基于landsaem+圖像的鄱陽湖周邊水體提取研究

基于landsaem+圖像的鄱陽湖周邊水體提取研究

1遙感影像水體提取方法的選擇在如今的地理研究中，全球變化和可持續(xù)發(fā)展的研究是一個兩人的主題。在生態(tài)系統(tǒng)中，水具有很大的環(huán)境調節(jié)功能和生態(tài)效應，對維持自然生態(tài)環(huán)境和平衡生態(tài)系統(tǒng)方面發(fā)揮著非常重要的作用。水體遙感信息的提取結果能為相關決策提供依據(jù),對區(qū)域水資源管理和合理利用有著重要的意義。水體遙感信息提取實質是將水體的信息與其他信息區(qū)分開來,國內外不少的學者對遙感影像的水體信息提取方法進行了深入的研究。綜合來看,水體的提取方法主要分為單波段和多波段方法。單波段閾值法主要利用水體在紅光波段、近紅外波段和中紅外波段的反射特性合理設定閾值提取水體。多波段方法利用多個波段的組合來增強水體信息,如文獻提出基于波段2加波段3大于波段4加波段5的方法;文獻利用波段2加波段3與波段4加波段5灰度值的比值方法;文獻利用波段1和波段7的歸一化比值方法等。在這些方法中,常用水體提取指數(shù)為歸一化水體指數(shù)(NDWI),其后產生了不同的波段組合變化,如改進的歸一化差異水體指數(shù)MNDWI、NDWI3,增強型水體指數(shù)(EWI)。同時,一些復雜的方法也用于水體的提取中,如神經(jīng)網(wǎng)絡分類法、決策樹分類法、小波分析法、數(shù)學形態(tài)學方法、混合像元分解法等。本文選擇鄱陽湖周邊區(qū)域為典型的區(qū)域,對比并分析了常用的水體提取算法的提取結果,根據(jù)區(qū)域圖像特征,建立了水體提取的決策樹提取模型,并使用相鄰年的圖像進行了方法驗證。本文的結果可為區(qū)域水體的遙感提取提供參考。2湖泊周邊圖像數(shù)據(jù)本文的區(qū)域內包括了鄱陽湖,廬山山區(qū)等。其中,鄱陽湖是我國最大的淡水湖,也是我國第二大湖,位于江西省北部。鄱陽湖北部區(qū)域狹長,地物類型比較復雜,西臨廬山,山體陰影、冬季冰雪與水體容易混淆;湖泊周邊有農用地、建設用地、沙地等分布;湖、河中的灘地與水體也極易混淆。圖像數(shù)據(jù)采用2000年1月27日以及2003年2月20日的LandsatETM+衛(wèi)星影像,研究區(qū)為鄱陽湖北部周邊區(qū)域,29°0′54.38″E～29°0′7.72″E,115°2′23.55″N～116°5′17.76″N,合計1224×1290像元,覆蓋面積約1421km2(圖1)。圖像數(shù)據(jù)來自于國際科學數(shù)據(jù)服務平臺,采用UTM投影。為便于處理,直接使用圖像的DN值進行信息提取。圖像處理使用ENVI4.6圖像處理系統(tǒng)。3提取常用的方法和結果3.1對于歸一化差異水體指數(shù)的改進當前常用的水體提取方法有波段組合方法和監(jiān)督分類方法,其中波段組合共8個,本文稱為水體指數(shù)。使用bi表示圖像i波段的DN值,具體水體提取方法如下:(1)使用TM圖像2、3、4、5波段提取水體:(b2+b3)-(b4+b5)>0(1)(2)根據(jù)水體與建設用地的陰影以及山體陰影的差異,文獻提出利用波段2和波段3的和與波段4和波段5的和的比值進行水體提取:(b2+b3)/(b4+b5)(2)(3)文獻利用TM波段1和波段7歸一化的比值大于其他類地物提取水體信息。公式如下:(b1-b7)/(b1+b7)(3)(4)使用波段2和波段5相除來提取水體(ErMapper軟件):b2/b5(4)(5)NDWI:歸一化差異水體指數(shù)(NDWI)是2004年由Mcfeeters提出的,是比值指數(shù)經(jīng)歸一化處理,使數(shù)值范圍歸一化到0和1之間的結果。其公式如下:NDWI=(b2-b4)/(b2+b4)(5)(6)MNDWI:文獻對其進行了改進,針對NDWI提取的水體信息中仍然夾雜建筑信息,而容易造成誤提的缺點,提出了改進的歸一化差異水體指數(shù)(MNDWI)。公式如下:MNDWI=(b2-b5)/(b2+b5)(6)(7)NDWI3:Ouma等在2006年又提出了指數(shù)NDWI3,并發(fā)現(xiàn)其較其他水體指數(shù)更好地劃分了岸線。公式如下:NDWI3=(b4-b5)/(b4+b5)(7)(8)EWI:文獻針對TM影像提出了EWI,用于區(qū)分半干涸河道與背景噪聲。公式如下:EWI=(b2-b4-b5)/(b2+b4+b5)(8)(9)監(jiān)督分類:選擇典型水體如河流、湖泊為訓練區(qū),使用最大似然法對鄱陽湖周邊區(qū)域進行分類。3.2單一指數(shù)提取水體各大10.根據(jù)上述方法,水體的提取結果如圖2所示,水體面積如表1所示:對比原始圖像,水體指數(shù)沒有完全提取出水體,提取的結果與河灘、陰影、冰雪混淆明顯。監(jiān)督分類雖然相對于前幾種提取方法有很大的改進,但是仍舊有一部分河灘被錯分為水體。對于第一個指數(shù),若僅僅把閾值設定為0,即使用(b2+b3)>(b4+b5)規(guī)律,將混淆所有地物類,并不能準確提取水體,即使合理確定閾值也不能區(qū)別所有地物類,水體與陰影、建設用地、河灘、冰雪等均有一定程度的混淆;第二個指數(shù)(b2+b3)/(b4+b5)提取水體,河灘、陰影和沙地與水體有所混淆,且水體本身也有所損失;第三種方法,陰影、冰雪、沙地、河灘無法完全與水體區(qū)別,并且水體本身也有損失;第四種指數(shù)b2/b5提取水體,除了有部分水體損失外,幾乎全部的冰雪以及一部分河灘與水體相混淆;使用NDWI提取水體,除去水體無法完全提出來,建設用地、陰影、河灘與水體混淆十分嚴重;使用MNDWI提取水體,冰雪和河灘與水體有一定程度的混淆,沙地有小部分混淆;使用NDWI3提取水體,水體與陰影和河灘混淆嚴重,且水體也有一定程度的損失;使用EWI提取水體,陰影和河灘與水體的混淆仍是主要問題;使用監(jiān)督分類的方法,基本可以提取出水體,但仍有小部分的河灘歸為水體,且一小部分水體被誤分為其他地物。面積統(tǒng)計表明,不同方法提取的水體面積變化在100km2和300km2之間,相對變化200km2最大差異可達1倍,提取結果的可比性較差。綜合來看,使用單一指數(shù)提取水體的方法不適用于本研究區(qū)。本研究區(qū)提取水體的難點在于河灘、冰雪、陰影與水體的混淆。4不同地物的差異考慮到不同地物的光譜特征,選擇決策樹方法提取水體。根據(jù)圖像變換方法的特點,選擇纓帽變換來區(qū)分不同地物的差異。纓帽變換輸出亮度、綠度、濕度分量,其中亮度分量上冰雪、沙地必定與其他類地物差距很大,綠度分量可用來區(qū)別植被,濕度分量能將水體與大部分地物區(qū)別開來。針對其余混淆地物建立新的指數(shù)剔除。4.1財富的變換纓帽變換后典型地物各波段的統(tǒng)計平均值見圖3,典型地物在各分量上的最大最小值統(tǒng)計結果見表2。4.1.1側壁地權,在冰水體具有低亮度,冰雪和沙地具有高亮度,通過亮度可剔除冰雪和沙地。設定閾值為144,所有小于144的劃定為包含水體的部分,結果如圖4所示。4.1.2林地及陰陽變化使用綠度分量剔除林地以及陰影。設定閾值為-47,所有大于-47的值都為包含林地的其他地物類,其余為水體等。結果如圖5所示,林地和陰影基本剔除,剩余部分包含全部水體。剩余未被剔除的地物類為一部分農用地、一部分建筑用地以及河灘。4.1.3閾值選取分析在濕度分量上,水體與其他地物類也有一定的差別,設定閾值為-16,大于-16的地區(qū)含有水體,結合之前步驟進一步進行剔除,結果如圖6所示。大部分的田地和建筑用地都已經(jīng)剔除,剩余的主要是河灘地。4.2剩余混淆地物b3統(tǒng)計剩余的混淆地物的(b2+b3)/(b4+b5)、b1/b7、NDWI、MNDWI、NDWI3、EWI六個指數(shù),結果見圖7。從圖7可以看到,水體在波段組合(b2+b3)/(b4+b5)上的值明顯大于其他地物類的值,在EWI上的值則明顯比其他地物的值小,故將第一個波段組合和EWI相除來增大水體與其他地物的差異,構建新的提取指數(shù)DW:DW=EWI×(b2+b3)/(b4+b5)(9)根據(jù)公式(9)統(tǒng)計剩余混淆地物,結果見表3。從表3最大、最小值看,雖然水體與河灘有一定程度混淆,然而水體的標準差要小而河灘的標準差大,河灘在EWI×(b2+b3)/(b4+b5)上統(tǒng)計值分布上看處于10至67之間的幾乎沒有。經(jīng)過分析,把閾值定為10和67,即大于10且小于67的地物類為水體。4.30年etm+圖像提取法將以上提取水體的過程歸納為決策樹,其過程如圖8所示,其中n1、n2、n3、n4、n5為閾值,需根據(jù)圖像的特征來確定。首先對圖像進行纓帽變換,然后根據(jù)水體的亮度小于沙地和冰雪區(qū)分開冰雪、沙地與水體;接著利用植被和農用地的綠度值大于其他地物類的特征,剔除植被和農用地;通過濕度值閾值的設定,剔除其他一部分地物類;最后運用提取指數(shù)DW(公式(9)),設定閾值將其他地物類去除掉,剩下的即是水體。2000年ETM+圖像的提取結果如圖9所示。從提取的水體面積來看,本模型提取的水體為107.74km2,比監(jiān)督分類提取的水體少2km2,相對其他提取方法與監(jiān)督分類相近。監(jiān)督分類相對于前幾種提取方法精度是最優(yōu)的,故將本方法的提取結果與監(jiān)督分類結果相比。選取鄱陽湖鞋山和星子縣楊家墩附近典型區(qū)域進行比較,如圖10所示。對于星子縣楊家墩附近水體,本方法提取的水體更為完整、連續(xù);對于鄱陽湖鞋山附近河灘地,本方法能更好地區(qū)分河灘地與水體,起到了細化的作用。與地區(qū)地形圖和谷歌圖像相比,表明本模型的提取結果更符合區(qū)域的實際情況。4.4模型提取水體區(qū)域的選取為了驗證本方法對其他同時期影像的適用情況,選擇本研究區(qū)2003年2月20日的LandsatETM+影像,使用最大似然監(jiān)督分類法以及上述決策樹模型提取水體。決策樹模型提取的水體面積為242.47km2,監(jiān)督分類提取的水體面積為227.46km2。選取鄱陽湖鞋山和廬山蘆林湖附近典型區(qū)域進行比較,結果如圖11所示。在決策樹模型的提取結果中,水體能夠與建設用地、河灘、沙地、植被等地物類很好地區(qū)別開來。在鄱陽湖鞋山附近,監(jiān)督分類將一部分水體歸于河漫灘,而本文決策樹模型則較好地區(qū)分了河灘與水體;對于廬山蘆林湖附近水體,決策樹模型提取的水體更為完整?？傮w上看,可以認為決策樹水體提取模型在地區(qū)具有適用性,能夠更好地避免物譜不一致所帶來的地物混淆問題。5水體提取方法本文使用2000年1月27日LandsatETM+圖像,以鄱陽湖周邊區(qū)域為研究對象,提取了水體信息。使用(b2+b3)>(b4+b5)、(b2+b3)-(b4+b5)>n、(b2+b3)/(b4+b5)>n、b2/b5>n、NDWI、MNDWI、NDWI3、EWI