李 飛，桑國(guó)慶，孫 盈，曹方晶

(1. 水發(fā)規(guī)劃設(shè)計(jì)有限公司，山東 濟(jì)南 250100； 2. 濟(jì)南大學(xué) 水利與環(huán)境學(xué)院，山東 濟(jì)南 250022；3. 山東省海河淮河小清河流域水利管理服務(wù)中心，山東 濟(jì)南 250014)

水資源在生物圈中發(fā)揮著至關(guān)重要的作用。高效提取水體信息在濕地保護(hù)、洪水監(jiān)測(cè)、蓄洪抗旱方面具有重要的意義和價(jià)值。水文和水體信息的常規(guī)獲取途徑主要是水文站點(diǎn)的監(jiān)測(cè)數(shù)據(jù)和野外測(cè)量。人工野外測(cè)量能夠獲得高精度的面積、流速、流量等信息，但高危險(xiǎn)、長(zhǎng)周期等特性限制了該方法的使用。為了彌補(bǔ)人工野外測(cè)量的缺點(diǎn)與不足，遙感手段更加適用于高時(shí)空分辨率的水資源信息獲取和實(shí)時(shí)監(jiān)測(cè)[1]。隨著國(guó)產(chǎn)高分一號(hào)(GF-1)遙感衛(wèi)星成功發(fā)射及正常運(yùn)轉(zhuǎn)，覆蓋范圍廣、獲取速度快及更新周期短等眾多優(yōu)點(diǎn)使其常被用來(lái)提取水體信息，學(xué)者們?cè)诓捎脟?guó)內(nèi)高分遙感影像進(jìn)行水體信息提取的研究方面進(jìn)行了深入的探討[2-3]。

國(guó)外開(kāi)展水體遙感提取的研究大多數(shù)是在陸地衛(wèi)星(Landsat)、中分辨率成像光譜儀(MODIS)、法國(guó)地球觀測(cè)衛(wèi)星(SPOT)等中、高分辨率的衛(wèi)星影像的基礎(chǔ)上進(jìn)行的，比我國(guó)的研究要早。伴隨著我國(guó)越來(lái)越重視遙感技術(shù)的發(fā)展，GF-1衛(wèi)星遙感越來(lái)越受到關(guān)注[4]。目前國(guó)內(nèi)外也有不少學(xué)者利用GF-1衛(wèi)星遙感影像波段信息提取水體數(shù)據(jù)，針對(duì)如何提高遙感影像的水體信息提取精度開(kāi)展了相關(guān)研究。黃帥等[5]在特克斯河研究中利用面向?qū)ο蠓椒ㄍ瓿闪藢?duì)水體信息的提取，提取精度比最大似然法的提高了4.01%。陳文倩等[6]提出了一種適用于特克斯河流域的決策樹(shù)法，提取水體信息的結(jié)果較為完整，可以有效地區(qū)分水體和積雪等不同環(huán)境。張德軍等[7]結(jié)合目視解譯和支持向量機(jī)(SVM)的方法在三峽庫(kù)區(qū)對(duì)水體實(shí)現(xiàn)了精細(xì)化提取，結(jié)果表明，4個(gè)試驗(yàn)區(qū)的總體提取精度都達(dá)到90%以上。以上研究多集中在山區(qū)河流和水庫(kù)等區(qū)域，針對(duì)復(fù)雜水體信息提取的研究尚不多見(jiàn)，因此本文中以山東省微山縣為研究區(qū)，以GF-1衛(wèi)星遙感影像為數(shù)據(jù)源，利用單波段閾值法、歸一化水體指數(shù)法與決策樹(shù)法提取復(fù)雜水體信息，為快速、準(zhǔn)確地從遙感圖像提取水體信息，滿(mǎn)足應(yīng)急水情監(jiān)測(cè)及防災(zāi)的需要提供借鑒。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

微山縣位于山東省西南部，地理位置為東經(jīng)116°39′—117°23′、北緯34°26′—35°7′，我國(guó)北方最大的淡水湖泊——微山湖位于研究區(qū)內(nèi)。該研究區(qū)內(nèi)地物類(lèi)型復(fù)雜多樣，主要有開(kāi)闊湖區(qū)、河流水渠、農(nóng)田、濕地植被、養(yǎng)殖區(qū)、建筑區(qū)等，其中水體面積占大多數(shù)，類(lèi)型多樣，包括微山湖開(kāi)闊水體、入湖河流水渠、湖岸和島嶼邊緣圍網(wǎng)養(yǎng)殖水面以及城市水體4大類(lèi)水體。

1.2 數(shù)據(jù)源與數(shù)據(jù)預(yù)處理

1.2.1 數(shù)據(jù)源

本文中數(shù)據(jù)源為GF-1C全色多光譜相機(jī)(PMS)傳感器的兩景影像，全色波段空間分辨率為2 m，多光譜波段空間分辨率為8 m。兩景影像拍攝時(shí)間均為2019年7月1日，為1A級(jí)影像，軌道號(hào)為(662，97～98)，太陽(yáng)方位角為126.269 332°，太陽(yáng)高度角為17.753 367°，覆蓋范圍為東經(jīng)116°24′—117°24′、北緯34°23′—35°21′，影像無(wú)云覆蓋。GF-1衛(wèi)星遙感影像包括藍(lán)光(波長(zhǎng)為0.45～0.52 μm)、綠光(波長(zhǎng)為0.52～0.59 μm)、紅光(波長(zhǎng)為0.63～0.69 μm)、近紅外(波長(zhǎng)為0.77～0.89 μm)4個(gè)波段。

1.2.2 數(shù)據(jù)預(yù)處理

GF-1衛(wèi)星1A級(jí)遙感數(shù)據(jù)屬于相對(duì)輻射校正數(shù)據(jù)，為了確保后續(xù)水體信息提取的精度，在遙感圖像處理平臺(tái)ENVI 5.3.1中對(duì)影像進(jìn)行預(yù)處理操作，主要包括輻射定標(biāo)—大氣校正—正射校正—融合—鑲嵌—裁剪等流程。輻射定標(biāo)是一種轉(zhuǎn)化關(guān)系，是根據(jù)元數(shù)據(jù)把圖像上的數(shù)值(digital number, DN)轉(zhuǎn)變成輻射亮度值的過(guò)程。對(duì)影像繼續(xù)進(jìn)行大氣校正，目的是去除大氣中氣溶膠對(duì)影像的影響，提高影像質(zhì)量。為了消除影像因地形起伏而引起的偏移，正射校正利用從地理空間數(shù)據(jù)云(http://www.gscloud.cn/)下載的分辨率為30 m的數(shù)字高程數(shù)據(jù)(DEM)對(duì)影像進(jìn)行地形變形的糾正?？紤]到GF-1衛(wèi)星遙感影像全色波段與多光譜波段的分辨率成4倍關(guān)系，融合方法采取全色圖像銳化(Pan-sharpening)方法，該方法保真效果好，可將多光譜的色彩信息與全色波段的空間細(xì)節(jié)信息結(jié)合在一起。圖像鑲嵌是將上述兩景處理后的分辨率為2 m的遙感影像進(jìn)行無(wú)縫拼接。

為了縮短軟件運(yùn)行耗時(shí)，確保研究區(qū)水體的完整性，選取目標(biāo)區(qū)的矢量數(shù)據(jù)裁剪出研究區(qū)的影像作為研究數(shù)據(jù)，完成預(yù)處理后的研究區(qū)影像由藍(lán)、綠、紅、近紅外4個(gè)波段組成。圖1所示為由假彩色波段組合顯示的標(biāo)準(zhǔn)假彩色影像，圖中深藍(lán)色表示水體，紅色表示植被。

2 研究方法

2.1 水體的光譜特征分析

在可見(jiàn)光波段內(nèi)水的反射率一般較小，通常為4%～5%，且與波長(zhǎng)呈負(fù)相關(guān)[8-9]。水體在藍(lán)、綠波段呈現(xiàn)高反射、低吸收的特點(diǎn)；但在近紅外波段呈現(xiàn)相反特征，因此遙感圖像中水體顏色呈現(xiàn)深色。由于水體在不同波譜上的呈現(xiàn)具有差異性，因此能更好地區(qū)分開(kāi)水體與其他類(lèi)型地物。

圖1 研究區(qū)預(yù)處理后標(biāo)準(zhǔn)假彩色影像

研究區(qū)含有水體、建筑區(qū)、濕地植被以及農(nóng)田等4大類(lèi)典型地物，對(duì)研究區(qū)創(chuàng)建相應(yīng)的感興趣區(qū)域，繪制對(duì)應(yīng)的地物類(lèi)別，得到研究區(qū)典型地物樣本，利用遙感圖像處理平臺(tái)ENVI中感興趣區(qū)域工具(ROI Tool)對(duì)感興趣區(qū)域進(jìn)行n維可視化處理，得到4類(lèi)典型地物在不同波段的反射率，見(jiàn)表1(其中反射率擴(kuò)大10 000倍)。

表1 研究區(qū)典型地物在不同波段的反射率均值

2.2 水體提取方法

利用GF-1衛(wèi)星遙感影像，分別采用單波段閾值法、歸一化水體指數(shù)法與決策樹(shù)法對(duì)研究區(qū)內(nèi)水體信息進(jìn)行提取，并對(duì)這3種方法提取結(jié)果的精度進(jìn)行比較。

2.2.1 單波段閾值法

根據(jù)研究區(qū)典型地物在GF-1衛(wèi)星遙感影像的4個(gè)波段中的光譜特征，可以區(qū)分水體與其他地物。水體在近紅外波段具有強(qiáng)吸收、弱反射的光譜特性，而濕地植被、建筑區(qū)和農(nóng)田則具有強(qiáng)反射的光譜特性，因此單波段閾值法選取近紅外波段進(jìn)行水體提取，具體公式為

B4T，

(1)

式中：B4為近紅外波段像元值；T為水體提取的閾值。

式(1)表示在閾值T范圍內(nèi)的像元均為水體。經(jīng)過(guò)灰度直方圖分析，且多次試驗(yàn)比對(duì)分析，確定閾值T為1 128時(shí)水體信息提取效果最佳。

2.2.2 歸一化水體指數(shù)法

目前水體指數(shù)法提取水體信息在水體研究中應(yīng)用最普遍，依據(jù)歸一化植被指數(shù)(normalized difference vegetation index, NDVI)的構(gòu)建原理，McFeeters[10]選取綠波段和近紅外波段提出了歸一化水體指數(shù)(normalized difference water index, NDWI)，具體公式為

(2)

式中：Indw為歸一化水體指數(shù)；B2為綠光波段像元值。

將NDWI運(yùn)用到GF-1衛(wèi)星遙感影像中，能夠在很大程度上去除植被信息，強(qiáng)調(diào)水體信息，同時(shí)利用適當(dāng)?shù)拈撝祵⑺w與非水體進(jìn)行區(qū)分。將預(yù)處理后研究區(qū)內(nèi)的影像進(jìn)行NDWI運(yùn)算，統(tǒng)計(jì)運(yùn)算后影像的像元值，得到灰度直方圖。經(jīng)過(guò)大量試驗(yàn)驗(yàn)證，選擇NDWI灰度直方圖中2個(gè)波峰之間的平緩谷底作為經(jīng)驗(yàn)閾值時(shí)水體信息提取的效果最好，即NDWI大于-0.007 6時(shí)水陸邊界分離結(jié)果最好，因此，選擇-0.007 6作為水體與其他地物的區(qū)分閾值。

2.2.3 決策樹(shù)法

決策樹(shù)(decision tree，DT)類(lèi)似二叉樹(shù)，是由一個(gè)根節(jié)點(diǎn)、若干個(gè)內(nèi)部節(jié)點(diǎn)和葉節(jié)點(diǎn)組成的分類(lèi)方法，主要使用與決策屬性相對(duì)應(yīng)的每個(gè)葉節(jié)點(diǎn)進(jìn)行分類(lèi)，最終決策則是從連續(xù)決策中得出的。該方法的分類(lèi)思想實(shí)質(zhì)上是一種分類(lèi)程序，在對(duì)每個(gè)葉節(jié)點(diǎn)進(jìn)行測(cè)試的基礎(chǔ)上，將一個(gè)數(shù)據(jù)集遞歸地劃分為小分支，決策樹(shù)的構(gòu)建就是對(duì)一組訓(xùn)練數(shù)據(jù)的遞歸分割，通過(guò)對(duì)一個(gè)或多個(gè)特征值的測(cè)試，將一組訓(xùn)練數(shù)據(jù)分成分類(lèi)特征相同的數(shù)據(jù)集[11-12]。水體提取實(shí)質(zhì)上屬于二元分類(lèi)，而決策樹(shù)是解決二元分類(lèi)問(wèn)題的有效手段，知識(shí)決策樹(shù)模型特別適用于基于簡(jiǎn)單特征的地物提取問(wèn)題。

基于單波段閾值法和歸一化水體指數(shù)法2種方法在GF-1衛(wèi)星遙感影像中的應(yīng)用，分析其優(yōu)勢(shì)與不足，本文中采用近紅外波段閾值、NDVI、NDWI等多種方法構(gòu)建決策樹(shù)算法，對(duì)研究區(qū)水體進(jìn)行提取。為了區(qū)分出暗色像元和亮色像元來(lái)大致提取水體和非水體，采用GF-1衛(wèi)星遙感影像近紅外波段像元的閾值確定水體與非水體的分割邊界，將二者閾值設(shè)為1 128，確定水體像元亮度范圍為[0，1 128)，非水體像元亮度范圍為[1 128，8 000]?？紤]到其他暗色地物可能混入水體像元中，例如某些水生植被、農(nóng)田用地及部分建筑用地等，為了將其與水體分離，依次利用NDVI和NDWI區(qū)分水體和濕地植被、農(nóng)田、建筑等背景。為了最大程度地抑制植被信息，突出水體特征，經(jīng)NDVI灰度直方圖反復(fù)試驗(yàn)，發(fā)現(xiàn)閾值設(shè)定為-0.007 4時(shí)，效果最佳。

利用NDWI抑制農(nóng)田用地及建筑用地的信息，從而突出水體，根據(jù)NDWI灰度直方圖反復(fù)試驗(yàn)，確定閾值為-0.007 6時(shí)提取效果最好。決策樹(shù)水體提取模型如圖2所示。

B4—紅外波段像元值；NDVI—?dú)w一化植 被指數(shù)；NDWI—?dú)w一化水體指數(shù)。圖2 決策樹(shù)水體提取模型

3 結(jié)果及討論

3.1 提取結(jié)果

根據(jù)以上3種方法提取的水體信息得到的圖像進(jìn)行二值化處理，結(jié)果如圖3所示，其中白色表示水體，黑色表示非水體，以便區(qū)分水體與背景值。3種方法均采用灰度直方圖獲得閾值，結(jié)果如圖4所示。

(a)單波段閾值法(b)歸一化水體指數(shù)法(c)決策樹(shù)法圖3 不同方法提取的水體信息結(jié)果(白色為水體,黑色為非水體)

提取結(jié)果中通常會(huì)存在不同程度的碎片化，由于本文中采用3種不同方法進(jìn)行水體信息的自動(dòng)提取，因此不進(jìn)行后續(xù)的人為處理，以確保提取結(jié)果的真實(shí)性。從圖3中可以看出，3種方法都可以較完整、準(zhǔn)確地提取出微山湖開(kāi)闊水體，但是在地物分布較為復(fù)雜的區(qū)域存在差異，主要表現(xiàn)是對(duì)陰影、建筑、養(yǎng)殖區(qū)的誤提，以及對(duì)養(yǎng)殖區(qū)、農(nóng)田、河流水渠、城市水體的漏提。為了得到將顏色較深的水體與其他地物進(jìn)行區(qū)分的閾值，單波段閾值法需要大量反復(fù)試驗(yàn)確定閾值，但在與水體光譜特征相近的陰影區(qū)、建筑區(qū)等區(qū)域存在較多的誤提現(xiàn)象。相比之下，NDWI法易于操作，但提取效果與真實(shí)水體存在差異，表現(xiàn)在建筑區(qū)水體、河流水渠、湖泊淺灘及養(yǎng)殖水域呈現(xiàn)不同程度的錯(cuò)誤。決策樹(shù)法提取水體造成誤提和漏提現(xiàn)象不明顯，較完好地提取了開(kāi)闊水域，同時(shí)兼顧了大、小河流以及養(yǎng)殖魚(yú)塘、蝦池處水體信息的完整性，但提取過(guò)程比前2種方法更繁雜，所需的時(shí)間也更長(zhǎng)。

(a)單波段閾值法

(b)歸一化水體指數(shù)法

(c)決策樹(shù)法圖4 不同方法灰度直方圖的閾值結(jié)果

3.2 細(xì)節(jié)對(duì)比

單波段閾值法、NDWI法及決策樹(shù)法提取結(jié)果的主要區(qū)別是在非水體(農(nóng)田、建筑區(qū)、陰影)和水體(河流水渠、湖區(qū)、養(yǎng)殖區(qū)、城市水體)處。水體及非水體的具體細(xì)節(jié)對(duì)比如表2所示，黃色框內(nèi)為不同地物的主要對(duì)比區(qū)域。

由表可知，3種方法在對(duì)農(nóng)田附近水體、養(yǎng)殖區(qū)水體、城市水體以及河流水渠處提取特征時(shí)都出現(xiàn)了漏提，其中NDWI法的漏提最為嚴(yán)重，相比之下，決策樹(shù)法的漏提和誤提現(xiàn)象相對(duì)較少，與實(shí)際水體的分布情況較為吻合，單波段閾值法的提取效果處于兩者之間。對(duì)于部分建筑區(qū)，NDWI法存在嚴(yán)重的誤提現(xiàn)象，單波段閾值法和決策樹(shù)法提取的效果相似，僅出現(xiàn)少量的誤提區(qū)域。此外，3種方法在獲取細(xì)小河流、水渠類(lèi)型的水體信息時(shí)通常出現(xiàn)“斷流”現(xiàn)象，其中單波段閾值法和決策樹(shù)法提取的信息相對(duì)連續(xù)和完整，而NDWI法提取效果不佳。單波段閾值法和NDWI法存在將陰影錯(cuò)誤提取為水體的現(xiàn)象，而決策樹(shù)法提取時(shí)基本無(wú)誤。

3.3 精度驗(yàn)證及比較

基于研究區(qū)的衛(wèi)星遙感影像，將人工目視解譯出的水體信息作為真實(shí)參考值，驗(yàn)證3種方法的提取結(jié)果的精度，并進(jìn)行統(tǒng)計(jì)分析。

首先通過(guò)在預(yù)處理后的遙感影像上的人工目視判讀，解譯出水體信息；然后對(duì)人工判讀的結(jié)果進(jìn)行二值化處理(水體為1，非水體為0)；最后分別用3種不同提取方法得到的結(jié)果與人工解譯結(jié)果進(jìn)行差值運(yùn)算(被減數(shù)為自動(dòng)化提取二值化影像像元，減數(shù)為對(duì)應(yīng)人工目視解譯的二值化影像像元)。經(jīng)過(guò)運(yùn)算后統(tǒng)計(jì)3種方法提取水體的精度，用漏提率、誤提率和提取精度來(lái)定量對(duì)比不同方法的提取精度，其中-1表示未被提出的水體像元，該類(lèi)像元數(shù)與總像元數(shù)的比值即為水體的漏提率；0表示地物類(lèi)別被提取正確的像元，該類(lèi)像元數(shù)與總像元數(shù)的比值即為水體的準(zhǔn)確提取精度；1表示把其他類(lèi)別地物像元錯(cuò)誤提取為水體的像元，該類(lèi)像元數(shù)與總像元數(shù)的比值即為水體的誤提率[13]。分別將3種方法提取的研究區(qū)水體結(jié)果進(jìn)行差值運(yùn)算，結(jié)果如表3所示。

由表中可以看出，NDWI法的水體漏提、誤提的比例偏高，原因主要是受研究區(qū)水體類(lèi)型多樣性、分布復(fù)雜性、以及混合像元高占比等因素的影響。決策樹(shù)法水體漏提的比例最低，誤提率也比單波段閾值法低，得益于該方法綜合考慮了水體信息在近紅外波段與其他地物的差異性、NDVI和NDWI，可以很好地提取水體信息。

表2 水體與非水體提取結(jié)果細(xì)節(jié)對(duì)比

表3 水體信息提取結(jié)果統(tǒng)計(jì)

為了驗(yàn)證3種方法對(duì)不同類(lèi)型的水體信息提取精度，采用混淆矩陣表示分類(lèi)結(jié)果與地表真實(shí)信息。首先，采用分辨率為0.5 m的天地圖影像，選取研究區(qū)內(nèi)的湖區(qū)、河流水渠、養(yǎng)殖區(qū)、城市水體與非水體的樣本各50個(gè)；然后，在3種方法得到的結(jié)果上分別導(dǎo)入上述樣本，將樣本類(lèi)別與最終提取分類(lèi)結(jié)果相匹配，從而得到精度評(píng)價(jià)，將3種方法提取分類(lèi)結(jié)果中的“1”匹配至樣本信息中的湖區(qū)、河流水渠、養(yǎng)殖區(qū)、城市水體，“0”匹配至樣本信息中的非水體；最后，輸出混淆矩陣，統(tǒng)計(jì)不同類(lèi)型水體提取的總體精度結(jié)果，如表4所示。從表中可以看出，采用決策樹(shù)法提取的各類(lèi)型水體的精度高于其他2種方法提取的，但在不同類(lèi)型水體的提取精度上存在差別。當(dāng)提取水體類(lèi)型為湖區(qū)和河流水渠時(shí)，決策樹(shù)法優(yōu)于單波段閾值法和NDWI法，單波段閾值法和NDWI法存在河流斷線以及湖泊邊界像元誤提的現(xiàn)象。當(dāng)提取水體類(lèi)型為養(yǎng)殖區(qū)時(shí)，單波段閾值法更優(yōu)，養(yǎng)殖區(qū)邊界提取較清晰。當(dāng)提取水體類(lèi)型為城市水體時(shí)，3種方法的提取精度較差，誤提和漏提嚴(yán)重，原因是城市水體面積小，且城市水體存在與建筑陰影等暗地物間的光譜信息混淆現(xiàn)象。

表4 不同類(lèi)型水體提取總體精度結(jié)果

結(jié)果表明，3種方法在綜合考慮各種漏提、誤提以及不同類(lèi)型水體的提取精度的情況下，精度稍有差別。其中，決策樹(shù)法的提取精度最高(98.767 2%)，湖泊、河流水渠和養(yǎng)殖區(qū)等水體提取較為完整；其次為單波段閾值法，提取精度為98.152 6%，該方法能夠利用水體的光譜特性來(lái)確定閾值，從而實(shí)現(xiàn)水體的有效提??；但是，由于部分建筑區(qū)、陰影等地物的波譜特征與水體相似，因此該方法無(wú)法精準(zhǔn)區(qū)分，可能誤提為水體。NDWI法的提取精度最低(95.297 7%)，并且對(duì)各類(lèi)型水體提取的效果都比其他2種方法的差。

4 結(jié)論

本文中以山東省微山縣為研究對(duì)象，以GF-1衛(wèi)星遙感影像為數(shù)據(jù)源，基于單波段閾值法、NDWI法及決策樹(shù)法提取研究區(qū)的水體信息，得到如下結(jié)論：

1)單波段閾值法、NDWI法及決策樹(shù)法按基于GF-1衛(wèi)星遙感影像提取微山湖區(qū)水體信息的精度由高到低依次為決策樹(shù)法、單波段閾值法和NDWI法，表明決策樹(shù)法更適用于利用衛(wèi)星遙感數(shù)據(jù)提取該研究區(qū)的水體信息。

2)3種方法在進(jìn)行湖區(qū)開(kāi)闊水體的提取時(shí)效果都較為理想，然而從不同方法呈現(xiàn)的提取細(xì)節(jié)來(lái)看，部分建筑區(qū)、陰影等地物的波譜特征與水體的相似，導(dǎo)致利用單波段閾值法進(jìn)行提取時(shí)，此類(lèi)地物的像元存在較嚴(yán)重的誤提現(xiàn)象。另外，水體復(fù)雜程度及人為因素對(duì)決策樹(shù)法和NDWI法的最佳閾值選取的影響較大，從而存在一定程度的漏提和誤提現(xiàn)象。

3)決策樹(shù)法提取精度較高，在對(duì)不同尺度和多種類(lèi)型的水體進(jìn)行提取時(shí)較為適用，但隨著節(jié)點(diǎn)數(shù)量增加，運(yùn)算效率較低；單波段閾值法常出現(xiàn)“異物同譜”的情況，更適用于對(duì)單一水體提??；NDWI法提取方法簡(jiǎn)單，易操作，但不同水體類(lèi)型影響其閾值，需要對(duì)閾值進(jìn)行反復(fù)試錯(cuò)，在對(duì)復(fù)雜區(qū)內(nèi)水體提取時(shí)效果較差。

本文中在驗(yàn)證不同方法的水體提取的精度時(shí)，不僅驗(yàn)證了全域影像水體的總體精度，而且驗(yàn)證了不同方法對(duì)不同類(lèi)型水體的提取精度。在今后的研究中將進(jìn)一步研究適用于不同水體類(lèi)型的提取方法，提高復(fù)雜區(qū)水體提取的精度。此外，為了充分推廣國(guó)內(nèi)數(shù)據(jù)源的應(yīng)用和發(fā)揮國(guó)內(nèi)高分辨率數(shù)據(jù)的優(yōu)勢(shì)，下一步將繼續(xù)利用GF-1、高分六號(hào)(GF-6)、資源三號(hào)(ZY-3)等衛(wèi)星遙感影像數(shù)據(jù)進(jìn)行水體提取方法的研究，并探索適用于多源遙感數(shù)據(jù)的水體提取方法。