基于混合像元分解的水體面積提取算法

陳 亮張友靜何厚軍陳 楊

(1.黃河水利委員會信息中心,河南鄭州 450004;2.河海大學地球科學與工程學院,江蘇南京 210098)

基于混合像元分解的水體面積提取算法

陳 亮1,張友靜2,何厚軍1,陳 楊1

(1.黃河水利委員會信息中心,河南鄭州 450004;2.河海大學地球科學與工程學院,江蘇南京 210098)

為減小水體邊界混合像元對水體面積提取精度的影響,提出基于混合像元分解的水體面積提取改進算法。以ALOS數(shù)據(jù)為例,利用混合像元線性分解模型獲得各像元水體豐度,結合閾值法和數(shù)學形態(tài)學算法分別提取純凈水體像元和水體邊界像元;通過分析水體邊界像元的水體豐度構成,提出水體邊界像元面積修正算法,實現(xiàn)水體面積修正。研究結果表明,與混合像元分解直接提取的水體面積相比,修正算法提取的水體面積精度最大提高6.7%,有效減小灘地水分對水體邊界像元水體豐度計算的影響。

水體面積提取;混合像元分解;面積修正算法

水體信息是進行水資源調(diào)查評估、水資源規(guī)劃、水量調(diào)度、洪澇防災減災等的重要基礎數(shù)據(jù)。利用遙感技術及時、準確地獲取水體信息,對流域水資源利用和綜合治理具有重要意義。水體信息遙感提取技術研究起步較早,并取得了大量的研究成果。目前,水體提取方法較多,其中多波段譜間關系法、水體指數(shù)法、決策樹法等應用較為廣泛[1]。楊樹文等[1]、杜云艷等[2]、汪金花等[3]根據(jù)水體的光譜特征,利用多光譜數(shù)據(jù)構建了多波段譜間關系水體提取模型及其改進模型;Mcfeeters[4]、徐涵秋[5]提出了歸一化水體指數(shù)法(NDWI)和差異水體指數(shù)法(MNDWI);王志輝等[6]、熊金國等[7]、夏雙等[8]通過分析不同水體提取指數(shù)的構建原理,進行最佳水體提取指數(shù)研究。為了實現(xiàn)水體提取的自動化和精確化,胡曉東等[9]結合空間圖和波段譜的特征提出圖譜迭代反饋的自適應水體信息提取方法;郁金康等[10]結合光譜特征和其他信息構建決策樹水體提取模型,這些方法都取得了較好的效果。

上述水體提取方法都是基于像元的,沒有考慮混合像元問題。遙感影像無論空間分辨率達到多高,混合像元總是客觀存在,中低分辨率影像尤為嚴重[11]。已有學者針對該問題開展了研究,Sheng等[12]將混合像元分為水體和陸地,采用兩端元的線性混合模式進行水體提取;張洪恩等[13]、王軍戰(zhàn)等[14]利用線性混合像元分解模型進行水體提取。但是,湖泊、水庫、河流等水體邊界混合像元主要由灘地和水體組成,灘地水分在進行像元分解時對水體豐度具有一定貢獻。然而灘地并不是像元分解模型的端元,灘地的水分含量遠大于建筑用地或裸地等端元,水體邊界像元分解獲取的水體豐度值大于水體面積的實際百分比。因此,直接采用水體豐度作為水體邊界混合像元的面積進行水體面積估算,對水體提取精度將產(chǎn)生影響。

筆者以ALOS影像為試驗數(shù)據(jù),采用線性像元分解模型獲取水體豐度,根據(jù)水體邊界像元特點提出水體邊界像元面積修正算法,進行水體邊界像元面積修正,提高水體提取精度。

1 研究數(shù)據(jù)及預處理

研究區(qū)位于河南省北部新鄉(xiāng)、鶴壁、安陽三市交界處,主要地物類型包括林地、耕地、建設用地、水體、裸地等。研究區(qū)內(nèi)水體分布較多,規(guī)模和形態(tài)多樣。數(shù)據(jù)采用2009年4月9日ALOS數(shù)據(jù),包括空間分辨率為10 m的AVNIR-2多光譜數(shù)據(jù)和空間分辨率為2.5 m的PRISM全色數(shù)據(jù)。AVNIR-2多光譜數(shù)據(jù)含4個波段,分別為藍波段、綠波段、紅波段和近紅外波段。

數(shù)據(jù)預處理主要包括大氣校正和幾何配準。首先,將AVNIR-2多光譜數(shù)據(jù)亮度值轉換成輻射亮度,利用Envi軟件Flaash模塊進行大氣校正獲取反射率影像,大氣校正模型主要參數(shù)設置如下:影像中心經(jīng)緯度及衛(wèi)星過境時間由頭文件獲取,衛(wèi)星高度為691.65 km,大氣模式選用中緯度夏季(Mid-Latitude Summer),氣溶膠模式選用農(nóng)村(Rural),大氣能見度為40 km。然后,以全色數(shù)據(jù)為參考數(shù)據(jù),利用二次多項式模型對多光譜數(shù)據(jù)進行幾何配準,配準均方根誤差小于2.5 m。

2 方 法

2.1 混合像元線性分解模型

混合像元分解是根據(jù)每一個像元在各波段的反射率來估算像元內(nèi)各地物的比例。在線性分解模型中,每一光譜波段中單一像元反射率可以表示為端元組分反射率與其豐度的線性組合。端元是組成混合像元的多種純凈地物像元,豐度是各端元在混合像元中所占的比例[15]。線性分解模型公式如下:

式中:γi——混合像元在第i波段的反射率;aij——第i波段第j端元組分的反射率;xj——第j端元組分的豐度;ei——第i波段的誤差;n——端元數(shù)。

采用主成分分析法確定端元:首先對多光譜數(shù)據(jù)進行主成分變換獲取前2個主成分(PC1和PC2),再利用PC1和PC2構建散點圖(圖1),散點圖的邊角區(qū)域一般是端元。如圖1所示,研究區(qū)內(nèi)含有3個端元,對比遙感影像3個端元分別為植被(含林地和耕地)、水體、建筑用地(含裸地)。

2.2 水體邊界像元面積修正

水體光學性質復雜,不同水體因其懸浮粒子、浮游植物、黃色物質、水深等不同導致其光譜特征存在差異[16-17],因而純凈水體像元的豐度值可能小于1。筆者采用閾值法對水體豐度圖進行純凈水體像元提取。

水體混合像元表現(xiàn)在遙感影像上為水體邊界像元,即水體和陸地之間的邊界像元。如圖2所示,純凈水體向外一個像元為水體邊界像元,水體邊界像元向外一個像元為陸地像元。本文采用數(shù)學形態(tài)學的膨脹算法對提取的純凈水體向外側膨脹一個像元得到包含純凈水體和水體邊界像元的圖像,將該圖像與純凈水體圖像進行圖像求差實現(xiàn)水體邊界像元提取。

水體邊界像元主要由灘地和水體組成,而灘地由建設用地端元與水體端元組成。根據(jù)線性像元混合分解原理可知,水體邊界像元的豐度值由水體和灘地中水分兩部分組成(圖2),直接采用水體豐度值作為水體邊界像元的水體面積百分比將導致水體提取面積偏大。水體邊界像元中,混合像元分解的水體豐度x可以表示為

若x、Ss為已知,則式(2)變形可得到水體邊界像元面積修正公式:

由此可見,獲取Ss就可以求解Sw,由于Ss無法直接獲得,空間上越接近的灘地像元其性質越相似,水分含量也越接近,假設水體邊界像元水分含量與其鄰近的灘地像元相等,采用8鄰域內(nèi)灘地像元的水體豐度均值代替。

水體邊界像元面積修正算法實現(xiàn)步驟如下:

a.標定鄰近灘地像元。采用3×3窗口對水體邊界像元進行8鄰域搜索,對灘地像元進行標定,將8鄰域內(nèi)非水體、非水體邊界的像元標記為鄰近灘地像元。

b.計算Ss。計算水體邊界像元8鄰域灘地像元水體豐度均值,并將均值記為Ss。

c.面積修正。將x、Ss分別代入式(3),對水體邊界像元進行逐像元修正。

3 試驗及結果分析

選取4處不同面積的典型水體進行試驗研究。根據(jù)端元選取結果,對4個多光譜波段的反射率影像進行混合像元分解,獲得水體豐度圖,并提取純凈水體像元;將純凈水體像元做膨脹運算得到水體邊界像元,利用水體邊界像元面積修正算法進行水體邊界像元面積修正;水體面積為純凈像元和混合像元的水體面積之和,得到典型水體面積,如圖3所示。

從表1可以看出,混合像元分解直接提取的水體面積偏大,最大和最小誤差分別為11.1%和4.1%。采用水體邊界像元面積修正算法后,4處水體提取最大和最小誤差分別減小為4.4%和1.1%,精度分別提高了6.7%和3%。這是由于修正算法考慮了水體邊界像元灘地水分對混合像元水體豐度的貢獻,有效削減灘地水分對水體豐度值的影響,明顯提高水體提取精度。但是修正算法提取的水體面積仍然偏大,因為事實上離水體近的灘地水分含量一般比離水體遠的灘地水分含量大。

修正算法水體提取誤差的減小幅度存在一定差異。初步分析,水體提取誤差與水體面積及水體形態(tài)有關。水體面積越大,混合像元所占比例越小,提取誤差越小;當湖泊面積大于100 km2時,使用高分辨率數(shù)據(jù)提取水體誤差甚至可以減小到1%[13]。水體形態(tài)越復雜,混合像元數(shù)目越多,提取誤差也就越大。因此,該修正方法對面積較小且形態(tài)復雜的水體提取效果更佳。

4 結 語

在對水體邊界混合像元構成進行研究的基礎上,提出基于混合像元分解的水體邊界像元面積修正算法,并進行水體面積提取。試驗表明該方法操作簡單易行,能夠明顯減小水體提取誤差。該算法雖然取得較好的效果,但是仍需進一步優(yōu)化水體邊界混合像元灘地水分含量估算方法,并對混合像元分解提取水體誤差的影響因素進行深入研究。

[1]楊樹文,薛重生,劉濤,等.一種利用TM影像自動提取細小水體的方法[J].測繪學報,2010,39(6):611-617.(YANG Shuwen,XUE Chongsheng,LIU Tao,et al.A method of small water information automatic extraction from TM remote sensing images[J].Acta Geodaetica et Cartographica Sinica,2010,39(6):611-617.(in Chinese))

[2]杜云艷,周成虎.水體的遙感信息自動提取方法[J].遙感學報,1998,2(4):264-269.(DU Yunyan,ZHOU Chenghu.Automatically extracting remote sensing information for water bodies[J].Journal of Remote Sensing,1998,2(4):264-269.(in Chinese))

[3]汪金花,張永彬,孔改紅.譜間關系法在水體特征提取中的應用[J].礦山測量,2002(4):30-32.(WANG Jinghua,ZHANG Yongbin,KONG Gaihong.Application of water feature extraction with model of spectral relationship[J].Mine Surveying,2002 (4):30-32.(in Chinese))

[4]MCFEETERS S K.The use of normalized difference water index(NDWI)in the delineation of open water features[J].International Journal of Remote Sensing,1996,17(7):1425-1432.

[5]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].遙感學報,2005,9(5):589-595.(XU Hanqiu.A study on information extraction of water body with the modified normalized difference water index(MNDWI)[J].Journal of Remote Sensing,2005,9(5):589-595.(in Chinese))

[6]王志輝,易善楨.不同指數(shù)模型法在水體遙感提取中的比較研究[J].科學技術與工程,2007,7(4):534-537.(WANG Zhihui,YI Shanzhen.Comparison and research on the different index models used in water extraction by remote sensing[J].Science Technology and Engineering,2007,7(4):534-537.(in Chinese))

為了對本校職業(yè)技術教育學碩士研究生課程設置的合理性進行研究，筆者采用問卷調(diào)查及訪談的方法，隨機抽取了2015級、2016級和2017級研究生40名，其中32名為跨專業(yè)、無教育學學科學習背景。本次調(diào)查共發(fā)出40份問卷，回收40份，有效回收率100%。雖然本研究的樣本數(shù)量較少，但是天津職業(yè)技術師范大學作為中國第一所培養(yǎng)職教師資的高等師范院校有典型的代表性，加之職業(yè)技術教育學學科是本校的重點培育學科，在職業(yè)技術教育學碩士生培養(yǎng)方面具有別具一格的培養(yǎng)方式，因此該被試研究生在這種環(huán)境下學習，對判斷課程設置的合理性具有一定的發(fā)言權。

[7]熊金國,王世新,周藝.不同指數(shù)模型提取ALOS AVNIR-2影像中水體的敏感性和精度分析[J].國土資源遙感,2010(4): 46-50.(XIONG Jinguo,WANG Shixin,ZHOU Yi.A sensitivity analysis and accuracy assessment of different water extraction index models based on ALOS AVNIR-2 Data[J].Remote Sensing for Land&Resources,2010(4):46-50.(in Chinese))

[8]夏雙,阮仁宗,顏梅春.基于TM影像的水體信息提取方法研究[J].南京林業(yè)大學學報:自然科學版,2012,36(4):29-35.(XIA Shuang,RUAN Renzong,YAN Meichun.Study on information extraction method of water body based on TM imagery[J].Journal of Nanjing Forestry University:Natural Science Edition,2012,36(4):29-35.(in Chinese))

[9]胡曉東,駱劍承,夏列鋼,等.圖譜迭代反饋的自適應水體信息提取方法[J].測繪學報,2011,40(5):544-550.(HU Xiaodong,LUO Jiancheng,XIA Liegang,et al.Adaptive water body information extract ion Using RS TUPU Computing Model[J].Acta Geodaetica et Cartographica Sinica,2011,40(5):544-550.(in Chinese))

[10]郁金康,黃永勝,馮學智,等.SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學報,2001,5(3):214-219.(YU Jinkang,HUANG Yongsheng,FENG Xuezhi,et al.Study on water bodies extraction and classification from SPOT image[J].Journal of Remote Sensing,2001,5(3):214-219.(in Chinese))

[11]FISHER P.The pixel:a snare and a delusion[J].International Journal of Remote Sensing,1997,18(3):679-685.

[12]SHENG Yongwei,GONG Peng,XIAO Qianguang.Quantitative dynamic flood monitoring with NOAA AVHRR[J].International Journal Remote Sens,2001,22(9):1709-1724.

[13]張洪恩,施建成,劉素紅.湖泊亞像元填圖算法研究[J].水科學進展,2006,17(3):376-382.(ZHANG Hongen,SHI Jiancheng,LIU Suhong.Sub-pixel lakes mapping in Tibetan Plateau[J].Advances in Water Science,2006,17(3):376-382.(in Chinese))

[14]王軍戰(zhàn),屈建軍,張偉民.基于混合像元分解的毛烏素沙地紅堿淖面積提取及變化監(jiān)測[J].中國沙漠,2011,31(3):558-562.(WANG Junzhan,QU Jianjun,ZHANG Weimin.Extraction and monitoring of hongjiannao lake area in Mu Us Sandy Land based on mixed pixel decomposition of remote sensing data[J].Journal of Desert Research,2011,31(3):558-562.(in Chinese))

[15]HU Y H,LEE H B,SCARPACE F L.Optimal linear spectral unmixing[J].IEEE Transactions on Geoscience and Remote Sensing,1999,37:639-644.

[16]張運林,秦伯強,陳偉民.湖泊光學研究動態(tài)及其應用[J].水科學進展,2003,14(5):654-659.(ZHANG Yunlin,QIN Boqiang,CHEN Weimin.Advances and main applications of lake optics research[J].Advances in Water Science,2003,14(5): 654-659.(in Chinese))

[17]胡爭光,王祎婷,池天河,等.基于混合像元分解和雙邊界提取的湖泊面積變化監(jiān)測[J].遙感信息,2007(3):34-38.(HU Zhengguang,WANG Yiting,CHI Tianhe,et al.Monitoring lake areas based on mixed pixel decomposition combined with double-edge extraction[J].Remote Sensing Information,2007(3):34-38.(in Chinese ))

Water body area extraction algorithm based on pixel unmixing

CHEN Liang1,ZHANG Youjing2,HE Houjun1,CHEN Yang1
(1.Information Center,Yellow River Conservancy Commission,Zhengzhou 450004,China; 2.College of Earth Sciences and Engineering,Hohai University,Nanjing 210098,China)

An improved algorithm for water body area extraction based on pixel unmixing is proposed in order to reduce the impact of water body boundary pixels on water body area extraction.A fraction image of water abundance was obtained with the linear pixel unmixing model using ALOS data.The threshold method and the mathematical morphology method were used to extract pure water and water body boundary pixels.Through analysis of the composition of water body boundary pixels,an area correction algorithm for water body boundary pixels is proposed to correct the water body area.The research results show that,compared with the linear pixel unmixing model,the proposed method can improve the accuracy of water body area extraction by 6.7%at most,and can reduce the impact of the water content of washlands on the calculation of water abundance of water body boundary pixels.

water body area extraction;pixel unmixing;area correction algorithm

TP751

:A

:1000-1980(2014)04-0346-05

10.3876/j.issn.1000-1980.2014.04.012

2013-02 27

水利部公益性行業(yè)專項(200901021)

陳亮(1983—),男,江蘇南通人,工程師,碩士,主要從事遙感與地理信息系統(tǒng)研究。E-mail:chlg564@163.com