復(fù)雜背景下水體提取方法適用性研究

高廣旭 武永斌 盧小平 周俊利

(1. 河南理工大學(xué) 礦山空間信息技術(shù)自然資源部重點(diǎn)實(shí)驗(yàn)室, 河南 焦作454003;2. 河南省遙感測(cè)繪院, 河南 鄭州450003)

0 引言

水是重要的自然資源,準(zhǔn)確獲取水體分布對(duì)國(guó)家資源管理和規(guī)劃發(fā)展有重要意義[1]。水利設(shè)施作為一項(xiàng)重大工程,其空間分布和覆蓋范圍能直接影響庫(kù)區(qū)周圍生態(tài)環(huán)境和城市水環(huán)境。傳統(tǒng)的水體提取以人工勾畫邊界為主,隨著遙感數(shù)據(jù)的出現(xiàn),其獨(dú)特優(yōu)勢(shì)成為近年來水體提取的主要數(shù)據(jù)源,目前常用的遙感數(shù)據(jù)有Sentinel系列、Landsat系列和國(guó)產(chǎn)高分系列等。

目前水體提取研究由大范圍水體提取轉(zhuǎn)向小面積水體研究、由單一均勻背景轉(zhuǎn)為復(fù)雜環(huán)境背景、由人工判定閾值到基于深度學(xué)習(xí)等算法的閾值自動(dòng)識(shí)別。用于水體提取的遙感手段有很多,基于光學(xué)影像的方法主要分為4類：①基于光譜特性的提取方法,比如單波段法[2]、多波段譜間關(guān)系法[3]和水體指數(shù)法[4-9]。其中，水體指數(shù)因其形式簡(jiǎn)單和易使用的特點(diǎn)得到廣泛應(yīng)用。王小標(biāo)等[10]結(jié)合低反射率地表,構(gòu)建多波段水體指數(shù)(multi-band water index,MBWI),并與其他水體指數(shù)方法進(jìn)行對(duì)比,表明新指數(shù)在復(fù)雜環(huán)境下水體提取精度有一定的提高;聶欣然等[11]提出的經(jīng)驗(yàn)性歸一化差異水體指數(shù)(empirical normalized difference water index, ENDWI),對(duì)建筑物和道路錯(cuò)誤的精度提取有一定改善;屈慧慧等[12]結(jié)合改進(jìn)的歸一化差異水體指數(shù)(modified normalized difference water index,MNDWI)水體指數(shù)的提取優(yōu)勢(shì),提出MNDWI+水體追蹤識(shí)別方法,對(duì)湖區(qū)水體的提取精度可達(dá)97.5%;②基于紋理特征的提取方法,黃春龍等[13]利用影像灰度變化及紋理特征識(shí)別出無法通過波譜特征提取的信息,實(shí)現(xiàn)水系信息的自動(dòng)提取;③基于分類的方法,李宇宸[14]提取云南千湖山細(xì)小冰湖,證明面向?qū)ο蠓椒苡行蕹襟w陰影,提取效果更好;④其他方法,陳前等[15]基于深度學(xué)習(xí)方法開展水體提取對(duì)比研究,卷積神經(jīng)網(wǎng)絡(luò)的提取精度高且適用性更好。

綜上所述,本文以南灣水庫(kù)為研究區(qū),利用哨兵數(shù)據(jù),基于各水體提取方法展開實(shí)驗(yàn)研究,通過對(duì)比水體提取效果,優(yōu)選出最適宜的方法,為復(fù)雜背景下水體提取研究提供參考。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

南灣水庫(kù)作為一項(xiàng)大型水利工程,流域面積達(dá)1 100 km2,是信陽(yáng)市區(qū)的重要水源。該區(qū)域具有復(fù)雜的氣候環(huán)境,旱澇災(zāi)害頻發(fā)。水庫(kù)空間分布呈南北走向,形狀類似樹葉狀,灣汊眾多,因地勢(shì)和人為開挖水田使水陸邊界復(fù)雜曲折,周邊有山體、水田和茂盛植被覆蓋,利于水體提取方法的適用性研究。

1.2 數(shù)據(jù)來源及預(yù)處理

本研究采用Sentinel-2影像,獲取時(shí)間為2021年3月28日。Sentinel-2是高分辨率多光譜成像衛(wèi)星,雙星飛行使重訪周期縮短至5 d,有13個(gè)光譜波段,空間分辨率分別為10 m、20 m和60 m,本文以可見光波段、近紅外波段和短波紅外波段作為實(shí)驗(yàn)波段,表1為采用的Sentinel-2影像波段信息。

表1 Sentinel-2波段信息

2 提取原理及方法

河流湖泊一般不是純水,多由透射入水的光與水中葉綠素、泥沙、水深等相互作用的結(jié)果,因此水體一般在遙感影像上呈現(xiàn)為綠色[16]。水體在藍(lán)綠光波段對(duì)電磁波具有較強(qiáng)的反射率,在近紅外波段的吸收率很高,而植被和土壤的電磁波吸收相對(duì)較小,反射率高于水體,因此在遙感手段中常用近紅外波段構(gòu)建水體提取模型。

2.1 單波段方法

單波段方法通常選擇水體特征顯著而其他地物相對(duì)不突出的波段作為水體提取特征波段。查看各波段水陸交界處的地表反射率,密度分割后目視選擇并調(diào)整最佳的分割閾值,發(fā)現(xiàn)在NIR波段水體反射率較低,與其他地物的反射率有顯著差異,將NIR波段作為單波段方法中的特征波段。

2.2 多波段譜間關(guān)系法

多波段譜間關(guān)系法綜合多個(gè)波段信息來更精確地區(qū)分水體和非水體,通過分析統(tǒng)計(jì)直方圖確定最佳閾值。在汪金花[4]的研究中,利用Landsat TM影像采用式(1)進(jìn)行水體提取,證明了多波段譜間關(guān)系法提取水體效果總體較好,因此本文使用此表達(dá)式開展試驗(yàn)

(1)

式中，Green、Red、NIR、SWIR1分別對(duì)應(yīng)Sentinel-2影像的綠光波段、紅光波段、近紅外波段和短波紅外波段。

2.3 水體指數(shù)法

水體指數(shù)法是通過構(gòu)建反射率相差大的波段間比值運(yùn)算式,增強(qiáng)水體灰度值,來抑制非水體地物亮度值。常見的有歸一化差異水體指數(shù)(normalized difference water index,NDWI)[5]、MNDWI[6]等,考慮研究區(qū)內(nèi)有高層建筑、眾多水田、茂盛的森林植被和山體等,選擇以下6種水體指數(shù)模型：已有研究表明，NDWI能抑制植被信息,從而突出水體;MNDWI能有效抑制建筑物亮度,增大亮度反差來降低混淆程度;增強(qiáng)型水體指數(shù)(enhanced water index , EWI)可對(duì)植被、土壤、建成區(qū)進(jìn)行較好的反射抑制;歸一化差值池指數(shù)(Normalized difference pool index,NDPI)不僅可提取小型池塘和低于0.01 hm2的水體,還可區(qū)分水體與周圍環(huán)境的植被信息;而自動(dòng)水體提取指數(shù)(automated water extraction index,AWEIsh)適用于陰影區(qū)域的水體提取;陰影水體指數(shù)(shadow water index , SWI)能較好地區(qū)分水體和陰影,適用于山區(qū)水體提取。各水體指數(shù)如表2所示。

表2 水體指數(shù)模型

2.4 監(jiān)督分類法

監(jiān)督分類方法常通過人工勾選基于影像的樣本或?qū)嵉夭蓸?經(jīng)分析樣本點(diǎn)光譜信息,利用分類方法對(duì)影像進(jìn)行分類。本文采用隨機(jī)森林算法,該算法實(shí)現(xiàn)簡(jiǎn)單,不容易陷入過擬合,目前被公認(rèn)為一種穩(wěn)定性好、精度高的機(jī)器學(xué)習(xí)方法。本實(shí)驗(yàn)參數(shù)采用ENVI 5.3軟件隨機(jī)森林算法默認(rèn)值,對(duì)水體、建筑、植被和陰影進(jìn)行采樣,分類后輸出水體作為最終結(jié)果。

3 結(jié)果與分析

3.1 水體指數(shù)圖像

水體指數(shù)圖像反映水體和其他地物的亮度對(duì)比程度。由實(shí)驗(yàn)結(jié)果可知,除SWI外,其余5種指數(shù)均有較好的亮度反差：EWI圖像上水陸差異最為強(qiáng)烈,研究區(qū)內(nèi)的細(xì)小河流和小面積水田均得到體現(xiàn),其他地物亮度得到有效抑制;MNDWI、NDPI、AWEIsh圖像反差程度次之;NDWI圖像反差程度較好,但水庫(kù)灣汊處水陸邊界不明顯;SWI圖像水陸邊界反差較好,但城鎮(zhèn)亮度與水體相似程度高。其中，以EWI、MNDWI和SWI水體指數(shù)圖像為例,如圖1所示。

(a)EWI (b)MNDWI (c)SWI

3.2 水體指數(shù)提取結(jié)果

為突出南灣水庫(kù)主體的提取效果,以水庫(kù)為中心,選擇覆蓋水庫(kù)的矩形邊界作為研究范圍,通過疊加分析剔除6種指數(shù)同時(shí)提取到的水田,保留誤提區(qū),該范圍內(nèi)地物豐富度與整個(gè)浉河區(qū)相似。分析提取結(jié)果可知,各指數(shù)對(duì)南灣水庫(kù)提取的總體范圍相似,但誤提和漏提區(qū)域略有差異：NDWI提取范圍小,部分深色水體未識(shí)別,少量誤提區(qū)域集中在右上角城鎮(zhèn)范圍,水體連續(xù)性較差;MNDWI提取結(jié)果最好,水體保持有很好的連續(xù)性,但城鎮(zhèn)內(nèi)少量高層建筑被誤提;EWI提取范圍接近MNDWI,但連續(xù)性略差;NDPI提取范圍略大,灣汊周圍的部分陸地和山體植被被誤提;AWEIsh提取范圍也接近MNDWI,水體完整性和連續(xù)性較好,但城鎮(zhèn)區(qū)誤提較多;SWI城鎮(zhèn)區(qū)誤提最多。綜合水體指數(shù)提取效果來看,以MNDWI提取結(jié)果最優(yōu),SWI提取結(jié)果最差。同樣以EWI、MNDWI、SWI提取結(jié)果為例,如圖2所示。

(a)EWI (b)MNDWI (c)SWI

3.3 方法間提取效果對(duì)比

單波段方法、多波段譜間關(guān)系法和隨機(jī)森林算法的水體提取結(jié)果如圖3所示。單波段閾值方法提取結(jié)果接近真實(shí)范圍,但水體像元完整性較差,少量深色水體有漏提,城鎮(zhèn)區(qū)域出現(xiàn)部分誤提像元;在多波段譜間關(guān)系法提取結(jié)果中存在大量漏提,無城鎮(zhèn)誤提現(xiàn)象;而隨機(jī)森林算法提取結(jié)果中不存在高反射率建筑及其陰影的誤提,但整體提取面積略小于真實(shí)面積。

(a)單波段方法 (b)多波段譜間關(guān)系法 (c)隨機(jī)森林算法

3.4 水體提取方法誤差分析

結(jié)合GF-2和Sentinel 2影像對(duì)漏提和誤提區(qū)域進(jìn)行分析。水體漏提集中在水庫(kù)邊緣,該位置水體顏色呈現(xiàn)黑色;城鎮(zhèn)區(qū)誤提主要集中在高反射率的建筑群及水泥道路;山體陰影處也存在誤提現(xiàn)象。

單波段方法誤提區(qū)域集中在高層建筑陰影處,雖然水體在NIR波段的獨(dú)特光譜特性使該方法提取效果較好,但異物同譜現(xiàn)象使得依靠單一波段信息來確定水體范圍的精度降低;多波段譜間關(guān)系法存在大量水體漏提現(xiàn)象,雖獲取更多波段信息來區(qū)分水體和非水體,但關(guān)系表達(dá)式和閾值需根據(jù)數(shù)據(jù)類型及研究區(qū)實(shí)際情況確定;水體指數(shù)法均存在不同程度誤提和漏提現(xiàn)象,該方法對(duì)單一均勻區(qū)域水體提取簡(jiǎn)單且精度較高,但通常水體指數(shù)的構(gòu)建考慮陰影、高反射率建筑等單一因素,在復(fù)雜的研究區(qū)背景下,指數(shù)形式和分割閾值的選擇難以確定;隨機(jī)森林算法表現(xiàn)在水庫(kù)邊緣處水體的漏提,而提取精度取決于樣本豐富度及樣本量,可增加易于區(qū)分水體的特征或指數(shù)參與隨機(jī)森林算法的計(jì)算。

4 精度分析

將各方法提取結(jié)果與高分影像進(jìn)行對(duì)比,最終以MNDWI準(zhǔn)確提取結(jié)果作為標(biāo)準(zhǔn)結(jié)果,統(tǒng)計(jì)水體像元面積,若提取面積小于標(biāo)準(zhǔn)面積,則差值記為漏提面積;若提取面積大于標(biāo)準(zhǔn)面積,則差值與植被和城鎮(zhèn)誤提的面積共記為錯(cuò)提面積。

考慮到隨機(jī)森林算法提取優(yōu)勢(shì),增加補(bǔ)充實(shí)驗(yàn)：基于影像計(jì)算NDBI來減少建筑物對(duì)提取結(jié)果的影響,并與MNDWI和原始Sentinel影像的12個(gè)波段結(jié)合,共同參與隨機(jī)森林算法的計(jì)算,統(tǒng)計(jì)結(jié)果如表3所示。就總體提取范圍和精度而言,MNDWI水體指數(shù)方法以及結(jié)合NDBI和MNDWI的隨機(jī)森林算法提取效果最佳,單波段方法次之,多波段譜間關(guān)系法提取效果最差。

表3 各方法提取面積及提取差異 單位:km2

5 結(jié)束語

本研究以Sentinel2影像為數(shù)據(jù)源,提取南灣水庫(kù)水體面積,研究常規(guī)提取方法對(duì)復(fù)雜水環(huán)境的適用性,最終選用MNDWI水體指數(shù)方法和結(jié)合兩種指數(shù)的隨機(jī)森林算法作為最佳方法,分析幾種方法的提取效果,整體而言對(duì)水庫(kù)面積的提取結(jié)果都較為可靠,但提取精度仍需進(jìn)一步改進(jìn)。由于研究區(qū)環(huán)境復(fù)雜,高層建筑、建筑陰影和水庫(kù)邊緣處水體對(duì)水體提取結(jié)果造成不同程度的影響。在今后的研究中,可疊加高精度DEM數(shù)據(jù)或計(jì)算各地物紋理特征來減少陰影對(duì)提取結(jié)果的影響;同時(shí)針對(duì)分割閾值問題可考慮深度學(xué)習(xí)等方法解決人工選擇的不確定性;在水體邊緣出現(xiàn)的漏提取現(xiàn)象,可嘗試面向?qū)ο蠓指罘椒?提取水體邊界來減少水體漏提面積。