面状水体提取 篇1
近年来, 随着环境问题被广泛关注, 水资源也越来越受到各方的关注。相较于传统的人工实地考察, 借助遥感影像进行水体的监测不仅省时省力且可全面地获取大范围内的水体信息, 实现水资源实时监测。随着我国遥感技术的发展, 国产高分辨率卫星数据也逐渐运用于环境资源的研究中。
常用的基于遥感影像的水体提取方法包括:单波段阈值法, 谱间关系法以及水体指数法等。其中, 指数法为结合多个波段经过验证后得到的数学模型, 具有一定的可靠性且操作简单。
当对某一类地表水域类型 (例如湖泊、水库等) 进行进一步研究时, 首先将其从整个水体区域中区分出来。本文针对面状水体区域进行研究, 分析高分辨率影像的波段数据与面状水体的特征信息, 提高遥感影像中面状水体获取的效率。
1 实验区域及数据概况
本文研究区为湖北省咸宁市, 该市地表水资源丰富, 水域广阔。境内湖泊面积30公顷以上大小湖泊19个, 现有水库 (含电站水库) 6275座。
本文数据源为高分一号、高分二号影像。其中, 选取高分一号2015年1月12日与2015年4月14日16m影像分别为实验与验证对照组, 选取高分二号2015年10月11日与2016年1月23日影像分别为实验与验证对照组。
2 实验原理与方法
2.1 实验原理
指数法进行水体提取具有较高的准确率和可操作性, 常应用于实际工作中。但由于地物光谱特性的交叉, 使用方法仍会出现误提以及漏提的现象[1], 为提高水体提取精度, 本文使用多种指数进行综合实现水体的提取。高分一号与高分二号影像的波段设置相似, 包括蓝光、绿光、红光和近红外这四个波段。利用此四个波段可计算归一化植被指数[2]、归一化水体指数法[3]以及混合水体指数[4]。
(1) 归一化植被指数法常用于植被的提取, 由于水体在红光波段较近红外波段具有较高的反射作用, 亦可用于水体提取。定义如下
式中:Red, NIR分别是影像3、4波段的像元值。
(2) 归一化水体指数法。定义如下
NDWI= (Green-NIR) / (Green+NIR)
式中:Green、NIR分别为影像2、4波段的像元值。
(3) 混合水体指数模型。定义如下:
式中:NDVI= ( (NIR-Red) / (NIR+Red) ) *C1 (C1为常数) , Red, NIR分别是影像3、4波段的像元值, C2、C3为常数。
2.2 地表水体中液态水体类型主要可根据水体区域形状将河流与溪流这类宽度较小但长度较大的细长的水体水体类型划分为线状水体, 湖泊与水库这类不规则面状的水体类型划分为面状水体。
针对于面状水体的提取主要涉及到的形状因子为:面积、延展度、矩形度。
(1) 面积, 用于描述影像中多边形的面积。
(2) 延展度, 用于描述影像中多边形的延展性。其计算方法为:多边形最大直径与最小直径的比值。
Elongation=ФMax/ФMin
式中:ФMax为最大直径, ФMin为最小直径。
(3) 矩形度, 用于描述影像中多边形矩形形状的度量。其计算方法为:多边形面积与最大直径、最小直径之积的比值。
Rect_fit=Area/ (ФMax*ФMin)
式中:Area为面积, ФMax为最大直径, ФMin为最小直径。
3 实验流程与结果分析
3.1 技术流程
首先, 对遥感影像进行辐射校正、大气校正、正射校正等一系列的预处理。
其次, 计算影像NDVI, NDWI, CIWI并进行波段组合。
然后, 根据分布直方图使用最大间类反差法确定指数法的阈值范围并根据水体提取分配其在综合提取中权重最后, 分析影像数据中面状水体计算其面积, 延展度, 矩形度的取值范围, 确定进行面状水体提取的最佳阈值范围以及权重取值, 实现面状水体的提取。
3.2 高分一号数据实验分析与验证
将高分一号2015年1月12日影像作为实验数据组数据, 对其进行预处理后计算其指数值, 确定阈值范围:NDVI为[0.214, 1], NDWI为[0.369, 1], , CIWI为[0.195, 0.623], 并分配其权重为 (0.2, 0.4, 0.4) , 进行水体提取。设定面积阈值范围是大于40000, 延展度阈值范围是[1.0, 3.0], 矩形度阈值范围是小于0.7, 并设定该三个参数的权重分别为 (0.33, 0.33, 0.33) , 实现面状水体的提取。
将与2015年4月14日影像作为验证数据, 对其进行预处理后计算其指数值, 确定阈值范围:NDVI为[0.324, 1], NDWI为0.397, 1], CIWI为[0.154, 0.553], 分配与实验组相同的权重, 提取水体。使用实验组相同的形状因子阈值范围与权重进行面状水体的提取。由实现结果可得, 利用该方法可有效地提取面状水体 (图2) 。
3.3 高分二号数据实验分析与验证
高分二号2015年10月11日影像作为实验数据组数据, 对其进行预处理后计算其指数值后分别确定在阈值范围:NDVI为0.167, 1], NDWI为[0.259, 1], CIWI为[0.121, 0.671], 分配权重为 (0.2, 0.4, 0.4) , 进行水体提取。设定面积阈值范围是大于5000, 延展度阈值范围是[1.0, 3.0], 矩形度阈值范围是小于0.7, 设定权重为 (0.33, 0.33, 0.33) , 实现水体区域中面状水体的提取。
将2016年1月23日影像作为验证数据, 对其进行预处理后计算其指数值, 确定指数阈值范围:NDVI为[0.149, 1], NDWI为0.322, 1], CIWI为[0.203, 0.584], 分配与实验组相同的权重, 提取水体。使用实验组相同的形状因子阈值范围与权重进行面状水体的提取。由实现结果可得, 利用该方法可有效地提取面状水体。
4 结论
在大范围区域内进行水资源的观测与分析时, 使用遥感影像可实现地表水体范围获取, 但在实际工作中有时需要针对某一特定类型进行研究, 如面状水体范围。因此, 确定目标对象其特有的属性并利用可有效地提高工作效率。本文针对于面状水体的提取, 以国产高分影像为数据源, 利用形状因子结合水体指数, 找出一种可有效获取实现水体面状水体提取的方法。
参考文献
[1]Mc Feeters S K.1996, The use of normalized difference water index (NDWI) in the delineation of open water feature s[J].International Journal of Remote Sensing, 17 (7) :l425-1432.
[2]徐涵秋.2005.利用改进的归一化差异水体指数 (MNDWI) 提取水体信息[J].遥感学报, 9 (5) :589-595.
[3]莫伟华, 孙涵, 钟仕全, 黄永, 何立.2007.MODIS水体指数模型 (CIWI) 研究及其应用[J].遥感信息, (5) :16-21.
面状水体提取 篇2
关键词：MODIS；比值植被指数；归一化植被指数
引言
洪水灾害是我国常见的一种自然灾害，其发生一般具有突发性的特点，洪涝灾害的预警预报、救灾减灾以及灾后重建工作都需要对洪灾时空演变过程信息进行及时反馈和精准分析[1]。遥感，作为采集地球数据及其变化信息的重要技术手段，得到了包括我国在内世界各国政府部门、科研单位和公司的广泛应用。随着航空、航天技术的飞速发展，遥感技术大面积同步观测、时效性、数据的综合性和可比性、经济性等特点日益显现，已成为研究地质灾害防治、全球环境变化重要的科学技术手段。
根据遥感数据对水体进行提取的技术如今已在水资源变化检测、洪水淹没范围判读和海岸线变化识别等领域得到了广泛的应用。国内相关研究已经展开，肖干广等[2]利用AVHRR的通道2（近红外波段）和通道1（可见光波段）的差值法，水体得到了有效的识别。盛永伟等[3]利用AVHRR的信道2和信道1的比值法，从而使薄云覆盖下的水体得到了很好的识别。都永康等[4]利用SPOT卫星信息，采用决策树分类方法，山区中的水体信息得到了有效识别。Jun Li等[5]利用MODIS信息能够有效监测清澈水体。赵书河等[6]采用迭代混合分析方法，对中巴资源一号卫星的遥感数据进行分析，把水体与山区阴影进行了有效分离。
1.水的提取原理
遥感影像记录的是地物的光谱特征，不同地物在部分波段呈现较大的反射率特征差异，通过定量化分析和比较这些差异可以达到识别地物的目的。在大部分遥感传感器的波长范围内，由于水体对入射能量具有强吸收性的特点，导致水体的反射率总体上较弱，并具跟波普长度长成反比。水体对蓝光波段（CH3），绿光波段（CH4）的反射率较强，并且水体在蓝光波段有明显的散射，与其他地物在此波段的反射率特征差异不明显；相比于红光波段（CH1），水体在近红波段（CH2）的吸收性要更强烈一些，几乎吸收了全部的入射能量，吸收率较高、反射率较低；而土壤、植被在这个波段内的反射率较高、吸收率较低。这种明显的差异使得水体在近红外波段上很容易与植被、土壤形成鲜明的对比，易于区分。在MODIS影像上，水体在近红外波段上呈现暗色调，而土壤和植被则呈现亮色调。同时，在山区由于受山体阴影的影响，使得阴坡面的地物在近红外波段反射能量降低，因此阴影中的地物在近红外波段影像上呈现为明显的暗色调；在城市建筑物密集地区，由于高层建筑物阴影的影响，也存在同样的问题，因此通过单一阈值（近红外波段）来区分水体和阴影中的地物存在一定的难度。
在一定条件下，植被指数能够定量地说明植物的生长状况，其原理是根据在可见光波段植物叶面有很强的吸收特性，在近红外波段植物叶面有很强的反射特性，通过不同波段的组合，植被指数能够将植物与其他地物有效区分开来。常用的植被指数包括比值植被指数和归一化植被指数等。
2.MODIS的光谱特点及当前主要应用范围
2.1MODIS的数据特点
与之前常用的几种遥感数据相比，美国国家航天局（NASA）最新的数据主要有三个特点：一是数据涉及波段范围比较广（36个波段，0.4-14.4um）；二是空间分辨率较之前有了更大的进展（250 m、500m、1000m）；三是数据更新频率快，对实时监测有较高的应用价值。
2.2MODIS影响上的水体表现特征
根据已有研究表明的水体波普特征和MODIS有感数据36个通道的波长分布，可以分析并确定适合于水体信息提取的波段。在MODIS遥感数据的36个通道中，1、3、4、8～15通道在可见光范围内，水体与其它地物的反射率差别不大，即从水体到陆地的过度特性不明显。2、5、6、7、16～19、26通道处于近红外波段范围，水体吸收率高、反射率低，而对土壤、植被的吸收率低、反射率高，水体在影像上表现为比其他地物都暗的色调，其边界轮廓十分清楚。故在这些通道的单波段影像上，水陆界线比通道1、3、4、8～15影像更加清晰可辨。20～25、27～36为热红外通道，主要反映地物自身的热辐射效应，应用MODIS数据进行水体提取，对于小水域范围，通道2是最佳波段，有着仅0.03m的波段宽度和250m的空间分辨率[8]。
3.MODIS影像水体提取方法及研究
3.1MODIS影像水體提取模型
单波段阈值法和多波段阈值法是目前利用遥感信息提取水体信息最常见的两种方法。
单波段阈值法主要是选取近红外波段并利用阈值来提取水体信息，它是提取水体的最简单易行的方法，基本原理是利用水体在近红外波段上吸收率高、反射率低，其他地物吸收率低、反射率高的特点，经过多次试验确定一个灰度值，作为区分水体与其它地物的阈值，其缺点是水体与山区的阴影难以区分，提取的水体往往比实际要多。部分文献叙述由于遥感影像的时空性变化较大，且时常因为时空的变化，阈值变化的不确定性使得该方法具有局限性，但在特定时相和区域里，对于非山区水体信息的提取，因为MODIS光谱的细分已经将上述问题大大减弱，首先应选取阈值法进行试验。
单纯使用单波段阈值法无法有效区分地物时，需引入多波段法，常见方法包括：谱间关系法和多光谱分析法。利用谱间关系建立的模型很多，比如对波段进行如下运算CH7/CH6、CH7/CH5，从而找出组合图像上水陆分界非常明显的影响。以CH7/CH6为例，可以采用如下方法剔出非水体：在ENVI软件下输入CH7/CH6波段，运算波段计算功能，将公式CH7/CH6输入，载入影像，在放大窗口中，手工裁取明水水域范围，生成多边形，对各种多边形赋予一个感兴趣区（AOI）文件，并将其输出为ENVI等矢量文件即可。
nlc202309012145
采用基于多波段分析原理的植被指数法，能有效增强水体与陆表的差异，从而能后有效区分和识别水体。
植被指数最早是1969年Jordan为了估计热带雨林的叶面积指数而提出来的比值植被指数（RVI）为了提高对地面植被指数检测效果，又有人提出了将比值限定在（-1，1）之间的归一化植被指数（NDVI）[9]，其原理是通过遥感光谱通道间组合运算获得的无量纲数据，是对地面植被状况的一种经验或半经验的观测。
NDVI广泛用于检测植被生长状态、植被覆盖度和消除部分辐射误差等，-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大，根据此特点便可进行水体信息提取。
MODIS数据第一波段是红光区（0.62～0.67μm），水体的反射率高于植被，波段2是近红外区（0.841～0.867μm），植被的反射率明显高于水体，因此，采用归一化植被指数NDVI来进行处理可以增强水陆反差，其计算公式是
NDVI=（CH2-CH1）/（CH2+CH 1）（1）
（1）式中CH1、CH2分别是MODIS数据波段1，2的地标反射率。在NDVI图像中，水体的NDVI值很低，为负值，而植被、土壤的NDVI值较高，为正值。在此基础上，通过选一个合适的取阈值范围，即可构建区分水体和植被、土壤的模型。
比值植被指数（RVI）也能增强水陆分界差异，其计算公式为
RVI=CH2/CH1（2）
由于水体在MODIS第二通道（CH2）上的地标反射率很低，而其他地物相对较高，而在第一通道上，水体的地标反射率虽然比在第二通道上高，但土壤、植被等地物的地标反射率比水体更高，利用RVI可以增强这种差异，然后设定一个阈值，也可构建一个能够有效区分植被、土壤的模型。
多光谱混合分析法主要针对所研究区域及其周围的典型地物（如草地、林地、阴影、城镇等）进行分析，标出他们在各个波段上的光谱亮度值，查找同一波段地物的异同，必要时对个别波段进行加、减、乘、除等运算，找出唯有水体满足的关系，由此构建水体的提取模型。
4.实验结果及精度分析
为了验证NDVI和RVI进行水体提取的有效性，分别选取了河流、湖泊、海洋这三种主要水体对NDVI和RVI指数进行了水体信息提取试验。为了使试验结果具有代表性，选取的试验区的背景地物有的以植物为主，有的以建筑物为主；以保证客观的评价性。遥感影像处理采用的是ENVI软件。
试验区的水体以河流、湖泊、海洋为主，用公式（1）和公式（2）分别生成了RVI和NDVI影像。
此外NDVI和RVI指数影像更能详细的表现遥感影像的信息，反应影像上的细微差别。如河流的细小分支、植被覆盖等在原始遥感影像上表现得并不明显，而在NDVI和RVI指数影像上表现得很详细。同时NDVI和RVI影像还能达到去除云层的效果，在图四中这种效果表现的最为明显。这是由于在CH2中云层的地标反射率比在CH1中的较高，水体在CH2中的地表反射率比在CH1中的较低，在CH2上两者的地标反射率差别不大，但用比值法能使这种差别扩大，因此达到较好的去除云层的效果。
5.结论
MODIS采用一系列低轨道卫星对地球进行连续综合观测的计划，在保证大范围获取地物信息的同时大大缩短了卫星的重访周期，为突发性洪水灾害的检测和评价提供了有力支撑。利用MODIS的1，、2通道遥感数據计算归一化植被指数、比值植被指数，对影像进行水体自动提取得到以下结论：
（1）本文利用RVI和NDVI指数对MODIS影像进行水体的自动提取，并以河流、湖泊、海洋水体为试验区，结果发现NDVI和RVI指数提取的水体的轮廓很清晰，且较窄的河流也能清晰的表现出来，漏提的水体较少，且没有发现将阴影、云、居民地等误当水体提取出来。
（2）在MODIS遥感数据的36个通道中，进行水体提取的优先选取波段是2、5、6、7通道，其中最佳波段是通道2。很多复杂的地物都可以通过MODIS光谱数据细分出来，单波段阈值法从而成为首选方法。
（3）在采用单波段阈值法对水体进行提取研究时，其准确性取决于阈值的大小，如果选取的阈值大，当然可以减少云，阴影等造成的误差，但可能会造成部分水体的漏提；如果选取的阈值过小，会有可能将阴影、云、居民地等当做水体提取出来，采用单一通道法无法将水体像元有效地提取出来。
参考文献：
[1]徐冠华，田国良，王超，等.遥感信息科学的进展和展望[J].地理学报，1996，51（5）：397-406.
[2]肖乾广，陈秀英，王葳.气象卫星影像用于松花江洪水检测[J]，遥感信息，1987，（4）：26-27.
[3]盛永伟，肖乾广.应用气象卫星识别薄云覆盖下的水体[J]，环境遥感，1994，9（4）：247-255.
[4]都永康，黄永胜，冯学智.SPOT卫星影像的水体提取方法及分类研究[J].遥感学报，2001，5（3）：214-219.
[5]赵书河，冯学智，都永康，中把资源一号卫星水体信息提取方法研究[J].南京大学学报（自然科学），2003，39（1）：106-112.
[6]刘玉洁，杨忠东等编著.MODIS遥感信息处理及算法[M].北京：科学出版社，2004.1-4，185-192，233-260.
作者简介：李晓星（1990-），男，山东平度人。硕士研究生，研究方向为土地利用与遥感监测。
通讯作者：王周龙（1959-），男，陕西杨凌人人。博士，硕士生导师，2002年8月至今，在鲁东大学地理与规划学院从事遥感、地理信息系统研究与教学工作。先后承担国家科技攻关项目、973基础研究项目、国家自然科学基金项目、国际合作研究项目等。作为主要科研骨干，曾获中国科学院科学技术进步一等奖、二等奖各一项。在《科学通报》、《遥感学报》、《遥感技术与应用》、《遥感信息》、《国土资源遥感》、《计算机应用研究》等学术期刊上发表论文60余篇。
面状水体提取 篇3
利用国外引进的.海藻提取物EClean制剂对富营养化水体进行处理试验,经过定量测定处理和对照水体中氮循环细菌数量的变化,得出EClean制剂能够促进水体的氨化细菌、亚硝化细菌、硝化细菌的生长,并维持了曝气条件下一定数量的反硝化细菌,通过此处理使得在同一反应器中、同一条件下完成硝化作用和反硝化作用成为可能,加速了水体的氮素循环,使水体总氮下降明显.
作 者：王立刚 任天志 王迎春 耿旭 李季 WANG Li-gang REN Tian-zhi WANG Ying-chun Geng Xu LI Ji 作者单位：王立刚,任天志,WANG Li-gang,REN Tian-zhi(中国农业科学院农业自然资源和农业区划研究所)
王迎春,WANG Ying-chun(中国农业科学院农业环境与可持续发展研究所,北京,100081)
耿旭,Geng Xu(University of California at Davis,USA)
李季,LI Ji(中国农业大学资源与环境学院,北京,100094)