一種基于城市水體指數(shù)與分形幾何算法的OLI遙感影像水體提取方法

楊 驥，韓留生，陳水森，李 勇

(1. 中科院廣州地球化學(xué)研究所，廣東 廣州 510640； 2. 中國科學(xué)院大學(xué)，北京 100049； 3. 廣州地理研究所，廣東 廣州 510070； 4. 山東理工大學(xué)建筑工程學(xué)院，山東 淄博 255000)

城市河流是城市泄洪排澇、飲用水源或生態(tài)景觀的重要組成部分。隨著城市的擴張與人口的陡增，城市河流的管理與監(jiān)測面臨著嚴峻的壓力[1]。遙感具有面積大、周期短、實時性、信息量大等優(yōu)勢，為水體信息提取提供了新的監(jiān)測技術(shù)。高分辨率衛(wèi)星影像被廣泛用于水體信息的提取[2-4]，并已成為水資源調(diào)查、洪水災(zāi)害預(yù)測評估、水利規(guī)劃、環(huán)境監(jiān)測等工作的重要技術(shù)手段之一[5-6]。

目前，利用遙感手段提取水體信息的主要方法有：單波段閾值法、水體指數(shù)法[7-12]、面向?qū)ο蠓╗13-16]等。閾值法的特點是簡單易行，但提取精度不高，尤其是對城市中常見的細小且嚴重污染的水體提取效果不穩(wěn)定[17]；水體指數(shù)法是通過特征波段間的比值運算，以區(qū)分水體與其他地物，但運用于城市水體提取時，易受到道路、建筑物等影響而出現(xiàn)斑點[18]；面向?qū)ο蠓▽D像分割為由若干個同質(zhì)像元組成的對象，將地物的光譜信息與空間結(jié)構(gòu)信息、紋理信息結(jié)合，適合復(fù)雜環(huán)境中的地物提取[19-20]，是目前遙感水體提取的研究熱點之一。

針對嚴重污染的城市水體與道路、建筑物、陰影等易于混分，以及遙感水體提取結(jié)果不連續(xù)、存在斑點問題，本研究以廣州北部、東部的兩條主要河流的OLI遙感影像為研究對象，基于城市水體指數(shù)，結(jié)合八鄰域像元分析對水體進行標注，通過設(shè)置形狀、面積等特征閾值，實現(xiàn)城市復(fù)雜環(huán)境下的城市河流信息的自動提取。

1 數(shù)據(jù)介紹及預(yù)處理

1.1 數(shù)據(jù)簡介

Landsat 8攜帶的兩個主要載荷之一的陸地成像儀(operational land imager，OLI)包含覆蓋了可見光、近紅外、熱紅外的9個通道，多光譜通道空間分辨率為30 m，輻射分辨率為16 bit，成像寬幅為185 km×185 km，重訪周期為16 d。較高的空間分辨率、輻射分辨率、幅寬、重訪周期以及水色通道能夠滿足城市河流監(jiān)測與信息提取需求，是目前水體信息監(jiān)測的重要數(shù)據(jù)資源。

廣州市是我國一線城市，水系發(fā)達。流溪河水系廣州段屬于山區(qū)地形，部分河段及支流受工業(yè)污水、生活廢水影響水體污染嚴重[21]；東江水系廣州段位于廣州與東莞交界處，水體受到工業(yè)的嚴重污染，周邊建筑物、道路網(wǎng)密集[22]。因此，本文選擇廣州市北部流溪河水系和東部東江水系作為試驗區(qū)。收集了流溪河(2016年12月7日，2017年4月30日)與東江(2016年2月7日，2017年10月23日)共4景少云的OLI影像用于本文的研究(詳細信息見表1)。

1.2 數(shù)據(jù)預(yù)處理

對OLI影像的預(yù)處理主要包括精確大氣校正和邊界切割處理。衛(wèi)星影像可見光通道受大氣影響嚴重，傳感器接收到的地表反射信息，兩次經(jīng)過大氣，大氣中氣體分子、氣溶膠、云霧水滴、冰晶等對太陽光線的作用使得傳感器接收到的地表信息發(fā)生變化；且水體反射信息微弱，大氣信息在總信號中占到90%以上。因此，遙感影像上精確提取水體前需對遙感影像進行精確的大氣糾正。當前大氣糾正可以采用的方法有基于統(tǒng)計分析的大氣校正方法和基于輻射傳輸模型的大氣糾正方法?；诮y(tǒng)計分析的大氣校正方法需要有同步的地面實測數(shù)據(jù)做支持，該方法不具有較好的普適性；基于輻射傳輸模型的大氣糾正方法具有較好的物理意義和普適性，因此研究中采用了基于輻射傳輸模型的Flaash模型進行大氣糾正。由于缺乏同步的大氣信息，在大氣糾正中，采用迭代求解大氣氣溶膠光學(xué)厚度。

表1 試驗中采用的OLI衛(wèi)星影像

2 研究方法

本文研究思路如圖1所示，首先針對城市污染水體提出采取城市水體指數(shù)(CWI)實現(xiàn)城市水體的提取。其次對影像進行預(yù)處理，采用改進的歸一化差異水體指數(shù)(MNDWI)判斷影像中是否存在云：若存在云，則采用MNDWI先去除云陰影，然后采用CWI指數(shù)提取城市水體信息；若不存在云，則直接采用CWI指數(shù)提取城市水體信息，然后采用短波紅外通道消除部分建筑物等噪聲。最后采用分形幾何算法消除其他噪聲影響，基于形態(tài)學(xué)閉運算與開運算提取連續(xù)的河流信息。

2.1 城市水體指數(shù)

由于水體在短波紅外通道強吸收使得該通道反射率接近于0，植被與建筑物在短波紅外遠大于0，因此許多學(xué)者采用短波紅外單通道提取水體信息[4-6]。隨著水體中懸浮物的增加，水體在短波紅外的反射率遠大于0，學(xué)者們基于綠光通道與短波紅外通道提出了MNDWI指數(shù)法[23]，該算法對于混濁的水體達到良好效果。然而城市水體受到生活污水、工業(yè)廢水等嚴重污染，以及復(fù)雜外界條件的影響，嚴重污染的城市水體在綠光通道反射率降低，導(dǎo)致污染水體MNDWI值降低，與道路易于混分。相關(guān)研究表明污染水體對綠光通道比較敏感[24]，因此筆者基于前人的研究基礎(chǔ)提出了CWI指數(shù)為

(1)

式中，ρgreen與ρswir分別對應(yīng)OLI影像的第3波段與第6波段。試驗表明，閾值設(shè)為1.2可較好地識別城市污染水體與正常水體，且能避免部分建筑物、道路與橋梁等影響。

圖1 總體流程

2.2 基于分形幾何算法等的噪聲消除

城市建筑物復(fù)雜多樣，部分建筑物的CWI值與污染水體的CWI值相近，通過試驗發(fā)現(xiàn)城市污染水體在短波紅外通道的反射率值低于0.15，而混分的部分建筑物的反射率值高于0.15，采用短波紅外單通道閾值法可剔除易于混分的建筑物噪聲。

云的陰影與污染水體光譜近似，CWI指數(shù)難以區(qū)分云陰影與污染水體。筆者通過試驗發(fā)現(xiàn)，云陰影的MNDWI值小于0.2，而水體的MNDWI值大于0.2，采用MNDWI指數(shù)能夠識別云陰影。因此用CWI指數(shù)提取水體信息前，判斷影像中是否存在云，若存在云，則采用MNDWI先去除云陰影，然后采用CWI指數(shù)提取城市水體信息；若不存在云，則直接采用CWI指數(shù)提取城市水體信息。

在初步提取的結(jié)果中，1代表水體(前景)，0代表其他地物(背景)，由于城市水體還受到其他噪聲等影響，存在大量孤立分量，是需要消除的。本文將各連接分量采用空間鄰域法進行標注(如圖2所示)，將前景影像分割成不同的子集，并用數(shù)值進行標注，然后采用直方圖統(tǒng)計面積，通過交互式方法設(shè)置閾值面積，有針對性提取水體。

圖2 連接分量示意圖

2.3 數(shù)學(xué)形態(tài)學(xué)閉運算

利用水體指數(shù)可以快速準確實現(xiàn)大面積河流的提取，然而，對于易受到建筑物遮擋的細小支流提取時會出現(xiàn)河流間斷。筆者通過對比研究了形態(tài)學(xué)的膨脹與腐蝕等相關(guān)計算，發(fā)現(xiàn)基于數(shù)學(xué)形態(tài)學(xué)的閉運算可解決城市細小支流出現(xiàn)的部分間斷問題，同時又較好地保持了河流形狀信息。

A·B=(A⊕B)ΘB

(2)

式中，A為待處理圖像；B為計算模板。閉運算先用模板B對待處理圖像進行膨脹，然后再對處理后的圖像進行腐蝕。閉運算可有效實現(xiàn)間斷線的連接。

3 結(jié)果與分析

3.1 CWI指數(shù)敏感性分析

CWI采用OLI影像的第3通道與第6通道計算，第3通道為綠光通道受大氣影響嚴重，第6通道為短波紅外通道受大氣影響較弱，由于大氣氣溶膠等復(fù)雜多變，不同日期、不同區(qū)域的影像大氣糾正前MNDWI差異顯著，本文對影像進行大氣糾正，大氣糾正后CWI均小于或等于1.2。試驗表明閾值設(shè)為1.2可較好地識別水體，尤其是城市污染水體，可以避免絕大部分建筑物、植被等影響。

城市水體污染較嚴重，部分河流出現(xiàn)黑臭而且由于污染物濃度過高，導(dǎo)致水體在綠光通道有較高的反射，CWI指數(shù)中水體與部分建筑物難以區(qū)分。但是由于水體在紅短波紅外通道強吸收，在短波紅外通道水體反射率小于部分建筑物反射率，而部分建筑物反射率小于植被反射率，可以設(shè)置一定的閾值將城市嚴重污染的水體與道路分開提取。

3.2 水體提取結(jié)果及分析

將單通道閾值、MNDWI算法、SVM(支持向量機)算法、光譜角度算法以及本文改進的算法分別用于2016年12月7日、2017年4月30日大氣糾正后的流溪河流域OLI影像以及2016年2月7日、2017年10月23日大氣糾正后的東江流域OLI影像。

表2 大氣糾正前后CWI值對比

圖3(a)與圖4(a)為大氣糾正后的流溪河流域影像，流溪河提取結(jié)果如圖3(b)—(f)與圖4(b)—(f)所示。由于山體陰影、坑塘等的影響，MNDWI(如圖3(c)與圖4(c)所示)算法與SVM算法提取的河流較連續(xù)，但是存在大量斑點；單通道閾值法與光譜角度算法提取的河流存在少量斑點，但是提取的河流出現(xiàn)間斷；本文算法提取的河流連續(xù)且無噪聲，圖4(f)河流出現(xiàn)部分間斷原因是受云的影響。結(jié)果表明，本文提出的算法能夠?qū)崿F(xiàn)河道寬度大于30 m的嚴重污染水體提取，并能克服山體陰影、坑塘以及橋梁等影響，適用于山區(qū)城市河流的提取。

圖5(a)與圖6(a)為大氣糾正后的東江流域影像，東江水體及其支流體提取結(jié)果如圖5(b)—(f)與圖6(b)—(f)所示。由于城市建筑物、道路、坑塘等影響，MNDWI算法與SVM算法能夠較好地提取東江及其細小支流，但是提取結(jié)果存在大量斑點；單通道閾值法與光譜角度算法對大面積水體提取效果較好，但是細小的支流出現(xiàn)間斷，另外也存在少量斑點。本文算法提取的東江及其細小支流連續(xù)且無斑點噪聲。結(jié)果表明，本文提出的算法能夠克服建筑物、道路坑塘等影響，可適用于城市建筑密集條件下的河流提取。

圖3 2016年12月7日流溪河水體提取結(jié)果

圖4 2017年4月30日流溪河水體提取結(jié)果

4 結(jié) 論

本文以廣州市流溪河與東江水系為研究對象，基于2016年與2017年OLI遙感影像，采用CWI水體指數(shù)法，同時結(jié)合分形幾何算法，通過設(shè)置形狀面積等特征，實現(xiàn)城市復(fù)雜環(huán)境下水體信息的自動提取。并與單通道算法、MNDWI水體指數(shù)算法、SVM算法與光譜角度算法的水體提取結(jié)果進行了對比分析。具體結(jié)論如下：

圖5 2016年2月7日東江水體提取結(jié)果

圖6 2017年10月23日東江水體提取結(jié)果

(1) CWI受大氣影響顯著，本文對影像進行大氣糾正，大氣糾正后CWI均大于或等于1.2，試驗表明閾值設(shè)為1.2可較好地識別城市水體。

(2) 將單通道閾值、MNDWI算法、SVM算法、光譜角度算法以及本文改進的算法分別用于2016年12月7日、2017年4月30日大氣糾正后的流溪河流域OLI影像以及2016年2月7日、2017年10月23日大氣糾正后的東江流域OLI影像。結(jié)果表明本文提出的算法能夠較好地提取出大面積的河流及細小支流，提取結(jié)果連續(xù)且無斑點噪聲，能夠克服建筑物、道路坑塘等的影響，完全適用于城市建筑密集條件下的污染水體與一般水體提取。

本文研究采用30 m分辨率OLI影像進行河流提取，由于受到空間分辨率限制，難以提取細小河流，下一步計劃將本文算法用于高空間分辨率影像。本文提出的算法能夠?qū)崿F(xiàn)城市污染水體以及一般水體連續(xù)、準確提取，為城市水資源的管理與保護提供基礎(chǔ)數(shù)據(jù)支撐。

參考文獻：

[1] 杜云艷，周成虎.水體的遙感信息自動提取方法[J].遙感學(xué)報，1998，2(4):364-369.

[2] 周蕾，崔云霞，韋玉春,等.空間分辨率對水體遙感信息提取的影響[J].南京師范大學(xué)學(xué)報(工程技術(shù)版)，2015，15(4):66-74.

[3] 程滔，劉若梅，周旭.基于高分辨率遙感影像的地理國情普查水體信息提取方法[J].測繪通報，2014(4):86-89.

[4] 楊果果，高原，周蕾.水體信息遙感自動提取與演變分析——以南京城區(qū)為例[J].測繪與空間地理信息，2016(10):35-39.

[5] 高佳華，王文惠，韓鑫,等.基于遙感影像的喀什地區(qū)水體提取[J].西部資源，2017(5)：131-133.

[6] 陳婧，鄧一兵.基于ETM+遙感影像水體信息提取方法探討[J].測繪與空間地理信息，2011，34(1):177-180.

[7] 駱劍承，盛永偉，沈占鋒,等.分步迭代的多光譜遙感水體信息高精度自動提取[J].遙感學(xué)報，2009，13(4):604-615.

[8] 張偉，趙理君，鄭柯,等.一種改進光譜角匹配的水體信息提取方法[J].測繪通報，2017(10):34-38.

[9] 錢立輝，于成龍，徐進,等.基于Canny算子與決策樹模型的水體信息提取研究[J].測繪與空間地理信息，2016(10):178-181.

[10] 何海清，杜敬，陳婷,等.結(jié)合水體指數(shù)與卷積神經(jīng)網(wǎng)絡(luò)的遙感水體提取[J].遙感信息，2017(5):82-86.

[11] 李小濤，黃詩峰，郭懷軒.基于紋理特征的SPOT 5影像水體提取方法研究[J].人民黃河，2010，32(12):5-6.

[12] 童李霞，燕琴，駱成鳳,等.基于NDWI分割與面向?qū)ο蟮乃w信息提取[J].地理空間信息，2017，15(5):57-59.

[13] 陳晨，陳靜欣，李向前,等.面向?qū)ο蟮母叻直媛视跋袼w信息提取研究[J].人民黃河，2013，35(9):68-70.

[14] 李士進，王聲特.基于混合特征空間MRF(Markov Random Filed)模型的高分辨率遙感影像水體提取[J].南京師大學(xué)報(自然科學(xué)版)，2017，40(1):13-19.

[15] 殷亞秋，李家國，余濤,等.基于高分辨率遙感影像的面向?qū)ο笏w提取方法研究[J].測繪通報，2015(1):81-85.

[16] 杜斌.基于面向?qū)ο蟮母叻直媛蔬b感影像水體信息提取優(yōu)勢研究[D].昆明：云南師范大學(xué)，2014.

[17] 李艷華，丁建麗，閆人華.基于國產(chǎn)GF-1遙感影像的山區(qū)細小水體提取方法研究[J].資源科學(xué)，2015，37(2):408-416.

[18] 張紅梅，王大衛(wèi)，高楊,等.基于OLI數(shù)據(jù)與決策樹法的去山體陰影水體信息提取研究[J].測繪工程，2017，26(11):45-48.

[19] 李長春，張光勝，慎利.基于AdaBoost算法的遙感影像水體信息提取[J].測繪科學(xué)，2013，38(2)：104-106.

[20] 宋英強，楊聯(lián)安，許婧婷,等.基于Landsat-8衛(wèi)星OLI遙感影像和AdaBoost算法的水體信息提取[J].測繪地理信息，2017，42(3):44-47.

[21] 高強.珠三角感潮河網(wǎng)水體黑臭評價方法初探[J].生態(tài)與環(huán)境工程，2011(16)：200-202.

[22] 楊宇，董天明，王麗萍,等.廣州市重點整治河涌水質(zhì)指數(shù)WQI的研究思路與應(yīng)用[J].廣東化工，2017，44(13):171-172.

[23] 徐涵秋.利用改進的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報，2005，9(5):589-595.

[24] 童小華，謝歡，仇雁翎,等.黃浦江上游水域的多光譜遙感水質(zhì)監(jiān)測與反演模型[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2006，31(10):851-854.