基于NDWI和热红外混合的水体识别方法

杨 斌, 李文慧

(淮阴师范学院 数学科学学院, 江苏 淮安 223300)

基于NDWI和热红外混合的水体识别方法

杨 斌, 李文慧

(淮阴师范学院 数学科学学院, 江苏 淮安 223300)

从现代遥感理论入手,分析了植被、城镇、土壤、水体等典型地物在MERSI图像上的表现特征,进而提出适用于MERSI资料的NDWI结合红外通道的NDWI-EX水体指数扩展模型,提高了水体判识在城镇区域的准确率,为提高洪涝判识的准确度提供借鉴．

MERSI; 水体指数; 洪涝监测; 遥感

0 引言

卫星遥感监测是快速获取洪涝灾害时空分布信息的有效手段之一．我国将发射一系列新一代极轨FY-3业务卫星,FY-3系列卫星携带的MERSI传感器获取的数据时间、空间、光谱分辨率较高、覆盖广,将是国内外遥感界专家学者关注的焦点,本项研究基于FY-3A/MERSI资料的洪涝灾害遥感监测技术和研发洪涝监测应用软件,为洪涝灾害遥感监测提供有效的工具[1]．

由于水体的透光性和水面的反射性,由传感器接受到的水体遥感光谱信号包含了来自大气、水面、水体以及水底各个不同层次的光谱信号,是一个经过了叠加的综合信号[2]．

1 水体光谱特性

一般清水的反射率在可见光区都很低,在蓝光波段稍高,以后随着波长的增加而降低,0.75μm以后几乎被水体吸收[3]．光谱信号也受到水质的影响,比如水中叶绿素的光谱信号、悬浮泥沙、水化学特性、水体温度等[4]．

泥沙含量很高的浑浊水体,在可见光区的反射率明显提高,提高的幅度随悬浮泥沙的浓度和粒径增加．随着泥沙含量的增高,水体反射率急剧增高,其最高反射率则有自黄绿光向红光和近红外区移动的趋势[5]．

水生生物体中的叶绿素与藻胆素等会改变纯水体在近红外波段的强吸收性,使曲线显示出近红外的“陡坡效应”,其程度取决于水生生物量的多寡[4]．

2 MERSI水体特征分析

自然界水体的形状多种多样,其色调与周围环境背景稍有差异,但因其物理量变化较小而难以准确提取．且传感器空间分辨率的限制也决定了最小可识别目标的大小,使得在特定的波段内地物的光谱差异被均衡化,而导致“同谱异物”现象．

MERSI 20个通道中前5个通道空间分辨率达到250m,包括三个可见光波段、一个近红外波段和一个热红外波段,可见光和近红外通道的光谱带宽均为0.5μm,对提取小范围的水体比较有利;16～20通道空间分辨率为1km,光谱范围从可见光到近红外,其中6～18通道的波谱带宽为0.02μm, 19、20通道的波谱带宽为0.05μm,可用于提取大范围水体．为充分利用MERSI的空间分辨率,提高水体识别精度,本文使用MERSI的1～5通道进行洪涝水体提取．

2.1 图像水体特征分析

选择某日广西百色水利枢纽工程库区和澄碧河水库MERSI影像图作为分析数据,使用线性增强制作了CH1～CH5的灰度图和CH3-2-1、CH3-4-1合成彩色图(通道i表示为CHi,CH3-2-1表示CH3、CH2、CH1分别作为红色、绿色、蓝色通道进行彩色合成)．MERSI的前三个通道是可见光通道,分别对应蓝色、绿色、红色波段,在可见光波段,水体和植被、土壤、城镇等地物的光谱特性差别不大,水体反射率和其它地物比较相近;CH4是近红外波段,中心波长是0.865μm,水体在这个波段有强烈的吸收,反射率非常低,图像上水体表现为暗,而其它地物在这个波段有较高的反射率,在图像表现较亮,反差很大,因此CH4是进行水体识别的最佳通道;CH5是热红外通道．用红、绿、蓝对应的通道3、2、1进行合成,水体与其它地物对比度不明显;使用CH3-4-1通道进行合成水体则表现为蓝紫色,而植被表现为绿色,城市为红紫色,由于云在三个通道都是高反射率,表现为白色．

2.2 水体样本光谱特征分析

选择两幅洪涝期的广西MERSI遥感图,分别选择城镇、植被、云影和水体四类典型地物和城镇、植被、洪涝积水区和江河共五类典型地物进行采样,计算平均值,并使用CH1～CH4进行光谱分析,对CH5作各地物进行对比,可得如下结果:

1) 在CH1通道,城镇在非洪涝期最大,依次是水体、植被、云影;城镇和云影在洪涝期的反射率基本相同,江河和洪涝积水的反射率基本相同,总体是城镇和云影反射率最大,其次是江河和洪涝积水,植被最低．两个时相都是城镇的反射率最大,其次是水体,植被最小．

2) 在CH2通道,城镇在非洪涝期的反射率最大,依次是水体、植被、云影;洪涝期城镇仍为最大,依次是云影、江河、洪涝积水,但是差别很小,单独用CH2很难区分,而植被的反射率相对要低．

3) 在CH3通道,城镇在非洪水期最高,依次是植被和水体,云影最低,而在洪涝期,城镇、云影和洪涝水体的反射率基本相近,略低于江河的反射率,而植被的反射率最低．

4) 在CH4通道,植被在非洪涝期最高,依次是城市、云影、水体,而洪涝期植被的反射率最高,其次是云影,江河和城镇的反射率非常相近,略低于云影,洪涝积水最低,故可以根据CH4将洪涝积水和江河水体区分开．CH4是近红外波段,洪涝积水和江河在该波段有明显的区别,原因是洪涝发生期江河水体和洪涝积水的水质不同,江河水体的泥沙含量相对较高,而洪涝积水中的泥沙经过沉淀,泥沙含量比江河水体低,所以洪涝积水对近红外波段的吸收比江河水体的吸收更强烈,李登科对高泥沙洪水的识别研究中也提出相同的结论[6]．

5) 在CH5通道上,亮温在非洪涝期是城市最高,依次是植被、水体、云影,云影的亮温相对前三种更低;洪涝期城市亮温仍为最高,稍高的是植被、江河水体、洪涝积水,但很难用阈值区分．两个时相的云影亮温均明显低于其它四种地物,有利于区分水体和云影．

综上所述,在可见光通道,除了洪涝期的江河水体,各类地物在两个时期满足CH1>CH2>CH3,而在近红外波段CH4通道上,植被的反射率均为最高,城镇相对洪涝水体和非洪涝期水体较高,而与洪涝期江河水体反射率相近．影响云影的因素较多,不同时像的云影的光谱与其它地物相比相对较不稳定,但在CH5通道上,云影的亮温相对其它典型地物的亮温明显偏低,有利于云影的识别,而城镇、水体和植被的亮温相近．低泥沙含量水体的可见光辐射-近红外辐射的平衡对比关系表现为负方向,而城镇、植被、云影均表现为正方向．

3 基于NDWI水体指数和热红外混合的扩展模型

NDWI水体指数可以将水体和植被明显区分,但是城市信息往往与水体信息混淆,而MNDWI和CIWI因通道分辨率原因,不适用于MERSI数据,因此本文另觅一种适用于MERSI数据的水体识别模型．MERSI数据的特点是波段是热红外波段CH5的分辨率达到250m,因此可以考虑利用热红外波段在水体、城市和植被的不同特点,结合可见光和近红外波段对水体指数进行改进．

根据电磁波理论,任何物体都辐射电磁波．由普朗克定律可知,黑体的光谱辐射亮度(Bλ)为温度和波长的函数,表示为:

(1)

式中Bλ为黑体的光谱辐射亮度,单位为W/(m2·sr·μm);T为黑体的绝对温度(K);λ为波长(μm);c为光速,c=2.998×108m/s;h为普朗克常数,h=6.626×10-34J·s;k为玻耳兹曼常数,k=1.380×10-23J/K．根据式(1)可知,黑体辐射能量随温度变化[7]．

城市下垫面主要由混凝土、瓷砖、大理石、玻璃、水泥、沥青等材料组成,具有导热率高、吸收强、热容量大的特点,因此吸收较多的太阳辐射和红外长波辐射,使得城市的下垫面地表绝对温度比较高[8,9]．由前文的分析得出城镇建筑、裸土的地表温度要高于水体温度,云影的温度则比水体低,因此可利用MERSI的CH5将水体和城镇、裸土、云影进一步区分,利用MERSI第5通道,本文提出了对NDWI指数进行扩展的改进方法:

(2)

由前文中的光谱特性分析可得出,洪涝水体的NDWI值和非洪涝期的水体类似,即在各自地表环境下,洪涝水体和非洪涝时期水体的NDWI值都处于高值区,而其它地物的NDWI值处于低值区;同样,洪涝水体和非洪涝时期水体的NDWI-EX值也处于高值区,其它地物处于低值区．所以,NDWI和NDWI-EX都可用于提取非洪涝时期水体和洪涝水体．

3.1 NDWI和NDWI-EX统计分析

对某日MERSI图像进行NDWI和NDWI-EX计算,并使用前文中样本进行统计,可以发现:城镇和江河水体的NDWI值比较相近,用阈值比较难区分;洪涝水体处于较高值区,其次是江河水体,而城镇、植被和云影处于低值区,可用阈值将水体和其它地物区分．

表1 江湖水体判识精度对照表

NDWI NDWI-EX

3.2 判识精度分析

3.2.1 江湖水体判识精度分析

江湖水体和植被为主的试验区选择广西百色水利枢纽工程库区和澄碧河水库区域,使用NDWI和NDWI-EX两种方法进行水体判识,判识结果如图1．随机选取分类好的水体和非水体各200个像元,经过目视解译得到水体判识混淆矩阵,精度评价结果如表1所示.

3.2.2 城镇水体判识精度分析

城镇水体为主的区域,试验区选择广西柳州市市区,使用NDWI和NDWI-EX两种方法进行水体判识,判识结果见图2．随机选取分类好的水体和非水体各120个像元,经过目视解译得到水体判识混淆矩阵,精度评价见表2.

表2 城镇水体判识精度对照表

NDWI NDWI-EX

3.2.3 精度分析结论

NDWI在百色水利枢纽工程库区和澄碧河水库的判识结果比较理想,水体判识精度达到92%,判识错误的像元主要是城镇和云影;而NDWI-EX在该区域判识结果精度稍差,判识精度为90%,判识错误的像元和NDWI类似;而在柳州市区NDWI判识精度为80%,NDWI-EX判识精度为85%,错误判识的像元都为城市建筑或者是混合像元．

NDWI和NDWI-EX相比较,NDWI比较适合非城镇地区的水体判识,而NDWI-EX在城镇水体区域的判识效果好与NDWI．为提高洪涝水体判识精度,本文洪涝监测采用NDWI和NDWI-EX相结合的方法,在不同的区域选择适用的方法,以提高整体判识精度．

4 小节

由于影响洪涝水体判识的因素很多,其中包括云影、城镇建筑、山影等等,而无论用哪种方法,都难免出现误判,为提高判断准确度,采取人机交互的方式选择感兴趣区,可尽量将影响判识效果的区域排除在感兴趣区外,亦可根据感兴趣区确定该区域使用的判识方法．本文使用适用于MERSI资料的NDWI结合红外通道的NDWI-EX水体指数扩展模型,有效的提高水体判识的准确率,为进一步的科学研究提供一定的算法基础．

[1] 董瑶海,孙允珠. FY-3A极轨气象卫星[J]. 上海航天,2008(5):1-11.

[2] 戴昌达. 遥感图像应用处理与分析[M]. 北京:清华大学出版社,2004.

[3] 童庆禧. 中国典型地物波谱及其特征分析[M]. 北京:高等教育出版社,2002.

[4] 周成虎. 遥感影像地学理解与分析[M]. 北京:科学出版社,2001.

[5] 杜云艳,周成虎. 水体的遥感信息自动提取方法[J]. 遥感学报,1998,4(2):265-269.

[6] 李登科. 高泥沙含量洪水的MODIS遥感识别[J]. 灾害学报,2005(3):29-35.

[7] LiouK N. An introduction to Atmospheric Radiation[M]. San Diego:Elsevier Science, 2002.

[8] Maurice G. Estes H, Virginia Gorevski, et al. The Urban Heat Island Phenomenon and Potential[J]. Mitigation Strategies,2003(4):122-128.

[9] 余振东. 城市热岛效应成因的研究与分析[D].大连:大连理工大学,2003.

[责任编辑：蒋海龙]

WaterRecognitionBasedonNDWIandThermalInfrared

YANG Bin, LI Wen-hui

(School of Mathematical Science, Huaiyin Normal University, Huaian Jiangsu 223300, China)

Analyzes the vegetation, urban, soil, water and other typical features’ characteristics in the MERSI images. Then put forward for an extension modelNDWI-EX water index model,using NDWI with infrared channel to improve the water sub-consciousness accuracy in urban areas. Improve the accuracy of flood discriminating too.

MERSI; NDWI; flood monitoring; remote sensing

TP301

A

1671-6876(2012)04-0362-05

2012-05-06

杨斌(1983-), 男, 江苏淮安人, 硕士, 研究方向为模式识别与图像处理.