基于NEWI模型的典型岩溶区普者黑流域水体信息提取

毛转梅，刘 青，彭尔瑞，陈劲松，令志强

(1.云南农业大学水利学院，昆明 650201；2.云南农业大学资源与环境学院，昆明 650201)

地表水信息提取、水环境评估和监测领域已经普遍应用卫星遥感数据，且利用遥感信息数据构建水体指数是地表水体信息提取中一种常见的方法。近年来许多学者集中于在水体指数的构建与应用做研究，聂亚文等[1]构建了新型水体提取指数(MAWEI)并以4个地点为研究区进行了水体信息提取；吴佳平等[2]利用6种水体指数对黄河三角洲海岸进行了水体提取性能的研究；张永永等[3]构建了新型的水体指数对滨海湿地水域并且对其进行了有效性验证；Sharma等[4]利用MODIS数据提出了针对全球水体提取的水体指数SWI，据分析可知该水体指数能有效消除冰雪对提取的影响；Xie等[5]基于遥感数据研究了地表水体的水体指数提取方法；YANG等[6]基于归一化水体指数NDWI研究了Sentinel-2多光谱影像的水体提取方法。水体指数法由于精确度高、简单易操作且效果好，被国内外学者广泛地应用于水体信息的提取，但是由于大多水体指数方法适用于平原地区，对山区流域水体提取存在精度较低的效果和针对典型岩溶山区的水体提取鲜少，所以提高岩溶山区流域水体信息提取精度有着重要的研究意义。

普者黑流域是典型的喀斯特岩溶湖泊湿地生态系统和典型的水体旅游湿地公园，近几年针对普者黑流域的研究主要集中在湿地景观格局[7]和风险评价[8-11]方面，对湿地公园附近的流域水系信息提取的研究甚少。该地区发展旅游业，人为因素对其自然水域进行了干预使得地区的水系连通性发生了改变，研究如何更精准高效的提取普者黑流域水体信息对于科学管理普者黑湿地生态系统具有重要的理论意义和实际意义。

本文聚焦普者黑流域为研究区，基于Landsat 8 OLI影像采用3种常用的水体信息提取算法进行研究与比较从而针对普者黑山区流域特点构建出一种新型混合水体指数NEWI。利用ENVI 5.3软件和eCognition软件平台对Landsat 8 OLI遥感影像数据处理后，对NDWI指数、MNDWI指数和NEWI指数的水体信息提取效果进行水体与非水体的区分度和精度评价，来验证NEWI指数的有效性，为有效提取普者黑流域水体信息提供一种可借鉴的方法。

1 研究区概况与数据源介绍

云南普者黑湿地公园位于丘北县以北地区，地理坐标为24°3′53″～ 24°7′36″N，104°8′5″～ 104°9′3″E，位置处于滇东喀斯特高原地带，属于典型的喀斯特湖泊湿地生态系统。普者黑流域面积613 km2，有着细长、分散的特点，其水源补给主要来自湿地公园上游的设计库容为5 370 万m3的摆龙湖水库、1 450 万m3的丁家石桥水库、360 万m3的增产水库和年平均容水量4 950 万m3的八道哨河，水流通过普者黑省级自然保护区后流入湿地公园在经过清水河南盘江后最终汇入珠江。近年来为了扩大水面，促进发展旅游资源人们在河流上修建大坝，阻断了河流的连通性，导致水系结构在一定程度上发生了变化。

本文数据来自于地理空间数据云平台，选取云南省云量低于10% 的Landsat8 OLI影像，轨道号128/43，成像时间2017年12月20日，空间分辨率30 m，数据质量能够较好地反映地表信息；普者黑流域矢量图选取云南省丘北县的DEM数据，结合Google Earth影像并运用ArcGIS软件的水文分析模块处理得到；数据处理在ArcGIS10.6、ENVI5.3和eCognition中完成。

2 流域水体解译标志建立

遥感影像特征R(红)∶G(绿)∶B(蓝)=5∶4∶3波段影像上蓝色显示为普者黑水域部分，结合目视解译可以确定该区域3种水体类型(湖泊、河流、水库)作为重点研究对象(表1为解译标志，图1蓝色表示水体)，湖泊用来为研究水体指数在开阔水域的提取精度则选择湖泊为研究对象，同理为研究水体指数在研究区域的完整性则选择河流、水库为研究对象。

表1 普者黑流域水体解译标志Tab.1 Puzhehei river basin water interpretation symbol

3 研究方法

3.1 归一化水体指数法

归一化水体指数[13](Normalized Difference Water Index，NDWI)，其原理是应用波段间比值来进行分类，具有与植被区分度高、归一化等特点，是当前适用性最好的水体指数法。NDWI定义为：

(1)

式中：Green为绿波段；NIR为近红外波段。

在Landsat 8 OLI影像中，绿波段、近红外波段分别对应3波段和6波段；虽然NDWI能够较准确的抑制植被反射信息，但对居民地等反射信息的抑制效果有待提升。

3.2 增强型水体指数法

改进归一化水体指数(Modified Normalized Difference Water Index，MNDWI)是徐涵秋[14]修改了归一化差异水体指数的波长组合后提出来的。MNDWI定义为：

(2)

式中：Green为绿光波段；MIR为中红外波段。

在Landsat8 OLI影像中，绿光波段、中红外波段分别为3、6波段；与NDWI相比，MNDWI能够有效地抑制裸土和人工建设等方面的影响，故MNDWI对于水体提取效果较好，尤其在城镇内水体的提取更为适用。

3.3 改进的阴影水体指数ESWI

刘双童等[15]基于阴影水体指数SWI模型，得到了ESWI决策树法，这种方法是基于GF-2遥感影像的蓝波、绿波和近红外波段在水体表面反射率上显现的不同特征，根据单波段阈值法与增强阴影水体指数法相结合的方法提出来的，公式如下：

(3)

式中：B1为蓝波段；B2为绿波段；B4为近红外波段。

在Landsat8 OLI影像中，蓝波段、绿波段、近红外波段分别为2、3、6波段。

3.4 构建新型混合水体指数NEWI

NDWI、MNDWI和ESWI三种水体指数法很难利用单一阈值法来明确破碎水域的区域，因为单个像元进行的数学运算对于不同类型的破碎水域，其像元的数值变化程度较大，因此提取破碎水域的难度较高。本研究利用Landsat 8 OLI遥感数据，由于岩溶地区普者黑流域水体信息提取易受地类阴影的影响特点，为了增强水体与地类阴影的差异，对NDWI和ESWI进行数学关系计算，经过重复试验构建了一种新型混合水体指数NEWI，即：

(4)

式中：NDWI为归一化水体指数；ESWI为改进的阴影水体指数。

3.5 水体提取结果精度分析

为了对新型水体指数NEWI的精度进行验证，在研究区利用NDWI、MNDWI和NEWI三种水体指数进行试验验证。因为不仅要区分不同指数法对水体与其他地物的区分程度[16]，还由于各指数的计算公式差异和量纲不同，导致采用方差等统计量的计算结果差异较大。所以研究采用区分度指标来对各指数的提取精度进行验证来表达各类地物均值差异，其计算公式如下：

(5)

式中：DD为区分度；WIX，WIY为表示待区分的2种类型的均值。

DD是对待区分的2种类型地物之间的差异性反映，其数值越低表明二者的分离程度越低，反之则越高。

4 结果与分析

4.1 水体提取结果

采用NDWI、MNDWI和NEWI三种水体指数和阈值法对普者黑流域水体信息进行提取(图2)。比较3种指数的提取结果可知：图2中黑色区域为提取的水体信息，灰色区域为非水体信息。对于水域的整体性，3个指数的提取结果都较好，但NEWI提取的结果边界更加清晰，避免了大量非水体地物的提取。湖泊等破碎水域的水体分布相对比较分散且面积小，区域不易划分。如坑塘等分布复杂的背景，极大影响了水体提取的精度，NDWI和MNDWI不能够完整的分离水体与各种地类阴影，提取出的不规则水域周围有大量非水体覆盖，NEWI能明显的显示轮廓，剔除了周围的大量非水体信息。对水库和河流而言，NEWI指数的提取效果最佳，NDWI指数和MNDWI指数都没有剔除非水体地物的信息，而且MNDWI指数的错分现象比较严重。

4.2 不同地物类型的水体指数值比较

结合图1和图2可以看出：水库与河流区域相对于湖泊而言，与其他地类的分界线比较明显，对于细长且破碎的湖泊区域水体，其关键在于能否有效分离水域及水域周边植被。因此，论文以水体与水体周围(或水域中间)的植被为研究对象，提取水体、植被2 种主要的地物类型样本总共40个，依次计算NDWI、MNDWI和NEWI三种水体指数，并将其计算的结果的值域拉伸到0～35，对比指数数值的变化(图3)。

结合图3对破碎湖泊和周边植被区域的提取结果来看：区分度最显著的是NEWI，但是NDWI和MNDWI的数值都有一定程度的重叠。其中MNDWI的区分度最弱，这就会导致对湖泊中坑塘的识别错误率高，零散的坑塘面积较小且分布零散，易受周围植被分布的影响较大，MNDWI能够有效抑制建筑物和土壤的影响，但是不能精确的从丰富的植被中提取到水体，并且提取的像元结果杂乱无章，从而造成很多像元没有很好地识别出来；NDWI的水系和植被的区分度相对较差，指数值差异较小，由于NDWI是学者在归一化植被指数(NDVI)的基础上得到的水系提取算法，所以在提取水体的过程中可以有效地过滤掉大量植被的影响；2个地物类型间NEWI数值差异最大且NEWI对于2种地物类型提取的准确度均比其他2个指数高，尤其对破碎湖泊的边界和坑塘水体信息的提取，与实际情况最为符合且分布均匀有序。

4.3 区分度计算

水体提取也易受地物阴影的影响，以破碎湖泊水域区为例，运用eCognition软件对提取后的影像进行分割，从3个水体指数的结果影像中随机挑选25个水体样点和周边25个地物阴影样点，在分别计算25个样点像素的指数平均值后得到3种指数对破碎湖泊水域的区分程度。从表2可以看出：NEWI的区分度高达25.3%均大于MNDWI的区分度(15.9%)和NDWI的区分度(17.5%)，说明通过NEWI指数的增强后能够有效提高破碎水域水体的提取精度。

表2 各指数区分度Tab.2 Each index to distinguish degrees

4.4 精度验证

分别选取水体和非水体各100个样点为验证样本，并且运用谷歌地球等高空间分辨率影像转绘部分样点对NDWI、MNDWI和NEWI三种水体指数进行精度评价，据结果可知NEWI对流域的水体与非水体的精度评价最高且总体精度高达88.83%，高于MNDWI(81.93%)和NDWI(87.10%)，NEWI的Kappa系数为0.76，也高于指数MNDWI(0.64)和NDWI(0.74)。

表3 各指数精度验证Tab.3 Each index accuracy verification

5 结 论

本文基于Landsat 8 OLI影像数据，利用归一化水体指数NDWI，改进的归一化水体指数MNDWI，改进的阴影水体指数ESWI分别对普者黑山区流域进行了水体信息提取，结合数学运算依据山区流域特点提出了一种混合新型水体指数NEWI，对NDWI、MNDWI和NEWI三种指数进行提取结果的比较，得出下面结论：

(1)运用NDWI、MNDWI和NEWI对普者黑流域的河流、水系、湖泊3种类型进行水体信息提取，从流域的整体和局部提取结果来看，新型混合水体指数NEWI提取效果优于NDWI和MNDWI，NEWI提取的结果边界更加清晰，避免了大量非水体地物和阴影的提取。

(2)针对水体与植被重叠区域，进行不同地物类型的水体指数值比较，以水体与水体周边或中间植被为研究地物类型，其比较结果中NEWI对2种水体类型提取效果优于另外2个指数，且提取边界清晰光滑。以地物阴影和非水体为对象，对NDWI、MNDWI和NEWI进行区分度和精度分析来验证水体指数有效性，3种水体指数的有效性高低依次为：新型混合水体指数NEWI(区分度25.3%，总体精度88.83%，Kappa系数0.76)>归一化水体指数NDWI(区分度17.9%，总体精度87.10%，Kappa系数0.74)>改进的归一化水体指数MNDWI(区分度15.6%，总体精度81.93%，Kappa系数0.64)。

(3)NEWI指数对于破碎水域的水体提取精度最高，并且相对于基于复杂数学理论的分类提取过程而言，该指数的操作相对简单，易于推广，并且能够较好地提高岩溶破碎区的水系提取和水域实时监测的精度。

□