote Sensing Center of China，Wuhan 430074，China;3.College of Mining Technology，Taiyuan University of Technology，Taiyuan 030021，China)

Taking the tungsten ore district of Dayu County in Jiangxi Province as an example，the authors analyzed the parameters and relationship between the WorldView II bands，selected the best bands for the information extraction of water in the study area，and tested and analyzed a variety of fusion methods to access the suitable fusion method that uses WorldView II image to extract the water information in the ore district.The water information in the ore district was extracted by calculating NDWI，analyzing spectral relations between different bands，and making supervised classification.The interpretation accuracies of NDWI，Spectral Relation Act and supervised classification were tested by visual interpretation.The interpretation results were revised to attain the accuracy of 92%，and the field verification accuracy can reach 90%，which meets the requirements of the work.

WorldView II;Remote sensing;Normalized difference water index(NDWI);Spectral relation act;Supervised classification

TP 751.1

A

1001－070X(2011)02－0033－05

2010－08－24;

2010－09－25

中国地质调查局“江西大余—定南成矿区遥感地质综合调查”项目(编号:121201088404)资助。

宋启帆(1985－)，女，硕士研究生，主要研究方向为矿山环境遥感。

(责任编辑:刘心季)