Landsat-8遙感影像不同水體提取方法適用性分析

邰曉曼,仲 臣

(1.安徽理工大學 空間信息與測繪工程學院,安徽 淮南 232001;2.礦山采動災(zāi)害空天地協(xié)同監(jiān)測與預(yù)警安徽普通高校重點實驗室，安徽 淮南 232001;3.礦區(qū)環(huán)境與災(zāi)害協(xié)同監(jiān)測煤炭行業(yè)工程研究中心,安徽 淮南 232001)

隨著工業(yè)化進程不斷加速及環(huán)境惡化，水資源日益匱乏，精確及時地獲取水體信息變得極為重要。與此同時，遙感影像的易獲取性、開放性等促使遙感成為識別和監(jiān)測水資源的重要手段。目前，提取水體的方法包括水體提取指數(shù)模型(NIR、NDVI、NDWI、SWI、MSWI)、監(jiān)督分類(最大似然法、平行六面體、最小距離、馬氏距離、神經(jīng)網(wǎng)絡(luò)、SVM等)、非監(jiān)督分類、決策樹、面向?qū)ο蟮?，上述方法在低、中、高分辨率遙感影像上提取水體都有較好的效果[1]。

對于高分辨率遙感影像，劉雙童[2]等對比分析不同水體指數(shù)模型對水體提取精度和穩(wěn)定性的影響，得到在相同閾值變化范圍內(nèi)不同指數(shù)模型在同一研究區(qū)內(nèi)閾值對水體提取精度的影響程度不同；陳文倩[3]等提出將單波段閾值法與陰影水體指數(shù)法相結(jié)合的決策樹算法，結(jié)果顯示此方法可將山體陰影與水體分開，還能有效消除山體裸地與積雪的影響；對于中、低分辨率遙感影像，李愛民[4]等利用SPOT影像探討針對不同類型水域選擇何種提取方法，此研究表明不同水域需選擇相適宜的遙感指數(shù)方法。但是對同一水體不同季節(jié)的水體提取效果研究較為罕見，文中利用最大似然法、面向?qū)ο蠓ㄒ约八w指數(shù)模型(NDWI)對同一研究區(qū)四季的水體遙感影像進行實驗，分析上述方法在不同季節(jié)的適用性。

1 研究區(qū)概況及數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

文中選取巢湖作為研究區(qū)，巢湖是位于長江中下游的中國五大淡水湖之一，東西長55 km、南北寬21 km，湖岸線周長176 km，平均水深2.89 m，面積780 km2。巢湖位于北緯31°95′、東經(jīng)117°86′，屬于北亞熱帶濕潤季風氣候區(qū)，氣候溫和，季風氣候顯著，冬寒夏熱，四季分明。巢湖夏季多爆發(fā)藍藻且周圍的主要農(nóng)作物為水稻。因此，選取巢湖作為研究區(qū)可明顯區(qū)分不同方法在同一季節(jié)及相同方法在不同季節(jié)對水體提取結(jié)果的影響。

1.2 實驗數(shù)據(jù)預(yù)處理

根據(jù)研究區(qū)地理位置，從地理空間數(shù)據(jù)云網(wǎng)站下載條代號為121、行編號為38的Landsat-8 OLI_TIRS影像作為本實驗的數(shù)據(jù)源。選取日期分別為2017-04-23(春季)、2017-07-25(夏季)、2017-09-14(秋季)、2017-12-19(冬季)的影像，其云量分別為0.64%、0.56%、1.38%和0.09%，獲取的影像畫面清晰，質(zhì)量良好，水體部分無遮擋，薄云也不會對結(jié)果造成影響。原始影像如圖1所示。

圖1 巢湖地區(qū)Landsat-8 OLI_TIRS影像

研究使用的數(shù)據(jù)源：由NASA發(fā)射的最新衛(wèi)星Landsat-8，衛(wèi)星上兩個重要的傳感器分別是OLI和TIRS，與其他Landsat系列衛(wèi)星不同的是陸地成像儀包括9個波段，成像寬幅為185 km×185 km，除了分辨率為15 m的全色波段外，其他波段空間分辨率為30 m。在圖像預(yù)處理方面對多光譜波段進行輻射定標以及大氣校正，將高分辨率的單波段影像與低分辨率的多光譜影像重采樣，提高分辨率至15 m，并基于自然分割邊界進行虛擬邊緣裁剪。

2 研究方法與結(jié)果

2.1 歸一化水體指數(shù)法(NDWI)

文中實驗使用的是傳統(tǒng)的水體提取指數(shù)，即Mcfeeters在1996年提出的歸一化差分水體指數(shù)(NDWI)[5]，用遙感影像的特定波段進行歸一化差值處理，以凸顯影像中的水體信息，其表達式為

計算完成需檢核計算成果，結(jié)果介于[-1,1]之間，表示可進行水體提取。通過繪制水體感興趣區(qū)(Region of Interest，ROI)，對興趣區(qū)進行統(tǒng)計分析得到閾值，經(jīng)多次嘗試選取0.717 7作為本次實驗閾值[6]。采用歸一化水體指數(shù)法對研究區(qū)影像進行水體信息提取，結(jié)果如圖2所示。

圖2中白色像素為提取的目標水體(巢湖)，灰色及黑色像素為其余地物,并將上述規(guī)則應(yīng)用于最大似然法、面象對象法提取水體的結(jié)果。

2.2 最大似然法

在數(shù)據(jù)集中，監(jiān)督分類根據(jù)用戶定義的訓練樣本類別來聚類像元。訓練樣本類別是單一波譜或者像元的集合，訓練區(qū)通常通過感興趣區(qū)域來選擇，而且應(yīng)該盡可能地選擇具有單純像元的ROI。選擇最大似然法進行監(jiān)督分類，這種分類器運行的原理是假設(shè)不同類別的數(shù)理統(tǒng)計結(jié)果都呈正態(tài)分布，給定提取出的樣本像元屬于某一訓練樣本的似然度，最終提取的樣本會歸納合并到似然度最大的一類中[7-8]。

圖2 歸一化水體指數(shù)法四季水體提取

根據(jù)巢湖周圍環(huán)境和地理地貌，選擇水體、居民地、耕地、裸地及其他地物作為初始訓練樣本并繪制各樣本的ROIs,通過計算樣本的可分離性得到上述樣本均為合格樣本。利用最大似然法分類后建立新的ROIs作為驗證樣本區(qū)，再通過混淆矩陣分析水體提取的精度。最后更改耕地、裸地、居民地和其他地物的顏色為黑色，水體為白色，突出水體提取效果。采用最大似然法對研究區(qū)影像進行水體信息提取，結(jié)果如圖3所示。

圖3 監(jiān)督分類法四季水體提取

2.3 基于樣本的面向?qū)ο蠓诸惙?/h3>

面向?qū)ο蠓ㄔ谟跋駥ο髮哟位谂袆e規(guī)則或者判別函數(shù)的推理來提高影像的分類精度，從而達到對遙感影像目標信息有效提取的目的[9-11]。面向?qū)ο蠓ǖ目傮w技術(shù)流程如下：研究區(qū)影像→多尺度影像分割→手動選取樣本對地物進行監(jiān)督分類→分類后處理。

進行多尺度分割時，若分割尺度不合適，會使得在圖像分割的過程中出現(xiàn)過分割或者欠分割的現(xiàn)象，Castilla 認為是否存在欠分割和過分割可以作為評價圖像分割結(jié)果的標準[12-13]。分割結(jié)束后進入監(jiān)督分類面板，選擇與最大似然法相同的樣本進行分類。分類后處理包括Majority Analysis、聚類處理(Clump)和過濾處理(Sieve)，通過ENVI 設(shè)置相應(yīng)參數(shù)完成上述步驟后重新分類細小圖斑塊，提高分類精度[14-15]。此方法提取如圖4所示。

圖4 面向?qū)ο蠓诸惙ㄋ募舅w提取

3 不同模型水體信息提取精度分析

完成遙感分類后需要對分類結(jié)果進行精度評價，以鑒別分類中產(chǎn)生的錯誤是否會影響最后的結(jié)果。分別對不同模型計算總體分類精度和Kappa系數(shù)，得到結(jié)果見表1—3。

一方面，參照表中Kappa系數(shù)與分類精度對應(yīng)的關(guān)系，3種方法的分類系數(shù)都在正常值0.40以上，分類效果都在良好以上。使用面向?qū)ο蠓ㄌ幚淼拇杭居跋竦腒appa值為0.800 4，分類結(jié)果最好，其余兩種方法以及面向?qū)ο蠓ㄔ谄渌竟?jié)提取的Kappa值都在0.7以上，分類精度良好?？傮w來看，在此研究區(qū)面向?qū)ο蠓ㄏ噍^于水體指數(shù)法及最大似然法的水體提取效果最好，分類精度最高。

表1 歸一化水體指數(shù)(NDWI)的精度評價結(jié)果

表2 最大似然法(監(jiān)督分類)的精度評價結(jié)果

表3 面向?qū)ο蠓ǖ木仍u價結(jié)果

通過柵格面積計算對3種分類方法的結(jié)果進行面積統(tǒng)計，將這兩類方法提取的水體面積進行比較，通過了解每種方法對不同季節(jié)水體提取的誤差大小，確定不同方法對不同季節(jié)水體提取的適用性，如表4所示。

表4 各個方法提取的巢湖區(qū)水體面積 km2

人工解譯矢量化、NDWI、面向?qū)ο蠓诸愄崛〉乃w面積都存在著夏季水體面積大于春季水體面積大于冬季水體面積大于秋季水體面積這個大小關(guān)系式，而對于監(jiān)督分類的水體面積，除了冬季要遠遠大于其他三季外，也存在著夏季水體面積大于春季水體面積大于秋季水體面積的關(guān)系。

以人工解譯矢量化圖像得到的水體分類結(jié)果為基礎(chǔ)進行精度對比，探究哪一種方法與其更為相近，如表5所示。

表5 水體提取方法精度比較 %

總體來看,歸一化水體指數(shù)法、面向?qū)ο蠓诸惙ㄅc人工解譯矢量化的相對精度較小，且面向?qū)ο蠓诸惙ㄅc歸一化水體指數(shù)法提取水體的精度也沒有較大差距，但是監(jiān)督分類的相對誤差較其他兩種方法來說大得多。從人工矢量化目視解譯的相對誤差上看，歸一化水體指數(shù)法差距較小，監(jiān)督分類也較平均，但面向?qū)ο蠓ú▌哟螅镜南鄬φ`差較其他季節(jié)相比較大，說明冬季水面結(jié)冰對使用面向?qū)ο筇崛∷w有干擾，這種影響不易消除，所以應(yīng)盡量避免使用冬季的封凍湖泊遙感影像進行水體提取。在嘗試進行不同季節(jié)水體提取操作時，面向?qū)ο蠓ǖ南鄬φ`差春季的相對精度最小，NDWI法和監(jiān)督分類法每個季節(jié)都較為平均，說明季節(jié)的變化對面向?qū)ο蠛捅O(jiān)督分類的影響都不大，但從總體提取精度上看，NDWI分類比監(jiān)督分類更適用于巢湖水體的提取。

4 結(jié) 論

文中以巢湖作為研究區(qū)域，利用3種常用的水體提取方法：歸一化水體指數(shù)法、監(jiān)督分類法和面向?qū)ο蠓诸惙?，分別對1 a中代表4個季節(jié)的4個月份的研究區(qū)影像進行水體提取，比較3種方法在四季中的提取精度和適用性，并通過計算出的水體面積分析湖泊的動態(tài)變化過程，確定3種方法的季節(jié)適用性，得到以下結(jié)論：

1)文中所研究的3種水體提取方法對封凍住的湖泊(即冰面)的水體提取都不太理想，較為明顯的是面向?qū)ο蠼Y(jié)果有較多的錯分水體信息，相較之下水體指數(shù)法和監(jiān)督分類法的精度較高，提取效果較好。而除去冬季的其他3個季節(jié)，相比于水體指數(shù)法和監(jiān)督分類法，面向?qū)ο蠓ǜm合進行巢湖的水體提取。

2)在四季變換中，巢湖的水體面積夏季達到最大，在使用同一種方法提取的情況下，春、秋、冬三季的水體面積沒有非常大的差異。由于巢湖所在地區(qū)夏季多暴雨且安徽多作為泄洪區(qū)域，導致巢湖夏季水體面積較春、 秋、冬三季迅速增長。其次，巢湖夏季多爆發(fā)藍藻，導致夏季水體面積變化大。

3)面向?qū)ο蠓蛇m用于巢湖春、夏、秋三季的水體提取，歸一化水體指數(shù)法適用于各季節(jié)水體提取。文章只選取巢湖作為研究區(qū)探究了不同方法對不同季節(jié)水體提取的影響，若要確定合適的不同地區(qū)不同季節(jié)的水體提取方法還需選取與巢湖地理位置、氣候條件差異較大的研究區(qū)進一步探究。