传统的水体信息提取方法工作量大、成本高、人为因素影响大，卫星遥感对地观测具有宏观性、周期性、及时性、准确性等特点。快速、准确地从卫星遥感影像上获取水体信息，已成为水资源调查及监测、湿地保护、洪涝灾害监测与评估等领域的重要技术手段。

目前已有的水体提取方法主要包括单波段阈值法、水体指数法、监督分类等几种类型^[1]。其中，单波段阈值法主要利用水体与其他地物在近红外和中红外波段的差异来提取水体信息，这是最简单的水体提取方法，但提取精度不高且不能很好地提取细小水体^[2-4]。水体指数法是基于多波段谱间关系法^[5]，通过特征波段间的比值运算，增强水体与其他地物之间的反差度来识别水体信息。其中归一化差分水体指数(normalized difference water index，NDWI)^[6-8]是目前应用最多的一种水体指数。许多学者在NDWI的基础上提出了一些新的水体指数^[9-11]，改善了水体的提取效果。监督分类是通过人工选取一定数量的代表性样本，根据已知类别的样本信息，用统计学的方法对整幅影像进行分类的方法，包括最大似然法^[12]和支持向量机^[13]等。齐庆超等^[14]用光谱角匹配算法(spectral angle mapping，SAM)对黄河小浪底水库周边区域进行水体信息提取，该方法提取的结果受阴影的影响较小。为了进一步改善和提高水体的提取效果，基于SAM提出一种改进的光谱角匹配(modified spectral angle mapping，MSAM)的水体提取方法。

1 数据来源与研究区概况

本文采用GF-4卫星PMS传感器影像作为数据源。PMS多光谱影像包括全色、蓝、绿、红和近红外5个波段，空间分辨率为50 m^[15]。从内蒙古中东部和长江中下游选取两个试验区作为研究区域。从内蒙古中东部地区选取的试验区如图 1(a)所示，大小为1250×550像素，成像时间为2016年6月2日。该地区位于内蒙古自治区赤峰市克什克腾旗，主要包括达里诺尔湖和岗更诺尔湖两大水域，影像中还包括与水体易混淆的云阴影。从长江中下游地区选取的试验区如图 1(b)所示，大小为1100×1100像素，成像时间为2016年7月23日。该地区位于湖南省东北部的岳阳市，不仅包括东洞庭湖、南湖、易家湖等面积较大的湖泊，还包括长江以及一些小的河流，水体类型复杂。

影像的预处理包括几何校正和辐射校正。其中，几何校正通过GF-4卫星自带的有理函数模型实现。辐射校正包括辐射定标和大气校正，辐射定标从影像的XML头文件中读取定标系数完成；大气校正是通过大气校正软件ACTOR-3运用SRTM 90 m的DEM数据进行的。

2 改进的光谱角匹配法

为了更好地区分水体和其他地物(如云阴影)，本文对SAM方法进行改进，提出了MSAM算法，具体的水体提取流程如图 2所示。首先将每个像元光谱的n维向量X充为n+4维向量X^*

式中，PC₁、PC₂分别为PCA(principal component analysis)变换之后的第1、2个主成份；NDWI为归一化差分水体指数；NDVI为归一化差分植被指数。

由于向量X^*中x_n、PC₁、PC₂、NDWI与NDVI的量纲不同，因此需要对X^*进行归一化。归一化后得到

式中，x_n¹、PC₁¹、PC₂¹、NDWI¹和NDVI¹分别表示对x_n、PC₁、PC₂、NDWI和NDVI归一化以后的值。

最后应用式(3)求θ_{X^*1, Y^*1}，取值范围为[0, π/2]，通过设定合适的阈值提取水体。

式中，θ_X^*1，Y^*1表示向量X^*1、Y^*1之间的夹角。

3 试验结果对比分析与精度评价

为了作为对比，同时运用了单波段阈值法、NDWI阈值法、支持向量机(support vector machine，SVM)和SAM对内蒙古中东部和长江中下游两个试验区进行了水体提取。下面从目视解译、细节对比和精度评价3方面对这5种方法的提取结果进行评价。

3.1 目视解译

图 3和图 4分别为内蒙古中东部试验区和长江中下游试验区的5种方法水体提取结果图，其中灰色表示水体，黑色表示非水体。

通过目视解译从图 3中可以看出：单波段阈值法、SVM和SAM可以完整地提取出水体信息，但同时也提取了一些云阴影，存在误提现象；NDWI阈值法的提取效果最差，不仅存在误提现象，误提包括大量的云阴影、云的边界与盐碱地等，而且存在漏提，在水域中间出现了“椒盐”图斑的现象，提取的水体不完整。本文提出的MSAM方法在原来5个波段的光谱信息基础上增加了更多的特征类型，增大了水体与其他地物，尤其是容易与水体混淆地物的差异，不仅可以提取出水体的主要轮廓，不会出现水域中间“椒盐”图斑的现象，而且可以去除云阴影，效果要优于其他方法。

从图 4中可以看出：单波段阈值法和NDWI阈值法都存在很多漏提现象，尤其对细小水体的漏提现象严重；SVM虽然能提取出完整的水体轮廓，包括细小水体，但提取结果中会出现很多斑点，存在大量的误提现象；SAM方法也存在一定的漏提现象，对细小水体的提取能力较差。本文提出的MSAM方法可以很完整地提取出水体的主要轮廓，虽然在提取小水体方面较SVM差，但优于其他方法，同时不会出现大量的误提现象。因此从总体效果看，MSAM方法效果最优。

3.2 细节对比

5种方法提取结果的差异主要是在云阴影和细小水体处，水体提取细节见表 1。从表 1中可以看出：

(1) 在云阴影的处理方面：MSAM方法的提取效果最好，能够很好地剔除云阴影的影响；而NDWI阈值法提取效果最差，甚至很难区分大量的云；单波段阈值法、SVM和SAM也都存在少量的云阴影无法区分。

(2) 在细小水体的提取方面：SVM提取效果最好，但是SVM会存在严重的误提现象，尤其是对城区建筑的误提；MASM方法提取效果次之，能够提取出大部分的细小水体；SAM方法可以提出部分细小水体，但效果比SVM和MSAM都差；单波段阈值法和NDWI阈值法几乎不能提取细小水体。

因此MSAM方法在提取水体信息时，可以很好地排除云阴影的影响，同时对细小水体有一定的提取能力。

3.3 精度评价

本文以人工解译的水体信息作为真值对内蒙古中东部和长江中下游两个试验区的5种方法水体提取结果进行漏提率、误提率和提取精度的统计^[15]。由于内蒙古中东试验区水体分布简单，因此对整个区域进行精度评价，而长江中下游试验区的水体类型较多且分布较复杂，因此将从中选取一个代表性的区域进行精度评价，所选区域如图 5所示。表 2为两个试验区的精度统计表，可以看出在提取精度方面：MASM方法在两个试验区的水体提取精度都是最高的，精度分别为99.86%与98.37%，在内蒙古中东部试验区比其他方法高出0.18%以上，在长江中下游试验区比其他方法高出2.07%以上；而且在误提率上，MSAM方法也是最低的，分别为0.06%和0.19%。因此MSAM方法能够很好地提取GF-4遥感影像的水体信息。

4 结语

本文利用提出的MSAM方法对内蒙古中东部和长江中下游的两个试验区进行了水体提取。试验结果表明与单波段阈值法、NDWI阈值法、SVM和SAM相比，MSAM方法水体提取精度最高，并且能很好地区分云阴影，对细小水体也有一定的提取能力，总体效果优于其他方法，可以用来提取GF-4遥感影像的水体，为洪涝灾害监测提供技术支持。后续工作的重点将会放在如何利用高时相特点进行GF-4遥感影像的水体信息提取，为洪涝灾害的动态变化、实时监测提供更有力的技术支持。

致谢: 此次所用的GF-4遥感影像由民政部卫星减灾应用中心提供，在此表示由衷的感谢！