利用Sentinel-2影像進(jìn)行洱海水體水域提取的指數(shù)方法分析研究

丘鳴語，甘淑，趙凌虎

(1.昆明理工大學(xué)國(guó)土資源工程學(xué)院，云南 昆明 650093；2.云南省高校高原山區(qū)空間信息測(cè)繪技術(shù)應(yīng)用工程研究中心，云南 昆明 650093)

1 引 言

水是自然界一切生命賴以生存的物質(zhì)，地表水是最活躍和最重要的地球資源之一，它的時(shí)空變化可以對(duì)自然系統(tǒng)和人類社會(huì)產(chǎn)生深遠(yuǎn)影響[1]。湖泊水體是當(dāng)前可供人類直接利用的最大水體類型，也是我國(guó)重要的淡水資源之一[2]。云貴高原湖泊區(qū)是我國(guó)的五大湖泊區(qū)之一，湖泊類型多樣，分布廣泛且區(qū)域內(nèi)部差異明顯，是我國(guó)重要的淡水資源儲(chǔ)存區(qū)域之一[2，3]。因此，對(duì)湖泊水體進(jìn)行準(zhǔn)確快速的監(jiān)測(cè)對(duì)于環(huán)境研究以及陸地生態(tài)系統(tǒng)的管理至關(guān)重要[2]。

近年來，遙感技術(shù)廣泛應(yīng)用于快速、實(shí)時(shí)獲取水資源的空間變化信息進(jìn)行水資源普查、監(jiān)測(cè)[2]。由于算法簡(jiǎn)單，自動(dòng)化程度高，水體提取常用水體指數(shù)法進(jìn)行[7]。在水體提取中應(yīng)用最為廣泛常用的水體指數(shù)方法有McFEETERS[8]利用TM影像在綠光波段和近紅外波段構(gòu)建的歸一化差異水體指數(shù)NDWI，它能夠很好抑制植被信息，同時(shí)削弱了土壤、建筑物和陰影的影響，突出水體信息。徐涵秋[9]發(fā)現(xiàn)短波紅外波段能夠比近紅外波段反映更多的水體特征，因此使用短波紅外波段替換近紅外波段，基于NDWI提出改進(jìn)的歸一化差異水體指數(shù)MNDWI，能夠較好地去除居民地和土壤等影響。近年來FEYISA[10]提出自動(dòng)水體提取指數(shù)AWEI，能夠抑制地形陰影和暗表面，實(shí)現(xiàn)多種水體快速提取。陳文倩[11]等基于GF-1提出了陰影水體指數(shù)SWI，能較好地區(qū)分水體和陰影，能削弱積雪和山體裸地的影響，適用于山區(qū)的水體提取。Fisher[12]等創(chuàng)建了新的水體指數(shù)WI2015，該指數(shù)用線性判別分析分類(LDAC)確定最佳分割訓(xùn)練區(qū)類別的系數(shù)，進(jìn)一步提高了分類精度。

當(dāng)前常用的遙感影像有空間分辨率較低的MODIS，中高空間分辨率的Landsat系列、SPOT系列，高空間分辨率的WorldView、GF系列等[13]；其中Sentinel-2可提供地球表面10 m～60 m空間分辨率的光學(xué)影像且數(shù)據(jù)免費(fèi)開源，目前Sentinel-2數(shù)據(jù)已被大量應(yīng)用于海岸、城市地表水體提取和水質(zhì)反演等領(lǐng)域[14]。云南高原湖泊所在地多地形地貌復(fù)雜，高山峽谷密布，地形起伏較大，周邊細(xì)小水體分布較廣，特殊且復(fù)雜的地形使得影像中常出現(xiàn)“同譜異物，同物異譜”的現(xiàn)象，導(dǎo)致水體提取精度較低。本研究將基于Sentinel-2數(shù)據(jù)，通過歸一化差異水體指數(shù)(NDWI)、改進(jìn)的歸一化差異水體指數(shù)(MNDWI)、陰影水體指數(shù)(SWI)、自動(dòng)水體提取指數(shù)(AWEIsh)和基于線性判別分析(WI2015)5種水體提取指數(shù)方法在實(shí)驗(yàn)區(qū)內(nèi)進(jìn)行水體提取，旨在檢驗(yàn)五種常用水體提取指數(shù)應(yīng)用于高原地區(qū)復(fù)雜環(huán)境進(jìn)行各類水體提取的精度[15～19]，以驗(yàn)證Sentinel-2用于實(shí)時(shí)監(jiān)測(cè)高原湖泊及高原細(xì)小水體空間分布情況的技術(shù)方法可行性，為今后動(dòng)態(tài)跟蹤高原地表水時(shí)空變化檢測(cè)提供技術(shù)試驗(yàn)支撐。以期建立高原地表水實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，促進(jìn)高原湖泊水資源的開發(fā)利用。

2 研究區(qū)概況、數(shù)據(jù)來源

2.1 研究區(qū)概況

研究區(qū)地處云南省大理白族自治州內(nèi)(25°32′N～26°1′N，99°59′E～100°33′E)，全區(qū)總占地面積為 3 083.02 km2。研究區(qū)地形復(fù)雜，區(qū)域內(nèi)地物多樣，包含高原湖泊、高山峽谷、城市、自然河流、人造輸水干渠和濕地等。實(shí)驗(yàn)區(qū)內(nèi)包含云南省第二大高原湖泊洱海，洱海湖的面積約為 251 km2，湖長(zhǎng) 42.5 km，湖岸線 129.14 km。本文選取研究區(qū)如圖1所示：

圖1 研究區(qū)Sentinel-2真彩色合成影像

2.2 數(shù)據(jù)來源

本文數(shù)據(jù)來源為歐空局于2015年6月發(fā)射的Sentinel-2多光譜衛(wèi)星，通過歐空局官網(wǎng)(https：//scihub.copernicus.eu/dhus/#/home)下載，Sentinel-2是高分辨率多光譜成像衛(wèi)星，攜帶一枚多光譜成像儀(MSI)，分為2A和2B兩顆衛(wèi)星，兩顆衛(wèi)星均搭載有高分辨率多光譜成像儀，雙星運(yùn)行的重訪周期5天。獲取的數(shù)據(jù)共13個(gè)波段，具體參數(shù)如表1所示。研究采用影像數(shù)據(jù)為2021年1月29日Sentinel-2A衛(wèi)星遙感影像(圖號(hào)T47RPJ)，數(shù)據(jù)為L(zhǎng)1C級(jí)別，云量小于5%，成像效果良好。

表1 Sentinel-2數(shù)據(jù)信息

3 研究方法

在本研究中，根據(jù)Sentinel-2衛(wèi)星數(shù)據(jù)的波段設(shè)置及各類地物的光譜特征，首先對(duì)Sentinel-2影像進(jìn)行大氣校正和裁剪等影像預(yù)處理，后分別利用NDWI、MNDWI、SWI、AWEI和WI2015共5種水體指數(shù)法進(jìn)行水體提取研究。通過目視解譯和精度評(píng)價(jià)的方式，對(duì)比并分析不同方法應(yīng)用于本研究區(qū)的優(yōu)勢(shì)與不足。

3.1 數(shù)據(jù)預(yù)處理

影像預(yù)處理包括輻射定標(biāo)、大氣校正、幾何校正與裁剪等。本實(shí)驗(yàn)采用L1C級(jí)別數(shù)據(jù)已經(jīng)過輻射定標(biāo)和幾何校正，使用SNAP軟件平臺(tái)的Sen2cor模型進(jìn)行場(chǎng)景分類去除云、大氣校正生產(chǎn)S2A級(jí)別數(shù)據(jù)，同時(shí)將空間分辨率為 20 m的11、12號(hào)波段重采樣至10 m。在ENVI5.3.1中，選取2、3、4、8波段及重采樣至 10 m的11、12號(hào)波段進(jìn)行波段融合，融合后圖像經(jīng)裁剪形成包含城市、山體、細(xì)小河流及湖泊的研究區(qū)影像。

3.2 水體指數(shù)法

(1)NDWI

Mcfeeters[8]在1996年提出的歸一化差分水體指數(shù)(NDWI)，其利用近紅外波段和綠波段，能很好地消除山體陰影、建筑等非水體信息，其公式為：

NDWI=(GREEN-NIR)/(GREEN+NIR)

(1)

其中GREEN為綠光波段，NIR為近紅外波段，分別對(duì)應(yīng)哨兵2號(hào)中的3、8波段。效果如圖2(a)所示。

(2)MNDWI

徐涵秋[9]于2005年在Mcfeeters提出的歸一化差異水體指數(shù)(NDWI)分析的基礎(chǔ)上，對(duì)構(gòu)成該指數(shù)的波長(zhǎng)組合進(jìn)行了修改，提出了改進(jìn)的歸一化差異水體指數(shù)(MNDWI)，公式為：

MNDWI=(GREEN-MIR)/(GREEN+MIR)

(2)

其中GREEN為綠光波段，MIR為中紅外波段，分別對(duì)應(yīng)哨兵2號(hào)中的3、12波段。效果如圖2(b)所示。

(3)SWI

陳文倩[11]等以國(guó)產(chǎn)GF-1遙感影像為數(shù)據(jù)源提出基于決策樹的陰影水體指數(shù)法SWI，此方法先選取NIR波段確定閾值，初步選取水體與陰影；再采用公式提取水體，其公式為：

(3)

其中BLUE為藍(lán)光波段，GREEN為綠光波段，NIR為近紅外波段，分別對(duì)應(yīng)哨兵2號(hào)中的2、3、8波段。效果如圖2(c)所示，決策樹如圖3所示。

圖2 5種方法提取的水體圖像

圖3 SWI法決策樹提取水體流程

(4)AWEI

Feyisa[10]等針對(duì)水體提取存在分類精度低等問題，基于Landsat TM影像提出AWEI，表達(dá)式為：

AWEInsh=4*(GREEN-SWIR11)-(0.25*NIR+2.75*SWIR12)

(4)

AWEIsh=BLUE+2.5*GREEN-1.5*(NIR+SWIR11)-0.25*SWIR12

(5)

其中BLUE為藍(lán)光波段，GREEN為綠光波段，NIR為近紅外波段，SWIR11、SWIR12為短波紅外波段，分別對(duì)應(yīng)哨兵2號(hào)中的2、3、8、11、12波段。其中AWEInsh適用于沒有陰影的場(chǎng)景，AWEIsh適用于陰影較多的場(chǎng)景，本研究實(shí)驗(yàn)區(qū)包含大量山體陰影，因此使用公式AWEIsh以進(jìn)一步提高水體提取精度。效果如圖2(d)所示。

(5)WI2015

Fisher[12]等基于2006年Danaher[20]提出的WI2006法，創(chuàng)建了新的水體指數(shù)WI2015，該指數(shù)較原有指數(shù)利用LDAC為確定最佳分割訓(xùn)練區(qū)類別的系數(shù)，進(jìn)一步提高了分類精度，表達(dá)式為：

WI2015=1.7204+171*GREEN+3*RED-70*NIR-45*SWIR11-71*SWIR12

(6)

其中GREEN為綠光波段，RED為紅光波段，NIR為近紅外波段，SWIR11、SWIR12為短波紅外波段，分別對(duì)應(yīng)哨兵2號(hào)中的3、4、8、11、12波段。效果如圖2(e)所示。

3.3 閾值分割

在ENVI5.3.1中利用波段計(jì)算器對(duì)預(yù)處理后影像分別進(jìn)行計(jì)算，得到灰度直方圖(圖2)。理論上，上述NDWI、MNDWI、AWEIsh、WI2015四種水體指數(shù)提取水體的分割閾值均為0，SWI法的分割閾值應(yīng)為1100[20]。但有研究表明，實(shí)際中仍需要根據(jù)影像中地物的光譜特征，對(duì)閾值進(jìn)行調(diào)整，以達(dá)到最優(yōu)的分割效果[22]。本研究中利用直方圖灰度值進(jìn)行反復(fù)的調(diào)整，盡量在保證大部分水體的完整提取同時(shí)減少其他地物的誤提取，保證最佳的分割效果進(jìn)行閾值分割。

3.4 精度評(píng)價(jià)

在選定最佳閾值后對(duì)圖像進(jìn)行類別合并和二值化處理(圖4)，將研究區(qū)內(nèi)地物分為水體、非水體2類。根據(jù)遙感影像進(jìn)行精度評(píng)價(jià)是驗(yàn)證地物信息有效性的直接方式，基于Geogle Earth高分辨率影像數(shù)據(jù)為參考進(jìn)行目視解譯，結(jié)合野外調(diào)查采樣，分別獲取水體和非水體樣本各 1 000個(gè)，樣本均勻分布于研究區(qū)內(nèi)。應(yīng)用ENVI5.3將樣本分別導(dǎo)入上述實(shí)驗(yàn)結(jié)果影像，通過建立混淆矩陣的方法計(jì)算出總體精度和Kappa系數(shù)，進(jìn)行精度評(píng)價(jià)分析。

4 結(jié)果分析

4.1 水體提取結(jié)果分析

對(duì)研究區(qū)水體信息提取結(jié)果及細(xì)節(jié)對(duì)比如圖4所示，選取區(qū)域A、B、C、D分別代表水陸邊界及淺水區(qū)、山區(qū)、山頂積雪、城市四類典型環(huán)境背景，綜合對(duì)比5種方法應(yīng)用于不同環(huán)境的效果可發(fā)現(xiàn)：

圖4 5種方法水體提取結(jié)果及細(xì)節(jié)對(duì)比

(1)采取NDWI方法提取水體，當(dāng)閾值為0.1時(shí)提取效果最好，此方法對(duì)山體陰影、山頂積雪的排除效果極好，但水體邊界水陸交界處判別存在一定誤差，淺水常被忽略判別為陸地，城市內(nèi)的白色屋頂偶爾被判別為水體，對(duì)于城市中的蓄水池、輸水干渠及山區(qū)內(nèi)的細(xì)小水體、河流難以判別。

(2)采取MNDWI方法提取水體，當(dāng)閾值為0.2時(shí)效果最好，較NDWI方法相比，此方法對(duì)近岸淺水區(qū)水體提取效果更好，對(duì)水陸邊界識(shí)別更加準(zhǔn)確，但對(duì)城市內(nèi)細(xì)小水體無法準(zhǔn)確識(shí)別，且會(huì)將山頂積雪、部分白色屋頂識(shí)別為水體，同時(shí)對(duì)于細(xì)小河流難以判別。

(3)采用SWI方法提取水體時(shí)，NIR單波段選取閾值為500，進(jìn)一步突出了水體，后選取閾值為0，此時(shí)對(duì)湖泊邊界、細(xì)小水體識(shí)別效果很好，但對(duì)白色屋頂和山頂積雪，偶爾會(huì)識(shí)別為水體。

(4)采用AWEIsh方法提取水體，當(dāng)閾值為0.5時(shí)效果最好，可準(zhǔn)確識(shí)別各類水體，但也會(huì)將陸地上的田地、白色建筑屋頂及山頂積雪錯(cuò)誤識(shí)別為水體。

(5)采用WI2015方法提取水體，當(dāng)閾值為0時(shí)效果最好，可準(zhǔn)確識(shí)別湖泊邊界及細(xì)小水體，但會(huì)將部分道路、積雪、白色屋頂識(shí)別為水體，還易將湖泊淺水部分判別為陸地。

綜合對(duì)比5種提取方法，在地處高原復(fù)雜地形進(jìn)行水體提取時(shí)，5種方法在進(jìn)行大面積湖泊提取時(shí)效果均較好；對(duì)于水陸邊界的識(shí)別，NDWI、SWI法可去除大量雜質(zhì)干擾效果最好，WI2015法次之，MNDWI、AWEIsh法效果較差，易將淺水區(qū)識(shí)別為陸地；對(duì)于城市中的細(xì)小水體進(jìn)行提取時(shí)，SWI、AWEIsh、WI2015法效果均較好，但AWEIsh、WI2015方法會(huì)將建筑物屋頂、道路等識(shí)別為水體，NDWI、MNDWI法難以確定細(xì)小水體邊界，且易漏提，對(duì)于城市中輸水干渠進(jìn)行提取時(shí)5種方法均難以提取；在進(jìn)行山區(qū)水體提取時(shí)SWI法效果最好，能準(zhǔn)確提取絕大多數(shù)水體，且不易發(fā)生誤識(shí)別，NDWI法效果次之，對(duì)于細(xì)小水體偶爾會(huì)發(fā)生漏提，AWEIsh、WI2015法效果較好，但常將山頂積雪識(shí)別為水體，MNDWI法效果過差，常出現(xiàn)水體漏提取和誤識(shí)別。

4.2 精度分析結(jié)果

表2為5種水體提取方法的精度驗(yàn)證結(jié)果，總體來看5種方法的總體分類精度均較高，總精度在75.4%以上，Kappa系數(shù)高于0.51。分別來看，SWI法的總體分類精度為93.2%，Kappa系數(shù)為0.86，表明了SWI法對(duì)水體信息提取的準(zhǔn)確率最高，NDWI法、WI2015法的總體分類精度次之；MNDWI與AWEIsh總體分類精度較差。5種方法對(duì)于非水體的識(shí)別效果均較好，較少存在誤識(shí)別的狀況；對(duì)于水體識(shí)別，AWEIsh法和MNDWI法效果較差。從5種水體指數(shù)的精度評(píng)價(jià)可看出，在復(fù)雜環(huán)境下進(jìn)行水體提取時(shí)，SWI法效果最佳，可實(shí)現(xiàn)水體信息的快速準(zhǔn)確提取。

表2 不同水體提取方法的分類精度評(píng)價(jià)

5 結(jié) 論

洱海實(shí)驗(yàn)區(qū)地形復(fù)雜，除高原湖泊外還包含散落分布于城市、山間的細(xì)小水體及河流，提取較難。針對(duì)該問題本研究采用Sentinel-2影像計(jì)算通過NDWI、MNDWI、SWI、AWEI、WI2015共5種水體指數(shù)，進(jìn)行水體提取。結(jié)果表明：

(1)Sentinel-2影像分辨率較高，在選取任意水體指數(shù)法(NDWI、MNDWI、SWI、AWEI、WI2015)進(jìn)行水體提取時(shí)均可獲得較好效果(OA：84.6%、75.4%、93.2%、78%、76.1%)。不同指數(shù)在不同環(huán)境背景下的提取效果差別較大，針對(duì)高原山區(qū)包含高山峽谷、湖泊河流、城市的復(fù)雜地形，SWI法提取效果最佳(OA：93.2%，Kappa：0.86)，NDWI法和WI2015法的效果次之，MNDWI法和AWEIsh法最差。

(2)對(duì)于大面積湖泊提取5種方法效果均較好，但對(duì)城市中的景觀河流和農(nóng)田中的輸水干渠，5種方法的提取效果均很差；SWI法、AWEIsh法、WI2015法對(duì)于城市、山區(qū)中的小型景觀水體及蓄水池等細(xì)小水體提取效果較好，但AWEIsh法、WI2015法在城市中常將白色屋頂誤判為水體，因而不適用于城市中水體提??；NDWI法和SWI法對(duì)山頂積雪的識(shí)別效果最好，可用于雪山附近的水體提取。

總之，針對(duì)地處高原復(fù)雜環(huán)境中的水體進(jìn)行提取時(shí)，5種水體指數(shù)均可快速且完整地提取出大面積水體，但對(duì)于細(xì)小水體的完整提取及白色屋頂、積雪的消除還需要進(jìn)一步研究。進(jìn)行水體提取時(shí)應(yīng)結(jié)合不同地物光譜特征，靈活選取閾值的同時(shí)嘗試構(gòu)造更適用于高原復(fù)雜環(huán)境下的新型水體指數(shù)，以進(jìn)一步優(yōu)化在高原區(qū)域進(jìn)行快速水體提取的效果，進(jìn)而能為地表水的動(dòng)態(tài)監(jiān)測(cè)提供參考。