水体提取原理及提取模型
AVHRR图像上的水体提取
AVHRR图像上的水体提取●AVHRR图像上水体表现及特征分析●AVHRR图像上的水体识别提取模型AVHRR图像上水体表现及特征分析●AVHRR数据拥有5个通道（CH），CH1（0.58-0.68微米）属橙色可见光范围，对水体中的泥沙含量十分敏感；CH2（0.725-1.1微米）为近红外通道，为水的强吸收带，水体的反射率很低，水体的边界轮廓十分清晰。
●为了整体上了解水体空间、时间、水质上的多变性在AVHRR影像上的反映，以及水体与其他易混地物的区别，采用分地物类别按时间、空间变化的规律对AVHRR数据进行采样分析，分别在2月、5-8月AVHRR图像上对湖泊（太湖、鄱阳湖、洞庭湖、青海湖）、河流（长江、辽河）、海洋（黄海、东海、渤海）、云、云影、城市（上海、无锡、苏州、杭州）的光谱值进行采样分析。
●该图幅内以平均值的光谱曲线为分界，厚云、薄云五个波段都相对为高值，光谱曲线明显高出平均曲线；而其它地物明显低于或围绕平均曲线有小的起伏，其中云影在CH3、CH4、CH5又稍高于平均水平。
从曲线的走向看，云、云影与河流、积水区一致，因此，要进一步区分水体与云及云影，在原有CH1>CH2的规律下，须加入CH2、CH3的判断条件，利用CH2、CH3的均值分别排除云及云影。
●图内的河流、湖泊、海洋的3、4、5波段则相对洪水期有增高，表现出高于图幅均值的规律；而云影在曲线走向和数据大小都与各种水体的规律极为相似，无法再加以区分；反而该时期的城市曲线依然全低于图幅均值，落在平均曲线的下方，虽然在CH1、CH2也满足水的规律，但完全可以利用CH3波段把它剔除掉。
●上面的采样分析可知，在AVHRR这一特定的传感器上，水体的遥感特性与地面实测相比呈现出一定程度的变化，表现为：正常情况下水体随空间的变化幅度较小，而随时间的变化幅度较大，而在洪水期间，水体表现大幅度的变化，由平常时期的相对稳定到起伏较大，呈现出特殊的规律。
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。
基于DEM水系提取方法
4.基于地表径流漫流模型的水系 提取方法
根据DEM 栅格单元和八个相邻单元格之间的最大坡度 来确定水流方向；
计算每个单元格的上游汇水面积； 确定一个汇水面积阈值； 不低于该阈值的单元格标记为水系的组成部分。
不同流向演算法与集流阈值对数值地形模型河川网路萃取之影响 基于DEM的河网提取算法比较 基于DEM的平缓地区水系提取和流域分割的算法分析 基于DEM与遥感的数字流域水系提取研究 基于规则格网DEM的水系提取算法研究 基于数字高程模型的水系提取算法 浅谈数字高程流域水系模型 基于1:：100万DEM的我国地形地貌特征研究 数字地形分析的理论、方法和应用 The Extraction of Drainage Networks from Digital Elevation Data
谢谢！
以上两种方法均基于格网DEM数据，这是因为：
（1）TIN的无规律性使得流域属性的计算比栅格DEM 更加困难； （2）等高线提供的信息与水文模型所需要的信息不 兼容。
比较两种方法分析如下：
第一种方法易产生不连续的水流线，需要相应的 处理来把它们连接起来。这一缺陷在地形平缓和 复杂地形处尤为明显
该方法的技术路线
确定洼地并填充
抬升平地
确定水流方向 生成上游集水面积的 确定和河流栅格网络
生成水系
其核心部分为确定水流方向的流向算法
流向算法
单流向算法：D8法、Rho8法等 多流向算法：DEMON法、Dinf法、 MFD法等
单流向法认为每一格网单元本身产生的流量及其上游 流量都流向其周围唯一的相邻网格。
基于DEM水系提取方法
基于DEM水系提取方法DEM（Digital Elevation Model）是一种数字高程模型，用于描述地球表面的地形起伏。
水系提取方法基于DEM数据，通过分析地势和水流方向，可以准确地提取出水系网络和水体边界。
本文将详细介绍基于DEM水系提取方法的原理和步骤。
首先，基于DEM数据，我们需要进行预处理，包括获取DEM数据、填补数据空洞以及进行地形平滑等操作。
常用的DEM数据获取方式有激光雷达测量、航空摄影测量和遥感数据等。
填补数据空洞可以使用插值算法，如克里金插值和反距离权重法等。
地形平滑可以通过滤波处理，例如均值滤波或高斯滤波。
接下来，我们需要计算流向和流量，即确定DEM中每个像元的水流方向和流量大小。
常用的算法有D8算法和D∞算法。
D8算法将每个像元的流向限制在了8个方向（上、下、左、右和四个对角线），适用于山地区域。
D∞算法则根据最大的坡度确定流向，适用于平坦区域。
流量大小可以通过计算坡度和路径长度的乘积获得，即流量=坡度*路径长度。
然后，根据计算得到的流向和流量数据，我们可以进行水系提取。
通常采用的方法是定义一个阈值，将流量大于或等于该阈值的像元作为水系的起算点，然后通过追踪每个像元的流向，逐步延伸水系网络，直到达到水体边界或流量小于阈值为止。
水体边界可以通过判定水体与非水体之间的高差来确定，一般称为水位线。
最后，为了使提取的水系与实际情况更加贴近，我们还可以进行水系修正和验证。
修正的方法有两种，一种是根据实地调查数据对提取的水系进行修正，另一种是通过对比提取的水系与真实水系，利用机器学习算法进行修正。
验证的方法包括水系极密度评价指标和多尺度分析等。
水系极密度评价指标可以通过计算水系长度及其与实际河网长度之比来评估提取结果，多尺度分析则是将DEM数据按不同的分辨率进行水系提取，并对比不同尺度下的提取结果。
综上所述，基于DEM水系提取方法是一种通过分析地形和水流方向来提取水系网络和水体边界的方法。
水系提取算法
水系提取算法水系提取算法是一种用于从地理空间数据中提取水系网络的算法。
水系是指一系列相互连接的河流、湖泊和水库等水体的集合。
水系在地理研究和环境保护中具有重要的意义，因此水系提取算法的研究和应用也变得越来越重要。
水系提取算法的核心思想是基于地理空间数据的特征和拓扑关系，通过一系列的计算和分析，将地理空间数据中的水体和水体之间的连接关系提取出来，形成一个完整的水系网络。
在水系提取算法中，常用的地理数据包括DEM（数字高程模型）数据和水体矢量数据。
水系提取算法需要对DEM数据进行预处理，包括噪声去除和数据平滑等操作。
这是因为DEM数据通常存在一些不规则的地形起伏和噪声，对水系提取算法的准确性有一定的干扰。
因此，在进行水系提取之前，对DEM数据进行预处理可以有效地提高水系提取的准确性。
接下来，水系提取算法需要根据DEM数据中的高程信息，判断每个像元是否属于水体。
通常情况下，水体的高程要低于周围的地势，因此可以通过比较每个像元的高程与周围像元的高程来判断。
如果一个像元的高程低于周围像元的高程，那么就可以认为该像元属于水体。
通过这种方式，可以逐步地将水体从DEM数据中提取出来。
在水体提取的基础上，水系提取算法还需要判断水体之间的连接关系。
一般情况下，相邻的水体之间存在一定的联系，可以通过计算两个水体之间的距离和高程差等指标来判断它们之间的连接关系。
如果两个水体之间的距离较近且高程差较小，那么可以认为它们之间存在连接关系。
通过这种方式，可以逐步地将水体之间的连接关系提取出来，形成一个完整的水系网络。
除了以上的基本步骤，水系提取算法还可以根据具体的需求进行一些优化和改进。
例如，可以考虑地表坡度和流向等因素，进一步提高水系提取算法的准确性。
此外，还可以考虑使用机器学习和人工智能等方法，通过对已知水系网络的训练和学习，来提高算法的自动化和智能化程度。
水系提取算法是一种用于从地理空间数据中提取水系网络的算法。
通过对DEM数据的预处理、水体的提取和水体之间连接关系的判断，可以逐步地将水系从地理空间数据中提取出来。
高分辨率遥感图像中的水体提取方法研究与实验
高分辨率遥感图像中的水体提取方法研究与实验[导言]在当今社会，高分辨率遥感图像在水资源管理、环境保护、城市规划等方面发挥着重要作用。
而水体提取是高分辨率遥感图像处理中的一项关键任务。
本文将对高分辨率遥感图像中水体提取的方法进行研究，并进行实验验证。
[引言]高分辨率遥感图像中的水体提取是指从遥感图像中准确、自动地识别和提取出水体区域。
水体提取在许多领域中都有着重要的应用，如水资源管理、环境监测、水生态研究等。
然而，由于高分辨率遥感图像中水体与周围地物的差异不大，水体提取一直是一项具有挑战性的任务。
[主体部分]一、传统方法传统的水体提取方法主要基于图像的颜色、纹理和形状等特征。
通过设定特定的阈值或使用像素级分类算法，传统方法可以得到比较准确的水体提取结果。
然而，由于高分辨率遥感图像中的水体与周围地物在颜色、纹理上差异不大，传统方法对于复杂背景下的水体提取效果较差。
二、基于机器学习的方法随着机器学习技术的发展，基于机器学习的水体提取方法逐渐得到应用。
常用的机器学习算法包括支持向量机（SVM）、随机森林（Random Forest）以及深度学习方法如卷积神经网络（Convolutional Neural Network，CNN）等。
1. 支持向量机（SVM）支持向量机是一种常用的机器学习方法，其在图像分类和目标识别中有广泛应用。
在水体提取中，SVM可以根据图像的特征学习水体和非水体之间的分界面，并根据学习到的分类模型自动提取水体区域。
通过合理选择特征和优化分类模型，SVM在水体提取中可以取得较好的效果。
2. 随机森林（Random Forest）随机森林是一种集成学习算法，通过构建多个决策树并综合它们的结果来达到更好的分类效果。
在水体提取中，随机森林可以根据图像特征学习水体和非水体之间的区别，并通过综合多个决策树的结果来提取水体区域。
相比于SVM，随机森林更加适用于复杂地形和背景的水体提取。
3. 卷积神经网络（CNN）卷积神经网络是近年来在图像处理领域取得突破性成果的深度学习算法。
gee比值法提取水体__概述说明以及解释
gee比值法提取水体概述说明以及解释1. 引言1.1 概述本文将介绍一种称为gee比值法的水体提取方法，该方法使用google地球引擎（Google Earth Engine）来进行数据处理和分析。
水体提取是遥感图像分析的重要任务之一，传统方法受限于数据获取和计算复杂度等问题。
相比之下，gee比值法利用了Google Earth Engine平台的强大功能和丰富的遥感数据资源，可以高效准确地提取水体。
1.2 目的本文旨在介绍gee比值法作为一种先进的水体提取方法，在理论上和应用实践中的重要意义。
通过对gee比值法在水体提取中的应用、其优势和局限性以及可能存在的问题进行探讨，有助于更好地了解这一方法，并为相关研究和应用提供参考。
1.3 结构本文共分为五个章节。
在引言部分首先对gee比值法进行概述，并明确文章的目的。
接下来章节将按照以下结构展开：- 第二章介绍gee比值法及其原理，在水体提取领域中的应用情况。
- 第三章详细分析gee比值法的优势和局限性，并探讨可能存在的问题及改进方向。
- 第四章通过实例分析与案例研究，展示gee比值法在实际应用中的效果和结果。
- 第五章总结文章要点，并展望未来gee比值法的发展趋势，提出进一步研究方向建议。
通过以上章节的详细讨论，本文旨在全面介绍gee比值法在水体提取领域的应用和优势，并为相关研究者提供理论指导和实践经验。
接下来将从介绍gee比值法开始，深入探究该方法的原理和应用案例。
2. gee比值法提取水体：2.1 解释gee比值法：Gee比值法是利用Google Earth Engine（简称GEE）平台提供的遥感影像数据和算法，通过计算不同波段之间的比值来实现对水体的提取。
它基于遥感影像中水体与非水体在不同波段上表现出的差异性，利用数学模型进行分析和处理。
该方法主要依赖于多光谱或高光谱遥感影像，通过选择适当的比值指数，可以有效区分出水体。
2.2 在水体提取中的应用：Gee比值法在水体提取领域具有广泛的应用。
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。
基于随机森林算法的水体范围智能提取方法及应用研究
基于随机森林算法的水体范围智能提取方法及应用研究基于随机森林算法的水体范围智能提取方法及应用研究摘要：随着环境保护的日益重视和水资源的精确管理需求，对水体范围的智能提取方法进行研究具有重要的实际意义。
本文基于随机森林算法，提出了一种水体范围智能提取的方法，并在实际应用中进行了验证。
结果表明，该方法能够有效地提取水体范围，并且具有较高的识别精度和稳定性。
1. 引言水是人类生活和经济发展的基础资源，对水的准确管理和合理利用具有重要意义。
而水体范围的智能提取则是管理水资源的前提和基础。
2. 相关工作在水体范围的智能提取研究中，图像处理和机器学习技术得到了广泛应用。
传统的图像处理方法通常依赖于像元级别的特征提取和分类，但存在着计算复杂度高、准确率低和泛化能力差等问题。
机器学习算法则通过对大量样本数据的学习和判断，能够更有效地进行水体提取。
3. 方法描述本文所提出的水体范围智能提取方法基于随机森林算法。
随机森林是一种集成学习算法，通过构建多个决策树对数据进行分类或回归。
具体实施步骤如下：（1）数据预处理：对输入的遥感影像进行预处理，包括影像辐射定标、大气校正和影像配准等。
（2）特征提取：提取影像的空间、光谱和纹理等特征，并进行特征选择，选取与水体范围相关的特征。
（3）训练随机森林模型：使用标记的训练样本数据，通过随机森林算法进行模型训练，并进行参数优化。
（4）水体提取：将待提取的遥感影像输入到已训练好的随机森林模型中，通过对每个像素进行分类，得到水体的范围提取结果。
（5）水体边界修正：对提取结果进行后处理，进行水体边界的平滑和修正，以提高结果的准确度。
4. 实验与结果为验证所提出方法的有效性，本研究选择某地区的遥感影像进行实验。
经过实验和对比，结果表明，所提出的基于随机森林算法的水体范围智能提取方法能够较好地提取水体，并且具有较高的识别精度和稳定性。
5. 应用研究本文所提出的水体范围智能提取方法在水资源管理、环境监测和城市规划等方面具有广泛的应用前景。
不同指数模型法在水体遥感提取中的比较研究
不同指数模型法在水体遥感提取中的比较研究摘要:通过对五种不同水体提取指数模型(RVI, NDVI, NDWI, MNDWI, NDSI) 的原理分析, 结合具体实例( 洞庭湖水域) 进行水体遥感提取来说明五种方法提取水体的差异, 从而确定在不同时期和不同用途时所采用最佳的水体提取模型。
以洞庭湖水体富营养化监测为最终目的, 由此确定了最佳水体遥感提取模型为MNDWI指数模型。
关键词:指数模型,水体提取,MODIS,遥感.引言遥感技术是20世纪60年代发展起来的一门新兴综合性探测技术，它集中了空间、电子、光学、计算机通信和地学等学科的最新成就，被广泛用于军事、海洋、气象、地球资源普查、环境监测等领域，是当代高新技术的一个重要组成部分。
遥感技术的一个重要环节是遥感图像和数据处理，遥感信息提取所采取的主要措施是基于统计特征的模式识别技术.周成虎等提出了基于光谱知识的AVHRR影像水体自动提取识别的水体描述模型，并把它应用于渤海等地区[l]。
章杨清探讨了利用分维向量改进神经网络在遥感模式识别中的分类精度间题[2]。
M.A.Riedl(1992)和c.E.Brodley(1996)研究了大量适用于遥感影像分类信息提取的方法[s]。
近年来，随着高光谱数据的广泛应用，各种新理论新方法相继涌现，对传统遥感信息提取方法提出了新要求[a]。
本文利用中等分辨率成像光谱仪(MoDIs)遥感数据，实现了几种不同方法在水体遥感提取中的应用。
由于遥感数据具有监测范围广、成像周期短、信息量丰富等特点, 在提取水体、水利规划等方面信息起着重要作用。
Barton I, J.等利用AVHRR通道4提取亮度温度识别水体并对洪水进行了昼夜监测[1] ,杜云艳等提出基于水体光谱知识的AVHRR 影像水体自动提取识别的水体描述模型[2] , 陆家驹等选用Landsat TM5波段提取水体进行了提取试验[3] , 盛永伟等利用AVHRR的通道2与通道1差值图像很好地识别了水体[4] , 汪金花等利用Landsat TM数据和谱间关系法提取了唐山市的陡河水库中部水体信息[5] ,颜梅春利用光谱值TM2+TM3>TM4+TM5 的特点和第5波段上的阈值将水体与其他地物区别并提取出来[6]。
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。
9-水体提取_ppt [兼容模式]
![9-水体提取_ppt [兼容模式]](https://img.taocdn.com/s3/m/de77f730f111f18583d05ad3.png)
第三章、基于光谱特征的水体信息自动提取
3.4
3.4.2
JERS SAR图像上的水体提取
SAR图像的几何纠正
1. SAR图像的主要误差：卫星轨道、地球自转、地球曲率和比例尺 不一致 2. 利用控制点和多项式校正法对SAR图像进行几何纠正
3.4.3
SAR图像的滤波处理
1. 斑点噪声：图像发射的是纯相干波，发射到地面目标时产生散射， 这就会造成散射信号与相干信号之间的干涉作用，从而产生相干 的斑点噪声 2. 对SAR图像进行滤波必须保留图像更多的锐度和细节，并增强水 体信息 3. Enhanced Frost滤波算法可以满足上述要求
1. 空间特征
① 水体相对陆地或云层等呈现较为均一的图斑，无明显的纹理特征 ② 水体图斑的边界相对于云层较问稳定，河流的线状特征，湖泊、海洋 的面状特征较为明显
第三章、基于光谱特征的水体信息自动提取
3.2
3.2.3
NOAA\AVHRR图像上的水体提取
水体提取实例
图3-3 太湖、鄱阳湖和青海湖水体提取结果
第三章、基于光谱特征的水体信息自动提取
3.5
3.5.3
ERS SAR图像上的水体提取
纹理分析
① 局部平稳：用于衡量局部同质性 ② 对比度：用于衡量变化大小 ③ 非相似度：与对比度相同 ④ 均值 ⑤ 变化量：局部窗口内的灰度变化 ⑥ 熵：用于衡量复杂度，信息量 ⑦ 能量：与熵相反，用于衡量局部平稳性 ⑧ 相关：衡量领域灰度线性依赖度（相关性）
上次课主要内容
1.掌握遥感图像目视解译的方法和过程。 2.掌握目视解译的步骤（内容）。 3.对比目视解译和计算机解译。 4.理解多主题的解译和协调
第三章、基于光谱特征的水体信息自动提取
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。
测绘技术中的水文特征提取方法
测绘技术中的水文特征提取方法随着科技的发展，测绘技术在水文领域的应用越来越广泛。
水文特征提取是一项重要的任务，它提供了水文领域中的关键数据和信息，对于水资源管理、洪水防治、水环境保护等方面具有重要意义。
本文将介绍测绘技术中的一些水文特征提取方法。
一、遥感影像数据分析遥感技术可以获取大范围、高分辨率的地表信息，因此在水文特征提取中具有重要作用。
遥感影像数据分析常用的方法有：水体提取、水域边界检测、水体面积计算等。
水体提取方法主要是利用目标在可见光波段和红外波段的特征差异来实现，可以通过阈值分割、分类算法等方式进行。
水域边界检测方法则主要是利用边缘检测和分割算法进行，可以获取水域的形状和边界信息。
水体面积计算方法主要是通过像元计数和面积计算公式来实现。
二、地理信息系统（GIS）地理信息系统是将空间信息和属性信息进行组织、管理、分析和展示的一种集成技术。
在水文特征提取中，GIS可以用来进行水文数据的整合和分析。
例如，可以将不同源头的水文数据进行融合，构建水文数据库，以便进行多因素分析和综合评估。
此外，GIS还可以进行栅格计算、空间插值等操作，对水文特征进行定量化描述和分析。
三、数字高程模型（DEM）数字高程模型是对地表形态进行数字化描述的方法，可以提供高程信息。
在水文特征提取中，DEM可以用来获取水文流域的几何形态信息，例如坡度、坡向、流域边界等。
基于DEM的水文特征提取方法主要有：流域分割、流量估算、水资源评估等。
流域分割方法可以将整个水文流域划分为多个子流域，以便进行细致的水文分析。
流量估算方法则可以通过DEM数据和降雨数据来估计流域的径流量，为水资源管理提供依据。
水资源评估方法则可以利用DEM数据和土地利用数据等信息，对水资源进行定量评价。
四、雷达高程测量技术雷达高程测量技术是一种无人操作的高精度地面测量方法，它可以获取地表地形的高程信息。
在水文特征提取中，雷达高程测量技术可以用来获取水文流域内的湖泊、河流等水体的水面高程数据，以及地表地形的变化信息。
基于TM影像的几种常用水体提取方法的比较和分析
析 这 ３种常用 水体 提取 方法分 别在不 同地 形条件 下
第 ２ 卷 第 ５ ７ 期
２１ ０ ２年 １ Ｏ月
遥 感 信 息
ＲＥＭ ０ ＴＥ ＳＥＮ ＳＩ ＮＧ Ｎ ＦＯ ＲＭ ＡＴ １ Ｉ ０Ｎ
Ｖｏ． １ ２７， ｏ Ｎ ．５ ０ｃ ．， Ｏ１２ ｔ ２
基于 Ｔ 影 像 的几 种常 用水体 思远 ①， 江 源① ， 岩 ① ， 辉 ① ， 慧① ② ～ 王 曾 ～ 赵 ～ 王 ～ 殷 ’
ｃ ｍ ｐ ｒ ｈ ｔ ｅ ｇ ｈ ａ ｄ ｔ ｅ ｗｅ ｋ ｅ ｓ ｓ ｏ ｈ ｅ ｔ ｏ ｓ ｉ ｈ ｌ ｉ ｎ ｕ ｔ ｉ ｏ ｓ ａ ｅ ｅ ｐ ｃ ｉ ｅｙ ｂ ｘ ｅ ｉ ｅ ｔ ｏ ａ ｅ ｔ ｅ ｓｒ ｎ ｔ ｎ ｈ ａ ｎ ｓ ｅ ｆ ｔ ｒ ｅ ｍｅ ｈ ｄ ｎ ｔ ｅ ｐ ａｎ ａ ｄ ｍｏ ｎ ａｎ ｕ ｒ ａ ｒ ｓ ｅ ｔ ｌ ｙ ｅ ｐ ｒ ｎ ． ｖ ｍ
Ｅ ｍａｌ ｂｈ ｉｕ １ ８ ＠ １ ６ ｃ ｍ － ｉ ： ｉ ａｙ ｎ ９ ８ ２ ．ｏ
一
７ ７
—
遥 感 信 息
水 体 的纹理 特征来 对水 体进行 提取 ； 此外 ， 还有 既考 虑 影像 的光谱 特性 ， 又综 合 考 虑影 像 的空 间特 性 和
纹 理 特性 的面 向对 象 的提 取 方法 ， 张 继平 等 ＿ 利 如 ４
Ｋｅ ｏ ｄ ： ｙ ｗ ｒ ｓ ＴＭ ｇ ； ｔ ｒｅ ｔ ａ ｔｏ ｓ ａ ｏ ； ｌ ｉ ｒ ａ ｍｏ ｎ ａ ｎ ｕ ｒ ａ ｉ ｍａ ｅ ｗａ ｅ ｘ ｒ ｃ ｉｎ； ｈ ｄ ｗ ｐ ａｎ ａ ｅ ； ｕ ｔ ｉ ｏ ｓａ ｅ
引 言
地 球表 面 ７ 的水体无 论 作 为 一 种 资源 ， ４ 还是 作 为一 个环境 因子 ， 是洪 涝灾 害 的源 头 ， 受 到 了 或 都 人们 格 外 的重视 ， 为遥感 研究 的重 要 分支 之 一 成 ¨。
多光谱光学遥感影像水体提取模型
㊀２０２１年１０月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a O c t o b e r,２０２１㊀㊀第５０卷㊀第１０期测㊀绘㊀学㊀报V o l．５０,N o．１０引文格式:邓开元,任超．多光谱光学遥感影像水体提取模型[J]．测绘学报,２０２１,５０(１０):１３７０Ｇ１３７９．D O I:１０．１１９４７/j．A G C S．２０２１．２０２００４８２．D E N G K a i y u a n,R E N C h a o．W a t e re x t r a c t i o n m o d e lo f m u l t i s p e c t r a lo p t i c a lr e m o t es e n s i n g i m a g e[J]．A c t a G e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,２０２１,５０(１０):１３７０Ｇ１３７９．D O I:１０．１１９４７/j．A G C S．２０２１．２０２００４８２．多光谱光学遥感影像水体提取模型邓开元,任㊀超桂林理工大学测绘地理信息学院,广西桂林５４１００４W a t e r e x t r a c t i o nm o d e l o fm u l t i s p e c t r a l o p t i c a l r e m o t e s e n s i n g i m a g eD E N GK a i y u a n,R E NC h a oS c h o o l o f S u r v e y i n g M a p p i n g a n dG e o g r a p h i c I n f o r m a t i o n,G u i l i nU n i v e r s i t y o f T e c h n o l o g y,G u i l i n５４１００４,C h i n aA b s t r a c t:A c c u r a t em o n i t o r i n g o f s u r f a c ew a t e r i sa n i m p o r t a n t b a s i ca p p l i c a t i o no f r e m o t e s e n s i n g．T h e p r i n c i p l e o f o p t i c a l r e m o t e s e n s i n g w a t e r e x t r a c t i o n i sb a s e do nd i f f e r e n t g r o u n d f e a t u r e s h a v i n g d i f f e r e n t s p e c t r a l r e f l e c t i o nc h a r a c t e r i s t i c s．S o m e g r o u n df e a t u r e s(i c e,s n o w,s h a d o w s,c l o u d s)h a v es i m i l a r r e f l e c t i o n c h a r a c t e r i s t i c s t ow a t e r b o d i e s,w h i c h l e a d s t o t h e f a i l u r e o f e x t r a c t i o n a n d c l a s s i f i c a t i o n．A i m i n g a t t h e p r o b l e mo fm i s c l a s s i f i c a t i o na n do m i s s i o n o f t r a d i t i o n a l w a t e r b o d y i n d e x i nw a t e r b o d y e x t r a c t i o n, t h i s p a p e r p r o p o s e s a n o r m a l i z e d d i f f e r e n c em u l t iＧb a n dw a t e r i n d e xm o d e l．T h i s p a p e r u s e s t w o e x p e r i m e n t s t o t e s t t h e s t a b i l i t y o f t h e n e w i n d e x．T h ea r e ao f e x p e r i m e n t１i s t h e L i n z h i a r e ao f T i b e t．T h ed a t a s o u r c e i s L a n d s a t８a n dS e n t i n e l２s a t e l l i t e i m a g e s i n t h es a m e t i m e p h a s e．T h ee x p e r i m e n t a l r e s u l t sv e r i f y t h e a b i l i t y o f t h en e wi n d e x t os u p p r e s ss n o wa n d i c e．T h eK a p p ac o e f f i c i e n to f t h en e wi n d e x i s０．８６,t h e o v e r a l l a c c u r a c y i s０．９３,a n dt h em i s c l a s s i f i c a t i o ne r r o r i s０．０３,t h eo m i s s i o ne r r o r i s０．１２,t h ed r a w i n g a c c u r a c y i s０．９７,a n d t h e p r o d u c e ra c c u r a c y i s０．８８,w h i c ha r eb e t t e r t h a n t h ee x i s t i n g i n d e x．T h ed a t a s o u r c eo fe x p e r i m e n t２w a s G FＧ１,a n d H o n g K o n g D i s n e y l a n d w a su s e d a st h e e x p e r i m e n t a la r e a．E x p e r i m e n t３e x t r a c t e dw a t e r b o d i e s i nm u l t i p l e r e g i o n s a n d v e r i f i e d t h e s t a b i l i t y o f t h ew a t e r b o d y i n d e x i n t h i s p a p e r．W a t e r e x t r a c t i o nw a s p e r f o r m e d i n a n e n v i r o n m e n t w i t h a s m a l l a m o u n t o f c l o u d s,w h i c h p r o v e d t h a t t h en e wi n d e xc a ns u p p r e s sc l o u d sa n dt h e i r s h a d o w s．T h i s p a p e ru s e sm u l t iＧs o u r c eo p t i c a l r e m o t e s e n s i n g i m a g e t o v e r i f y t h e f e a s i b i l i t y o f t h e n e w i n d e x．W i t h o u t a d d i t i o n a l a u x i l i a r y d a t a,t h e i n f l u e n c e o f s n o w,c l o u da n ds h a d o wc a nb ee l i m i n a t e d,a n dt h ew a t e rc a nb e m o r ee f f e c t i v e l y a n da u t o m a t i c a l l y e x t r a c t e d,w h i c h c a nb ee x t e n d e d t oc o a s t a l r e s o u r c e r e s e a r c h,g l a c i e r c h a n g e,i n l a n d l a k ec h a n g ea n d o t h e r f i e l d s．K e y w o r d s:r e m o t e s e n s i n g;o p t i c a l r e m o t e s e n s i n g i m a g e;w a t e r i n d e x;w a t e r r e s o u r c e s;w a t e r e x t r a c t F o u n d a t i o n s u p p o r t:T h eN a t i o n a l N a t u r a l S c i e n c e F o u n d a t i o n o f C h i n a(N o．４２０６４００３)摘㊀要:地表水监测是遥感的重要基础应用.光学遥感水体提取的原理是基于不同的地物具有不同的光谱反射特性,某些地物(冰雪㊁阴影㊁云)因为与水体具有相似的反射特性导致提取分类失败.本文针对传统水体指数在水体提取时出现错分㊁漏分的问题,提出一种归一化多波段水体指数N D M B W I.分别用３个试验对本文指数的稳定性进行测试.试验１的区域为西藏林芝地区,数据源为同一时相的L a n d s a t８㊁S e n t i n e l２卫星影像,试验结果验证了本文指数抑制冰雪的能力,本文指数的K a p p a系数为０．８６㊁总体精度为０．９３㊁错分误差为０．０３㊁漏分误差为０．１２㊁制图精度为０．９７㊁生产者精度为０．８８,均优于已有的指数.试验２的数据源为高分一号,以香港迪士尼为试验区域,在存在少量云的环境下进行水体提取,证明了本文指数能抑制云及其云下阴影.试验３提取了多个地区的水体,验证了本文水体指数的稳定性.本文使用多源光学遥感影像验证了N D M B W I的可行性,不需额外借助辅助数据,即可排除雪㊁云㊁阴影的影响,能够更加有效地自动化提取水体,可推广到海岸带资源研究㊁冰川变化㊁内陆湖泊变化等领域.Copyright©博看网 . All Rights Reserved.第１０期邓开元,等:多光谱光学遥感影像水体提取模型关键词:遥感;光学遥感影像;水体指数;水资源;水体提取中图分类号:P２３７㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀文章编号:１００１Ｇ１５９５(２０２１)１０Ｇ１３７０Ｇ１０基金项目:国家自然科学基金(４２０６４００３)㊀㊀地表水变化对生态㊁社会和经济的影响是当前研究的热点[１].光学遥感水资源研究主要可以分为:气候和水资源[２]㊁不同类型水体的提取[３Ｇ５]㊁洪水监测[６]㊁河流形态[７]㊁水体长时间序列[８]㊁海岸带变化[９].目前,L a n d s a t影像是用于变化分析,识别和检测地表水的最广泛使用的数据源[１０].在基于L a n d s a t遥感影像水体提取的研究中,多数是针对大区域的河流㊁湖泊等水体的提取[１１Ｇ１４].近年来,一些学者采用S e n t i n e l２影像对大区域的地表水进行提取研究,取得了良好的效果[１５Ｇ１６].目视解译是最初的光学遥感影像提取水体的方法[１７],其缺点是效率低㊁成本高,没有利用不同地物具有不同反射率的特性.遥感影像的水体信息提取是基于电磁波谱上的反映特性[１８],文献[１９]通过使用L a n d s a t４影像的６个波段提出缨帽变换湿度指数(t a s s e l e d c a p w e t n e s s,T C W).受到归一化差异植被指数[２０]的启发,文献[２１]基于L a n d s a t影像的绿波段和近红外波段提出了归一化差异水体指数(n o r m a l i z e d d i f f e r e n c e w a t e ri n d e x,N DW I), N DW I是简单的水体指数,该指数能较好地抑制植被信息,但受薄云和山体阴影影响较大.文献[２２]使用短波近红外波段代替近红外波段,改良了N DW I,提出了改进的归一化差异水体指数(m o d i f i e d n o r m a l i z e d d i f f e r e n c e w a t e ri n d e x, MN DW I).MN DW I指数能突出水体信息,但也容易把水体和阴影混淆.基于分类二叉树的思想,文献[２３]提出了针对有阴影的场景自动水体提取指数AW E I s h和针对没有阴影的场景自动水体提取指数AW E I n s h,二者都是多波段水体指数.AW E I指数在提出时,声明该指数不适用于高反射率的地物,比如冰雪㊁白色建筑物等.文献[２４]在全球大范围多个地区进行测试了自身的稳定性和可行性,提出了水体指数(w a t e ri n d e x ２０１５,W I２０１５).针对复杂环境,文献[２５]成功地构建了一个多波段水体指(m u l t iＧb a n d w a t e r i n d e x,M B W I),M B W I一共使用了５个波段并且在多个复杂环境的地区测试了M B W I的有效性. M B W I能较好地抑制非水体信息的能力,但其缺点之一是不适用提取细小水体.面向对象提取水体信息的方法[２６],在抑制阴影信息的同时,能够准确提取细小水体.但是面向对象的方法的缺点之一是:不具有普遍性,难以在大范围下实现高精度的水体信息提取.在地形复杂的环境下,如高山积雪较多的区域,对水体提取产生干扰的因素有:阴影㊁冰雪等[２７Ｇ２８].如何减少遥感影像的噪声干扰仍是水体信息提取的难点.本文分析多种地物的反射率,综合考虑多波段间的关系,通过建立六元不等式组,设计一个顾及多个地物噪声影响的光学遥感影像归一化多波段水体指数(n o r m a l i z e d d i f f e r e n c em u l t iＧb a n dw a t e r i n d e x,N D M B W I).１㊀多光谱影像水体指数模型构建１．１㊀已有的水体指数选取７种典型的㊁常用的水体指数进行研究,７种常用的水体指数见表１.这７种水体指数以绿波段和近红外波段㊁短波近红外波段为主要影响成分.T C W㊁MN DW I㊁AW E I㊁W I２０１５主要考虑绿波段和短波近红外波段的反射率,因为水体的绿波段反射率大于短波近红外波段的反射率,而其他非水体地物的绿波段小于短波近红外波段的反射率.正常情况下,这些指数都可以区分水体与非水体.但是,T C W㊁MN DW I㊁AW E I s h㊁W I２０１５会把可见光波段反射率大于短波近红外波段的非水体地物分类为水.文献[２５]指出,雪就是可见光波段的反射率远远大于短波近红外波段的地物.１．２㊀模型的机理本文的技术路线如图１所示.在不同的时段㊁不同的地区,从多幅L a n d s a t８㊁S e n t i n e l２㊁高分一号(G FＧ１)影像里选择不同地物不同波段的真实地表反射率光谱值进行拟合,具体采样点的信息见表２.内陆水体㊁海洋水体㊁阴影㊁雪㊁植被㊁旱地㊁建筑物㊁云的平均反射率如图２所示.图２曲线是基于表２中的采样点求出来的平均值.水体的反射主要在蓝绿光波段,其他波段的吸收率很强,尤其是在近红外波段㊁短波近红外波段有强烈的吸收带.研究已有的水体指数可以从各个光谱间的关系作为切入点,本文以不同波段与绿波段的１７３１Copyright©博看网 . All Rights Reserved.O c t o b e r ２０２１V o l ．５０N o ．１０A G C Sh t t p :ʊx b ．s i n o m a ps ．c o m 比值,阐述已有水体指数模型的机理及其存在的缺陷,并建立本文水体指数N D M B W I .表３为各个光谱与绿波段的关系,表３中的数值可看成图２曲线量化后的结果.图１中,可以把T C W ㊁N D W I㊁M N D W I ㊁A W E I s h ㊁A W E I n s h ㊁W I ２０１５近似看成双波段水体指数.水体指数的模型机理在于不同波段的对不同地物具有不一样的敏感性和有效性.雪㊁云的反射特性与水体相似,表３中,部分地物(内陆水体㊁海洋水体㊁雪㊁云)的Q ４㊁Q ５㊁Q ６的值都小于１,从机理上说明:主要依赖绿波段㊁近红外波段㊁短波近红外波段的双波段水体指数在有雪环境下不能有效地提取水体.表１㊀已有的水体提取指数T a b ．１㊀C o m m o n l y us e dw a t e r e x t r a c t i o n i n d e x 指数来源等式T C W 文献[１９]０．０３１５B l u e ＋０．２０２１G r e e n ＋０．３１０２R e d ＋０．１５９４N i r －０．６８０６S w i r １－０．６１０９S w i r ２N D W I 文献[２１]G r e e n －N i rG r e e n ＋N i rMN D W I 文献[２２]G r e e n －S w i r １G r e e n ＋S w i r １AW E I n s h 文献[２３]４(G r e e n －S w i r １)－０．２５(N i r ＋２．７５S w i r ２)AW E I s h 文献[２３]B l u e ＋２．５G r e e n －１．５(N i r ＋S w i r １)－０．２５S w i r ２W I ２０１５文献[２４]１．７２０４＋１７１G r e e n ＋３R e d －７０N i r －４５S w i r １－７１S w i r ２M B W I文献[２５]２G r e e n －R e d －N i r －S w i r １－S w i r２图１㊀本文技术路线F i g ．１㊀T e c h n i c a l r o u t e o f t h i s p a pe r ㊀㊀表３中的数值是来源于L a n d s a t ８㊁S e n t i n e l ２㊁G F Ｇ１在各个地物㊁各个波段上的平均值,然后各自相除得到的比重.本文试验数据源为L a n d s a t８㊁S e n t i n e l ２㊁G F Ｇ１,具体信息见表４.表４中,L a n d s a t ８㊁S e n t i n e l ２㊁G F Ｇ１三者的中心波长不完全一致,这也导致了已有的水体指数模型在用于不同的数据源时,表现出阈值跳动的问题.经过研究,已有的水体指数的模型可用式(１)表示Y ＝x １x ２x ３x ４x ５x ６[]ρ１ρ２ρ３ρ４ρ５ρ６éëêêêêêêêêêùûúúúúúúúúú(１)式中,Y 表示水体指数的值;x １㊁x ２㊁x ３㊁x ４㊁x ５㊁x ６是６个波段前的系数;ρ１至ρ６是蓝波段㊁绿波段㊁红波段㊁近红外波段㊁短波近红外１波段㊁短波近红外２波段的反射率.２７３１Copyright©博看网 . All Rights Reserved.第１０期邓开元,等:多光谱光学遥感影像水体提取模型图２㊀拟合多个地物的反射率曲线F i g ．２㊀R e f l e c t a n c e c u r v e s o fm u l t i pl e f e a t u r e s ㊀㊀式(１)整体除以绿波段,可变形为Y ρ２＝x １x ２x ３x ４x ５x ６[]ρ１/ρ２１ρ３/ρ２ρ４/ρ２ρ５/ρ２ρ６/ρ２éëêêêêêêêêêùûúúúúúúúúú＝x １x ２x ３x ４x ５x ６[]Q １Q ２Q ３Q ４Q ５Q ６éëêêêêêêêêêùûúúúúúúúúú(２)表２㊀数据采样点涉及的数据T a b ．２㊀D a t a i n v o l v e d i nd a t a s a m p l i n gpo i n t s 卫星类型地区时段采样点的数量涉及的地物L a n d s a t ８林芝２０２０Ｇ０２Ｇ１３５０内陆水体㊁雪㊁旱地S e n t i n e l ２林芝２０２０Ｇ０２Ｇ１３５０内陆水体㊁雪㊁旱地S e n t i n e l ２北京２０１９Ｇ１２Ｇ１１５０内陆水体㊁建筑物S e n t i n e l ２巴彦淖尔２０１９Ｇ０９Ｇ２７５０内陆水体㊁旱地㊁植被S e n t i n e l ２和田２０１９Ｇ０９Ｇ２２５０内陆水体㊁旱地㊁植被㊁云S e n t i n e l ２青岛２０１９Ｇ１２Ｇ２８５０浑浊海洋水体(河口)㊁建筑物S e n t i n e l ２齐齐哈尔２０１９Ｇ０９Ｇ０４５０浑浊内陆水体㊁建筑物S e n t i n e l ２三亚２０１９Ｇ１１Ｇ２４５０海洋水体㊁植被㊁建筑物S e n t i n e l ２梧州２０１９Ｇ０９Ｇ２０５０内陆水体㊁植被㊁建筑物S e n t i n e l ２香格里拉２０１９Ｇ０３Ｇ２９５０内陆水体㊁雪㊁阴影㊁植被G F Ｇ１香港２０１８Ｇ１０Ｇ０２５０海洋水体㊁云㊁阴影表３㊀各个光谱关系T a b ．３㊀R e l a t i o no f e a c h s pe c t r u m 地物蓝波段与绿波段的比值Q １绿波段自身的比值Q ２红波段与绿波段的比值Q ３近红外波段与绿波段的Q ４比值短波近红外１波段与绿波段的比值Q ５短波近红外２波段与绿波段的比值Q ６内陆水体０．７４１０．９４０．４４０．１８０．４９海洋水体１．３３１０．７７０．６４０．６０．４９阴影０．８７１１．０２１．３５１．２２０．７１雪１１１０．９２０．１０．１１植被０．４５１０．６４６．８３３．５４１．６７旱地０．６５１１．３１．６４２．１１．８６建筑物０．８１１１．０８１．２１．３２１．２１云０．９５１１．０３１．１２０．９３０．７５式中,Y 表示水体指数的值;x １㊁x ２㊁x ３㊁x ４㊁x ５㊁x ６是６个波段前的系数;ρ１至ρ６是蓝波段㊁绿波段㊁红波段㊁近红外波段㊁短波近红外１波段㊁短波近红外２波段的反射率.根据水体的水体指数的值理论上要大于α,非水体的水体指数的值理论上要小于α.式(２)中,ρ１㊁ρ２㊁ρ３㊁ρ４㊁ρ５㊁ρ６的值用比值系数代替,得到以下不等式组３７３１Copyright©博看网 . All Rights Reserved.O c t o b e r ２０２１V o l ．５０N o ．１０A G C Sh t t p :ʊx b ．s i n o m a ps ．c o m a １x １＋a ２x ２＋a ３x ３＋a ４x ４＋a ５x ５＋a ６x ６＞αb １x １＋b ２x ２＋b ３x ３＋b ４x ４＋b ５x ５＋b ６x ６＞αc １x １＋c ２x ２＋c ３x ３＋c ４x ４＋c ５x ５＋c ６x ６＜αd １x １＋d ２x ２＋d ３x ３＋d ４x ４＋d ５x ５＋d ６x ６＜αe １x １＋e ２x ２＋e ３x ３＋e ４x ４＋e ５x ５＋e ６x ６＜αf １x １＋f ２x ２＋f ３x ３＋f ４x ４＋f ５x ５＋f ６x ６＜αg １x １＋g ２x ２＋g ３x ３＋g ４x ４＋g ５x ５＋g ６x ６＜αh １x １＋h ２x ２＋h ３x ３＋h ４x ４＋h ５x ５＋h ６x ６＜αüþýïïïïïïïïïïïï(３)式中,a ㊁b ㊁c ㊁d ㊁e ㊁f ㊁g ㊁h 分别代表求得的比值系数.表４㊀数据源信息T a b ．４㊀D a t a s o u r c e i n f o r m a t i o nn m波段L a n d s a t ８中心波长S e n t i n e l ２中心波长G F Ｇ１中心波长蓝波段４８２．５４９０５０２绿波段５６２．５５６０５７６红波段６５５６６５６８０近红外波段８６５８４２８１０短波近红外１波段１６１０１６１０无短波近红外２波段２２００２１９０无在本文把α设置为０,目的是希望本文指数能够以稳定的阈值提取水体信息,到达自动化提取水体的目的.结合式(３)与表３的参数,组成一个六元不等式组０．７４x １＋x ２＋０．９４x ３＋０．４４x ４＋０．１８x ５＋０．１４x ６＞０１．３３x １＋x ２＋０．７７x ３＋０．６４x ４＋０．６０x ５＋０．４９x ６＞００．８７x １＋x ２＋１．０２x ３＋１．３５x ４＋１．２２x ５＋０．７１x ６＜０x １＋x ２＋x ３＋０．９２x ４＋０．１x ５＋０．１１x ６＜００．４５x １＋x ２＋０．６４x ３＋６．８３x ４＋３．５４x ５＋１．６７x ６＜００．６５x １＋x ２＋１．３０x ３＋１．６４x ４＋２．１x ５＋１．８６x ６＜００．８１x １＋x ２＋１．０８x ３＋１．２０x ４＋１．３２x ５＋１．２１x ６＜００．９５x １＋x ２＋１．０３x ３＋１．１２x ４＋０．９３x ５＋０．７５x ６＜０üþýïïïïïïïïïïïï(４)式中,x １㊁x ２㊁x ３㊁x ４㊁x ５㊁x ６分别是蓝波段㊁绿波段㊁红波段㊁近红外波段㊁短波近红外１波段㊁短波近红外２波段的系数.式(４)的系数源于L a n d s a t ８㊁S e n t i n e l ２㊁G F Ｇ１在各个地物㊁各个波段上的平均值,若是直接赋予式(４)每项等于定值,会因为推导不严谨,导致水体指数模型出现错漏现象,本文通过最小二乘法的方式进行消元㊁拟合,求出不同定值下的解.由表３中可以发现,已有水体指数Q １㊁Q ２㊁Q ３㊁Q ４㊁Q ５㊁Q ６与１的大小关系并不能完全地实现水体的识别.例如,N DW I 由绿波段与近红外波段组成,即是从Q ４的值可以解析N DW I 对水体信息识别的能力,大于１的数值的地物包括阴影㊁植被㊁旱地㊁建筑物㊁云,小于１的值包括内陆水体㊁海洋水体㊁雪,此时导致N DW I 无法以固定的阈值区分雪㊁水体.MN DW I ㊁AW E I s h ㊁AW E I n s h ㊁W I ２０１５近似看成由绿波段与短波近红外波段组成的模型,可从Q ５的值可以解析此类型模型对水体信息识别的能力,大于１的数值的地物包括阴影㊁植被㊁旱地㊁建筑物,小于１的值包括内陆水体㊁海洋水体㊁雪㊁云.此时,以上指数只考虑Q ４或Q ５(双波段),并没有综合考虑Q １㊁Q ２㊁Q ３㊁Q ４㊁Q ５㊁Q ６的内在联系,所以本文建立六元不等式组,综合考虑多波段间的关系,设计一个顾及多个地物噪声影响的水体指数模型.式(４)没有精确解,其原因是:式(４)是超定方程组的类型,即方程个数大于未知量个数.式(４)的解集是一个区域,解多元不等式(组)就是求它的各个不等式的解集的交集.为了使本文水体指数适用于国产遥感影像(没有短波近红外１波段㊁短波近红外２波段),需要提前把x ５㊁x ６设置为０.本文通过逐步消元㊁拟合,求出其中的一种解:x １㊁x ２㊁x ３㊁x ４㊁x ５㊁x ６分别是－１㊁３㊁２㊁－５㊁０㊁０,即初步构建的水体指数为N D M B W I ＝３ρ２－ρ１＋２ρ３－５ρ４(５)式中,ρ１㊁ρ２㊁ρ３㊁ρ４代表蓝波段㊁绿波段㊁红波段㊁近红外波段的反射率.式(５)的系数是可行域中的简化解,目的是为了更好推广N D M B W I 以及方便记忆.另外,可以通过使用式(５)的参数,反解式(４)进行验证.因为双波段水体指数难以抑制雪㊁云的影响,本文指数没有将绿波段作为唯一的正参数,额外引入了红波段作为正参数.为了使本文指数归一化,最终拟定的水体指数模型为N D M B W I ＝３ρ２－ρ１＋２ρ３－５ρ４３ρ２＋ρ１＋２ρ３＋５ρ４(６)式中,ρ１㊁ρ２㊁ρ３㊁ρ４代表蓝波段㊁绿波段㊁红波段㊁近红外波段的反射率.本文推算出来的系数,实则为式(６)的分子.在提取水体时,起决定性作用的是分子而不是分母.这样做的好处是:预处理时,在大气校正环节,某些算法为了减少存储空间会把结果扩大１００００倍.此时,本文使用了归一化的形式,则不会受以上的影响,无论大气校正有无扩大１００００４７３１Copyright©博看网 . All Rights Reserved.第１０期邓开元,等:多光谱光学遥感影像水体提取模型倍,N D M B W I 的范围始终在－１至１的范围.使用本文水体指数和表１中列举的已有的水体指数进行仿真模拟,在不同的地区㊁不同的数据源选择水体㊁阴影㊁雪㊁植被㊁旱地㊁建筑物㊁云等７种地物作为对象,每种地物选择１００个样本点,不同水体指数的稳定性测试结果如图３所示.图３表明,０可以作为N D M B W I 的阈值,能够有效地区分水体与多种非水体;以上的水体指数均可区分水体与植被㊁旱地㊁建筑物;除了N D M B W I ㊁M B W I ,其他的水体指数均不能区分水体与冰雪;M B W I 会对部分水体漏分;N DW I 的阈值提高到０．２左右可以分区水体与冰雪.２㊀水体提取实例分析２．１㊀不同卫星影像在有雪环境下的水体提取试验１选择的地区位于西藏林芝地区.数据源是L a n d s a t ８影像和S e n t i n e l ２影像,影像拍摄时间均为２０２０年２月１３日.图３中得知:８种指数以阈值为０均能将水体与部分非水体(植被㊁旱地㊁建筑物)区分.所以在本次试验中,N D M B W I ㊁M B W I ㊁W I ２０１５㊁AW E I n s h ㊁AW E I s h ㊁MN DW I ㊁T C W 统一以０作为阈值进行水体提取,而N DW I 则是使用０．２作为阈值.提取雅鲁藏布江水体的结果如图４所示.图４(a )为L a n d s a t ８影像的原始图.图４(b )为S e n t i n e l ２影像的原始图.对比图４(c )㊁(d )可以发现,N D M B W I 应用于L a n d s a t ８影像㊁S e n t i n e l ２影像时,均可以抑制了雪的影响,完成了提取水体信息.在试验１中,选择１００个水体㊁非水体样本组成混淆矩阵,计算出的K a p pa 系数㊁总体精度㊁错分误差㊁漏分误差㊁用户精度㊁生产者精度见表５,使用S e n t i n e l２影像的效果均优于L a n d s a t８.为了进一步研究水指数的阈值,研究N D M B W I ㊁M B W I ㊁W I ２０１５应用于S e n t i n e l ２影像的数值分布,三者的直方图如图５所示.在直方图中,最优阈值一般选定在 双峰 之间的低谷区间.图５(a )验证了在试验１中,０可以作为N D M B W I 的最优阈值.图５(c )并无明显的低谷,说明W I ２０１５本身难以抑制冰雪的干扰.表５㊀分类精度混淆矩阵分析T a b ．５㊀C l a s s i f i c a t i o na c c u r a c y c o n f u s i o nm a t r i x a n a l ys i s 影像指数K a p p a 总体精度错分误差漏分误差用户精度生产者精度L a n d s a t ８N D M B W I ０．８６０．９３０．０３０．１２０．９７０．８８M B W I０．６２０．８１０．１６０．２４０．８４０．７６W I ２０１５０．５２０．７６０．３６０．０４０．６８０．９６AW E I s h０．５８０．７９０．２５０．１４０．７５０．８６AW E I n s h ０．４６０．７３０．３３０．１２０．６７０．８８MN D W I ０．６００．８００．２８０．０４０．７２０．９６N DW I ０．６６０．８３０．２４０．０４０．７６０．９６T C W０．４２０．７１０．３００．２９０．７００．７１S e n t i n e l ２N D M B W I ０．８８０．９４０．０３０．１００．９７０．９０M B W I０．７６０．８８０．０５０．２００．９５０．８０W I ２０１５０．５２０．７６０．３２０．０４０．６８０．９６AW E I s h０．５４０．７７０．３００．０６０．７００．９４AW E I n s h ０．４６０．７３０．３４０．０８０．６６０．９２MN D W I ０．６００．８００．２８０．０４０．７２０．９６N DW I ０．６８０．８４０．２４０．０２０．７６０．９８T C W－０．０９０．４６０．５９０．７８０．４１０．２２２．２㊀有云环境下的高分一号影像水体提取云一直是光学遥感影像难以处理的问题之一,本文提出的N D M B W I 适用于存在少量云的情景.云一般都有阴影,传统的水体指数无法处理阴影.由仿真模拟的结果可知:N D M B W I 能够以０为阈值区分水体与云㊁阴影.G F Ｇ１是中国自主研制的第一颗民用高分辨率光学卫星,为我国水环境的遥感监测提供更高空间分辨率的光学遥感数据源.但是,G F Ｇ１只有可见光波段与近红外波段,使用了短波近红外波段的M B W I㊁W I ２０１５㊁AW E I ㊁MN DW I ㊁T C W 等指数不能应用在G F Ｇ１.试验２以中国香港的迪士尼公园为试验区域,影像的拍摄日期为２０１８年１０月２日.使用N D M B W I 提取水体的对比结果如图６５７３１Copyright©博看网 . All Rights Reserved.O c t o b e r ２０２１V o l ．５０N o ．１０A G C Sh t t p :ʊx b ．s i n o m a ps ．c o m 所示.图３㊀不同水体指数的稳定性测试结果F i g ．３㊀S t a b i l i t y te s t r e s u l t s of d i f f e r e n tw a t e r i n d e x es 图４㊀雅鲁藏布江水体提取结果F i g ．４㊀W a t e r e x t r a c t i o n r e s u l t s o fY a r l u n g Z a n gb o r i v e r ６７３１Copyright©博看网 . All Rights Reserved.第１０期邓开元,等:多光谱光学遥感影像水体提取模型图５㊀N D M B W I ㊁M B W I ㊁W I ２０１５的直方图F i g ．５㊀H i s t o gr a mo fN D M B W I ,M B W I a n d W I ２０１５图６㊀香港迪士尼地区水体提取结果F i g ．６㊀W a t e r e x t r a c t i o n r e s u l t s i nH o n g K o n g D i s n e yl a n d ㊀㊀图７作为N D M B W I 在试验２的直方图,验证了０可以作为N D M B W I 的最优阈值.云是光学影像无法处理的痛点,去云步骤一般分为两步:①识别云像素;②把云像素设置为背景值(无效值).本文在设计指数模型时把云考虑到非水体地物的因子,所以通常情况下N D M B W I 在会把云识别为非水体地物,云通过N D M B W I 得到的值为负值.即N D M B W I 无须做去云步骤.但是,值得说明的是N D M B W I 适用于云量为２０％以下的光学遥感影像.也就是说N D M B W I 是无法适用于云量过多的场景.图７㊀N D M B W I 的直方图F i g ．７㊀h i s t o gr a mo fN D M B W I ２．３㊀多地区水体提取选取表２中的齐齐哈尔㊁巴彦淖尔㊁梧州㊁三亚作为试验３,从多个不同的地区,复杂的地形环境下提取不同类型的水体,验证本文水体指数模型的稳定性,图８中的N D M B W I 均以０作为阈值.３㊀结论和讨论如何减少噪声干扰对遥感影像的不利影响是水体提取的难点,本文设计一种归一化多波段水体指数N D M B W I ,避免积雪㊁阴影等的影响.试验１使用相同时相㊁同一地区的L a n d s a t ８影像㊁S e n t i n e l ２影像,以西藏林芝地区为试验区域,试验结果说明N D M B W I 能抑制雪的影响.试验２使用G F Ｇ１影像,在影像含有少量云的情况下完成水体提取,验证N D M B W I 可以抑制云㊁阴影的影响.阈值,对于水体指数是至关重要的.从水体指数的构建开始,要注意阈值的选取问题.试验３选择多个不同地区进行试验,以说明本文水体指数模型的稳健性.今后,构建新的光学水体指数时,应该考虑多个波段间的敏感性和有效性.本文的创新点在于:充分利用可见光波段㊁近红外７７３１Copyright©博看网 . All Rights Reserved.O c t o b e r ２０２１V o l ．５０N o ．１０A G C Sh t t p :ʊx b ．s i n o m a ps ．c o m 波段的信息,不需额外借助辅助数据,即可排除雪㊁云㊁阴影的影响,完成水体信息的提取.图８㊀多地区水体提取结果F i g ．８㊀W a t e r e x t r a c t i o n r e s u l t s i nm u l t i p l e r e gi o n s ㊀㊀从理论上,任何的水体指数都无法保证提取所有的水体,本文提出水体指数虽然在某些情况下能得到较高的精度,并在冰雪㊁阴影㊁建筑㊁云等区分具有一定的优势,然而因为自然水体的复杂性,并不是任意一种水体指数能区分所有水体.也就是说,N D M B W I 的最优阈值不能一直保持在０,例如在钱塘江悬浮泥沙较多的出海口地区提取水体时,N D M B W I 的阈值应该适当降低.目前主流的水体指数的研究大多数是固定阈值.本文的下一步工作是:基于原有的水体指数模型,构建动态阈值的模型.例如,以N D V I 作为N D M B W I 的阈值,使用N D M B W I 与N D V I 模型进行双通道并行处理,在N D M B W I 的矩阵中,大于N D V I 的像素点可以归为水体,反之为非水体.本文方法稳健,可以作为基于深度学习的水体检测分类的基础,解决难以区分雪㊁水的问题.参考文献:[１]㊀S O P H O C L E O U S M．I n t e r a c t i o n s b e t w e e n g r o u n d w a t e r a n ds u r f a c ew a t e r :t h e s t a t eo f t h es c i e n c e [J ]．H y d r o g e o l o g y J o u r n a l ,２００２,１０(１):５２Ｇ６７．[２]㊀C U IX i n t o n g ,G U O X i a o y u ,WA N G Y i d i ,e t a l ．A p pl i c a Ｇt i o no fr e m o t es e n s i n g t o w a t e re n v i r o n m e n t a l p r o c e s s e s u n d e r a c h a n g i n g c l i m a t e [J ]．J o u r n a l o fH y d r o l o g y,２０１９,５７４:８９２Ｇ９０２．[３]㊀J I A N G H a o ,F E N G M i n ,Z HU Y u n q i a n g ,e t a l ．A n a u t o Ｇm a t e dm e t h o d f o r e x t r a c t i n g ri v e r s a n d l a k e s f r o ml a n d s a t i m a g e r y [J ]．R e m o t eS e n s i n g,２０１４,６(６):５０６７Ｇ５０８９．[４]㊀G A O H ,WA N GL ,J I N GL ,e t a l ．A ne f f e c t i v em o d i f i e dw a t e re x t r a c t i o n m e t h o df o r L a n d s a t Ｇ８O L Ii m a g e r y of m o u n t a i n o u s p l a t e a ur e gi o n s [J ]．I O P C o n f e r e n c eS e r i e s :E a r t ha n dE n v i r o n m e n t a l S c i e n c e ,２０１６,３４(１):０１２０１０．[５]㊀Y A N G X i u c h e n g ,Q I N Q i m i n g,G R U S S E N M E Y E RP i e r r e ,e t a l ．U r b a n s u r f a c ew a t e r b o d y d e t e c t i o nw i t h s u p p r e s s e d b u i l t Ｇu p no i s eb a s e do nw a t e r i n d i c e s f r o m S e n t i n e l Ｇ２M S I i m a g e r y [J ]．R e m o t eS e n s i n g o f E n v i r o n m e n t ,２０１８,２１９:２５９Ｇ２７０．[６]㊀C H E NZ e q i a n g ,L U OJ i n ,C H E NN e n g c h e n g,e t a l ．R F i m :a r e a l Ｇt i m ei n u n d a t i o n e x t e n t m o d e lf o rl a r g ef l o o d p l a i n s b a s e do n r e m o t e s e n s i n g b i g da t a a n dw a t e r l e v e l ob s e r v a Ｇt i o n s [J ]．R e m o t eS e n s i n g,２０１９,１１(１３):１５８５．[７]㊀M O H A M A DN ,K H A N A N M A ,M U S L I M A NIA ,e t a l ．S p a t i o Ｇt e m p o r a la n a l y s i so fr i v e r m o r p h o l o g i c a lc h a n ge s a n de r o s i o nd e t e c t i o nu s i n g v e r y h i g hr e s o l u t i o ns a t e l l i t e i m a ge [J ]．I O P C o nf e r e n c e S e r i e s :E a r t h a n d E n v i r o n m e n t a l S c i e n c e ,２０１８(１６９):０１２０２０．[８]㊀P A P AF ,P R I G E N TC ,A I R E SF ,e t a l ．I n t e r a n n u a l v a r i Ｇa b i l i t y of s u r f a c ew a t e r e x t e n t a t t h eg l o b a l s c a l e ,１９９３ ２００４[J ]．J o u r n a l o fG e o ph y si c a lR e s e a r c h :A t m o s ph e r e s ,２０１０,１１５(D １２):D １２１１１．[９]㊀D A N D A W A T E Y H ,K I N L E K A RS ．R i v e r s a n dc o a s t l i n e sd e t e c t i o n i n m u l t i s p e c t r a ls a t e l l i t e i m a g e su s i n g l e v e l s e t m e t h o d a n d m o d i f i e d C h a n v e s e a l g o r i t h m [C ]ʊP r o c e e d i n g so ft h e２n dI n t e r n a t i o n a lC o n f e r e n c eo n A d Ｇv a n c e dC o m p u t i n g ,N e t w o r k i n g a n dS e c u r i t y ．M a n ga l o r e ,I n d i a :I E E E ,２０１３:４１Ｇ４６．８７３１Copyright©博看网 . All Rights Reserved.第１０期邓开元,等:多光谱光学遥感影像水体提取模型[１０]㊀MU E L L E RN,L E W I SA,R O B E R T SD,e t a l．W a t e r o bＧs e r v a t i o n s f r o m s p a c e:M a p p i n g s u r f a c e w a t e rf r o m２５y e a r so fL a n d s a ti m a g e r y a c r o s s A u s t r a l i a[J]．R e m o t eS e n s i n g o fE n v i r o n m e n t,２０１６,１７４:３４１Ｇ３５２．[１１]㊀刘建国．陆地卫星M S S图像地表水域信息的机助识别提取[J]．环境遥感,１９８９(１):１９Ｇ２８,２．L I UJ i a n g u o．At e c h n i q u e f o rc o m p u t e ra i d e dr e c o g n i t i o na n de x t r a c t i o n o fs u r f a c e w a t e ra r e ai n f o r m a t i o n u s i n gM S Si m a g e s[J]．R e m o t eS e n s i n g o fE n v i r o n m e n t,１９８９(０１):１９Ｇ２８,２．[１２]㊀G A O F e n g,D EC O L S T O U N EB,MA R o n g h u a,e t a l．M a p p i n g i m p e r v i o u s s u r f a c e e x p a n s i o nu s i n g m e d i u mＧr e sＧo l u t i o ns a t e l l i t ei m a g et i m es e r i e s:ac a s es t u d y i nt h eY a n g t z eR i v e rD e l t a,C h i n a[J]．I n t e r n a t i o n a l J o u r n a lo fR e m o t eS e n s i n g,２０１２,３３(２４):７６０９Ｇ７６２８．[１３]㊀P E K E LJF,C O T T AM A,G O R E L I C K N,e t a l．H i g hＧr e s o l u t i o n m a p p i n g o f g l o b a ls u r f a c e w a t e ra n di t sl o n gＧt e r mc h a n g e s[J]．N a t u r e,２０１６,５４０(７６３３):４１８Ｇ４２２．[１４]㊀A L L E N G H,P A V E L S K Y T M．G l o b a l e x t e n t o f r i v e r sa n d s t r e a m s[J]．S c i e n c e,２０１８,３６１(６４０２):５８５Ｇ５８８．[１５]㊀K A P L A NG,A V D A N U．Ob j ec tＧb a s e dw a t e r b od ye x t r a c t i o n m o d e lu s i n g S e n t i n e lＧ２s a t e l l i t ei m a g e r y[J]．E u r o p e a nJ o u r n a l o fR e m o t eS e n s i n g,２０１７,５０(１):１３７Ｇ１４３．[１６]㊀Y A N G X i u c h e n g,C H E NL i．E v a l u a t i o no f a u t o m a t e du rＧb a ns u r f ac ew a t e r e x t r a c t i o n f r o mS e n t i n e lＧ２Ai m a g e r y uＧs i n g d i f f e r e n tw a t e r i n d i c e s[J]．J o u r n a l o fA p p l i e dR e m o t eS e n s i n g,２０１７,１１(２):０２６０１６．[１７]㊀董斯扬,薛娴,尤全刚,等．近４０年青藏高原湖泊面积变化遥感分析[J]．湖泊科学,２０１４,２６(４):５３５Ｇ５４４．D O N G S i y a n g,X UE X i a n,Y O U Q u a n g a n g,e t a l．R e m o t e s e n s i n g m o n i t o r i n g o f t h e l a k e a r e a c h a n g e s i n t h eQ i n g h a iＧT i b e tP l a t e a ui nr e c e n t４０y e a r s[J]．J o u r n a lo fL a k eS c i e n c e s,２０１４,２６(４):５３５Ｇ５４４．[１８]㊀谭衢霖,刘正军,胡吉平,等．应用多源遥感影像提取鄱阳湖形态参数[J]．北京交通大学学报,２００６,３０(４):２６Ｇ３０．T A N Q u l i n,L I UZ h e n g j u n,HUJ i p i n g,e t a l．M e a s u r i n gl a k ew a t e r l e v e l u s i n g m u l t iＧs o u r c e r e m o t e s e n s i n g i m a g e sc o m b i n e dw i t hh yd r o l o g i c a l s t a t i s t i c a l d a t a[J]．J o u r n a l o fB e i j i n g J i a o t o n g U n i v e r s i t y,２００６,３０(４):２６Ｇ３０．[１９]㊀C R I S TEP．AT MT a s s e l e dC a p e q u i v a l e n t t r a n s f o r m a t i o n f o r r e f l e c t a n c e f a c t o r d a t a[J]．R e m o t e S e n s i n g o fE n v i r o n m e n t,１９８５,１７(３):３０１Ｇ３０６．[２０]㊀T U C K E RCJ．R e da n d p h o t o g r a p h i c i n f r a r e d l i n e a r c o mＧb i n a t i o n s f o rm o n i t o r i n g v e g e t a t i o n[J]．R e m o t e S e n s i n g o fE n v i r o n m e n t,１９７９,８(２):１２７Ｇ１５０．[２１]㊀M C F E E T E R SSK．T h eu s eo f t h eN o r m a l i z e dD i f f e r e n c e W a t e r I n d e x(N D W I)i n t h e d e l i n e a t i o n o f o p e nw a t e r f e aＧt u r e s[J]．I n t e r n a t i o n a l J o u r n a l o fR e m o t eS e n s i n g,１９９６,１７(７):１４２５Ｇ１４３２．[２２]㊀X U H a n q i u．M o d i f i c a t i o no fn o r m a l i s e dd i f f e r e n c ew a t e ri n d e x(N D W I)t o e n h a n c e o p e nw a t e r f e a t u r e s i n r e m o t e l ys e n s e d i m a g e r y[J]．I n t e r n a t i o n a l J o u r n a l o fR e m o t e S e n sＧi n g,２００６,２７(１４):３０２５Ｇ３０３３．[２３]㊀F E Y I S A GL,M E I L B Y H,F E N S HO L TR,e t a l．A u t oＧm a t e d W a t e r E x t r a c t i o n I n d e x:a n e w t e c h n i q u e f o rs u r f a c ew a t e rm a p p i n g u s i n g L a n d s a t i m a g e r y[J]．R e m o t eS e n s i n g o fE n v i r o n m e n t,２０１４,１４０:２３Ｇ３５．[２４]㊀F I S H E RA,F L O O DN,D A N A H E RT．C o m p a r i n g L a n d s a t w a t e r i n d e xm e t h o d s f o r a u t o m a t e dw a t e r c l a s s i f i c a t i o n i ne a s t e r n A u s t r a l i a[J]．R e m o t eS e n s i n g o fE n v i r o n m e n t,２０１６,１７５:１６７Ｇ１８２．[２５]㊀王小标,谢顺平,都金康．水体指数构建及其在复杂环境下有效性研究[J]．遥感学报,２０１８,２２(２):３６０Ｇ３７２．WA N G X i a o b i a o,X I E S h u n p i n g,D U J i n k a n g．W a t e ri n d e xf o r m u l a t i o n a n di t se f f e c t i v e n e s sr e s e a r c h o nt h ec o m p l i c a t e ds u r f a c ew a t e r s u r r o u nd i n g s[J]．J o u r n a l o f R eＧm o t eS e n s i n g,２０１８,２２(２):３６０Ｇ３７２．[２６]㊀崔齐,王杰,汪闽,等．矢量约束的面向对象高分遥感影像水体提取[J]．遥感信息,２０１８,３３(４):１１５Ｇ１２１．C U IQ i,WA N GJ i e,WA N G M i n,e t a l．W a t e r e x t r a c t i o nf r o mh ig hＧr e s o l u t i o n r e m o t e s e n s i n g i m a g e r y b a s e d o n v e cＧt o r d a t ac o n s t r a i n ta n do b j e c tＧb a s e di m a g ea n a l y s i s[J]．R e m o t eS e n s i n g I n f o r m a t i o n,２０１８,３３(４):１１５Ｇ１２１．[２７]㊀都金康,黄永胜,冯学智,等．S P O T卫星影像的水体提取方法及分类研究[J]．遥感学报,２００１,５(３):２１４Ｇ２１９．D UJ i n k a n g,HU A N G Y o n g s h e n g,FE N G X u e z h i,e t a l．S t u d y o n w a t e rb o d i e se x t r a c t i o na n dc l a s s i f i c a t i o nf r o mS P O T i m a g e[J]．J o u r n a l o f R e m o t e S e n s i n g,２００１,５(３):２１４Ｇ２１９．[２８]㊀S A D I K U M N O．R e f r a c t i v e i n d e xo f s n o wa tm i c r o w a v ef r e q u e n c i e s[J]．A p p l i e dO p t i c s,１９８５,２４(４):５７２Ｇ５７５．(责任编辑:张艳玲)收稿日期:２０２０Ｇ０９Ｇ２３修回日期:２０２１Ｇ０７Ｇ２５第一作者简介:邓开元(１９９４ ),男,硕士生,研究方向为遥感图像算法.F i r s t a u t h o r:D E N GK a i y u a n(１９９４ ),m a l e,p o s t g r a d uＧa t e,m a j o r s i n r e m o t es e n s i n g i m a g ea l g o r i t h m．EＧm a i l:y t k z１１＠１６３．c o m通信作者:任超C o r r e s p o n d i n g a u t h o r:R E NC h a oEＧm a i l:r e n c h a o＠g l u t．e d u．c n９７３１Copyright©博看网 . All Rights Reserved.。
构海水提取物质的工艺流程模型
构海水提取物质的工艺流程模型下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!构海水提取物质的工艺流程模型探究在现代科技的推动下，海水的开发利用已经成为解决水资源短缺的重要途径。