利用组合水体指数(NCIWI)提取水体信息研究

陆吉贵

(1.安徽师范大学国土资源与旅游学院，安徽芜湖 241003；2.安徽自然灾害过程与防控研究省级实验室，安徽芜湖 241003)

随着全球气候的变暖，洪涝灾害愈加频繁，运用遥感与地理信息技术，能够克服地面观测站网在空间范围和时间方面的限制，提高洪涝灾情数据的时效性和准确性，极大增强防灾减灾能力，因此得到广泛的应用[1]。

洪涝遥感监测的关键在于准确地从混合型电磁波信息中提取洪水灾情信息[2]。提取水体信息的方法一般可分为单波段法和多波段法。单波段法的原理是基于水体在近红外通道吸收率很高，而植被和城市具有强反射性，通过反复试验确定某一波段值作为水体与非水体的阈值，从而提取水体信息。该方法简单易行，但是很难去除阴影。多波段法则同时利用多波段的优势提取水体，分为谱间分析法和比值法。谱间分析法通过分析水体与背景地物的波谱曲线特征，找出它们之间的变化规律，进而用逻辑判别式将水体提取出来[3-6]，可较好地区分水体与阴影，但比较复杂，难以去除云的干扰。比值法又称水体指数法，它基于多波段的地物光谱特征分析，选取水体与地物波谱差异的多个波段，分析水体与光谱值之间的映射关系，构建数学模型，抑制非水体信息，增强水体信息，在一定程度上去除云和阴影的干扰，精度较高。范伟等[7]利用MODIS数据波段 1、2比值进行水体识别，但是难以彻底抑制与非水体信息；归一化差异植被指数(NDVI)[8]在植被的提取应用最为广泛，受其启发，Mcfeeters[9]提出了归一化差异水体指数(NDWI)， 在一定程度上突出了水体信息，但在提取城市范围内的水体时混入一定量的城市信息。基于此，徐涵秋[10]通过谱间特征分析，发现城市在 TM 影像的波段 4～5突然转强，于是将 NDWI 指数作了修改，用中红外波段替换 NDWI 近红外波段，提出了改进的归一化差异水体指数(MNDWI)，效果较NDWI好。莫伟华等[11]基于 MODIS 数据采用植被指数与近红外波段 7 进一步组合，提出了混合水体指数模型(CIWI)，提高了水体与云、植被、城镇等其他信息的分离。杨宝钢等[12]基于 MODIS 数据用归一化植被指数与归一化建筑指数组合，构建了改进型组合水体指数(MCIWI)，增强了水体与城镇、植被等其他信息的区分度。

不同地区水体的波谱特性可能有差异，即使同一地区不同时期水体的波谱特性也可能有差异。不同传感器有不同的光谱分辨率，因此很难有通用的水体模型。研究者努力完善各自模型，使提取水体精度更高[13-18]。笔者以巢湖地区为试验区，分析了MODIS 数据光谱特征，提出了新型组合水体指数 NCIWI(new combined index for water body identification)，并进行了试验和比较验证。

1 MODIS数据典型地物波谱特征分析

中分辨率成像光谱仪(MODIS)是1999年美国开始的第二阶段对地观测系统计划中最有特色的仪器之一。MODIS 数据具有 36 个波段和 250～1 000 m 空间分辨率，时间分辨率为0.5 d，且免费，因此 MODIS 数据成为我国地学研究和水体监测、生态环境监测应用最广的数据资源。利用 MODIS数据提取水体信息，多基于 MODIS 1～7波段数据进行研究，其波段分布特征见表1。

一般而言，植被在可见光波段的反射率较近红外低；裸土的可见光反射率高于植被和水，在近红外波段高于水体、低于植被；云和雪在可见光波段具有强反射。水体对入射能量具有强吸收性，因此在MODIS传感器的波长范围内，总体反射率较低，并具有随着波长的增加而进一步减弱的趋势。清澈水体的遥感信息模型根据其反射率可以近似表示为蓝光>绿光>红光>近红外>中红外[10]。但是随着水体浑浊度(各种有机、无机物质浓度)的增加，水体的反射率会有所变化。

表1 MODIS 1～7 波段分布特征

该研究选取2015年8月29日TERRA卫星资料，以巢湖为试验区，用ENVI 5.1遥感影像处理软件分析了水体与城镇、植被等其他典型地物MODIS 1～7波段中的光谱和影像特征，对水体、城镇、植被3种典型地物样本进行均值统计，结果见图1。综合分析归纳，基本特性如下4个方面：总辐射水平低，即水体的反射率很低，在可见光到中红外波段，水体对电磁波的吸收高于植被和城镇用地；在MODIS数据的可见光波段，即第1、3、4波段，水体反射率高于植被，与城镇用地相近；在近中红外波段，即第2、5、6、7波段，水体反射率明显低于植被和城镇用地；水体性质的不同对反射率有明显影响，如含藻类水体第2波段反射率可升高与第1波段相近甚至高于第1波段；城镇用地的反射率在第2、5波段低于植被，在第7波段高于植被，第6波段则高于或相当于植被。总体而言，在第2、4、6波段，水体反射率呈低、高、低水平，而植被和城镇均呈高、低、高水平，因此有利于区分水体信息与植被、城镇等信息。

2 主要的水体指数模型

基于 MODIS 数据的水体识别指数[9-12]主要有表2中的几种。

表2 基于 MODIS 数据的水体指数模型

注：CHi表示MODIS 的第i波段

Note：CHiexpressed theiband of MODIS

Mcfeeters[9]构建的NDWI虽然突出了水体的信息，但仍夹杂着许多非水体信息，特别是水质浑浊时(图1a)，水体第2波段反射率变大，易与裸土或城镇信息混淆。徐涵秋[10]针对城市水体及其背景地物的反射特点，提出了改进的归一化差异水体指数(MNDWI)，效果优于NDWI；莫伟华等[11]提出的组合水体指数(CIWI)，用植被指数结合近红外波段增大了水体与其他地物的差异，但后2种方法在水体种类多样、水质复杂状态下(图1b)，水体第6、7波段反射率增加，同样存在不易区分水体与建筑、裸地甚至稀疏植被边界情况。杨宝钢等[12]提出的改进的组合水体指数(MCIWI)，将 CIWI 中的近红外波段用 NDBI 替换，用以增大水体与其他地物间的区分度，但当水质浑浊时，水体第 2 波段反射率变大，则可能会出现漏提水体的现象(图1c、图1d)。

注：a.巢湖地区;b.莫伟华等[11]的研究；c.重庆主城区[12];d.重庆长寿湖[12]Note：a.Chaohu region；b.The study of Mo wei-hua et al[11]；c.Chongqing main city[12]；d.Chongqing Changshou Lake[12]图1 MODIS 1～7波段典型地物波谱曲线Fig.1 Spectral curves of typical ground objects of MODIS 1-7 band

3 构建混合水体指数模型

尽管，Mcfeeters 在构建 NDWI 指数时，只考虑到了植被因素，而忽略了地表的另一个重要地类——土壤/建筑物，但是，NDWI能够很好地分离水体与植被信息。因此，利用MNDVI=(CH2-CH4)/(CH2+CH4)代替NDWI。近红外通道中城镇和植被光谱值均较高，水体(即使水质复杂)的光谱值最低，易于分离水体与城镇。据此，首先用CH6与CH6均值的比值构成无量纲数NIR，再将其与MNDVI求和，使其水体仍保持在低值区，城镇、植被处于高值区，从而增强水体与植被和城镇之间的差异。据此提出新的混合水体指数模型 NCIWI(new combined index of MNDVI and NIR for water body identification)：

NCIWI=MNDVI+NIR

(1)

4 试验和比较验证

4.1资料和试验区为构建适合 MODIS 数据水体识别模型，该研究将试验区划定为116°25′11″～118°30′5″ E，30°56′11″～32°16′6″ N的一个矩形区域，选取2015年8月29日空间分辨率为500 m的Terre/MODIS MOD09A1数据。该数据是从NASA官网(https：//ladsweb.modaps.eosdis.nasa.gov/search/)上下载的经过几何校正和大气校正的标准2级产品数据，数据包括MODIS数据的1～7波段，利用MODIS Reprojection Tool-MRT 4.0进行拼接和重投影，并裁剪出试验区。

4.2水体提取结果分析分别用 NDWI、MNDWI、CIWI、MCIWI和NCIWI模型，对试验区进行水体提取，得到 NCIWI 和其他水体指数识别效果(图2)。

图2 水体提取效果对比Fig.2 Comparison of the effect of water body extraction

根据图2对5种水体指数在巢湖试验区进行定性检验分析：NDWI 识别水体存在明显的信息丢失，特别是在巢湖藻类丰富区，同时在判别城市中的水体时，出现了较多的信息误判；利用MCIWI提取水体时，出现了部分明显的水体误判问题；MNDWI 水体信息提取效果优于NDWI 和 MCIWI， 但水体误判现象仍较明显，与其他水体指数相比，CIWI、NCIWI 提取的湖区藻类丰富区最连续，水体信息误判较少，总体效果最好。

由 NDWI、MNDWI、CIWI、MCIWI、NCIWI 5类水体指数比较可知(表3)， MNDWI、CIWI、NCIWI 3种指数突出了水体与建设用地的区别，在减少城市河流与建设用地混淆方面均优于 NDWI 和 MCIWI， 其中NCIWI 的水体与城镇区分度达53.4%， 仅次于 CIWI；由于NDWI、MNDWI、CIWI、NCIWI 4 种指数均能够区分水体与植被的信息，其中NCIWI 能更好地区分水体与植被，其水体与植被的区分度为66.3%，效果最好。总体来说，表3与图2水体提取效果非常吻合。因此该研究的5种水体指数中，NCIWI 的水体与植被、城镇区分度最好，水体提取总体效果最好。

表3 NCIWI 和其他水体指数统计分析

注：样本数为水体200 个，城镇200 个，植被350 个；△△为DDCW；△为DDVW

Note：The number of samples is 200 water bodies, 200 towns，350 vegetation.△△ is DDCW；△ is DDVW

5 结论

从试验结果的图像分析和统计分析来看，该研究提出的 NCIWI 水体指数模型既突出了水体与城镇的区别，又更好地区分了水体与植被。该指数模型可有效地解决应用 MODIS 数据进行水体遥感信息提取中分离植被和城市等混淆信息的问题。经试验验证，应用 NCIWI 模型进行 MODIS 数据水体信息提取图像效果和分类精度优于NDWI、MNDWI、CIWI和MCIWI模型。

[1] 李加林，曹罗丹，浦瑞良.洪涝灾害遥感监测评估研究综述[J].水利学报，2014，45(3)：253-260.

[2] 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)：264-269.

[3] 周成虎.遥感影像地学理解与分析[M].北京：科学出版社，1999.

[4] 丁莉东，吴昊，王长健，等.基于谱间关系的 MODIS 遥感影像水体提取研究[J].测绘与空间地理信息，2006，29(6)：25-27.

[5] 徐萌，李亚春，曾燕，等.苏北大型湖泊水域的 EOS/MODIS 遥感监测[J].气象科技，2007，35(4)：579-582.

[6] 都金康，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.

[7] 范伟，荀尚培，吴文玉.应用气象卫星 MODIS 识别薄云覆盖下的水体[J].大气与环境光学学报，2007，2(1)：73-77.

[8] ROUSE J W J，HAAS R H，SCHELL J A，et al.Monitoring vegetation system s in the great plains with ERTS[C]//FREDEN S C,MERCANTI E P,BECKER M A.Third Earth Resources Technology Satellite Symposium. Volume I: Technical Presentations. Washington, D.C.:Nasa Special Publication, 1973：309-317.

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

[10] 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.

[11] 莫伟华，孙涵，钟仕全，等.MODIS 水体指数模型(CIWI)研究及其应用[J].遥感信息，2007(5)：16-21，104-105.

[12] 杨宝钢，陈昉，罗孳孳.基于MODIS的改进型组合水体指数(MCIWI)提取复杂水体信息的试验[J].西南大学学报(自然科学版)，2011，33(1)：112-119.

[13] 余志飞.基于MODIS遥感数据的水体提取算法研究[J].测绘与空间地理信息，2015，38(3)：80-82.

[14] 余志飞.基于MODIS遥感数据的水体提取模型及算法改进[J].测绘与空间地理信息，2016，39(8)：117-120，124.

[15] 万建鹏，官云兰，叶素倩，等.基于综合权重水体指数的水体提取研究：以鄱阳湖为例[J].东华理工大学学报(自然科学版)，2015，38(2)：206-211.

[16] 林楚彬，李少青.Landsat数据水体自动提取研究进展[J].自动化技术与应用，2015，34(2)：1-4，36.

[17] 沈占锋，李均力，于新菊.基于协同计算的白洋淀湿地时序水体信息提取[J].地球信息科学学报，2016，18(5)：690-698.

[18] 郑东博，凌峰，李晓冬，等.基于MODIS数据的水体超分辨率制图：以丹江口水库为例[J].华中师范大学学报(自然科学版)，2016，50(4)：624-632.