遥感影像中水面及水体信息提取方法的研究

遥感影像中水面及水体信息提取方法的研究
胡启中1，祁建勇2
（1.上海佳文比特信息科技有限公司，上海，200135；2.河北建设勘察研究院有限公司，石家庄，050031）
摘要：根据遥感影像中不同光谱波段对不同地物的反射率特征，以西洋河流域2000年春秋两期Landsat7 ETM＋遥感数据为研究对象，结合实地调查数据，利用地理信息系统及遥感数据处理系统软件平台，建立植被覆盖度对不同季节、不同程度的植被覆盖、岩土裸露及水面水体相关的特征关系、对该流域内分布的各类中小型水库塘坝的水面和水体信息的分析和提取方法进行系统的研究和验证。

通过结果分析表明：根据不同时相遥感影像的光谱波段组合建立不同的处理方法可以提高季节性变化的水面及水体信息识别和提取的精度和效率。

关键词 ：遥感影像；光谱分析；水体信息；提取方法
水面及水体信息的分析和提取，一直是遥感影像分析处理及解译分类的基础性工作，在水资源调查、水环境监测、水灾害评估等许多方面得到了广泛应用。

国内外很多专家学者在大规模区域尺度、高精度空间分辨率及多时相时间分辨率的遥感数据基础上对水体的提取方法做了深入研究，并提出了许多行之有效的方法。

在中小流域尺度范围上，基于中低空间分辨率的卫星遥感影像，对各类中小型水库塘坝的水面及水体信息的分析和提取是困难的，即使单一的借助专业的遥感数据处理系统软件平台进行分类解译，不仅技术性强，步骤繁多，模型构造复杂，也是费工费时费力的。

水域范围精度控制和水面水体提取效率的提高一直是遥感解译水面及水体信息方法改进的驱动力。

1 Landsat7 ETM＋遥感波段光谱特征及归一化植被指数应用
遥感数据是在预定的光谱波段（波长）上获得的。

美国陆地卫星7号（Landsat-7）携带的增强型专题制图仪（ETM+），包含三个可见光波段兰绿红、一个近红外波段、二个中红外波段，空间分辨率为30米；一个热红外波段，空间分辨率为60米；另加一个空间分辨率为15米的全色波段。

尽管空间分辨率不是较高，重采样覆盖周期16天，但其波段设置比较合理，并采集传输回大量的遥感数据，成为陆地资源调查及生态环境监测等诸多领域应用重要的遥感数据源之一。

各种地物，尤其是岩石土壤、绿色植被和水面水体在可见光和红外波段附近具有明显的反射率特征。

在光谱中，波段3可见光红光主要被植物吸收，同土壤和岩石相比，绿色植物的反射系数相当弱；而在波段4近红外线部分的反射却比多数其它地表覆盖物的反射要强得多[ 1 ]。

水面或水体几乎吸收了近红外波段4和中红外波段5或7的全部能量使之反射率很低，同时土壤和植被在这三个波段内的吸收能量较小，而有较高的反射率，这就使得水体在这三个波段上与植被和土壤具有明显的光谱特征差异。

因此在假自然色彩波段合成影像（RGB543波段组合）中，水体呈现出深蓝色及蓝色的暗色调，而土壤因其岩类基质特征呈不同浅色调，植被则呈现出相对较亮的深绿色、绿色或浅绿色色调。

但由于不规则山体阴影的影响，使得近红外、中红外在阴坡面的反射能量特别低，它们在影像上也呈现出明显的暗色调；规则的铁路线、公路线等基础设施在遥感影像上也同时呈现出明显的暗色调。

水面水体与山体阴影、铁路线、公路线等基础设施的光谱特征混淆使得遥感解译的普通分类方法难以准确提取水面水体信息。

归一化植被指数（NDVI），是植被指数的一种通用化指标形式，正是利用了遥感数据中近红外线和红光之间植被、水体及岩石土壤等其它地物的光谱特征，计算两波段之间的差异或比值，使之反映植被覆盖状况。

因此，通过遥感数据直接计算的植被指数近一步估算植被覆盖度，在全球植被变化、作物生长状况、
土地利用/覆盖变化、区域生态变迁、气候发展变化等不同应用研究领域里都起着重要的作用。

很多专家学者通过分析植被指数与植被覆盖度的相关关系，建立了许多应用角度的关系模型[2]。

Chao-Yuan Lin(台湾)在2002年将归一化植被指数（NDVI）作线性逆变换，建立了植被覆盖度与归一化植被指数的关系函数，即
C =（1−NDVI）/ 2 （1）
式中C，作为修正通用土壤侵蚀方程（RUSLE）的输入参数，即植被覆盖因子，并应用于流域系统的土壤侵蚀预报和沉积量估算[ 3 ]。

归一化植被指数，定义为
NDVI＝（NIR－R）/ (NIR＋R) （2）
式中，NIR和R分别为近红外线和红光的反射率，在ETM＋影像中对应于第4、3波段。

归一化植被指数(NDVI)的数值在-1与1之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，近红外线和红光的反射率近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。

因此，植被覆盖度(C)的数值在0与1之间，分别对应于不同的地物特征值及不同程度的植被覆盖状况。

在上述基本方法的指导下，ETM＋遥感影像中水面及水体信息的识别和提取，主要是依据水体在各个波段上光谱的不同特征以及与其它地物光谱特征的差异，通过多个波段组合分析，并借助于地理信息系统及遥感数据处理系统软件的空间建模工具和分析处理方法，构造水面及水体信息分析提取模型，增强显示并生成水面及水体信息图像，进一步应用空间统计分析和工程数值方程计算水面面积及水体容积等工程数据。

2 水体及背景地物的光谱特征分析
研究区位于秦皇岛市域冀东沿海诸河的洋河流域，选择2000年5月2日及9月7日两期代表春秋两季的Landsat7 ETM＋遥感数据，根据分水岭裁剪出西洋河支流。

西洋河流域，富贵庄站上游流域面积为302.6km2，由9条较大的小流域组成，北半部分由陡峭的山地和燕河盆地构成，南半部分由平缓的丘陵构成。

流域内分布着许多大小不一，形态各异的中小型水库、塘坝及坑池，基于中低空间分辨率遥感影像运用常规方法分类解译及识别提取具有一定难度。

2000年5月2日遥感影像的光谱分析。

五月份正是该地区的春季干旱季节，冬小麦生长旺季，主流植被的阔叶型树种杨柳树及苹果树等树木正待抽芽，灌丛草甸正趋返青。

在RGB543波段组合的假自然色彩的影像中可以看到，绿色植被主要分布在西洋河支流两岸部分，深紫色、黑褐色及灰色山体和地质岩性清晰，紫色及紫白相间的裸露土壤大片分布，黑蓝色及蓝色的水库塘坝显示不清，黑蓝色的河道由于其弯曲特征可辨。

2000年9月7日遥感影像的光谱分析。

九月份正是该地区的秋季水丰时期，玉米、甘薯等主导农作物生长旺季，主流植被的阔叶型树种杨柳树及苹果树等树木繁茂，灌丛草甸丰厚。

在RGB543波段组合的假自然色彩的影像中可以看到，绿色植被不仅分布在西洋河支流两岸部分，在五月份的遥感影像上显示的紫色及紫白相间的裸露土壤大片分布已被浅绿色及黄绿色替代，深紫色、黑褐色及灰色山体和地质岩性模糊，黑蓝色及蓝色的水库塘坝在大片的植被中依然显示不清，黑蓝色的河道由于其弯曲特征依稀可辨，但不如五月份春季干旱季节的影像清晰。

根据Landsat7 ETM＋遥感影像各波段光谱特征，为了消除绿色植被、裸露岩石土壤、山体阴影等色调影响，突出显示水面特征，确定最佳波段组合为RGB751。

波段1的添加是应用其水体穿透性能，为了研究水位变化及岸线侵润。

在RGB751波段组合的影像中水库、塘坝及河道以深蓝色突出显示出来。

根据归一化植被指数（NDVI）线性变换为植被覆盖度（C），在植被覆盖度（C）专题影像中设置合适
的显示颜色类别数值，实现对水面及水体、不同等级植被、裸露岩土等地物的显示颜色分类。

水面及水体以红色系显示、不同等级植被以绿色系显示、裸露岩土等地物以黄色系显示；色系值域在植被覆盖度－归一化植被指数关系曲线中对应于影像分类体系的阈值范围。

图1至图4分别显示研究区春秋两期局部的植被覆盖度（C）专题影像及对应的植被覆盖度－归一化植被指数关系表达的分类体系。

在植被覆盖度高的情景下，反映植被覆盖度或归一化植被指数的影像中，水面水体、植被和裸露岩石土壤的图案及色调分明；而在植被覆盖度低的情景下，裸露岩石土壤及山体阴影等对水面水体表现的影响强烈，可识别性下降。

因此设置合适的显示颜色类别数值可以实现对水面及水体、植被等级、裸露岩土等地物的显示分类。

图1 2000年5月2日植被覆盖度影像（局部）
图2 2000年5月2日植被覆盖度－归一化植被指数关系
图3 2000年9月7日植被覆盖度影像（局部）
图4 2000年9月7日植被覆盖度影像－归一化植被指数关系
3 构建模型方法提取水面及水体信息
遥感影像中水面及水体信息的提取，主要包括
三个方面：
（1）水面及水体的识别；
（2）水面及水域边线的界定；
（3）水面面积及水体容积的计算。

因此，集成地理信息系统（GIS）及遥感数据处理系统（RS）软件平台提供的模型方法，甚至集成全球定位系统（GPS）的方法，构建系统的水面及水体信息识别和提取模型方法，参见图5。

包括以下主要过程：
图5 水面及水体信息分析提取模型方法
应用遥感数据处理系统（RS）软件平台，对遥感影像进行增强处理及光谱分析，波段组合及模型计算，并构建相关专题影像，实现对水面及水体的解译和识别。

应用地理信息系统（GIS）软件平台，对最佳波段组合的遥感影像、专题影像及输入的工程数据图像融合处理及空间分析，以便显示清晰的水面及水域边线，进行矢量化编辑，输出水面及水体解译图像，实现对水面及水域边线的界定。

应用地理信息系统（GIS）或3S集成软件平台，实现工程制图和数值计算功能。

将数字高程模型（DEM）数据、工程矢量化数据、遥感专题影像和水面及水体解译图像组合处理，进行空间数据统计分析输出专题图件；根据水位－水面积－库容的工程数值关系函数实现水面面积与水位和水体容积的计算。

4 结果分析
根据构建的水面及水体信息识别和提取模型方法，对2000年春秋两期遥感影像的西洋河流域内各类水库塘坝进行识别和提取，取得良好的识别和提取效果。

局部区域的结果示例参见图6至图7。

水面面积统计如表1所示。

根据解译结果可知，在2000年5月初春节干旱季节，重峪口水库和上庄水库的水面面积很小，仅为0.002平方公里，而下庄水库和塘坝为干枯状态；在2000年9月初秋季丰水季节，重峪口水库的水面面积为0.0576平方公里，上庄水库的水面面积为0.0263平方公里，下庄水库水面面积为0.0196平方公里，下庄塘坝水面面积为0.0057平方公里。

图6 2000年5月2日水面信息分析提取结果（局部）
图7 2000年9月7日水面信息分析提取结果（局部）
水面面积解译统计表 （单位：km2) 表1
日期 重峪口水库下庄水库下庄塘坝上庄水库
20000502 0.0021 0 0 0.0023
20000907 0.0576 0.0196 0.0057 0.0263
图8显示了应用水面及水体信息分析提取模型方法获得的库区地形图。

利用两期代表水库丰枯季节变化的2000年5月2日和2000年9月7日遥感影像，进行波段组合、影像处理和图像融合等处理，生成库区地形遥感解译结果图像。

图8 重峪口水库库区地形遥感解译结果
5 结 语
遥感影像数据已经成为水行业信息化的重要数据源之一，基于遥感影像提取水面及水体信息是一项基础性的工作。

集成地理信息系统及遥感数据处理系统的技术方法，以及进一步集成全球定位系统的技术方法，提高水面及水体信息识别和提取的精度和效率，不仅能够提高水利信息化系统建设的技术水平，而且能够为水环境和水资源管理、水利工程建设及运营管理提供科学合理的决策依据。

参 考 文 献
[1] [德]Gert A.Schultz,[美]Edwin T.Engman编,韩敏译.水文与水管理中的遥感技术.北京:中国水利水电出版社,2006,9～10.127～132.
[2] 王静等著,土地资源遥感监测与评价方法.北京:科学出版社,2006,181～182.
[3] Chao-Yuan Lin, Soil erosion prediction and sediment yield estimation:the Taiwan experience. Soil & Tillage Research 68 (2002)
143～152。