水體遙感指數(shù)研究進(jìn)展

徐涵秋

(福州大學(xué)環(huán)境與安全工程學(xué)院, 福州大學(xué)遙感信息工程研究所，福建 福州 350108)

0 引言

水是最寶貴的自然資源，水資源的短缺已危及人類(lèi)社會(huì)，及時(shí)掌握地表水的分布及其空間差異對(duì)水資源的科學(xué)管理和使用具有十分重要的意義. 水體的研究離不開(kāi)對(duì)水體分布范圍的準(zhǔn)確提取和對(duì)水體面積的準(zhǔn)確估算. 當(dāng)前，遙感水體信息提取技術(shù)是唯一可以對(duì)全球地表水體分布范圍和面積進(jìn)行估算的技術(shù). 除此之外，它還被廣泛應(yīng)用于水環(huán)境監(jiān)測(cè)、 水資源調(diào)查、 海岸線(xiàn)變化監(jiān)測(cè)、 濕地調(diào)查和洪澇災(zāi)害評(píng)估等領(lǐng)域.

在眾多的水體遙感信息提取技術(shù)中，基于水體遙感指數(shù)的技術(shù)無(wú)疑是應(yīng)用最廣泛的，現(xiàn)有全球以及大區(qū)域的地表水體分布制圖幾乎都離不開(kāi)水體遙感指數(shù). 2014年, 廖安平等[1]最早開(kāi)展了全球陸表水體高分辨率遙感制圖，其中采用NDWI(normalized difference water index)和MNDWI(modified NDWI)水體指數(shù)作為主要技術(shù). Allen等[2]將MNDWI作為關(guān)鍵算法測(cè)算了全球的江河分布范圍和面積. Yamazaki等[3]將MNDWI用于全球90 m分辨率的水體分布制圖. Murray等[4]將3種水體指數(shù)作為關(guān)鍵指標(biāo)應(yīng)用于全球海岸生態(tài)系統(tǒng)的分析. Pickens等[5]將NDWI和MNDWI指數(shù)作為波段變量參與全球內(nèi)陸水體近20年的動(dòng)態(tài)變化研究. Colditz等[6]采用14種指數(shù)分析墨西哥灣的濕地和三角洲，結(jié)果發(fā)現(xiàn)MNDWI和纓帽變換濕度分量鑒別水體的效果最好. Ogilvie等[7]采用6種水體指數(shù)研究突尼斯半干旱地區(qū)的水體，并獲得很高的精度. Chen等[8]應(yīng)用MNDWI確認(rèn)潮汐的淹沒(méi)范圍，并指出MNDWI在檢測(cè)淹沒(méi)面積上具有最高精度和最穩(wěn)定閾值. Müller等[9]通過(guò)計(jì)算水體指數(shù)序列影像來(lái)確定敘利亞難民危機(jī)對(duì)水資源的影響，并發(fā)現(xiàn)MNDWI水體指數(shù)更可靠.

以上分析表明，水體遙感指數(shù)是提取全球和大區(qū)域水體信息的最有效方法[2, 10]. 雖然水體信息提取還有許多其他的方法，但是迄今為止，還鮮見(jiàn)它們被單獨(dú)用于全球和大區(qū)域范圍的水體信息提取. 因此本文將重點(diǎn)分析水體遙感指數(shù)的發(fā)展及其提取水體信息涉及的主要問(wèn)題和不足，這對(duì)水體遙感指數(shù)的進(jìn)一步發(fā)展具有重要的意義.

1 主要水體遙感指數(shù)

最早的水體遙感指數(shù)是McFeeters于1996年提出的NDWI指數(shù)[11]，在將近10 a后，才有徐涵秋提出的MNDWI指數(shù)[12]. 此后，幾乎每年都有新的水體遙感指數(shù)提出. 以中、 英文的“水體指數(shù)”+“遙感”為主題詞分別在Web of Science核心庫(kù)和CNKI文獻(xiàn)庫(kù)(僅查核心期刊)進(jìn)行檢索，發(fā)現(xiàn)迄今全球已有22個(gè)光學(xué)衛(wèi)星水體遙感指數(shù)，其基本信息按發(fā)表時(shí)間列于表1.

表1 主要水體遙感指數(shù)Tab.1 Main remote sensing water indices

續(xù)表1Continue table 1

表1所列的水體遙感指數(shù)的總引數(shù)已達(dá)7 258次(截止2021年3月)，說(shuō)明水體遙感指數(shù)已得到廣泛應(yīng)用，其中又以NDWI和MNDWI應(yīng)用最廣，分別達(dá)到2 454和3 137次，MNDWI還被集成于ENVI遙感軟件中，作為水體信息處理的標(biāo)配技術(shù). 由于指數(shù)發(fā)表的時(shí)間先后不同，因此圖1以年均引用次數(shù)(SCI和CNKI的引用次數(shù)之和)來(lái)表示各指數(shù)的引用情況.

圖1 各指數(shù)年均被引用次數(shù)Fig.1 Average annual citation of each remote sensing water index

2 水體指數(shù)的類(lèi)型和特征

從表1可以看出，水體指數(shù)的發(fā)展有復(fù)雜化的趨向，從早期指數(shù)的構(gòu)建僅用雙波段到后期的多波段，甚至5～6個(gè)波段(如ANDWI、 AWEIsh和WI2015)，計(jì)算上也趨向復(fù)雜化. 總的來(lái)看，水體指數(shù)的構(gòu)建基本可分為2種類(lèi)型： 比值型和差值型. 表1中的比值型指數(shù)有： (編號(hào)) 1、 2、 4～10、 12、 15、 17、 20、 21，其中包含少數(shù)由比值型指數(shù)通過(guò)運(yùn)算構(gòu)建的復(fù)合指數(shù)； 差值型指數(shù)有： (編號(hào)) 3、 11、 13、 14、 16、 18、 19、 22.

比值型和差值型指數(shù)雖然構(gòu)建形式不同，但它們的構(gòu)建機(jī)理是一致的，即在遙感影像的多個(gè)光譜波段內(nèi)，分別尋找出水體的最強(qiáng)反射波段(或波段組)和最強(qiáng)吸收波段(或波段組)，將最強(qiáng)反射波段(或波段組)作為分子或被減數(shù), 最強(qiáng)吸收波段(或波段組)作為分母或減數(shù)，通過(guò)比值或差值運(yùn)算以擴(kuò)大二者的差距，使水體信息得到增強(qiáng)，非水體地物受到抑制[32]. 比值型指數(shù)通常進(jìn)行歸一化，所以又被稱(chēng)為歸一化指數(shù). 比值型和差值型水體指數(shù)的差異主要體現(xiàn)在：

1) 由于現(xiàn)在使用的遙感數(shù)據(jù)都是經(jīng)過(guò)大氣校正的地表反射率數(shù)據(jù)，其波段值介于[0, 1]之間，因此基于比值運(yùn)算的指數(shù)比基于差值運(yùn)算的指數(shù)更有利于擴(kuò)大數(shù)值之間的差距，增強(qiáng)水體信息. 如比值(0.2/0.02=10)就比差值(0.2-0.02=0.18)的增強(qiáng)效果超出了50倍. 因此，差值型水體指數(shù)通常需要設(shè)定波段變量的系數(shù)來(lái)彌補(bǔ)這一不足.

2) 由于比值型指數(shù)的波段變量一般都沒(méi)有特定的系數(shù)，因此如果構(gòu)建機(jī)理正確，其普適性通常較強(qiáng)，可以在不同的地區(qū)和不同的傳感器中使用. 差值型指數(shù)的變量通常帶有經(jīng)驗(yàn)系數(shù). 其系數(shù)的設(shè)定受到樣本量及其代表性的影響. 因此，在不同地區(qū)、 不同衛(wèi)星中的使用效果往往很不一致. James等[33]在佛羅里達(dá)、 紐約、 上海的研究表明，比值型指數(shù)MNDWI和NDWI在三地的精度差距分別為4.6%和4.7%，而差值型的AWEIsh和AWEInsh的差距則分別為7.9%和5.2%. Li等[10]的研究表明差值型的AWEI在不同地區(qū)的總精度差距可達(dá)10～18個(gè)百分點(diǎn). 張戈等[34]在黑河流域的研究表明，比值型MNDWI在不同衛(wèi)星(Landsat 8和Sentinel 2A)影像中獲得的總精度只相差0.8個(gè)百分點(diǎn)，而差值型WI2015在這兩種影像的差距可達(dá)4.3個(gè)百分點(diǎn). 王一帆等[35]的研究也表明，比值型的MNDWI在這兩種不同的影像中獲得的精度差異也要小于差值型的AWEI和WI2015.

3) 比值型指數(shù)通常采用歸一化技術(shù)，使數(shù)值統(tǒng)一在[-1, 1]之間，便于閾值的選擇. 而差值型指數(shù)的數(shù)值范圍通常比較寬泛，閾值較難選擇，有的經(jīng)常還會(huì)出現(xiàn)無(wú)窮大，如SWI-m. 另外，歸一化使得數(shù)值范圍相對(duì)統(tǒng)一，因此也有利于同一指數(shù)的時(shí)空變化對(duì)比，而差值型指數(shù)因數(shù)值范圍不固定而較難進(jìn)行時(shí)空變化對(duì)比.

為了進(jìn)一步說(shuō)明以上區(qū)別，以福州2016-06-25的Landsat 8影像為例，對(duì)典型的差值型水體指數(shù)和比值型水體指數(shù)進(jìn)行比較. 前者以AWEI、 WI2015和新近提出的MBWI為代表，后者以NDWI、 MNDWI和新近提出的ANDWI，以及通過(guò)指數(shù)運(yùn)算的MCWI為代表, 分別計(jì)算和生成各指數(shù)的水體增強(qiáng)影像(圖2).

圖2 典型比值型和差值型水體指數(shù)增強(qiáng)影像對(duì)比Fig.2 Comparison of the water-enhanced images between typical ratio-based and differencing-based water indices

從圖2可直觀(guān)看出比值型指數(shù)增強(qiáng)的水體影像黑白分明，水體受到有效增強(qiáng)，呈白色，非水體受到強(qiáng)烈抑制而呈黑色. 差值型指數(shù)有的對(duì)非水體信息抑制較差，因此影像灰度較大，如MBWI和AWEInsh. 盡管它們?cè)跇?gòu)建時(shí)，將綠波段的系數(shù)擴(kuò)大數(shù)倍，但仍無(wú)法有效抑制非水體信息. 從統(tǒng)計(jì)特征來(lái)看(表2)，比值型指數(shù)的數(shù)值范圍較固定，而差值型指數(shù)的變化范圍較大，特別是WI2015. 從水體增強(qiáng)影像的直方圖來(lái)看(圖3)，比值型指數(shù)的水(右側(cè)峰)和非水信息(左側(cè)峰)的分離度較大且不重合，而差值型的MBWI和AWEInsh的分離度則很小.

表2 典型比值型和差值型水體遙感指數(shù)的統(tǒng)計(jì)特征Tab.2 Statistical characteristics of typical ratio-based and differencing-based water indices

圖3 典型比值型和差值型水體遙感指數(shù)影像的直方圖Fig.3 Histograms of typical ratio-based and differencing-based water indices

光譜分離指數(shù)SDI(spectral discrimination index)是根據(jù)兩種地類(lèi)在直方圖中的相對(duì)位置和分布來(lái)度量它們之間分離程度的常用指標(biāo)[36-37]. 表3是水和非水信息及其它細(xì)分類(lèi)別在圖2各水體影像中的SDI值.

從表3 中可以看出，在水和非水信息的可分離度上，比值型指數(shù)的SDI值都高于差值型指數(shù). 在其它細(xì)分類(lèi)別上，比值型也大都好于差值型. 其中ANDWI和WI2015分別與山坡陰影和云陰影的分離度最高，而MNDWI則在其余的各項(xiàng)指標(biāo)中分離度最好.

表3 水和非水以及其它細(xì)分類(lèi)別的SDI值Tab.3 SDI values of water vs. non-water and other land cover types, clouds, and shadows

3 水體遙感指數(shù)應(yīng)用中的若干問(wèn)題

1) 閾值. 水體遙感指數(shù)一般需要通過(guò)閾值來(lái)提取水體信息，即便是被稱(chēng)為水體自動(dòng)提取指數(shù)的AWEI也還是需要設(shè)定最佳閾值. Feyisa等[21]在創(chuàng)建該指數(shù)時(shí)認(rèn)為，AWEI以0為閾值就可以自動(dòng)提取指數(shù). 但從現(xiàn)有的應(yīng)用情況來(lái)看，以0為閾值，并無(wú)法獲得最佳效果[10, 31]. 因此在實(shí)際應(yīng)用中，還是需要通過(guò)選取最佳閾值來(lái)獲得更高精度.

為了免去人工選取閾值的麻煩，許多文獻(xiàn)使用最大類(lèi)間方差法(也稱(chēng)OTSU法)來(lái)確定最佳閾值. 但研究表明，OTSU確定的閾值并非最佳閾值. Sekertekin(2021)專(zhuān)文對(duì)此進(jìn)行了研究，發(fā)現(xiàn)OTSU確定的NDWI指數(shù)的最佳閾值為0.18，比實(shí)際最佳閾值0.38小了1倍多[38]. Mukherjee等[39]的研究表明，OTSU確認(rèn)的閾值和人工最佳閾值之間的精度差距可達(dá)9個(gè)百分點(diǎn)(OTSU精度為88%，手工閾值精度為97%). Li等[40]的研究表明二者的精度差距甚至可超過(guò)1倍(OTSU: 39%，手工閾值: 93%).

閾值的穩(wěn)定性關(guān)系到閾值選取的難易. 閾值設(shè)定的繁瑣經(jīng)常是水體遙感指數(shù)被詬病之處. 實(shí)際上這與指數(shù)的構(gòu)建方式密切相關(guān)，成功的指數(shù)能夠很好地將水體和非水體信息分離(表2)； 在水體增強(qiáng)影像中，水體與背景地物黑白分明(圖2)； 在影像直方圖中，雙峰相距甚遠(yuǎn)，基部不重疊(圖3). 這樣的指數(shù)閾值穩(wěn)定，設(shè)定并不繁瑣. 通常以默認(rèn)的0閾值就可以較好地分割水與非水信息，稍作調(diào)整就可以獲得很好的精度[42]. 反之，當(dāng)水與非水地物黑白反差不明顯，灰度較大，直方圖中二者的峰值靠近，基部交叉相連，閾值可設(shè)定的范圍窄，稍大或稍小就容易造成水體信息的漏提或過(guò)提，因此，閾值就較難設(shè)定.

以下通過(guò)實(shí)例進(jìn)一步說(shuō)明閾值問(wèn)題. 限于篇幅，選用比值型的MNDWI、 差值型的MBWI和AWEI中效果較好的AWEIsh指數(shù)為代表，以福州影像水體較多的閩江口為例，分別采用默認(rèn)閾值0、 人工確定的最佳閾值和介于二者之間的中間閾值進(jìn)行閾值穩(wěn)定性試驗(yàn)(圖4，圖中白色： 水體； 黑色： 非水體； 紅色圈： 渾濁水體區(qū)； 棕色圈： 晉安河； 括號(hào)內(nèi)為閾值)，以全色和多光譜波段融合生成的15 m影像作為參考影像，隨機(jī)選取300個(gè)點(diǎn)進(jìn)行精度驗(yàn)證(表4).

圖4 MNDWI、 MBWI和AWEIsh指數(shù)的水體提取二值影像Fig.4 Binary water images of MNDWI, MBWI, and AWEIsh

從提取結(jié)果來(lái)看，在最佳閾值的情況下，3種指數(shù)的提取精度都超過(guò)90%. 但比值型的MNDWI要好于差值型的MBWI和AWEIsh. 在默認(rèn)0閾值的情況下，MNDWI即可以達(dá)到94.33%的總精度，而后二者則都小于90%. 在3種指數(shù)中，MBWI的精度較低，主要是大量的水體被漏分，導(dǎo)致水體的用戶(hù)精度很低，特別是在0和中間閾值的情況下.

從閾值的變化來(lái)看(表4，圖5)，AWEIsh從0閾值到最佳閾值-0.18，總精度從87.67%提升到95%，相差7.33個(gè)百分點(diǎn)，可見(jiàn)該指數(shù)仍需設(shè)定最佳閾值，并不能通過(guò)0閾值獲得高精度. 從閾值的穩(wěn)定性來(lái)看，MNDWI最強(qiáng)，從0閾值到最佳閾值的跨度最小，只有-0.1，總精度變化也不大(94%～97%)； 而差值型的AWEIsh和MBWI閾值的跨度比MNDWI大近1倍(-0.18和-0.2)，精度變化也較大，分別為88%～95%和67%～92%. 閾值的穩(wěn)定性與前述的直方圖和光譜分離度(SDI)密切相關(guān)(圖3、 表3). Guo等[27]在美國(guó)Tampa灣的研究表明，MNDWI在不同閾值的變化范圍內(nèi)，精度幾乎不變，而AWEI的變化可達(dá)5個(gè)百分點(diǎn). Ji等[41]通過(guò)美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室(JPL)的高光譜數(shù)據(jù)、 約翰霍普斯金大學(xué)實(shí)驗(yàn)室的實(shí)測(cè)光譜數(shù)據(jù)和各種混合象元比例的嚴(yán)格驗(yàn)證，發(fā)現(xiàn)MNDWI指數(shù)的閾值最穩(wěn)定. Colditz等[6]對(duì)比了14種指數(shù)后發(fā)現(xiàn)，MNDWI的閾值最穩(wěn)定(-0.14±0.05)，水體提取精度對(duì)閾值的變化不敏感. Weekley等[42]對(duì)美國(guó)McConaughy湖水變化的研究表明，NDWI+MNDWI組合的閾值最穩(wěn)定，而AWEInsh和AWEIsh則表現(xiàn)不佳. Ogilvie等[43]在突尼斯半干旱地區(qū)對(duì)6種常用水體指數(shù)的比較證明MNDWI精度最高，其均方根誤差比Pekel等在同一地區(qū)的研究結(jié)果低134%，且閾值很穩(wěn)定，精度不會(huì)受到閾值變化和季節(jié)變化的明顯影響，這主要得益于該指數(shù)能夠鑒別濁水和區(qū)別水陸植被，而AWEInsh的表現(xiàn)則很不穩(wěn)定，閾值的變化可使精度從80%下降到40%[7].

表4 精度統(tǒng)計(jì)表Tab.4 Accuracy statistics

圖5 閾值變化與精度穩(wěn)定性對(duì)比Fig. 5 Comparison of accuracy stability with threshold changes

就OTSU閾值而言，本次福州影像獲得的MNDWI的OTSU閾值為0.03，大于實(shí)際最佳閾值(-0.1). 采用OTSU的0.03閾值進(jìn)行提取，造成了許多小水體的漏提，精度比最佳閾值下降了3.3個(gè)百分點(diǎn).

2) 細(xì)小水體. 由于中高分辨率影像(10～30 m)普遍存在混合像元，因此細(xì)小水體的識(shí)別是一個(gè)難題[44]. 圖6以福州晉安河系為例(位置見(jiàn)圖4棕色圈)，采用多種指數(shù)進(jìn)行試驗(yàn). 晉安河系位于福州市區(qū)中心，周邊高樓林立、 陰影多. 從圖6來(lái)看，在晉安河系能被基本完整提取出來(lái)的前提下，MNDWI的建筑噪音最少，其次為WI2019，而NDWI和在其基礎(chǔ)上建立的GNDWI因無(wú)法去除建筑噪音[45]而表現(xiàn)最差. AWEIsh雖為降低陰影而設(shè)置，但從結(jié)果來(lái)看，街道建筑陰影還是非常明顯.

圖6 細(xì)小水體提取對(duì)比圖Fig.6 Comparison of effects of water indices on the extraction of small rivers

3) 污染水體. 由于內(nèi)陸和近海水體大部分都有不同程度的污染，因此水體指數(shù)還必須能夠提取污染水體. 圖4表明，MBWI的提取效果較差，這主要在于該指數(shù)的構(gòu)建機(jī)理不準(zhǔn)確，忽略了懸浮泥沙含量高的渾濁水體導(dǎo)致的反射光譜紅移現(xiàn)象，因此誤將紅波段置于弱反射波段(減數(shù))(表1). 當(dāng)被減數(shù)(綠波段)小于減數(shù)(紅波段)時(shí)，就會(huì)造成渾濁水體的漏提. 閩江口水質(zhì)的渾濁度較高，水體在紅波段處的反射率高于綠波段(圖7)[46]. 雖然MBWI構(gòu)建時(shí)提升了綠波段的系數(shù)，但仍無(wú)法識(shí)別渾濁水體(特別是在0閾值和中間閾值的情況下)，因此圖4(d)～4(f)中閩江口有較多渾濁水體無(wú)法提取. 盡管可以降低閾值來(lái)提取渾濁水體，但這又會(huì)進(jìn)一步造成非水體信息被多提(圖6(d)). Ma等[47]將水、 土按不同比例混合為渾濁水，然后對(duì)多種指數(shù)進(jìn)行試驗(yàn)，結(jié)果證明MNDWI對(duì)渾濁水體的敏感性高，能夠識(shí)別含沙土比例達(dá)30%的水體.

圖7 閩江水質(zhì)光譜響應(yīng)曲線(xiàn)Fig.7 Spectral reflectance of the Minjiang River water

除了渾濁水體外，水體指數(shù)還應(yīng)能夠識(shí)別藻類(lèi)濃度高的有機(jī)污染水體. 因此，以太湖為例，采用2021-01-30的Landsat 8影像進(jìn)行試驗(yàn)(圖8). 從結(jié)果來(lái)看，比值型指數(shù)的提取效果都很好，差值型的則表現(xiàn)不一. 由于有機(jī)污染水體的光譜不出現(xiàn)紅波段大于綠波段的現(xiàn)象，因此，MBWI也獲得很好的提取效果. 但AWEIsh、 WI2015和SWI-m在太湖東南部都出現(xiàn)不同程度的漏提現(xiàn)象(棕色圈處).

4) 云和山體陰影一直是遙感影像分類(lèi)的難題，水體信息提取同樣也存在這一問(wèn)題，因此我們也為此進(jìn)行了對(duì)比. 圖9的福州影像中有較多的云及其陰影，從最佳閾值的提取效果來(lái)看，比值型指數(shù)都能較好地抑制云和陰影信息，而差值型指數(shù)基本無(wú)法消除云或陰影的信息，甚至專(zhuān)門(mén)為去除陰影而設(shè)置的AWEIsh也無(wú)法完全抑制云的陰影，其分離度很一般(表2). WI2015雖然有最大的云陰影分離度值，但與云的分離度值卻最小，因此可見(jiàn)大朵云存在(圖9(i)). 從指數(shù)的增強(qiáng)影像來(lái)看，比值型指數(shù)在未進(jìn)行閾值分割提取時(shí)，就可以較好地抑制云和陰影的信息(圖9(j))，而差值型則無(wú)法抑制云或陰影的信息，如MBWI在增強(qiáng)水的同時(shí)，也增強(qiáng)了云陰影(圖9(k))，而WI2015卻同時(shí)增強(qiáng)了云的信息(圖9(l)).

圖8 太湖水體提取對(duì)比Fig.8 Comparison of the performances of water indices in the water extraction of the Taihu Lake

圖9 水體指數(shù)去除云及其陰影的效果對(duì)比Fig.9 Comparison of the effects on removing cloud and its shadow between water indices

圖10以廣東省海豐縣2021-01-12的Landsat 8影像為例比較水體指數(shù)去除山體陰影的效果. 可以看出比值型指數(shù)的效果總體仍較好，差值型指數(shù)中，專(zhuān)門(mén)為去除陰影而設(shè)置的AWEIsh效果較好，WI2015次之，其他2個(gè)指數(shù)都無(wú)法去除陰影. 在Rad等的研究中，比值型指數(shù)的效果也要明顯好于差值型指數(shù), 差值型指數(shù)中甚至連AWEIsh指數(shù)也無(wú)法抑制山體陰影(見(jiàn)該文圖6)[31]. 比值型指數(shù)的優(yōu)勢(shì)在于其運(yùn)算時(shí)可以通過(guò)分子和分母的抵消作用來(lái)消除地形差異的影響，從而較好地抑制陰影信息[12].

圖10 水體指數(shù)去除山體陰影的效果對(duì)比(棕色圈： 陰影)Fig.10 Comparison of the effects on shadow removes in a mountainous area among water indices(blown circle: shadow)

5) 大氣校正. 表1中有少數(shù)未經(jīng)大氣校正，直接采用DN值計(jì)算的指數(shù). 這類(lèi)指數(shù)利用大氣增加的虛高值構(gòu)建指數(shù). 然而當(dāng)DN值通過(guò)大氣校正轉(zhuǎn)換成反射率時(shí)，它們的提取效果就會(huì)明顯降低[48]. 特別是Sentinel 2數(shù)據(jù)已經(jīng)不提供DN產(chǎn)品數(shù)據(jù)，Landsat在明年也不再提供一級(jí)產(chǎn)品數(shù)據(jù)，采用原始DN值構(gòu)建的指數(shù)的應(yīng)用將受到限制，因此指數(shù)的構(gòu)建還需建立在反射率數(shù)據(jù)的基礎(chǔ)上.

6) 重要性. 在遙感分類(lèi)中，水體指數(shù)經(jīng)常被作為輔助波段參與分類(lèi)，但對(duì)選擇哪種指數(shù)參與分類(lèi)的隨機(jī)性較大. 有少數(shù)研究者則先對(duì)水體指數(shù)進(jìn)行重要性評(píng)估，然后從中選取重要的指數(shù)參與分類(lèi). Tulbure等[49]采用隨機(jī)森林Gini指標(biāo)對(duì)多光譜波段和多種指數(shù)組成的15個(gè)指標(biāo)進(jìn)行重要性評(píng)價(jià)，結(jié)果表明比值型的MNDWI在Landsat 5和Landsat 7影像中的重要性都排名第一，NDWI分列2、 8位，差值型的AWEInsh分列3、 8位. 王一帆等[35]同樣采用Gini重要性指標(biāo)以3個(gè)不同地區(qū)的Landsat 8和Sentinel 2影像對(duì)包括水體指數(shù)在內(nèi)的9～13個(gè)指標(biāo)進(jìn)行分類(lèi)重要性評(píng)價(jià)，結(jié)果表明比值型MNDWI在3地的5張影像中重要性較穩(wěn)定，波動(dòng)在1～3名之間； 而差值型指數(shù)的重要性不穩(wěn)定，WI2015波動(dòng)在1～11名之間，AWEI指數(shù)波動(dòng)在2～9名之間.

4 水體指數(shù)的局限性

水體遙感指數(shù)大多采用具有中紅外波段的衛(wèi)星影像，這類(lèi)影像的分辨率通常大于10 m，所以混合像元明顯. 細(xì)小河流的像元中，水體的比例一般較低，不容易被識(shí)別，因此局部經(jīng)常會(huì)被漏提，造成斷流現(xiàn)象. 由于內(nèi)陸水體的渾濁度較高或常含有水生植物和藻類(lèi)，混合像元中水、 沙土、 藻類(lèi)會(huì)以各種比例混合存在，因此如何正確識(shí)別這類(lèi)水體也是水體指數(shù)面臨的挑戰(zhàn). Ogilvie等[7]和Ma等[47]的研究都表明了水體指數(shù)在識(shí)別渾濁水體和含藻類(lèi)等水生植物水體的局限性.

遙感水體指數(shù)仍無(wú)法有效抑制冰雪信息，在提取水體時(shí)，通常會(huì)混入冰雪信息，這在青藏高原一帶表現(xiàn)得尤為明顯. 主要原因是冰雪的本質(zhì)也是水，所以與水有著類(lèi)似的光譜反射和吸收特征. 抑制冰雪信息應(yīng)將成為今后水體指數(shù)要解決的一個(gè)重要問(wèn)題.

水體指數(shù)的應(yīng)用還受到影像波段的限制. 當(dāng)前，大部分高空間分辨率影像都只有可見(jiàn)光-近紅外4個(gè)波段，缺乏大部分指數(shù)計(jì)算所需的中紅外波段. 因此，適合4波段高分影像使用的有效水體指數(shù)仍很少，有待今后進(jìn)行針對(duì)性開(kāi)發(fā).

5 結(jié)語(yǔ)

水體遙感指數(shù)計(jì)算簡(jiǎn)單，不需要繁瑣的訓(xùn)練，通?？梢栽诙虝r(shí)間內(nèi)實(shí)現(xiàn)大區(qū)域水體信息的提取，因此是全球和大區(qū)域水體分布和面積估算不可或缺的關(guān)鍵技術(shù). 當(dāng)前水體指數(shù)的構(gòu)建有復(fù)雜化的趨向，但從效果來(lái)看，復(fù)雜的指數(shù)并不比簡(jiǎn)單的指數(shù)有效，水體遙感指數(shù)的有效性取決于準(zhǔn)確的構(gòu)建機(jī)理.

水體遙感指數(shù)基本可以分為比值型和差值型兩大類(lèi). 比值型指數(shù)通過(guò)比值運(yùn)算擴(kuò)大水體和非水體信息的區(qū)別，分離度較強(qiáng)，并能抵消地形的影響，因此可以較好地去除云和陰影的影響. 由于其變量通常不帶系數(shù)，因此又具有較強(qiáng)的普適性，在不同衛(wèi)星、 不同地區(qū)和不同環(huán)境中的水體提取效果也較穩(wěn)定. 差值型指數(shù)則多帶有經(jīng)驗(yàn)系數(shù)，因此在不同衛(wèi)星、 不同地區(qū)和不同環(huán)境中的表現(xiàn)不太穩(wěn)定.

水體指數(shù)離不開(kāi)閾值的選取，好的指數(shù)的閾值穩(wěn)定性強(qiáng)，閾值選取簡(jiǎn)單. 但從現(xiàn)有的指數(shù)來(lái)看，還鮮有經(jīng)第三方證明可以不需選取閾值就能高精度提取水體的指數(shù)，常用的OTSU方法獲得的最佳閾值已被許多研究證明并不可靠，因此不宜簡(jiǎn)單地基于OTSU獲取的閾值進(jìn)行水體信息提取和相關(guān)方法的對(duì)比.

致謝:本文采用的遙感影像均下載于Landsat官方網(wǎng)站(https://earthexplorer.usgs.gov/). 研究生段偉芳、 鄧文慧參與了部分文獻(xiàn)數(shù)據(jù)整理，在此謹(jǐn)表感謝.