基于GIS 遥感的水域信息变化特征识别方法研究

赵 斓

（ 诸城市城乡规划设计研究院，山东 潍坊 262200）

0.引言

地表水域信息特征变化对人类的生产生活会带来严重的影响，水域信息变化和生态、水资源、气候、河流形态变化等具有一定的关联，因此，需要研究水域信息变化特征识别方法。 结合遥感影响识别，分析在水域特征分布下的遥感参数，结合图像特征分析的方法，进行水域信息变化特征识别，建立水域信息变化特征识别的遥感信息库， 采用GIS信息库构造和遥感参数识别的方法，进行水域信息变化检测和实时跟踪，研究水域信息变化特征识别方法，在水资源管理和水体环境监测等领域都具有重大意义[1]。

在进行水域信息变化特征识别中，当前主要方法有基于合成孔径雷达识别的水域水体参数识别方法、基于回波信号检测的水域信息变化特征识别方法以及基于SAR的图像参数识别方法[2]，结合河流水体的分布特性和轮廓参数分布，采用空间图像滤波和遥感检测， 进行水域信息变化特征识别。文献[3]中提出斑点抑制与多分辨率拓扑分析相结合的SAR图像河流水体提取方法， 在斑点抑制各向异性扩散分布域中，建立水域信息变化特征梯度分析模型，结合光谱分析和图像去噪，进行高分SAR图像验证和特征分析，但该方法对间断点的识别判断能力不好。文献[4]中提出采用多光谱光学遥感影像进行水体提取模型设计，根据地物（ 冰雪、阴影、云）与水体具有相似的反射特性，进行水体特征分析识别，但该方法在云及云下阴影的识别能力不好。

针对上述问题， 本文提出基于GIS遥感的水域信息变化特征识别方法。首先采用多维光学遥感监测的方法实现水体特征检测，然后建立水域水体的GIS信息分析模型，结合GIS遥感信息特征分析和图像特征检测实现水域信息变化特征参数识别，最后进行实验测试，展示了本文方法的有效性和优越性。

1.特征识别的模型机理及指数分析

1.1 模型机理

在进行基于GIS遥感的水域信息变化特征识别中， 采用多波段水体指数（ multi-band water index， MBWI）特征分析方法，构建MBWI监测和分析模型，采用GIS遥感监测，遥感检测的图像分布为多幅Landsat8、Sentinel2、高分一号(GFG1) 影像，采用高分辨的遥感监测方法，进行水体信息特征分析，建立水域信息的全局多尺度特征检测模型，结合对原始影像的遥感GIS动态特征分布，采用远距离的全局信息捕获方法，建立GIS信息库，通过高分辨率的GIS遥感影像特征提取，在水域的浅层特征及细粒度的深层特征中进行图像分割，通过特征提取和融合， 建立不同光谱长度下的多维尺度分析模型。对所有位置的特征加权求和，在不同的功能区块中实现水域信息的地图信息论评价，在基础地理信息数据库中，采用全自动的信息载入方法，建立内陆水体、海洋水体不同环境下的水域信息分布规则。 由此，采用归一化的水体指数分析方法，构建水域水体变化的光谱特征差异分布模型，通过结合局部和全局灰度值计算的方法进行水域信息变化的水体边界线定位，技术实现模型：

分析在短波近红外波段和双波段等不同水体指数下的水域信息变化，结合内陆水体、海洋水体、雪、云等水域信息的差异性状态，建立水域信息变化的GIS遥感信息监测库，通过水体参数分析，在不同的地物环境下进行水体指数分析。

1.2 水体指数分析

通过构建水体指数分析模型，结合水域参数分布，进行水域指数特征分析， 数据源来自于Landsat 8、Sentinel 2、GF-1，地表反射率采样的对象为内陆水体、海洋水体阴影、雪、植被、旱地、建筑物、云，分析每种地物的不同波段与绿波段的比值，建立六元不等式组，在不同的数据源中，分析水体指数在不同水域的信息变化[6]，根据绿波段、近红外波段的差异性，进行反射特性与水体相似度分析，由此构建水体指数模型。

提取河流水体的水域分布GIS遥感信息特征量， 通过连通区域分布，采用目标之间空间和几何关系分析方法，结合回归分析，构建水体指数的公式模型,如式（ 1）所示：

式（ 1）中，Y为水体指数分布值；x1、x2、…x6为对采集的GIS遥感数据取得的6个波段的波谱系数；ρ1、ρ2、…ρ6为水体指数模型参数中对不同波段的反射率。 采用归一化处理，将水体指数分布表达式除以绿波段，可变形。

2.水域变化特征识别算法

2.1 水域遥感图像处理

构建水域水体变化的光谱特征差异分布模型，通过结合局部和全局灰度值分析， 得到水域水体变化的GIS遥感图像构在不同像素特征点c1、c2的灰度差异值表达，如式（ 2）所示：

式（ 2）中，⊗为卷积算子；c1、c2为像素特征点；k（ c1，c2）为原始影像的差异度信息；f(c1,c2)为空间或通道上捕获的水域分布信息；n为遥感GIS的先验噪声。 采用金字塔空间池化模块分析的方法， 对水域信息变化量进行分块处理和检测，输入特征图的多尺度特征，如式（ 3）所示：

式（ 3）中，,Ts为遥感检测的几何形态特征分布系数；q0为边缘相似性；ξ为水域信息的弱相关性系数；ρ为图像中的影像特征；t为检测间隔；i为边缘的降噪分量；Np为河流水体段的检测误差。 结合区域向素特征检测方法，进行水域水体变化的GIS遥感图像的融合处理，采用连通区域索引的方法，遍历所有连通区域,记I ，得到统计特征量表达，如式（ 4）所示：

式（ 4）中，wmk为提取水体信息的特征分量；Tm为近红外波段的反射率；τmk为近红外波段的反射率；v(t)为水域拟定的水体指数；M为图像灰度级；K(m)为边缘测量点数。由此，通过连通区域的面积和长宽分布，进行水域信息变化特征定位检测和识别。

2.2 水域信息变化的GIS 遥感特征提取

在SAR 图像中根据光谱特征分析结果，进行水域信息变化特征GIS信息库分析。 水域信息变化的GIS模型库正则化参数输出模型，如式（ 5）所示：

式（ 5）中，CN为获取的水域海量时空数据；DN为水域信息空间数据；sN为物理空间的大数据分布；N为数据存量；gi为GIS遥感信息的结构参数；Ci为水域三维对象的形状参数；Vi为水体与部分非水体的区分度；h（ Vi）为对水体与部分非水体区域参数取概率密度函数。 由此，在SAR 图像中根据光谱特征分析结果，进行水域信息变化特征GIS信息库构造，考虑城镇和自然水域河流水体的几何形态特征，实现水域信息的变化特征识别。

3.实验测试

实验选择位于某市内河区的水域， 观测的遥感影像为Landsat 8影像和Sentinel 2影像， 每种地物选择100个样本点，考虑多波段间的关系，给出波段数据源信息表（ 如表1所示）：

在表1的基础上，根据内陆水体、海洋水体、雪、云等水域信息的遥感图像光谱分布关系，得到水域信息的波谱分布比值（ 如表2所示）：

表1 遥感GIS 数据源信息表 单位：nm

表2 水域信息的波谱分布比值

在上述参数设计和计算的基础上，根据本文设计的水体指数计算方法， 采用GIS遥感检测的方法， 得到检测的水域GIS遥感影像（ 如图1所示）：

图1 遥感影像图

图1中的遥感影像存在云干扰， 采用本文方法提取水域信息的变化特征，得到提取的水体分布特征（ 如图2所示）：

图2 水域信息变化的水体特征提取结果

分析图2可知：本文方法能有效抑制云干扰，把云像素设置为背景值，能准确实现水域信息变化的特征识别，水体指数检测的稳健性较高。测试在不同地区进行水域信息变化检测性能，结果（ 如图3所示）。分析图3可知：本文方法对不同地区的水域信息变化检测和特征识别的性能较好，具有很好的环境适应性能。

图3 不同地区特征识别结果

4.结束语

结合遥感影像识别，分析在水域特征分布下的遥感参数，结合图像特征分析的方法，进行水域信息变化特征识别，本文提出基于GIS遥感的水域信息变化特征识别方法。建立内陆水体、 海洋水体不同环境下的水域信息分布规则， 结合内陆水体、海洋水体、雪、云等水域信息的差异性状态，建立水域信息变化的GIS遥感信息监测库， 根据水域水体变化的GIS遥感图像分析，实现水域信息变化特征提取。 分析得出：用本文方法对水域信息变化特征提取的环境适应性和稳健性较高。