基于Landsat 8影像的地表水体指数提取方法研究——以鄱阳湖为例.pdf

第 49 卷第 4 期江西水利科技JIANGXIHYDRAULICSCIENCE&TECHNOLOGY第 49 卷第 4 期2023 年 8 月Vol.49 No.4Aug.2023收稿日期：2022-07-08作者简介：文慧（1995-），女，硕士，助理工程师.*通讯作者：刘聚涛（1983-），男，博士，教授级高级工程师.DOI：10.3969/j.issn.1004-4701.2023.04-01基于 Landsat 8 影像的地表水体指数提取方法研究以鄱阳湖为例文慧，刘聚涛*（江西省水利科学院，江西省鄱阳湖流域生态水利技术创新中心，江西 南昌，330029）摘要：为探究不同水体提取方法在鄱阳湖的提取效果，明确不同水体指数的影响因素和适用范围，以鄱阳湖主湖区Landsat 8 遥感影像为基础，构建归一化差异水体指数（MNDWI）、自动水体指数（AWEIsh）、WI2015指数以及浮游藻类指数（FAI）对水体信息进行提取，并采用 Sentinel-2 MSI 卫星影像人工目视解译的成果验证各项指数提取精度。结果表明：Landsat 8 影像能够支持大范围复杂地形水体提取研究，可以为水体提取提供丰富的地物光谱信息。四种水体指数在基于阈值提取的情况下，MNDWI 指数提取水体的精度最高为 95.50%、Kappa 系数为 0.870 8，能较好的去除大气影响，适用于各种典型区域、效果最佳。AWEIsh精度仅次于 MNDWI 指数，且在提取内陆湖泊方面优于 MNDWI 指数，在后期的研究中对于内陆湖泊范围较大的区域水体提取可以作为补充指数。关键词：Landsat 8 OLI；水体指数；精度；鄱阳湖中图分类号：TP75文献标识码：A文章编号：1004-4701（2023）04-0235-060引言湖泊是淡水资源的重要存储器和调节器，也是地区经济发展和人类日常生存的重要基础，具有供水、防洪、调节区域水资源和气候、维护生物多样性等多种生态服务价值。近年来受人类活动的影响和自然环境因素变化，湖泊数量、面积以及生态环境发生了明显的变化1。了解湖泊动态变化，对区域生态环境和社会经济发展具有重要意义。遥感数据具备了快速获取信息、大范围同步观测、返回周期时效性高等特点，已被广泛应用在湖泊生态监测、水资源变化以及洪涝灾害等方面2-3。运用卫星遥感数据对某个区域水体数量、形态等水域参数的信息提取，现已形成一个迅速掌握湖泊变化参数的有效途径与方法。遥感卫星的种类越来越多，目前国外常用的有 Landsat 影像、MODIS、Sentinel 影像等，国内则有高分影像、资源卫星、环境小卫星等4-5。对于大范围的地物识别，高分辨率影像不仅成本高、难以获取，且数据量也相对较大。因此，利用中分辨率的影像结合有效的提取方法有待研究。Landsat 8 影像具有 30m 分辨率的短波红外（SWIR 1、SWIR 2）波段和 15m 分辨率的全色（PAN）波段，每 9 天可以实现覆盖中国区域，适合于研究大中型湖泊淹没区的短期和长期变化。目前常用的水体快速提取方法为水体指数法6-8，能够通过选取不同相关波段，构建水体指数模型，具有提取精度高、特征波段选取简单的特点。周晗等9利用 Sentinel-1/2 卫星影像，对比 3 种水体提取（具体水体指数）方法的精度和存在问题，结果表明 NDWI 指数的准确率最高。对比 Landsat 8 和Sentinel-2 影像在不同水体指数上的精度差异，王大钊等10发现空间分辨率较高的影像整体效果更好，四种水江西水利科技2023 年 8 月体指数中 NDWI 的提取精度最低。FAI 模型最早用于湖泊蓝藻水华辨识，Feng 等11利用浮游藻类指数法 FAI提取鄱阳湖水体范围的前提上，进一步用于叶绿素 a浓度反演，结果表明鄱阳湖水面面积精确度较高。不同水体指数提取精度受水体本身和周边环境影响，具有较大差异。本文以 Landsat 8 遥感影像为基础，以鄱阳湖水体为主要提取目标，分别采用 MNDWI 指数、AWEIsh指数、WI2015指数以及 FAI 指数对比分析水体提取效果，探索最适合鄱阳湖水体提取指数，为快速、准确、及时获取鄱阳湖水体信息提供参考，对于防洪减灾、灾害评估等具有重要的现实意义。1研究区概况及数据源1.1研究区概况鄱阳湖是我国面积最大的淡水湖泊，地处江西省以北、长江流域南岸（东经 115毅47忆116毅45忆，北纬 28毅22忆29毅45忆），主要汇纳赣江、抚河、信江、饶河、修河五河来水，属于亚热带季风气候区。鄱阳湖为典型的过水性湖泊，年平均降水量为 13891795mm，湖面水位随季节而变动较大，在 49 月的雨季“河湖一体”，形成一个大湖，枯水季节“低水似河”构成了广阔的河滩沼泽地。由于水流涨落和变化幅度起伏范围很大，鄱阳湖呈现出湖泊湿地、人工湿地等多种湿地景观分布格局，合理有效的调节了江西气候，因而号称“江西之肾”。1.2数据来源与处理Landsat 8 影像数据获取日期为 2021 年 9 月 25日，该景云层的覆盖率小于 5，多集中分布在影像数据信息的右下角部位，可以达到水体信息分析要求。Sentinel-2 MSI 数据获取时间为 2021 年 9 月 28 日，该景云层覆盖率小于 5。由于卫星影像在获取过程中会受到大气、地物反射、传感器自身等的影响。利用SNAP 7.0 软件和 ENVI 5.3 软件，分别对遥感影像执行预处理，主要包括辐射校正、大气校正、几何校正和投影变换。2研究方法2.1MNDWI 水体指数MNDWI 是改进的归一化差异水体指数，它根据绿色波段和短波红外波段的反射率计算，方法如下：MNDWI=（Green-Swir）（Green+Swir）（1）式中：Green 为绿光波段的反射率；Swir 为短波红外波段的反射率。2.2AWEI 水体指数Feyisa 等12提出了自动提取水体指数（AWEI），利用不同波段间的加减提升了对水体和陆地信息的区分精度，本研究选取 AWEIsh水体指数来提取水体9。AWEIsh=Blue+2.5伊Green-1.5伊（Nir+Swir1）-0.25伊Swir2（2）式中：Blue 为蓝光波段的反射率；Nir 为近红外波段的反射率；Swir 1 和 Swir 2 为短波红外的反射率。AWEIsh的下标“sh”表示该指数主要用来移除阴影，从而提升阴影区域或者其他黑色地表的水体提取精度。2.3WI2015水体指数Fisher 等13给出了最新的水体指数 WI2015，利用线性判别分析分类来提高水体提取的分类精度：WI2015=1.720 4+171伊Green+3伊Red-70伊Nir-15伊Swir1-71伊Swir2（3）式中：Red 为红光波段的反射率。2.4FAI 水体指数FAI 模型利用红波段、近红外波段以及短波红外的反射率计算，方法如下：FAI=Nir-Nir忆（4）Nir忆=Red+（Swir-Red）伊姿Nir-姿Red姿Swir-姿Red（5）式中：姿Red、姿Nir、姿Swir 分别表示红光、近红外、短波红外波段的中心波长；Nir忆为插值反射率，即红光和短波红外波段在近红外波段处采用线性内插。2.5精度评价利用 Sentinel-2 融合后，人工目视方式解译出水体与非水体来作为地面训练样本参考，并且选定总面积大致相同的感兴趣区域作为可验证样本，对经过Landsat 8 影像处理后得出的四种水体指数建立混淆矩阵，计算各项精度指数。CM=x11x1nxn1xnm晌尚上上上上上裳捎梢梢梢梢梢（6）式中：xij（i=1，2，n）元素表示训练样本中第 i 类样本被分类为第 j 类的几率，该矩阵的第 i 行表示训练236第 49 卷第 4 期图 3四种指数提取水体范围样本中第 i 类的样本被识别为其他各类的几率。3结果与讨论3.1水体指数图像按照水体、建设用地、植被、道路四种地物典型样本点进行 Landsat 8 波谱反射率曲线分析，各波段波谱反射率曲线如图 1 所示。经过比较，可以看出在 1 波段（海岸波段）、2 波段（蓝波段）、3 波段（绿波段）和 4 波段（红波段）下，建设用地道路水体植被。前三个波段里，水体、植被变化趋势相一致，各地类光谱特征值相差较小。第 4 波段水体与植被特征值相近，在遥感影像区分时容易混淆。而在第 5 波段（近红外波段）和第 6波段（短波红外）中植被的反射率呈直线上升，与建设用地变化相同，而水体的反射率值不断下降与其他地物特征值具有较大差异。因此，可以认为近红外波段和短波红外波段是作为水体提取的重要特征波段。水体指数影像结果如图 2 所示，可以发现，在鄱阳湖主湖区内四种水体指数的水域边界都比较明显，与陆地之间有较大的反差。其中，MNDWI 水体指数图像上陆地与水域反差尤为显著，其次是 WI2015水体指数。3.2水体提取结果根据同一研究地区人工目视解译的水体与非水体，来分析水体训练样本及区域灰度统计直方图，同时对过程数据进行反复处理对比，最终判断四种水体指数的阈值，提取研究区内水体范围（图 3）。按照全国第一次水利普查的鄱阳湖主体范围，计算四种水体指数图 1Landsat 8 影像中 4 种典型地物的光谱反射率图 2Landsat 8 的水体指数图像文慧，等基于 Landsat 8 影像的地表水体指数提取方法研究以鄱阳湖为例237江西水利科技2023 年 8 月提取的面积，发现四种水体指数提取的 2021 年 9 月份鄱阳湖通江水体面积依次为 MNDWI（2 988.82 km2）、AWEIsh（2 972.66 km2）、WI2015（2 958.27 km2）和 FAI（2 894.22km2）。进一步选用五种不同典型区域（内陆湖泊、细小水体、云层阴影、城镇区域、山区裸地）来分析水体提取效果，四种水体指数典型区域水体提取效果如表 1 所示。MNDWI 指数在面积较大的河流和湖泊上都有较高的准确度，也不易受云层阴影和城镇区域的影响，能够较好的识别部分面积较小的坑塘。但是，对于山区、城镇中细小水体识别与实际有一定的出入，易受到周边土地利用的影响。AWEIsh指数在内陆湖泊和河流提取效果较好，几乎无阴影混淆。但细小水体提取不连续程度较严重，部分极小型坑塘边界提取有误。城镇区域受建筑物阴影影响，部分信息被误提。WI2015指数在水量较小的支流提取效果与 AWEIsh指数相似，山区裸地提取不理想，部分裸岩信息被误判。FAI 指数能够提取内陆湖泊的大概范围，但是对于水域与陆域的边界容易混淆。山区河流出现提取不连续的现象，城市阴影和山区裸地极易被误提。进一步将四种水体指数得到的水体进行叠加，结果如图 4 所示。将叠加的结果与人工目视解译后的成果进行对比，发现图中三角形区域范围（1 种指数探测为水体）主要是 FAI 指数提取的水体，其中包括受到山区裸地和建筑物阴影的影响，以及一些局部小范围为水体的地方实际为光伏反射。圆形区域范围（2 种指数探测为水体）主要是 FAI 指数以及 WI2015指数提取的水体，经过判读一部分为建筑物阴影，一部分为山区裸地。矩形区域范围（3 种指数探测为水体）主要是WI、MNDWI 和 AWEI 指数提取的水体，这部分主要是内陆湖泊细小水体云层阴影城镇区域山区裸地Sentinel-2图像MNDWIAWEIshWI2015FAI表 1典型地区不同方法分类结果对比238第 49 卷第 4 期水体指数典型区域错分率/%漏分率/%总体精度/%Kappa 系数MNDWIAWEIshWI2015FAI总体范围内陆湖泊细小水体城镇区域总体范围内陆湖泊细小水体城镇区域总体范围内陆湖泊细小水体城镇区域总体范围内陆湖泊细小水体城镇区域2.072.746.091.971.862.565.821.821.72.455.571.711.842.246.683.493.730.091.23.424.040.131.424.064.570.191.734.955.550.540.692.7695.5097.4093.1795.1595.4297.5493.0294.7295.1497.5993.1494.0394.2797.4892.8682.000.870 80.848 40.434 50.737 90.869 60.857 60.459 30.723 40.862 70.861 60.476 80.699 00.860 40.858 70.315 80.641 5表 2四种水体指数水体提取结果精度指标图 4Landsat 8 影像四种水体指数得到的水体差异内陆湖泊与陆地的边界区，说明这三种指数在处理建筑物及其阴影干扰时表现比 FAI 更优，这与上述分析一致。3.3讨论鄱阳湖是一个过水性湖泊，水体面积受季节变化明显。相关研究表明14，15，2002 年后鄱阳湖水域面积随水位呈二次曲线变化，且鄱阳湖 9 月份平均通江水体面积在 2 0003 000km2左右，这与本文研究结果相似，表明研究结果可信度较高。利用混淆矩阵算法对提取后的各水体指数开展定量评价。从精度评价结果来看，总体范围内基于阈值的MNDWI 水体指数效果最为理想，总体精度（95.50%）和Kappa 系数（0.870 8）均最高。通过对内陆湖泊、细小水体和城镇区域的水体提取结果也发现，对于面积较小的细小支流，四种水体指数都无法完全连续识别，一方面是由于遥感影像空间分辨率较低；另一方面受到周围建筑物以及河道两岸绿茵带覆盖的影响，容易被判定为植被，提取精度从高到低依次为 MNDWI WI2015AWEIshFAI。WI2015水体指数和 FAI 水体指数提取结果受中心城市、山区裸地以及城市内零散水体小斑块影响，会将大量裸岩、滩地和城市阴影误认为水体，表现文慧，等基于 Landsat 8 影像的地表水体指数提取方法研究以鄱阳湖为例239江西水利科技2023 年 8 月（下转第 246 页）为 MNDWI AWEIshWI2015FAI，这主要是因为 WI2015和 FAI 指数中红色波段在道路、植被这两种地物的反射特征值与水体相似，容易误提城市内道路以及部分小型滩地，这与已有研究结果相符。但是在地势较为平坦的内陆湖泊区域，WI2015体指数比 MNDWI 水体指数的敏感度更强，表现为 WI2015 AWEIshMNDWIFAI。相比较而言，AWEI 指数总体精度与 MNDWI 指数十分接近，但是在提取细小水体和城镇内水体方面较弱，漏分率均大于 MNDWI 指数，并且计算过程较为复杂，选用波段较多，阈值选取较难。MNDWI 指数在计算时只选用了绿色和短波红外波段、阈值易于选取，这也说明，选择可以利用的波段信息对于提升水体指数精度尤为重要。FAI 指数提取水体各方面精度都最低，与其他指数相比，不能够较好的识别不同环境下的水体信息，可能是受到部分浮游植物及云层覆盖的影响，应当在后期进一步去除大气辐射影响及去云处理。4结论基于 Landsat8 影像，分析了鄱阳湖区不同地物光谱反射率，探究了五种典型区域四种水体指数的提取效果，并结合人工目视解译成果计算了各水体指数的提取精度，主要得到以下结论：（1）四种水体提取精度评价指标 Kappa 系数均保持在 0.8 以上。表明 Landsat 8 影像能够支持大范围复杂地形水体提取研究，可以为水体提取提供丰富的地物光谱信息。通过对遥感影像进行感兴趣区选择并进行光谱特征值计算，发现适合提取水体的波段为近红外和短波红外波段。（2）通过对比分析四种水体指数提取方法在不同典型区域的提取效果，表明 MNDWI 指数提取的鄱阳湖区水体，总体精度最高、能有效区分水体与陆地及建筑物等，漏分的水体较少，效果最佳。AWEIsh指数总体精度仅次于 MNDWI 指数，在提取内陆湖泊方面优于MNDWI 指数，因此在后期的研究中对于周围城市范围较大的区域水体提取可以作为补充指数。FAI 水体指数受山区裸地和建筑物阴影影响最严重，精度最低。（3）尽管用于验证的训练样本是人工基于更高精度的影像所解译获取的，但是对于细小湖泊和城市中心细小水体，人工解译能力有限，需要实地获取部分数据或通过更高精度的遥感影像来提高样本精度。参考文献：1 王坤.中国湖泊生态环境质量现状及对策建议 J.世界环境，2018（02）：16-18.2 吕素娜，薛思涵，谢婷，等.哨兵一号 SAR 数据在鄱阳湖洪涝灾害监测中的应用J.卫星应用，2021（08）：51-55.3 李小涛，湛南渝，路京选，等.“哨兵”系列卫星数据在洪涝灾害监测中的应用J.卫星应用，2019（11）：48-51.4 苏龙飞，李振轩，高飞，等.遥感影像水体提取研究综述J.国土资源遥感，2021，33（01）：9-19.5 Li SJ，Chen FF，Song KS，et al.Mapping the trophic state indexof eastern lakes in China using an empirical model andSentinel-2 imagery data J.Journal of Hydrology，2022，608：127613.6 刘玉梅.不同水体提取方法的提取效果比较 J.陕西水利，2021（11）：104-106.7 曹萌萌，毛克彪，严毅博，等.基于 MODIS 数据的洞庭湖水体和水华时空变化研究J.中国环境科学，2019，39（06）：2523-2531.8 刘垚燚，田恬，曾鹏，等.基于 Google Earth Engine 平台的1984-2018 年太湖水域变化特征 J.应用生态学报，2020，31（09）：3163-3172.9 周晗，叶虎平，魏显虎，等.基于 Sentinel-1/2 的水体提取方法对比研究以斯里兰卡小型水体为例 J.中国科学院大学学报，2019，36（06）：794-802.10 王大钊，王思梦，黄昌.Sentinel-2 和 Landsat8 影像的四种常用水体指数地表水体提取对比J.国土资源遥感，2019，31（03）：157-165.11 Feng L，Hu C M，Chen X L，Cai X B，et al.Assessment ofinundation changes of Poyang Lake using MODIS observationsbetween 2000 and 2010 J.Remote Sensing of Environment，2012，121：80-92.12 Feyisa G L，Meilb Y H，Fensholt R，et al.Automated waterextraction index：A new technique for surface water mappingusing Landsat imagery J.Remote Sensing of Environment，2014，140：23-35援13 Fisher A，Flood N，Danaher T.Comparing Landsat water indexmethods for automated water classification in eastern AustraliaJ.Remote Sensing of Environment，2016，175：167-182.14 黄淑娥，聂志强，陈兴鹃，等.基于 MERSI 和 MODIS 资料的鄱阳湖水体面积遥感监测及其变化特征J.江西农业大学学报，2019，41（03）：610-618.15 戴志健，夏玲君，孔萍，等.近 20 年鄱阳湖水体面积变化遥感监测与分析J.气象与减灾研究，2021，44（02）：127-132.编辑：张绍付240江西水利科技2023 年 8 月（上接第 240 页）Study on the extraction methods of surface water index based on Landsat 8 image:a case study of Poyang LakeWEN Hui，LIU Jutao（Jiangxi Academy of Water Science and Engineering，Jiangxi Ecological and Water Conservancy TechnologyInnovation Center of Poyang Lake Basin，Nanchang Jiangxi，330029，China）Abstract：In order to investigate the extraction effect of different water extraction methods for Poyang Lake,and toclarify the influencing factors and application range of different water indices,the Modified Normalized Difference WaterIndex（MNDWI）,Automated Water Extraction Index（AWEIsh）,Water Index（WI2015）,and Floating Algae Index（FAI）were constructed to extract the water body information based on Landsat 8 remote sensing images of the main lake areaof Poyang Lake,and the results of manual visual interpretation of Sentinel-2 MSI satellite images were used to verifythe extraction accuracy of each index.The results show that Landsat 8 imagery can support large scale complex terrainwater extraction studies and can provide rich feature spectral information for water body extraction.Compared with theother four water body indices based on threshold extraction,the MNDWI index has the highest accuracy of 95.50%withthe Kappa coefficient of 0.870 8 in extracting water bodies.It performes best in eliminating the atmospheric influenceand can be applied to various typical areas.The accuracy of AWEIshis second only to MNDWI index,but it is betterthan MNDWI index in extracting inland lakes and can be used as a complementary index for the extraction of regionalwater bodies with relatively large range of inland lakes in future studies.Key words：Landsat 8 OLI；Water index；Water extraction；Poyang Lake翻译：文慧A review of structural crack detection based on deep learningHU Qiang1，CHENG Haodong2*，LI Yijing2，LI Huokun2（1.Jiangxi Academy of Water Science and Engineering,Nanchang Jiangxi,330029,China；2.School of Infrastructure Engineering,Nanchang University,Nanchang Jiangxi,330036,China）Abstract：Combining UAV image data with deep learning technology can realize remote non-contact detection of crackson the surface of hydraulic buildings,providing a guarantee for maintaining the normal operation of the structure.Thispaper introduces the popular deep learning methods in recent years,and compares the applications and characteristicsof three types of algorithms based on convolutional neural networks for classification,detection and segmentation incrack detection.Combined with an embankment crack detection example,the process and challenges of using UAVimages for crack detection are explained.Finally,the difficulties and outlook for crack detection research in hydraulicstructures are given in the paper.Key words：UAV image;Hydraulic structures;Structural crack detection;Deep learning翻译：胡强246