基于ETM+和ASTER近紅外波段的水體信息提取對(duì)比

陸 慧，曹 明

（1.合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院，安徽 合肥 230009；2.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098；3.安徽財(cái)貿(mào)職業(yè)學(xué)院 電子信息系，安徽 合肥 230601）

TM數(shù)據(jù)由于光譜分辨率和空間分辨率整體兼優(yōu)，且易于獲取，而得到廣泛應(yīng)用[1]。不同衛(wèi)星傳感器的影像不僅可單獨(dú)使用，也可互為補(bǔ)充，大大拓寬了遙感對(duì)地觀測(cè)的時(shí)空范圍。目前，在各種傳感器的對(duì)比中，Landsat系列與ASTER之間的交互相對(duì)較少，而且多以土地利用覆蓋信息的獲取為研究對(duì)象[2-5]。以水體信息為研究對(duì)象的，多是基于可見光波段數(shù)據(jù)建立模型，從而進(jìn)行比較[5-7]。本文選擇江蘇省南京市江寧實(shí)驗(yàn)區(qū)，嘗試選擇Landsat ETM+與ASTER近紅外波段數(shù)據(jù)進(jìn)行水體信息提取，并將2種數(shù)據(jù)的提取結(jié)果進(jìn)行對(duì)比，討論在空間分辨率相同的情況下不同波譜分辨率對(duì)水體信息提取精度的影響。

1 實(shí)驗(yàn)區(qū)概況

本文選擇江蘇省南京市江寧區(qū)秦淮谷地作為實(shí)驗(yàn)區(qū)。江寧區(qū)位于長(zhǎng)江南岸，南京市南部，地理位置在31°30'～32°00'N 與 118°30'～119°25'E 之間。秦淮河貫穿實(shí)驗(yàn)區(qū)，屬典型的江南低山丘陵地區(qū)[8]。境內(nèi)地貌類型多樣，其東部秦淮河谷水源充足，以大面積的灌溉水田為主；西部以黃土丘陵為主，主要種植旱作；中部以秦淮河流域的河谷平原為主，存在大量的細(xì)小河流、池塘和魚塘，水田和旱地交錯(cuò)分布。邊緣的丘陵分布有低矮的灌叢，陡坡處為針闊混交林所覆蓋，水田和道路廣泛分布于全境[9]。整個(gè)實(shí)驗(yàn)區(qū)內(nèi)各種地物類型交錯(cuò)分布，地塊較為破碎。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

實(shí)驗(yàn)采用的是2002-08-05的Landsat ETM+和2002-09-09的ASTER遙感影像。首先利用1∶5萬的江寧地區(qū)地形圖采集地面控制點(diǎn)對(duì)ASTER影像進(jìn)行幾何校正；然后以ASTER影像為基準(zhǔn)影像，將Landsat ETM+影像與ASTER影像進(jìn)行配準(zhǔn)，采用二次多項(xiàng)式進(jìn)行坐標(biāo)轉(zhuǎn)換，選擇能保持原有灰度值的最鄰近插值法進(jìn)行像元重采樣，控制點(diǎn)的均方根誤差(RMSE)小于0.5個(gè)像元；并對(duì)處理后的影像DN值進(jìn)行線性拉伸。

2.2 水體信息提取

研究區(qū)地物類型主要包括建筑物、旱地、水田和水體4種，因此從研究區(qū)的植被和建筑物中提取水體信息具有明顯的意義。

2.2.1 區(qū)分水體和非水體

天然水體在0.4～2.5μm波段范圍內(nèi)的吸收明顯高于大多數(shù)其他地物，因而其反射率在整個(gè)波段都很低。在紅外波段，水體吸收率高于可見光波段，即使水很淺，水體也幾乎能吸收近紅外及中紅外波段內(nèi)的全部入射能量[10]，所以水體在近紅外及中紅外波段的反射能量很少，而植被、土壤在這2個(gè)波段內(nèi)的吸收能量較小，且有較高的反射率。因此，水體呈現(xiàn)出暗色調(diào)，而植被和土壤呈現(xiàn)亮色調(diào)[11]。

為分析水體及背景地物在ASTER遙感影像上的光譜響應(yīng)特征，選取4種典型地物，就每一地物測(cè)定其各波段的光譜亮度值，并進(jìn)行樣本統(tǒng)計(jì)，獲得ASTER影像近紅外波段上不同地物類型的波譜響應(yīng)特征曲線。從圖1可以看出，在近紅外波段各地物亮度值差異較明顯，水體的亮度值明顯低于其他地物，因此可利用閾值法將水體從其他地物中分離出來。

圖1 研究區(qū)主要地物ASTER波譜響應(yīng)特征曲線圖

1）基于Landsat ETM+第7波段的水體信息提取。根據(jù)水體的反射特性可知，水體的反射率總體上比較低，不超過10%，一般為4%～5%，并隨著波長(zhǎng)的增大逐漸降低。近紅外波段是水體的強(qiáng)吸收帶，水體幾乎為全吸收體。因此，在近紅外波段的遙感影像上，水體呈現(xiàn)暗色調(diào)。較早使用的提取水體的方法是單波段閾值法，該方法主要利用Landsat衛(wèi)星不同波段的設(shè)計(jì)目的和地物波譜特征進(jìn)行信息的提取[12]。研究表明，利用單波段閾值法可以有效地將水體與非水體分離開來。

2）基于ASTER近紅外波段的水體信息提取。分析地物波譜響應(yīng)特征曲線發(fā)現(xiàn)，建筑物、水田、旱地和水體的波譜響應(yīng)特征變化趨勢(shì)不同。對(duì)波段進(jìn)行運(yùn)算，可以實(shí)現(xiàn)圖像的增強(qiáng)，達(dá)到提取不同地物信息的目的。本文嘗試?yán)枚喙庾V變換，對(duì)ASTER影像的第4～9波段進(jìn)行線性組合變換。其變換公式為：

式中，X為變換前多光譜空間的像元矢量；Y為變換后的光譜空間像元矢量； B為變換矩陣。

經(jīng)過大量實(shí)驗(yàn)，利用ASTER影像的第4～9波段進(jìn)行線性組合變換，從而提取水體信息。突出水體時(shí)的變換矩陣為：

2.2.2 基于GIS知識(shí)規(guī)則的水體提取結(jié)果改進(jìn)

由于研究區(qū)水體類型多樣，有必要對(duì)水體提取結(jié)果進(jìn)行分類。不同水體具有不同的空間特征，因而可利用這些特征變量對(duì)水體提取結(jié)果進(jìn)行改進(jìn)。

本文主要利用了大小、形狀等地物空間特征。河流、水庫、湖泊、池塘、魚塘等水體的空間特征為：

1）大小特征。水體大小可用面積和周長(zhǎng)來反映，一般情況下，湖泊的面積較大，水庫、河流、池塘、魚塘等的面積依次減少。湖泊、面狀河流、大的水庫周長(zhǎng)較長(zhǎng)，而小水庫，池塘、魚塘等周長(zhǎng)較短。

2）形狀特征。水體的形狀特征表現(xiàn)為：湖泊、水庫、池塘、魚塘及大的河流呈面狀，而小的河流呈線狀。對(duì)面狀水體而言，不同類型的水體其形狀又各不相同，湖泊的邊界一般較平坦光滑，河流呈彎曲的長(zhǎng)條狀，池塘形狀較圓滑，近似橢圓, 小水庫形狀也較圓滑，但邊界有一部分呈直線，大水庫由于受地形影響，其邊界呈山體等高線形狀，而魚塘則呈規(guī)則的四邊形。定義形狀指數(shù)K為：

式中，K為形狀指數(shù)；A為面積；P為周長(zhǎng)。圓的形狀指數(shù)最大(>0.25)，正方形次之(=0.25)。一般情形，形狀越不規(guī)則，其形狀指數(shù)越小。因此，河流的形狀指數(shù)較湖泊、水庫、池塘要小[13]。

研究區(qū)主要水體類型有3種：河流、魚塘和池塘。研究區(qū)內(nèi)的河流多呈帶狀區(qū)域，因此其周長(zhǎng)相對(duì)最長(zhǎng)，形狀指數(shù)最??；池塘普遍面積較小，形狀較圓滑，近似橢圓，其形狀指數(shù)較大；魚塘面積較池塘大，且多呈塊狀分布，其形狀指數(shù)較河流要大，較池塘要小。

本文采用決策樹分類方法對(duì)提取的水體分類結(jié)果進(jìn)行改善。首先將提取的水體在ArcGIS系統(tǒng)下，由柵格轉(zhuǎn)換為矢量多邊形，并計(jì)算出每個(gè)多邊形的面積、周長(zhǎng)和形狀指數(shù)；然后制定分類規(guī)則，用決策樹分類方法對(duì)水體分類結(jié)果進(jìn)行改善，結(jié)構(gòu)見圖2。

圖2 水體分類的決策樹結(jié)構(gòu)圖

3 研究結(jié)果與分析

利用GIS知識(shí)規(guī)則分別對(duì)利用Landsat ETM+第7波段和ASTER第4～9波段提取的水體信息結(jié)果進(jìn)行改進(jìn)，獲得水體信息分布圖（見圖3、圖4）。本次實(shí)驗(yàn)以使用ASTER可見光波段影像視解譯的數(shù)據(jù)作為參考資料，對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)[14]（見表1、表2），得到利用Landsat ETM+第7波段和ASTER第4～9波段提取的水體信息的總體精度分別為82.4%和92.4%，Kappa系數(shù)分別為0.75和0.89。

圖3 基于Landsat ETM+影像水體提取結(jié)果

圖4 基于ASTER影像水體提取結(jié)果

表1 ASTER與 ETM+提取結(jié)果比較

表2 利用Landsat ETM+第7波段提取水體信息精度評(píng)價(jià)結(jié)果

分析發(fā)現(xiàn)，利用GIS知識(shí)規(guī)則對(duì)Landsat ETM+第7波段影像提取的水體信息結(jié)果進(jìn)行改進(jìn)后，對(duì)河流的分類精度可達(dá)到90%，能夠獲取較高精度的河流分布信息；對(duì)于池塘的信息提取其生產(chǎn)者精度較高，達(dá)到了90.63%，而用戶精度較低，僅有67%；對(duì)于魚塘信息提取的生產(chǎn)者和用戶精度分別為73.79%和75.25%，總體精度較低。利用GIS知識(shí)規(guī)則對(duì)ASTER第4～9波段影像提取的水體信息結(jié)果進(jìn)行改進(jìn)后，對(duì)河流信息的提取精度達(dá)到88%以上，表明提取結(jié)果具有較高的可信度；對(duì)池塘信息提取的生產(chǎn)者和使用者精度分別為93.55%和87%；對(duì)魚塘信息提取的生產(chǎn)者和使用者精度分別為95.9%和90.2%。

利用ArcGIS軟件對(duì)2種分類結(jié)果進(jìn)行差異分析，獲得水體信息提取差異圖（見圖5），并對(duì)差異信息進(jìn)行分類統(tǒng)計(jì)，得到信息差異表（見表3）。

圖5 水體信息差異圖

表3 利用ASTER第4-9波段提取的水體信息評(píng)價(jià)結(jié)果

表4 水體信息變化統(tǒng)計(jì)表

利用分類精度評(píng)價(jià)表和差異信息，對(duì)分類結(jié)果進(jìn)行比較分析發(fā)現(xiàn)，利用ASTER近紅外波段數(shù)據(jù)提取水體信息的總體精度和Kappa系數(shù)均高于利用Landsat ETM+第7 波段數(shù)據(jù)提取的結(jié)果。進(jìn)一步對(duì)比可知，利用Landsat ETM+和ASTER近紅外波段數(shù)據(jù)提取的河流信息差異較小，信息提取結(jié)果的變化率為9.79%。由于混合像元的存在，河流邊界信息提取的差異是引起河流信息變化的主要原因。實(shí)驗(yàn)表明，對(duì)于大面積水體信息（如河流）的提取，利用Landsat ETM+和ASTER近紅外波段數(shù)據(jù)均能夠獲得較好的分類結(jié)果。

對(duì)池塘和魚塘信息的提取結(jié)果進(jìn)行比較分析發(fā)現(xiàn)，利用Landsat ETM+數(shù)據(jù)提取結(jié)果的精度比利用ASTER近紅外波段數(shù)據(jù)提取結(jié)果精度低，2種信息提取結(jié)果的變化率較大。其中，池塘信息的變化率為26.47%，魚塘信息的變化率為24.62%（見表4）。實(shí)驗(yàn)表明，因ASTER近紅外波段數(shù)據(jù)具有較高的波譜分辨率，利用其進(jìn)行池塘和魚塘信息提取能夠獲得較高的分類精度。

對(duì)于非水體信息的獲取，因?qū)嶒?yàn)區(qū)非水體面積遠(yuǎn)大于水體面積，利用兩種不同數(shù)據(jù)提取結(jié)果相差不大，兩種結(jié)果的變化率僅為0.77%，表明利用Landsat ETM+和ASTER數(shù)據(jù)進(jìn)行非水體信息提取的結(jié)果相差較小，并且都能夠獲得較高的精度。

相同空間分辨率情況下，對(duì)大面積的連續(xù)水體進(jìn)行信息提取，提高波譜分辨率對(duì)于提取結(jié)果的影響不大，利用Landsat ETM+或ASTER數(shù)據(jù)進(jìn)行提取，精度均可達(dá)90%，；對(duì)于提取面積較小的獨(dú)立水體(如池塘、魚塘等)，提高波譜分辨率能夠有效地提高信息提取的精度。利用ASTER數(shù)據(jù)能夠獲得較高的精度，能夠有效地提取較小面積的獨(dú)立水體信息，而利用Landsat ETM+數(shù)據(jù)獲得信息提取精度較低。

4 結(jié) 語

雖然利用ASTER數(shù)據(jù)可以獲得較高的分類精度，但是，隨著波譜分辨率的提高，其數(shù)據(jù)量也有大幅度增加，增加了數(shù)據(jù)的處理和操作難度。另外，ASTER數(shù)據(jù)的獲取成本也較Landsat系列數(shù)據(jù)獲取成本高，將為快速提取大范圍的水體信息以及遙感技術(shù)推廣增加了難度。因此，對(duì)于水體信息的提取，需要依據(jù)研究區(qū)內(nèi)的水體信息情況進(jìn)行數(shù)據(jù)源的選擇。若研究區(qū)內(nèi)多為大面積的連續(xù)水體，選擇Landsat ETM+數(shù)據(jù)即可獲得較高的分類精度，其需要處理的數(shù)據(jù)量較小，獲得數(shù)據(jù)的成本也較低；若研究區(qū)內(nèi)細(xì)小水體及較小面積的獨(dú)立水體較多，選擇ASTER數(shù)據(jù)，利用其較高的波譜分辨率進(jìn)行信息提取可以獲得較高的分類精度。但是其具有較大的數(shù)據(jù)量，數(shù)據(jù)的獲取和處理成本較高。

[1]栗敏光，范洪冬，鄧喀中.基于LBV變換的TM數(shù)據(jù)水體提取新方法[J].測(cè)繪科學(xué),2010,35(3):138-139

[2]林劍，趙會(huì)芳，曾毅，等. 土地利用一級(jí)類別分類TM與ASTER數(shù)據(jù)適用性分析[J]. 遙感技術(shù)與應(yīng)用2011,26(2):209-214

[3]林騰,高光明,劉容秀，等. ETM+和ASTER數(shù)據(jù)在遙感信息提取中的對(duì)比研究[J].遙感應(yīng)用，2011（1）: 65-69

[4]徐涵秋,張鐵軍.ASTER與Landsat ETM+植被指數(shù)的交互比較[J].光譜學(xué)與光譜分析，2011,13（7）：1 902-1 907

[5]張鐵軍,徐涵秋.基于MNDWI水體指數(shù)的ASTER與ETM+影像交互比較研究[J].宇航學(xué)報(bào),2010,31(4): 1 243-1 252

[6]黃海波,趙萍,陳志英,等.ASTER遙感影像水體信息提取方法研究[J].遙感技術(shù)與應(yīng)用，2008,23（5）：525-528

[7]汪寶存,苗放,陳建華，等. 基于ASTER數(shù)據(jù)的歸一化差異水體指數(shù)的建立及其應(yīng)用[J].測(cè)繪科學(xué)，2008,33(2):177-179

[8]馮學(xué)智,王周龍,王雷，等.江寧土地利用動(dòng)態(tài)變化研究[J].江蘇測(cè)繪,1999,22(4):3-4

[9]王周龍，馮學(xué)智，劉曉枚，等.秦淮河丘陵地區(qū)土地利用遙感信息提取及制圖[J].遙感學(xué)報(bào)，2003,7（2）：131-135

[10]趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社,2003

[11]趙萍，馮學(xué)智，王雷，等.江南丘陵區(qū)土地利用/覆被分類[J].南京大學(xué)學(xué)報(bào)：自然科學(xué)版，2003,39（3）：404-410

[12]吳文淵,沈曉華,鄒樂君,等.基于Landsat ETM+影像的水體信息綜合提取方法[J].科技通報(bào),2008,24(2):252-259

[13]都金康，黃永勝，馮學(xué)智，等. SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學(xué)報(bào)，2001，5（3）：214-219

[14]吳健平.遙感影像解譯精度的分析[J].遙感信息，1992（2）：17-18