基于Sentinel-1數(shù)據(jù)的水體信息提取方法研究

賈詩超 薛東劍 李成繞 鄭潔 李婉秋

摘要：SAR影像對于水體和地表形變具有很好的辨識性，因此常用來進(jìn)行水體識別、土壤濕度反演和地表形變檢測研究與應(yīng)用。利用載有C波段合成孔徑雷達(dá)的Sentinel-1衛(wèi)星數(shù)據(jù)對大范圍的水體信息進(jìn)行識別，提出了SDWI（Sentinel-1 Dual-Polarized Water Index）水體信息提取方法。該方法受到NDVI和NDWI方法的啟發(fā)，結(jié)合微波遙感中水體信息在影像中的特點(diǎn)，進(jìn)一步研究了Sentinel-1雙極化數(shù)據(jù)（VV和VH）之間水體信息提取的關(guān)系，以此關(guān)系達(dá)到增強(qiáng)水體特征的目的，同時(shí)消除土壤和植被的存在。分別以Sentinel-1A巢湖區(qū)域和Sentinel-1B鄱陽湖區(qū)域SAR影像為例來提取水體信息，實(shí)驗(yàn)結(jié)果表明該方法顯著有效，但對影像中陰影的處理是未來研究的難點(diǎn)。

關(guān)鍵詞：SDWI; Sentinel-1; 水體信息提取; 后向散射系數(shù); 雙極化

中圖法分類號：TP391文獻(xiàn)標(biāo)志碼： ADOI：10.16232/j.cnki.1001-4179.2019.02.038

水資源是現(xiàn)代經(jīng)濟(jì)發(fā)展中一個(gè)重要關(guān)注對象，它是人類及一切生物賴以生存的重要條件之一[1]，而且水體信息對水資源、洪澇災(zāi)害及水文研究具有重要的意義[2-3]，例如快速的水體信息提取可為洪澇災(zāi)害發(fā)生和防護(hù)提供寶貴的信息。傳統(tǒng)的水體信息提取是基于測繪技術(shù)完成的，該方法耗時(shí)、耗力，且在宏觀和實(shí)時(shí)性上效果較差。隨著遙感技術(shù)的發(fā)展，利用遙感手段可以大范圍、快速地提取水體信息，且具有成本低、動態(tài)監(jiān)測等特點(diǎn)[4]。遙感手段主要分為光學(xué)遙感和微波遙感。

利用光學(xué)遙感來提取水體信息的方法主要分為閾值法[5]、水體指數(shù)法[6]、譜間關(guān)系法[7]和分類后提取法等。閾值法的基本原理是通過確定某一閾值來區(qū)分水體和非水體區(qū)域，從而提取水體信息;Mcfeeters受歸一化植被指數(shù)法（NDVI）的啟發(fā)后，提出了歸一化差異水體指數(shù)法（NDWI）[8]，該方法得到了廣泛的應(yīng)用和改進(jìn)，但是光學(xué)遙感也存在一些不足之處，由于波長較短，容易受到云量和惡劣天氣的影響，所以在應(yīng)用上受到了一定的限制，特別是在洪澇災(zāi)害發(fā)生時(shí)，總是伴隨著連續(xù)的降雨天氣，導(dǎo)致不能準(zhǔn)確地獲取災(zāi)害影響的區(qū)域。相比之下，微波遙感具有全天候、全天時(shí)工作能力，能穿透云層，不受氣象條件和光照水平影響，因此近年來利用微波遙感提取水體信息也備受關(guān)注[9-10]。雷達(dá)影像波段信息較少，主要是根據(jù)地物的后向散射系數(shù)、紋理特征和地物輪廓等判斷，主要的水體信息提取方法有閾值分割法和分類后提取法[11]。閾值分割法有單閾值分割法[12]、自適應(yīng)全局閾值法和Otsu最佳全局閾值分割法幾種。和光學(xué)遙感的閾值法原理相似[13]，分類后提取法是根據(jù)極化SAR影像分類后提取水體信息[14]。

本文提出的SDWI也屬于閾值分割法，首先對Sentinel-1數(shù)據(jù)進(jìn)行預(yù)處理;再對處理后的雙極化數(shù)據(jù)按照本文提出的方法做波段運(yùn)算，得到新的波段，新影像SDWI值大于0的為水體，小于0的為非水體;最后利用波段運(yùn)算得到二值圖，進(jìn)而水體信息被提取出來。

1研究區(qū)和數(shù)據(jù)

本文選取巢湖和鄱陽湖作為研究區(qū)，如圖1～2所示。圖1和圖2的RGB分別為：R是VH極化;G是VV極化;B是本文方法得到的水體結(jié)果圖，藍(lán)色水體表現(xiàn)得很清晰。巢湖位于安徽省中部[15]，湖水面達(dá)769.5 km?2。巢湖流域?qū)儆诒眮啛釒駶櫦撅L(fēng)氣候區(qū)，多年平均降水量為995.7 mm。鄱陽湖位于江西省的北部[16]，湖水面積最大和最小時(shí)分別為3 150 km?2和562 km?2。鄱陽湖流域?qū)儆趤啛釒貪櫦撅L(fēng)氣候，年降水量約1 500 mm。

哨兵1號（Sentinel-1）衛(wèi)星是歐洲航天局哥白尼計(jì)劃（GMES）中的對地觀測衛(wèi)星，由兩顆衛(wèi)星組成，分別為Sentinel-1A和Sentinel-1B，載有C波段合成孔徑雷達(dá)[17]，可提供連續(xù)圖像（白天、夜晚和各種天氣），提供的極化方式有單極化和雙極化。本文分別下載了2017年4月26日Sentinel-1A的巢湖數(shù)據(jù)和2017年7月18日Sentinel-1B的鄱陽湖數(shù)據(jù)，且都是VV+VH雙極化數(shù)據(jù)，影像模式選擇為干涉寬幅模式。

2數(shù)據(jù)預(yù)處理

Sentinel-1衛(wèi)星的數(shù)據(jù)預(yù)處理都是在SNAP軟件上完成，主要有輻射定標(biāo)、地形校正與地理編碼、濾波處理。輻射定標(biāo)[18]是將影像上的強(qiáng)度值轉(zhuǎn)換為后向散射系數(shù)σ?0，它們之間的關(guān)系如下所示：

σ?0=A?2Ksinθ（1）

式中，σ?0為每個(gè)像元的后向散射系數(shù)，db;A為原始影像上的DN值;K為該產(chǎn)品的絕對定標(biāo)因子;θ為入射角。

由于SAR影像的成像方式為側(cè)視成像，其特有的成像方式也決定了在地形起伏的山地，SAR影像會出現(xiàn)透視收縮、疊掩和陰影這些固有的幾何特點(diǎn)，對影像信息的正確分析都會產(chǎn)生一定的影響。研究區(qū)有少量的地形起伏，為了減少這些幾何特點(diǎn)對水體信息提取造成過多的誤差，所以要做地形校正，文中選用的是RD（Range Doppler）模型[19]。另外SAR影像固有的相干斑噪聲對水體信息的提取也會造成很大的干擾，本文采用的濾波算法是Lee濾波（7×7），其基本思想是利用圖像的局部統(tǒng)計(jì)特性控制濾波器的輸出[20-21]，公式如下所示：

ym，n=xm，num，n（2）

m，n=x+km，n（ym，n-x）（3）

km，n=Var（x）x?2σ?2u+Var（x）（4）

式中，ym，n是觀察圖像，xm，n是地圖，um，n是噪聲過程，x是x的最小均方估計(jì)。濾波后的圖像噪聲少很多，圖像也更清晰，水體很明顯，本文所有的圖都采用7×7的Lee濾波處理。

3研究方法與結(jié)果

SAR通過發(fā)射電磁波照射到地物表面，再接受地物的后向散射，獲得地物的電磁特性，而入射電磁波與地物相互作用時(shí)會發(fā)生表面散射和體散射。表面散射又分為鏡面反射、漫反射和二面角反射。平靜的水面會發(fā)生鏡面反射，當(dāng)水面有波浪時(shí)，表面粗糙度就會增大，會發(fā)生漫反射，陸地湖泊表面通常發(fā)生鏡面反射，除非在極端天氣影響下。由于微波遙感是側(cè)視成像，而發(fā)生鏡面反射的水體很少有反射電磁波被傳感器接收到，導(dǎo)致水體的后向散射系數(shù)較低，在影像上顯示為黑色。

分析NDVI[22]和NDWI可知：NDVI是基于植被在近紅外和紅波段處的反射率值差異來做歸一化差異處理;NDWI是基于綠波段與近紅外波段的水體反射率值做歸一化差異處理。公式分別如下所示：

KNDVI=KNIR-KREDKNIR+KRED（5）

KNDWI=KGREEN-KNIRKGREEN+KNIR（6）

式中的NIR為近紅外波段，RED為紅波段，GREEN是綠波段。根據(jù)水體在微波影像上的特性和從NDVI、NDWI中受到的啟發(fā)，本文提出了基于Sentinel-1雙極化數(shù)據(jù)的SDWI水體信息提取方法：先摸索出VV和VH極化影像之間水體信息提取的初始關(guān)系式，然后通過不斷改進(jìn)來重新構(gòu)建不同的擬合關(guān)系式，并將每次實(shí)驗(yàn)提取的水體結(jié)果來參照Google Earth上相應(yīng)水體的分布，且對不同方法之間的結(jié)果相互比較，最終篩選出最優(yōu)的水體信息提取方法，即本文的SDWI方法。模型的公式如下所示：

KSDWI=ln（10·VV·VH）-8（7）

式中，KSDWI是水體提取指數(shù)，當(dāng)其值大于0時(shí)為水體，小于0時(shí)為非水體。公式（7）的指導(dǎo)思想是：將VV和VH極化影像相乘，并且乘以10，以此擴(kuò)大水體與其他地物之間的差異，再以自然對數(shù)作為函數(shù)式。當(dāng)自然對數(shù)自變量大于1時(shí)，曲線的斜率會逐漸減小，以便找到合理的經(jīng)驗(yàn)閾值，8是本文方法所選擇的最初閾值。下文將會以巢湖姥山島周邊為例，選取5個(gè)控制點(diǎn)，來著重介紹閾值8的篩選過程，并在篩選過程中先只對影像作ln（10·VV·VH）處理。圖3是按照ln（10·VV·VH）做波段運(yùn)算得到的結(jié)果，圖4是圖3影像中像素值頻率分布直方圖。

圖3波段運(yùn)算Fig.3ln（10·VV·VH） band operation

從圖3中很難看出最初閾值選擇為8可以提取水體信息的原因，像素值頻率分布直方圖中的值主要分布在7～9之間，而像素值在8左右的時(shí)候剛好出現(xiàn)了波谷，初步判斷取值8是水陸分界線，且僅僅只有少量的值剛好為8。所以為了證明其合理性，選擇巢湖的姥山島來分析，如下圖5所示。

圖5（a）是包含周圍水體的姥山島區(qū)域，根據(jù)直方圖可以看出，像素值主要分布在6.0～9.0之間。圖5（b）是根據(jù)圖5（a）裁剪的姥山島區(qū)域，在裁剪時(shí)故意留下姥山島周邊的少許水體，方便選取水體控制點(diǎn)?？梢钥闯鱿袼刂抵饕植荚?.0～8.5之間，且8.0～8.5的頻率相對很低，在裁剪后的姥山區(qū)域SAR影像中按箭頭方向插入5個(gè)GCP點(diǎn)（見圖6）。考慮到不同的濾波方法或窗口大小會對閾值的選取產(chǎn)生影響，所以本文分別選取了7×7、5×5、3×3窗口的Lee濾波和7×7窗口的Gamma濾波下的相同GCP點(diǎn)像素值，GCP點(diǎn)的像素值如下表1所示。

從圖6中的GCP點(diǎn)可以看出，GCP1和GCP5是水體，GCP2和GCP4為陸地。觀察表1可以發(fā)現(xiàn)：不管是什么濾波方法或窗口大小，GCP1和GCP5點(diǎn)像素值都是大于8，GCP2和GCP4點(diǎn)像素值都小于8，而且隨著濾波窗口的增大，相鄰GCP點(diǎn)之間的點(diǎn)像素值差值逐漸減小，這是由于濾波是用來平滑SAR影像中的斑點(diǎn)噪聲，相鄰的像素值會達(dá)到平滑，而不會很大程度改變像素值。所以綜合表1和圖5結(jié)果，最初閾值取為8可以合理地區(qū)分水體與非水體。根據(jù)本文的方法，再按照SDWI值大于0為水體，小于0為非水體，在波段運(yùn)算中得到巢湖區(qū)域和鄱陽湖區(qū)域水體的二值圖，如圖7所示。

從圖7的水體信息提取二值圖和局部對比圖可以發(fā)現(xiàn)，本文方法可以很好地提取出水體信息，湖泊的輪廓、曲折的河道和水產(chǎn)養(yǎng)殖田的結(jié)構(gòu)都很清晰。但是通過圖7（b）的鄱陽湖局部放大圖也可以看出，山體的陰影會被誤當(dāng)做水體，這是由于SAR影像固有的幾何特征——陰影，它在圖像中的后向散射系數(shù)值和水體相近，造成在水體提取時(shí)會被誤當(dāng)成水體。本文方法目前還沒有考慮如何去除陰影，所以盡量應(yīng)用于地勢平坦的區(qū)域。

4結(jié) 論

本文方法是一種基于Sentinel-1雙極化數(shù)據(jù)的新方法，根據(jù)水體在SAR影像上的后向散射系數(shù)值低于土壤和植被這一特性，利用雙極化數(shù)據(jù)相乘來增強(qiáng)水體的這一特征，同時(shí)減弱土壤和植被的特征，以此為基礎(chǔ)提出新的水體信息提取方法，并分析了最初閾值為8 的合理性。本文方法很好地描繪出遙感影像上的水體輪廓，為進(jìn)一步快速計(jì)算水面面積提供有效的途徑。但是本文方法也有不足之處：在SAR影像中陰影信息必不可少，本次研究沒有考慮如何去除山體陰影對水體提取的影響，基于這一點(diǎn)，應(yīng)繼續(xù)對本文方法進(jìn)行研究和改進(jìn)，以便提供更好、更合理的方法來提取水體信息。

參考文獻(xiàn)：

[1]劉昌明，陳志愷.中國水資源現(xiàn)狀評價(jià)和供需發(fā)展趨勢分析[M].北京：中國水利水電出版社，2001.

[2]劉明，吳瑋，舒陽，等.基于“高分四號”衛(wèi)星數(shù)據(jù)的水體提取效果評價(jià)[J].航天返回與遙感，2016（4）：96-101.

[3]陸吉貴.利用組合水體指數(shù)（NCIWI）提取水體信息研究[J].安徽農(nóng)業(yè)科學(xué)，2018（3）：49-52.

[4]李文蘋，王旭紅，李天文，等.黃河流域內(nèi)陸地表水體提取方法研究[J].水土保持通報(bào)，2017（2）：158-164.

[5]李加林，曹羅丹，浦瑞良.洪澇災(zāi)害遙感監(jiān)測評估研究綜述[J].水利學(xué)報(bào)，2014（3）：253-260.

[6]高思培，冉艷艷.基于Landsat-8時(shí)空數(shù)據(jù)的水體指數(shù)分析[J].西部大開發(fā)（土地開發(fā)工程研究），2017（10）：11-15.

[7]李景剛，黃詩峰，李紀(jì)人.ENVISAT衛(wèi)星先進(jìn)合成孔徑雷達(dá)數(shù)據(jù)水體提取研究——改進(jìn)的最大類間方差閾值法[J].自然災(zāi)害學(xué)報(bào)，2010（3）：139-145.

[8]Mcfeeters S K.The use of the Normalized Difference Water Index （NDWI） in the delineation of open water features[J].International Journal of Remote Sensing，1996，17（7）：1425-1432.

[9]孫亞勇，李小濤，楊鋒杰，等.基于星載SAR數(shù)據(jù)的山區(qū)水體提取方法研究[J].中國水利水電科學(xué)研究院學(xué)報(bào)，2014（3）：258-263.

[10]鄭偉，劉闖，王正興.基于ENVISAT-ASAR數(shù)據(jù)的洪澇水體空間分布信息提取[J].自然災(zāi)害學(xué)報(bào)，2009（4）：120-124.

[11]陳志國.高分辨率SAR衛(wèi)星影像洪水區(qū)域提取應(yīng)用研究[D].武漢：武漢大學(xué)，2017.

[12]Huber C，Clandillon S，Martinis S，et al.Improving the extraction of crisis information in the context of flood，landslide，and fire rapid mapping using SAR and optical remote sensing data[J].Geoscience and Remote Sensing Symposium， 2016（213）：171-182.

[13]肖長林.基于SAR圖像的洪澇和冰雪災(zāi)害面積提取算法研究[D].成都：電子科技大學(xué)，2012.

[14]向海燕，羅紅霞，劉光鵬，等.基于Sentinel-1A極化SAR數(shù)據(jù)與面向?qū)ο蠓椒ǖ纳絽^(qū)地表覆被分類[J].自然資源學(xué)報(bào)，2017（12）：2136-2148.

[15]高超，翟建青，陶輝，等.巢湖流域土地利用/覆被變化的水文效應(yīng)研究[J].自然資源學(xué)報(bào)，2009（10）：1794-1802.

[16]王慶，廖靜娟.基于SAR數(shù)據(jù)的鄱陽湖水體提取及變化監(jiān)測研究[J].國土資源遙感，2010（4）：91-97.

[17]楊金明，劉志輝.Sentinel-1衛(wèi)星數(shù)據(jù)產(chǎn)品應(yīng)用探討[J].地理空間信息，2016（12）：18-20.

[18]Gray A L，Vachon P W，Livingstone C E，et al.Synthetic aperture radar calibration using reference reflectors[J].IEEE Transactions on Geoscience and Remote Sensing，1990，28（3）：374-383.

[19]Brown W E.Applications of SEASAT SAR digitally corrected imagery for sea ice dynamics[C]∥Amer，Geophys Union Spring Meeting，1981.

[20]Lee J S.Digital image enhancement and noise filtering by use of local statistics[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1980，PAMI-2（2）：165-168.

[21]Yommy A S，Liu R， Onuh S O，et al.SAR image despeckling and compression using K-nearest neighbour based lee filter and wavelet[C]∥International Congress on Image and Signal Processing，New York，2016.

[22]Ddfries R， Townshend J.NDVI-derived land cover classification at global scales[J].International Journal of Remote Sensing，1994，15（17）：3567-3586.

引用本文：賈詩超，薛東劍，李成繞，鄭潔，李婉秋.基于Sentinel-1數(shù)據(jù)的水體信息提取方法研究[J].人民長江，2019，50（2）：213-217.

Study on new method for water area information extraction based on Sentinel-1 data

JIA Shichao?， XUE Dongjian1，2， LI Chengrao?， ZHENG Jie?， LI Wanqiu

（1.College of Geoscience， Chengdu University of Technology， Chengdu 610059， China;2.Research Institute of Forest Resources Information Technique， Beijing 100091， China）

Abstract： In SAR images， water area and surface deformation have good identification， so the images were often used for water area identification， soil moisture inversion and surface deformation detection. Sentinel-1 satellite data of C-band Synthetic Aperture Radar （SAR） was used to identify a wide range of water area information， the SDWI （Sentinel-1 Dual-Polarized Water Index） water area extraction method was proposed. This method was inspired by NDVI and NDWI methods. In combination with the characteristics of water area information of SAR image in microwave remote sensing， the relationship of water information extraction between Sentinel-1 bipolarization data （VV and VH） was further studied to enhance the characteristics of water area information and eliminate the image of soil and vegetation. Taking the SAR image data of Chaohu Lake region （ Sentinel-1A） and Poyang Lake region （Sentinel-1B） were taken as examples to extract water area Information. The experimental results show that the SDWI method is effective and the water area information is well extracted. However， it is difficult to deal with shadow in image， which is worthy of research in the future.

Key words：Sentinel Dual-Polarized Water Index; Sentinel-1; water area information extraction; backscattering coefficient; bipolarization data