基于MODIS数据的水体提取研究
基于MODIS数据的2000-2013年洞庭湖水华时空变化研究
ＭＯＤ Ｉ Ｓ数据 因其 获取周期 短、 光谱 分辨率 高、 可免 费获得等
优 势， 在 水华监测研究 中越来越多地被采 用 。国外对 藻类 水 华 的监测 多是基于 Ｓ ｅ ａ Ｗｉ Ｆ Ｓ 、 ＭＯＤ Ｉ Ｓ 、 ＭＥ Ｒ Ｉ Ｓ遥 感数据估 计 水 表层叶 绿素或 浮游植 物浓度 来实现对 藻类 水华 的监 测 。
“ 水华” 鲜 少有人开展研究 。
数据产 品 ， 但是 没有经过 大气校 正 ， 是包含 有地理 坐标产 品
的 数 据 。 数 据 均 从 ＮＡＳ Ａ的Ｌ Ａ ＡＤＳ （ Ａｔ ｍｏ ｓ ｐ ｈ ｅ ｒ ｅ Ａ ｒ ｃ ｈ ｉ ｖ ｅ
ａ ｎ ｄ Ｄｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍ ）（ ｈ ｔ ｔ ｐ： ／ ／ ｌ ａ ｄ ｓ ｗｅ ｂ ． ｎ ａ ｓ ｃ ｏ ｍ． ｎ ａ ｓ ａ ． ｇ ｏ ｖ ／ ｉ ｎ —
和 空间分布信 息 ， 探 求洞庭 湖水华产生的 时空分布规律及特征 ， 从 而为洞庭湖水华 的预 防和 治理提供 支持 。结果表明 ： 洞庭湖
在２ ０ ０ ８ 年 以前无 水华爆发 ， 水体整 体基本 处于 中营养状 态； ２ ０ ０ ８ — ２ ０ １ ０ 年， 水 华爆发程度 达三级 ； 到２ ０ １ １ 年， 水华爆发 面积减
本文基 于前人研究基础 ， 应 用 长 时 间 序 列 ＭＯＤ Ｉ Ｓ影 像 数 据 ，
作为实验数据 。
对所有 的实验数据进行几何校正 ， 并重采样至 ２ ５ ０ ｍ， 再
通过辐 射定标 和大气 校正 ， 消 除程辐射 误差 ， 将 遥 感 影 像 像
元亮度值（ Ｄ Ｎ 值） 转化为地物 的真实反射率 。
型 通 江 湖 泊 。湖 体 形 状 呈 近 似 Ｕ字 形 ， 由 于人 类 围 垦 和 泥 沙
基于MODIS数据的太湖藻华水体识别模式
ｂ ｎ ａ ｉ ｔ ｅ ｎ ｉ ｒａ ｅ ｎ ｅ ａ ｄ ａ ｄ ｖ ｌ ｅ ｆＮＤＶ Ｉｏ Ｖ Ｉｃ ｎ ｂ ｓ ｄ ｔ ｎ ｌｚ ｈ ｉｔｉ ｕ ｉ ｎ ｏ ｌ ａ ． ｗ ｅ ｅ ｔ ｅ ａ ｄ ｒ ｔｏｂｅｗ ｅ ｎｆ ｒ ｄ ａ ｄ ｒ ｄ ｂ ｎ ｎ ａｕ ｓｏ ｒＥ ａ ｅ ｕ ｅ ｏ ａ ａｙ ｅｔ ｅｄ ｓｒｂ ｔ ｆａｇ ｅ Ｈｏ ｖ ￣ ｈ ｏ ｆ ｒ ｅ ｗ ｏ ｗｅ ｅ ｄ ｆ ｃ ｌ ｔ ｉｔ ｇ ｉｈ ｈ ｇ — ｒ ｉ ａｅ ｏ ｌ ａ ｒ ｉ ｅ ｔ ｙ ａ ｅ ｓ ｗ ｉ ｏ ｄ ｎ ｉ ｆ ｃ ａ ｂ ｃ ｅ ｉ，ｗ ｈ ｃ ｏ ｍ ｒ ｔ ｒ ｉ ｕ ｔ ｏ ｄ ｓｉ ｕ ｓ ｉ ｈ ｔ ｂ ｄ ｗ ｔｒ ｆ ｍ ａ ｇ ｅ ｏ ｄ ｎ ｉ ｒ ａ ｔ ｌ ｗ ｅ ｓｔ ｏ ｙ ｎ ａ ｔ ｒａ ｉ ｎ ｕ ｒ ｆ ｈ ｙ ｉｈ
Ａｂ ｔａ ｔ Ｄｅ ｅ ｔ ｎ ｏ ｙ ｎ ａ ｔ ｒａ ｂ ｏ ｍｓｉ ａｈ ｓｎ ｅ ｅ ａ ｉｎ ｉ ｄ ｘ ｄ ｔ ｏ Ｍ ＯＤＩ ｓｃ ｒｉ ｄ ｏ ｔｓｎ ｅ ｃ ａ ｂａ ｔ ｒａ ｓ ｒ ｃ ： ｔｃ ｉ ｆｃ ａ ｂ ｃ ｅ ｉ ｌ ｏ ｎ Ｔ ｉｕ ｕ ｉ ｇ ｖ ｇ ｔｔｏ ｎ ｅ ａａ ｆ ｍ ｏ ｒ Ｓ ｗａ ａ ｒ ｕ ｉ ｃ ｙ ｎ ｃ ｅｉ ｅ ｂ ｏ ｍｓｂ ｏ ｅ ｏ ｔｉ ａ ０ ７ ｈ ｅ ｕ ｔ ｈ ｗｅ ｈ ｔ ＯＤＩ ｓａ ｌ ｏ ｄ ｔ ｃ ｙ ｎ ｂ ｃｅ ｉ ｌ ｏ ｅ ｆ ｃ ｉ ｅｙ Ａｌ ｏ ｉ ｍ ｆ ｌ ｏ ｒ ｋ ｕ ｎ Ｍ ｙ ２ ０ ．Ｔ ｅ ｒ ｓ ｌｓｓ ｏ ｄ ｔ ａ Ｍ Ｓ ｗａ ｂ ｅ ｔ ｅ ｅ ｔｃ ａ ｏ ａ ｔ ｒ ｂ ｏ ｍ ｆｅ ｔ ｌ ． ｇ ｒｔ ａ ｖ ｈ ｏ
基于MODIS数据的城市内涝灾害淹没范围提取方法研究
基 于Ｍ Ｏ Ｄ Ｉ Ｓ 数 据的 城市内 涝灾 害 淹 没范 围 提取 方法 研究
阿茹 娜 ， 朝 力 格 尔
（ 内蒙 古 师 范 大 学 地 理 科 学 学 院 ， 内蒙 古 呼 和 浩 特 ０ １ ０ ０ １ ０ ）
摘 要 ： 针 对 当下城 市 内涝频 发 的情 况 ， 基 于 Ｍ（ ） ＤＩ Ｓ影 像 数 据 ， 在 地 理 信 息 系 统 技 术 与 遥 感 技 术 支持 下 ， 分析 现 有的 几种 洪水 水面信 息提 取 方法 ， 为 建 立 城 市 内涝 实 时 监 测 及 评 估 模 型 ． 以及 物 资 调 度 、
（ ０ ． ６ ２ ｔ ￣ ｍ～ ０ ． ６ ７ ｍ ， 红光 区 ） 下 ， 水 体 反 射 率 明 显高
为准 确 的 计 算 ｍ 洪 水 淹 没 趋 势 ， 但模 型结 构 复杂 ， 计 算量大， 而且 住地 形 条件 复杂 的城 市地 区 ， Ｄ８ 算 法
的 实 际 作 有 限 。 而 支 撑 此 类 方 法 的 基 础 数 据 准 确 的城 市洪 灾水 面 信息 的提 取 ， 是城 市 防 洪 抗 洪 ： ［ 作 中 非 常 重 要 的 一部 分 。
灾害， 城 市 内涝 灾 害具 有 突 然 性 、 持续时间短、 危 害 大 等特 点 ， 往 往 是不可 避 免的 。所 以 ， 在 城 市 内涝 灾
害 发 生时 ， 做 ｛ ＥＴ 程 性 的 措 施 是 非 常 必 要 的 。 为 了 准确 颅 测洪 水 动念 ， 减 少 人员 财产损 失 ． 国 内 外 研 究
１ ． ２ 研 究 方 法
洪 灾是 ｘ ， ｔ 人 类 影 响 最 大 的 自然 灾 害 ， 也 是 我 国 最 主 要 的 自然 灾 害 之 一 。 以 ２ ０ ０ ２年 为 例 ， 我 围 有 近 ２亿 人 遭 受 到 洪 灾 的 影 响 。 而 城 市 内 涝 灾 害 作 为 城 市灾 害的一 种 主要类 型 ， 给城 市带 来 了巨大 的破 坏 ， 造 成 ＿ ｒ人 员 伤 亡 和 大 量 财 产 的 损 失 。 虽 然 为 了 防 治 城 市 内涝灾 害修 建 了大量 防洪 １ － ＿ 程 ， 但 作 为 突 发 性
基于MODIS遥感数据的水体提取算法研究
基于MODIS遥感数据的水体提取算法研究余志飞【期刊名称】《测绘与空间地理信息》【年(卷),期】2015(000)003【摘要】针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆，产生提取不精确的问题。
作者将对多波段普间关系水体提取算法进行研究，并以鄱阳湖为实验对象，使用改进后的多波段普间关系算法对水体进行提取。
实现提升水体提取精度的目标。
%For using multichannel MODIS remote sensing data, the relationships between algorithms to extract water body easily con-fused with shadow, extraction and imprecise problems.Relationship between the authors to multiband water extraction algorithm was improved, and the Poyang Lake as experimental object, USES the improved multiband algorithm based on the relationship between wa-ter extraction experiments.Achieve the goal of improve water extraction accuracy.【总页数】3页(P80-82)【作者】余志飞【作者单位】江西理工大学建筑与测绘工程学院，江西赣州341000【正文语种】中文【中图分类】P23【相关文献】1.基于MODIS数据的水体提取算法研究与实现 [J], 张倩;李国庆;于文洋2.基于MODIS遥感数据的水体提取与制图研究 [J], 周庆礼;乔立湖3.基于MODIS遥感数据的水体提取方法及模型研究 [J], 吴赛;张秋文4.基于MODIS遥感数据的水体提取模型及算法改进 [J], 余志飞5.基于多源遥感数据的水体提取方法研究 [J], 白翠;向洋;邱春霞;赵贝贝;张巧玲因版权原因，仅展示原文概要，查看原文内容请购买。
基于水体光谱特性的赤潮分布信息MODIS遥感提取
中 图 分 类 号 ：Ｔ ７ Ｐ９
了 １９ ９８年珠江 口赤 潮爆 发情 况 ； 晓 阳＿ 对 叶绿素 ａ预报 矫 ２ ］
体 的颜 色是 不同的 。比如夜光 藻引起 的赤潮是 粉红色 的 ，中
缢 虫引起的赤潮 是红色的 ， 色角毛藻 （ 眼虫） 绿 如 引起 的赤潮 是 绿色的 ， 骨条藻 引起 的赤潮 为灰褐色 ， 而赤 潮异弯 藻引起 的赤潮 为酱 油色 。
卫 星遥感赤潮信息提取主要针对赤 潮发生的生物和环境 条件 。通过对卫 星 图片 的校 正 、合 成 、分 析及 解 译 等处 理 ，
艮ｌ 利用多 波段差值 比值 法 ，发展 了针对 Ｓ ａ Ｆ ｌ ７ ｅＷｉＳ和 Ｆ － Ｙ１良好 的相
关性 ，可 以利用遥感反演 的叶绿素 ａ浓度来较 精确地 判定赤 潮 的发生 。Ｔ ｎ ａ ｇ等＿ 利用 叶 绿素 ａ浓度 赤 潮监 测方 法研 究 １ ］
基 于水 体 光 谱 特 性 的 赤潮 分 布信 息 ＭＯ Ｉ 感提 取 Ｄ Ｓ遥
丘仲锋 崔廷伟。 何 宜军 ， ，
１ ．中国科学院海洋研究所 ，海洋环流与波动重点实验室 ，山东 青岛 ２ ．国家海洋局第一海洋研究所 ，山东 青 岛 ２ ６ ７ ６０ １ ２ ６ ７ ６０１
摘
要
赤潮监测对 于赤潮治理 、预防 ， 减少赤潮危 害有着重要作用 。通过分析东海赤潮多发区域实测遥感
对处理结 果进行判断分析 ，可以 了解 赤潮 的特征 ， 估算 赤潮
发生 范围、分布面积及 大体 趋势等赤潮信息 。 叶绿 素 ａ 浓度 常用来表征 浮游植物 色素浓度 ，海水 中叶 绿素 ａ 浓度变 化在 Ｏ １ ｍｇ・Ｔ ～ ０ Ｉ 数量 级范围 内。 Ｉ 暴发赤潮 时， 赤潮生物浓度会产生 急剧变 化 ，表层海水 的 叶绿素 ａ 含 量通 常 达 到 １ ０ ｍｇ・ｍ 以上 ，高 者甚 至 可 达 几 百 ｍｇ・
基于MODIS数据的水体提取研究进展
对水体 的遥感监测 ， 时间分辨率是非常关键 的
因素 。特别 是 在流 域 出现 洪 水 的情 况 下 ， 水 情 的急
境问题 ， 各国已经开始逐渐认识到本 国水 资源评价
和 水 资源变 化监 测 的重 要性 ； （ ２ ） 水循 环在 全球 气候 变 化研 究 中具有 重要 作 用 ； （ ３ ） 水 体对 于生 物多样 性 的维持 具有 重要 意 义 ； （ ４ ） 在 生 态环 境 脆 弱 的地 区 ， 水 体 的观测 调查 有助 于 政府部 门制定 生态 环境保 护 及 地质 灾 害预 防方 面的 政策 法规 。
【 摘 要】 ＭＯ Ｄ Ｉ Ｓ 数据由于其高时间分辨率和多光谱特性， 常被用于水体的提取。文章对 目 前利用 ＭＯ Ｄ Ｉ Ｓ 数据
进行水体提取所用 的方 法， 包括 阈值法 、 监督与非监督分 类法、 多源数据结合法 、 混合像 元分解 法进行 了综述 ， 由此 得 出： 阈值确定 算法是水体 自动化提取 的关键 ； 多源信息 的结合 以及对 混合像 元进行分解是今后研 究的重 点。
Ｊ Ｉ ＡＮ Ｘｉ ｎ ｇ，Ｚ ＨＡＮＧ Ｚ ｈ ｅ ｎ － ｇ ｕ ｏ ，Ｑ Ｉ Ｕ Ｙ ｉ ｎ － ｇ ｕ ｏ ，Ｚ Ｈ ＡＮＧ Ｗｅ ｉ
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ 】 Ｔ ｈ ｅ ｒ ｅ ｍ ｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｄ ａ ｔ ａ ｏ ｆ Ｍ Ｏ Ｄ Ｉ Ｓ ｉ ｓ ｕ ｓ ｕ ａ ｌ ｌ ｙ ｕ ｓ ｅ ｄ ｉ ｎ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｓ ｆ ｏ ｒ ｉ ｔ ｓ ｈ ｉ ｇ ｈ ｔ ｅ ｍ ｐ ｏ ｒ ｌ ａ ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｍ ｕ ｌ ｔ ｉ －
水体（ 或水域） 是 指在 一定 水 文条件 下 由水 汇集 形 成 的具有 明确 地理 边 界 的地 理 区域 。近 年来 对水
modis影像提取水体
件影响大。
DVIEVI差值环境植被指数DVI=NIR-R，或两个波段反射率的计算。
1)．对土壤背景的变化极为敏感
小结：上
植被指数(NDVI)是检测植被生长状态、植被覆盖度和消 除部分辐射误差等。 NDVI 能反映出植物冠层的背景影响， 如土壤、潮湿地面、雪、枯叶、粗超度等，且与植被覆盖 有关。
谢谢！！
0级产品：也称原始数据； 1级产品：指L1A数据，已经被赋予定标参数；
2 级产品：指 L1B 级数据，经过定标定位后数据，本系统产品是国际标准 的EOSHDF格式。包含所有波段数据，可能是应用比较广泛的一类数据。；
3级产品：在1B数据的基础上，对由遥感器成像过程产生的边缘畸变（Bowtie效应） 进行校正，产生L3级产品； 4级产品：由参数文件提供的参数，对图像进行几何纠正，辐射校正，使图像的每 一点都有精确的地理编码、反射率和辐射率。L4级产品的MODIS图像进行不同时相的匹配 时，误差小于1个像元。该级产品是应用级产品不可缺少的基础； 5级及以上产品：根据各种应用模型开发L5级产品。
RVI比值植被指数RVI=NIR/R，或两个波段反射率的比值。
1）．绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的
RVI在1附近。植被的RVI通常大于2；
2）．RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量 3）．植被覆盖度影响 RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度 <50%时，这种敏感性显著降低；
2.MRT下载；美国NASA网站上提供了MRT的下载(/datatools.asp)
基于MODIS数据的黄河水体提取方法研究
但受季节 、 光照强度等因素的影响， 光谱灰度值整体偏低。
等 ， 防汛应用 中具有 广阔 的前 景 ， 在 对应 急处理 有较 大 的实 用 价值 。笔者根据水体光谱特性 ， 通过分析黄河水体在 ＭＯ Ｉ ＤＳ 影像上的表现特征及与其他背景地物在 光谱 特征 上的差异 ， 分 别采用单波段 阈值法 和多光谱 混合 分析法 对黄 河水 体进行 了
提取试验研究 ， 并对 比分 析了两种 方法 的优 缺点 。
１ 光谱特性分Leabharlann 一般水 体 的反射 主要在 蓝 、 光波段 ， 绿 其他 波段 吸收率很
图 １ ３类典型地物 的光谱特征 曲线 从 图 １ 以看 出： 可 在波段 １黄河水体与 陆地灰度值基本重 ，
强， 特别在 近红外 、 中红外波段有很强的 吸收带 。 反射 率几乎为
近年来 ， 随着遥感技术 和黄 河防洪形 势 的发展 ， 对利 用遥 感手段进行洪水监测 的精度 和时 效性提 出 了更 高要 求。基 于
ｋ／ 孙 口流 量为 ２２０ｍ ／ ， ｇｍ ； ２ ｓ含沙量为 １ ． ｇｍ 。１ ４ ２ｋ／ ０月份
降水 较 多 ，０月 ２ １ ３日高村 流 量 为 ２２ ０ ｒ ／ ， 沙 量 为９ ３ ８ ｆ ｓ 含 ｌ ． ｋ／ｆ ； 口流 量为 ２２０ｒ ／ ， ｇｒ 孙 ｌ ６ ｌ ｓ含沙量为 １ ． ｇｍ 。 ｆ １２ｋ／ ３
（． １ 河海大 学 水文水 资源 与水利 工程科 学国家重点实验 室， 江苏 南京 ２０ ９ ； ． 河水利委 员会 信息 中心 ， １０ ８ ２ 黄 河南 郑州 ４ ０ ０ ） ５０ ４
摘
要： 通过 分析 黄河水体 在 ＭＯ Ｉ Ｄ Ｓ影像上的光谱表现特征及与其 他背景 地物在光 谱特征 上的差异 ， 分别 采用单波 段
水体提取方法
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MODIS数据的鄱阳湖总悬浮物浓度监测分析
目的 。利用 遥感 技术 监 测 水 质 ， 索 水 体 水 质 参 数 的 探 波谱 特 征 ， 进 ～步 利 用 卫 星遥 感 影 像 大 面 积 监 测 水 并
质无 疑是 一 项极 具价 值 的研究 。
２ ０世 纪 ７ ０年代 国内外 已开 始 水 质 遥感 监 测 技 术
源 利 用 重 点 实 验 室 ， 西 南 昌 ３０ ３ ） 江 ３ ０ １
摘 要 ： 了利 用遥 感 卫 星 影 像 资 料 对 湖 泊 水质 进 行 连 续 、 范 围的 监 测 ， 鄱 阳湖 为研 究 对 象 ， 过 对 水 体 实 为 大 以 通 测 高 光谱 的 特 征 分 析 ， 用 分期 统 计 回 归 的 方 法建 立 总 悬 浮 物 （ Ｓ ） 度 反 演 模 型 ， 用 ＭＯ Ｉ 像 反 演 鄱 采 ＴＳ 浓 利 Ｄ Ｓ影
８ ８
人 民 长 江
用 水 面 以上光谱 测 量方法 倾斜 观测 。 。 。
１ ２ ＭＯ Ｉ ． Ｄ Ｓ数 据预 处 理
遥 感影 像先 要 利用 Ｅ Ｄ Ｓ遥 感 图像 处 理 软件 进 ＲＡ
行 几何 纠正 ， １ １ ０ 地形 图作 为 基准 图 ， Ｃ 用 ： ００ ０ Ｇ Ｐ控制
需 要 大量 的经 费支 持 ， 以长 时 间 、 范 围跟 踪 监 测 。 难 大 另 外 ， 质监 测 急需从 点 上监 测 向面 上监 测发 展 ， 静 水 从
态 监 测 向动 态 监 测 发 展 ， 规 的 方 法 也 难 以 实 现 这 一 常
分布 特征 ， 以有效 地 减少各 种 内外 因素 的影 响 ， 高 可 提
在该 处 出现谷 值 。叶绿 素 ａ ７ ０ｎ 处形 成反 射峰 ， 在 ０ ｍ
基于MODIS和GIS的洪水识别及淹没区土地利用信息的提取
域大洪水事件 ，选取泄洪前 、泄洪期和退水期 ３时相的 ＭＯ Ｉ ＤＳ数据进行水体识别分析 ，有效确定 洪水 淹没区。利
用 Ｇ Ｓ 术 提 取 洪 水 淹 没 区 土 地利 用 信 息 ，进 一 步统 计 安 徽 省 沿淮 县 市 淹 没 区 土 地 利 用 各 类 型 的 面 积 ，从 而 为 区 Ｉ技 域 洪 水灾 害评 估 提 供 参 考 依 据 。相 关 研 究 成 果 已在 Ａｃ Ｉ 建 成模 型 ，为 洪 水 监 测 业 务 服 务 。 ｒＧＳ中
第 ２ 第 ４期 ５卷
２１ ０ ０年 １ ２月
灾
害
学
Ｖ０ ． ５ Ｎｏ ４ １２ ．
Ｊ ＯＵＲＮＡ１ ＯＦ ０１ ｃ２ ０
基 于 ＭＯ Ｉ Ｄ Ｓ和 Ｇ Ｓ的 洪 水 识 别 及 淹 没 区 Ｉ
土 地 利 用 信 息 的 提 取
２ ） ６ ｄ ，扫 描 宽 度 较 小 （ Ｍ 为 １５ ｋ Ｔ ８ ｍ，Ｓ Ｏ Ｐ Ｔ为
１ 研 究 区 概 况
以淮 河流域 安 徽 省沿 淮 ｌ 市为 研 究 区 ，该 ２县
区位 于 淮 河 中游 （ ｌ。 ６ ２ ～１８ ２ ． ７ Ｅ；２ 。 １５ ｌ ．５ １ 。 ５ ８ ９ ５ ． ８ ３ 。． ８Ｎ） ８ ４ ～ ２ ６ ８ 。淮河 流域 地处 中 国南北 气 候 带 、高低 纬度带 和 陆海 交 互作 用 带 相 复合 的地 区 ， 致洪暴 雨天 气 系 统 复杂 ，发 生 频 繁 ，２ ０ ０ ７年 淮 河 流域爆 发 了 自 １５ ９ ４年 以来 最 强 的洪 水 灾 害 。本 文
基 金 项 目 ：淮河 流 域 气 象 开 放研 究 摹 金 （ ０ ６９ ；安 徽 省 国 际科 技 合 作 项 目（ ７８ ７ ３ ０ ２ ００ ） ００ ０ ００ ５） 作 者 简 介 ：张 宏群 （９ ２一） １７ ，男 ，硕 ： Ｔ程 师 ，主要 从 事 Ｒ ｊ， ｓ和 ＧＩ 气 象 中 的 应用 研 究 Ｓ在
基于MODIS数据的曼谷洪水淹没区信息提取
区水体信息提取 。② 曼谷 洪水于 ２ ０ １ １ 年 ９月下旬明显爆发，淹没 区面积逐渐扩 大，尤其 以市 中心湄南河
周 围最 为明显 ；１ ０月下 旬达 到 高峰 ，淹没 面积 达到 最 大 ，全 市各 地 区均 陷入 洪水 灾害 中 ；１ １月 下 旬水 势
退去 ，淹没 面积逐 渐 变小 。提 出 了须进 一 步研 究解 决的 问题 。
有重 要 的意义 。
此外 ，曼谷 还与 中国的许 多城市建立 友好关 系 ，如广州 、北 京 、上海 ，潮 州 等 ，跨 国城 际 间的
。
各种交往常年不断。与曼谷相邻 的城市有佛统府、
暖武 里府 、巴吞他 尼府 、龙仔 厝 府 、北 榄府 、北 柳 府 、坤西 育府 等 。 泰 国由于降水异 常 和地 形排 水 不利 等 自然 和人 为因素频发 洪灾 ，特别 是 ２ ０ １ １年夏 秋之 际的曼 谷特 大洪涝灾 害 ，给曼 谷 人 民带来 巨大 的精神 伤 害 和经 济损失 。利 用 Ｍ Ｏ Ｄ Ｉ Ｓ数据提取 曼谷 洪水期 间 的淹没 区范 围 ，为洪水动态 监测提供依 据具有重要 意义 。
１ 研 究 区概 况
率是２ ５ ０ ｍ， ５ 个波段 的分辨率是 ５ ０ ０ ｍ，其余 ２ ９个
波段 的分 辨 率 均 是 １ ０ ０ ０ ｍ。ＭＯ Ｄ Ｉ Ｓ数 据 有 较 高 的
时空 分 辨 率 ，是 当 前 洪 水 监 测 极 为 有 效 的 遥 感 数据 。
泰 国位 于 亚 洲 大 陆 中南 半 岛 中 南 部 ，与 柬 埔 塞 、老挝 、缅 甸 、马来 西 亚 接 壤 ，东 南 临泰 国湾 ， 西南 濒 临安达 曼海 。泰 国 国土 总 面 积 ５ １ ． ４万 ｋ ｍ ， 在东 南 亚 国家 中居第 三位 。
基于MODIS的2011年泰国洪涝受灾信息提取与分析
９日泰 国洪 涝的受灾区域 ，并结合 ＭＯ Ｄ Ｉ Ｓ土地覆盖类 型产 品进 行受灾 区域 分析 。研 究表 明 ：采用改 进 的归一化 水体 指数提 取 泰 国洪 涝 受 灾 区 域 准确 性 最 高 ；作 物 是 泰 国受 灾 区 域 中 面 积 最 大 的土 地 覆 盖 类 型 ，达 到 了 ３ ６ ． ３ ６ ０ ％ ，主 要 分 布 在 曼 谷 周边 的 中部 地 区 ，也 是 泰 国最 主 要 的 作 物 分 布 区 ；ＭＯ Ｄ Ｉ Ｓ数 据 用 于 提 取 洪 涝 受 灾 区 域 准确性较高 ，且具有较高 的时间分辨率 ，可以在洪涝灾 害中有效 应用 ，迅速进行灾情评估 。 关键 词 ：ＭＯ Ｄ Ｉ Ｓ ；泰 国；洪涝灾害 ；ＭＮ Ｄ ＷＩ 中图分类号 ：Ｐ ３ １ ５ ． ９ ；Ｘ ４ ３ 文献标 志码 ：Ａ 文章编号 ：ｌ ０ ｏ ０— ８ １ １ Ｘ（ ２ ０ １ ３ ） ０ ２— ０ ０ ９ ５— ０ ５
谱 分 析 ，选 择 Ｎ Ｄ ＷＩ 指数 对 ２ ０ ０ ８年 １ Ｏ月南 宁 市发 生 的洪涝 灾 害进 行监 测 。段 萍利 用 Ｔ Ｍ影像在 目 视 解 译基 础 上 对 鄱 阳 湖 地 区提 取 水 域 边 界 ，判 断
城 郊设 防水 平 较 低 的地 区 ，采 用 Ｕ Ａ Ｖ 影像 快 速 拼 接 技术 ，很 好地 消 除 了 “ 融 合鬼 影 ” 现 象 。遥 感
性 评估 卜 ｊ 。李 明等 针 对 洪 涝 、地 震 等 灾 害 ，在
观 、清晰地 反 映 出洪灾 态势 ，可 以全 天 时 、全 天候 对 洪 水进行 预 报 、监测 和灾 后 损 失评 估 ，为 防灾 救
灾决策 提供 准 确详 细 的区域 背 景状 况 和 灾 情信 息 ｊ 。１ ９ ８ ３年 ，水 利部 遥感 技术 应 用 中心 采 用 Ｔ Ｍ 影 像 调查 了发 生 于 三 江 平 原 挠 力 河 的 洪 水 ，成 功
基于MODIS遥感数据的水体提取与制图研究
数据如 ＮＯ ＡＡ／ ＡＶＨＲ Ｆ Ｒ、 Ｙ～ １ Ｂ和 Ｍ０Ｄ Ｓ数据 。应用遥 Ｉ
感数据进行水资源调查 和洪 水灾 害监测需 要进 行水 体提取
与制图 ， 水体提取 的方法一般分为单 波段法 和多波段法 。单 波段法主要选取遥感影 像 中的近红 外波段 并利 用 阈值 来提
卫星遥感影像反映了地物对电磁波的反射信息和地物
测； Ｍ０Ｄ Ｓ数据能够在 全球 得到免 费接 收且 具有 较强 的数 Ｉ
据纠错和易于处理的特征 。 １ ２ Ｍ０ Ｉ ． Ｄ Ｓ数据 的水体表现特征
信息可 以进行水 资源调查 ， 可 以对洪水 进行及 时 、 也 准确 监 测， 并进行测 洪涝灾害影响评 估 。应用于水 资源调查一般 采 用高分辨率 遥感数 据 如 Ｌ ｎ ｓｔＴ Ｓ ＯＴ、 Ｂ Ｒ 、 ａ ａ ａ ｄａ Ｍ、 Ｐ Ｃ Ｅ Ｓ Ｒ ｄ— ｓｔ Ｅ ｖ ａ 数据 ， ａ 和 ｎｉ ｔ ｓ 洪水灾害监测一般应用 中等分辨率遥感
随着遥 感技 术 的快 速发 展 ， 遥感 已广泛 应用 于 资源 调
查、 灾害监测 、 洋渔业 和地质 找矿 等领域 。利用卫 星遥感 海
新数据 ， 同时提供 反映陆地 表面状 况 、 可 云边界和特性 、 洋 海
水色 、 浮游植物 、 物地理 、 学、 气 中水汽 、 生 化 大 气溶 胶 、 地表 温度 、 云顶温 度 、 大气温度 、 氧和云顶 高度等 特征 的信息 ， 臭 用于对陆表 、 圈、 生物 固态地球 、 和海洋进行 长期 全球观 大气
modis 按波段提取
modis 按波段提取【原创实用版】目录1.MODIS 简介2.MODIS 波段提取的意义3.MODIS 波段提取的方法4.MODIS 波段提取的应用正文1.MODIS 简介MODIS（Moderate Resolution Imaging Spectroradiometer）是一种中分辨率成像光谱仪，被广泛应用于地球观测领域。
MODIS 通过收集地表反射和发射的光谱信息，可以获取地表的物理和化学特性，为环境监测、气候变化研究、农业估产等提供数据支持。
2.MODIS 波段提取的意义波段提取是 MODIS 数据处理中一个重要的环节，通过对 MODIS 数据按照光谱波段进行拆分，可以获取不同波段的地表信息。
这有助于分析地表特征、识别不同地物类型，并为后续的遥感图像分析和应用提供基础数据。
3.MODIS 波段提取的方法波段提取主要通过光谱分析技术实现。
首先，需要对 MODIS 数据进行预处理，包括辐射校正、大气校正等，以消除数据中的噪声和误差。
接下来，根据光谱特征，对预处理后的数据进行波段拆分。
常见的波段提取方法包括：基于像素的光谱拆分法、基于像元的光谱拆分法、基于区域的光谱拆分法等。
4.MODIS 波段提取的应用MODIS 波段提取在多个领域具有广泛的应用，例如：（1）植被研究：通过提取红光和近红外波段，可以监测植被的生长状况和变化。
（2）水体研究：通过提取蓝光和近红外波段，可以识别水体和分析水体污染。
（3）土壤研究：通过提取红光和近红外波段，可以评估土壤的肥力和有机质含量。
（4）城市规划：通过提取可见光波段，可以进行城市建设用地分析和城市扩张监测。
基于MODIS数据的多因子协同作用下森林火灾预测监测研究
基于MODIS数据的多因子协同作用下森林火灾预测监测研究一、概括本文基于MODIS数据，探讨了多因子协同作用在森林火灾预测监测中的重要作用。
随着全球气温的升高和环境的恶化，森林火灾频发，给生态环境和人类生活带来了严重的影响。
准确、实时地预测并监控森林火灾显得尤为重要。
本文首先分析了MODIS数据在森林火灾监测中的应用现状，指出了当前方法的不足之处，并提出了基于MODIS数据的多因子协同作用模型。
该模型通过综合分析地形、植被、气象等因子，以期提高森林火灾预测的准确性。
在研究方法上，本文采用MODIS数据与地理信息系统（GIS）相结合的方法，对多因子进行空间分析与定量计算，实现了对森林火灾的高效监测。
本文还对比了传统预测方法与多因子协同作用模型的效果，验证了后者的优越性。
本文的研究成果为森林火灾的预测和监控提供了新的思路和技术手段，有助于及时发现火源、降低火灾损失，为生态环境保护和可持续发展提供有力支持。
1.1 背景与意义随着全球气候变化的影响日益加剧，森林火灾的发生频率和破坏力也在不断增加。
为了更有效地预测和预防森林火灾，提高火灾应对能力，基于遥感技术的多因子协同作用方法受到广泛关注。
MODIS （Moderate Resolution Imaging Spectroradiometer）数据作为一种高分辨率、多波段遥感数据，具有较高的时间分辨率和空间分辨率，可以为火情监测和火灾预警提供丰富的信息来源。
本研究旨在探索利用MODIS数据，在多因子协同作用下对森林火灾进行预测监测。
通过分析不同因子（如温度、湿度、风速等）之间的关系，可以更准确地判断火灾发生的可能性，从而为防火工作提供科学依据。
本研究还将探讨多因子协同作用在森林火灾预测监测中的应用前景，以期为全球森林火灾预警系统的发展提供新的思路和方法。
1.2 研究目的与任务本研究旨在深入探究多因子协同作用在森林火灾预测监测中的重要作用。
通过综合利用MODIS（Moderate Resolution Imaging Spectroradiometer）数据和其他辅助气象数据，构建高效、准确的森林火灾预测模型，并实现对森林火灾高风险区域的实时监控和预警。
基于光谱特征的MODIS影像东海水体类别信息提取
中 图分 类 号 ： Ｐ ９ Ｔ ７
文献 标 识码 ： Ａ
文 章 编 号 ：０ ０ １ ７ ２ １ ） １ —０ ７ —０ １ ０ —３ ７ （ ０ １ １ ５ ０ １ ６
Ａｂ ｔａ ｔ Ｉ ｅ ｅ ｔｙ ａｓｔ ｅｍａ ｉｅｅ ｖｒ ｎ ｎ ｈ ｓ ｈ ｎ ｅ ＥＣＳ ｔｎ ｓｔ ｅ ｏ ｅｅ ｉｒｔｄｂ ｃ ｕ ｅｏ ｒ— ｓｒｃ ：ｎ ｒｃ ｎ ｅ ｒ ｈ ｒｎ ｎ ｉｏ ｍｅ ｔｉ ｔｅＥａ ｔＣ ｉａＳ ａ（ ｎ ） ｅ ｄ ｏ ｂ ｃ ｍｅｄ ｔｒｏ ａｅ ｅａ ｓ ｆｆｅ
Ｓ ＥＮ ｉ ＸＵ ｉ ｉ ｇ， Ｕ ｉ ｇ Ｈ Ｌ， Ｈｕ — ｎ Ｗ ｐ Ｐｎ
（ ｔｔ Ｋｅ ａ ｏ ａ ｏｙ ｏ ｒｎ ｏｏ ｙ， ｏ ｇ ｉ ｎ ｖ ｒｉ ， ｈ ｎ ｈ ｉ ０ ０ ２ Ｓ ａｅ ｙ Ｌ ｂ ｒ ｔｒ ｆ Ｍａ ｉｅ Ｇｅｌｇ Ｔ ｎ ｊ ｉｅｓｔ Ｓ ａ ｇ ａ ０ ９ ） Ｕ ｙ ２
Ｗ ａ ｅ ａ ｓＥｘ ｒ ｃ ｉ ｎ ｏ ｈｅ Ｅａ ａ Ｓ ａ Ｕｓｎｇ
Ｍ ＯＤＩ ｔ ｓ ｄ ｏ ｐｅ ｔ ａ Ｓ Ｄａ ａ Ｂａ ｅ ｎ Ｓ ｃｒ ｌＣｈａ ａ ｔｒｓ ｉｓ ｒ ｃ ｅ ｉｔｃ
ｑ ｅ ｔａ ｇ １ｂ ｏ ｍｓ Ｉ ｒ ｅ ｏ ｄ ｔ ｃ ｈ ｃ ｏ ｃ ｐ ｃ ｄ ｓ ｒ ｕ ｉ ｎ ｏ ｃ ａ ｔ ｒ ａ ｅ ｎ ｔ ｅ ｃ ａ ｓｆｃ ｔ ｎ ｅ ｔａ ｔ ｎ， ｆｏ ｔ ｕ ｎ ｌ ａ ｌｏ ． ｎ ｏ ｄ ｒｔ ｅ ｅ ｔｔ ｅ ｍｉｒ ｓ ｏ ｉ ｉｔ ｉ ｔ ｆｏ ｅ ｎ ｗａ ｅ ｓｂ ｓ ｄ ｏ ｈ ｌ ｓ ｉ ａ ｉ ｘ ｒ ｃ ｉ ｅ ｆ ｒ ｓ ｂ ｏ ｉ ｏ ｏ ａ ｅ ｆｒ ｔｙ ｍａ ｅ ｉ ｈ ｓ ｐ ｐ ｒ ｔ ｎ ｌ ｚ ｈ ｐ ｃ ｒ ｍｓ ｏ ａ ｈ ｗａ ｅ ｌ ｓ ， ｎ ｈ ｎ ｔ ａ ｄ － ａ ｉ ｌ ｓ ｉｉａ ｉｎ ａｇ ｒｔ ｍｓ ｒ ｉ ｌ ｄ ｎ ｔ ｉ ａ ｅ ｏ ａ ａ ｙ ｅ ｔ ｅ ｓ ｅ ｔｕ ｆｅ ｃ ｔ ｒ ｃ ａ ｓ ａ ｄ ｔ ｅ ｗｏ ｂ ｎ ｓ ｒ ｔ ｃ ａ ｓｆ ｔ ｌ ｏ ｉ ｓ ｏ ｃ ｏ ｈ ｂ ｓ ｄ ｏ ｐ ｃ ｒ ｌ ｈ ｒ ｃ ｅ ｉ ｔ ｓａ ｅ ｄ ｖ ｌ ｐ ｄ Ａｆｅ ｈ ｐ ｉ ｚ ｔ ｎ ｏ ｈ ｈ ｅ ｈ ｌ ａｕ ｓ ｄ ｓ ｒｂ ｔ ｎ ａ ｄ ｖ ｒａ ｉ ｎ ｃ ａ ａ — ａ ｅ ｎ ｓ ｅ ｔ ａ ａ ａ ｔ ｒｓ ｉ ｒ ｅ ｅｏ ｅ ． ｔ ｒ ｔ ｅ ｏ ｔｍｉａ ｉ ｆｔ ｅ ｔ ｒ ｓ ｏ ｄ ｖ ｌ ｅ ， ｉｔｉ ｕ ｉ ｎ ａ ｉｔ ｈ ｒ ｃ ｃ ｃ ｏ ｏ ｏ
基于归一化差异水体指数的水体面积变化监测
基于归一化差异水体指数的水体面积变化监测
熊珂;常云鹏;关键
【期刊名称】《中南林业调查规划》
【年(卷),期】2024(43)2
【摘要】以东洞庭湖为研究区域,利用2022年Terra/MODIS卫星数据,结合水体
指数法,对东洞庭湖2022年水体面积变化进行监测,通过比较EWI、NDWI、MNDWI三种水体指数精度,选取最适合研究区域的水体指数。
研究结果表
明:Terra/MODIS卫星数据在中尺度水体面积提取方面具有较好效果。
②EWI、NDWI和MNDWI三种水体指数中,NDWI表现最好,NDWI的总体精度和Kappa
系数最高。
③2022年东洞庭湖水体面积在5-7月期间较大,其他月份较小。
其中,3月初水体面积最小,为15392hm^(2);6月初水体面积最大,达到了99745hm^(2)。
【总页数】4页(P54-57)
【作者】熊珂;常云鹏;关键
【作者单位】湖南省林业资源调查监测评价中心;中南林业科技大学林业遥感信息
工程研究中心;湖南省农林工业勘察设计研究院有限公司
【正文语种】中文
【中图分类】TP79
【相关文献】
1.基于归一化水体指数的水域面积估算研究
2.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究
3.基于水体指数的密云水库面积提取及变化监测
4.
基于ASTER数据的归一化差异水体指数的建立及其应用5.基于遥感数据水体指数的水体面积变化监测
因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS数据的百色水利枢纽水库水域提取研究
Ｒｅ ｅ ｖ ｉ ｓ ｅ ｒ ｃ ｅ Ｔｈ ｅｈｏ ｓ ｏ ｍａ ｅ ｄ ｆｅ ｅ ｉ１ａｇ ｒｔ ｓ ｒ ｏ ｒｗａ ｘｔａ ｔ ｄ． ｅ ｍ ｔ ｄ ｆｉ ｇ ｉｆ ｒ ｎｔａ ｌ ｏ ｉｈｍ ｎ ｈ ｅ ｈ ｌ ｒ ｓ ｄ． ａ ｄ ｔ ｒ ｓ ｏ ｄ ｗｅ ｅ ｕ ｅ Ｔｈｅ
ｇｒ ｙ— ａ ｗｈｉｅ ｒ ｔ ｏ ｗｈ ｔ ｗｈｉ ｔ ｌｎｄ ｉｐａ ａ ｔ ａ ｓｔｏ ｃ ｌ ｆ ｏ ｉｅ， ｌ ｈｅ ａ ｄ ｓ ｌｙ ｓ ｒ ｎ ｉｉ ｎ ｏｏｒ ｒ ｍ ｇｒ ｙ ｂａ ｋ ｏ ｌｃ ｅ ａ — ｌｃ ｔ ｂａ ｋ．Ｔｈｅ ｂｏ ｎ ａ ｙ ｏ ｔ ｒ ａ ａ ｄ ｉ ｌａ ｉ ｉ ｏ ｓｂｌ Ｏ ｄｉｔｎｇ ｓ ｔ ｒａ ｅ ｎ ｅｅ ｔｔ ｈｒ ｓ ｌ ｕ ｄ ｒ ｆｗａ ｅ ｎｄ １ｎ ｓｃｅ ｒ，ｔ ｓ ｐ ｓ ｉ ｅ ｔ ｓ ｉ ｕｉｈ ｗａ ｅ ｒ ａ ａ ｄ ｓ ｌｃ ｈｅ ｔ ｅ ｈｏｄ
维普资讯
广西科 学 Ｇｕｎ ｘ ｃ ｎ ｅ ０ ７ １ （ ） ４ ６ ４ ９ ａ ｇ ｉ ｉ ｃｓ２ ０ ，４ ４ ：２ ￣ ２ Ｓｅ
基 于 ＭＯ Ｓ数 据 的 百 色 水 利 枢 纽水 库 水 域 提 取 研 究 ＤＩ
Ｅｘ ｒ ｃ ｉ ｎ ｏ ａ ｅ ｒ ａ ｏ ｉｅ Ｍ ｕ — ｒ ｓ ｔ ａ ｔｏ ｆ Ｗ ｔ ｒ Ａ ｅ ｆ Ｂａ ｓ ｌｉｐｕ ｐｏ ｅ Ｄａ ｔ ｍ Ｒ ｅ ｅ ｖ ｉ ｓ ｄ ｏ ＤＩ ａ ａ ｓ ｒ ｏ ｒ Ｂａ ｅ ｎ Ｍ ｏ Ｓ Ｄ ｔ
黄 开顺 黄世 精 梁 建德 ， ，
gee modis水体指数计算
在Google Earth Engine (GEE) 中计算MODIS 水体指数（MNDWI）可以通过以下步骤实现：1. 首先，你需要在GEE 中找到MODIS 影像数据集，这可以通过搜索MODIS 相关的数据集来实现。
2. 选择合适的MODIS 影像数据集，获取感兴趣区域（ROI）的影像数据。
这可以通过GEE 中的图像数据集和区域兴趣（ROI）工具来实现。
3. 编写GEE JavaScript 代码来计算MNDWI。
以下是一个简单的示例代码：// 选择MODIS 影像数据集var modisCollection = ee.ImageCollection('MODIS/006/MOD09GA').filterDate('2019-01-01', '2019-12-31').select(['sur_refl_b02', 'sur_refl_b06']); // 选择NIR 和SWIR 波段// 计算MNDWIvar calculateMNDWI = function(image) {var mndwi = image.normalizedDifference(['sur_refl_b02', 'sur_refl_b06']); // 计算MNDWIreturn mndwi;};// 应用MNDWI 计算到影像集合var mndwiCollection = modisCollection.map(calculateMNDWI);// 可视化MNDWIvar mndwiVis = {min: -1,max: 1,palette: ['0000FF', 'FFFFFF', 'FF0000']};// 在地图上显示MNDWIMap.addLayer(mndwiCollection.mean(), mndwiVis, 'MNDWI');在这个示例中，我们首先选择了MODIS 影像数据集，然后计算了MNDWI 并将其可视化在地图上。
- 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)。
基于MODIS数据的水体提取研究马丹福建农林大学资源与环境学院，福建福州（350002）摘要：通过分析遥感图像各类地物的光谱特征和水体在中等分辨率的EOS/MODIS上的波谱特征，确定水体最为明显的波段组合，研究如何从不同时期(枯水期、丰水期)的中等分辨率MODIS遥感影像提取水体的方法。
实验表明：遥感图像经空间变换后再利用相同的方法提取的水体更容易区分水体和阴影，产生的噪声也少，提取的水体范围更准确、计算的水域面积精度更高，重点以武汉市的梁子湖为例对水体提取范围和精度进行了比较和分析。
关键词：MODIS影像；水体；阈值；色彩变换1 引言MODIS是被动式成像分光辐射计，是Terra和Aqua卫星上都装载有的重要的传感器，MODIS数据廉价实用，数据涉及的波段范围广，这些数据对地球科学的综合研究和对陆地、大气、海洋进行分门别类的研究有较高的使用价值[1]。
MODIS数据有36个通道，覆盖了从可见光、近红外到热红外的光谱区间。
利用水体在可见光波段、近红外波段的特殊光谱性可以提取有关水体信息。
水资源是一种非常重要的资源，它也是一个独立的环境因子，被人们格外的重视。
水体的面积监测是调查水资源的一个重要的方面，也是洪水灾害检测的重要内容。
因此利用遥感影像的波谱特征和水体在影像上的特性，研究自动化的提取水体的方法，获取它的范围甚至其它的特征，是十分有意义的工作。
2 水体的光谱特征从宏观的角度看，陆地上水体主要表现为湖泊、河流、沟渠、水库、池塘和沼泽地等，可分为面状水体和带状、线状水体。
在卫星遥感影像上，湖泊、水库、池塘大致表现为一块面状的等值区域，河流、沟渠表现为线形结构。
在MODIS图像上，对于水体来说，水体几乎全部吸收了近红外和中红外波段内的全部入射能量，所以水体在近红外和中红外波段的反射能量很少，而植物、土壤在这两个波段内的吸收能量较少，而且又较高的反射特性，这就使得水体在这两个波段上与植被、土壤有明显的区别。
水体在这两个波段上呈现出暗色调，而土壤、植被则呈现出较亮的色调。
在可见光绿波段内，图像上记载的反射信息主要有来自水面、水中悬浮物质和水体底部物质的反射，由于水体在绿波段的反射率较高而呈现浅灰色色调，在该波段水体与周边的植被较难区分。
关于水体的吸收和辐射特性，不仅与其本身的性质有关，而且还与其所含物质的类型和大小有关。
一般地，进入清澈水体的大部分阳光在水下2 米内被吸收，吸收的程度取决与波长。
近红外波段在水体1/10 米深处就被吸收，使得在近红外影像上，即使是浅水也是暗的影像色调。
可见光波段的吸收会因为研究水体的特征变化而变化。
从透过水体拍摄水底的详细程度来看，透射力最好的是在0.48-0.60 微米之间的绿波段。
3 水体信息的提取3.1图像预处理原始图像为MODIS数据，存在不同程度、不同性质的几何形态畸变和辐射量的失真等现象。
这些畸变和失真都会导致图像质量下降，严重影响其应用效果，必须进行消除处理。
MODIS数据在卫星地面站接收的MODIS影像已经进行了初步的辐射校正和大气校正，但要对MODIS图像上的水域进行提取还需要进行一些处理。
首先是对MODIS图像的记录值转换为灰度值(0－255)的处理。
因为原始的MODIS图像(*.bin格式)是传感器的原始辐射记录值而非亮度值。
另外，由于MODIS数据不同波段的空间分辨率不同，还需要对数据进行重采样处理，实验中全部采样为250米的分辨率。
最后对图像的几何校正、和辐射增强处理图像增强处理，使得处理后能获得一幅图像清晰、对比效果好的遥感数据。
3.2波段选择在对遥感图像进行处理、分析和应用时，对波段选择一般要遵循以下3 点原则：(1) 所选择的波段信息量要大；(2) 波段间的相关性要小；(3)波段组合对所研究地物类型的光谱差异要大。
根据国外学者的测试，理想的识别水体的波长应在1. 5～1. 8微米之间，在该波段，足够的太阳照度既能照亮背景物体，又能对水生植物所封闭的水体增强许多识别条件，从而水体在近红外波段的反射率明显单一并且低于其它地物。
考虑到理想的水体较少，一般水体都含有杂质和浮生物，尤其是湖泊的内边界含有水草等植物。
因此本文在综合考虑水体的光谱特征、MODIS波段的主要应用领域以及各个波段加载到遥感处理软件中的目视效果，确定水体最为明显的波段组合为MODIS的2、4、6波段。
水体边界在MODIS第2通道比较明显，很容易区分周边的植被，对含水量较多的湿地也较为明显。
由于水体在MODIS 第4通道反射率较高，比较难区分水体和周边的植被，但对水中悬浮物和水底物质有一定的透射作用。
水陆边界在MODIS第6通道也较好，但湿土壤与水体的色调相近。
表1 MODIS遥感图像2、4、6波段说明波段波谱范围um波段说明与用途分辨率m2 0.841-0.876近红外摄影波段；位于植物高反射区，区分植被类型，绘制水体边界，探测水中生物的含量和土壤湿度。
2504 0.545-0.565可见光绿波段；探测健康植被绿色反射率，可区分植被类型和作物长势，区分人造地物类型，对水体有一定的透射能力。
5006 1.628-1.652 反射红外波段；用于探测植物含水量和土壤湿度，可用于区别云与雪。
湿土和土壤的湿度从这个波段就很容易看出。
5003.3 水体提取本文通过将合成的假彩色图像IHS空间变换后分别应用阈值上下限法和最大似然法进行提取水体。
3.3.1 IHS空间变换RGB(红、绿、蓝)模型是图像色彩中最普遍的表示方法。
RGB系统有以下缺点：(1)RGB 空间用红、绿、蓝三原色的混合比例定义不同的色彩，使不同的色彩难以用准确的数值来表示，并进行定量分析；(2)在RGB系统中，由于彩色合成图像通道之间相关性很高，使合成图像的饱和度偏低，色调变化不大，图像视觉效果差(3)人眼不能直接感觉红、绿、蓝三色的比例而只能通过感知颜色的亮度、色调以及饱和度来区分物体，而色调和饱和度与红、绿、蓝的关系是非线性的，因此，在RGB空间中对图像进行增强处理结果难以控制。
HIS模型是另一种表色系统，它是基于视觉原理的一个系统，定义了三个互不相关，容易预测的颜色心理属性，明度(I)、色调(H)和饱和度(S)。
其中，H是表面呈现近似红、黄、绿蓝等颜色的一种或几种的目视感知属性；S是颜色具有“白光”的程度；I是物体表面相对明暗特性，I、H、S具有相对独立性，可分别对它们进行控制[8]。
在色度学中，把彩色影像由红(R)、绿(G)、蓝(B)彩色空间变换到明度(I)、色别(H)、饱和度(S)色度空间称为IHS变换，而由I、H、S空间变换成R、G、B空间称为反变换。
IHS 变换是一种图像显示、增强和信息综合的方法，具有灵活实用的优点。
IHS变换其作用是将一幅彩色图像的R、G、B成分分离成地表空间信息的明度(I)和代表光谱信息的色别(H)和饱和度(S)三个成分，因为I、H、S三个成分相互独立，因此，可通过调节I、H、S来获得不同的显示效果。
3.3.2 阈值上下限法、最大似然法阈值上下限法提取水体主要依据的是不同地物之间的灰度值的差异，因此要求选择一个能够较好地反映水陆边界的波段，通过阈值分割的方法，确定水体分割的阈值，将水体提取出来。
但是，在山区，由于山体的阴影的影响，使得近红外波段在阴坡面的反射能量特别低，从而同样造成它们在图像上呈现出明显的暗色调。
这样水体与阴影的混淆使得难以在该波段上利用阈值法来提取水体，提取的水体含有山体阴影。
另外，利用阈值法提取水体，或多提取，或少提取，在提取大面积的水域时，容易产生较多的噪声，阈值难以调节，提取精度相对较低。
最大似然法是基于Bays准则的分类方法，有着严密的理论基础，是目前传统方法中较为常用，分类精度较高的方法之一。
无论是阈值上下限法还是最大似然法，对于区分山体阴影和水体都有一定的困难，在有雪的季节，易把含有部分融化的雪水的土壤误提取为水域。
3.3.3 实验结果和精度分析将MODIS图像的敏感通道合成的假彩色进行IHS空间变换，在IHS空间利用最大似然法进行分类，通过图像切割得到水体。
由于在Hue空间上可以很大程度上拉大水体与所有的其它典型地物的差异值，包括水体与山体阴影的差异，因此在Hue图上进行阈值上下限法提取水体。
表2、3是从北纬27°45′24″至 34°2′47″,东经 107°至 117°38′55″，长950公里，宽700公里，面积66.5万平方公里的2004年3月4日(枯水期、有部分积雪)的MODIS图像统计得到。
表3 HIS变换后典型地物在H分量上的值地物Hue水体 150－360林地 11－90居民地 100－140裸露地 75－105湿土和阴影(含融化的雪水)135－145图1 MODIS6-2-4敏感通道合成(梁子湖地区) 图2 色彩变换后的Hue分量(梁子湖地区)图3最大似然法提取的水体(梁子湖地区) 图4 Hue分量的阈值上下限法提取的水体以武汉市的梁子湖为例利用空间变换后的阈值上下限法和最大似然法提取了水体，通过与原始图像叠加来检查提取的水域范围，表4是经过色彩变换后最大似然法和阈值上下限法与两次常规的单波段阈值法提取的水体面积和相对误差比较。
从表4我们可以看出经过色彩变换后水体提取精度达到了99.78％，而一般的监督分类精度在95％左右；一般的单波段阈值提取的水体精度在87左右，经过色彩变换后利用H分量的阈值法提取的水体精度提高八个百分点。
其它试验区还表明经过HIS空间变换后使用最大似然法提取水体一般都能达到99％以上。
表4 梁子湖水体面积统计一览表梁子湖面积(平方公里)精度相对误差最大似然法(HIS空间)279.37599.78%0.22%阈值上下限法(H)268.187595.78% 4.22%普通单波段阈值法1 315.874687.19%12.81%普通单波段阈值法2 245.7587.77%12. 23%下面的图6、7是经过色彩变换后在MODIS图像上提取比较窄小的河流图5 MODIS第2通道图6最大似然法提取的水体图7上下限阈值法提取的水体为了更好地验证实验效果，同时还对丰水期相对比较清晰、影像质量优良的MODIS图像(2004年5月5日、7月22日)提取了水体，通过叠加提取的水体和目视判读的方法来检验提取效果，实验表明经过色彩变换后无论是采用监督分类还是非监督分类都能达到较高的精度。
4 结束语选择敏感通道组合对中分辨率的MODIS图像经过色彩变换后，可以提高目视判读效果，水域边界非常明显，在H分量上进行阈值上下限法或使用基于统计的传统分类方法提取的水体都能得到较高的精度，可以较少直接利用阈值法或监督分类法提取地物产生的椒盐现象。
另外，对MODIS图像空间变换后操作简单，提取水体时不需要区分水体、湿土、阴影、居民地以及林地等差别，采用最大似然法提取水体相对误差在1％以内，完全能够满足实际应用要求。