基于GF-1 號遙感影像的微小水體信息提取研究
——以岔口流域為例

鄭心玥，郭青霞

（山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷 030801）

淤地壩是在水土流失較嚴(yán)重地區(qū)修建的以攔泥淤地為目的的建筑物，一條溝內(nèi)修建多個淤地壩是中國黃土高原水土流失嚴(yán)重地區(qū)重要而獨特的治溝工程體系。位于黃土高原溝壑區(qū)的岔口流域受水力侵蝕、重力侵蝕影響大，水土流失潛在風(fēng)險大。為改善岔口小流域生態(tài)環(huán)境，自2003 年以來流域共修建了70 多座淤地壩，雖然淤地壩起到了攔泥淤地的作用，但因部分淤地壩排水設(shè)施不完善，積水排出不暢，改變了流域的水環(huán)境，也引發(fā)了土地鹽堿化等生態(tài)環(huán)境問題，因此為該地區(qū)找到水體提取相對理想的方法，成為防范流域水土流失問題、進一步完善維護淤地壩、修復(fù)流域生態(tài)環(huán)境的關(guān)鍵環(huán)節(jié)。

基于衛(wèi)星遙感技術(shù)，開展快速、準(zhǔn)確的水體提取、獲取其時空分布特征、直觀顯示動態(tài)變化和發(fā)展規(guī)律，是水體提取研究的重要方法［1］。國內(nèi)外學(xué)者利用光學(xué)遙感技術(shù)進行水體信息提取時使用的數(shù)據(jù)源也多種多樣，如MODIS 數(shù)據(jù)、Landsat 系列數(shù)據(jù)、Sentinel-2 數(shù)據(jù)、國產(chǎn)GF-1 數(shù)據(jù)等。目前依附于光學(xué)遙感影像進行水體信息的提取方法也呈現(xiàn)多樣化趨勢，分為以下兩大類：（1）根據(jù)地物光譜特征的不同進行水體提取，主要機理是利用水體和其他地物在不同波段吸收、反射率的不同，將影像的不同波段進行組合，不斷增強水體與其他地物間的光譜差異，以此突出水體信息，抑制非水體信息［2］。包括單波段閾值法、多波段普間關(guān)系法、水體指數(shù)法，其中水體指數(shù)法應(yīng)用更為廣泛。劉雙童等［3］基于GF-2 號衛(wèi)星影像對單波段閾值法及不同水體指數(shù)法提取的水體效果進行了對比分析。Gudina 等［4］在驗證自動水體提取指數(shù)（Automated Water Extraction Index with no shadow，AWEIsh）的有效性時，發(fā)現(xiàn)具有高反射率的地表可能被錯分為水。徐涵秋［5］在歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）的基礎(chǔ)上對構(gòu)成該指數(shù)的波長組合進行了修改，提出了改進的水體指數(shù)（Modified Normalized Difference Water Index，MNDWI），并取得了較好的水體提取效果。王小標(biāo)等［6］以秦淮河流域為試驗區(qū)，在水體、低反射率地表和其他地表純凈像元平均反射率基礎(chǔ)上構(gòu)建MBWI（Multi-Band Water Index）這個新的水體指數(shù)，并在不同環(huán)境下測試了該指數(shù)提取的準(zhǔn)確度和適應(yīng)性。（2）分類法，主要包括支持向量機（Sup?port Vector Machine，SVM）法、面向?qū)ο蠓ê蜎Q策樹法；SVM 法是影像中信息分類精度較高的方法，SVM 具有良好的空間維屬性，Desheng 等［7］基于SVM構(gòu)建的單時相迭代分類算法（Iterated Conditional Mode，ICM）可以同時提取分類和變化信息。面向?qū)ο蟮奶崛》椒ㄊ峭ㄟ^影像分割技術(shù)，按一定尺度將影像分割成許多的圖斑對象即影像的基本分析單元，然后利用模型進行水體提取，Herrera-Cruz 等［8］基于面向?qū)ο蟮姆椒?，實現(xiàn)了兩個不同區(qū)域的洪水淹沒范圍及快速制圖，表明基于面向?qū)ο蟮姆椒ㄔ诤樗O(jiān)測和快速制圖方面具有一定的潛力。決策樹法是機器學(xué)習(xí)中的常用算法，它是一個樹結(jié)構(gòu)（二叉樹或非二叉樹），構(gòu)造決策樹的關(guān)鍵步驟是分裂屬性，其中最著名的算法是ID3 系列。都金康等［9］利用SPOT 4 影像，采用決策樹模型提取了山區(qū)水體信息并結(jié)合形狀指數(shù)剔除了提取后的陰影。

盡管水體提取方法種類較多，應(yīng)用較廣，大多數(shù)方法也取得了相對理想的提取效果，但由于遙感影像的分辨率、研究區(qū)的地面特征等方面存在差異，同一方法也不可能適用于所有的情況，必須根據(jù)研究區(qū)域的特點、遙感影像特征等多方面進行綜合研究探討［10］。中國是一個多山的國家，這些地區(qū)地形起伏或植被覆蓋程度較高，遙感影像中不可避免地存在一些陰影，一些地區(qū)還存在或多或少的變形，這些因素都會對水體的提取造成困擾［11］。黃土高原地區(qū)土地利用類型較為單一，以裸地、農(nóng)用地為主，地勢起伏較大，從遙感影像看，影像中溝壑陰影較多，此外，該地區(qū)水體以微小水體為主，微小水體是水系的毛細血管，一般具有匯水面積小、周邊空間封閉、水體流動性差、分布零散、管理監(jiān)督易被忽視的特點。地處黃土高原溝壑區(qū)的岔口流域水庫面積與壩地匯水面積均較小，呈細條狀，由于淤地壩的存在壩地水體并不是大面積連片分布，而是斷斷續(xù)續(xù)分布在溝內(nèi)，同時水中泥沙含量較大，導(dǎo)致水體的光譜信息減弱，水體提取尤其是壩地水體提取難度相比其他地區(qū)要大得多。程磊等［12］以Landsat TM 遙感影像為數(shù)據(jù)源運用單波段閾值法、NDWI、CIW、MND?WI 4 種方法對黃土高原固原市周邊壩地水體進行了提取研究，結(jié)果表明由于黃土高原識別水體具有較大的復(fù)雜性，使用的遙感影像分辨率不高，以上4種方法提取精度均不高。因此有必要進一步研究不同遙感影像下黃土高原水體提取的方法，為壩系的完善和生態(tài)環(huán)境的修復(fù)提供合理建議。

隨著中國衛(wèi)星遙感技術(shù)的快速發(fā)展，衛(wèi)星遙感影像的分辨率得到了較大提升，將國產(chǎn)高分辨率影像作為基礎(chǔ)數(shù)據(jù)進行小流域微小水體或其他地類信息提取的探討具有前沿性。本研究選取2016 年9 月1 日GF-1 號國產(chǎn)衛(wèi)星遙感影像作為數(shù)據(jù)源，選擇位于黃土高原溝壑區(qū)的岔口流域作為研究區(qū)，分別采用NDWI、SWI 決策樹、SVM 支持向量機3 種不同的方法對水體進行提取研究，并對提取效果進行對比探討，為流域淤地壩水體的提取提供建議，為流域水體動態(tài)監(jiān)測提供技術(shù)支持。

1 研究區(qū)概況

岔口流域地處山西省西南部黃土丘陵溝壑區(qū)，是永和、隰縣與石樓三縣接壤地帶（圖1），位于東經(jīng)110°38'01″—110°50'02″，北緯36°47'26″—36°57'14″。流域總面積131.9 km2。流域汛期為6—9 月。水力侵蝕和重力侵蝕是主要侵蝕形式，水土流失面積達113.0 km2。流域內(nèi)梁峁起伏，溝壑縱橫，地形復(fù)雜，具有黃土侵蝕溝道發(fā)育的特點，壩系工程是治理流域水土流失的主要方式，2003 年壩系工程建設(shè)以來新建淤地壩70 座，形成了較為完整的壩系。流域內(nèi)水體以壩地水體和水庫為主，其主要特點是水體面積小、其他地物陰影干擾嚴(yán)重等。

圖1 研究區(qū)遙感影像

2 數(shù)據(jù)來源及預(yù)處理

2.1 數(shù)據(jù)及來源

高分一號（GF-1）衛(wèi)星是中國高分辨率對地觀測系統(tǒng)的第一顆衛(wèi)星，它搭載了兩臺2 m 全色、8 m多光譜分辨率相機，四臺16 m 分辨率多光譜相機，回歸周期4 d，具有高時空分辨率。本研究選用的GF-1 號衛(wèi)星遙感影像，數(shù)據(jù)來源于中國資源衛(wèi)星應(yīng)用中心，成像時間是2016 年9 月1 日（此時流域處于汛期，水量相對充足），無云覆蓋，軌道圈號18061，傳感器類型PMS2，傳感器參數(shù)如表1 所示。

表1 GF-1 衛(wèi)星PMS2 傳感器參數(shù)

2.2 數(shù)據(jù)預(yù)處理

為保證水體提取結(jié)果的準(zhǔn)確度，利用ENVI 5.3對GF-1 號影像數(shù)據(jù)進行了預(yù)處理，主要包括多光譜數(shù)據(jù)的輻射定標(biāo)、大氣校正、正射校正、研究區(qū)裁剪，全色數(shù)據(jù)的輻射定標(biāo)、正射校正、研究區(qū)裁剪，最后將空間分辨率為2 m 的全色數(shù)據(jù)與空間分辨率為8 m 的多光譜數(shù)據(jù)進行影像融合和影像細節(jié)信息增強。

3 研究方法

3.1 地物光譜特性分析

對比研究區(qū)3 種地物光譜曲線，發(fā)現(xiàn)水體的反射率總體較低，并且在近紅外波段（B4）與亮色地物反射率形成了較大的反差，因此可利用在近紅外波段二者反射率差異區(qū)分亮色地物與水體；而水體與陰影反射率差異較小，并在紅外波段（B3）兩者出現(xiàn)了相交點，容易造成陰影被誤提成水體的現(xiàn)象，從而導(dǎo)致提取結(jié)果不準(zhǔn)確。進一步觀察水體和陰影的反射曲線，看出在藍波段（B1）、綠波段（B2）水體反射率下降較緩慢，而陰影反射率呈現(xiàn)更為明顯的下降趨勢，兩者反射率形成了一定差異（圖2），因此可利用該特點進行陰影與水體的區(qū)分。

圖2 研究區(qū)地物光譜曲線

3.2 水體信息提取方法

3.2.1 NDWI 提取 歸一化水體指數(shù)NDWI 由Mcfeeters［13］在1996 年提出，并基于MODIS 數(shù)據(jù)，通過分析植被與水體的光譜特征，對影像的綠波段與近紅外波段進行一系列運算而構(gòu)建的一個水體指數(shù)模型，該模型最大程度地突出水體信息，抑制植被信息［14］?；谀Ｐ偷牟ǘ芜\算特征，構(gòu)建NDWI 計算公式如下。

式中，B2 為GF-1 號影像第2 波段即綠波段反射值，B4 為GF-1 號影像第4 波段即近紅外波段反射值。為將流域的水體更準(zhǔn)確地提取出來，經(jīng)多次試驗，選取適合流域的最佳閾值0.2，利用Band Math工具進行運算。

3.2.2 SWI 決策樹提取 陰影水體指數(shù)模型SWI 是陳文倩等［15］在研究水體提取方法時，為將陰影與水體最大程度的區(qū)分開構(gòu)建的模型，該模型運算首先基于決策樹分析方法，依據(jù)近紅外波段閾值將亮色、暗色地物區(qū)分開來，避免建筑物對水體提取的影響，再對SWI指數(shù)確定一個合適閾值將陰影與水體進行區(qū)分。根據(jù)該模型建模運行機理，構(gòu)建的SWI 計算公式如下：

式中，B1 代表GF-1 影像的第1 波段藍波段反射值，B2 代表GF-1 影像的第2 波段綠波段反射值，B4 代表影像的第4 波段近紅外波段反射值。但只靠SWI 模型進行水體提取存在錯提現(xiàn)象，常把亮色地物錯分為水。為使提取結(jié)果更可靠，本研究采用新的SWI 決策樹模型［15］（圖3），首先依據(jù)近紅外波段閾值將亮色地物與水體區(qū)分開來，在近紅外波段中，本研究區(qū)水體亮度最大值是930，陰影亮度最大值是1 080，為最大程度將水體提取出來本研究將閾值設(shè)定為1 080，再對SWI 指數(shù)確定一個合適閾值將陰影與水體區(qū)分開來。經(jīng)多次試驗并結(jié)合其他學(xué)者的研究結(jié)果，最終確定的適用于岔口流域的區(qū)分陰影與水體的最佳閾值C 為700［16］。

圖3 SWI決策樹水體提取模型

3.2.3 SVM 支持向量機法 支持向量機分類是一種建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上的機器學(xué)習(xí)方法。SVM 分類通常是運用有限樣本進行2 種類型的劃分，以尋找現(xiàn)有信息的最優(yōu)分類。雖然針對高光譜影像使用SVM 對影像信息進行分類已經(jīng)非常成熟，但是針對高空間分辨率的影像，SVM 分類方法的使用與研究還較少。SVM 性能的優(yōu)劣，主要取決于核函數(shù)類型的選擇和核函數(shù)參數(shù)設(shè)置，參照殷秋亞等［17］的研究，手動選擇好水體、非水體樣本，再選取SVM 分類中的RBF 函數(shù)進行水體、非水體的劃分。

3.3 精度評價方法

首先，使用定性、定量評價的方法進行提取結(jié)果的對比驗證。利用高分辨率遙感影像統(tǒng)計的水體面積與3 種方法分別提取得到的水體面積進行對比，并結(jié)合視覺效果進行分析評價。其次，利用混淆矩陣計算出制圖精度、漏分誤差、錯分誤差來評價不同方法水體提取結(jié)果。最后通過實地調(diào)研驗證了提取結(jié)果的可靠性。

4 結(jié)果與分析

圖4 研究區(qū)水體提取結(jié)果

圖5 具有代表性的研究區(qū)

研究區(qū)水體提取結(jié)果見圖4。對比3 個提取結(jié)果可以看出，3 種方法都能將流域中的壩地水體進行提取（白色為水體），其中大面積塊狀水體很少，大部分壩地水體隨淤地壩星星點點分布在流域。雖然選擇了流域汛期的影像，水量相對較大，但是由于岔口流域溝壑縱橫，壩地水體細小，水面淺，水陸交界處常有裸土過渡，提取時容易受混合像元的影響，從整幅圖入手對水體提取的漏提、誤提現(xiàn)象分析并不精確，因此研究選取流域3 個具有代表性的區(qū)域（圖5），區(qū)域一（壩地水體）、區(qū)域二（水庫）、區(qū)域三（壩地水體）進行了水體提取結(jié)果的細節(jié)分析，2 個區(qū)域中包含了流域水體提取的影響因素亮色地物、裸地、陰影、建筑物。結(jié)果表明，區(qū)域一是一塊較為明顯的壩地水體及其周圍的地區(qū)，從影像中可以看出水體為細長條狀，面積較小，水體周圍有兩塊明顯的亮色地物，水體界限與陸地界限不清，由于水體位于壩地中，水體邊界還存有明顯的山體陰影和小部分裸土。區(qū)域一3 種方法提取水體的結(jié)果見表2，區(qū)域一水體面積見表3。從表2 可以看出，3 種方法均能將壩地水體提取出來，但是提取結(jié)果存在明顯的差異。對比表3 中3 種方法的水體提取面積，提取的面積與高分辨率影像統(tǒng)計的面積分別相差208（NDWI 法）、61（SWI 決策樹法）、118 m2（SVM 法），SWI 決策樹提取的水體面積更接近從遙感影像中統(tǒng)計的水體面積，說明對該區(qū)域來說，SWI 方法提取效果優(yōu)于其他2 種方法。從影像中可以明顯看到區(qū)域一中存在兩處亮色地物，使用NDWI 進行提取時，兩處亮色地物均被當(dāng)作水體誤提出來，SWI 決策樹與SVM 方法很好地分辨出了亮色地物與水體。對水體形狀進一步觀察，水體呈細條狀，上窄下寬，對比3 種提取結(jié)果，NDWI 提取出的水體上下寬度幾乎接近，形狀與真實水體差異較大，而后2 種方法提取的水體形狀更接近水體真實形狀。影像中可以看到水體上半部分的右邊與陸地交界處水面較淺存在部分裸土過渡，而且由于淤地壩位于溝內(nèi)，提取時水體邊界易受山體陰影影響，使得水陸界限不清晰，NDWI、SVM 方法均將陰影錯提成了水體，不能將陰影與水體區(qū)分開，但SWI決策樹能更好地區(qū)分陰影與水體，水體界限明確。由于受混合像元的影響，不同方法的提取結(jié)果和利用遙感影像統(tǒng)計的水體面積存在微小的差別。

表3 區(qū)域一水體提取面積

區(qū)域二是流域中某個由淤地壩攔截形成的水庫及周邊地區(qū)，水庫形狀規(guī)則，水體分布較為連續(xù)，面積也相對較大，影像中包含有陰影、亮色地物（包括建筑物）等影響因素。3 種方法提取結(jié)果見表4，提取的水體面積見表5。從影像中可以看到該區(qū)域共有大小不等的4 塊水域，對比表5 中3 種方法的水體提取面積，與高分辨率影像統(tǒng)計的面積分別相差431（NDWI 法）、71（SWI 決 策 樹 法）、186 m2（SVM法），SWI 決策樹提取的水體面積更接近從遙感影像中統(tǒng)計的水體面積，其中NDWI 方法提取的水體面積與影像中水體面積相差最大，通過表4 也可以看到NDWI 提取出的水體存在明顯的錯誤，這是因為除了將水庫旁邊的亮色地物誤提，還將影像右下角的大片呈現(xiàn)亮色的建筑物（村落）也提取出來，同時混淆了水體與陰影，部分水體當(dāng)成陰影從而導(dǎo)致漏提，部分陰影當(dāng)作水體錯提出來，提取的水體形狀、大小都與影像中的水體存在明顯差異。而SVM、SWI 2 種方法排除了亮色地物的影響，提取后的水體形狀、大小更接近于影像中水體的樣子，同時SWI決策樹也能夠?qū)㈥幱芭c水體更好地分開，對于邊界提取相對準(zhǔn)確，提取出的面積與影像中統(tǒng)計得到的水體面積差異最小。

表4 區(qū)域二提取結(jié)果對比

表5 區(qū)域二水體提取面積

區(qū)域三是2 塊較為明顯的壩地水體及其周圍的地區(qū)，從影像中可以看出水體為細長條狀，面積較小，水體東部無規(guī)則分布有大面積的裸地。影像提取結(jié)果見表6，提取的水體面積見表7。從提取結(jié)果可以看出，在區(qū)域三影像中可以清晰地看到該區(qū)域共有較明顯的2 塊水域，3 種方法2 塊水體均能按其形狀被提取出來；但在影像右上方存在一處明顯的亮色地物，3 種方法均將其當(dāng)作水體進行了誤提，SWI 決策樹提取的亮色地物面積最小，利用NDWI方法進行提取時除了將右上角亮色地物誤提成水外還將其他處的亮色地物也提取出來。對比3 種方法下提取的水體面積與高分辨率影像統(tǒng)計的面積差分別為78（NDWI 法）、19（SWI 決策樹法）、42 m2（SVM法），SWI 決策樹提取的水體面積更接近從遙感影像中統(tǒng)計的水體面積，其中NDWI 方法提取的水體面積與影像中水體面積相差最大。

對以上兩個區(qū)域在不同方法下的提取結(jié)果以混淆矩陣的方式進行精度檢驗，結(jié)果如表8 所示。其中制圖精度等于被正確分類的像元數(shù)除以總像元數(shù)，漏分誤差是指本該分到某一類中卻沒有分到的像元數(shù)，錯分誤差是指本不該分到某一類中卻被分到某一類中的像元數(shù)。從漏分誤差上看，在3 個小區(qū)域中，NDWI 的漏分誤差都是最高的；在區(qū)域一中SVM 方法的漏分誤差最小，區(qū)域三中SVM 與SWI 決策樹的漏分誤差幾乎接近；3 種方法中SVM 決策樹漏分誤差相比更小。從錯分誤差上看，NDWI 方法提取后的錯分誤差在3 種方法中仍然是最大的，而SWI的錯分誤差相對最小。從制圖精度上看，3 個區(qū)域中NDWI 的制圖精度都是最低的，SWI 決策樹與SVM 近乎持平，SWI 決策樹方法精度相對較高。從3 個區(qū)域提取效果整體來看，無論是漏分誤差、錯分誤差還是制圖精度，區(qū)域一的誤差都比其他兩個區(qū)域小，主要原因是區(qū)域一中塊狀水體少，水體面積相對較小，影像中包含的干擾信息相對較少，所以誤差相對較小。

表6 區(qū)域三提取結(jié)果對比

表7 區(qū)域三水體提取面積

綜合分析各種方法的提取結(jié)果，GF-1 號影像空間分辨率較高，因此無論哪種方式進行水體提取精度都較好。3 種方式相比較而言，NDWI 方法制圖精度最低，在壩地水體的識別中，常把亮色地物、建筑物與水體混淆，造成錯分或漏分。SVM 與SWI 決策樹制圖精度大致相同，但是SVM 有一個局限性，即它的分類對象是有限個樣本，當(dāng)樣本很大時，就不適合使用該方法。淤地壩內(nèi)常會因積水排出不暢等多種原因?qū)е峦恋匕l(fā)生鹽堿化，鹽堿地在影像中多以白色、亮色呈現(xiàn)，進行水體提取時易造成干擾，而SWI 決策樹法不僅能將亮色地物、建筑物同水體區(qū)分開，還能較好地排除陰影的干擾，這對流域中微小水體的提取是一個不錯的選擇。

表8 精度檢驗結(jié)果

5 小結(jié)

以2016 年9 月1 日高分辨率影像GF-1 PMS2 影像為數(shù)據(jù)源，選擇山西省淤地壩數(shù)量較多、水土流失較嚴(yán)重、水體以壩地水體為主，水體微小并且分布不連片的地區(qū)岔口流域作為研究對象，運用NDWI、SWI 決策樹、SVM 3 種不同的提取方法進行流域水體信息的提取，并對提取結(jié)果進行了視覺效果對比與提取精度評價，試圖找到適合于該地區(qū)水體提取的方法，為流域淤地壩水體監(jiān)測、淤地壩的完善與管理提供技術(shù)支持。所得結(jié)論如下。

1）黃土高原地勢溝壑縱橫，水體微小，與程磊等［12］的研究相比較，中低分辨率的影像已經(jīng)不適于提取黃土高原地區(qū)的水體，高分辨率的遙感影像對于山區(qū)微小水體的提取結(jié)果更好，精度更高，可運用GF-1 影像進行流域水體的監(jiān)測，其監(jiān)測結(jié)果可成為日后淤地壩等大型骨干工程管理、維護的重要數(shù)據(jù)。

2）通過對區(qū)域一、區(qū)域二、區(qū)域三的細節(jié)分析可知，影響流域水體提取的主要因素是亮色地物（包括建筑物）、陰影。

3）3 種方法都能夠提取水體信息，由于受影像中混合像元的影響，3 種方法提取的水體面積與從高分辨率影像中統(tǒng)計得到的水體面積難免存在微小差別。相比較而言，NDWI 方式提取的水體信息較弱，提取的水體中混雜了亮色地物、陰影等干擾因素，這與王大釗等［18］研究結(jié)果一致。SVM 法精度較高，對比其他學(xué)者的研究，如殷秋亞等［17］選擇SVM法進行水體提取同樣得到了較高精度；SWI 決策樹法不但消除了建筑物、亮色地物的影響，而且很明顯地區(qū)分了陰影與水體，這與劉雙童等［3］的研究結(jié)論一致。總體認(rèn)為SVM、SWI 決策樹都適合提取黃土高原丘陵溝壑區(qū)的流域水體，但是SWI 決策樹方法提取的水體邊界更加準(zhǔn)確。