不同指数法在地表水体提取中的效果比较

李爱民，刘 月，张 旭，王 莉，吴连成，夏光平

（郑州大学水利科学与工程学院，河南 郑州 450001）

0 引言

近年来，随着各种高分辨率卫星的投入使用，遥感技术在水资源领域的应用越来越广泛，基于影像提取水体的方法很多。主要有以下方法：1）单波段阈值法。对某一波段设置灰度临界值，通过波段运算，区分遥感图像中的水体和非水体信息[1]。2）多波段谱间关系法。根据遥感影像的几个波段针对水体的光谱特性，构建波段运算关系式，区分水体和其余地物的信息[2]。3）水体指数法。抑制其他地物信息而增强水体信息，为遥感影像水体信息提取研究指引新的方向[3]。4）改进的水体指数法。用中红外波段代替近红外波段，提取水体效果更佳[4]。5）植被指数法。根据水体与植被在红光及近红外波段的波谱特性，构建植被指数，运用单通道阈值法，可以有效提取水体[5]。6）面向对象的方法提取水体信息，在地形复杂地区水体提取的准确率高达95%[6]。7）基于高分 2 号（GF-2）影像 4 个波段的比值算法。此方法识别黑臭水体的精度最高，结果更加准确[7]。8）基于形态学白帽变换的细小水体信息提取方法。能对细小水体做增强处理[8]。9）结合卷积神经网络与水体指数的遥感水体提取方法。水体识别准确率高达 94.19%，错分率仅为5.04%，显著提高了水体提取精度[9]。10）基于离散粒子群算法的谱匹配方法，识别影像中的水体和非水体，只考虑 2 个参数，提取方法新颖、稳健且成本低廉[10]。

但在遥感处理中，针对不同类型的内陆水域，譬如水体较浅的、较深的，或者含沙量较高的，哪一种提取方法更适宜，需要进行探讨。本研究选取水体较浅的天健湖、较深的须水河和含沙量较高的黄河为研究区，基于 GF-2，Landsat 8，SPOT5 卫星影像，采用水体指数法等几种方法提取水域，分析同一区域的不同影像用同一方法，同一影像不同水域情况用同一方法，以及不同方法对含沙量较高水域等的提取效果，探讨在不同情况下水域提取的最佳方法。

1 水体提取方法分析

1.1 水体指数法

由于水体的光反射率从绿波段到中红外波段逐渐减弱，在近红外和中红外范围水体的吸收性最强，而植被反射率从绿波段到近红外波段逐渐增强，在近红外波段的反射率最强，因此采用绿波段和近红外波段构成比值提取模型，能在突出水体信息的同时抑制植被等背景地物信息。采用归一化差异水体指数（NDWI）进行水体提取，计算公式如下：

式中：Rg为绿波段反射率；Rn为近红外波段反射率；T 代表阈值。

1.2 改进的水体指数法

由于裸地、建筑物和城市等地物的反射率从绿波段到中红外波段逐渐增强，水体的反射率逐渐降低。采用中红外波段代替近红外波段，水体的指数将增大，裸地、建筑物和城市等指数将降低，从而突出水体信息和抑制以裸地为代表的地物信息。采用改进后的归一化差异水体指数（MNDWI）进行水体提取，计算公式如下：

式中：Rm为中红外波段反射率。

1.3 植被指数法

由于水体在红光和近红外波段的辐射变化量最小，所呈现的颜色比较暗，与其它地物相比有比较明显的灰度差异，所以可以对植被指数影像设置阈值将水体提取出来[10]，采取归一化植被指数（NDVI）进行水体提取，计算公式如下：

式中：Rr为红光波段反射率。

1.4 多波段谱间关系法

多波段谱间关系法结合多个波段的光谱信息，分析水体与背景地物的波谱曲线特征，水体在绿光和红光波段的反射率均小于同波段阴影的反射率，而在近红外和中红外波段的反射率均大于同波段阴影的反射率，因此通过波段的有效组合，可以有效地去除山体等地物的影响，提取精度高。本研究使用的谱间关系判别式为

1.5 单波段阈值法

由于水体在近红外波段具有强吸收作用，呈暗黑色，可以利用这一特性，反复实验，确定水体分割的阈值，从而将水体提取出来[11]。

在进行水体提取时，首先采用水体指数、改进的水体指数、植被指数、多波段谱间关系、单波段阈值等方法，基于研究区影像分别提取水体，然后分析提取效果。研究区天健湖、须水河和黄河的提取效果判别依据如下：

1）天健湖与须水河。统计水体像元个数，与单个像元所占面积相乘得到水体面积，以基于分辨率高的影像（如 GF-2）目视解译的水域面积为参照值，再将指数方法得到的水域面积与目视解译面积相除得到相应指数方法的准确率。

2）黄河。黄河河道分散，难以计算面积，通过统计影像中水域像元占总像元的比例分析提取效果。

2 水体提取数据与实验

2.1 数据分析

包含天健湖和须水河 2 个水域的数据有：Landsat 8 影像数据，成像时间为 2015-10-25，GF-2 数据，成像时间为 2015-10-27；包含黄河郑州段水域的数据有 SPOT 5 影像数据，成像时间为2017-08-04。Landsat 8 数据在地理空间数据云上下载，GF-2 和 SPOT 5 数据由遥感公司提供，影像须进行正射校正、裁剪等预处理。

2.2 实验分析

基于 GF-2 影像目视解译，得到天健湖的水域面积为 39 728 m2，须水河面积为 362 366 m2。基于SPOT 5 影像，通过统计像元数得到黄河水体所占比例为 2.7%。实验分析时，基于水体指数法等方法对研究区水域进行提取，然后分析提取效果。

2.2.1 天健湖 GF-2 影像不同方法提取结果分析

由于 GF-2 影像缺少中红外波段，无法使用多波段谱间关系法和改进的水体指数法，可采用其它3 种方法提取相对较浅的天健湖水体，结果如表 1所示。

表 1 天健湖 GF-2 影像不同方法提取面积结果

由表 1 可得：3 种提取方法中，水体指数法提取效果最好，提取的准确率为 88.2%，适用于浅水区域的水域识别；单波段阈值法提取效果最差，只提取出较深处的水域，水域边界并未提取出来；植被指数法提取的水域边界效果好，准确率居中。

2.2.2 天健湖 Landsat 8 影像不同方法提取面积结果分析

基于 Landsat 8 影像，采用 5 种方法提取相对较浅的天健湖水体，结果如表 2 所示。

表 2 天健湖 Landsat 8 影像不同方法提取面积结果

由表 2 可得：单波段阈值分析法只能提取深水区域，水域边界提取效果差；多波段谱间关系法和植被指数法提取的准确率不高，水域边界识别效果也不好；改进的水体指数法水域边界识别较好，提取的准确率高；水体指数法水域边界识别效果较好，准确率最高，比改进的水体指数法更适用于浅水区域水体的识别。

2.2.3 同一方法对不同影像的天健湖面积提取结果分析

基于 GF-2 和 Landsat 8 影像，采用 3 种方法提取相对较浅的天健湖水体，结果如表 3 所示。

表 3 同一方法对不同影像的天健湖面积提取结果

由表 3 可得：对于单波段阈值分析法，GF-2和 Landsat 8 影像提取的准确率最低，水域识别效果差，只能提取出深水区水体；对于植被指数法，GF-2 和Landsat 8 影像提取的准确率一般，水域识别效果一般；对于水体指数法，GF-2 和 Landsat 8影像提取的准确率较高，水域边界提取效果最好。

2.2.4 须水河 GF-2 影像不同方法提取面积结果分析

基于 GF-2 影像，采用 3 种方法提取相对较深的须水河水体，结果如表 4 所示。

表 4 须水河 GF-2 影像不同方法提取面积结果

由表 4 可看出：GF-2 影像分辨率高，3 种方法提取的水域与其它地物界线都比较清晰，但准确率有差别，单波段阈值法低一些，植被指数法准确率最高。

2.2.5 须水河 Landsat 8 影像不同方法提取面积结果分析

基于 Landsat 8 影像，采用 5 种方法提取相对较深的须水河水体，结果如表 5 所示。

表 5 须水河 Landsat 8 影像不同方法提取面积结果

由表 5 可得：单波段阈值分析法将湖心岛中部分地物分到水域类别中，对周围地物的识别效果差；多波段谱间关系法大致提取出了湖心岛周边水域，准确率最高，但岛上部分地物分到水域类别中；水体指数法提取的准确率高，但湖心岛附近部分水域信息丢失；改进的水体指数法提取出了湖心岛周边水域，水域边界明显，但岛上部分地物分到水域类别中；植被指数法提取出了湖心岛周边水域，水域整体边界明显，岛上仅有少量地物分到水域类别中，提取准确率也不低。

2.2.6 同一方法对不同影像的须水河面积提取结果分析

基于 GL-2 和 Landsat 8 影像，采用 3 种方法提取相对较深的须水河水体，结果如表 6 所示。

表 6 同一方法对不同影像的须水河面积提取结果

由表 6 可得：1）对于单波段阈值分析法。基于 GF-2 和 Landsat 8 影像提取的准确率都是最低，但湖心岛附近水域也很好地提取出来，水域识别效果好。2）对于植被指数法。GF-2 影像提取准确率最高，水域与周边地物差异明显，水域范围一目了然；Landsat 8 影像提取的准确率虽居中，但水域识别效果较好，湖心岛附近水域也可识别出来。3）对于水体指数法，GF-2 影像提取的准确率高，水域边界提取效果好；Landsat 8 影像提取的准确率高，但湖心岛附近水域信息丢失，提取效果差。

总体来说，对于水深、边界狭长的水域，GF-2影像的整体识别效果较好；而 Landsat 8 影像分辨率较低，提取过程中狭长水域信息容易丢失，整体识别效果差。

2.2.7 黄河郑州段 SPOT 5 影像不同方法提取结果分析

基于 SPOT 5 影像，采用 5 种方法提取含沙量大的黄河郑州段水体，结果如表 7 所示。

由表 7 可得：1）对于多波段谱间关系法和改进的水体指数法，整体提取效果一般，未识别细小水体，而且将部分居民地分到水域类中，分类不准确。2）对于单波段阈值分析法，提取效果差，水域与其它地物边界不明确。3）对于植被指数法，整体提取效果差，水域边界模糊不清，分类不准确，误将其它地物分到水域类中。4）对于水体指数法，整体提取效果较好，细小水体也提取出来，但会误将部分居民地分到水域类中。相比较而言，对于含沙量较大、有细小水体的水域，水体指数法比其他方法效果更好。

表 7 黄河郑州段 SPOT 5 影像不同方法提取结果

3 水体提取方法理论分析

理论分析如下：

1）对于天健湖水体，无论是 G F-2 还是Landsat 8 影像，几种方法的准确率和边界识别差别很大，其中相对较好的是水体指数法，较差的为单波段阈值法。分析原因，天健湖水体较浅，遥感反射率会受湖底反射的干扰，造成近红外单波段法效果差，而水体指数法采用绿波段和近红外波段构成比值模型，具有抑制水底背景信息的优势，因此效果较好。

2）对于须水河水体，无论是 G F-2 还是Landsat 8 影像，几种方法的准确率都比较高，但在边界和周围地物识别方面有差别。分析原因，须水河的水体较深，在近红外和中红外波段属于强吸收，所以整体的准确率高，但水域边界和周围会有背景干扰，导致几种方法的边界及地物识别有差别。

3）对于黄河水域，含沙量较大，红光波段对悬浮泥沙反应敏感，造成水体反射率大，与裸地、不透水面等地物区分不开，一些细小水体难以提取。

4 结语

选择天健湖、须水河和黄河等 3 种典型水体，基于 GF-2，Landsat 8 和 SPOT 5 中高分辨率遥感影像，选择水体指数法、改进的水体指数法、植被指数法、单波段阈值法、多波段谱间关系法等方法开展水体提取实验，并进行多种方式的提取效果分析，得到以下结论：

1）对于较浅的面状水体，基于影像提取效果较好的方法是水体指数法，较差的为单波段阈值法；Landsat 8 影像提取的准确率与 GF-2 影像相当，但水域边界识别效果不如 GF-2 影像。

2）对于较深的面状水体，基于影像提取效果较好的方法是植被指数法，较差的为单波段阈值法；基于 GF-2 影像提取的准确率比 Landsat 8 影像好，水域边界清晰。

3）对于含沙量较大、有细小水体的水域，植被指数法和单波段阈值法提取效果差，多波段谱间关系法和改进的水体指数法提取效果一般，水体指数法相对提取效果更好些，细小水体也能提取出来。

基于影像提取水域的方法很多，通过本研究得出，不同指数法的适用场景是不同的，针对不同的水域情况，选择相对适宜的遥感指数方法是非常必要的。本实验中，由于 GF-2 影像没有中红外波段，导致基于 GF-2 影像的实验对比中，有的指数法无法使用，在后续研究中，将选用更多波段的高分辨率卫星影像继续开展相关工作。