基于综合权重水体指数的水体提取研究——以鄱阳湖为例

万建鹏，官云兰，叶素倩，马祺瑞

(1.东华理工大学测绘工程学院，江西南昌 330013;2.河海大学水利水电学院，江苏南京 210098)

随着全球水资源环境的日益恶化，水体信息的实时、准确、有效地提取成为遥感和环境工作者的研究热点。遥感影像因其宏观性强、时空分辨率高、实时反应快、成本低廉等特点，越来越多的环境工作者将遥感技术运用于各类环境(如土壤环境、植被和水环境等)监测中(Ji et al.，2009)。水体面积信息的准确获取，应用于水旱灾害情况监测、水环境监测、湿地保护等领域，为水资源保护、水利工程规划、缓解热岛效应以及可持续发展提供动态基础数据和科学决策依据(Zhang et al.，2013)。

现阶段，利用Landsat TM影像提取水体时常用的方法有:单波段阈值法、谱间关系法(骆剑承等，2009)、水体指数法和多波段色彩变换法等。其中，单波段阈值法和谱间关系法相对较为简单，存在对细小水体的漏判和对山体阴影的误判两方面缺陷。水体指数法主要有:McFeeters(1996)为消除山体阴影对水体提取的影响而提出的Normalize DifferenceWater Index(NDWI);徐涵秋(2005)通过对TM影像第五波段研究后提出以TM第5波段代替NDWI中的NIR波段的Modified Normalized Difference Water Index(MNDWI)提取水体，该方法很好的改进了利用NDWI法进行易混淆的城镇建筑物提取，比较适用于城镇地区的水体提取;丁凤(2009)利用水体在TM/ETM+影像band 4、band 5、band 7同时具有强吸收的基础上，提出了新型水体指数(NWI)，该方法选用blue波段代替green波段，并增加2个水体反射率高的波段来增强水体信息，很好的获取水体信息。Feyisa等(2014)通过构建AWEI水体指数模型提取水体，并在世界各地选取各种背景下(如黑色土壤、阴影等)的水体进行水体提取试验，结果表明该指数能够有效的获取阈值，并准确的提取水体信息。

1 试验区概况及数据来源

鄱阳湖位于北纬28°22'～29°45'，东经115°47'～116°45'。地处江西省的北部，长江中下游南岸。水体面积变化具有很强的时令性。本文实验数据为2010年1月17日和2010年1月4日的TM5影像数据并融合其1～5，7波段影像，通过ENVI5.1对影像进行几何校正、辐射定标和大气校正，裁剪出大小为5 100×5 100像素，包含鄱阳湖全部的试验影像。选取的影像质量较好，无云和条带噪声影响，图1为实验区的假彩色合成影像。

2 研究方法

在研究区按水体、建筑、林地、裸地及阴影5种地类分别布置15个点(样点均匀分布在研究区)，提取Landsat TM 6个波段(热红外波段除外)的反射率与水体指数的值并绘制波谱曲线(图2)。

图1 鄱阳湖地区位图及Landsat TM 543假彩色影像Fig.1 The location of Poyang Lake and its Landsat TM 543 false-color image

图2 五种典型地类波谱特征曲线Fig.2 The five typical land curve’s spectral characteristic

从图2可以看出，水体在可见光波段的波谱特征值明显大于近红外波段和中红外波段，近红外波段和中红外波段的反射率明显低于非水体类，但易与阴影混淆，而其它非水体不具备这一特征，水体指数正是基于此建立的。

利用指数法提取水体的基本原理是:利用水体在Landsat TM/ETM+的蓝色波段和绿色波段的强吸收性，并且在红色波段和红外波段的强反射性提取水体，比值型指数通过分子增强水体与非水体信息进而利用分母进一步扩大二者的差距，使感兴趣地物在所生成的指数影像上得到最大的亮度增强，而其它背景地物则受到普遍的抑制，从而达到突出感兴趣地物的目的(吴际通，2013)。NDWI、MNDWI，NWI指数都属于比值型指数，计算公式分别如下:

式中，Band1、Band2、Band4、Band5、Band7分别为Landsat TM/ETM+影像的1，2，4，5，7波段。

在通过构建NDWI、MNDW和NWI水体指数提取水体时，研究区内，水体提取的结果受山体阴影、建筑物阴影、耕地、黑色土壤等地物的干扰，使得水体提取的精度相对较低。本文在 NWI指数和AWEI指数模型的基本思路上，构建出综合权重水体指数(CWWI)。该指数利用水体在blue波段和green波段的强反射性，以及近红外波段和中红外两个波段的强吸收性，采用蓝、绿、近红外、2个中红外共5个波段，通过对各波段赋予不同的权值并进行波段组合而得到。其中，各波段的权值是通过各波段灰度值(DN)均值的比值获取。这样通过增强水体反射率与吸收率的差值进一步区分非水体信息中易于水体信息混淆的地物，从而区分其它非水体信息。具体公式如4式。

式中符号含义与公式1，2，3相同。

OTSU阈值分割法，又称最大类间方差法。日本学者Otsu在1979年在最小二乘的基础上推导出来的一种适用于双峰直方图提出的一种最大类间方差法。该方法算法简单，运行速度快。一直被认为是阈值自动选取的最优方法，在一定条件下不受图像对比度与亮度变化的影响，因此在一些实时图像处理系统中得到广泛使用。

3 结果与分析

3.1 水体提取

利用ENVI 5.1软件分别用NDWI，MNDWI，NWI和CWWI指数模型提取水体，将各指数水体灰度图像拉伸为0～255的TIFF格式数据，基于MATLAB 2009B环境利用大律法(OTSU)(殷蔚明等，2004)阈值分割法自动提取阈值，利用ENVI软件将其转为二值图像，从而分别将水体信息提取出来。各指数水体提取结果如图3所示。

3.2 提取精度验证

3.2.1 精度评价方法

分类结果精度评价是进行水体遥感监测中重要的一步，也是分类结果是否可信的一种度量。现阶段分类最常用的精度评价方法是误差矩阵或混淆矩阵(Error Matrix)方法(Congalton，1991;Richards，1996;Stehman，1997)，在水体提取时通过误差矩阵可以计算出各种精度统计值，如总体正确率、使用者正确率、生产者正确率(Story et al.，1986)、Kappa系数等。通过误差矩阵能够有效的获取水体提取的精度及Kappa系数等精度评价因子。

误差矩阵的基本原理是构建一个n×n矩阵(n为分类数)，用来简单比较参照点和分类点。一般矩阵的行代表分类点，列代表参照点，对角线部分指某类型与验证类型完全一致的样点个数，对角线为经验证后正确的样点个数(Stehman，1997)。对分类图像的每一个像素进行检测是不现实的，需要选择一组参照像素，参照像素必须随机选择。

Kappa分析是评价分类精度的多元统计方法，对Kappa的估计称为KHAT统计，Kappa系数代表被评价分类比完全随机分类产生错误减少的比例，计算公式如下:

3.2.2 水体提取精度

在用各指数提取水体信息后，利用ENVI5.1软件的density slice工具密度分割后，再利用 ERDAS2011软件的accuracy assessment工具进行精度评价，并选取水体和非水体各100个样本点计算混淆矩阵及Kappa系数。各指数水体混淆矩阵如表1。表中水体、非水体指的是ERDAS精度评价时，样本中水体和非水体的个数。

3.3 结果分析

从图3，4可以看出NWI指数模型较NDWI水体指数模型提取水体时，易受山体阴影的影响，受城市建筑物阴影较小，水体提取较为完整。CWWI水体指数模型较其它三种水体指数模型在受城市建筑物及建筑物阴影较多，但在鄱阳湖周围水体提取的效果较好，受山体阴影的影响比其它三种指数少，提取结果更优。其中图4中1-1至2-5局部影像可以看出，CWWI指数模型能够有效地消除山体阴影对水体提取的影响，MNDWI及NWI指数模型较差。

表1 不同水体指数水体提取混淆矩阵Table 1 Confusion matrix for different water index of water extraction

从表1、表2得出各水体指数提取水体信息，并计算四种指数提取水体的精度由大到小顺序依次为:CWWI＞MNDWI＞NWI＞NDWI，水体指数提取精度均在85%以上，说明都能对水体进行准确提取;不同指数提取纯水体像元错分像元个数由大到小依次为:NDWI＞NWI＞MNDWI＞CWWI，在对各指数水体提取结果误差匹配时发现，NDWI指数提取水体信息时建筑物阴影被错分为水体较多，MNDWI指数水体信息易于山体阴影、耕地和沼泽地混淆，NWI指数受山体阴影和建筑物阴影影响较NDWI和MNDWI有很大的改善。综合表明CWWI指数提取水体的精度最高，Kappa系数表中CWWI指数水体与非水体的区分度最显著，CWWI水体指数能够有效的提取水体信息。

表2 各指数提取水体的精度和Kappa系数Table 2 The indices extraction accuracy and Kappa coefficient of water bodies

4 结束语

利用多波段加权组合，通过扩大水体反射率强的波段与反射率低的波段的发差，增加水体与非水体的区分度，从而达到水体提取的目的。试验证明，根据综合权重水体指数(CWWI)，并利用OSTU阈值分割提取水体，该方法在水体提取精度方面高于MNDWI，NWI和NDWI水体指数，能够准确高效的提取水体信息。

CWWI指数模型中，各波段权值是通过各波段发射率的比值得到，权值的获取简单易行。针对不同实验区域，各波段的权值可能不同，只要获取相应的权值就能提高水体信息提取的准确性。因此，综合权重水体指数模型中的权系数可以因区域而变，具有一定的普适性。

利用CWWI指数模型提取水体时，水体仍然易受到阴影等地物的影响，从而降低了水体提取的精度，因此，进一步的消除阴影等地物对水体的影响是接下来的研究目标。

丁凤.2009.基于新型水体指数_NWI_进行水体信息提取的实验研究［J］.测绘科学，34(4):155-157.

吴际通.2013.基于TM_ETM_影像的不同水体指数对比研究［J］.测绘科学，38(4):193-195.

骆剑承，盛永伟，沈占锋，等.2009.分步迭代的多光谱遥感水体信息高精度自动提取［J］.遥感学报，13(4):610-615.

徐涵秋.2005.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，9(5):589-595.

殷蔚明，王典洪.2004.Otsu法的多阈值推广及其快速实现［J］.中国体视学与图像分析，9(4):219-223.

Congalton R G.1991.A review of assessing the accuracy of classifications of remotely sensed data［J］.Remote Sensing Environment.37 (1):35-46.

Feyisa G L，Meilby H，Fensholt R，et al.2014.Automated Water Extraction Index:A new technique for surface water mapping using Landsat imagery［J］.Remote Sensing of Environment，140:23-35.

图3 各水体指数提取水体结果图Fig.3 The Water Index extracting water body results

Ji L，Zhang L，Wylie B.2009.Analysis of Dynamic Thresholds for the Normalized Difference Water Index［J］.Photogrammetric Engineering＆Remote Sensing，75(11):1307-1317.

McFeeters S K.1996.The use of the Normalized Difference Water Index (NDWI)in the delineation of open water features［J］.International journal of remote sensing，17(7):1425-1432.

Richards J A.1996.Classifier performance and map accuracy［J］.Remote Sensing Environment.57(3):161-166.

Stehman S V.1997.Selecting and interpreting measures of thematic classification accuracy［J］.Remote Sensing Environ，62(1):77-89.

Story M，Congalton R G.1986.Accuracy assessment:a user’s perspective［J］.Photogrammetric Engineering＆Remote Sensing.48(1): 131-137.

Zhang G，Xie H，Yao T，et al.2013.Water balance estimates of ten greatest lakes in China using ICESat and Landsat data［J］.Chinese Science Bulletin，58(31)，3815-3829，doi:10.1007/s11434-013-5818-y.

图4 各指数提取水体结果局部对比图Fig.4 The local contrast diagram of each water extraction index