丁美青肖紅光彭文瀾吳昊

（1中南大學(xué)地球科學(xué)與信息物理學(xué)院，長沙 410083）

（2長沙理工大學(xué)計算機(jī)與通信工程學(xué)院，長沙 410004）

（3長沙理工大學(xué)交通運(yùn)輸工程學(xué)院，長沙 410004）

1 引言

2008年5 月12 日發(fā)生的汶川8.0級大地震是我國自唐山地震之后又一次地震巨災(zāi)，造成了巨大的生命財產(chǎn)損失。這次大地震的重災(zāi)區(qū)主要在山區(qū)，受地震引發(fā)的嚴(yán)重滑坡、泥石流等災(zāi)害影響，大量水體被攔截，形成一系列堰塞湖。在缺乏足夠地面震害調(diào)查資料的情況下，通過遙感手段獲取災(zāi)區(qū)震后遙感影像，快速提取震區(qū)水體信息，對地震災(zāi)害及其損失進(jìn)行快速評估，為地震應(yīng)急指揮和制定救援決策提供重要依據(jù)，從而提高災(zāi)害信息綜合分析的能力。

近年來，利用衛(wèi)星遙感數(shù)據(jù)提取水體信息的方法，得到了廣泛的研究。近年來常用的水體信息提取方法主要包括：閾值法、差值法、比值法、密度分割法、譜間關(guān)系法以及基于知識的水體自動判別方法和根據(jù)形狀信息進(jìn)行水體識別與分類方法等[1-7]。其中，單波段閾值法利用水陸界限反映較好的近紅外波段值與某閾值的關(guān)系進(jìn)行水體的提取，提取的結(jié)果中夾雜著山體陰影；譜間關(guān)系法是通過分析水體與背景地物的波譜曲線特征，找出水體在各波段之間滿足的邏輯判別表達(dá)式，將水體提取出來，這種方法需要大量典型的樣本進(jìn)行波譜特性的分析，相對比較復(fù)雜。此外以上常用方法仍存在對細(xì)小水體的漏判和對山體陰影的誤判兩方面缺陷。此外，諸如決策樹和信息熵等比較新穎的方法相對復(fù)雜，且同樣沒有解決上述兩個問題[8-9]。同一方法不可能適用于所有情況，必須對研究地區(qū)的特點(diǎn)、遙感影像特征以及水體的遙感信息機(jī)理等方面進(jìn)行綜合分析研究，最后才能確定使用某一方法或幾種方法綜合使用。本文利用LBV變換與歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）圖像相結(jié)合的水體信息快速提取模型，根據(jù)在可見光波段水體吸收其能量少、反射率較低、透射性高，在近紅外波段幾乎吸收全部入射能量的特性，以及 NDVI對植被信息的敏感性，對北川縣城及附近區(qū)域的“福衛(wèi)二號”衛(wèi)星數(shù)據(jù)水體識別問題進(jìn)行了研究。

2 研究區(qū)概況及數(shù)據(jù)源

四川省北川縣位于四川盆地西北部，距成都160km，全境皆山，峰巒起伏，其西屬岷山山脈，其東屬龍門山脈，最高點(diǎn)插旗山海拔4 769m，最低點(diǎn)香水渡海拔540m，相對高差4 229m。地勢西北高，東南低，由西北向東南平均每千米海拔遞降46m。水資源豐富，密布的溪流分別匯集于湔江、蘇寶河、平通河，順山勢自西北向東南奔流出境。這樣的位置和地質(zhì)條件，也是北川受災(zāi)嚴(yán)重的原因。

北川縣城烈度為Ⅺ，四周環(huán)繞多處山體滑坡、堰塞湖等，災(zāi)情極為嚴(yán)重。研究區(qū)選在北川縣城及附近，利用分辨率為8m的“福衛(wèi)二號”衛(wèi)星在2006年5月14日與2008年5月14日的兩幅多光譜影像數(shù)據(jù)（見圖1）進(jìn)行水體信息提取?！案Ｐl(wèi)二號”衛(wèi)星由中國臺灣制造，2004年5月由美國發(fā)射；分為全色和多光譜影像。其多光譜波段包括：0.45～0.52μm（藍(lán)），0.52～0.60μm（綠），0.63～0.69μm（紅），0.76～0.90μm（近紅外）4 個波段。

圖1 數(shù)據(jù)源Fig.1 Data source

3 水體提取原理

本文采用LBV變換與NDVI圖像相結(jié)合的水體信息快速提取模型對研究區(qū)進(jìn)行水體信息提取。

LBV變換是將多波段的遙感圖像變換成LBV 3個分量，地面主要覆蓋在各分量圖上呈現(xiàn)不同的影像特征：L分量表示地物的總輻射水平；B分量表示地物的可見光—紅外光輻射平衡；V分量表示地物輻射隨波段變化的方向和速度[10]。對于水體而言，B值能較好反映地物的可見光輻射和紅外光輻射的相互對比關(guān)系和平衡關(guān)系，在可見光波段水體吸收其能量少、反射率較低，透射性高，在近紅外波段幾乎吸收全部的入射能量，因此水體紅外光輻射極弱而可見光輻射較強(qiáng)，平衡點(diǎn)向紅外方向移動，使得水體具有最大的B值。在反映本地區(qū)地面水和水分多少的B值黑白圖像上，水體最白最亮（無論輕水或混水都如此），B值最大；潮濕的地面次白次亮，B值次大；干而裸的地面較黑，B值較小。

NDVI稱為歸一化植被指數(shù)，通過近紅外波段與可見光紅波段數(shù)值之差和這兩個波段數(shù)值之和的比值獲得，即

式中 NDVI為歸一化植被指數(shù)，NIR為影像近紅外波段，Red為影像紅光波段。

歸一化植被指數(shù)通過比值的方式部分消除了太陽高度角、衛(wèi)星觀測角、地形和云（陰影）等的影響[11]。水在紅光波段反射率基本在 2%～4%范圍內(nèi)，在近紅外波段的反射率幾乎為0，水體在紅光波段比近紅外波段有較高的發(fā)射作用，其NDVI值＜0；健康植被在可見光范圍通常反射10%～20%的能量，在近紅外波段反射40%～50%的能量，因此NDVI＞0，且隨植被覆蓋度的增大而增大。因此提取NDVI值可以將水體與植被分離，然后通過LBV變換，將水體與植被、巖石、裸土等主要地物分開。

經(jīng)過變換后，無論清水或渾水都具有其紅外光輻射極弱而可見光輻射較強(qiáng)的特性，使得水體的B值與其它地物相比都較大，可以通過B值分量圖閾值法進(jìn)行水體信息的提取，將水體與植被、巖石、裸土等主要地物分開。水植混合體輻射特性由水體和植被共同決定，但經(jīng)過反復(fù)實驗發(fā)現(xiàn)，低密度覆蓋的水植混合體以水體輻射特性為主，植被輻射特性為次，水體和低密度覆蓋的水植混合體具有相近的B值，如果單獨(dú)使用圖像通過閾值法進(jìn)行水體的提取很容易將低密度覆蓋的水植混合體誤分到水體中。歸一化植被指數(shù)增強(qiáng)了近紅外與紅色通道反射率的對比度，是近紅外波段和紅色波段比值的非線性拉伸，提高了植被的輻射特性，對于低密度覆蓋的植被具有較高的敏感度，低密度覆蓋的植被區(qū)的NDVI值大于0，對于NDVI圖像以0為界限能將水與低密度覆蓋的水植混合體分開。使用B分量值與NDVI值結(jié)合進(jìn)行水體信息自動提取的模型，充分利用了B分量對水體具有較好的可分性，同時也利用NDVI對低密度植被的敏感性來提高水體分類的準(zhǔn)確性。與其他方法比較，該方法具有提取速度快，精度高，可以將水體與低密度覆蓋的水植混合體區(qū)分開等優(yōu)點(diǎn)。

4 水體提取模型及實現(xiàn)

水體自動提取的模型為：

其中 B為LBV變換獲得的B分量值；NDVI為歸一化植被指數(shù)值；T為分類閾值。

該水體提取模型的實現(xiàn)過程如下：首先對多波段的原始影像進(jìn)行LBV變換，通過典型采樣點(diǎn)確定B分量圖中水體的提取閾值，提取出B分量圖中所有大于閾值的像元；然后計算原始影像的NDVI值，并分離出NDVI小于0的像元；最后將提取的兩部分像元求交集，得到的就是提取的水體圖。

對原始影像進(jìn)行LBV變換的方法可參考曹亞喬、曾志遠(yuǎn)等《常用衛(wèi)星圖像數(shù)據(jù)光譜變換新方法》[12]，由公式所示為：

式中 D1，D2，D3和 D4分別為“福衛(wèi)二號”衛(wèi)星的第 1，2，3，4 波段影像的灰度值。

在提取的B分量圖上選取100個水體采樣點(diǎn)，進(jìn)行統(tǒng)計特征分析，通過實驗確定閾值為180，將B分量圖中灰度值大于180閾值的像素提取出來，與該地區(qū)的地形圖和原始影像圖進(jìn)行目視對比發(fā)現(xiàn)，原始影像圖中水體較完整地提取出來，基本沒有漏提現(xiàn)象，但有一部分低密度覆蓋的水植混合體區(qū)作為水體提取出來。然后在ERDAS IMAGINE 9.2中通過建模實現(xiàn)NDVI的提取，然后將B分量圖和NDVI影像求交集就得到了最后的水體圖。圖2和圖3分別為2006年5月14日和2008年5月14日的B分量影像、NDVI影像和水體提取結(jié)果。提取結(jié)果與原始影像比較發(fā)現(xiàn)，該模型將影像中的水體較完整提取出來，并將水體與低密度的水植混合物區(qū)嚴(yán)格區(qū)分開。表1是兩幅影像水體提取結(jié)果：水體與非水體所占影像總面積的百分比及分類精度。

圖2 2006年5月14日“福衛(wèi)二號”影像處理結(jié)果Fig.2 FORMOSAT-2 Image Processing Results on May 14，2006

圖3 2008年5月14日“福衛(wèi)二號”影像處理結(jié)果Fig.3 FORMOSAT-2 Image Processing Results on May 14，2008

?

從表中可以看出，災(zāi)害發(fā)生后水體面積略微減小，主要是因為該區(qū)域滑坡和泥石流災(zāi)情嚴(yán)重，大量泥沙堆積在河道兩旁，提取結(jié)果與實際情況基本相符。

為便于對比分析，采用閾值法與密度分割法分別對影像進(jìn)行水體提取，并與本文提出的方法進(jìn)行比較，結(jié)果顯示閾值法和密度分割法提取精度均小于90%，精度低于本課題提出的LBV變換與NDVI相結(jié)合的方法。

5 結(jié)束語

本文應(yīng)用LBV變換與NDVI影像數(shù)相結(jié)合的方法，對北川縣城附近水體信息進(jìn)行快速提取，目的為了快速提取震區(qū)水體信息，對地震災(zāi)害及其損失進(jìn)行快速評估，提供災(zāi)害背景特征參數(shù)。其突出的優(yōu)點(diǎn)是可以將水體與低密度覆蓋的水植混合體區(qū)分開，提取結(jié)果符合實際情況，建立模型的理論依據(jù)充分可靠，計算機(jī)容易實現(xiàn)；與其它方法相比具有較高的準(zhǔn)確度，提取速度快，完全能滿足災(zāi)害背景參數(shù)8h內(nèi)提取的要求。但是當(dāng)?shù)卣馂?zāi)害發(fā)生時，當(dāng)?shù)亟?jīng)常是大雨，數(shù)據(jù)獲取情況不是很理想，晴朗的天氣，云層的覆被又很重，所以要提取整個災(zāi)區(qū)的水體信息還有難度。

（

）

[1]李小曼，王剛，田杰.TM影像中水體提取方法研究[J]．西南農(nóng)業(yè)大學(xué)學(xué)報，2006（4）：580-582．

LI Xiaoman，WANG Gang，TIAN Jie.Study of the Method of Picking-up Small Water-Bodies in Landsat TM Remote Sensing Image[J].Journal of Southwest Agricultural University，2006（4）：580-582．（in Chinese）

[2]閆霈，張友靜，張元．利用增強(qiáng)型水體指數(shù)（EWI）和GIS去噪音技術(shù)提取半干旱地區(qū)水體信息的研究[J]．遙感信息，2007（6）：62-67．

YAN Pei，ZHANG Youjing，ZHANG Yuan.A Study on Information Extraction of Water System in Semi-arid Regions with the Enhanced Water Index（EWI） and GIS Based Noise Remove Techniques[J].Remote Sensing Information，2007（6）：62-67．（in Chinese）

[3]丁鳳.一種基于遙感數(shù)據(jù)快速提取水體信息的新方法[J]．遙感技術(shù)與應(yīng)用，2009（2）：167-171．

DINGFeng.ANewMethodforFastInformationExtractionofWaterBodiesUsingRemoteSensingData[J].Remote Sensing Technology and Application，2009（2）：167-171．（in Chinese）

[4]馬丹.基于 MODIS 數(shù)據(jù)的水體提取研究[J]．地理空間信息，2008（1）：25-28．

MA Dan.Method for Water Bodies Extraction Based on MODIS Images[J].Geospatial Information，2008（1）：25-28．（in Chinese）

[5]曾建航，魏萌，王靳輝，等.基于知識的遙感影像模糊分類方法[J]．測繪科學(xué)技術(shù)學(xué)報，2008，25（3）：172-175．

ZENG Jianhang， WEI meng， WANG Jinhui，et al.Fuzzy Image Classification Act Based on Knowledge[J].Journal of Geomatics Science and Technology，2008，25（3）：172-175．（in Chinese）

[6]曹揚(yáng)，洪金益.基于統(tǒng)計分析的遙感圖像分類方法[J]．西部探礦工程，2008，20（4）：130-133．

CAOYang， HONGJinyi.BasedonStatisticalAnalysisofRemoteSensingImageClassification[J].West-ChinaExplorationEngineering，2008，20（4）：130-133．（in Chinese）

[7]王志輝，易善楨.不同指數(shù)模型法在水體遙感提取中的比較研究[J]．科學(xué)技術(shù)與工程，2007，7（4）：534-537

WANG Zhihui，YI Shanzhen.Comparison and Research on the Different Index Models Used in Water Extraction by Remote Sensing[J].Science Technology and Engineering，2007，7（4）：534-537.（in Chinese）

[8]FU June，WANG Jizhou，LI Jiren.Study on the Automatic Extraction of Water Body from TM Image Using Decision Tree Algorithm[C]//International Symposium on Photoelectronic Detection and Imaging Technology and Application（ISPDI）2007.Beijing，China，2007.

[9]ZHANG Zhaohui，Veronique Prinet，MA Songde.Water Body Extraction from Multi-source Satellite Images[C]//IEEE International Geoscience and Remote Sensing Symposium（IGARSS）2003.Toulouse，F(xiàn)rance，2003.

[10]曾志遠(yuǎn).衛(wèi)星遙感圖像計算機(jī)分類與地學(xué)應(yīng)用研究[M]．北京：科學(xué)出版社，2004：1-8，170-190．

ZENG Zhiyuan.Research on Computer Classification of Satellite Images and Application in Geoscience[M]．BeiJing：Science Press，2004：1-8，170-190．（in Chinese）

[11]趙英時，等.遙感應(yīng)用分析原理與方法[M]．北京：科學(xué)出版社，2003：372-387．

ZHAO Yingshi， et al.Applications of Remote Sensing Principle and Method[M]．BeiJing：Science Press，2003：372-387．（in Chinese）

[12]曹亞喬，曾志遠(yuǎn)，曹建洲.常用衛(wèi)星圖像數(shù)據(jù)光譜變換新方法[J]．環(huán)境保護(hù)與循環(huán)經(jīng)濟(jì)，2009（10）：17-19．

CAO Yaqiao，ZENG Zhiyuan，CAO Jianzhou.The New Method of Spectral Data Transformation of Ordinary Satellites Images[J].Environmental Protection and Circular Economy，2009（10）：17-19．（in Chinese）