水体信息提取

第三部分水体信息提取

阴影和水体， ( TM2 + TM3) - ( TM4 + TM5)在山体和农林区域较好,却难以区分部分建筑居民用地和水体。
ห้องสมุดไป่ตู้
存在着问题

阈值难确定：
由于部分细小水体在影像中以混合像元的形态存在,存在
水体和非水体地物过渡区，阈值难取。阈值高了将丢失细小水体信息，阈值低了将不少其他的地物信息误提出来。

各种方法增强效果均有区域局限性。
在地类复杂的区域中，NDWI只在非山地的植被区域较好。
MNDWI在建筑居民用地区域较好，却难以区分部分山体
水体的研究离不开对水体范围、界线的准确提取，常用的遥感影像水体信息提取方法主要有两类: 单波段法：

依据水体在几个波段上光谱的不同特征以及其它地物
与水体的区别，通过分析水体及背景地物的光谱值，利用单个波段来提取 TM 影像中的水体信息。单波段阈值法简单可行，却不易区分水体与阴影
水体提取
遥感影像记录了地表物体对电磁波的反射信
息及其自身向外的辐射信息，相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率，在近红外、中红外及短波红外部分，水体几乎吸收了全部的入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，使得水体与它们具有明显的区别。

多波段法：
利用水体在不同波段上的光谱特性，通过多波段之间
的组合运算来增强影像中的水体信息，从而易于从其他地物中分离提取出水体。
单波段法
单波段法主要选取对水陆界反映较好的 Landsat-7 的ETM+的第四或五波段，即近红外和中红外波段，利用阈值法对水体进行提取。 TM5〈T（阈值）在第五波段水体和非水体有明显的区别，该法利用了水体在这两个波段上的强吸收特性，以及植被、土壤在这两个波段较高的反射特性。由于山体阴影的影响，使得中红外在阴坡面的反射能量特别低，从而造成山体阴影在影像上呈现出明显的暗色调，水体与阴影的混淆使得难以在单波段上通过阈值法来提取水体。

水体信息自动提取遥感研究以丽江地区为例

二、技术手段
3、特征分析和应用：提取出水体信息后，需要进行特征分析和应用。通过对水体的形态、大小、颜色等特征进行分析，可以获取水体的类型、分布、水质等信息。这些信息可以应用于水资源管理、环境保护、气候变化研究等领域。
三、发展趋势
三、发展趋势
随着遥感技术的不断发展，水体的遥感信息自动提取方法也在不断进步和完善。未来，该领域的发展趋势包括以下几个方面：
一、遥感技术概述
一、遥感技术概述
遥感是指利用传感器对地球表面进行远距离探测的一种技术。它具有获取信息速度快、范围广、精度高等优点，可以为科学研究提供大量数据支持。在遥感技术中，卫星遥感是应用最为广泛的一种方式。卫星遥感具有覆盖范围广、连续性强、周期短等优点，能够提供准确、实时的地球表面信息。
四、结论与展望
四、结论与展望
本次演示以丽江地区为例，探讨了水体信息自动提取的遥感研究。通过对遥感图像的预处理、图像分割、特征提取、水体信息提取和结果评估等步骤的处理和分析，可以更加准确地获取丽江地区的水体信息。这些信息对于水资源管理、环境保护、气候变化研究等方面具有重要意义。
四、结论与展望
水体信息自动提取遥感研究以丽江地区为例
目录
01 一、遥感技术概述
02
二、水体信息自动提取方法
03 三、丽江地区水体信息自动提取实践
04 四、结论与展望
05 参考内容
内容摘要
随着科技的不断发展，遥感技术已经成为获取地球表面信息的重要手段之一。在众多遥感应用中，水体信息自动提取具有重要意义。水是人类生存的基本需求之一，也是生态系统的重要组成部分。因此，通过遥感技术获取水体信息对于水资源管理、环境保护、气候变化研究等方面具有重要意义。本次演示以丽江地区为例，探讨水体信息自动提取的遥感研究。

使用测绘技术进行水文数据提取的方法介绍

使用测绘技术进行水文数据提取的方法介绍测绘技术在水文数据提取中起着重要的作用。

水文数据的提取和分析对于水资源管理、环境保护和灾害预防等领域至关重要。

本文将介绍一些使用测绘技术进行水文数据提取的方法，以帮助读者更好地理解和应用这些技术。

一、遥感技术在水文数据提取中的应用遥感技术是通过对卫星、飞机、无人机等获取的数据进行解译和分析，来获取地面信息的一种技术。

在水文数据提取中，遥感技术可以用来获取水体的空间信息、面积和深度等参数。

首先，遥感技术可以通过获取卫星或无人机的遥感图像来提取水体的边界和分布情况。

这些图像可以通过计算机处理和解译，得到水体的大小、形状和位置信息。

同时，遥感图像中的不同颜色和纹理可以反映水体的深浅和水质等特性。

其次，遥感技术可以通过获取水体的高程和地形信息，来计算水体的平均深度和总容积。

这可以通过雷达遥感或激光测距等技术来实现。

通过获取准确的水体深度数据，可以帮助水资源管理者更好地估计水资源的可用量，从而进行合理的规划和管理。

二、地理信息系统在水文数据提取中的应用地理信息系统（GIS）是一种用于存储、管理和分析地理数据的系统。

在水文数据提取中，GIS可以用来整合和处理各种空间数据，构建水文信息数据库，并进行空间分析和模拟。

首先，GIS可以将不同类型的水文数据（如遥感数据、水文观测数据、地形数据等）进行整合和融合。

通过将这些数据存储在数据库中，并进行空间关联和分析，可以得到更全面和准确的水文信息。

其次，GIS可以进行水文模拟和预测。

通过构建合适的水文模型，并结合历史和实时的水文数据，可以进行水文过程的模拟和预测。

这有助于预测洪水、干旱和水质变化等情况，为水资源管理和灾害预防提供科学依据。

三、全球定位系统在水文数据提取中的应用全球定位系统（GPS）是一种通过卫星定位和导航来获取准确位置信息的系统。

在水文数据提取中，GPS可以帮助获取水文观测站点的准确位置，并进行实时的位置标识和数据记录。

遥感水体提取是利用遥感技术获取地表水体信息的过程

遥感水体提取是利用遥感技术获取地表水体信息的过程
1
遥感水体提取是利用遥感技术获取地表水体信息的过程，对于水资源管理、环境保护和自然灾害
监测等领域具有重要意义
2
以下是一份遥感水体提取方法的综述，包括常用的方法和实例
1
一、基于阈值分割的方法
一、基于阈值分割的方法
阈值分割是最简单直观的遥感水体提取方法之一
1
无人机影像具有较高的空间分辨率和灵活性，可用于水体提取和监测
2
无人机影像可以提供更详细的水体边界和细节
信息，并可以进行高分辨率的图像分类和分割
3
通过结合无人机影像和遥感影像，可以获得更全面、准确的水体信息
9
九、基于物理模型的方法
九、基于物理模型的方法
物理模型方法利用水体在遥感影像中的光学、热学或电磁特性建立数学模型，并应用这些模型进行水体
7
七、基于深度学习的方法
七、基于深度学习的方法
深度学习技术在遥感水体提取中表现出很强的潜力
卷积神经网络(CNN)和语义分割网络(Semantic Segmentation Network)等深度学习模型可以学习级特征和语义信息，从而实现更精确的水体提取
8
八、基于无人机影像的方法
八、基于无人机影像的方法
九、基于物理模型的方法
2. 基于指数转换的方法
计算归一化水体指数 (NDWI)或修正的归一化水体指数(MNDWI) ，通过阈值分割或灰度拉伸等方法将水体提取出来
九、基于物理模型的方法
3. 基于机器学习的方法
使用支持向量机(SVM)或卷积神经网络(CNN)等算法，通过对训练样本进行学习和分类，实现对水体的提取

使用ndwi提取水体的详细流程

使用NDWI提取水体的详细流程简介Normalized Difference Water Index (NDWI) 是一种常见的遥感指数，用于提取水体信息。

本文档将详细介绍如何使用NDWI来提取水体信息，并给出具体的步骤和流程。

材料和方法1. 遥感影像为了使用NDWI指数提取水体信息，我们需要获取一幅可见光和近红外波段数据的遥感影像。

这些影像可以从卫星、航拍图像或其他遥感平台获取。

2. 图像预处理在进行NDWI水体提取之前，必须对原始图像进行一些预处理操作。

以下是一些常见的预处理步骤： - 图像辐射定标：将原始图像转换为反射率值，消除大气和地表反射的影响。

- 图像大气校正：校正大气散射和吸收的影响，使图像更接近真实的地表反射率。

- 图像几何校正：校正图像的几何形状和位置，使其具有地理参考信息。

3. NDWI计算公式NDWI是通过计算可见光波段和近红外波段的反射率之差来提取水体信息的。

其计算公式如下：NDWI = (Green - NIR) / (Green + NIR)其中，Green代表可见光波段的反射率，NIR代表近红外波段的反射率。

4. NDWI提取水体在获取NDWI指数后，可以根据计算出的NDWI值来提取水体信息。

以下是提取水体的一般步骤： 1. 将NDWI指数映射到色彩空间中，例如将其转换为灰度图像或伪彩色图像。

2. 根据NDWI值设定一个阈值，将高于阈值的像素判定为水体，低于阈值的像素判定为非水体。

3. 对于边缘像素，可以采用形态学运算（如腐蚀和膨胀）来细化边缘线条，使其更准确地表示水体边界。

实例演示以下是一个使用NDWI提取水体的实例演示： 1. 首先，获取一幅包含可见光波段和近红外波段数据的遥感影像。

2. 对遥感影像进行预处理，包括辐射定标、大气校正和几何校正等步骤。

3. 根据NDWI计算公式，计算出NDWI指数值。

4.将NDWI指数值映射到色彩空间中，生成灰度图像或伪彩色图像。

水体提取实验报告(DOC)

水体提取实验报告地理121 王霞2012211300 一、实验目的提取TM图像中的水体信息，对试验区1991图像和试验区2002图像中的水体进行提取，分析比较图像结果。

二、实验内容1、查看植被、水体、城镇的影像光谱，总结光谱特征。

2、首先计算NDVI、NDWI、NDBI，再利用水体指数等提取水体信息，一般包括两种方法：a.阈值法提取b.最大似然法提取本次实验采用最大似然法提取。

三、实验步骤1、计算试验区1991和2002可见光至短波红外波段的7个波段的TOA反射率数据。

步骤：Basic Tools - Preprocessing - Calibration Utilities - Landsat Calibration可见光至短波红外波段的7个波段的TOA反射率数据图像如图1。

2002年1991年图12、利用水体指数增强水体信息。

查看影像光谱，在image视图中右键->Z Profile （Spectching），以下是影像中水体、植被、城镇的光谱影像。

水体植被城镇总结光谱特征。

这就为什么水体用ETM+(b2-b4)/(b2+b4)，而植被是ETM+(b4-b3)/(b4+b3)，而城镇指数是ETM+(b5-b4)/(b5+b4)，都是波段的反射率值。

3、计算NDVI、NDWI、NDBITransform——NDVI等指数，两个试验区的NDVI等指数图像如下图NDVI（图2、图3）图2 2002年图3 1991年NDWI（图4、图5）图4 2002年图5 1991年NDBI（图6、图7）图6 2002年图7 1991年4、最大似然法提取（1）加入特征指数的最大似然法提取方法：将6波段文件和三个指数（NDVI、NDWI、NDBI）做成一个文件：FILE->SA VE FILE AS->ENVI STANTARD合成后的图像（2）用ROI区域选取水体、城镇、植被等样本试验区1991年试验区2002（3）最大似然法分类：步骤：CLASSIFICAION->SUPERVISED->MAXIMUN LIKELIHOOD 1991年分类结果图像如图8。

实验报告-水体信息提取

遥感原理与应用》实验报告学院：授课教师：班级：姓名：学号：一、实验目的1、提取TM图像中的水体信息，对图像（TM-AA中的水体进行提取，采用公式（b2-b5、（b2-b5）/（b2+b5））分别进行提取，进行分割比较。

2、对提取的水体图像进行形态学处理，并对处理后的图像进行效果比较。

二、实验原理通过ENVI软件，对图像（TM-AA ）中的水体采用公式（b2-b5、（b2-b5）/（b2+b5））分别进行提取，进行分割比较。

三、实验准备软件准备：ENVI 实验数据：图像：AA四、实验步骤1查看图像直方图。

［穽—Z Gr^enzBanid 3L AA3FileHistograrrt^eiuroeOption 召 Hglpr Apply | Stretch 212QQ■Ra G匚、K匚 LU - r -B-n £ :£&J. a E a d.? H ■ *K I 2 口ixru*** Ftill B un d. 口曰口；』OOD p D i xi t -a.^2)、查看光谱剖面信息。

3）、查看指定线路上的光谱值变化。

Q tfl SrMctral PruflecAA0 «l ；Spatial Profile *1 Rle Edit Opfonit Ptot_FuHrtion Help；le Edit Options门Help250 Fc20QnQA Don550123 + 56Ba fid Number占|＞口廿口1 Profileso。

(4)、查看不同像素位置光谱值变化。

A 、显示图像和直方图B 、确定直方图分级点的像素ProfilenZ5ZCI15C 、设置拉伸的范围5）、查看（5, 4, 2）合成图像中水体光谱的差异。

6）比较不同地物的像素差异。

File 劭戦hJypE Histogrwi_Sfflfce Defsuhs Cptcn? Hf 2咖 StrtU.3: 255File Sfrelnjype H 址輕mjourf Defaults Opt 血 HelpC*orx- aEit.: E QUH U H ・4, IHi ■ t S O -EIF ca Full B wd.【36D. QQD p Q L .H 1 ■)C'lrrsa::H L si Sarrci ： J IL I Bud 逊 ODO"詁诃 Curat Egnil:诚 Nkt S:urr*. ?IL ! Bed (350,DOCpoints]*2 Band 5 AAL = QOverlay £ntiance- Tods- Window0 *2 Bsnd.tlAndl i ：AA[Q 1 *2 Zoom [A..=#2 Sei-oil (D.-42O&7)卜砒• Strwtcih, Type HifStograim.^cuir-c# Defttuhs Optic FK Help7）提取当前位置的像素值。

envi水体提取公式

envi水体提取公式
在ENVI中，可以使用归一化水体指数（NDWI）来提取水体信息。

NDWI
的计算公式如下：
NDWI = (p(Green) - p(NIR)) / (p(Green) + p(NIR))
其中，p(Green)代表绿光波段的像素值，p(NIR)代表近红外波段的像素值。

在ENVI中，可以使用Band Math工具来计算NDWI。

具体步骤如下：
1. 打开ENVI软件，并打开需要提取水体的遥感影像。

2. 在主菜单中，选择“Toolbox” -> “Band Ratio” -> “Band Math”。

3. 在Band Math对话框中，输入NDWI的计算公式，例如：(b1 - b2) / (b1 + b2)。

4. 分别将b1和b2赋值为绿光波段和近红外波段的像素值。

在ENVI中，
可以使用“Band”工具来查看每个波段的像素值。

5. 点击“OK”按钮，ENVI将计算出NDWI值，并生成一个新的NDWI波段。

6. 使用阈值法提取水体。

在ENVI中，可以使用“Region of Interest”工
具来设置阈值。

一般来说，可以将NDWI大于0的区域视为水体。

7. 点击“OK”按钮，ENVI将提取出水体，并生成一个新的水体掩模波段。

需要注意的是，由于不同遥感影像的波段范围和数据类型可能不同，因此在计算NDWI时需要根据实际情况进行调整。

同时，阈值法的结果可能受到阴影、阴影遮挡、地形起伏等因素的影响，因此在提取水体时需要综合考虑多种因素。

基于深度学习的遥感水体信息提取研究

基于深度学习的遥感水体信息提取研究基于深度学习的遥感水体信息提取研究摘要：遥感技术在水体信息提取中具有广泛的应用前景，然而传统的遥感水体信息提取方法存在着一定的局限性。

本文提出了一种基于深度学习的遥感水体信息提取方法，通过使用深度卷积神经网络（CNN）来提取水体的特征，并用多层感知器（MLP）进行分类。

实验结果表明，深度学习可以有效地从遥感影像中提取水体信息，具有较高的准确性和泛化能力。

1. 引言水资源是地球上最为宝贵的资源之一，对于生态系统的平衡和人类的生存都起着至关重要的作用。

随着遥感技术的发展，遥感影像成为了获取水体信息的重要工具之一。

准确地提取遥感影像中的水体信息对于水资源管理和环境保护具有重要意义。

然而，传统的基于像元的分类方法往往无法准确提取水体信息，因此需要寻找更有效的方法来应对这个问题。

2. 深度学习及其在遥感中的应用深度学习是一种模仿人脑神经网络工作原理的机器学习方法，它能够从大量的训练数据中学习到高层次的抽象特征。

近年来，深度学习在图像识别、目标检测等领域取得了显著的成果。

在遥感领域，深度学习也被广泛应用于土地利用分类、目标提取等任务中，取得了令人瞩目的效果。

3. 基于深度学习的遥感水体信息提取方法本文提出了一种基于深度学习的遥感水体信息提取方法。

首先，将遥感影像进行预处理，包括辐射校正、大气校正等。

然后，使用深度卷积神经网络来提取水体的特征。

深度卷积神经网络通过堆叠多个卷积层和池化层来构建，能够从原始图像中学习到具有局部感知能力的特征。

最后，利用多层感知器进行水体的分类，并根据分类结果生成水体信息图。

4. 实验结果与分析本文使用了包括Landsat TM、Sentinel-2等多种遥感影像数据集进行实验。

对于每个数据集，我们随机选取了一部分样本进行训练，并利用剩余的样本进行测试。

实验结果表明，基于深度学习的遥感水体信息提取方法在准确性和泛化能力上明显优于传统的方法。

与传统的基于像元的分类方法相比，深度学习方法能够更好地区分出水体和其他地物，提取出更精确的水体信息。

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。

水体信息提取
1 打开文件，波段调整为7 5 3
2 新建个矢量文件
存于d 盘根目录下，文件的名字不要有汉字。

选单精度
打开矢量工具条，enable editing
3 矢量化水体，水体宽带小于3个象元的，划单线，否则化双线，首先设置aaa的属性表
最小化属性表
在设置aaa的空间属性特征，包括线点及属性显示
创建表的属性
应用后，close，选no
水体点属性用71表示，其他用99表示。

水体划完后，点击保存，关闭文件后，再对线建立拓扑关系。

再点击确定后，在新的窗口内，打开文件，用recent 查找刚生成的bbb 文件，打开bbb 文件，
打开tools 工具栏，enable editing 后，再新设置bbb 的空间属性特征。

删除悬挂的线后，封闭没有闭合的线，在重新建立拓扑关系，在打开新生成的文件，重复以上的步骤，直到保证没一个封闭的区域都有一个label 点，没有悬挂的线。

最后形成的文件，每一个区域，都形成一个面，而且带有正确的属性（77或99）。

删除悬挂的线。

envi单波段阈值法提取水体信息

envi单波段阈值法提取水体信息水是地球上最为珍贵的资源之一，对于人类的生存和发展具有重要的意义。

因此，如何准确、高效地提取水体信息成为了遥感技术中的一个重要研究方向。

envi单波段阈值法作为其中的一种方法，具有简单、易操作、计算速度快的特点，被广泛应用于水体信息提取中。

envi单波段阈值法的原理是基于图像中水体和非水体的像元灰度差异，将水体的像元值与阈值进行比较，达到提取水体信息的目的。

具体步骤如下：第一步，导入遥感影像。

在ENVI软件中打开需要处理的遥感影像，确保影像的空间分辨率和波段信息准确无误。

第二步，选择合适的波段。

根据水体的特征和所需提取的信息，选择合适的波段进行处理。

通常，近红外波段和短波红外波段对水体信息提取具有较好的效果。

第三步，计算像元灰度差异。

通过计算每个像元的灰度值与阈值之间的差异，确定每个像元是水体还是非水体。

第四步，设置阈值。

根据实际情况和需要，设置合适的阈值。

一般情况下，可以通过试错法确定最佳阈值。

第五步，根据阈值提取水体信息。

将像元灰度差异与阈值进行比较，将达到阈值条件的像元标记为水体，其他像元标记为非水体。

第六步，可选的后处理。

根据实际需求，对提取结果进行后处理。

例如，去除噪声、填补孔洞等。

envi单波段阈值法的优点是简单易行，计算速度快。

但是，它也存在一些局限性。

首先，阈值的选择对结果影响较大，需要根据实际情况进行调试。

其次，该方法对于复杂的地物背景和混合像元的处理效果不佳。

因此，在实际应用中，需要根据具体情况选择合适的方法。

在实际应用中，envi单波段阈值法被广泛应用于水体信息提取。

例如，对于城市规划和环境监测，可以利用该方法提取城市水体面积和分布情况，为城市发展和环境保护提供数据支持。

对于水资源管理和水环境保护，可以利用该方法提取水体的空间分布和变化信息，为水资源的合理利用和保护提供科学依据。

此外，envi单波段阈值法还可以应用于湖泊、河流、海洋等水体的监测和研究。

一种水体信息的提取方法及装置[发明专利]

专利名称：一种水体信息的提取方法及装置专利类型：发明专利
发明人：梁守真,陈劲松,陈工,张瑾,李洪忠申请号：CN201310686973.0
申请日：20131212
公开号：CN103793907A
公开日：
20140514
专利内容由知识产权出版社提供
摘要：本发明适用于信息处理技术领域，提供了一种水体信息的提取方法及装置，包括：获取指定流域的数字高程模型DEM数据和遥感影像；基于所述遥感影像，提取所述指定流域的第一水体信息；基于所述DEM数据提取所述指定流域的河流信息，生成河流缓冲区；提取所述河流缓冲区的第二水体信息；合并所述第一水体信息和所述第二水体信息，得到最终的水体信息。

本发明综合利用了DEM数据和遥感数据，将遥感数据作为主要数据，将DEM数据作为辅助数据，利用DEM数据来优化通过遥感数据提取的水体信息，从而提高了水体信息的提取精度。

申请人：中国科学院深圳先进技术研究院
地址：518055 广东省深圳市南山区西丽大学城学苑大道1068号
国籍：CN
代理机构：深圳中一专利商标事务所
代理人：张全文
更多信息请下载全文后查看。

水体提取方法

水体提取方法简单归纳总结一、基于MODIS影像的几种提取方法。

最常用的水体提取方法：波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法单波段阈值法是提取水体的最简单易行的方法。

基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。

缺点：是无法将水体与山区阴影区分开来,提取的水体往往比实际要多。

有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性,但对于非山区的特定时相和区域里,尤其像MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验,因为光谱的细分已经将上述问题大大减弱。

若能获得较满意的提取效果,则很容易实现水体的自动提取。

对于用阈值法确实得不到理想效果的,则可以考虑谱间关系法和多光谱混合分析法。

利用谱间关系可建立的模型很多,如对波段进行如下组合运算CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。

以CH7/CH6为例,可以采用如下方法剔除非水体: 在ENVI 软件下输入CH7 及CH6 波段, 运用波段计算功能,将公式CH7/CH6输入,载入影像, 在放大窗口中,手工裁取明水水域范围, 生成多边形,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为EN-VI 等矢量文件即可。

对波段进行组合运算的目的,是为了增强水陆反差。

MODIS 数据的波段 1 是红光区( 0. 62 ～0.67um) ,水体的反射率高于植被, 波段2 是近红外区( 0. 841 ～0. 876um) ,植被的反射率明显高于水体,因此, 采用归一化植被指数NDVI( Normalized Difference Vegetation Index) 来进行处理可以增强水陆反差,其计算公式为:DNVI= (CH2- CH1)/(CH2+ CH1) ( 1)( 1) 式中CH1 ,CH2 分别为MODIS 数据波段1,2 的地表反射率。