面向GF-7影像的绿波改正归一化水体指数构建

马海超,王崇倡,何昭宁,信 晟,王 蕾

(1. 辽宁工程技术大学测绘与地理科学学院,辽宁 阜新 123000; 2. 自然资源部国土卫星遥感应用中心,北京 100048)

水资源是维持地球生态可持续发展的第一要素,是人类生存和生活的物质依据。应用遥感技术对水体进行快速、准确的提取,是我国水资源利用和提取的有效方法[1]。掌握我国水资源现状及空间分布情况,能够为经济社会发展和生态文明建设科学决策提供有力的数据依据[2]。

随着遥感技术的不断发展,以及水体定量与反演研究的深入,水体提取方法的发展愈加成熟,但多是根据国外遥感卫星的特征作为研究依据对水体信息进行提取研究,如Landsat 8、TM、Sentinel、MODIS、SPOT-5等遥感影像[3-7],针对国产高分系列光学遥感卫星的水体提取方法的研究相对较少。根据影像解译方法的不同,可分为指数法、分类法和基于深度学习等方法。文献[8]基于Landsat TM影像提出改进的归一化差异水体指数(modified normalized difference water index,MNDWI),提取城镇范围内的水体效果较好。文献[9]基于Landsat TM影像提出修订型归一化水体指数(revised normalized different water index,RNDWI),能够消除山体阴影,精确提取水陆边界。文献[10]基于Landsat TM影像提出高斯归一化水体指数(Gaussian normalized different water index,GNDWI),用于较复杂的河流提取,并能够有效消除阴影。

GF-7是中国第一颗民用亚米级高分辨光学立体测绘卫星,于2019年11月3日成功发射,采用双线阵相机与激光测高仪等载荷,能够获取高分辨率高精度的立体数据和激光测高数据,定位精度较高,并能将平面图形绘制成为立体模型,与一般的光学遥感卫星区别较大[11]。因此利用高分遥感影像获取空间分辨率精度较高的水文参数,已成为水资源动态监测和管理的重要手段[12]。文献[13]基于GF-1影像,对阴影水体指数法(modified shadow water index,MSWI)进行改进,高分辨率遥感影像的水体解译精度得以提升。文献[14]基于GF-2卫星影像提出综合水体指数(city water index,CWI),降低了阴影噪声、建筑物噪声等影响。但目前尚未有对GF-7影像进行提取水体信息的研究。为此,本文针对GF-7影像,对新构建的绿波改正归一化指数(green normalized difference vegetation index,GNDVI)与其他5种提取方法进行比较分析。

1 研究区概况和数据源

1.1 研究区概况

南京市浦口区是南京重要城区之一,浦口区前临长江,后有滁河,且包括矮小山脉、平原及丘陵等自然地貌,属亚热带季风气候区,水资源丰富。本文选取雨量较大的夏季影像。浦口区内地物种类繁多,地物间光谱区别较小,包括高反射率的建筑物、旱田和水田混淆的耕地、小部分低山地区、林木覆盖率大,且城区中夹杂着许多大小不同的河道,浦口区示意图如图1所示。

图1 南京市浦口区

1.2 数据源与预处理

以GF-7(MUX和BWD)影像作为数据源,成像时间是2021年3月,云量为0,GF-7传感器参数见表1。对影像进行线性拉伸,突出显示水体信息。为消除或纠正因辐射误差而引起影像畸变,首先对影像进行辐射定标,然后进行FLAASH大气校正、正射校正、图像融合(BWD影像和MUX影像进行Gram-Schmidt Pan Sharpening融合),最后得到研究区影像。

表1 GF-7卫星传感器参数

2 水体提取方法

2.1 基于GF-7卫星构建的绿波改正归一化指数法(GNDVI)

由于色调、影像的纹理及地物组成的差异,因此遥感影像的几何特征、反射特征不同。水体反射率一般低于其他地物,不超过6%,且波长愈大反射率愈小。其在蓝光、绿光波段反射率达到最高,而在近红外波段显示了强烈的吸收性,几乎没有反射率。根据不同地物在各个波段的反射率值,在影像上均匀选取研究区各类地物的纯净像元,对主要地物的光谱曲线进行绘制,如图2所示。

图2 主要地物光谱响应曲线

由图2可知,水体在绿色波段反射率值达到了最高峰,之后大幅降低,即水体在绿色波段吸收性最弱,反射性最强,而在NIR波段与其形成鲜明对比。且阴影和水体的光谱曲线在近红外波段呈相交趋势,相似性较强,两者混淆情况易出现。阴影主要包括建筑物阴影和山体阴影,其反射率在各个波段差异不大,总体来说相对较低,比较平稳。建筑物和耕地的反射率值在可见光与NIR波段几乎直线上升,与水体差别较大,容易辨别。山体的反射率总体呈上升状态,在NIR波段达到顶峰,略低于耕地和建筑物的反射率。可能由于山体植被的覆盖,导致其在红色波段与水体出现了相交现象。通过研究GF-7卫星地物光谱响应曲线,利用吸收性最强的近红外波段减去吸收性最弱的绿色波段,增加其反差,并与近红外波段和红色波段相加建立比值运算关系,降低水体和阴影及山体的混淆情况。得到绿波改正归一化指数法(green normalized difference vegetation index,GNDVI),公式为

(1)

式中,NIR、G、R分别为近红外波段、绿色波段、红色波段,对应GF-7卫星的第4、2、3波段。

2.2 单波段阈值法

单波段阈值法是基于TM影像提出的水体提取算法,利用水体在近红外或中红外波段的差异,确定某一阈值作为区分水体与背景地物的方法。本文选取GF-7影像NIR波段进行试验。试验公式为:b4

2.3 归一化植被指数(NDVI)

NDVI由文献[15]提出,对植被的响应能力较强,是目前使用最广的植被指数之一,在植被覆盖度较高的区域,强化水陆差异的效果良好。公式为

(2)

2.4 归一化差分水体指数法(normalized difference water index,NDWI)

NDWI(由文献[16]提出,依据近红外波段及可见光波段的水体和植被的光谱特点,通过红波波段及绿波波段搭建而成。公式为

(3)

2.5 改进的阴影水体指数法(MSWI)

MSWI由文献[12]提出,将GF-1卫星的蓝色波段(B)与近红外波段(NIR)进行组合搭建而成,公式为

(4)

2.6 城市水体指数法(CWI)

CWI文献[14]提出,以GF-2卫星为数据源,将整数倍的NIR波段减去蓝绿波段之和,公式为

CWI=3NIR-G-B

(5)

3 结果与分析

3.1 目视定性分析

基于GF-7卫星影像,采用单波段阈值法、NDVI、NDWI、CWI、MSWI及GNDVI指数法对浦口区水体信息进行提取。选取最佳阈值进行分割后的二值化结果如图3所示,图中黑色代表非水体,白色代表水体。显然,6种方法均能较好地突出水体与其他地物之间的差异,保证城区内河流主干提取结果的完整性。

图3 浦口区水体提取结果

由于城区背景较复杂,受影响因素较多,出现不同程度的漏提和误提。城区各类建筑物、高亮公路及船舶等设施具有相对较高的反射率值,并且伴随着建筑物而来的大量阴影、河流中航行的大型船舶及河流岸边的裸地、浅水滩等因素,导致城区中形成了强烈的明暗对比,且碎小斑块较多,需要多维度考虑影响因素。由图3可知,利用单波段阈值法提取水体非常完整,但有严重的误提错提现象,且水体边缘不够清晰。NDVI和NDWI法中误提现象有所减轻,但出现了较多破碎斑点。CWI和MSWI法受其他地物干扰的程度较小,提供整体效果良好,但MSWI法漏提现象略重。本文构建的GNDVI指数法相比NDVI及NDWI法,误提现象明显降低,受复杂环境的噪声影响较小,提取边界更加清晰,整体来看完整度更高,总体提取效果最好。

3.2 细节对比

浦口区水体提取结果差异主要是细小河道、建筑物阴影及耕地(分为水田和旱地)。南京市农作物以水稻、玉米、小面、油菜等为主,一部分水田被水覆盖。具体细节见表2。

表2 浦口区水体提取细节对比

由表2可知,6种方法对河流主干的提取内部都较纯净,完整性较好。单波段阈值法出现了将旱地沟壑、居民楼阴影等误提为水体较为严重的现象,受背景影响较大。NDVI与NDWI法误提现象有所减轻,建筑物阴影有所减少,水田提取情况相对完整。

CWI和MSWI法在建筑区内受建筑物和高亮路面高反射率的现代设施及大量建筑物阴影的影响较小,误提现象较轻,但MSWI法在水田和细小河道出现了较为明显的漏提现象。CWI法效果相对较优,保证了细小河道及岸边浅水区信息的连续性,但有较轻的混淆现象。

本文提出的GNDVI指数法误提程度最轻,能较好地将细小水体、阴影、船舶等与水体、水田区分开。相比其他5种方法,GNDVI指数法受噪声信息干扰的程度较低,对建筑物阴影有很好的识别度,对水田的提取也相对完整,细小水体边界提取清晰,能显示出较真实的河道宽度,GNDVI指数法提取效果最好,完整性和连续性优良。

3.3 精度评价

以GF-7融合影像目视解译结果作为真实水体数据,分为水体和非水体,建立混淆矩阵。对6种方法的二值化分类结果进行精度评价,计算总体精度和Kappa系数,将其作为评价指标,见表3。

表3 浦口区水体提取精度对比

综合表3精度评价结果,基于GF-7影像利用本文提出的GNDVI指数法提取水体,精度最高,达97.26%,Kappa系数为0.94;CWI法提取精度超过了90%,仅次于GNDVI指数法;NDWI法和MSWI法效果一般,单波段阈值法和NDVI法精度相比其他方法整体较低,提取效果较差。可见GNDVI指数法在水体提取方面优势较为明显,尤其对建筑物阴影抑制效果较好。

为了进一步验证新指数法的可用性,选用荆州市沙市区影像(来源为GF-7卫星MUX影像,成像时间为2021年11月,云量为0)对其进行验证分析。对验证区进行辐射定标、大气校正及正射校正等预处理。应用已有5种提取方法与GNDVI指数法对沙市区进行水体提取,结果及精度评价如图4、表4所示。

表4 沙市区水体提取精度对比

图4 荆州市沙市区

可知,在荆州市沙市区GNDVI指数法水体提取精度最高,达96.68%,Kappa系数为0.92。不仅保证了细小河道及岸边浅水区信息的连续性,而且保证了河流主干的准确性,能更好区分水体和阴影、细小水体,提取效果优于其他方法,说明GNDVI指数法准确率较高。

4 结 论

水体是人类赖以生存和发展最重要的自然资源之一,水资源保护应用中需要运用遥感影像迅速精确地获得水体信号。本文基于GF-7卫星影像的光谱特征曲线分析,利用吸收性最强的近红外波段减去吸收性最弱的绿色波段,增加其反差并与近红外波段和红色波段相加建立比值运算关系,提出绿波改正归一化指数法(GNDVI),可以快速、准确、完整地提取水体信息。与其他方法相比,不仅能有效去除建筑物噪声,而且高效抑制了建筑物阴影,保证了河道的连续性和真实性。由此可见,基于高分辨率且空间清晰度更高的GF-7影像,利用GNDVI指数法在水体提取中优势十分明显,并具有一定的可用性,更易于水体解译。本文为我国GF-7遥感影像在水利领域的应用和研究提供参考,提高了GF-7卫星在我国生态资源环境建设中的作用。

本文研究不足之处在于对水田这种混合像元构成的地物提取效果一般,影响了清晰度,识别相对困难,有待对其进一步研究。