基于遥感的汶川震区水体快速提取

丁美青肖红光彭文澜吴昊

（1中南大学地球科学与信息物理学院，长沙 410083）

（2长沙理工大学计算机与通信工程学院，长沙 410004）

（3长沙理工大学交通运输工程学院，长沙 410004）

1 引言

2008年5 月12 日发生的汶川8.0级大地震是我国自唐山地震之后又一次地震巨灾，造成了巨大的生命财产损失。这次大地震的重灾区主要在山区，受地震引发的严重滑坡、泥石流等灾害影响，大量水体被拦截，形成一系列堰塞湖。在缺乏足够地面震害调查资料的情况下，通过遥感手段获取灾区震后遥感影像，快速提取震区水体信息，对地震灾害及其损失进行快速评估，为地震应急指挥和制定救援决策提供重要依据，从而提高灾害信息综合分析的能力。

近年来，利用卫星遥感数据提取水体信息的方法，得到了广泛的研究。近年来常用的水体信息提取方法主要包括：阈值法、差值法、比值法、密度分割法、谱间关系法以及基于知识的水体自动判别方法和根据形状信息进行水体识别与分类方法等[1-7]。其中，单波段阈值法利用水陆界限反映较好的近红外波段值与某阈值的关系进行水体的提取，提取的结果中夹杂着山体阴影；谱间关系法是通过分析水体与背景地物的波谱曲线特征，找出水体在各波段之间满足的逻辑判别表达式，将水体提取出来，这种方法需要大量典型的样本进行波谱特性的分析，相对比较复杂。此外以上常用方法仍存在对细小水体的漏判和对山体阴影的误判两方面缺陷。此外，诸如决策树和信息熵等比较新颖的方法相对复杂，且同样没有解决上述两个问题[8-9]。同一方法不可能适用于所有情况，必须对研究地区的特点、遥感影像特征以及水体的遥感信息机理等方面进行综合分析研究，最后才能确定使用某一方法或几种方法综合使用。本文利用LBV变换与归一化植被指数（Normalized Difference Vegetation Index，NDVI）图像相结合的水体信息快速提取模型，根据在可见光波段水体吸收其能量少、反射率较低、透射性高，在近红外波段几乎吸收全部入射能量的特性，以及 NDVI对植被信息的敏感性，对北川县城及附近区域的“福卫二号”卫星数据水体识别问题进行了研究。

2 研究区概况及数据源

四川省北川县位于四川盆地西北部，距成都160km，全境皆山，峰峦起伏，其西属岷山山脉，其东属龙门山脉，最高点插旗山海拔4 769m，最低点香水渡海拔540m，相对高差4 229m。地势西北高，东南低，由西北向东南平均每千米海拔递降46m。水资源丰富，密布的溪流分别汇集于湔江、苏宝河、平通河，顺山势自西北向东南奔流出境。这样的位置和地质条件，也是北川受灾严重的原因。

北川县城烈度为Ⅺ，四周环绕多处山体滑坡、堰塞湖等，灾情极为严重。研究区选在北川县城及附近，利用分辨率为8m的“福卫二号”卫星在2006年5月14日与2008年5月14日的两幅多光谱影像数据（见图1）进行水体信息提取。“福卫二号”卫星由中国台湾制造，2004年5月由美国发射；分为全色和多光谱影像。其多光谱波段包括：0.45～0.52μm（蓝），0.52～0.60μm（绿），0.63～0.69μm（红），0.76～0.90μm（近红外）4 个波段。

图1 数据源Fig.1 Data source

3 水体提取原理

本文采用LBV变换与NDVI图像相结合的水体信息快速提取模型对研究区进行水体信息提取。

LBV变换是将多波段的遥感图像变换成LBV 3个分量，地面主要覆盖在各分量图上呈现不同的影像特征：L分量表示地物的总辐射水平；B分量表示地物的可见光—红外光辐射平衡；V分量表示地物辐射随波段变化的方向和速度[10]。对于水体而言，B值能较好反映地物的可见光辐射和红外光辐射的相互对比关系和平衡关系，在可见光波段水体吸收其能量少、反射率较低，透射性高，在近红外波段几乎吸收全部的入射能量，因此水体红外光辐射极弱而可见光辐射较强，平衡点向红外方向移动，使得水体具有最大的B值。在反映本地区地面水和水分多少的B值黑白图像上，水体最白最亮（无论轻水或混水都如此），B值最大；潮湿的地面次白次亮，B值次大；干而裸的地面较黑，B值较小。

NDVI称为归一化植被指数，通过近红外波段与可见光红波段数值之差和这两个波段数值之和的比值获得，即

式中 NDVI为归一化植被指数，NIR为影像近红外波段，Red为影像红光波段。

归一化植被指数通过比值的方式部分消除了太阳高度角、卫星观测角、地形和云（阴影）等的影响[11]。水在红光波段反射率基本在 2%～4%范围内，在近红外波段的反射率几乎为0，水体在红光波段比近红外波段有较高的发射作用，其NDVI值＜0；健康植被在可见光范围通常反射10%～20%的能量，在近红外波段反射40%～50%的能量，因此NDVI＞0，且随植被覆盖度的增大而增大。因此提取NDVI值可以将水体与植被分离，然后通过LBV变换，将水体与植被、岩石、裸土等主要地物分开。

经过变换后，无论清水或浑水都具有其红外光辐射极弱而可见光辐射较强的特性，使得水体的B值与其它地物相比都较大，可以通过B值分量图阈值法进行水体信息的提取，将水体与植被、岩石、裸土等主要地物分开。水植混合体辐射特性由水体和植被共同决定，但经过反复实验发现，低密度覆盖的水植混合体以水体辐射特性为主，植被辐射特性为次，水体和低密度覆盖的水植混合体具有相近的B值，如果单独使用图像通过阈值法进行水体的提取很容易将低密度覆盖的水植混合体误分到水体中。归一化植被指数增强了近红外与红色通道反射率的对比度，是近红外波段和红色波段比值的非线性拉伸，提高了植被的辐射特性，对于低密度覆盖的植被具有较高的敏感度，低密度覆盖的植被区的NDVI值大于0，对于NDVI图像以0为界限能将水与低密度覆盖的水植混合体分开。使用B分量值与NDVI值结合进行水体信息自动提取的模型，充分利用了B分量对水体具有较好的可分性，同时也利用NDVI对低密度植被的敏感性来提高水体分类的准确性。与其他方法比较，该方法具有提取速度快，精度高，可以将水体与低密度覆盖的水植混合体区分开等优点。

4 水体提取模型及实现

水体自动提取的模型为：

其中 B为LBV变换获得的B分量值；NDVI为归一化植被指数值；T为分类阈值。

该水体提取模型的实现过程如下：首先对多波段的原始影像进行LBV变换，通过典型采样点确定B分量图中水体的提取阈值，提取出B分量图中所有大于阈值的像元；然后计算原始影像的NDVI值，并分离出NDVI小于0的像元；最后将提取的两部分像元求交集，得到的就是提取的水体图。

对原始影像进行LBV变换的方法可参考曹亚乔、曾志远等《常用卫星图像数据光谱变换新方法》[12]，由公式所示为：

式中 D1，D2，D3和 D4分别为“福卫二号”卫星的第 1，2，3，4 波段影像的灰度值。

在提取的B分量图上选取100个水体采样点，进行统计特征分析，通过实验确定阈值为180，将B分量图中灰度值大于180阈值的像素提取出来，与该地区的地形图和原始影像图进行目视对比发现，原始影像图中水体较完整地提取出来，基本没有漏提现象，但有一部分低密度覆盖的水植混合体区作为水体提取出来。然后在ERDAS IMAGINE 9.2中通过建模实现NDVI的提取，然后将B分量图和NDVI影像求交集就得到了最后的水体图。图2和图3分别为2006年5月14日和2008年5月14日的B分量影像、NDVI影像和水体提取结果。提取结果与原始影像比较发现，该模型将影像中的水体较完整提取出来，并将水体与低密度的水植混合物区严格区分开。表1是两幅影像水体提取结果：水体与非水体所占影像总面积的百分比及分类精度。

图2 2006年5月14日“福卫二号”影像处理结果Fig.2 FORMOSAT-2 Image Processing Results on May 14，2006

图3 2008年5月14日“福卫二号”影像处理结果Fig.3 FORMOSAT-2 Image Processing Results on May 14，2008

?

从表中可以看出，灾害发生后水体面积略微减小，主要是因为该区域滑坡和泥石流灾情严重，大量泥沙堆积在河道两旁，提取结果与实际情况基本相符。

为便于对比分析，采用阈值法与密度分割法分别对影像进行水体提取，并与本文提出的方法进行比较，结果显示阈值法和密度分割法提取精度均小于90%，精度低于本课题提出的LBV变换与NDVI相结合的方法。

5 结束语

本文应用LBV变换与NDVI影像数相结合的方法，对北川县城附近水体信息进行快速提取，目的为了快速提取震区水体信息，对地震灾害及其损失进行快速评估，提供灾害背景特征参数。其突出的优点是可以将水体与低密度覆盖的水植混合体区分开，提取结果符合实际情况，建立模型的理论依据充分可靠，计算机容易实现；与其它方法相比具有较高的准确度，提取速度快，完全能满足灾害背景参数8h内提取的要求。但是当地震灾害发生时，当地经常是大雨，数据获取情况不是很理想，晴朗的天气，云层的覆被又很重，所以要提取整个灾区的水体信息还有难度。

（

）

[1]李小曼，王刚，田杰.TM影像中水体提取方法研究[J]．西南农业大学学报，2006（4）：580-582．

LI Xiaoman，WANG Gang，TIAN Jie.Study of the Method of Picking-up Small Water-Bodies in Landsat TM Remote Sensing Image[J].Journal of Southwest Agricultural University，2006（4）：580-582．（in Chinese）

[2]闫霈，张友静，张元．利用增强型水体指数（EWI）和GIS去噪音技术提取半干旱地区水体信息的研究[J]．遥感信息，2007（6）：62-67．

YAN Pei，ZHANG Youjing，ZHANG Yuan.A Study on Information Extraction of Water System in Semi-arid Regions with the Enhanced Water Index（EWI） and GIS Based Noise Remove Techniques[J].Remote Sensing Information，2007（6）：62-67．（in Chinese）

[3]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（2）：167-171．

DINGFeng.ANewMethodforFastInformationExtractionofWaterBodiesUsingRemoteSensingData[J].Remote Sensing Technology and Application，2009（2）：167-171．（in Chinese）

[4]马丹.基于 MODIS 数据的水体提取研究[J]．地理空间信息，2008（1）：25-28．

MA Dan.Method for Water Bodies Extraction Based on MODIS Images[J].Geospatial Information，2008（1）：25-28．（in Chinese）

[5]曾建航，魏萌，王靳辉，等.基于知识的遥感影像模糊分类方法[J]．测绘科学技术学报，2008，25（3）：172-175．

ZENG Jianhang， WEI meng， WANG Jinhui，et al.Fuzzy Image Classification Act Based on Knowledge[J].Journal of Geomatics Science and Technology，2008，25（3）：172-175．（in Chinese）

[6]曹扬，洪金益.基于统计分析的遥感图像分类方法[J]．西部探矿工程，2008，20（4）：130-133．

CAOYang， HONGJinyi.BasedonStatisticalAnalysisofRemoteSensingImageClassification[J].West-ChinaExplorationEngineering，2008，20（4）：130-133．（in Chinese）

[7]王志辉，易善桢.不同指数模型法在水体遥感提取中的比较研究[J]．科学技术与工程，2007，7（4）：534-537

WANG Zhihui，YI Shanzhen.Comparison and Research on the Different Index Models Used in Water Extraction by Remote Sensing[J].Science Technology and Engineering，2007，7（4）：534-537.（in Chinese）

[8]FU June，WANG Jizhou，LI Jiren.Study on the Automatic Extraction of Water Body from TM Image Using Decision Tree Algorithm[C]//International Symposium on Photoelectronic Detection and Imaging Technology and Application（ISPDI）2007.Beijing，China，2007.

[9]ZHANG Zhaohui，Veronique Prinet，MA Songde.Water Body Extraction from Multi-source Satellite Images[C]//IEEE International Geoscience and Remote Sensing Symposium（IGARSS）2003.Toulouse，France，2003.

[10]曾志远.卫星遥感图像计算机分类与地学应用研究[M]．北京：科学出版社，2004：1-8，170-190．

ZENG Zhiyuan.Research on Computer Classification of Satellite Images and Application in Geoscience[M]．BeiJing：Science Press，2004：1-8，170-190．（in Chinese）

[11]赵英时，等.遥感应用分析原理与方法[M]．北京：科学出版社，2003：372-387．

ZHAO Yingshi， et al.Applications of Remote Sensing Principle and Method[M]．BeiJing：Science Press，2003：372-387．（in Chinese）

[12]曹亚乔，曾志远，曹建洲.常用卫星图像数据光谱变换新方法[J]．环境保护与循环经济，2009（10）：17-19．

CAO Yaqiao，ZENG Zhiyuan，CAO Jianzhou.The New Method of Spectral Data Transformation of Ordinary Satellites Images[J].Environmental Protection and Circular Economy，2009（10）：17-19．（in Chinese）