蘇子昕, 青玲萱, 王鑫, 薛飛陽, 王旭, 秦翔宇, 楊存建

四川師范大學 地理與資源科學學院

大型水庫的水體識別提取作為一個重要的監(jiān)測水體面積以及水體信息的手段，可以方便、快捷地得到水體面積的變化。水體提取基于水體光譜特征分析的水體提取的方法中，從最開始的單波段提取，到后面的多波段水體提取，水體提取的技術不斷進步，提取方法更多種多樣。

周成虎原始通過對于TM 遙感影像中的波段進行疊加操作的方法進行水體提取[1]。程武學等人通過對單波段閾值法進行水體與地物背景亮度值較大的水體提取研究[2]。McFeeter 等人通過對歸一化植被指數的研究，進一步進行探究得到歸一化差異水體指數的方法進行水體提取[3]。徐涵秋等人構建了歸一化差異水體指數（MNDWI）進行水體提取[4]。翟慶宇等對SDWI 方法進行了實際驗證[21]。莫偉華等人提出了混合水體指數模型（CIWI）[5]。曹榮龍等人構建出了修訂歸一化差異水體指數（RNDWI）[6]。Feyisa 等人提出了自動水體提取指數（AWEI）[7]。閆霈等人提出了增強型水體指數（EWI）[8]。劉迎波以面向對象的方法進行水庫水體提取分析[9]。通過對學者的水體提取方法的研究，對水體提取基本是通過單一的提取方法進行分析，因此選擇魯班水庫作為研究的大型水庫，通過三種方法得到的水體提取結果進行對比分析，從而探究適宜于研究區(qū)大型水庫的提取方法。

Sentinel-1（哨兵1 號）是主動微波遙感衛(wèi)星，其是由兩顆極軌衛(wèi)星A 星和B 星組成，這兩顆衛(wèi)星搭載的傳感器為合成孔徑雷達（SAR）[10]。Sentinel-2（哨兵2 號）是高分辨率多光譜成像衛(wèi)星，其可以分為2A 和2B 兩顆衛(wèi)星，其每顆衛(wèi)星都搭載相同的多光譜影像儀[11]。其可以用于陸地監(jiān)測等使用，其可以為實驗提供需要的植被、土壤、水體數據等影像，通過這些影像，還可以為緊急救援提供服務[11]。Landsat8 是美國陸地衛(wèi)星計劃（Landsat）的第八顆衛(wèi)星[12]。Landsat8 上攜帶的有陸地成像儀（Operational Land Imager ，OLI）和熱紅外傳感器（Thermal Infrared Sensor，TIRS）[13]。陸地成像儀其空間分辨率為30 m，包括了9 個波段，其中包括一個15 m 的全色波段[14]。

在對水體提取方法的選擇上，基于水體光譜特征分析的水體提取方法進行水體提取模型的構建雖然很簡單但是有很大的限制?；跈C器學習方法的水體提取需要大量分析樣本數據，其非常依賴樣本的質量，但是其能夠很適應復雜背景下的水體提取。因此在對研究區(qū)水庫的水體提取，擬分別對sentinel-1 數據處理的SDWI 值，對sentinel-2 數據處理的MNDWI 值，landsat8 數據處理的NDWI 值進行分割，從而區(qū)別出水體與非水體地物，從三種方法中提取的水體提取結果進行對比分析，得到適合研究區(qū)大型水庫的水體提取方法。

1 研究區(qū)概況

三臺縣位于四川省的東北部，三臺縣境內的地質構造較為簡單，全部由褶皺構造組成[15]。三臺縣海拔在307m 到672m 之間，其屬于川中丘陵地區(qū)，地勢北高南低[16]，無地質斷層[17]。魯班水庫是四川省第三大水庫，魯班水庫是屬于都江堰水利工程人民渠七期灌溉系統(tǒng)，也是全國大型的水利設施[18]。魯班水庫所位于的三臺縣境內的水資源主要是地表徑流水、地下水和外來客水三種類型[19]。三臺縣境內存在大大小小的江河溪流一共有46 條，這些江河溪流均屬于長江支流嘉陵江水系，其中又包括了涪江、凱江、梓江、郪江這四條大江[20]。

2 研究方法

2.1 sentinel-1 水體提取分析

將所下載得到的魯班水庫Sentinel-1 數據進行裁剪、相干斑噪聲抑制處理，進行輻射矯正、結合地形矯正，掩膜處理得到本次研究區(qū)域，最后結合DEM 去除山體陰影和水體提取，并對所得到的結果進行精度評價。進行水體提取得到的數據處理后做波段運算，得到新的波段，從而進行水體提取。所使用的方法是SDWI，其也屬于閾值分割法。在對研究區(qū)影像的預處理后得到的雙極化數據按照公式做波段運算,得到新的波段，將新影像SDWI 值大于分割閾值的確定為水體，小于分割閾值的確定為非水體，從而提取出水體信息。

通過計算，對研究區(qū)內的水體提取SWDI 影像的直方圖進行分析，得到當值大于0.2 時為水體，當小于0.2 時為非水體。

2.2 sentinel-2 水體提取分析

對sentinel-2 影像進行波段選擇，裁剪等處理，通過歸一化計算公式水體差異指數(MNDWI)進行在該研究區(qū)內的水體提取，通過將閾值的設定將水體與其他地物區(qū)分出來。MNDWI 可以更有效地增強水體和抑制建筑物特征，因此通過該公式來進行sentinel-2 提取水體數據。其中Green 為綠光波段，MIR 為中紅外波段。

2.3 Landsat8 水體提取

通過將Landsat8 數據進行預處理后，即Mcfeeters[3]在1996 年提出的歸一化差分水體指數(NDWI)，其表達式如公式所示。通過用遙感影像的特定波段進行歸一化差值處理，從而將遙感影像中的水體信息凸顯出來。

對NDWI 進行分析，選定閾值0.017 從而得到關于Landsat8 影像的水體提取結果數據。

3 結果

通過對于sentinel-1 提取得到的關于魯班水庫的水體結果中可以看出，本次實驗采用的是SWDI 方法來提取sentinel-1 影像中的水體（見圖1a-e）。其中，較為細小的河流和水體則也被提取出來，其對于單個提取水庫的情況來說誤差較大，提取出來的水體面積相比sentinel-2（見圖1f-j）和Landsat8 數據（見圖1k-o）來說較多。因此后續(xù)的對于面積分析是在sentinel-1 的基礎上對魯班水庫進行sentinel-2 和Landsat8 的水體提取分析。

圖1 sentient-1、sentinel-2、Landsat8 影像2017-2021 年魯班水庫水體提取結果Fig. 1 Water body extraction results of Luban reservoir from 2017 to 2021 based on sentinel-1, sentinel-2 and Landsat8 images

圖2 sentinel-2 和Landsat8 水體提取面積折線圖Fig. 2 Line chart of water body extraction area based on sentinel-2 data and Landsat8 images

從數據中可以看出，水庫水體面積基本沒有過多的變化。具體來看，2018 年魯班水庫的面積較2017 年有明顯的減少，但是2019 年又稍微增加了一點，2020 年和2021 年則基本沒有變化。2018 年的數據明顯下降可能是由于其數據為4 月份的數據，而2017 年、2019 年、2020 年和2021 年都是8 月或11 月的數據，其降水較4 月更為豐富。但是這五年間水庫的水體面積較為一致。

4 討論

通過對于魯班水庫水體進行基于sentinel-2 和Landsat8 兩種不同的遙感影像進行提取水體，可以看出兩種方法都很適用于提取本次研究區(qū)域內的水體，也能很好地提取出來。通過精度評價可以看出，其錯提和漏提率都較低。Sentinel-2 影像為魯班水庫水體提取提供良好的數據基礎。兩種方法結合sentinel-1 影像數據進行分析精度評價如表1 所示。通過精度評價，Landsat8 遙感影像提取水體的總體精度為0.989，其原因可能是遙感影像上水體部分有云，經過預處理后還是存在漏提。通過兩種方法的提取結果對比可以看出，基于本次研究區(qū)魯班水庫2017 年到2021 年的水體提取，sentinel-2 數據其分辨率較Landsat8 影像數據高，且其根據本次研究中的方法，基于sentinel-2 影像數據的提取更為精準。

表1 精度評價Tab. 1 Accuracy evaluation

對于本次以魯班水庫為例的大型水庫水體提取對比分析中，sentinel-2 數據能夠有效解決對于水體和陰影以及其他地物的混合影響。在后期的改進中，可以通過增加關于研究區(qū)的時間尺度進一步分析研究區(qū)大時間跨度的水體變化分析，且在后續(xù)研究中，應該注意SAR 影像和光學影像所結合的關于水體的分析。在后續(xù)的研究中，可以將sentinel-1 數據進行單獨的水體提取。本次研究由于所選取方法單一，在后續(xù)的研究中應繼續(xù)對此方法進行深入研究和改進，以便提供更好、更合理的方法來提取水體信息。