劉海洋,胡泓達(dá),劉 平,劉旭攏,劉萬俠

(1.廣東省水利水電技術(shù)中心，廣州 510635；2.廣東省科學(xué)院廣州地理研究所,廣州 510070；3.南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室，廣州 511458)

萬里碧道是以水為主線，兼顧生態(tài)、安全、文化、景觀、經(jīng)濟(jì)等功能的生態(tài)廊道，快速準(zhǔn)確獲取河湖水體分布對(duì)碧道規(guī)劃建設(shè)管理及碧道生態(tài)功能研究和評(píng)價(jià)具有重要意義[1-2]。衛(wèi)星遙感技術(shù)在水體提取應(yīng)用中發(fā)揮的作用日益凸顯[3]。水體遙感提取研究從最初的人工目視解譯，到基于光譜特征的半自動(dòng)提取與分類，再發(fā)展到結(jié)合光譜特征與空間信息的方法[4]。其中，基于光譜水體指數(shù)的方法由于其易于理解、計(jì)算簡便等特征，應(yīng)用范圍最為廣泛。

遙感水體指數(shù)使得快速實(shí)現(xiàn)大范圍碧道水體提取成為可能[5]。波段的不同組合和計(jì)算公式產(chǎn)生了多種水體指數(shù)。MCFEETERS[6]于1996年首次提出了歸一化差異水體指數(shù)(NDWI)，充分抑制了植被等非水體信息。徐涵秋[7]提出了一種改進(jìn)的歸一化差異水體指數(shù)(MNDWI)，通過將近紅外波段替換為短波紅外波段，有助于消除來自土壤和建筑物的干擾。相關(guān)學(xué)者利用Landsat7 ETM+影像各波段的自然對(duì)數(shù)來反映反射系數(shù)和相互作用條件，創(chuàng)建了水體指數(shù)WI2006。WI2015水體指數(shù)[8]則以WI2006為基礎(chǔ)，利用線性判別分析分類確定最佳分割訓(xùn)練區(qū)類別的系數(shù)，進(jìn)一步提高了水體提取精度。

哨兵2號(hào)影像具有20 m分辨率的遠(yuǎn)紅外(SWIR)波段和10 m分辨率的可見光(VIS)和近紅外(NIR)波段，將SWIR波段的空間分辨率提高到10 m即可計(jì)算得到10 m分辨率的水體指數(shù)[9]。亟待解決的關(guān)鍵問題是如何準(zhǔn)確提高SWIR波段的空間分辨率，即遙感影像空間降尺度問題。一般來說，空間插值和全色銳化是兩種最流行的用于遙感影像空間降尺度方法。傳統(tǒng)的雙線性插值方法沒有引入其它高分辨率波段信息，而是直接應(yīng)用于低分辨率波段，計(jì)算簡便但效果有限。相比之下，全色銳化方法是以遙感影像的高分辨率全色(PAN)波段的可用性為前提，廣泛應(yīng)用于具有低分辨率多光譜波段和高分辨率PAN波段的遙感影像[10]。

1 研究區(qū)域與方法

1.1 研究區(qū)域與流程

研究區(qū)域位于廣州市區(qū)，總面積超過100 km2(如圖1所示)，研究區(qū)域內(nèi)主要分布珠江航道、海珠濕地等都市型碧道水體，另外還有一部分細(xì)小水體,對(duì)碧道水體提取造成干擾的主要是城區(qū)分布的大片建筑物及其陰影。

圖1 研究區(qū)域示意

本文的研究流程見圖2。首先利用哨兵2號(hào)遙感影像綠和近紅外波段計(jì)算NDWI水體指數(shù)；然后分別通過雙線性插值與GS波段銳化將遠(yuǎn)紅外波段空間分辨率提高至10 m，與可見光波段計(jì)算得到10 m分辨率的MNDWI和WI2015水體指數(shù)；針對(duì)各水體指數(shù)影像進(jìn)行掩膜閾值訓(xùn)練，利用分水嶺算法實(shí)現(xiàn)水體對(duì)象分割與提??；最后利用研究區(qū)域地表水體真值數(shù)據(jù)，對(duì)不同波段降尺度方法與水體指數(shù)組合的碧道水體提取精度開展評(píng)價(jià)對(duì)比。

圖2 研究流程示意

1.2 水體指數(shù)計(jì)算

NDWI是基于遙感影像綠波段和近紅外波段組合而成，計(jì)算公式如下：

(1)

式中：

ρGreen——綠波段的地表反射率；

ρNIR——近紅外波段的地表反射率。

NDWI主要利用近紅外波段水體吸收能力強(qiáng)，而植被反射性強(qiáng)的特點(diǎn)，達(dá)到抑制植被和突出水體信息的目的。

將NDWI中的近紅外波段替換為遠(yuǎn)紅外波段，計(jì)算公式如下：

(2)

式中：

ρSWIR——遠(yuǎn)紅外波段的地表反射率。

MNDWI能夠顯著增強(qiáng)水體與建筑物的對(duì)比度，降低兩者之間的混淆度，有利于準(zhǔn)確提取城鎮(zhèn)地區(qū)的水體信息[11]。

WI2015則是基于各波段自然對(duì)數(shù)創(chuàng)建，計(jì)算公式如下：

WI2015=1.7204+171ρGreen+3ρRed-70ρNIR-45ρSWIR1-71ρSWIR2

(3)

1.3 遠(yuǎn)紅外波段降尺度方法

空間插值和全色銳化算法通常被用來實(shí)現(xiàn)低分辨率波段的空間降尺度。Gram-Schmidt (GS)是應(yīng)用最廣泛的全色銳化算法之一，具有最優(yōu)的光譜保真度，可保持全色銳化前后影像光譜特征的一致性，即降尺度得到的高分辨率波段數(shù)據(jù)保留了原始低分辨率波段的光譜特征[12]。

哨兵2號(hào)影像不具備全色波段，而GS全色銳化需要融入類似全色波段的高分辨率波段信息。VIS/NIR多光譜波段分辨率均為10 m，但波段之間不同程度的相關(guān)性會(huì)導(dǎo)致數(shù)據(jù)冗余。主成分分析方法PCA被廣泛用于遙感多光譜影像波段信息降維[13]。利用PCA將VIS/NIR多光譜波段壓縮成一個(gè)類全色波段。通過對(duì)VIS/NIR四波段進(jìn)行線性變換，生成相互正交的光譜空間，其中第一主成分包含的信息最豐富。據(jù)此可將第一主成分視為10 m類全色波段，通過GS方法融合20 m遠(yuǎn)紅外波段，將遠(yuǎn)紅外波段空間分辨率提高至10 m。

1.4 標(biāo)記控制的分水嶺水體分割算法

標(biāo)記控制的分水嶺算法尤為適合水體分割，與最大類間方差等使用單閾值分割水體/非水體的算法相比，其在水體邊緣表現(xiàn)更好[14]。

使用該算法進(jìn)行水體提取包括3個(gè)步驟：

① 標(biāo)記水體/非水體區(qū)域：針對(duì)各水體指數(shù)影像，分別標(biāo)記可信度高的水體和非水體區(qū)域；

② 梯度影像生成：將Sobel算子應(yīng)用到各水體指數(shù)影像，計(jì)算生成相應(yīng)的梯度影像，用于確定水體和非水體區(qū)域標(biāo)記之間的分界線；

③ 執(zhí)行水體分割：基于水體/非水體區(qū)域標(biāo)記和梯度影像，分水嶺算法迭代擴(kuò)展每個(gè)標(biāo)記，直到所有未標(biāo)記的像元均被標(biāo)記為水體或非水體。

1.5 水體提取精度評(píng)價(jià)指標(biāo)

采用用戶精度(User’s Accuracy,UA)，生產(chǎn)者精度(Producer’s Accuracy,PA)，總體精度(Overall Accuracy,OA)和Kappa系數(shù)等4項(xiàng)評(píng)價(jià)指標(biāo)進(jìn)行水體提取結(jié)果評(píng)價(jià)。計(jì)算方法分別如下：

(4)

(5)

(6)

(7)

式中：

TP——正確提取的水體像元數(shù)目；

FP——錯(cuò)誤提取的水體像元數(shù)目；

FN——未被提取的水體像元數(shù)目；

TN——正確提取的非水體像元數(shù)目；

T——整幅影像總像元數(shù)目,∑=(TP+FP)×(TP+FN)+(FN+TN)×(FP+TN)。

2 實(shí)驗(yàn)結(jié)果分析

2.1 水體指數(shù)計(jì)算結(jié)果

圖3分別展示了NDWI水體指數(shù)、BIL和GS方法對(duì)應(yīng)的MNDWI和WI水體指數(shù)空間分布狀況。不難看出，3種水體指數(shù)均能夠較好地突出水體與陸地之間的反差，水域邊界已經(jīng)較為明顯。相比較而言，依靠雙線性插值方法降尺度的遠(yuǎn)紅外波段計(jì)算得到的水體指數(shù)值域范圍比GS方法分布更廣。

2.2 水體遙感提取精度評(píng)價(jià)

利用分水嶺算法在各水體指數(shù)影像上實(shí)現(xiàn)水體/非水體對(duì)象分割，從而實(shí)現(xiàn)水體區(qū)域的精準(zhǔn)提取。將水體提取結(jié)果與真實(shí)水體數(shù)據(jù)進(jìn)行疊加對(duì)比，即可得到水體誤提區(qū)域與漏提區(qū)域，分別如圖4a和圖4b所示。除了對(duì)水體誤提和漏提結(jié)果進(jìn)行定性直觀表達(dá)，另外利用精度評(píng)價(jià)指標(biāo)對(duì)不同降尺度方法與水體指數(shù)組合的水體提取結(jié)果開展定量評(píng)價(jià)，評(píng)價(jià)結(jié)果見表1。圖4a、b的誤提和漏提結(jié)果分別對(duì)應(yīng)表1的生產(chǎn)者精度UA和用戶精度OA。

a 水體誤提結(jié)果

表1 不同降尺度方法與水體指數(shù)組合的水體提取結(jié)果精度評(píng)價(jià)

在城市區(qū)域易誤分為水體的主要是建筑物陰影。重點(diǎn)關(guān)注建筑物密集分布區(qū)域，在原始影像上呈現(xiàn)出明顯的陰影現(xiàn)象，與水體同屬低反射率地物?？梢钥吹礁魉w指數(shù)影像提取水體結(jié)果一定程度均會(huì)受到建筑物陰影混淆影響。相比較而言，NDWI指數(shù)和GS方法對(duì)應(yīng)的WI指數(shù)水體提取結(jié)果均表現(xiàn)較好，只有少數(shù)建筑物陰影被誤提為水體。特別是NDWI指數(shù)具有最優(yōu)的UA精度(95.02%)，說明NDWI對(duì)應(yīng)的水體誤提情形最少，這與已有研究結(jié)果不太相符。一般認(rèn)為MNDWI、WI等水體指數(shù)在處理建筑物及其陰影干擾時(shí)表現(xiàn)比NDWI更優(yōu)，因此出現(xiàn)水體誤提概率相對(duì)更低。然而，對(duì)于哨兵2號(hào)影像，由于計(jì)算MNDWI和WI指數(shù)需要的10 m分辨率遠(yuǎn)紅外波段是通過空間降尺度而得，該過程必然會(huì)引入降尺度誤差，直接降低水體指數(shù)計(jì)算精度，進(jìn)而一定程度上會(huì)影響水體提取結(jié)果。

BIL方法對(duì)應(yīng)的MNDWI和WI兩種指數(shù)均易將建筑物陰影誤分為水體，水體提取精度基本全面落后于NDWI指數(shù)。這是由于BIL插值方法雖然一定程度上保持了低分辨率遠(yuǎn)紅外波段的原有光譜信息，但是由于沒有引入其它高分辨率波段信息，對(duì)空間細(xì)節(jié)提升作用有限。結(jié)果表明高分辨率波段信息融入對(duì)于改進(jìn)低分辨率波段降尺度結(jié)果尤為重要，可顯著降低水體誤提概率，僅依靠簡單的空間插值方法難以達(dá)到相同的效果。

整體來說，每一種組合都取得了不錯(cuò)的水體提取結(jié)果，UA等各項(xiàng)精度評(píng)價(jià)指標(biāo)均在80%以上。而GS方法對(duì)著的WI指數(shù)則提供了最優(yōu)的PA精度(89.10%)、OA精度(96.79%)與Kappa系數(shù)(0.897)。綜合來看，利用GS降尺度波段信息計(jì)算得到的WI指數(shù)取得了最佳的水體提取效果。這也說明選擇可利用高分辨率波段信息的空間降尺度方法對(duì)于提升水體提取精度尤為重要。

研究區(qū)域內(nèi)分布著眾多細(xì)小水體，3種水體指數(shù)均出現(xiàn)了漏提現(xiàn)象。這是由于GS全色銳化和BIL空間插值均是將參與水體指數(shù)計(jì)算的所有波段空間分辨率統(tǒng)一至10 m，自然無法提取寬度低于10 m的亞像元級(jí)別細(xì)小水體。

3 結(jié)語

水體遙感提取是碧道生態(tài)、安全、文化等綜合功能研究的基礎(chǔ)?；谏诒?號(hào)遙感影像，本文利用多種水體指數(shù)開展城市碧道水體遙感提取方法對(duì)比研究。結(jié)果如下：

1)遙感水體指數(shù)能夠有效提取城市碧道水體信息，特別是刻畫河道水體，水體提取精度評(píng)價(jià)指標(biāo)Kappa系數(shù)均保持在0.8以上。驗(yàn)證了利用衛(wèi)星遙感技術(shù)開展碧道水體監(jiān)測(cè)的有效性和可行性。

2)各水體指數(shù)無法完全避免建筑物陰影對(duì)城市碧道水體提取的干擾，NDWI指數(shù)對(duì)應(yīng)的水體誤提情形最少，這與MNDWI、WI等水體指數(shù)更擅于避免建筑物陰影干擾的已有研究結(jié)論不太相符。這是由于計(jì)算MNDWI和WI指數(shù)需要的10 m分辨率遠(yuǎn)紅外波段是通過空間降尺度而得，降尺度誤差會(huì)降低水體提取精度。

3)受限于影像空間分辨率，各水體指數(shù)提取結(jié)果均會(huì)遺漏細(xì)小碧道水體信息。細(xì)小水體一直是遙感水體提取研究的難點(diǎn)，下一步有必要利用高分辨率遙感影像開展各水體指數(shù)對(duì)于細(xì)小碧道水體提取能力的對(duì)比研究。