一种NDWI自约束遥感影像水体信息的快速检测方法

2020-03-13刘怀鹏安慧君方明

石河子大学学报（自然科学版） 2020年1期

刘怀鹏，安慧君，方明

(1 洛阳师范学院国土与旅游学院，河南洛阳 471934；2 内蒙古农业大学林学院，内蒙古呼和浩特 010019)

水体信息的检测提取对于环境监测、水资源调查以及合理的规划利用等具有十分重要的作用[1-2]，及时从遥感影像中检测、提取出水体信息可为区域水环境的监测预警提供快速响应，具有重要意义。目前，遥感影像水体信息的提取方法较多、较成熟，最常用的提取方法有光谱指数阈值分割法[3-5]、谱间关系法[6-8]和影像分类法等[9-11]，这些方法提取影像水体信息时需确定阈值、采集样本、调整参数，再经过多次分析与试验才能有效提取水体信息，其过程复杂、耗时较长而使水体信息的获得不够快速，在环境监测应急响应中不便于应用。

归一化水体指数(Normalized Difference Water Index，NDWI)可反映地表水体的分布状况。针对传统遥感影像水体信息提取需过多的人为2干预、耗时较长的问题，本文研究建立一种NDWI自约束影像水体检测模型，该模型可使水体检测无需设置参数、选择样本，仅通过极简的数学运算就可从影像中检测出水体信息，从而减少影像水体信息检测的步骤和缩短检测的时间;另外，以WorldView-2、Landsat8和Sentinel-2A多光谱卫星影像为测试数据，对比NDWI自约束模型与阈值法、分类法在影像水体检测中的优劣，分析NDWI自约束模型在水体检测中的实际应用价值，以丰富遥感影像水体信息检测的技术方法。

1 方法设计与测试

1.1 NDWI提取

NDWI的取值范围为[-1，1]，一般情况下NDWI中像元的DN≥0表示地面有水体或暗色裸地覆盖，负值表示有植被覆盖[12-13]。NDWI计算公式如下：

(1)

式(1)中：NDWI表示归一化水体指数，GREEN表示影像绿光波段的反射率、NIR表示近红外波段的反射率。

利用式(1)提取WorldView-2(波段波长范围分别为GREEN 510～580 nm、NIR 770～895 nm)、Landsat8(GREEN 525～600 nm、NIR 845～885 nm)和Sentinel-2A(GREEN 542.5～577.5 nm、NIR 784.5～899.5 nm)影像的NDWI，生成下一步统计分析的灰度图。

1.2 典型地物NDWI特征值统计

遥感影像中的宏观地类可分为水体、植被、建设用地和裸地等，其中非植被区域中的建设用地和裸地光谱特征相似，可归为同一类统计。在WorldView-2、Landsat8和Sentinel-2A影像中，利用ENVI的感兴趣区(Region of interest，ROI)工具对水体、植被和建设用地(含裸地)分别采集一定个数的像元，与各自的NDWI协调对应，然后统计各地类在NDWI中的最小值、最大值和均值，结果如表1所示。

从表1可以看出：在3种影像的NDWI中，植被和建设用地(含裸地)的最小值、最大值、均值大都为负值；水体仅在WorldView-2中的最小值出现负值，最大值和均值均为正值，水体在Landsat8和Sentinel-2A中最小值、最大值和均值为正值。可见，水体与植被、建设用地(含裸地)在NDWI中大概存在一个以0为界的可分割点。

表1 不同地类NDWI特征值统计

1.3 NDWI自约束模型设计

由三类影像的统计结果(表1)知，非水体的NDWI值均小于0，因此，可选择一类以0为边界的函数，经过函数的自约束传输作用，将大于0的值传递过去，小于0的值舍去，这样影像的水体信息就可被快速检测与提取出来。

指数函数y=ax在底数a>0时才有意义，是一个典型的以0为界的传输函数。底数a的取值范围为a>0，且a≠1(当a=1时，无论x如何变化，值恒为1)，x的定义域为一切实数[14]。在指数函数模型框架下，构建f(x)=NDWI^DDWI的NDWI自约束水体检测模型对水体进行快速检测与提取。从表达式中可以看出，该模型的底数和指数均为NDWI，底数取值范围为(0，1]，指数取值范围为[-1，+1]。

在该模型的传输作用下，NDWI值大于0的像元将会被传输过去，生成新的像元，该像元是一个有值的亮像元，即影像中的水体部分f(x)，NDWI值小于0的像元因其不在底数范围内而被舍去，在运算时软件将按异常值(Not a Number，NaN)处理，生成新像元时以NaN的形式显示(在影像中显示为黑色)。影像中的水体通过f(x)=NDWI^DDWI的自约束传输作用后可被快速、自动检测出来。基于NDWI自约束模型检测水体的技术流程如图1所示。

图1 技术流程图

1.4 水体检测效果测试

本文以面积5.2 km2的WorldView-2、852.1 km2的Landsat8和5.8 km2的Sentinel-2A三种影像为例，利用ENVI4.5软件[15-16]，以两种常见的NDWI阈值法、支持向量机分类法对水体信息提取的结果为对照，对其检测精度、分类图进行对比，分析NDWI指数自约束模型水体检测的效果。精度验证时，对三类影像中的水体和非水体分别选择足够数量的像元，其中，对WorldView-2选择403和409个,对Landsat8选择627和622个,对Sentinel-2A选择412和414个。

2 结果与分析

2.1 检测精度

采用NDWI自约束法、阈值法和分类法分别对WorldView-2、Landsat8和Sentinel-2A影像水体信息检测的总体精度与Kappa系数如表2所示。由表2可知：基于NDWI自约束模型检测水体信息的总体精度在83.87%～91.53%，比NDWI阈值法(总体精度介于85.07%～94.07%)和支持向量机分类法(总体精度介于91.91%～ 97.70%)检测水体的精度都低，表明该模型能够检测到影像中的水体信息，但提取结果的准确性比另2种方法差。

表2 不同数据源及方法中水体提取的总体精度及Kappa系数

2.2 水体检测效果分析

利用NDWI自约束法、阈值法和分类法检测WorldView-2、Landsat8和Sentinel-2A影像中的水体信息后，选择NDWI自约束法对水体检测效果不理想、效果较好部分与另2种方法的检测结果进行对照。NDWI自约束法在WorldView-2、Landsat8以及Sentinel-2A影像中提取水体信息不理想部分如图2所示。从图2可以看出:在公园、河流水体狭窄处、植被与水体相接处及河流泥沙含量较高的地方，NDWI自约束法对水体检测结果存在断点现象，导致提取的水体信息不完整,阈值法和分类法对这些地方水体信息的提取较NDWI自约束法的完整，但存在把暗色植被误提取为水体的现象。

图2 自约束法检测水体不理想地块图示

NDWI自约束法在WorldView-2、Landsat8和Sentinel-2A影像中提取水体信息较理想的地方如图3所示。从图3可以看出：NDWI自约束法在对水体与背景区分明显、水体较为清澈的区域进行检测时，检测到的水体较为完整，且没有噪声点，检测效果较好，而阈值法和分类法受阴影和暗色调植被影响，对水体与阴影、暗色植被的区分效果不好，存在小斑点和大斑块被误提取为水体以及阴影下水体被漏提取的现象。

图3 自约束法检测水体较理想地块图示

2.3 技术流程

在水体检测的技术流程方面，NDWI自约束法只需通过一次波段运算，即在ENVI波段运算工具中输入((b1-b2)/(b1+b2)^(b1-b2)/(b1+b2))就可检测出水体信息，无需设置参数和选择样本，过程简单、速度快；阈值法在波段运算后，需通过观察直方图或者统计影像水体的像元值，精确找到水体检测的临界值后才可检测出水体，耗时明显增长；分类法需要观察、确定影像中存在的地物类型数，然后选择训练样本、精度验证样本和合适的分类器，分类后需对非目标地类进行掩膜才能获得水体信息，过程复杂且耗时更长。

NDWI自约束法充分利用水体在NDWI中大部分像元值为正、其他地类像元值为负的特点，并结合指数函数底数的特性能自动剔除非目标信息且保留和传输水体信息，从而实现影像水体的快速检测与提取。因此，该方法在技术流程方面较阈值法和分类法简单、省时，且具有相对较高的水体检测精度，在环境监测应急响应中可快速获知区域水体的分布状况，具有很好的便捷性和响应能力。