基于光学遥感的湖泊水体信息提取研究进展

种丹 张世强 李浩杰 李姣姣

摘要：对常用光学遥感数据的湖泊水体信息提取方法及其优缺点进行了总结。针对湖泊水体信息提取中的难点——混合像元问题，总结了线性解混、神经网络解混和矢量解混等方法的优缺点。在目前多卫星、多传感器快速发展的条件下，基于多源数据开展湖泊水体协同观测是未来的发展趋势，而在多源遥感数据之间的空间匹配和不同反演结果的融合中，尺度转换是关健。

关健词：光学遥感；湖泊水体；提取；混合像元分解；集成

中图分类号：TP79 文献标志码：A doi：10.3969/j.issn.1000-1379.2018.03.012

湖泊作为重要的国土资源，具有调节河川径流、提供农业和生活水源以及改善区域生态环境等功能，不仅对人类生活、国民经济和区域水资源具有非常重要的作用，而且在维护生态平衡方面具有重要贡献[1]。在中国，内陆城镇饮用水50%以上源于湖泊[2]。从生态服务的角度看，与湖泊伴生的湿地生态系统是支撑人类生存和发展的重要系统，其服务价值在各类生态系统中居首位[3]，并与湖泊生态系统共同在维持生态平衡、调节区域气候和河川径流、补充地下水、防洪、保护生物多样性、减轻流域洪旱灾害等方面发挥重要作用[4-5]。另外，湖泊是气候变化的指示器[6]，例如青藏高原湖泊的面积和水位与气候变暖和冰雪消融有非常密切的关系[7-9]。

传统的湖泊水体信息（湖泊水体边界、面积、水位等）提取方法包括实地测量、手工勾绘和实验室分析，具有较高的精度，但工作量大、耗时长、范围小、现势性弱[10]，只能应用于小规模的水域信息提取。遥感具有覆盖面广、获取数据时间短、信息丰富、同步显示地物特征等特点，已经成为提取湖泊水体边界、面积、水位的一种有效手段[11]。

湖泊作为水体的重要组成部分，一方面在遥感监测方面与其他水体具有明显的相似性，主要体现在数据源、内容、方法和难点等方面；另一方面，相较于其他水体来说，湖泊水体具有水位、面积变化相对缓慢的特点，对遥感精度具有较高的要求。

湖泊水體信息遥感监测的数据源主要有多光谱、高光谱和微波遥感数据3种，本文主要对基于光学遥感的湖泊水体信息提取方法进行总结。

1 基于湖泊水体光谱信息提取的主要方法对比

湖泊具有水体波谱曲线的特征，植被等地物在红外波段则具有较高的反射率，与水体呈现出较大的差异[12]。基于光学数据的水体信息提取方法主要包括单波段阈值法、水体指数法、谱间关系法等。1.1单波段阈值法

单波段阈值法是指选择某一波段，设定合适的阑值来提取水体信息。该方法被最早运用到水体面积的自动提取中[”]，如Jupp等[14]基于Landsat TM影像，采用直方图阈值法进行水体信息提取，虽然有效地提取出水体信息，但精度不高。单波段阈值法虽然简单易行，但在阈值的选择上具有很大的不确定性，在某一地区选择的阈值难以直接应用到其他地区。该方法还容易造成水体信息的误提、漏提，且难以消除山体阴影的影响，水体与非水体之间的过渡区会被忽略。

1.2 指数法

1.2.1 水体指数法

水体指数法是对可见光的绿色波段与近红外波段进行归一化运算，从而达到区分水体和植被的目的。在水体指数法中，应用比较广泛的是归一化水体指数（NDWI），计算公式为式中：Green为绿色波段波长；NIR为近红外波段波长。

Mcfeeters[15]利用NDWI提取了内布拉斯加州西部地区的水体信息，指出NDWI能够在一定程度上抑制植被信息，但却无法有效抑制土壤与建筑物的干扰。随着对水体信息提取研究的不断深入，先后出现了多种改进的水体指数。徐涵秋[16]提出的改进归一化水体指数（MNDWI）计算公式为式中：MIR为中红外波段波长。

MNDWI能够有效抑制建筑物的干扰，可用于城市内的水体信息提取。Jawak等[17]将NDWI方法加入WorldView-2影像中，设计半自动方法对水体信息进行提取，改进后的提取方法可以显著提高水体的提取效果，误提现象较少。

虽然水体指数法相对于单波段阈值法和谱间关系法精度较高、水体漏提、误提的现象少，但是存在水体边界提取的误差，不能准确区分过渡区域的界限。

1.2.2 植被指数法

植被指数主要有归一化植被指数（NDVI）、比值植被指数（RVI）、垂直植被指数（PVI）、归一化差异指数（NDI）[18]。其中，NDVI的计算公式为式中：R为红色波段波长。

在湖泊水体遥感应用中，主要利用水体中植被指数很低的特点进行提取，如丁莉东等[19]利用NDVI提取MODIS影像中的水体，并绘制出了水体分布图。虽然ND VI可以快速提取水体，但是植被下方也有可能是水体，因此其漏提现象严重，不如NDWI的提取精度高。

1.3 谱间关系法

谱间关系法主要是利用水体与背景地物的波谱曲线特征之间的差异，建立不同波段间的逻辑关系式。如邓劲松等201利用波段运算得到特征波段（PRWI），并结合决策树模型，有效地提取出水体信息。谱间关系法在一定程度上可以抑制山体阴影的误提，提高水体信息提取的精度，但多波段谱间关系比较复杂，提取的像元在不同波段较为离散，很难应用，无法彻底抑制与水体无关的背景信息。

2 基于不同空间分辨率的遥感影像湖泊水体信息提取方法

不同分辨率的遥感影像对于湖泊水体的信息提取具有很大的影响。高空间分辨率的遥感影像在湖泊水体的提取中具有较高的精度，例如用SPOT系列影像和Landsat TM影像提取湖泊水体信息的精度明显高于用MODIS影像的，但不能监测湖泊连续变化；高时间分辨率的遥感影像（如MODIS影像）在提取湖泊水体信息时，可以监测到湖泊水体每日的变化情况，但具有较低的空间分辨率。

本文分别以TM作为中空间分辨率影像的代表、以MODIS作为高时间分辨率影像的代表、以SPOT作为高空间分辨率影像的代表，总结不同遥感影像在湖泊水体信息提取方面的研究进展。

2.1 TM影像

在湖泊水体信息提取中，TM影像的应用很广泛，提取的精度较高。然而，进行不同地区的水体信息提取时，选取不同波段和方法会使精度有很大差异（见表1），说明在利用Landsat TM等影像进行湖泊水体信息提取时，需要先开展试验研究。

2.2 MODIS影像

MODIS影像具有36个波段以及较高的时间分辨率，在湖泊水体实时监测方面应用广泛，但精度较差。基于MODIS影像的湖泊水体信息提取研究进展见表2。

3 基于光学遥感数据的湖泊水体信息自动提取面临的挑战

3.1 阴影的干扰

湖泊水体在影像上与阴影的光谱特征类似，特别容易造成湖泊水体的误提，因此山体与建筑物阴影的消除是提高湖泊水体信息提取精度的重要方面。针对这一问题，国内外学者开展了大量试验，通过采用密度分割、波段合成、多波段谱间关系法和面向对象等方法，在一定程度上消除了阴影的干扰。例如：韩晶等采用波段合成来提高水体提取精度；周文鑫等基于面向对象的分类方法，进行南京市水体信息提取，在一定程度上消除了阴影影响，其结果精度较高；陈晨等基于WorldView-2影像，采用面向对象的方法对昆山南部地区进行水体信息提取，结果表明从高分辨率影像中，采用面向对象方法进行水体信息提取具有一定的可行性；曹凯等在面向对象的基础上，通过对图像进行分割、建立规则和图像增强等方法，对南京市部分主城区进行水体信息提取，有效地消除了阴影的影响，减少了误提现象，提高了水体信息提取精度。

3.2 污染水体的影响

湖泊污染主要有水体富营养化、水体有毒有机物的污染和水体重金属污染，其中水体富营养化会影响湖泊水体的边界提取。蓝藻、海白菜等一系列的水体富营养化产物会在遥感影像上呈现出植被信息，造成水陆边界确定困难，使湖泊水体边界提取存在误提、漏提现象。

3.3 水体混合像元的问题

自然湖泊水体的边界通常是曲折的，与遥感影像像元边界并不完全重叠，因此在湖泊水体边界提取中不可避免存在混合像元。混合像元会使湖泊水体的边界模糊，很难准确判断湖泊水体与其他地物的界线，使湖泊水体边界提取的精度受到很大影响。在混合像元存在的遥感影像上，提取纯净地物一般包括混合像元类型选择和端元丰度分解两大步骤，其中端元确定是混合像元分解的重要环节，主要方法有最大噪声比变换（MNF）、像元纯度指数（PPI）、主成分分析法（PCA）、手工端元选择（MESE）以及凸锥几何理论模型等，混合像元端元丰度分解的主要模式有线性混合模型、模糊分类模型和盲源分解等。对混合像元分解方法进行总结（见表4）发现：不同混合像元分解方法的像元分解精度有很大不同，其中线性混合模型的像元分解精度较差，而神经网络模型精度较高，具有一定的适用性。目前，混合像元分解算法在湖泊水体信息提取、土地利用分类以及水资源调查等方面都具有十分重要的作用。选择合适的混合像元分解算法可以有效提高研究地物在遥感影像中的真实表达，对研究结果具有十分重要的影响。

4 湖泊水体信息光学遥感提取发展趋势

近年来，在多卫星、多传感器快速发展的条件下，基于遥感数据的湖泊水体信息提取研究得到长足发展。在早期，针对湖泊水体信息提取的数据源主要为TM、SPOT、MODIS等，这些数据源可以实现对湖泊水体信息的提取，但却难以兼顾时间分辨率和空间分辨率两个方面。在现有遥感数据中，高分辨率影像的时间分辨率低（如SPOT、IKONOS等），而时间分辨率高影像的空间分辨率低（如MODIS等），這种时空分辨率不匹配的问题限制了湖泊水体信息提取的精度和实时监测。因此，将多源数据进行结合，提高湖泊水体信息提取的精度，实现湖泊水体的实时监测已成为未来的发展趋势。

开展多源数据的湖泊水体信息提取和实时监测，关键在于多源遥感数据之间的尺度转换。尺度转换是指将某一尺度上所获得的信息和知识扩展到其他尺度上，包括不同空间与时间分辨率遥感数据和结果之间尺度转换两个方面。进行空间尺度转换时，关键在于选择最优尺度转换方法。目前，最优尺度转换的方法主要有基于局部方差的方法、基于变异函数的方法、基于离散度以及基于卡尔曼滤波的四维数据同化方法等。通过尺度转换，将多源数据和结果进行有效的融合，能够有效提高多源数据的湖泊水体信息提取精度。5结语

通过对光学遥感数据在湖泊水体信息提取中的应用进行回顾与总结，可以看出湖泊水体信息提取从早期单一、非连续数据向多源、多传感器遥感数据的综合使用转变，提取的模型复杂程度迥异。

遥感技术在湖泊水体信息提取的过程中主要受混合像元、阴影以及地物的影响，针对这些问题，国内外学者采用多种方法进行综合研究，以减少阴影的影响，并针对混合像元问题发展了多种混合像元分解模型，但目前并没有效果最佳的普适算法。

随着各种新型卫星的不断发射，可用的传感器和卫星影像快速增加，这为开展湖泊水体信息提取提供了有利条件。如何采用综合集成的方法和大数据、系列数据的优势，提高湖泊水体提取的精度和效率是未来研究的方向。