出版日期: 2018-03-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20186463
2018 | Volumn22 | Number 2
上一篇  |  下一篇
遥感应用 
水体指数构建及其在复杂环境下有效性研究
expand article info 王小标 , 谢顺平 , 都金康
1. 南京大学 地理与海洋科学学院，南京 210023
2. 江苏省地理信息技术重点实验室 南京大学，南京 210023
3. 中国南海研究协同创新中心 南京大学，南京 210093
收稿日期: 2016-12-19
基金项目: 国家自然科学基金(编号：41371044)
第一作者简介: 王小标(1991—　)，男，硕士研究生，研究方向为地理信息系统和遥感应用。E-mail：ndwxb@sina.com
通讯作者简介: 谢顺平(1957—　)，男，教授级高级工程师，研究方向为地理信息系统理论与应用、空间分析模型与智能空间优化、水文过程计算机模拟。E-mail：xiesp@nju.edu.cn
中图分类号: TP701
文献标识码: A

摘要

针对复杂环境下水体提取精度易受到低反射率地表影响的问题，本文以秦淮河流域为实验区，选用2015年10月12日ETM+影像，在水体、低反射率地表和其他地表纯净像元平均反射率基础上构建Multi-Band Water Index (MBWI)。搜集1985年—2016年已有的12种水体指数，选取南京、南宁和烟台地区3景影像中不同地表环境的6个测试点，采用基于K均值聚类的水体指数法提取水体后分析水体指数在复杂环境下的有效性。结果表明，MBWI以平均总体精度、Kappa系数、错分和漏提误差分别为98.62%、0.95、3.46%和3.74%，总体上较其他水体指数具有一定的优势；实验发现TCW(Tasseled Cap Wetness index)不能有效地消除山体阴影，TCW和AWEInsh(Automated Water Extraction Index with no shadow)误将白色高反射率建筑噪声分为水体，水体提取结果中均有低反射率非水体信息存在；水体在可见光而非水体在红外反射率较高，基于二者的差异及从绿到红外波段水体似呈递减现象构建的MBWI能有效的抑制低反射率噪声，对水文水资源的研究与应用具有一定的实际价值。

关键词

秦淮河流域, 多波段水体指数, K均值聚类法, 精度分析

Water index formulation and its effectiveness research on the complicated surface water surroundings
expand article info WANG Xiaobiao , XIE Shunping , DU Jinkang
1.School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China
2.Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210023, China
3.Collaborative Innovation Center of South China Studies, Nanjing University, Nanjing 210093, China

Abstract

Surface water includes irreplaceable and nonrenewable resources for terrestrial life. However, the rapid urbanization is causing diverse changes in size, amount, and quality of surface water. Accurately extracting surface water from remote sensing images is important for water environmental conservation and water resource management. This study aims to formulate a Multi-Band Water Index (MBWI) that consistently improves surface water extraction accuracy in the presence of various environmental noises. A new MBWI is designed to improve the accuracy of surface water extraction by increasing spectral separability between water and non-water surfaces. The method uses the average reflectance of the pure pixel of the seven land cover types, namely, surface water, forest, mountainous shadow, high-reflectance building, low-reflectance building, farmland, and bare soil, obtained from a Landsat 7 image of the Qinhuai River basin acquired on October 12, 2015. In general, the common threshold method is a popular approach to obtaining the results of surface water extraction from remote sensing imagery. However, determining the optimal threshold is an iterative, complicated, and challenging process. The K-means clustering method is applied to automatically extract surface water to avoid the artificial errors in determining the optimum threshold from the MBWI map. Surface water mapping outputs derived from water index methods that are based on K-means cluster are used to analyze the extraction accuracy of water indexes under complicated land cover types. To validate the availability of MBWI, twelve existing water indexes are collected from 1985 to 2016 as the comparable methods of surface water extraction. Furthermore, six test sites with various impact aspects for extracting surface water, e.g., mountainous shadows, high building shadows, and dark built-up areas that are usually sources of surface water extraction errors, are selected from three images (one Landsat 7 image and two Landsat 8 images) from Nanjing, Nanning, and Yantai. Compared with the existing water indexes, our proposed MBWI yields acceptable surface water mapping outputs. The assessment factors, namely, average overall accuracy (98.62%), Kappa coefficients (0.95), commission errors (3.46%), and omission errors (3.74%), are better than those of the existing surface water extraction methods. Results show that certain water indexes are weak in identifying surface water from land cover types. The Tasseled Cap Wetness (TCW) index is not effective in eliminating mountainous shadows. TCW and Automated Water Extraction Index with no shadow (AWEInsh) inaccurately identify white high-reflectance building noises with surface water. The accuracy of surface water extraction is usually constrained by land cover types that display similar reflectance to surface water. Therefore, low-reflectance non-water surfaces exist more or less in surface water mapping outputs. The maximum reflectance of surface water is presented in visible light bands, whereas that of the non-water surfaces is in infrared bands. Moreover, surface water reveals similarly decreasing trends from green to infrared bands. A new water index, named MBWI, is formulated according to the band difference of water and non-water surfaces. This difference has important practical significance for water resource studies and applications.

Key words

Qinhuai River Basin, multi-band water index, K-means cluster, accuracy analysis

1 引　言

水体是自然界重要的地表覆盖类型，在电磁波谱上的反映特征是遥感水体提取的基础(谭衢霖 等，2006)。国内外研究广泛从遥感影像上获取水体信息，而所采用的传感器及数据也较为多样，如Landsat卫星TM、ETM+及OLI数据(刘桂林 等，2013；高泽润，2012；张哲和刘云鹤，2011)，Terra与Aqua卫星MODIS数据(张浩彬 等，2015)及国内的GF-1卫星高分数据(陈文倩 等，2015)等。水体提取方法已经十分成熟，主要分为以下4类：(1)基于光谱特性的提取方法，如单波段阈值法、多波段光谱间关系法和水体指数法等。其中水体指数法应用十分广泛，已经取得许多研究成果(Fisher 等，2016；Feyisa 等，2014；姜浩 等，2014；肖艳芳 等，2010；杨树文 等，2010；丁凤，2009；曹荣龙 等，2008；闫霈 等，2007；Danaher和Collett，2006；Xu，2006；杨存建和徐美，1998；McFeeters，1996；Crist，1985)；(2)基于影像纹理特征的提取方法，将地统计学方法运用于纹理分析，采用变差函数来描述影像纹理特征的方式提取水体(李小涛 等，2010)。利用遥感数据的灰度变化及空间纹理特征提取水系(黄春龙，2009)；(3)基于面向对象的提取方法，利用面向对象方法提取了高海拔区水体及冰川信息(张继平 等，2010)。从遥感信息机理出发，构造地物提取模型并利用面向对象的方法自动提取水体信息(杜云艳和周成虎，1998)；(4)其他常用方法如下，利用监督分类方法来提取地物要素(韩龙飞 等，2013)，数学形态学的方法提取水系(李辉 等，2011)，改进的模糊聚类方法提取全球范围内不同地区的水体(Yang 等，2015)。基于Landsat 8 OLI的全色波段数据采用Gabor滤波和形态学中Path Opening方法成功的提取位于北极地区育空河流域和格陵兰冰盖的水系(Yang 等，2015)。

水体指数因其形式简单和易于使用的特点而被广泛运用于提取遥感影像中的水体，然而基于光谱特性和不同方法构建的水体指数在复杂环境下的有效性需要实践的检验。在提取武汉和宜昌地区水体时，实验发现NDWI(Normalized Difference Water Index)不能有效抑制建城区建筑噪声和山地区的山体阴影(毕海芸 等，2012)。在验证MNDWI(Modification Normalized Difference Water Index)有效性时，实验发现建筑物的水体指数呈较小的正值(Xu，2006)。在验证AWEIsh(Automated Water Extraction Index with shadow)有效性时，实验发现城建区一些具有高反射率的地表可能被错提为水体(Feyisa 等，2014)。造成上述分类错误原因可能有以下几方面：一是设计指数时未考虑低反射率地表信息；二是两个波段蕴含的地物反射信息相当有限；三是考虑了低反射率地表信息，但指数在增大水体与低反射率地物差异时改变了其他地物与水体之间的可分离度引起错提现象。

本文从复杂地表环境入手，寻求一种有效、稳健的水体提取方法为目标。基于水体指数的特性和水体与低反射地表反射能力的差异，以秦淮河流域各地类多波段上的平均光谱反射率数据为基础，在增大水体与非水体之间可区分度的原则下构建MBWI。在已经取得研究成果的基础上，选取不同地表覆盖类型的试验区对比分析水体指数在复杂环境下的有效性。

2 数据及预处理

2.1 数据

选取南京、南宁和烟台地区获取时间分别为2015年10月12日，2014年1月21日和2016年3月21日；Path/Row分别为120/38，125/44和119/34；云含量分别为0.00%的Landsat 7影像，5.36%和0.16%的Landsat 8影像。数据来源于地理空间数据云网站和USGS网站。选出无云地区不同地表环境的6个测试点，包括建筑群阴影、山体阴影、低反射率建筑和裸土噪声，其在影像中的位置如图1所示，其中Site1和Site2位于南京地区，Site3和Site4位于南宁地区，Site5和Site6位于烟台地区。


图 1 测试点在影像中的位置图
Fig. 1 Location of test sites in Landsat images

2.2 预处理

辐射校正包括星上辐射亮度校正(如式(1))和大气顶层反射率校正(如式(2))。

${L_i} = \frac{{{L_{\max }} - {L_{\min }}}}{{{{{DN}}_{\max }} - {{{DN}}_{\min }}}}\left( {{{{DN}}_i} - {{{DN}}_{\min }}} \right) + {L_{\min }}$ (1)

式中，DNmax和DNmin表示第i波段DN值的最大、最小值，Lmax为探测器可探测到的最大辐射亮度，即最大灰度值所对应的辐射亮度，Lmin与Lmax相反。

$\rho = \frac{{{\text{π}} \cdot {L_i} \cdot {d^2}}}{{{E_0} \cdot \cos \theta }}$ (2)

式中，ρ表示地表相对反射率，Li为星上辐射亮度，d为日地距离，E0大气顶层的太阳平均光谱辐射，即大气顶层太阳辐照度，θ为太阳天顶角。

大气校正采用FLAASH(Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes)模型，要求输入辐射校正后的辐射亮度数据，输出地表反射率数据。

3 水体提取方法

3.1 构建多波段水体指数

选用2015年10月12日秦淮河流域Landsat 7 ETM+影像，从6个反射率波段中获得7种主要土地覆盖类型的纯净像元反射率。从中发现水体提取的主要影响因素，寻找出一种有效的水体提取方法。流域位于江苏省的西南部，主要覆盖类型为水体、林地、农田、山体阴影、低反射率建筑、高反射率建筑和裸土(旱、荒地)。采用MNFT(Minimum Noise Fraction Transform)消除噪声，PPI(Pixel Purity Index)计算迭代10000次之后的纯净像元次数，以融合影像和天地图为依据选取各类的相对纯净像元共206个。各种物质由于化学组分、物质结构及表面状态以及时间、空间环境的不同差别，它们对电磁波的反射、吸收和透射的能力不同。各地类的平均反射率如图2，地物类别中除了林地与山体阴影间光谱可分离度为1.50外，其余为2.00。水体的光谱特征主要由水体本身物质组成对光辐射的吸收和散射性质决定，同时受各种水状态的影响。总体反射率较低，其中可见光高于红外波段。可见光的反射包含水表面反射、水体底部物质反射及水中悬浮物质的反射3方面的贡献。水体在绿波段(B2)上的反射率较高，非水体在红外波段(B4或B5)上最高。为更好的区分水体与非水体，将绿波段(B2)与红到红外波段(B3—B7)分为两组，讨论不同倍数绿波段值(nB2)与后续4个波段之和(B3+B4+B5+B7)的大小。如图3所示，当绿波段倍数大于等于2小于5时(2≤n<5)，水体的绿波段值大于后续4个波段和(nB2>(B3+B4+B5+B7))，然非水体绿波段值小于后续4个波段和(nB2<(B3+B4+B5+B7))；当绿波段的倍数等于5时(n=5)，高反射率建筑的绿波段值大于后续4个波段之和(nB2>(B3+B4+B5+B7))。如图4所示，由不同倍数绿波段值与后续4个波段和之差(nB2–B3–B4–B5–B7)可知，水体为正值呈递增趋势，非水体为负值呈递减趋势。随着绿波段倍数(n)的增大，水体与农田、高低反射率建筑和裸土之间的差异逐渐减小。为使非水体中绿波段值与后续4个波段和之差最大，经过波段运算水体大于0，非水体小于0，故取绿波段的倍数为2。即新构建MBWI为

${{MBWI}} = 2{\rho _{{{b}}2}} - {\rho _{{{b}}3}} - {\rho _{{{b}}4}} - {\rho _{{{b}}5}} - {\rho _{{{b}}7}}$ (3)

式中，ρbi表示Landsat 7第i波段反射率。


图 2 各地类的平均反射率值
Fig. 2 The average reflectance of the seven land cover types


图 3 不同倍数绿波段值与后续4个波段之和的比较
Fig. 3 Compared different green band values with the sum from band 3 to band 7 except for band 6


图 4 不同倍数绿波段值与后续4个波段和之差
Fig. 4 The sum from band 3 to band 7 except for band 6 subtract different green band values

3.2 基于K均值聚类的水体指数法

常规阈值法确定最优阈值的过程反复繁琐及分类结果中可能引入人为误差，非监督分类方法显现出人为参与度低且省时高效的优势。K均值聚类是一种有效的非监督分类方法，对水体指数的结果进行K均值聚类得到水体与非水体分类结果。K均值聚类参数设置中，分类数目、变化阈值和最大迭代次数分别为10、0.01和10000，聚类后将分类结果合并为水体和非水体。文中采用13种水体指数增强水体信息，分别对其结果进行K均值聚类获得水体与非水体分类图。

3.3 检验新构建水体指数应用效果的方法

为检验水体指数的有效性，搜集1985年—2016年12种常用的水体指数(表1)和选取南京、南宁和烟台地区3景影像中不同地表环境的6个测试点。采用基于K均值聚类的水体指数法提取水体，对比分析水体指数的构建及其对水体提取精度的影响。表1中常用水体指数可以分为两波段与多波段形式的水体指数。两波段水体指数简单容易使用，以水体和非水体在两个波段上反射差异为基础但未考虑反射能力与水体相当的地物。在无山体阴影的自然地表下可以获得比较好的水体提取结果，城建区水体的提取精度受反射率与水体类似的地物的制约。多波段克服了两波段的不足，采用更加丰富的地物信息区分水体与非水体。水体提取方面，多波段要比两波段具有优势。但系数确定采用严格的统计分析方法，可能造成构建的水体指数过度依赖于实验区样本数据，从而影响指数的适用性。

表 1 常用水体指数
Table 1 Common used water indexes

下载CSV 
指数 来源 等式
TCW Crist (1985) $0.0315{\rho _{{\rm{b}}1}} + 0.2021{\rho _{{\rm{b}}2}} + 0.3102{\rho _{{\rm{b}}3}} + 0.1594{\rho _{{\rm{b}}4}} - 0.6806{\rho _{{\rm{b}}5}} - 0.6109{\rho _{{\rm{b}}7}}$
NDWI Mcfeeters (1996) $\displaystyle\frac{{{\rho _{{\rm{b}}2}} - {\rho _{{\rm{b}}4}}}}{{{\rho _{{\rm{b}}2}} + {\rho _{{\rm{b}}4}}}}$
MBSR 杨存建和徐美(1998) ${\rho _{{\rm{b}}2}} + {\rho _{{\rm{b}}3}} - {\rho _{{\rm{b}}4}} - {\rho _{{\rm{b}}5}}$
MNDWI Xu(2006) $\displaystyle\frac{{{\rho _{{\rm{b}}2}} - {\rho _{{\rm{b}}5}}}}{{{\rho _{{\rm{b}}2}} + {\rho _{{\rm{b}}5}}}}$
WI2006 Danaher和Collett (2006) $\begin{array}{l} {\rm{50}} - {\rm{19ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b2}}}}} \right) - {\rm{52}}{\rm{.18ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b3}}}}} \right){\rm{ + 83}}{\rm{.32ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b4}}}}} \right) - {\rm{14}}{\rm{.78ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b5}}}}} \right){\rm{ + 11}}{\rm{.875ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b7}}}}} \right){\rm{ + }}\\ {\rm{14}}{\rm{.135ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b2}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b3}}}}} \right) - {\rm{13}}{\rm{.95ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b2}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b4}}}}} \right){\rm{ + 3}}{\rm{.935ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b2}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b5}}}}} \right) - \\ {\rm{0}}{\rm{.77ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b2}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b7}}}}} \right) - {\rm{3}}{\rm{.785ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b3}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b4}}}}} \right){\rm{ + 7}}{\rm{.37ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b3}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b5}}}}} \right) - \\ {\rm{4}}{\rm{.675ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b3}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b7}}}}} \right) - {\rm{5}}{\rm{.41ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b4}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b5}}}}} \right){\rm{ + 1}}{\rm{.08ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b4}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b7}}}}} \right){\rm{ + }}\\ {\rm{1}}{\rm{.265ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b5}}}}} \right){\rm{ln}}\left({{\rm{D}}{{\rm{N}}_{{\rm{b7}}}}} \right) \end{array}$
EWI 闫霈等(2007) $\displaystyle\frac{{{\rho _{{\rm{b}}2}} - {\rho _{{\rm{b}}4}} - {\rho _{{\rm{b}}5}}}}{{{\rho _{{\rm{b}}2}} + {\rho _{{\rm{b}}4}} + {\rho _{{\rm{b}}5}}}}$
RNDWI 曹荣龙等(2008) $\displaystyle\frac{{{\rho _{{\rm{b}}3}} - {\rho _{{\rm{b}}5}}}}{{{\rho _{{\rm{b}}3}} + {\rho _{{\rm{b}}5}}}}$
NWI 丁凤(2009) $\displaystyle\frac{{{\rho _{{\rm{b}}2}} - {\rho _{{\rm{b}}4}} - {\rho _{{\rm{b}}5}} - {\rho _{{\rm{b}}7}}}}{{{\rho _{{\rm{b}}2}} + {\rho _{{\rm{b}}4}} + {\rho _{{\rm{b}}5}} + {\rho _{{\rm{b}}7}}}}$
NEW 肖艳芳等(2010) $\displaystyle\frac{{{\rho _{{\rm{b}}1}} - {\rho _{{\rm{b}}7}}}}{{{\rho _{{\rm{b}}1}} + {\rho _{{\rm{b}}7}}}}$
AWEInsh Feyisa等(2014) $4\left({{\rho _{{\rm{b}}2}} - {\rho _{{\rm{b}}5}}} \right) - \left({0.25{\rho _{{\rm{b}}4}} + 2.75{\rho _{{\rm{b}}7}}} \right)$
AWEIsh Feyisa等(2014) ${\rho _{{\rm{b}}1}} + 2.5{\rho _{{\rm{b}}2}} - 1.5\left({{\rho _{{\rm{b}}4}} + {\rho _{{\rm{b}}5}}} \right) - 0.25{\rho _{{\rm{b}}7}}$
WI2015 Fisher等(2016) $1.7204 + 171{\rho _{{\rm{b}}2}} + 3{\rho _{{\rm{b}}3}} - 70{\rho _{{\rm{b}}4}} - 45{\rho _{{\rm{b}}5}} - 71{\rho _{{\rm{b}}7}}$

4 结果分析

4.1 南京地区

Site1位于秦淮河流域江宁区内的百家湖和方山地区，大小为332×260像元，水体为含有悬浮物的湖泊、河流和池塘；Site2位于秦淮河流域江宁区内的小茅山和大连山地区，大小为455×432像元，水体多为清澈池塘或水库。水体指数实验中，发现WI2015(Water Index 2015)不能有效的增强水体信息。

图5表示Site1水体提取结果，仅展示水体提取精度前五的结果图。图5中红圈表示水体指数的不足之处，MBWI在百家湖东南部与九龙湖的东北部有零星的建筑群阴影信息；AWEInsh结果中出现分散的建筑群阴影信息，东毛湖西部出现块状高亮度建筑信息；WI2006(Water Index 2006)在相同位置出现片状的建筑群阴影信息，东毛湖东部出现了片状的建筑群阴影信息；TCW包含前两者的不足之处；NWI(New Water Index)在河流处出现大量漏提现象。


图 5 Site1水体提取结果图
Fig. 5 Result of water body extraction in site1

图6表示Site2水体提取结果，仅展示对比度较高的结果图，图6中红圈表示水体指数的不足之处。MBWI在小茅山的西北部含有少许的建筑群阴影信息；MNDWI结果中出现分散的建筑群阴影信息，在某些池塘或水库上出现漏提现象；NWI结果中不足之处与MNDWI类似；TCW在小茅山西北部的城区内出现大量的建筑群信息与其他低反射率建筑信息，大连山东南部出现大量土壤噪声信息；WI2006结果中不足之处与TCW类似但建筑群阴影与其他低反射率噪声信息比后者严重。


图 6 Site2水体提取结果图
Fig. 6 Result of water body extraction in Site2

如表2所示，采用误差矩阵和Kappa系数定量评价水体提取精度。Site1和Site2分别选取分布均匀的水体验证样本点70和80个，非水体验证样本点200和500个；其中前者以湖泊、河流及分散的池塘或水库为主，后者以建筑群阴影、低反射率建筑、山体阴影及林地等为主。

表 2 Site1和Site2水体提取精度评价结果
Table 2 Results of accuracy assessment in Site1 and Site2

下载CSV 
测试点 水体指数 总体精度/% Kappa系数 制图者精度/% 用户精度/% 错分误差/% 漏分误差/% 总误差/%
Site1 MBWI 98.15 0.95 94.29 98.51 1.49 5.71 7.20
AWEInsh 97.41 0.93 92.86 97.01 2.99 7.14 10.13
WI2006 97.04 0.92 98.57 90.79 9.21 1.43 10.64
TCW 97.04 0.92 95.71 93.06 6.94 4.29 11.23
NWI 95.93 0.89 85.71 98.36 1.64 14.29 15.93
MNDWI 95.93 0.89 85.71 98.36 1.64 14.29 15.93
RNDWI 94.07 0.84 80.00 96.55 3.45 20.00 23.45
NDWI 93.70 0.82 77.14 98.18 1.82 22.86 24.68
EWI 92.59 0.79 72.86 98.08 1.92 27.14 29.06
NEW 92.59 0.80 77.14 93.10 6.90 22.86 29.76
MBSR 88.89 0.69 68.57 85.71 14.29 31.43 45.72
AWEIsh 88.52 0.68 65.71 86.79 13.21 34.29 47.50
Site2 MBWI 98.62 0.94 100.00 90.91 9.09 0.00 9.09
MNDWI 98.45 0.93 93.75 94.94 5.06 6.25 11.31
NWI 98.45 0.93 90.00 98.63 1.37 10.00 11.37
MBSR 98.10 0.92 100.00 87.91 12.09 0.00 12.09
AWEInsh 97.93 0.92 100.00 86.96 13.04 0.00 13.04
EWI 98.10 0.92 95.00 91.57 8.43 5.00 13.43
AWEIsh 97.59 0.90 97.50 86.67 13.33 2.05 15.38
TCW 97.24 0.89 100.00 83.33 16.67 0.00 16.67
NDWI 97.24 0.87 80.00 100.00 0.00 20.00 20.00
RNDWI 96.38 0.85 86.25 87.34 12.66 13.75 26.41
NEW 95.86 0.82 81.25 87.84 12.16 18.75 30.91
WI2006 92.59 0.75 100.00 65.04 34.96 0.00 34.96

4.2 南宁地区

Site3位于广西壮族自治区南宁市横县内的莲塘镇、飞龙乡与南乡镇地区，大小为841×704像元，水体包含清澈或含有悬浮物的河流；Site4位于广西壮族自治区南宁市市辖区范围内，大小为515×320像元，水体为含有悬浮物的河流与湖泊。

图7表示Site3水体提取结果，仅展示对比度较高的结果图。MBWI和WI2006在莲塘镇东边的小池塘处出现少量水体漏提现象；MBSR (Multi-Band Spectral Relation)在莲塘镇西北角出现零星分散的低反射率噪声信息；NDWI在莲塘镇出现分散的噪声；TCW在莲塘镇西部出现分散噪声和南乡镇东北角出现少量山体阴影信息。


图 7 Site3水体提取结果图
Fig. 7 Result of water body extraction in Site3

图8表示Site4水体提取结果，仅展示对比度较高的结果图。MBWI在南宁市东南角出现少量建筑群阴影；AWEInsh和TCW在相同位置出现噪声和市内出现低反射率噪声；WI2006和MBSR在市内出现大量的建筑群阴影和低反射率噪声。


图 8 Site4水体提取结果图
Fig. 8 Result of water body extraction in Site4

如表3所示，Site3和Site4分别选取水体验证样本点110和40个，非水体验证样本点250和200个；其中前者以干支河流及分散的水体为主，后者以建筑群阴影、低反射率建筑噪声、山体阴影和裸土噪声等为主。

表 3 Site3和Site4水体提取精度评价结果
Table 3 Results of accuracy assessment in Site3 and Site4

下载CSV 
测试点 水体指数 总体精度/% Kappa系数 制图者精度/% 用户精度/% 错分误差/% 漏分误差/% 总误差/%
Site3 MBWI 98.33 0.96 94.55 100.00 0.00 5.45 5.45
NWI 97.78 0.95 96.36 96.36 3.64 3.64 7.28
MNDWI 97.78 0.95 96.36 96.36 3.64 3.64 7.28
EWI 97.50 0.94 96.36 95.50 4.50 3.64 8.14
AWEIsh 97.50 0.94 96.36 95.50 4.50 3.64 8.14
NEW 97.22 0.93 96.36 94.64 5.36 3.64 9.00
WI2006 97.22 0.93 90.91 100.00 0.00 9.09 9.09
AWEInsh 96.94 0.93 97.27 93.04 6.96 2.73 9.69
NDWI 96.94 0.93 97.27 93.04 6.96 2.73 9.69
MBSR 96.94 0.93 96.36 93.81 6.19 3.64 9.83
RNDWI 96.39 0.92 96.36 92.17 7.83 3.64 11.47
TCW 89.72 0.78 98.18 75.52 24.48 1.82 26.30
Site4 NDWI 97.50 0.91 90.00 94.74 5.26 10.00 15.26
MBWI 97.50 0.91 90.00 94.74 5.26 10.00 15.26
NWI 97.08 0.89 90.00 92.31 7.69 10.00 17.69
MNDWI 97.08 0.89 90.00 92.31 7.69 10.00 17.69
AWEInsh 97.08 0.89 87.50 94.59 5.24 12.50 17.74
EWI 95.00 0.83 90.00 81.82 18.18 10.00 28.18
NEW 95.00 0.83 90.00 81.82 18.18 10.00 28.18
RNDWI 95.00 0.83 90.00 81.82 18.18 10.00 28.18
AWEIsh 92.92 0.78 100.00 70.18 29.82 0.00 29.82
WI2006 94.58 0.81 90.00 80.00 20.00 10.00 30.00
TCW 93.33 0.78 92.50 74.00 26.00 7.50 33.50
MBSR 91.25 0.74 100.00 65.57 34.43 0.00 34.43

4.3 烟台地区

Site5位于山东省烟台市福山区内的门楼水库地区，大小为488×347像元，水体为清澈或含有悬浮物的水库；Site6位于山东省威海市文登营镇内，大小为511×365像元，水体为含有悬浮物的河流和池塘。

图9表示Site5水体提取结果，仅展示对比度较高的结果图。水体指数都取得较好的分类结果，Kappa系数大于0.94。MBWI、NDWI、RNDWI (Revised Normalized Difference Water Index)和TCW在楼底村出现少许低反射率噪声；WI2006在楼底村出现噪声和门楼水库北部出现漏提现象。


图 9 Site5水体提取结果图
Fig. 9 Result of water body extraction in Site5

图10表示Site6水体提取结果，仅展示对比度较高的结果图。水体指数都取得较好的分类结果，Kappa系数大于0.95。MBWI、EWI(Enhanced Water Index)、MNDWI和NDWI在文登营镇内出现分散的低反射率建筑噪声，位于下支河流的北部；RNDWI在相同位置出现错提现象，下支河流南部出现分散的低反射率建筑噪声。


图 10 Site6水体提取结果图
Fig. 10 Result of water body extraction in Site6

如表4所示，Site5和Site6分别选取水体验证样本点40和80个，非水体验证样本点524和350个；其中前者以水库及周边分散水体为主，后者以山体阴影、低反射率建筑和裸土噪声等为主。

表 4 Site5和Site6水体提取精度评价结果
Table 4 Results of accuracy assessment in Site5 and Site6

下载CSV 
测试点 水体指数 总体精度/% Kappa系数 制图者精度/% 用户精度/% 错分误差/% 漏分误差/% 总误差/%
Site5 NWI 99.82 0.99 100.00 97.56 2.44 0.00 2.44
NEW 99.82 0.99 100.00 97.56 2.44 0.00 2.44
MBWI 99.82 0.99 100.00 97.56 2.44 0.00 2.44
NDWI 99.82 0.99 97.50 100.00 0.00 2.50 2.50
AWEInsh 99.65 0.97 100.00 95.24 4.76 0.00 4.76
MNDWI 99.73 0.97 95.00 100.00 0.00 5.00 5.00
EWI 99.47 0.96 92.50 100.00 0.00 7.50 7.50
WI2006 99.47 0.96 92.50 100.00 0.00 7.50 7.50
MBSR 99.29 0.95 100.00 90.91 9.09 0.00 9.09
AWEIsh 99.29 0.95 100.00 90.91 9.09 0.00 9.09
TCW 99.29 0.95 100.00 90.91 9.09 0.00 9.09
RNDWI 99.11 0.94 100.00 88.89 11.11 0.00 11.11
Site6 MBWI 99.30 0.98 98.75 97.53 2.47 1.25 3.72
AWEInsh 99.30 0.98 98.75 97.53 2.47 1.25 3.72
TCW 99.07 0.97 98.75 96.34 3.66 1.25 4.91
EWI 99.07 0.97 97.50 97.50 2.50 2.50 5.00
AWEIsh 99.07 0.97 97.50 97.50 2.50 2.50 5.00
MBSR 99.07 0.97 97.50 97.50 2.50 2.50 5.00
WI2006 98.84 0.96 97.50 96.30 3.70 2.50 6.20
NWI 98.84 0.96 96.25 97.47 2.53 3.75 6.28
NDWI 98.84 0.96 96.25 97.47 2.53 3.75 6.28
NEW 98.84 0.96 96.25 97.47 2.53 3.75 6.28
MNDWI 98.84 0.96 96.25 97.47 2.53 3.75 6.28
RNDWI 98.60 0.95 95.00 97.44 2.56 5.00 7.56

4.4 补充实验

进一步测试MBWI对高无机悬浮物水体的适应性，选取位于南京与南宁地区复杂地表覆盖类型的3个测试点进行验证。Test1位于南京长江河段，河流中含有大量的悬浮泥沙；Test2位于南京长江河段的支流河段，河流中含有一定量的悬浮泥沙；Test3位于南宁市西北部的支流河段，河流中含有少量悬浮泥沙。如图11所示，MBWI在增强水体信息时能有效的抑制非水体信息。通过目视检验可知，MBWI对高无机悬浮物水体具有一定的适用性与有效性。


图 11 补充实验水体提取结果图
Fig. 11 Result of water body extraction in additional test sites

5 结　论

本文从复杂的地表环境入手，以秦淮河流域为实验区，在获取水体、林地、农田、山体阴影、高低反射率建筑和裸土(旱、荒地)平均反射率基础上构建MBWI。选取南京丘陵、南宁高山和烟台丘陵地区的6个测试点，搜集1985年—2016年12种已有的水体指数。采用基于K均值聚类水体指数法提取水体，对比分析水体指数构建及其对水体提取精度的影响。经精度评价与分析，得出以下结论：

(1) 地物在各波段上的反射能力不同。水体反射率低，随波长变长几乎被完全吸收且从绿到红外波段似递减变化；非水体在绿波段反射率低，红外波段反射率高。基于上述特性构建的MBWI有效地扩大水体与非水体之间的光谱可分离度使二者更容易被区分，因此，MBWI可用于提取复杂地表环境下的水体。

(2) 水体指数形式不一，但都为了把水体从地表中识别出来。反射能力与水体相当的地物能影响水体的提取精度，选用含有山体阴影、城市高层建筑群阴影及其它低反射率建筑噪声和不同含水量的土壤等因素的试验区验证水体指数的有效性，发现MBWI可以成功地提取水体，且总体精度大于98.15%，Kappa系数大于0.91，总误差小于15.26%，总体上较其他指数具有一定优势。

(3) 复杂地表环境下，很难消除反射率与水体相似的所有地物信息，导致水体提取结果中存在或多或少的低反射率非水体信息。由于试验样本有限，为进一步验证MBWI的有效性，可以从以下两方面展开：一方面，对水体提取的影响因素进行归纳分类，选取更多不同类型的试验样本验证MBWI对各制约因素的有效性；另一方面，尝试的运用MBWI获取长时间序列水面空间分布，验证其能否为水文水资源调查与管理和城市化水文效应研究提供数据支持。

参考文献(References)

  • Bi H Y, Wang S Y, Zeng J Y, Zhao Y, Wang H and Yin H. 2012. Comparison and analysis of several common water extraction methods based on TM image. Remote Sensing Information, 27 (5): 77–82. [DOI: 10.3969/j.issn.1000-3177.2012.05.014] ( 毕海芸, 王思远, 曾江源, 赵岩, 王辉, 殷慧. 2012. 基于TM影像的几种常用水体提取方法的比较和分析. 遥感信息, 27 (5): 77–82. [DOI: 10.3969/j.issn.1000-3177.2012.05.014] )
  • Cao R L, Li C J, Liu L Y, Wang J H and Yan G J. 2008. Extracting Miyun reservoir’s water area and monitoring its change based on a revised normalized different water index. Science of Surveying and Mapping, 33 (2): 158–160. [DOI: 10.3771/j.issn.1009-2307.2008.02.054] ( 曹荣龙, 李存军, 刘良云, 王纪华, 阎广建. 2008. 基于水体指数的密云水库面积提取及变化监测. 测绘科学, 33 (2): 158–160. [DOI: 10.3771/j.issn.1009-2307.2008.02.054] )
  • Chen W Q, Ding J L, Li Y H and Niu Z Y. 2015. Extraction of water information based on China-made GF-1 remote sense image. Resources Science, 37 (6): 1166–1172. ( 陈文倩, 丁建丽, 李艳华, 牛增懿. 2015. 基于国产GF-1遥感影像的水体提取方法. 资源科学, 37 (6): 1166–1172. )
  • Crist E P. 1985. A TM Tasseled Cap equivalent transformation for reflectance factor data. Remote Sensing of Environment, 17 (3): 301–306. [DOI: 10.1016/0034-4257(85)90102-6]
  • Danaher T and Collett L. 2006. Development,optimisation and multi-temporal application of a simple Landsat based water index//Proceedings of the 13th Australasian Remote Sensing and Photogrammetry Conference.Canberra, Australia: Spatial Sciences Institute.
  • Ding F. 2009. Study on information extraction of water body with a new water index (NWI). Science of Surveying and Mapping, 34 (4): 155–157. ( 丁凤. 2009. 基于新型水体指数(NWI)进行水体信息提取的实验研究. 测绘科学, 34 (4): 155–157. )
  • Du Y Y and Zhou C H. 1998. Automatically extracting remote sensing information for water bodies. Journal of Remote Sensing, 2 (4): 264–269. [DOI: 10.11834/jrs.19980406] ( 杜云艳, 周成虎. 1998. 水体的遥感信息自动提取方法. 遥感学报, 2 (4): 264–269. [DOI: 10.11834/jrs.19980406] )
  • Feyisa G L, Meilby H, Fensholt R and Proud S R. 2014. Automated water extraction index: a new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140 : 23–35. [DOI: 10.1016/j.rse.2013.08.029]
  • Fisher A, Flood N and Danaher T. 2016. Comparing Landsat water index methods for automated water classification in eastern Australia. Remote Sensing of Environment, 175 : 167–182. [DOI: 10.1016/j.rse.2015.12.055]
  • Gao Z R. 2012. Monitoring for Eutrophication of Dongting Lake based on ETM+ Image. Changsha: Central South University (高泽润. 2012. 基于ETM+影像的洞庭湖水体富营养化监测研究. 长沙: 中南大学)
  • Han L F, Xu Y P, Shao Y L and Shi Y. 2013. Effect of urbanization on the stream structure and connectivity——a case study in the mid-lower reaches of the Qinhuai River. Journal of Lake Sciences, 25 (3): 335–341. [DOI: 10.18307/2013.0304] ( 韩龙飞, 许有鹏, 邵玉龙, 石怡. 2013. 城市化对水系结构及其连通性的影响——以秦淮河中、下游为例. 湖泊科学, 25 (3): 335–341. [DOI: 10.18307/2013.0304] )
  • Huang C L. 2009. Extracting the Information of Water System based on Texture and Analysis of the Water System Features. Changchun: Jilin University (黄春龙. 2009. 基于纹理的水系信息提取及其特征分析. 长春: 吉林大学)
  • Jiang H, Feng M, Xiao T and Wang C Z. 2014. A narrow river extraction method based on linear feature enhancement in TM image. ActaGeodaetica et CartographicaSinica, 43 (7): 705–710. [DOI: 10.13485/j.cnki.11-2089.2014.0114] ( 姜浩, 冯敏, 肖桐, 王昌佐. 2014. 基于线状特征增强的TM遥感影像细小河流提取方法. 测绘学报, 43 (7): 705–710. [DOI: 10.13485/j.cnki.11-2089.2014.0114] )
  • Liu G L, Zhang L C, Liu J and Li G Y. 2013. Water body information extraction based on Landsat TM remote sensing imagery. Journal of University of Chinese Academy of Sciences, 30 (5): 644–650. [DOI: 10.7523/j.issn.2095-6134.2013.05.011] ( 刘桂林, 张落成, 刘剑, 李广宇. 2013. 基于Landsat TM影像的水体信息提取. 中国科学院大学学报, 30 (5): 644–650. [DOI: 10.7523/j.issn.2095-6134.2013.05.011] )
  • Li H, Dai Z Y, Zhang L H and Jiang Z Y. 2011. Mathematical morphology based drainage line extraction from remote sensing image. Geomatics and Information Science of Wuhan University, 36 (8): 956–959. ( 李辉, 代侦勇, 张利华, 蒋志勇. 2011. 利用数学形态学的遥感影像水系提取方法. 武汉大学学报(信息科学版), 36 (8): 956–959. )
  • Li X T, Huang S F and Guo H X. 2010. A study on extraction water information based on texture feature in SPOT5 image. Yellow River, 32 (12): 5–6. [DOI: 10.3969/j.issn.1000-1379.2010.12.002] ( 李小涛, 黄诗峰, 郭怀轩. 2010. 基于纹理特征的SPOT5影像水体提取方法研究. 人民黄河, 32 (12): 5–6. [DOI: 10.3969/j.issn.1000-1379.2010.12.002] )
  • McFeeters S K. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17 (7): 1425–1432. [DOI: 10.1080/01431169608948714]
  • Tan Q L, Liu Z J, Hu J P and Yang S L. 2006. Measuring lake water level using multi-source remote sensing images combined with hydrological statistical data. Journal of Beijing Jiaotong University, 30 (4): 26–30. [DOI: 10.3969/j.issn.1673-0291.2006.04.007] ( 谭衢霖, 刘正军, 胡吉平, 杨松林. 2006. 应用多源遥感影像提取鄱阳湖形态参数. 北京交通大学学报, 30 (4): 26–30. [DOI: 10.3969/j.issn.1673-0291.2006.04.007] )
  • Xiao Y F, Zhao W J and Zhu L. 2010. A study on information extraction of water body using band1 and band7 of TM imagery. Science of Surveying and Mapping, 35 (5): 226–227, 216. [DOI: 10.16251/j.cnki.1009-2307.2010.05.083] ( 肖艳芳, 赵文吉, 朱琳. 2010. 利用TM影像Band1与Band7提取水体信息. 测绘科学, 35 (5): 226–227, 216. [DOI: 10.16251/j.cnki.1009-2307.2010.05.083] )
  • Xu H Q. 2006. Modification of Normalised Difference Water Index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27 (14): 3025–3033. [DOI: 10.1080/01431160600589179]
  • Yan P, Zhang Y J and Zhang Y. 2007. A study on information extraction of water system in semi-arid regions with the enhanced water index (EWI) and GIS based noise remove techniques. Remote Sensing Information (6): 62–67. [DOI: 10.3969/j.issn.1000-3177.2007.06.015] ( 闫霈, 张友静, 张元. 2007. 利用增强型水体指数(EWI)和GIS去噪音技术提取半干旱地区水系信息的研究. 遥感信息 (6): 62–67. [DOI: 10.3969/j.issn.1000-3177.2007.06.015] )
  • Yang C J and Xu M. 1998. Study on the water-body extraction methods of remote sensing information mechanism. Geographic Research, 17 (S): 86–89. ( 杨存建, 徐美. 1998. 遥感信息机理的水体提取方法的探讨. 地理研究, 17 (S): 86–89. )
  • Yang K, Li M C, Liu Y X, Cheng L, Huang Q H and Chen Y M. 2015a. River detection in remotely sensed imagery using Gabor filtering and path opening. Remote Sensing, 7 (7): 8779–8802. [DOI: 10.3390/rs70708779]
  • Yang S W, Xue C S, Liu T and Li Y K. 2010. A method of small water information automatic extraction from TM remote sensing images. ActaGeodaetica et CartographicaSinica, 39 (6): 611–617. ( 杨树文, 薛重生, 刘涛, 李轶鲲. 2010. 一种利用TM影像自动提取细小水体的方法. 测绘学报, 39 (6): 611–617. )
  • Yang Y H, Liu Y X, Zhou M X, Zhang S Y, Zhan W F, Sun C and Duan Y W. 2015b. Landsat 8 OLI image based terrestrial water extraction from heterogeneous backgrounds using a reflectance homogenization approach. Remote Sensing of Environment, 171 : 14–32. [DOI: 10.1016/j.rse.2015.10.005]
  • Zhang H B, Li J S, Xiang N P, Shen Q and Zhang F F. 2015. A study of extracting water bodies automatically based on the MODIS surface reflectance data. Remote Sensing Technology and Application, 30 (6): 1160–1167. [DOI: 10.11873/j.issn.1004-0323.2015.6.1160] ( 张浩彬, 李俊生, 向南平, 申茜, 张方方. 2015. 基于MODIS地表反射率数据的水体自动提取研究. 遥感技术与应用, 30 (6): 1160–1167. [DOI: 10.11873/j.issn.1004-0323.2015.6.1160] )
  • Zhang J P, Liu L S, Zhang Y L, Nie Y, Zhang X R and Zhang Q Q. 2010. Object-oriented information extraction of water bodies and glaciers in extreme high altitude area: a case study of the core area of Mt. Qomolangma (Everest) National Nature Preserve. Journal of Geo-information Science, 12 (4): 517–523. ( 张继平, 刘林山, 张镱锂, 聂勇, 张学儒, 张琴琴. 2010. 面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例. 地球信息科学学报, 12 (4): 517–523. )
  • Zhang Z and Liu Y H. 2011. Study on extraction of water bodies based on TM imagery. Ground Water, 33 (5): 166–167. [DOI: 10.3969/j.issn.1004-1184.2011.05.075] ( 张哲, 刘云鹤. 2011. 基于TM影像的水域提取方法研究. 地下水, 33 (5): 166–167. [DOI: 10.3969/j.issn.1004-1184.2011.05.075] )
数据专区
  • 目录 目录
  • 文章信息 文章信息
  • 引用格式 引用格式
  • 地图 地图
  • 评论 评论
  • 图 图
  • 表 表
  • 二维码 二维码
  • 参考文献 参考文献
  • 多媒体 多媒体