基于NDVI-MNDWI特征空间的水体信息增强方法研究
不同指数法在地表水体提取中的效果比较
收稿日期：2019-07-17 基金项目：国家联合基金项目（U1704125）；河南省高等学校重点科研项目（17A570002） 作者简介：李爱民（1972-），男，山东菏泽人，副教授，研究方向：遥感与地理信息技术。E-mail: aiminli@
Copyright©博看网 . All Rights Reserved.
果更加准确 [7]。8）基于形态学白帽变换的细小水 体信息提取方法。能对细小水体做增强处理 [8]。 9）结合卷积神经网络与水体指数的遥感水体提取 方法。水体识别准确率高达 94.19％，错分率仅为 5.04％，显著提高了水体提取精度 [9]。10）基于离 散粒子群算法的谱匹配方法，识别影像中的水体和 非水体，只考虑 2 个参数，提取方法新颖、稳健且 成本低廉 。 [10]
引言
近年来，随着各种高分辨率卫星的投入使用， 遥感技术在水资源领域的应用越来越广泛，基于影 像提取水体的方法很多。主要有以下方法：1）单波 段阈值法。对某一波段设置灰度临界值，通过波段 运算，区分遥感图像中的水体和非水体信息 [1] 。2） 多波段谱间关系法。根据遥感影像的几个波段针对 水体的光谱特性，构建波段运算关系式，区分水体 和其余地物的信息 [2]。3）水体指数法。抑制其他地 物信息而增强水体信息，为遥感影像水体信息提取 研究指引新的方向 [3]。4）改进的水体指数法。用中 红外波段代替近红外波段，提取水体效果更佳 [4]。 5）植被指数法。根据水体与植被在红光及近红外 波段的波谱特性，构建植被指数，运用单通道阈值 法，可以有效提取水体 [5]。6）面向对象的方法提取 水体信息，在地形复杂地区水体提取的准确率高达 95% [6]。7）基于高分 2 号（GF-2）影像 4 个波段 的比值算法。此方法识别黑臭水体的精度最高，结
遥感常用ndvimndwi、ndbi等三个指数的计算及landsat应用
N D V INDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简????称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,水指数)，用的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI的命名尚有争议。
在1996年提出的差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p())/(p(Green)+p(NIR))是基于绿波段与波段的归一化比值指数。
该NDWI一般用来提取影像中的水体信息，效果较好。
局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。
2. Gao于1996年也命名了一个NDWI[2]?，用于研究植被的含水量。
丹江口水库水域变化遥感监测研究
丹江口水库水域变化遥感监测研究段晋江;姜永涛;丁磊香;翟亮;艾波【期刊名称】《河南城建学院学报》【年(卷),期】2022(31)4【摘要】基于2013—2020年的Landsat8遥感数据,利用PIE-Engine遥感大数据平台,以改进的归一化水体指数(modified Normalized Difference Water Index,mNDWI)和植被指数(Normalized Difference Vegetation Index,NDVI)为指标,采用决策树法获得丹江口水库月度水域数据集,从月度、季度和年尺度上对丹江口水库的水域面积时间变化进行研究,并探讨其原因,同时研究了库区消落带的空间分布和时间演化特征。
结果表明:整体上,2013—2020年丹江口水库的水域面积总体呈上升趋势,最大水域面积为751.36 km 2(2017年10月),最小水域面积为294.93 km 2(2014年4月);在季度尺度上,无论通水前后,库区秋冬季的水域面积最大,春季的水域面积最小;丹江口水库的消落带大部分分布在丹江库区,南水北调中线一期工程通水后,消落带面积较通水前增加,且主要分布在丹江库区中部和北部地区。
【总页数】6页(P56-61)【作者】段晋江;姜永涛;丁磊香;翟亮;艾波【作者单位】山东科技大学测绘科学与工程学院;南阳师范学院自然灾害遥感监测河南省高校重点实验室;河南城建学院测绘与城市空间信息学院【正文语种】中文【中图分类】P236【相关文献】1.丹江口水库水域面积动态变化研究2.基于高分辨率遥感影像的大伙房水库水域面积变化监测3.丹江口水库面积季节变化遥感监测4.应用遥感技术监测丹江口水库氨氮分布研究5.丹江口水库总氮、氨氮遥感反演及时空变化研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于LSWI和NDVI时间序列的水田信息提取研究
基于 Ｌ Ｓ ＷＩ 和 ＮＤ ＶＩ 时 间序 列 的 水 田信 息 提 取 研 究
刘元亮， 李 艳 ， 吴剑亮
（ 南京大学国际地球系统科学研究所 ， 江苏省地理信息技术重点实验室 ， 江苏 南京 ２ １ ０ ０ ２ ３ ）
及 高程 特征 ， 采用 二叉 树 方法 提取 了浙 江省金 华 市 水 田信 息。经过 验 证 ， 在 空 间上水 田信息 的提取 精 度 达到 ９ ２ ． ３ ， 在县域尺度上提取面积与统计年鉴具有 ０ ． ９ ７的相关度 。 关键词 ： 水 田； Ｌ Ｓ ＷＩ ； Ｎ ＤＶＩ 时间序列 ； 金华 中图分类号 ： ＴＰ ７ ５ １ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ ２ 一Ｏ ５ Ｏ ４ （ ２ ０ １ ５ ） ０ ３ —０ ０ ３ ２ —０ ６
稻 成熟 期 的 Ｃ Ｂ Ｅ Ｒ Ｓ － ０ ２ Ｂ卫 星 遥感 影 像 对 比分 析 了 ９ Ｏ ． ７ 万ｔ ， 目前 ， 水 稻仍是 其 主要种 植作 物 。
水稻与其 他 地 物 的归 一 化植 被 指 数 （ Ｎｏ ｒ ｍａ ｌ ｉ ｚ ｅ ｄ
本文选 用 的遥 感 影 像 由 ２ ０ ０ ８年 、 ２ ０ ０ ９年 和
星Ｃ Ｃ Ｄ数据水稻 的光潜反射特性进行分析 ， 建立了 明， 热量 雨量 丰 富 ， 干 湿 两 季 明显 ， 属 于 亚 热 带 季 风 水稻遥感信息识别模型 ， 应用决策树分类方法 提取 气候。金华作为重要的粮食生产基地 ， 素有“ 浙中粮 了广西宾 阳县 的水 稻 作 物 信 息［ ６ ； 王力 凡 等 利 用 水 仓 ” 的美 誉 。２ ０ １ １年 ， 金 华 市 粮 食 作 物 总 产 量 达
1986—2020_年山东省地表水时空变化特征分析李艺,范
第38卷第1期2024年1月山东理工大学学报(自然科学版)Journal of Shandong University of Technology(Natural Science Edition)Vol.38No.1Jan.2024收稿日期:20221128基金项目:国家自然科学基金项目(42171413);山东省自然科学基金项目(ZR2020MD015);山东理工大学青年教师发展支持计划项目(4072-115016)第一作者:李艺,女,20507020764@;通信作者:范俊甫,男,fanjf@文章编号:1672-6197(2024)01-0001-071986 2020年山东省地表水时空变化特征分析李艺,范俊甫,张志锟,左吉伟,时宗闻,高宇(山东理工大学建筑工程与空间信息学院,山东淄博255049)摘要:针对地表水提取过程中部分细小河流和半干涸河道提取较困难的问题,以1986 2020年的山东省内陆地表水为研究对象,基于改进的归一化水体指数(MNDWI )模型,引入建筑物指数模型和植被指数模型,提出了一种新型水体指数(GMNDWI ),较明显地提高了地表水体的提取精度㊂在此基础上,运用空间网格化处理与分区统计㊁动态度等方法分析了山东省内陆地表水的时空变化特征,并通过相关性分析对选取的影响因子进行了讨论㊂结果表明:研究区内地表水时空分布不均衡,旱雨季水面积之比稳定在3ʒ5,均呈现先增加后减少的变化趋势;降雨量和耕地面积与地表水面积的相关系数明显高于其他因素,表明二者的共同作用是导致研究区地表水面积变化的关键因素㊂关键词:Landsat ;遥感;地表水提取;水体指数;精度分析;相关性分析中图分类号:TB532.1;TB553文献标志码:AAnalysis of temporal and spatial variation characteristics of surfacewater resources in Shandong Province from 1986to 2020LI Yi,FAN Junfu,ZHANG Zhikun,ZUO Jiwei,SHI Zongwen,GAO Yu(School of Architectural Engineering and Spatial Information,Shandong University of Technology,Zibo 255049,China)Abstract :In order to solve the difficulty of extracting some small rivers and semi-dry channels in theprocess of surface water extraction,the inland surface water of Shandong Province from 1986to 2020was taken as the research object and a new water index (GMNDWI)based on the MNDWI water index model was proposed by introducing the building index model and the vegetation index model,which significantly improved the extraction accuracy of surface water.On this basis,the spatio-temporal variation character-istics of inland surface water in Shandong Province were analyzed using spatial grid processing,zonal sta-tistics and dynamic attitude methods,and the selected influencing factors were discussed by correlation a-nalysis.The results show that the spatial and temporal distribution of surface water in the study area is uneven,and the ratio of water area in the dry and rainy seasons is stable at 3ʒ5,showing a trend of in-creasing first and then decreasing.The correlation coefficients of rainfall and cultivated land area with surface water area are significantly higher than other factors,indicating that the combined action ofrainfall and cultivated land area is the key factor leading to the change of surface water area in the study area.Keywords :Landsat;remote sensing;surface water extraction;water index;precision analysis;corre-lation analysis㊀㊀㊀地表水是维持区域生态平衡㊁促进经济社会发展的关键因素[1],其作为日益短缺的关键性基础资源,近几年在山东省的总量降幅明显,季节变化显著,供需矛盾日益突出[2]㊂作为中国典型的沿海省份,目前学者们对该区域的地表水开发利用[3]㊁水资源管理[4]和水保护[5]已做了大量的研究,开展了一系列基于水文气象站点㊁雨量数据等资料的定量分析[6],但由于数据的来源渠道多样㊁标准不规范,且缺乏连续性,因此较难反映研究区地表水的整体时空演化特征㊂卫星遥感数据能大区域㊁长时段㊁高效率监测地表水状态[7],为实现对区域地表水的长时间跨度连续观测提供高可靠的数据源;然而目前研究多局限于局部典型水域或较短时间序列,缺乏对山东省整体地表水长期连续动态变化的研究,且未对地表水的季节性变化特征进行分析比较㊂从导致地表水面积变化的驱动力方面来看,山东省地表水季节性动态变化受到大气环境影响和社会经济影响等诸多因子的综合影响比较明显,因此单个季度的地表水监测并无法全面反映地表水变化㊂获取地面大范围㊁大尺度的地面信息主要是通过遥感影像,国内外学者在遥感影像提取水体方面已做了大量研究㊂目前Landsat影像提取方法可大致分为两大类:一类是基于影像波段信息,通过原始波段处理或波段间相组合所构成的指数模型,如McFeeters[8]提出的归一化水体指数(NDWI),虽能提取水体信息但也掺杂大量背景噪音,徐涵秋[9]通过波段变换的方式提出改进后的归一化水体指数(MNDWI),在抑制植被等无效信息方面取得良好效果;另一类是基于图像显示的特征,通过特征分类别判定的分类器法,如Kalke等[10]通过支持向量机的方法对河流水体进行提取,但其中核函数参数的选取有一定的难度,薛源等[11]利用水体指数和决策树结合DEM河网实现对山区河流的自动提取㊂目前深度学习算法也开始被应用在水体的分类提取当中,但其需要大量准确样本支持的特性是提取工作的痛点[12],因此,高效准确的指数模型法因其普适性依然是当今大范围数据提取工作的首选[13]㊂本文基于1986 2020年长时序的Landsat遥感影像数据,通过水体指数模型提取水体以分析山东省地表水的动态度㊁变化率,揭示了多年山东省地表水的时空演变特征,结合自然资源数据和社会经济数据,对影响地表水面积变化的影响因子进行了相关性分析㊂该研究旨在揭示山东省地表水时空演变规律及其与气候变化和人类活动的关系,为山东正在实施的区域协调发展战略[14]的顺利实施提供科学的参考依据,为中国沿海地区地表水资源的保护及合理开发利用提供科学参考㊂1㊀研究区与数据来源1.1㊀研究区概况山东省地处中国东部沿海,位于世界公认的黄金纬度的海岸线上(34ʎ25ᶄN~38ʎ23ᶄN,114ʎ36ᶄE~122ʎ43ᶄE)㊂地处温带季风型气候,雨热同期,降水集中且季节分配不均,易发生严重春旱和夏涝;加之利用效率低㊁过度开发等人为因素综合作用,地表水资源短缺逐渐成为常态,给各行业发展和人民的生产生活带来显著影响,成为严重制约工业和农业持续健康发展的瓶颈[15]㊂1.2㊀数据来源与预处理Landsat系列卫星遥感影像数据来源于美国地质调查局官网;人口和GDP数据来自中国国家统计局;降雨量和用水量数据来自山东省水利厅;耕地数据来自山东省统计局和公开文献[16];气温数据来自欧洲中期数值预报中心的气候再分析数据㊂选择1986年㊁1995年㊁2004年㊁2013年㊁2020年的旱季㊁雨季共10期Landsat卫星遥感数据作为数据源㊂旱季选取一月份至三月份㊁雨季选取八月份中旬至九月下旬,且云量小于5%的数据㊂为消除差异影响,根据影像特征确定合适的参数和大气模型,对遥感影像进行辐射定标和大气校正等处理后得到可满足研究要求的数据集,相关操作在ENVI 5.3软件中完成㊂1.3㊀研究方法1.3.1㊀提取方法将文献[17]中现有的22种水体指数模型分别应用在研究区地表水提取中,对实验结果进行对比分析发现,MNDWI是分离度最高㊁提取效果最好的水体指数模型,这与屈慧慧等[18]研究结果一致,其计算原理见式(1)[9]㊂MNDWI=Green-MIR1Green+MIR1,(1)式中:MNDWI为水体指数模型,Green为绿光波段的像元值,MIR1为中红外波段的像元值㊂该方法能准确提取绝大部分大面积水体,但部分细小河流未被成功提取㊂采用调整最佳阈值的方法以解决该问题,将初始阈值减小0.01后,水体未被提取的情况得到改善,但部分建筑物㊁植被等干扰物也被归为水2山东理工大学学报(自然科学版)2024年㊀体㊂针对该问题,本研究引入提取植被效果较好的植被指数模型NDVI[19](式(2))和提取建筑物较为完善的建筑物指数模型NDBI[19](式(3)),分别二值化后构建新型的水体指数GMNDWI,其计算公式见式(4)㊂NDVI=NIR-REDNIR+RED,(2)式中:NDVI为植被指数模型,NIR为近红外波段的像元值,RED为红光波段的像元值㊂NDBI=MIR1-NIRMIR1+NIR,(3)㊀GMNDWI=MNDWI-NDVI-NDBI㊂(4) 1.3.2㊀时空分布特征分析时空分布特征分析利用空间网格化处理和分区统计来完成㊂空间网格化处理就是用规定大小的格网将一定范围的平面进行分割,从而得到单元数据的过程㊂通过ArcGIS软件,采用1kmˑ1km的格网将研究区内旱季水和雨季水进行分割,经过分区统计得到水体面积占各网格的位置及比例,从而分析讨论研究区内旱季水和雨季水的空间分布和时间变化特征㊂1.3.3㊀变化趋势分析通过动态度计算来反映地表水面积变化的剧烈程度,分析地表水面积变化的趋势,其计算方法为研究区内研究期始末地表水的面积变化量占初始期地表水面积的比重,并与研究时段的比值㊂动态度的绝对值越大,表明在一段时间内地表水的面积变化越剧烈㊂此外,为直观展现研究区地表水面积变化在空间上的分布,采用格网法将研究区分割成1km ˑ1km的空间格网,用研究期始末地表水面积占该格网面积的比重变化反映该地区地表水面积变化的趋势,若其值为正值,表明呈增加趋势,反之则为减少趋势㊂1.3.4㊀相关性分析为探究各影响因子对研究区内旱季水和雨季水的影响程度,分析地表水区域差异特征,运用皮尔森相关系数法将每年地表旱季水和雨季水面积与各影响因子进行相关性分析,通过该系数反映地表水面积与各影响因子的紧密程度㊂2㊀精度评价与结果2.1㊀提取结果近几年全球海平面逐年上升[20],加上研究区北部大面积的养殖池扩建和盐田开发导致海岸线边界不断扩展,海岸侵蚀导致滩涂下边界向内陆推进[21],故本研究将海水从GMNDWI指数提取的研究区地表水的实验结果中进行剔除处理㊂参照山东省海洋局发布的‘海岸线调查技术规范“(山东省地方标准)[22],结合行政区划矢量数据目视解译2020年Landsat遥感影像的海岸线边界,将海水剔除㊂2.2㊀精度评价先以JRC数据集为参考,验证本文水体指数模型方法的精度,利用ArcGIS软件在提取的矢量水体数据内选取随机点,使用eCognition软件对水体提取结果进行基于对象样本的混淆矩阵法精度评价㊂选取研究区境内的黄河流域对比高分辨率的遥感影像进行人工目视解译,作为精度评价的验证样本,以50m为最小允许距离,随机选取653个样本点对水体提取结果进行Kappa系数精度㊁总体精度和用户精度验证,验证结果见表1㊂㊀㊀㊀㊀㊀㊀表1㊀精度验证结果㊀㊀㊀㊀㊀㊀㊀单位:%项目精度评价Kappa系数精度总体精度用户精度水体指数96.5078.7195.1195.11 JRC数据集75.0077.0379.3679.36㊀㊀经精度验证发现,本研究所提出方法的精度评价㊁Kappa系数㊁总体精度㊁用户精度均比JRC数据集精度有提升,充分证明了这种水体指数方法精度的提高㊂3㊀研究区地表水时空演变特征3.1㊀研究区域地表水空间区划为更直观地反应研究区内地表水面积的时空变化,参考水利部水利水电规划设计总院发布的‘中国水功能区划“[23]及山东省水利部门发布的‘山东省水资源公报“[24],将研究区划分为四部分分别为徒骇马颊河区㊁花园口以下区㊁沂沭泗河区和山东半岛诸河区,如图1所示㊂3.1.1㊀地表水空间变化特征结合图2,从地表水面积的空间占比来看,研究区内永久水(即全年维持水域状态的地表水)和季节水(即随季节变动的地表水)在空间分布上的疏密程度不均,永久水在花园口以下区和山东半岛诸河区的面积占比高于季节水,而徒骇马頬河区和沂沭泗河区内的永久水和季节水占比均等㊂1986 2020年间永久水的占比有所下降,但仍高于季节水3第1期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀李艺,等:1986 2020年山东省地表水时空变化特征分析图1㊀地表水分区(a)1986年(b)2020年图2㊀地表水的面积空间占比占比㊂3.1.2㊀地表水时间变化特征整体来看,1986 2020年间研究区旱季水面积和雨季水面积的变化趋势大体一致,均为先增加后减少㊂雨季水面积呈现出波动增加的趋势,面积增加14.2%;旱季水面积呈现出波动减少的趋势,面积减少7.1%;雨季水在1986年时,面积最小为3238km 2;旱季水在2020年面积最小为2223km 2㊂在2004年旱季水面积和雨季水面积均达到顶峰,分别为4474km 2和2847km 2㊂根据地表水区域划分,本文分别统计了各时期各分区内旱雨季水的面积,其变化趋势如图3所示,由图可知,徒骇马頬河区旱季水面积稳步增加,雨季水面积增加后趋于稳定,花园口以下区的旱雨季水面积均呈波动减少的态势,沂沭泗河区与山东半岛诸河区旱雨季水的面积均呈先增加后减少的趋势㊂图3㊀分区地表水面积3.2㊀地表水面积测度动态变化3.2.1㊀地表水面积变化率分别计算旱雨季水在四个研究时段的变化率及1986 2020年均变化率,以此来分析研究区内地表水面积的变化程度㊂由图4可知,旱季水增加面积的变化率呈现先减少后增加的趋势,特别是在2004 2013年时间段变化率最小为10%;而旱季水减少面积的变化率在各研究时段较为平稳,保持在15%左右㊂由此可见,旱季水总体变化率与增加面积的变化率基本保持一致㊂另外,雨季水增加面积的变化率呈现先减少后增加的趋势,尤其是在2004 2013年时间段变化率最小为6.7%,成为在各研究期变化最为平稳的地表水类型㊂雨季水减少面积的变化率在前三个研究时间段保持了平稳变化,而在2013 2020年时间段雨季面积减少的幅度高达39.87%,成为在各研究期变化最剧烈的地表水类型㊂图4㊀分区地表水的面积变化率总体来看,在1986 1995年㊁1995 2004年㊁2004 2013年三个研究期时段内,旱季水的总体变化率高于雨季水的总体变化率,说明在该时段内旱季水变化较为剧烈,而在2013 2020年时间段内雨季水的变化剧烈程度高于旱季水,详见表2㊂4山东理工大学学报(自然科学版)2024年㊀表2㊀研究区地表水面积变化率㊀单位:%地表水情况1986 1995年1995 2004年2004 2013年2013 2020年平均变化率旱季水增加18.0617.5710.4112.1714.55减少15.9115.5116.1715.7015.82总计33.9733.0826.5827.8730.37雨季水增加18.3515.81 6.7013.5613.61减少10.207.819.3839.8716.82总计28.5523.6216.0853.4330.433.2.2㊀地表水面积动态度从地表水面积变化动态度的空间分布(图5)来看,1986 2020年旱雨季水动态度均整体表现为负,其中旱季水动态度在徒骇马頬河区的中部㊁沂沭泗河区的东部及微山湖水域西部和南部㊁山东半岛诸河区东北部均表现为负,而在动态度表现为正的区域较为集中如徒骇马頬河区的西北部㊁山东半岛诸河区的峡山水库和淮河水域㊁黄河流域花园口以下区的大汶河流域以及沂沭泗河区的沂河流域和微山湖水域㊂雨季水动态度表现为负的地区包括黄河三角洲地区㊁沂沭泗河区的微山湖水域西部㊁山东半岛诸河区的青岛胶州湾等地,而微山湖水域㊁黄河流域㊁大汶河流域㊁潍河流域等地的雨季水动态度则表(a)旱季水(b)雨季水图5㊀1986—2020年地表水面积动态度现为正㊂整体来看,内陆地表水总体面积呈减少趋势㊂3.3㊀地表水变化的驱动力分析3.3.1㊀影响因子分析1)气候变化㊂山东省地区属温带季风气候,雨热同期,因此选取气温和降雨量2个重要的气候因子分析气候变化对地表水的影响,如图6所示㊂图6㊀气候影响因子年际变化2)人类活动㊂综合前人研究,选取人口㊁GDP ㊁耕地面积㊁用水量4个社会因子作为指标,用于分析人类活动对山东地表水面积的影响程度㊂从各指标的变化趋势来看,人口㊁耕地面积和GDP 呈现增长趋势;用水量趋势不明显,在220~260亿m 3之间波动,如图7所示㊂3.3.2㊀相关性分析由表3可知,旱雨季地表水的面积变化受降雨量㊁GDP ㊁人口及耕地面积等因素的综合影响作用㊂从雨季水的影响因素看,降雨量对其面积变化的影响效果最为显著,相关系数达到0.895,造成该现象的主要原因是研究区内雨季降水较为集中㊂旱季水面积变化的影响因素中,耕地面积的影响程度最大,其相关系数为-0.997,其原因是受到研究区农业结5第1期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀李艺,等:1986 2020年山东省地表水时空变化特征分析(a)人口和GDP(b)耕地和用水量图7㊀社会影响因子年际变化构的影响,冬季大量种植高需水量的小麦㊁油菜等作物㊂由于研究区范围较大㊁地形复杂㊁人口分布不均匀,其余因素与地表水面积变化的相关性较低,因此其余单一影响因素对地表水面积变化的影响并非是简单的线性关系,其影响效果并不显著㊂表3㊀各影响因子与地表水面积相关性㊀㊀注:∗在0.05级别(双尾)相关性显著㊂4㊀总结与讨论通过分析新指数方法对研究区地表水面积的提取结果,得出结论如下:1)从地表水时空分布来看,研究区地表水空间上时空分布不均衡,大致表现出 东密西疏 的特征㊂研究区每期旱季水和雨季水面积之比均大致稳定在3ʒ5㊂2)从地表水测度动态变化来看,研究区1986 2020年地表水面积整体呈先增加再减少的趋势㊂除徒骇马頬河区西北部沿海地区地表水面积增加外,其他地区地表水面积明显减少㊂地表水总体面积从2004年开始呈减少趋势㊂3)地表水面积与降雨量和耕地面积的相关系数明显高于其他因素,表明二者的共同作用是导致旱雨季地表水面积变化的关键因素㊂总体来说,本研究提出的指数(GMNDWI )对于大多数水体提取效果都较为准确,能基于Landsat 遥感影像对研究区地表水进行精细提取,尤其对于面积较大的水体,提取边界极其吻合,准确度高;但影像重访周期较长,无法及时捕捉短期内暴发的洪水,极端天气也一定程度地影响着地表水提取精度㊂通过本文所用相关性分析指数的结果发现,雨季水增加主要是因为降雨量,而旱季水减少与耕地面积相关性极高,考虑主要是因为农业用水导致㊂在丰水期,降雨量显著增加,同时由于雨季的灌溉,农业用水量减少,进一步增加了地表水资源量,加上河流湖泊汛期到来,此时易发生洪涝灾害使得人民的生命财产受到损失㊂在枯水期,由于降水量减少和耕地开发,使得农业用水量显著增加,此时由于水资源的短缺,造成农产品的价格波动,同样会对社会经济的发展造成不利影响㊂根据本文研究结果中研究区冬末初春降雨稀少㊁河流干旱,而夏末雨量充沛㊁洪涝灾害频发的特点,应分周期种植适宜生长的农作物,在夏季重点做好黄河流域㊁小清河流域和微山湖周边的水资源调节工作以及旱涝灾害的应急预案㊂根据雨季丰水期地表水时空变化规律和分布规律,建议着重在黄河流域加固堤坝以保障财产安全㊂在枯水期做好防旱工作,适当增加人工降雨㊂山东省地域辽阔,由沿海向内陆延伸的过程中气候及地域差异明显,加上各地区经济水平发展差异较大,因此地表水存在很大的空间差异,基于此本文提出地表水分区分级的治理方案,在一级分区中按流域划分为四个区,实现研究区内地表水的整体调控和方案部署㊂在此条件下可按行政区划㊁经济发展情况㊁流域分布进行二级划分,在该级别中做好水资源的调配,做好灾情的预警㊁灾时的救援以及灾后的重建㊂对易发生灾情的湖泊㊁河流实行三级划分,由当地政府施行专案措施,采取改进传统的灌溉方式㊁保护和修复水生态等因地制宜的措施,以促进当地经济的可持续发展㊂6山东理工大学学报(自然科学版)2024年㊀此外,本文侧重于山东省地表水的宏观研究,在小区域地表水体提取方面存在诸多不足,今后将进一步加强联合分析,开展地方地表水综合研究和区域发展规划,促进地表水资源的合理开发利用㊂参考文献:[1]赵文津.我国西北地区水资源开发利用对策的建议[J].中国工程科学,2004(8):21-27.[2]杨凡.山东省地市灰水足迹测度与空间格局分析[J].节水灌溉, 2017(2):69-75.[3]邵金花,刘贤赵.山东省水资源开发利用程度综合评价[J].人民黄河,2007(3):39-41.[4]ZHANG H,ZHENG M,SONG W.Study on utilization efficiency of water resources in industry in Shandong Province[C]//International Conference on Regional Management Science and Engineering.Jinan: University of Jinan,2010:244-247.[5]李春俊,孙彩凤.环胶州湾近岸区域地表水资源现状及保护对策[J].治淮,2019(7):8-9.[6]JIA S,HUANG Y.The economic analysis of sustainable utilization of agricultural water resources in Shandong Province[J].Energy Proce-dia2011,5(1):2120-2124.[7]冯天时,庞治国,江威,等.高光谱遥感技术及其水利应用进展[J].地球信息科学学报,2021,23(9):1646-1661. [8]McFEETERS K S.The use of the Normalized Difference Water Index (NDWI)in the delineation of open water features[J].International Journal of Remote Sensing,1996,17(7):1425-1432. [9]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595.[10]KALKE H,LOEWEN M.Support vector machine learning applied to digital images of river ice conditions[J].Cold Regions Science and Technology,2018,155:225-236.[11]薛源,李丹,吴保生,等.利用国产GF-1卫星数据实现山区细小河流河宽的自动提取[J].测绘通报,2020(3):12-16.[12]周飞燕,金林鹏,董军.卷积神经网络研究综述[J].计算机学报,2017,40(6):1229-1251.[13]殷亚秋,李家国,余涛,等.基于高分辨率遥感影像的面向对象水体提取方法研究[J].测绘通报,2015(1):81-85. [14]赵峥,钱诚,张沁.山东融入京津冀协同发展:战略价值㊁比较优势与路径策略研究[J].山东行政学院学报,2021(4):64-72. [15]GU H H,LI F P,GUAN X,et al.Remediation of steel slag on a-cidic soil contaminated by heavy metal[J].Asian Agricultural Re-search,2013,5(5):100-104.[16]李新,郭宁,宋芙蓉.1990年以来山东耕地变化及人口㊁经济发展的关系研究(英文)[J].Asian Agricultural Research,2009,1 (1):14-17,33.[17]徐涵秋.水体遥感指数研究进展[J].福州大学学报(自然科学版),2021,49(5):613-625.[18]屈慧慧,裴亮,桑学锋,等.基于MNDWI特征空间的水体追踪识别方法研究[J].测绘工程,2021,30(2):32-35,44. [19]历华,柳钦火,邹杰.基于MODIS数据的长株潭地区NDBI和NDVI与地表温度的关系研究[J].地理科学,2009,29(2):262 -267.[20]QIANG W,ZHENG X X,XV H.Relative sea-level rising and its control strategy in coastal regions of China in the21st century[J]. Science in China(Series D:Earth Sciences),2003(1):74-83.[21]WILLIS J K,CHAMBERS D P,KUO C Y,et al.Global sea level rise:Recent progress and challenges for the decade to come[J].O-ceanography,2010,23(4):26-35.[22]山东省海洋局.‘海岸线调查技术规范“(山东省地方标准) [EB/OL].[2019-06-26]./zwgk/ fdzdgk/flfg/202110/t20211026_3757310.html.[23]水利部水资源司,水利部水利水电规划设计总院.全国重要江河湖泊水功能区划手册[M].北京:中国水利水电出版社, 2014:5-83.[24]中华人民共和国水利部.2020年中国水资源公报[EB/OL]. (2021-07-12)[2022-03-02]./.(编辑:姚佳良)7第1期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀李艺,等:1986 2020年山东省地表水时空变化特征分析。
遥感常用ndvimndwindbi等三个指数的计算及landsat应用
遥感常用n d v i m n d w i n d b i等三个指数的计算及l a n d s a t应用TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】N D V INDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,水指数)，用的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI 的命名尚有争议。
在1996年提出的差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p())/(p(Green)+p(NIR))是基于绿波段与波段的归一化比值指数。
一种遥感影像水体信息自动提取方法
一种遥感影像水体信息自动提取方法
李小曼;王刚;李晓安
【期刊名称】《微计算机信息》
【年(卷),期】2008(24)36
【摘要】本文提出了一种基于卫星图像数据的LBV变换与归一化植被指数NDVI 的遥感影像水体信息自动提取的方法.水体经过LBV变换后形成的B分量图的灰度值很大,水体信息的归一化植被指数值小于0;构建水体信息自动提取模型条件是水体信息满足B分量数值大于某一阈值并且归一化植被指数值小于0;与其它方法进行实验比较该方法可以较准确的进行水体信息的自动提取,同时准确地将水域与低密度覆盖的水植混合体分开.
【总页数】3页(P303-304,309)
【作者】李小曼;王刚;李晓安
【作者单位】710086,西安,武警工程学院;710086,西安,武警工程学院;710086,西安,武警工程学院
【正文语种】中文
【中图分类】TP753
【相关文献】
1.基于GF-2遥感影像的一种快速水体信息提取方法 [J], 邹橙;杨学志;董张玉;王冬
2.基于GF-2遥感影像的一种快速水体信息提取方法 [J], 邹橙;杨学志;董张玉;王冬;;;;;
3.基于密集连接全卷积神经网络的遥感影像水体全自动提取方法 [J], 梁泽毓;吴艳兰;杨辉;姚雪东
4.一种顾及背景信息的遥感影像自动化水体提取方法 [J], 李林蓉;吴曌月;郑盼;姚文静;苏红军
5.一种改进的遥感影像水体信息快速提取方法 [J], 王帆;李崇贵;马婷;刘梦霞;张志超
因版权原因，仅展示原文概要，查看原文内容请购买。
南京市冷热岛格局的尺度效应研究
文章编号：2096-3424（2021）01-0075-08DOI：10.3969/j.issn.2096-3424.20015南京市冷/热岛格局的尺度效应研究郭 宇， 唐 明， 王宏伟， 侯梅芳， 刘信杉， 林 毅（上海应用技术大学 生态技术与工程学院，上海 201418）摘 要：城市地表覆被类型变化影响城市热环境的空间格局，研究城市地表覆被类型与城市冷/热岛格局的相关关系，对调节城市微气候，改善人居环境，提高城市韧性具有重要的意义。
基于landsat8影像数据，提取南京市4种主要地表覆被类型（水体、植被、不透水面、建筑）的参数；同时利用热红外波段反演地表温度，分别从像元（小）和市、区级行政区划（大）2个尺度，研究冷/热岛空间分布与主要地表覆被类型之间的关系并就其尺度效应进行了深入探讨。
研究结果如下：基于像元尺度的空间分析表明，植被和水体的分布与冷岛空间格局具有相关性；不同地表覆被类型的降温效应顺序为：水体＞植被＞不透水面＞建筑；建筑和不透水面的分布与热岛空间格局具有相关性。
基于市、区级行政区划尺度的空间分析表明，4种地表覆被类型与冷岛效应相关性较低；建筑与不透水面与热岛效应相关性较高，其中建筑与热岛效应相关性最高（R2=0.95）。
总体而言，基于小尺度的研究能反映地表覆被类型与冷/热岛空间分布的相关关系，而基于大尺度的研究则从数据统计的角度反映城市热环境的综合特征。
研究有助于城市规划者理解城市冷/热岛形成的尺度特征，为应对全球气候变化，合理规划城市布局，促进城市可持续发展提供参考。
关键词：城市热环境；冷/热岛；尺度特征；土地覆被类型中图分类号：TP79 文献标志码：AStudy on the Scale Effect of the Cold/Heat Islands Pattern in NanjingGUO Yu， TANG Ming， WANG Hongwei， HOU Meifang， LIU Xinshan， LIN Yi （School of Ecological Technique and Engineering, Shanghai Institute of Technology,Shanghai 201418, China）Abstract：Changes in urban land cover types affect the spatial pattern of urban thermal environments, and the relationship between urban land cover types and urban cold/heat island patterns is of great significance for regulating urban microclimate, improving human settlements and improving urban resilience. Based on the landsat8 Satellite imaging data, the parameters of the four main types of land cover (water, vegetation, impervious surface, building) in Nanjing were extracted, at the same time, the surface temperature was retrieved using the thermal infrared band. The relationship between the spatial distribution of cold/heat islands and the main land cover types was studied from two scales: pixel (small) and city and district administrative division (middle) , and the scale effect was discussed in depth. The results are as follows:收稿日期：2020-03-05基金项目：国家自然科学基金（41171250）；上海高等学校一流研究生教育引领计划（沪教委高[2019]22号-24）资助作者简介：郭 宇（1995-），男，硕士研究生，主要研究方向为城市热环境。
一种经验型归一化差异水体指数模型
一种经验型归一化差异水体指数模型聂欣然;刘荣;杜神斌【摘要】针对NDWI和MNDWI两种水体指数在水体信息提取过程中易夹杂无用背景信息的问题,该文提出一种经验型归一化差异水体指数ENDWI.利用TM影像的绿光波段、近红外波段和中红外波段构建归一化波段组合,较好的减少了建筑物和道路错提的现象,进一步消除了背景噪音,实现了对水体信息的快速提取.以南昌市六区县的TM影像作为数据源,进行实例论证,实验结果显示ENDWI方法对城区、湖泊区、河流区等局部特定水域的提取更具优势,总体分类精度分别达到了97.45％、98.07％和97.23％,提取过程简单有效,具有一定的实用价值.【期刊名称】《北京测绘》【年(卷),期】2017(000)005【总页数】5页(P41-45)【关键词】遥感;水体提取;NDWI;MNDWI;ENDWI【作者】聂欣然;刘荣;杜神斌【作者单位】东华理工大学测绘工程学院,江西南昌330013;流域生态与地理环境监测国家测绘地理信息局重点实验室,江西南昌330013;东华理工大学测绘工程学院,江西南昌330013;流域生态与地理环境监测国家测绘地理信息局重点实验室,江西南昌330013;东华理工大学测绘工程学院,江西南昌330013;流域生态与地理环境监测国家测绘地理信息局重点实验室,江西南昌330013【正文语种】中文【中图分类】P237;P641水体是地球表面不可或缺的自然资源，也是人类赖以生存和发展的基本要素。
准确快速地提取水体信息对水资源调查、水质评估、洪涝灾害监测以及环境保护等方面有着重要意义[1]。
卫星遥感技术凭借着大尺度、成本低、速度快、周期性等优点成为水体信息获取的重要手段之一[2]。
水体提取的方法主要有单波段阈值法、谱间关系法、差值法、比值法、分类法、水体指数法等。
Moller-Jensen[3]通过对TM影像的近红外波段和中红外波段分别设定相应的阈值来提取水体。
毕海芸等[4]分别用单波段法、谱间关系法和水体指数法辅以最佳阈值对平原和山地的水体进行提取，得到了较高的提取精度。
遥感常用ndvimndwindbi等三个指数的计算及landsat8应用
NDVINDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,归一化水指数)，用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI 的命名尚有争议。
1.Mcfeeters在1996年提出的归一化差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p(NIR))/(p(Green)+p(NIR))是基于绿波段与近红外波段的归一化比值指数。
该NDWI一般用来提取影像中的水体信息，效果较好。
局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。
利用改进的归一化差异水体指数提取水体信息的研究
利用改进的归一化差异水体指数提取水体信息的研究一、本文概述随着遥感技术的快速发展，水体信息的提取已经成为环境监测、城市规划、灾害预警等多个领域的重要研究内容。
近年来，归一化差异水体指数（Normalized Difference Water Index, NDWI）作为一种有效的水体提取方法，受到了广泛关注。
然而，传统的NDWI方法在某些复杂环境下，如高植被覆盖区、高盐度水域等，可能会受到干扰，导致提取结果的不准确。
因此，本文旨在研究并改进归一化差异水体指数，以提高水体信息的提取精度和稳定性。
本文首先回顾了归一化差异水体指数的发展历程和应用现状，分析了其存在的局限性和挑战。
在此基础上，提出了一种改进的归一化差异水体指数方法，通过引入多光谱遥感数据的更多波段信息，优化指数计算过程，以增强其对复杂环境的适应性。
接着，本文详细阐述了改进后的归一化差异水体指数的计算原理和实现步骤，并通过实验验证其在不同类型水体提取中的有效性。
实验结果表明，相比传统方法，改进后的归一化差异水体指数在提取精度、抗干扰能力和稳定性等方面均有明显提升。
本文探讨了改进后的归一化差异水体指数在实际应用中的潜力和局限性，为未来的研究提供了有益的参考。
本文的研究不仅有助于提升遥感技术在水体信息提取中的应用水平，也为相关领域的实践提供了理论支持和技术指导。
二、相关理论和技术在提取水体信息的研究中，归一化差异水体指数（Normalized Difference Water Index, NDWI）已成为一种广泛使用的遥感技术。
该指数基于水体在红光和近红外波段反射特性的差异，通过特定的数学运算来强化水体信息，从而有效地从遥感影像中提取出水体区域。
然而，传统的NDWI在某些复杂环境下，如高植被覆盖区或浑浊水体区域，可能面临提取精度不足的问题。
因此，本研究提出了改进的归一化差异水体指数（Modified Normalized Difference Water Index, MNDWI），旨在提高水体提取的准确性和鲁棒性。
MNDWI和NDWI指数提取富营养化湖泊水体边界的对比研究
Advances in Geosciences地球科学前沿, 2017, 7(6), 732-738Published Online December 2017 in Hans. /journal/aghttps:///10.12677/ag.2017.76074Comparative Study on the Water Index ofMNDWI and NDWI for Water BoundaryExtraction in Eutrophic LakesQuan Wang, Dejiang Liu, Hailan Yang, Juan Yin, Zhao Bin, Shuangli Zhu, Yumeng ZhangYuxi Normal University, Yuxi YunnanReceived: Nov. 10th, 2017; accepted: Nov. 24th, 2017; published: Nov. 29th, 2017AbstractThis study is based on the Landsat 8 OLI satellite images, and uses 5 lakes as sample, which are Dianchi Lake, Fuxian Lake, Yangzonghai Lake, Xingyun Lake and Qilu Lake, there are all located in the central region of Yunnan province, and Dianchi Lake, Xingyun Lake, Qilu Lake are eutrophic lakes. The accuracy of NDWI and MNDWI index for lake water boundary extraction was compared.The results show that the near infrared band can distinguish vegetation and water body better.But it has also brought the algae covered waters that can be mistakenly identified as vegetation.Therefore, the water area of eutrophic lake extracted by NDWI is smaller than the actual value.The infrared band is more sensitive to moisture content. Using this index in eutrophic lakes can effectively distinguish between land and water, eliminate algal interference. Therefore, the MNDWI index is more suitable for water boundary extraction in eutrophic lakes.KeywordsEutrophic Lakes, NDWI, MNDWI, Landsat 8 OLIMNDWI和NDWI指数提取富营养化湖泊水体边界的对比研究王泉，柳德江，杨海兰，尹娟，赵斌，朱双丽，张雨萌玉溪师范学院，云南玉溪收稿日期：2017年11月10日；录用日期：2017年11月24日；发布日期：2017年11月29日王泉 等摘要本研究基于Landsat 8 OLI 卫星影像，采用云南省中部地区的5个湖泊，即滇池、抚仙湖、阳宗海、星云湖和杞麓湖作为研究对象，其中滇池、星云湖、杞麓湖是富营养化湖泊，比较了两种水体指数，NDWI 和MNDWI 提取湖泊水体边界的精确度。
遥感概论知到章节答案智慧树2023年湖南师范大学
遥感概论知到章节测试答案智慧树2023年最新湖南师范大学第一章测试1.什么是被动遥感。
（）参考答案:传感器从远距离接收和记录目标地物所反射的太阳辐射电磁波以及物体自身发射的电磁波2.（）是一种无需接触地面就能远距离获取地球表面信息的技术。
参考答案:遥感3.遥感技术利用被测物体发出，反射或衍射的（）的特性参考答案:电磁波4.遥感是通过传感器记录目标物体的下列哪些信息?（）参考答案:光谱辐射信息;空间几何形状5.以下关于遥感的描述，说法不正确的是（）参考答案:只记录目标地物对电磁波的反射信息6.遥感的信号源包括人工辐射、反射太阳辐射、地表物体发射电磁波三种形式。
（）参考答案:对7.对长江流域进行遥感监测，比较适合的遥感平台是（）参考答案:卫星8.近地面遥感平台主要用于遥感实验，进行遥感机理研究或者是对地物目标进行精细研究。
（）参考答案:对9.卫星遥感平台高度很高，大气的气流不会影响遥感平台的稳定性，但是大气会对遥感图像质量产生很大影响。
（）参考答案:对10.无人机遥感平台具有很好的灵活性和机动性，可以在低空作业，获取高分辨率图像，但是受到大气气流的影响，它的平台稳定性较差。
（）参考答案:对第二章测试1.对地观测中最常用的大气窗口从紫外线到微波不等，下列适宜在夜间成像的电磁波波段包括（）。
参考答案:微波波段;远红外波段2.大气中的气体和其他微粒（尘埃、雾霾和小水滴等）会对电磁辐射的传输产生影响，主要包括（）。
参考答案:大气反射;大气折射;大气散射;大气透射3.当太阳辐射能量到达地面后，对目标地物的作用主要包括（）。
参考答案:吸收;散射;反射4.卫星遥感已经广泛应用于监测地球表面物体的变化，其中最常用的电磁波包括（）。
参考答案:可见光;红外;微波5.自然界物体的反射现象主要体现为（）。
参考答案:镜面反射;方向反射;漫反射6.植被受到叶绿素的影响，对蓝光的吸收作用强，对绿光和红光的反射作用强。
（）参考答案:错7.植物在生长过程中，当叶绿素受到某种因素胁迫而致使其功能受阻时，植被在红光波段的反射率会降低。
基于MNDWILSMMK-T变换的淮河流域面状水体提取的比较研究——以南湾水库为例
A comparative study of surface water extraction in Huaihe River Basin based on MNDWI / LSMM / K-T transformation: Taking Nanwan reservoir as an example
School of Architecture and Urban Planning, Suzhou University of Science and Technology,Suzhou Jiangsu 215009,China)
Abstract:Water extraction provides support for water environment management. Taking Nanwan lake reservoir of Huaihe River Basin as an example, 3 extraction methods of MNDWI, LSMM, K-T transformation were used to extract surface water body of Huaihe River Basin, and a comparative study was carried out in combination with supervised classification. Research conclusions:(1)MNDWI and LSMM have large water area and low precision, and their precision is affected by threshold calculation or end element selection;(2)K-T transformation is more suitable for surface water extraction, and its water extraction efficiency and precision are higher; (3)Various factors should be considered comprehensively, and appropriate ways should be selected to improve the water extraction precision, so as to prepare for the follow-up work.
遥感常用ndvi、mndwi、ndbi等三个指数的计算及landsat8应用
遥感常用n d v i、m n d w i、n d b i等三个指数的计算及l a n d s a t8应用(总2页) -CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除NDVINDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简?称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1 Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,归一化水指数)，用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI的命名尚有争议。
1.Mcfeeters在1996年提出的归一化差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p(NIR))/(p(Green)+p(NIR))是基于绿波段与近红外波段的归一化比值指数。
MNDWI和NDWI指数提取富营养化湖泊水体边界的对比研究
MNDWI和NDWI指数提取富营养化湖泊水体边界的对比研究王泉;柳德江;杨海兰;尹娟;赵斌;朱双丽;张雨萌【期刊名称】《地球科学前沿（汉斯）》【年(卷),期】2017(007)006【摘要】本研究基于Landsat 8 OLI卫星影像,采用云南省中部地区的5个湖泊,即滇池、抚仙湖、阳宗海、星云湖和杞麓湖作为研究对象,其中滇池、星云湖、杞麓湖是富营养化湖泊,比较了两种水体指数,NDWI和MNDWI提取湖泊水体边界的精确度。
结果表明:由于近红外波段能够较好的区分植被和水体,但也带来了藻类覆盖的水域容易被误识别为植被的情况。
因此,采用NDWI提取的富营养化湖泊水体面积比实际值偏小,中红外波段对水分含量较为敏感,在富营养化湖泊中采用该指数可以有效的区分陆地和水体,排除藻类的干扰。
因此,MNDWI更适合用于富营养化湖泊的水体边界提取。
【总页数】7页(P732-738)【作者】王泉;柳德江;杨海兰;尹娟;赵斌;朱双丽;张雨萌【作者单位】[1]玉溪师范学院,云南玉溪;;[1]玉溪师范学院,云南玉溪;;[1]玉溪师范学院,云南玉溪;;[1]玉溪师范学院,云南玉溪;;[1]玉溪师范学院,云南玉溪;;[1]玉溪师范学院,云南玉溪;;[1]玉溪师范学院,云南玉溪【正文语种】中文【中图分类】TP7【相关文献】1.香根草和风车草浮床修复富营养化湖泊水体的对比研究 [J], 龙滔;张慧;徐晓军2.基于MNDWI水体指数的ASTER与ETM+影像交互比较研究 [J], 张铁军;徐涵秋3.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究 [J], 徐涵秋4.富营养化湖泊水体中藻蓝蛋白提取方法的对比 [J], 庞晓宇;段洪涛;张玉超;马荣华5.基于MNDWI/LSMM/K-T变换的淮河流域面状水体提取的比较研究——以南湾水库为例 [J], 张林鹏;于婉;张子莺;程港桠;侯琰珍;程启先因版权原因，仅展示原文概要，查看原文内容请购买。
富营养化水体信息提取新方法
富营养化水体信息提取新方法
汪承平;何孟琦;王建雄
【期刊名称】《中国农村水利水电》
【年(卷),期】2022()8
【摘要】对徐涵秋提出的改进归一化差异水体指数(MNDWI)进一步研究,提出改进富营养化水体指数(MEWI),并应用该指数在不同水体影像进行实验验证,实验结果表明MEWI指数不仅对超绿的含藻富营养化水体边界提取效果极佳,其总体提取精度达89.5%,优于NDWI(85.5%)、ESWI(87.5%)、NEWI(87%)水体指数的总体精度,且MEWI指数对于水体与非水体阴影区分度达0.38,优于NDWI(0.14)、ESWI(0.16)、NEWI(0.10)水体指数的区分度。
NDWI、ESWI、NEWI等水体指数因无法剔除含藻富营养化水体的干扰,混有建筑等信息使得其提取精度降低,实验发现MEWI指数对比其他指数受泥沙因素影响较小,对于汛期水体监测很有帮助。
目前对于这类超绿富营养化水体信息提取研究大多只是针对提取水体本身,而忽略了剔除其对整体水域提取的影响,MEWI指数的提出能有效解决这一问题。
【总页数】7页(P23-28)
【作者】汪承平;何孟琦;王建雄
【作者单位】云南农业大学水利学院云南省高校农业遥感与精准农业工程研究中心【正文语种】中文
【中图分类】TV211;TP79
【相关文献】
1.改性当地土壤技术修复富营养化水体的综合效果研究:Ⅲ.模拟湖泛水体的应急治理效果
2.城市景观水体富营养化初探——以焦作市龙源湖水体为例
3.太湖富营养化水体比辐射率测量及MODIS水体温度反演应用
4.太湖富营养化水体比辐射率测量及MODIS水体温度反演应用
5.太原市引黄供水体系水体富营养化调查
因版权原因，仅展示原文概要，查看原文内容请购买。
mndwi重分类标准
MNDWI是一种用来提取水体信息的遥感指数，它可以通过计算绿色和近红外波段的比值来识别水体。
但是，在处理不同区域的遥感图像时，由于地形、土地利用等因素的影响，MNDWI的阈值可能需要根据实际情况进行调整。
本文将介绍MNDWI重分类标准的基本原则和具体步骤，以帮助读者更好地理解该方法。
一、MNDWI重分类标准的基本原则1. 保证水体像元被正确分类。
2. 保留陆地像元的信息，减少分类错误。
3. 考虑地形和土地利用等因素的影响，实现针对性的分类。
二、MNDWI重分类标准的具体步骤1. 数据预处理首先，需要对遥感图像进行预处理，包括辐射校正、大气校正、几何校正等。
这样可以减少图像噪声和失真，提高分类精度。
2. 阈值确定在确定阈值之前，需要对遥感图像的特征进行分析，包括地形、土地利用、云量等因素的影响。
然后，可以使用直方图、聚类、最大类间方差法等方法，得到适合该区域的MNDWI阈值。
在实际操作中，通常通过试错法进行迭代，以确保阈值的准确性。
3. 分类方法根据确定的阈值，可以使用单阈值分类、多阈值分类等方法对图像进行分类。
其中，单阈值分类是指将像素值大于阈值的像素视为水体，否则视为陆地。
多阈值分类是指将像素值分成多个区间，每个区间对应一种地物类型，例如水体、云、建筑等。
在分类时，需要注意避免误判和漏判。
4. 结果评价对分类结果进行评价是非常重要的一步，可以通过混淆矩阵、样本数据等方法进行。
如果分类精度较低，则需要重新确定阈值或更换分类方法，直到满意的结果为止。
三、MNDWI重分类标准的应用MNDWI重分类标准可以应用于不同的遥感图像处理领域，例如水资源调查、水环境监测等。
在水资源调查方面，可以通过MNDWI 指数识别出水体，进而计算水体面积和水体变化情况，为水资源管理提供依据。
在水环境监测方面，可以根据MNDWI指数监测水体污染状况，及时发现问题并采取相应的措施。
总之，MNDWI重分类标准是一种有效的遥感图像处理方法，可以提高水体信息提取的准确性和效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第４０卷第６期２０１８年１１月湖北大学学报(自然科学版)ＪｏｕｒｎａｌｏｆＨｕｂｅｉＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)Ｖｏｌ.４０㊀Ｎｏ.６㊀Ｎｏｖꎬ２０１８㊀收稿日期:２０１７１２２５基金项目:国家自然科学基金(４１３７１３４４ꎬ４０６０１００３)和农业部农业农村资源监测统计项目(０６１６２１３０１１１２４２０２６)资助作者简介:孙佩(１９９０)ꎬ女ꎬ硕士生ꎬＥ￣ｍａｉｌ:８３８５４３５９４＠ｑｑ.ｃｏｍꎻ汪权方ꎬ通信作者ꎬ副教授ꎬＥ￣ｍａｉｌ:６５３４８６７８６＠ｑｑ.ｃｏｍ文章编号:１０００２３７５(２０１８)０６０５７４０６基于ＮＤＶＩ￣ＭＮＤＷＩ特征空间的水体信息增强方法研究孙佩１ꎬ汪权方１ꎬ２ꎬ张梦茹１ꎬ杨涵３ꎬ汪倩倩１(１.湖北大学资源环境学院ꎬ湖北武汉４３００６２ꎻ２.农业部遥感应用中心武汉分中心ꎬ湖北武汉４３００６２ꎻ３.新疆师范大学地理科学与旅游学院ꎬ新疆乌鲁木齐８３００５４)摘要:以新疆吐鲁番为研究区域ꎬ以Ｌａｎｄｓａｔ８/ＯＬＩ影像为主要数据源ꎬ通过分析水体与地形阴影区以及建筑用地等典型地类在改进后归一化差异水体指数(ＭＮＤＷＩ)与归一化植被指数(ＮＤＶＩ)所构成的二维特征空间中的表现特征ꎬ提出一种能够有效凸显水体影像特征的复合型水体指数(ＣＮＤＷＩ)ꎬ并据此进行水体信息的遥感自动提取实验.研究结果表明:ＣＮＤＷＩ指数不仅明显增加研究区内的水体与山体阴影区之间的区分度ꎬ同时还保持了其他水体指数所具有的以极大值表达水体以及水体与建筑用地和植被等地物之间存在明显差异性的优点.关键词:水体遥感识别ꎻ复合型水体指数ꎻ水体信息ꎻ地形阴影区ꎻ新疆吐鲁番中图分类号:ＴＰ７５３㊀㊀文献标志码:Ａ㊀㊀ＤＯＩ:１０.３９６９/ｊ.ｉｓｓｎ.１０００￣２３７５.２０１８.０６.００５ＡｍｅｔｈｏｄｔｏｅｎｈａｎｃｅｉｎｆｏｒｍａｔｉｏｎｏｆｗａｔｅｒｃｏｖｅｒｂａｓｅｄｏｎｆｅａｔｕｒｅｓｐａｃｅｏｆＮＤＶＩａｎｄＭＮＤＷＩＳＵＮＰｅｉ１ꎬＷＡＮＧＱｕａｎｆａｎｇ１ꎬ２ꎬＺＨＡＮＧＭｅｎｇｒｕ１ꎬＹＡＮＧＨａｎ３ꎬＷＡＮＧＱｉａｎｑｉａｎ１(１.ＦａｃｕｌｔｙｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅꎬＨｕｂｅｉＵｎｉｖｅｒｓｉｔｙꎬＷｕｈａｎ４３００６２ꎬＣｈｉｎａꎻ２.ＲｅｍｏｔｅＳｅｎｓｉｎｇＡｐｐｌｉｃａｔｉｏｎＷｕｈａｎＢｒａｎｃｈꎬＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅꎬＷｕｈａｎ４３００６２ꎬＣｈｉｎａꎻ３.ＤｅｐａｒｔｍｅｎｔｏｆＧｅｏｇｒａｐｈｙａｎｄＴｏｕｒｉｓｍＳｃｉｅｎｃｅｉｎｓｔｉｔｕｔｅꎬＸｉｎｊｉａｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙꎬＵｒｕｍｑｉ８３００５４ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＴａｋｉｎｇＴｕｐａｎＢａｓｉｎｏｆＸｉｎｊｉａｎｇａｓｔｈｅｓｔｕｄｙｒｅｇｉｏｎａｎｄｕｓｉｎｇＬａｎｄｓａｔ８＿ＯＬＩａｓｄａｔａｓｏｕｒｃｅꎬｃｏｍｐｌｅｘＮｏｒｍａｌｉｚｅｄＤｉｆｆｅｒｅｎｃｅｏｆＷａｔｅｒＩｎｄｅｘ(ＣＮＤＷＩ)ｗａｓｐｒｏｐｏｓｅｄｔｏｈｉｇｈｌｉｇｈｔｗａｔｅｒｃｏｖｅｒｉｎｔｈｅｉｍａｇｅｓｂａｓｅｄｏｎａｎａｌｙｚｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗａｔｅｒｃｏｖｅｒꎬｈｉｌｌｓｈａｄｅꎬｂｕｉｌｔ￣ｕｐｌａｎｄｓａｎｄｖｅｇｅｔａｔｉｏｎｉｎｔｗｏ￣ｄｉｍｅｎｓｉｏｎａｌｆｅａｔｕｒｅｓｐａｃｅｗｈｉｃｈｗａｓｍａｄｅｕｐｏｆＭＮＤＷＩａｎＮＤＶＩ.ＡｎｄｗｅａｌｓｏｍａｄｅａｎｅｘｐｅｒｉｍｅｎｔｏｎａｕｔｏｍａｔｉｃｅｘｔｒａｃｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｏｆｗａｔｅｒｃｏｖｅｒｂａｓｅｄｏｎｔｈｅＣＮＤＷＩｉｍａｇｅ.ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｓｔｈａｔｔｈｅＣＮＤＷＩｉｎｄｅｘｎｏｔｏｎｌｙｓｉｇｎｉｆｉｃａｎｔｌｙｉｎｃｒｅａｓｅｓｔｈｅｂｒｉｇｈｔｎｅｓｓｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｗａｔｅｒｃｏｖｅｒａｎｄｈｉｌｌｓｈａｄｅｉｎｔｈｅｓｔｕｄｙａｒｅａꎬｂｕｔａｌｓｏｍａｉｎｔａｉｎｓｔｈｅａｄｖａｎｔａｇｅｏｆｏｔｈｅｒｒｅｍｏｔｅｓｅｎｓｉｎｇｂａｓｅｄｗａｔｅｒｂｏｄｙｉｎｄｉｃｅｓｏｆｍａｘｉｍｉｚｉｎｇｔｈｅｉｍａｇｅｖａｌｕｅｏｆｗａｔｅｒｃｏｖｅｒｗｈｉｌｅｋｅｅｐｉｎｇｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｗａｔｅｒｃｏｖｅｒａｎｄｂｕｉｌｔ￣ｕｐｌａｎｄａｓｗｅｌｌａｓｂｅｔｗｅｅｎｗａｔｅｒｃｏｖｅｒａｎｄｖｅｇｅｔａｔｉｏｎ.Ｋｅｙｗｏｒｄｓ:ｒｅｍｏｔｅｓｅｎｓｉｎｇｂａｓｅｄｄｉｓｃｒｉｍｉｎａｔｉｏｎｏｆｗａｔｅｒｂｏｄｉｅｓꎻｃｏｍｐｌｅｘｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｏｆｗａｔｅｒｉｎｄｅｘꎻｗａｔｅｒｉｎｆｏｒｍａｔｉｏｎꎻｈｉｌｌｓｈａｄｅꎻｔｕｒｐａｎｂａｓｉｎｏｆＸｉｎｊｉａｎｇ０㊀引言遥感技术具有覆盖范围广㊁瞬间成像㊁空间分辨率高㊁重访周期短㊁数据获取快捷等优势ꎬ现已被广第６期孙佩ꎬ等:基于ＮＤＶＩ￣ＭＮＤＷＩ特征空间的水体信息增强方法研究５７５㊀泛应用于大范围的地表水体识别及其变化检测中[１－２].水体的光谱特征不同于其他地物ꎬ这是利用遥感手段提取水体信息的理论基础ꎬ据此很多国内外专家学者采用单波段阈值法㊁多波段的谱间关系法或比值指数法等来进行水体的遥感识别与信息提取.单波段阈值法主要是利用水体在近红外波长处的强吸收性以及植被和干土壤在此波长范围内的强反射性特点[２]ꎬ选取遥感影像中的近红外波段并辅以阈值来提取水体[３]ꎬ不过水体在近红外波段上的强吸收特性不仅与水体自身的物质组成和理化特性有关ꎬ还受到其所处环境的影响ꎬ如水体的底泥类型和泥沙淤积状况以及水体所在地的大气环境等因素的影响ꎬ从而导致不同区域的水体以及同一水体在不同时间或环境状况下需要使用不同的近红外波段阈值来提取ꎬ因此单波段阈值法具有明显的应用局限性.多波段法[４￣６]可分为谱间关系法[７]和水体指数法[８]ꎬ谱间关系法需要分析水体与背景地物的波谱特征ꎬ找出它们在不同波长上的变化规律及其相互差异ꎬ进而用逻辑判别表达式将水体提取出来[２]ꎬ与单波段法相比ꎬ谱间关系法对水体信息的识别精度有所提高[５ꎬ７]ꎬ但这种方法的分析过程通常比较复杂ꎬ尤其是水体特征波段选取和阈值确定的过程比较繁琐[９].水体指数法也称为比值法ꎬ是基于水体在各波段上的反射与吸收情况ꎬ通过分析水体的多个波段与遥感光谱值之间的映射关系ꎬ采用波段间的比值式数学运算来强化水体与背景地物之间的光谱差异ꎬ从而更有利于水体信息的快速提取ꎬ因此该方法相比单波段阈值法和谱间关系法来说较受青睐[２ꎬ１０].不过ꎬ纵观已有的水体信息遥感提取方法来看ꎬ在进行山区水体的遥感识别时ꎬ不管是采用比值指数法还是单波段阈值法或谱间关系法ꎬ都存在地形阴影的影响难以消除的现象[１].为解决这一问题ꎬ庞科臣等人提出了融合数字高程模型(ＤＥＭ)来去除山体阴影的水体信息遥感提取方法[１１]ꎬ但该方法是在山区水体信息遥感粗提取的基础上剔除高程值大的部分ꎬ在此过程中很容易将地处高海拔地带且水深较浅的水域也一并剔除.基于上述认识ꎬ结合山体阴影区内通常分布有植被等ꎬ本文中拟通过综合分析水体与建设用地㊁植被及地形阴影区等易混淆样地在ＮＤＶＩ和ＭＮＤＷＩ指数构成的二维特征空间内的表现差异ꎬ构建一种能够凸显水体特征ꎬ尤其是水体与阴影区等易混淆区域之间差异的复合型水体指数模型(ＣＮＤＷＩ)ꎬ据此进行吐鲁番地区水体信息的高精度自动化提取实验.１㊀研究区域与数据获取１.１㊀研究区域概况㊀位于新疆中东部的吐鲁番盆地ꎬ深居亚欧大陆腹地ꎬ是我国最低的典型封闭式内陆盆地ꎬ该地区的经纬度分别介于８７ʎ１６ᶄ９１ʎ５５ᶄＥ㊁４１ʎ１２ᶄ４３ʎ４０ᶄＮ之间[１２]ꎬ由于吐鲁番盆地地形较封闭ꎬ空气不流通ꎬ热量易积聚ꎬ不易散热ꎬ自古以 火洲 著称ꎬ同时吐鲁番盆地还是我国多强风的地区之一ꎬ盆地内有著名的 三十里风区 ꎬ 百里风区 ꎬ形成了典型的冬冷夏热的温带大陆性气候ꎬ属于干旱区聚热型绿洲[１３].吐鲁番盆地地处干旱地区ꎬ盆地西北部的天山山区由于天山准静止锋的影响年降水丰富ꎬ山区降水通过各出山口形成了大小几十条山溪性河流ꎬ成为整个地区主要水资源的总补给源[１４].盆地内高山㊁盆地相间分布ꎬ盆地中间横亘着两条东西走向的低山丘陵ꎬ地形多样ꎬ总体上看ꎬ整个地势北高南低ꎬ海拔从吐鲁番市南面的艾丁湖海平面以下１５５ｍ到博格达峰５４４５ｍꎬ垂直高差约达５６００ｍ[１５]ꎬ且随着山地在不同海拔高度内水热状况的不同组合ꎬ使得该地区在气候㊁水文㊁地貌等自然地理特征上都具有独特的特征[１４].然而ꎬ这种以山区㊁丘陵为主的地貌形态使得阴影区广泛存在ꎬ因此ꎬ在利用遥感影像提取该区域的水体信息时ꎬ经常会出现水体与阴影区混分的现象ꎬ从而造成水体信息遥感提取精度不高.１.２㊀主要数据来源及预处理㊀本文中采用的是主要覆盖新疆吐鲁番地区的２０１６年２月份的ＯＬＩ影像ꎬ具体研究区域以一景Ｌａｎｄｓａｔ８/ＯＬＩ影像(数据条带号和行编号为Ｐａｔｈ１４２/Ｒｏｗ０３０)所覆盖的范围为准.ＯＬＩ影像一共有１１个波段ꎬ从中选取１７波段进行组合ꎬ生成研究所需的数据集.２㊀研究方法及应用试验２.１㊀ＮＤＶＩ￣ＭＮＤＷＩ特征空间的建立㊀水体遥感识别技术的核心思路是利用水体在不同波长上的波５７６㊀湖北大学学报(自然科学版)第４０卷谱反射特性及其与背景地物之间的差异ꎬ寻找出水体的最强反射波段和最弱反射波段ꎬ然后通过比值运算等方式ꎬ使得水体在所生成的指数影像上得到最大的亮度增强ꎬ其他背景地物则受到普遍的抑制ꎬ从而达到水体信息得到增强㊁易混淆的非水体地物信息被抑制ꎬ以及进一步扩大水体与其他地物之间差距的目的[２].一般来说ꎬ水体的反射率具有在可见光较强且在绿光波段上反射最强ꎬ然后随着波长增加(也即往近红外和中红外波长方向)则逐渐降低这一明显不同于非水地物的波谱特性ꎬ据此很多学者构建了比值型水体指数以达到突出影像中水体信息的效果[１６]ꎬ但应用较为广泛的主要是Ｍｃｆｅｅｔｅｒｓ提出的归一化差异水体指数(ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｗａｔｅｒｉｎｄｅｘꎬＮＤＷＩ)和徐涵秋构建的改进型归一化差异水体指数(ｍｏｄｉｆｉｅｄＮＤＷＩꎬＭＮＤＷＩ)[２ꎬ１０].ＭＮＤＷＩ指数实际上是在ＮＤＷＩ指数的基础上进行改进后而得到的ꎬ该指数的计算方法如公式(１)所示:ＭＮＤＷＩ＝(ＢＧｒｅｅｎ－ＢＭＩＲ)/(ＢＧｒｅｅｎ＋ＢＭＩＲ)(１)(１)式中ꎬＢＧｒｅｅｎ和ＢＭＩＲ分别为绿光波段和中红外波段ꎬ它们各自对应于ＯＬＩ影像中的第３和第６波段.与ＮＤＷＩ指数相比ꎬＭＮＤＷＩ指数的优势在于它不仅能够同ＮＤＷＩ指数一样极化水体与植被之间的影像差异ꎬ而且因为利用了建筑物的反射率从近红外波段到中红外波段骤然转强㊁水体反射率则从近红外波段到中红外波段持续走低的特性ꎬ从而也扩大了水体与易混淆地物 建筑物 之间的影像差异[１７￣２０].另外ꎬ由于ＭＮＤＷＩ指数采用了归一化的比值运算ꎬ它能够在一定程度上消除地形差异造成的影响[２].不过ꎬ当地形阴影区内的地物以植被为主时ꎬ采用对植物生长状态以及空间分布密度更为敏感的ＮＤＶＩ指数ꎬ则较ＭＮＤＷＩ指数更能削弱地形阴影的影响.因此ꎬ接下来将在以ＮＤＶＩ指数为横轴㊁ＭＮＤＷＩ指数为纵轴的二维特征空间内ꎬ对水体与建设用地和地形阴影等易混淆地物以及其他地物的表现特征进行分析ꎬ该指数具体计算方法为:ＮＤＶＩ＝(ＢＮＩＲ－ＢＲｅｄ)/(ＢＮＩＲ＋ＢＲｅｄ)(２)(２)式中ＢＲｅｄ和ＢＮＩＲ分别是红光和近红外波段ꎬ它们各自对应于Ｌａｎｄｓａｔ８/ＯＬＩ影像中的第４和第５波段.图１㊀典型地物在ＮＤＶＩ￣ＭＮＤＷＩ特征空间内的表现㊀２.２㊀复合型水体指数的构建㊀为获取水体与易混淆地物(主要是建设用地和地形阴影区)等在ＮＤＶＩ￣ＭＮＤＷＩ特征空间内的表现差异ꎬ首先采用随机抽样的方式ꎬ在成像于２０１６年２月１０日的研究区Ｌａｎｄｓａｔ８/ＯＬＩ影像(Ｐａｔｈ/Ｒｏｗ为１４２/０３０)上采集１０９个水体样本㊁１１０个建设用地样本㊁１１８个植被样本与１０３个阴影区样本ꎬ并应用公式(１)和公式(２)分别计算它们的ＮＤＶＩ与ＭＮＤＷＩ均值ꎬ然后ＮＤＶＩ为横轴ＭＮＤＷＩ为纵轴在ＭＡＴＬＡＢ软件中生成特征空间散点图(图１).与建设用地和植被ꎬ但是在有些水体和部分阴影区之间存在一定程度的混分现象ꎻ在ＮＤＶＩ指数上ꎬ水体与植被之间的区分度很高ꎬ但在水体与阴影区以及建设用地之间存在明显的混淆现象.综合分析各类地物在该特征空间内的表现以后可发现ꎬ水体存在ＭＮＤＷＩ值高于其他地物㊁而ＮＤＶＩ值普遍较小的总体特征ꎬ因此ꎬ当采用 将强者置于分子㊁弱者置于分母 这一通用的比值型指数运算方法ꎬ构建一种复合型水体指数ＣＮＤＷＩ时ꎬ显然可以增加水体与其他地物之间的差异.具体的ＣＮＤＷＩ指数计算公式为:ＣＮＤＷＩ＝(ＭＮＤＷＩ－ＮＤＶＩ)/(ＭＮＤＷＩ＋ＮＤＶＩ)(３)２.３㊀基于ＣＮＤＷＩ指数的水体信息增强效果评估２.３.１㊀水体与其他地物之间的影像差异㊀图２(ａ)和图３(ａ)是采用２０１６年２月１０日研究区内局部地区的Ｌａｎｄｓａｔ８/ＯＬＩ多光谱影像ꎬ将其第５㊁第４和第３波段按照 ＲＧＢ 的显色模式进行波段组合显示的第６期孙佩ꎬ等:基于ＮＤＶＩ￣ＭＮＤＷＩ特征空间的水体信息增强方法研究５７７㊀图２㊀面向大型水体的遥感图像信息增强㊀图３㊀面向细小水体的遥感图像信息增强５７８㊀湖北大学学报(自然科学版)第４０卷效果ꎬ图２(ｂ)(ｄ)和图３(ｂ)(ｄ)则是对应区域的ＮＤＶＩ㊁ＭＮＤＷＩ和ＣＮＤＷＩ指数影像.从水体自身的影像表现来看ꎬ水体在上述３种指数影像上的表现特征都非常突出ꎬ或为极低值(图２(ｂ)㊁图３(ｂ))或为极高值(图２(ｃ)㊁(ｄ)㊁图３(ｃ)㊁(ｄ))ꎬ但从水体与易混淆地物之间的影像差异来看ꎬ则都以ＣＮＤＷＩ指数较好.例如ꎬ在ＮＤＶＩ影像(图２(ｂ)㊁图３(ｂ))上水体呈暗黑色ꎬ植被亮白ꎬ而ＣＮＤＷＩ指数(图２(ｄ)㊁图３(ｄ))上水体呈现亮白色ꎬ植被偏暗ꎬ两种指数下都拉大了水体与植被之间的差异ꎬ都能很好的区分水体与植被.在ＮＤＶＩ影像(图２(ｂ))上ꎬ水体与建筑用地都呈现出偏暗黑色调ꎬ所以在提取水体时这部分建筑用地往往也会随之被提取出来ꎻ在ＭＮＤＷＩ指数(图２(ｃ))和ＣＮＤＷＩ指数(图２(ｄ))上ꎬ水体都呈亮白色ꎬ且与建筑用地都有明显的区分ꎬ但对比而言ꎬ水体在ＣＮＤＷＩ影像(图２(ｄ))上的色调更亮ꎬ从而使得水体与建筑用地在ＣＮＤＷＩ影像上的差异性较ＭＮＤＷＩ有所扩大.再就水体与阴影区而言ꎬ在ＮＤＶＩ影像(图３(ｂ))上它们的颜色都偏暗ꎬ在ＭＮＤＷＩ影像(图３(ｃ))上都呈亮白色ꎬ不过与ＣＮＤＷＩ影像(图３(ｄ))相比ꎬ水体与阴影区之间的ＮＤＶＩ以及ＭＮＤＷＩ差异性仍然明显弱于ＣＮＤＷＩ.由此可见ꎬＣＮＤＷＩ指数不仅能够保持ＭＮＤＷＩ指数对水体以极大值表达的优势ꎬ而且它还额外具有扩大水体与阴影区之间差异的特点.２.３.２㊀水体信息遥感自动提取实验㊀鉴于ＣＮＤＷＩ指数对于水体表达的优势ꎬ本文中以前述的ＯＬＩ＿１４２０３０影像为信息源ꎬ采用该指数进行研究区域水体信息的遥感自动提取实验ꎬ主要步骤有:１)利用Ｅｒｄａｓ软件的Ｍｏｄｅｌｅｒ功能建模形成由ＮＤＶＩ和ＭＮＤＷＩ指数的影像ꎻ２)按照公式(３)ꎬ采用比值方法由ＮＤＶＩ和ＭＮＤＷＩ生成ＣＮＤＷＩ指数影像ꎻ３)采用非监督分类的方式对ＣＮＤＷＩ指数影像进行自动分类处理ꎬ从中提取水体类别ꎬ所得结果(图４)利用ＡｒｃＭａｐ采集的１２０个样点ꎬ在对照原始影像以及Ｇｏｏｇｌｅｅａｒｔｈ高分影像等的基础上进行了精度评价ꎬ准确率为９１.６７％.图４㊀基于２０１６年２月ＯＬＩ＿１４２０３０ＣＮＤＷＩ影像的水体解译结果㊀３ 结论与讨论１)本文中以归一化植被指数(ＮＤＶＩ)和改进归一化差异水体指数(ＭＮＤＷＩ)的组合为基础ꎬ构建复合型水体指数模型(ＣＮＤＷＩ)ꎬ经试验证明ꎬ该指数对于山体阴影区信息的抑制作用要优于ＮＤＶＩ和ＭＮＤＷＩ指数ꎬ对于水体与建设用地和植被等地物之间的差异也具有明显的增强作用.２)依据ＣＮＤＷＩ水体指数影像ꎬ能够以较高精度来自动提取山地丘陵区的水体信息ꎬ尤其能够完整提取大面积的水体信息.３)ＣＮＤＷＩ指数主要基于水体与地形阴影区以及植被和建筑用地等４类地物在ＮＤＶＩ￣ＭＮＤＷＩ特征第６期孙佩ꎬ等:基于ＮＤＶＩ￣ＭＮＤＷＩ特征空间的水体信息增强方法研究５７９㊀空间上的表现差异而提出的ꎬ在此过程中没有考虑不同水体类型等所带来的影响ꎬ从而使得该指数的普适性还有待进一步的检验.４ 参考文献[１]陈华芳ꎬ王金亮ꎬ陈忠ꎬ等.山地高原地区ＴＭ影像水体信息提取方法比较 以香格里拉县部分地区为例[Ｊ].遥感技术与应用ꎬ２００４ꎬ１９(６):４７９￣４８４.[２]徐涵秋.利用改进的归一化差异水体指数(ＭＮＤＷＩ)提取水体信息的研[Ｊ].遥感学报ꎬ２００５ꎬ９(５):５８９￣５９５. [３]ＲｕｎｄｑｕｉｓｔＤꎬＬａｗｓｏｎＭꎬＱｕｅｅｎＬꎬｅｔａｌ.Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｔｉｍｉｎｇｏｆｓｕｍｍｅｒ￣ｓｅａｓｏｎｒａｉｎｆａｌｌｅｖｅｎｔｓａｎｄｌａｋｅ￣ｓｕｒｆａｃｅａｒｅａ[Ｊ].ＷａｔｅｒＲｅｓｏｕｒｃｅｓＢｕｌｌｅｔｉｎꎬ１９８７ꎬ２３(３):４９３￣５０８.[４]ＭＡｓｈｒａｆꎬＲＮａｗａｚ.Ａｃｏｍｐａｒｉｓｏｎｏｆｃｈａｎｇｅｄｅｔｅｃｔｉｏｎａｎａｌｙｓｅｓｕｓｉｎｇｄｉｆｆｅｒｅｎｔｂａｎｄａｌｇｅｂｒａｓｆｏｒｂａｒａｉｌａｗｅｔｌａｎｄｗｉｔｈｎａｓａ ｓｍｕｌｔｉ￣ｔｅｍｐｏｒａｌｌａｎｄｓａｔｄａｔａｓｅｔ[Ｊ].ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍꎬ２０１５ꎬ７(１):１￣１９.[５]杜云艳ꎬ周成虎.水体的遥感信息自动提取方法[Ｊ].遥感学报ꎬ１９９８ꎬ２(４):２６４￣２６９.[６]陆家驹.多种遥感资料河网水体的有效解译[Ｊ].水利学报ꎬ１９９９(１):４１￣４５.[７]都金康ꎬ黄永胜ꎬ冯学智ꎬ等.ＳＰＯＴ卫星影像的水体提取方法及分类研究[Ｊ].遥感学报ꎬ２００１ꎬ５(３):２１４￣２１９. [８]丁凤.基于新型水体指数(ＮＷＩ)进行水体信息提取的实验研究[Ｊ].测绘科学ꎬ２００９ꎬ３４(４):１５５￣１５７. [９]杨宝刚ꎬ陈昉ꎬ罗孳孳.基于ＭＯＤＩＳ的改进型组合水体指数(ＭＣＩＷＩ)提取复杂水体信息的试验[Ｊ].西南大学学报(自然科学版)ꎬ２０１１ꎬ３３(１):１１２￣１１９.[１０]ＭｃＦｅｅｔｅｒｓＳＫ.Ｔｈｅｕｓｅｏｆｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｗａｔｅｒｉｎｄｅｘ(ＮＤＷＩ)ｉｎｔｈｅｄｅｌｉｎｅａｔｉｏｎｏｆｏｐｅｎｗａｔｅｒｆｅａｔｕｒｅｓ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ１９９６ꎬ１７(７):１４２５￣１４３２.[１１]庞科臣ꎬ陈立福ꎬ王思雨.融合ＤＥＭ去除山体阴影的水体提取方法[Ｊ].电子科技ꎬ２０１６ꎬ２９(４):７６￣７８.[１２]冯胜利ꎬ肖欢.干旱区聚热型绿洲温室间作套种技术应用研究[Ｊ].黑龙江农业科学ꎬ２０１５(７):１９１￣１９２.[１３]张新庆.吐鲁番盆地地形与天气[Ｊ].新疆气象ꎬ１９９８ꎬ２１(６):１１￣１３.[１４]阿不都克依木 阿布力孜ꎬ地里夏提 买买提ꎬ阿布都沙塔尔 买买提明ꎬ等.吐鲁番盆地植被盖度变化的自然及人文耦合分析[Ｊ].新疆农业科学ꎬ２００７ꎬ４４(５):６６７￣６７１.[１５]戴湘艳ꎬ吕衡彦.制约吐鲁番盆地山南山北设施农业作物生长关键期的灾害性天气气候特征分析及防御对策[Ｊ].新疆农业科技ꎬ２０１０(６):６￣７.[１６]ＲａｈｍａｎＭＳꎬＤｉＬ.Ｔｈｅｓｔａｔｅｏｆｔｈｅａｒｔｏｆｓｐａｃｅｂｏｒｎｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｆｌｏｏｄｍａｎａｇｅｍｅｎｔ[Ｊ]ꎬＮａｔｕｒａｌＨａｚａｒｄｓꎬ２０１７ꎬ８５(２):１２２３￣１２４８.[１７]徐涵秋ꎬ杜丽萍ꎬ孙小丹.基于遥感指数的城市建城区界定与自动提取[Ｊ].福州大学学报(自然科版)ꎬ２０１１ꎬ３９(５):７０７￣７１２.[１８]罗永明ꎬ钟仕全ꎬ莫伟华ꎬ等.基于ＴＭ数据的南宁市水体和建筑用地变化研究[Ｊ].气象研究与应用ꎬ２００８ꎬ２９(１):３７￣４０.[１９]徐涵秋ꎬ杜丽萍.遥感建筑用地信息的快速提取[Ｊ].地球信息科学学报ꎬ２０１０ꎬ１２(４):５７４￣５７９.[２０]徐涵秋.基于压缩数据维的城市建筑用地遥感信息提取[Ｊ].中国图象图形学报ꎬ２００５ꎬ１０(２):２２３￣２２９.(责任编辑㊀郭定和)。