多时相阴影轮廓差分辅助下的城市水体提取

欧健滨,罗文斐,刘 畅

(华南师范大学地理科学学院，广东 广州 510000)

随着空间遥感技术的发展，利用遥感影像进行快速大范围的水体信息提取在水资源调查、土地利用/覆盖情况调查等方面起着很大的作用。目前水体提取主要依靠遥感影像光谱特性进行提取，例如单波段阈值法、谱间关系法、比值法、差值法等提取方法[1-3]。其中比值法和差值法是目前国内较为常用的水体提取方法[4-6]。

由于建筑物所造成的阴影与水体在遥感影像中的光谱信息较为接近[7]，使得在多光谱遥感图像上运用指数法和差值法在城市地区进行水体信息提取，难免混有大量阴影[8-9]。因此，如何便捷高效地在水体提取中去除建筑物阴影的干扰是学者们研究的一个热点。文献[10]在NDWI的基础上提出了MNDWI指数进行水体提取；文献[11]提出NDVI指数结合DEM数据的方法来消除阴影的影响；文献[12]提出集合波段阈值法和SWI指数方法来减少阴影信息；文献[13]提出改进的谱间算法模型进行水体提取。这些方法都能在一定程度上去除阴影的干扰，但在城市地区中，水体与阴影的光谱信息相似性很大，而较低空间分辨率的DEM数据在城市中的应用意义不大，因此上述方法在城市水体提取上仍存在一定的局限。本文通过分析不同时相图像下阴影轮廓位置和形状的差异，提出一种基于多时相阴影轮廓差分的城市水体提取方法，并以广州市天河区为试验区进行水体信息提取。这对城市水资源调查与评估、防洪监测等方面具有重要意义。

1 研究区域与研究数据

1.1 研究区域

本文以广州市天河区为研究区域。天河区是广州市的城市中心区，其地形呈现北高南低的特征。北部的白云山为九连山脉向西南延伸的支脉，属岭南丘陵地形，在遥感图像上具有因地形起伏形成的阴影；中部和东部则有多所高校及城中村的聚集；南部则是广州市珠江新城的中心区，沿珠江建设有大型住宅小区、各种交通资源、多个重要的公共设施及大量的商业大楼，在遥感图像上形成较多的建筑物阴影。

1.2 研究数据

本文的遥感数据为Landsat8 OLI影像和高分一号(GF-1)WFV影像。GF-1为国家高分辨率对地观测系统重大专项天基系统中的首发星，其配置包括4台16 m空间分辨率多光谱宽幅相机，重返周期为16 d。Landsat8是USGS最新发射的Landsat系列卫星，其OLI陆地成像仪包含8个30 m空间分辨率的多光谱波段和1个15 m分辨率的全色波段，重返周期为16 d。本文使用的遥感图像相关参数见表1。经辐射定标与大气校正后，本文利用OLI图像对GF-1数据进行几何校正，校正后图像精度误差RSM小于0.5个像元。

表1 遥感影像相关参数

2 原理与方法

2.1 基于光谱信息的城市水体初提取

在可见光范围内，水体反射率总体较低，一般为4%～5%，而且在可见光到中红外波段内有随着波长增大而降低的特性，其中水体在近红外波段(0.75～2.5 μm)具有强吸收的特点，图像上总体呈现深色调[12]。因此,这一波长范围常被用来圈定水体范围的相关研究。本文先采用归一化水体指数(NDWI)[14]在GF-1数据进行水体提取，为了尽量避免阴影信息，在OLI图像上，本文使用改进归一化水体指数(MNDWI)[7]来进行水体提取。但由于阴影在近红外波段的反射率明显低于绿波段反射率，引起NDWI和MNDWI值偏高，因此，单纯依靠光谱特征很难避免水体与阴影的混分。

2.2 基于差分处理的阴影信息去除

地物阴影轮廓的长度、形状、方位与卫星拍摄时刻的太阳高度角及太阳方位角有密切的联系[15]。即在不同时刻拍摄的遥感图片，由于太阳高度角和太阳方位角的变化，同一地物的阴影轮廓在两幅遥感图像上会有所不同，这是利用差分处理方法来进一步区分水体和阴影信息的基础。广义的差分图像定义为目标场景在时间点k和k+1所成图像的差别[16]

Δxk=xk+1-xk

(1)

式中，xk、xk+1分别为k和k+1时刻的阴影与水体提取结果图像。

由于阴影的轮廓随时间变化而变化，因此通过对不同时间拍摄的两幅图像的阴影与水体的提取结果求差，获取其差分图像，即可识别并剔除大部分阴影信息。如图1所示，假设图中灰色区域为建筑物的正射图像，黑色区域为建筑物分别在两幅不同图像上所形成的阴影，由于不同影像上阴影的位置和形状有所差异，因此经过两个提取结果的求差后，A1和A2的阴影区域即可去除，只剩下较小的A3阴影区域的信息。而该部分阴影区域所占的像元数量不多，因此通过分类后处理即可进一步去除，从而获得较好的水体提取结果。

2.3 高反射率地物混分信息去除

在水体初步提取结果中，混有高反射率地物的信息。本文对高反射率地物和水体样本点进行光谱信息统计，如图2所示。统计结果发现，高反射率地物在红外波段上的反射率明显高于水体的反射率，因此可以结合指数提取方法，在红外波段利用阈值分割方法去除高反射率地物的混分信息。

综合上述分析，可得出提取模型去除高反射率地物混分信息为

(2)

式中，Greeno为绿光波段，分别对应GF-1数据和OIL图像的第2波段；NIR为近红外波段，对应GF-1数据第4波段；MIR为中红外波段，对应OIL图像的第5波段；H1、H2、H3、H4分别代表两幅图像中提取工作的阈值，H1和H3的大小决定水体提取的结果，H2和H4的大小代表高反射率建筑物的去除效果。

2.4 水体信息提取总流程

本文基于多时相阴影差异特征，提出了一种基于多时相阴影轮廓差分的城市水体提取方法。该方法主要步骤如下：①先获取相近时间但成像时刻太阳高度角及太阳方位角具有较大差异的两幅遥感图像，并对其进行预处理，以获得真实地表反射率，以利于光谱分析；②结合图像特征，运用合适的基于光谱特征的水体提取模型进行水体提取，形成两幅图像的提取结果图像，提取时首先应注意尽量保留水体边界、面积等水体信息的完整性；③通过设置两幅图像的近红外波段阈值，去除高反射率建筑物的影响；④利用决策树方法，将两者所提取的水体信息进行求差，获取差分图像。再利用阴影轮廓在不同时刻遥感图像上的差异性来区分阴影与水体，以达到去除阴影的效果。

3 结果分析与验证

为验证本文的WMSD模型提取城市水体信息的效果，本文对试验区分别运用NDWI、MNDWI和SWI 3种水体指数进行水体提取。如图3所示，3种水体指数算法都能提取到水体的大致范围，但其结果混淆较多的建筑物阴影和高反射率地物信息。而基于WMSD法的水体提取结果，能较好提取到水体的大致范围，同时明显能够去除大部分的建筑物阴影。

经计算，WMSD模型的提取结果总体精度相比NDWI、MNDWI和SWI这3种水体指数方法提取结果分别提高了8.50%、4.67%及9.50%，说明本文方法在解决城市建筑物阴影与水体信息混淆方面具有明显优势，能较好地在城市地区提取高精度水体信息，见表2。

表2 4种水体提取方法精度检验结果对比

4 结 语

本文利用阴影轮廓在不同太阳角高度、太阳方位角下在遥感图像上的差异，在传统单一指数水体提取的基础上，提出了一种基于多时相阴影轮廓差分的城市水体提取方法(WMSD)。通过不同方法的对比试验与精度分析，验证了WMSD法能够更好地保留水体信息，区分并抑制阴影信息，具有较高的城市地区水体提取精度。

本文所提出的WMSD方法一方面简化了水体与阴影信息的区分过程，避免了复杂的波段运算及专家经验知识限制，使人们能较为便捷地获得城市地区高精度水体提取结果；另一方面，该方法也为解决阴影与水体混分问题从光谱特征关系之外提供了一种创新思路。此外，这种基于几何特征的去除阴影方法，对于山体阴影的去除，以及在传统相机获取的遥感图像上进行阴影去除，也具有一定的应用潜力。