富营养化水体信息提取新方法

汪承平，何孟琦，王建雄

（云南农业大学水利学院云南省高校农业遥感与精准农业工程研究中心，昆明 650201）

0 引 言

河流湖泊是陆地上必不可少的资源，遥感技术因获取数据快、受地面限制小等优势，为水体研究提供了重要支持，在研究水体信息、水环境变化及洪涝灾害等方面遥感技术早已得到了广泛运用［1，2］。水体富营养化情况日益严峻，目前对于超绿的富营养化水体信息提取研究大多只是针对提取富营养化水体本身，而忽略了剔除其对整体水域提取的影响等，MEWI指数的提出有效解决这一问题［3-5］。在水体富营养化日益严重的今天，人类更应反思，积极采取措施来保护我们赖以生存的家园。

水体研究首先就是提取水体范围和边界，对于多源遥感数据提取水体的方法大致有：目视解译法、阈值分割法、分类器法等。近年来大量学者对水体提取展开研究，毛转梅等人［6，7］针对普者黑流域喀斯特地貌水体，提出新型混合水体指数NEWI；韩震、恽才兴等［8］利用多时相卫星遥感图像水边线高程反演技术，确定了温州地区不同部位淤泥质潮滩岸线的变化；沈占锋等［9］通过阈值法改进了NDWI 指数，有效区分水体阴影；段纪维、钟九生［10］针对雨后洪涝提出超绿水体指数，有效提取泥沙水体。本文通过比值法构建的模型属于阈值分割法的一种，比值法可根据不同地类在不同波段中的波谱特点，增强图像信息，快速提取水体信息。传统比值法用绿光波段和近红外波段进行比值运算来抑制植被信息，增强水体信息［11，12］，但水体提取信息中仍含有许多非水体噪声。当湖泊水体不连通，某些区域藻类、叶绿素含量过高，水体位于近滩或山体阴影中时，不易提取水体边界。因此，本文对比分析藻类、建筑、水体等反射波普特点，提出针对富营养化、藻类滋生的超绿水体的改进富营养化水体指数（MEWI）模型。参考了徐涵秋［13］提出的改进归一化差异水体指数（MNDWI），该模型因采用了短波红外波段替代传统的近红外波段，使得MEWI 模型在城市区域及地形复杂区域亦有良好效果，且抵抗泥沙等的干扰能力较强。

1 水体遥感信息及指数创建

1.1 水体遥感信息

水体对于光有较强吸收性，所以在遥感影像上水体往往呈现较弱的反射率。在植被光谱曲线特征中，正是由于植被内部含有水分导致植被在短波红外波段反射率大大降低［14，15］。由此特性，Gao［16］于1996年提出了另一个NDWI指数，主要是用来研究植被体内含水量。水体在可见光波段范围内反射率只有4%～5%，其中可见光范围内蓝光反射率较高，而随着波长提高，入射光几乎全吸收（如图1）。这也是海水表面呈蓝色，而深海无光的原因。由图1 可得，当水体混入藻类、泥沙等物质，水体反射率也会有所提高［17］。

1.2 指数模型构建

传统水体指数的模型如NDWI［18］、ESWI［19］等对于水体的提取，往往通过不同物质间的波谱特征的区别，来寻找待研究地物差异最大的波段，并进行组合运算，从而增强显示效果，达到区分水体与陆地边界的目的。然而，经过大量实验对比，发现传统水体指数提取的水体信息尽管在大部分地区精度较高，但往往在一些叶绿素含量过高的封闭水域会出现无法提取的现象，或将部分建筑和滩涂的边缘部分也划分到其中。

参考NDWI和MNDWI模型，其公式如下：

式中：Green 为绿光波段；NIR 为近红外波段；MIR 为中红外波段。

对比两个水体指数模型，MNDWI 以中红外波段替代了NDWI指数的近红外波段，原因是在绿和近红外波段，建筑和水体的波谱特征几乎一致，而中红外波段的建筑物亮度值大于绿波段的值（图1），因此使得MNDWI模型提取的建筑物数值小于0，达到区分建筑与水体的效果。在Landsat8 OLI传感器中短波红外（SWIR1）和TM 传感器的中红外波段有相同效果（图1）。至于不采用短波红外（SWIR2），是由于（SWIR1）对建筑反射值大于SWIR1，因此选取（SWIR1）波段来区分建筑信息。

图1 雁田水库水体、植被、富营养水体和巢湖蓝藻水体波谱图Fig.1 Spectrum of Yantian reservoir water body，vegetation，eutrophic water body and Chaohu cyanobacteria water body

对这类富营养化水体进一步研究发现：以传统的绿和近红外波进行运算，由于水体叶绿素和藻类含量较多，近红外波段反射值过高，致使富营养化水体错分为陆地，降低精度，且影响较大。因此对比波谱信息发现，以短波红外波段替代近红外波段进行运算，则会大大减少这一现象。

如图1，含蓝藻的富营养化水体的蓝光和绿光波段亮度值大于短波红外的亮度值，若以蓝光或绿光波段值减去短波红外的值，将使富营养化水体和普通水体提取值均大于0，陆地阴影提取值小于0，避免错分现象。选取可见光范围内水体反射率较高、受叶绿素影响较小的蓝光波段和短波红外波段，本文提出了新的MEWI指数：

式中：Blue为蓝光波段；SWIR1为短波红外波段。

因短波红外波段植被反射值大大降低，在剔除富营养化水体的同时值得思考水体是否能与植被区分开。由图1 所示，植被在蓝光和绿光波段的亮度值远小于短波红外的值，使用该指数提取值为负，而水体提取值为正，可有效区分两者。通过波段对比遴选的方法，MEWI 水体指数增强了对建筑裸土信息的区分，避免水体错分为建筑物等现象，这使得模型精度大大提升。相较传统水体指数化，MEWI指数不仅在精度上有提升，同时解决了传统水体指数无法提取这类超绿富营养化水体的问题。

2 数据来源与实验方法

2.1 数据来源

研究区数据来自于美国地质调查局（USGS.GOV）所提供的Landsat8 L1TP 数据，空间分辨率30 m，采用地面控制点和数字高程模型数据进行了精确校正。

2.2 实验方法

广东省东莞市雁田水库因周边居民区生活污水和工厂排放污染物，已出现部分河道淤堵，水体受污染的情况［20，21］。为验证MEWI 指数的正确性，选取广东省东莞市雁田水库为研究区，分别用NDWI、ESWI 和NEWI 三种水体指数进行实验对比分析。因指数的阈值不同，以区分度指标验证MEWI 指数对富营养化水体提取效果，其计算公式如下：

为使实验结果具有广泛代表性，选取2020年7月份安徽省巢湖地区影像加以验证。2020年7月份巢湖发生了蓝藻水华灾害，对生态环境产生了严重影响［22，23］，这为实验提供了良好条件。实验采用图像处理软件envi 对影像进行了辐射定标及大气校正，以减少误差。

3 结果与分析

3.1 提取结果

根据水体提取结果，对图像进行拉伸处理，并辅以合适色带显示，雁田水库水体信息提取结果如图2 所示。从整体上来看，这4 个指数提取效果都比较明显。其中MEWI 提取效果总体优于其他3 种指数的提取效果，结果显示：水库水体提取完整，中部较细水域未出现不符合实际的中断现象，水库西侧两个独立超绿湖泊均被提取，由于东侧沟渠较窄，图像分辨率不足，仅提取部分沟渠，但对比其余3种指数提取效果仍有明显提升，表明MEWI 指数在这类富营养化体提取方面达到了预期效果，能解决一些相对独立、叶绿素含量和水体阴影较高的湖泊提取效果差的问题。从局部差异来看，NDWI、ESWI、NEWI三者对于建筑信息分辨能力较弱，相较MEWI 考虑到对建筑信息的剔除，略显不足。ESWI 指数因其公式构造运用比值法，水体提取的值域范围较大，导致拉伸效果相对较差，但通过后文精度对比实验证明其提取精度仍较NDWI 指数有明显提升。NEWI提取效果与ESWI 相当，略优于NDWI，这也符合了其公式构成原理：通过NDWI与ESWI差分得到，因此其区分度较高。同时，NEWI 与ESWI 提取的水体信息在水库的中部支流处中断现象较为严重，而NDWI 提取支流相对完整，但较MEWI 提取效果仍有差距。

图2 雁田水库水体提取图Fig.2 Water extraction of Yantian reservoir

3.2 富营养化水体区分度对比

由于MEWI 指数主要为提取超绿富营养化水体设计，为验证MEWI提取效果，使用研究区影像参考同时期Google Earth 高清影像，选取富营养化水体和非水体（阴影）部分各25 个采样点，对其进行水体指数计算。将各指数计算值拉升至（0～35）之间，依据区分度公式计算得各指数区分度如表1。

表1 富营养化水体与阴影区分度对比Tab.1 Comparison between eutrophic water body and shado

由表1 可看出，MEWI 指数的区分度远大于NDWI、ESWI 和NEWI三种水体指数，表明MEWI指数能较好区分超绿富营养化水体和陆地阴影，突出富营养水体与阴影区域边界，对于富营养化水体提取效果优异。

3.3 精度验证

虽然MEWI 指数对于超绿富营养化水体边界提取颇有成效，但仍需验证其总体精度。在雁田水库水陆交界易错分地带、水体和陆地随机选取共200 个采样点（图3），运用同时期Google Earth 高清影像进行参考对比，得到4 个指数精度对比表（表2）。根据结果可知，MEWI 指数对于水库提取总精度高达89.5%，高于3 个传统指数的总精度，表明MEWI 指数总体精度符合要求。

图3 雁田水库水体采样点图Fig.3 Water sampling points of Yantian reservoir

表2 水体指数精度对比Tab.2 Precision comparison of water body index

3.4 MEWI指数的应用

2020年夏季安徽省巢湖地区发生蓝藻水华灾害［24］，湖面漂浮大量绿色浮沫，水体富营养化严重。习近平总书记在安徽考察时强调：“一定要把巢湖治理好，把湿地保护好，让巢湖成为合肥的名片。”为验证MEWI 指数在的具体工程实践中的效果，选取2020年7月20日的Landsat8 影像，分别用NDWI、ESWI 和NEWI三种水体指数对比实验。研究区示意图如图4（水体提取图中深蓝色为水体信息，橙、黄色为非水体信息），因部分区域湖面云雾覆盖，选取西北部无云湖区为研究区。

在所有的提取图像中（图4），除水体外的浅蓝色图斑多为云层干扰，MEWI的提取图像边缘轮廓清晰可见，湖面剔除大量藻类干扰因素，整体达到预期效果。NDWI、ESWI 和NEWI 三种指数提取结果均不理想，边缘模糊无法辨识，湖面存在大量与陆地信息一致的黄褐色图斑，不能有效抑制水中蓝藻信息。同时研究发现，汛期河流裹挟泥沙干扰水体提取的情况对于MEWI指数影响较小。

图4 研究区影像图和巢湖水体指数提取图Fig.4 Image map of the study area and extraction map of Chaohu Lake water body index

在含泥沙水体和普通水体区域各取25个样本，对待研究区进行水体指数提取计算，将提取值拉伸至（0～35）之间并计算区分度得表3。由表3 可见，MEWI 样本均值极差较小，巢湖蓝藻水体对比普通水体区分度较低，说明MEWI 提取的两种水体的值相近，波动范围较小，而NDWI、ESWI 和NEWI 指数样本极差和区分度较大，表明泥沙对样本提取值有较大影响。对比河道二值化提取结果（图5），图5 中黑色图斑为水体信息，白色图斑区域为非水体阴影，MEWI指数提取的河道相对宽敞，完整性最好。ESWI指数效果仅次于MEWI指数，NEWI和NDWI指数效果较差。

图5 河道区域水体提取图Fig.5 Water extraction in river area

表3 含沙水体区分度对比表Tab.3 Comparison of differentiation of sediment laden water body

4 结 论

利用蓝光和短波红外波段替代传统的绿光和近红外波段构成的改进富营养化水体指数MEWI，为剔除河流湖泊中超绿富营养化水体信息，保留水体完整性研究提供了参考。和传统水体指数相比，MEWI指数有更广的应用空间，除对超绿富营养化水体提取外，也适用某些藻类含量过高的高原湖泊。城市等居民区往往伴随大量生活污水和工业废水，水体富营养化必不可少。由于使用了短波红外波段，MEWI 指数对建筑信息也有增强，在城区水体提取研究方向很有前景。

由雁田水库水体提取图可知，MEWI 指数对于这类超绿富营养化水体提取效果优于NDWI、ESWI 和NEWI 指数，能够更全面解译出富营养化水体信息，且其提取的水体连续性较好，并未出现ESWI和NEWI指数的断流现象。

通过区分度对比，发现MEWI 指数对富营养化水体和非水体阴影的区分度达0.38，远大于NDWI（0.14）、ESWI（0.16）和NEWI（0.14）水体指数的区分度，并且水体提取的总精度达89.5%，优于NDWI（85.5%）、ESWI（87.5%）、NEWI（87%）水体指数的总体精度，表明MEWI指数能有效提取富营养化水体，并且总体精度较高。

在汛期时河流裹挟大量泥沙，严重干扰水体提取。研究发现MEWI 指数抵抗泥沙干扰能力较强，其提取的含泥沙水体和普通水体区分度仅为0.02，远低于NDWI（0.13）、ESWI（0.39）和NEWI（0.06）水体指数的区分度，且提取的含泥沙河道部分信息较完整。夏季河流湖泊含有大量泥沙和叶绿素，这大大凸显MEWI指数的优势。

此外，本实验还存在些许不足。实验发现某些湖心孤岛MEWI 指数提取值为正值。由于这类岛屿范围较小，被水体包裹，加之实验影像分辨率不足，导致短波红外波段反射值偏低，甚至略低于蓝光波段反射值，所以出现MEWI 指数提取值为正值。对此，给予短波红外适当权重或把水体阈值由0 作微小提高，可提升水体提取效果。MEWI指数使用了短波红外波段，对于一些没有短波红外的卫星传感器，MEWI指数并不适用。