利用0.5_m分辨率卫星数据提取深圳市内浅水水体_刘敏.pdf

测绘通报2023 年第 6 期引文格式:刘敏，黄金辉，彭振华，等 利用 0.5 m 分辨率卫星数据提取深圳市内浅水水体J 测绘通报，2023(6):146-149 DOI:10 13474/jcnki 11-2246 2023 0184利用 0.5 m 分辨率卫星数据提取深圳市内浅水水体刘敏，黄金辉，彭振华，吴震宇(广东省国土资源技术中心，广东 广州 510030)摘要:以国产高景卫星影像为数据源，选取了深圳市内海岸浅水区、水库浅水区作为研究对象，针对浅水区域因底质的影响使近岸水体与沿岸土沙光谱反射率较为接近，导致水体边界提取难度大、精度差的难题，利用改进的变异系数法筛选水体指数，再结合DEM 数据修正水体边界线并去噪，较精确地获取了浅水区水体边界。结果表明，本文方法对 0.5 m 分辨率卫星影像上的海岸浅水区、水库浅水区判别的总体精度分别为 98.57%、91.10%，浅水区域水体提取的精度和稳定性得到了明显提高。关键词:高分辨率卫星影像;DEM 数据;浅水区;水体指数中图分类号:P237;P208文献标识码:A文章编号:0494-0911(2023)06-0146-04Extraction of shallow water bodies in Shenzhen using 0.5 mresolution satellite dataLIU Min，HUANG Jinhui，PENG Zhenhua，WU Zhenyu(Guangdong Land and Resources Technology Center，Guangzhou 510030，China)Abstract:Taking the domestic SuperView satellite images as the data source，the coastal shallow water area，reservoir shallow waterarea in Shenzhen are selected as the research objects，due to the influence of the substrate in the shallow water area，the reflectance ofcoastal water and coastal soil is close，which causes the difficulty and poor accuracy of water boundary extraction Using the improvedcoefficient of variation method to screen the water index，combined with DEM data to modify the water boundary line and denoise，theshallow water boundary is obtained more accurately The results show that the overall accuracy of discrimination of coastal，reservoirshallow water in the 0.5 m resolution satellite images is 98.75%and 91.10%respectively，the accuracy and stability of shallow waterextraction are significantly improvedKey words:high-resolution satellite images;DEM data;shallow water;water body index水是自然界的重要组成物质，水资源是人类在生产和生活中广泛利用的资源。准确、快速地提取水体的空间分布信息，对全面了解水体变化规律和演化趋势具有重要意1。随着遥感技术的飞速发展，许多学者采用光学遥感影像数据对水体进行提取2-4。目前水体提取方法主要采用水体指数和面向对象的方法，水体提取对象主要是海洋、大江大河、湖泊、水库等大面积的深水区域5-9。文献 10研究发现 NDWI 法能有效提取浅水区水体，但仍在一定程度上受湖底沉积物的影响，蓝光波段和红边2 波段差值法与 NDWI 法相比，能有效区分浅水区水体和背景地物。我国陆地上与人们生活息息相关的浅水区域如小河流、水塘、小水库等分布广、数量大，因此实现利用 0.5 m 分辨率遥感影像提取浅水区水体将在实际应用中发挥更大作用。浅水区水体的遥感信息包括水体、水体底质反射的太阳辐射能量和自身辐射能量，因水体遥感信息复杂多变，出现了浅水区水体提取难度大、水体边界精度差等问题。针对以上难点，本文以深圳市内海岸浅水区、水库浅水区为例，利用 0.5 m 分辨率国产高景卫星影像，结合 LiDAR 点云生成的 5 m 分辨率 DEM 数据，提取浅水区水体范围线，以期为浅水区水体信息的提取研究、实测资料缺乏区的山水林田湖草沙监测及其生态保护修复等难题提供一定的技术支持。1研究区与数据1.1研究区域本文研究区为深圳市内的水库、海岸，该区域年平均降水量约为 1933 mm，年平均气温约为641收稿日期:2022-08-10作者简介:刘敏(1987)，男，硕士，工程师，主要研究方向为摄影测量与遥感。E-mail:491940599 qq com2023 年第 6 期刘敏，等:利用 0.5 m 分辨率卫星数据提取深圳市内浅水水体23.3，其特点为河网密布，支流、湖泊、水库多，地形较复杂，平原、丘陵、山地和岛屿都有分布，浅水区域类型多样，水域边界线经常变化。1.2数据获取与预处理1.2.1数据获取采用 2 景高景 1A 级影像，分辨率为 0.5 m，具有全色波段及蓝色、绿色、红色和近红外 4 个标准多光谱波段，无云雾覆盖。采用的 DEM 数据是基于广东省全省 LiDAR 点云数据生产的 5 m 分辨率高程数据，高程精度为厘米级。利用 ArcGIS 以目视判读的方式提取了真实水体边界线。1.2.2数据预处理对原始影像数据进行了辐射定标、大气校正、几何校正。在 Easy-sat 软件平台上完成了正射校正、融合和裁剪等预处理后，影像平面精度在 2 3像素内。根据研究区域范围，对广东省全省的 DEM数据进行了裁切，并采用假彩色的方式显示。2研究方法浅水区周边地物主要以土沙、石头和植被为主，也有建筑物和交通设施。使用 DEM 数据可将建筑物和交通设施剔除，因此不必研究建筑物和交通设施光谱性质。可见光和近红外波段的遥感信息主要反映目标物反射太阳辐射的能量，反射的太阳辐射能量和目标物辐射能量之比约为 1000 1，目标物自身的辐射和大气对太阳辐射的散射可以忽略11。因此，浅水区水体的遥感信息主要包括水体表面和水体底质反射的太阳辐射能。浅水区沿岸沙土含水率高导致反射的太阳辐射能大幅降低，而浅水区域水体受水体底质的影响，反射的太阳辐射能大幅增加，浅水区水体与沿岸沙土反射的太阳辐射能较接近，在遥感影像上两者容易混淆，现有的水体指数容易将浅水区水体判别为沙土。2.1构建水体指数通过对浅水区水体、深水区水体和浅水沿岸土沙 1000 多个典型样本的统计分析，得出平均 DN 值如图 1 所示。浅水水体 DN 值与深水水体相比，主要存在三处差异:蓝、绿、红、近红外 4 个波段DN 值均比深水水体高，发生一定程度的变异;蓝、绿波段 DN 值与浅水沿岸沙土非常接近，说明已丢失大量的水体光谱信息;近红外波段 DN 值比深水水体升高很多，丢失部分光谱信息，但与沿岸土沙相比其差值仍最大。使用水体指数 NDWI 提取浅水水体比深水水体效果差。图 1易混淆浅水水体、浅水沿岸土沙光谱曲线对比若进一步拉伸浅水水体与沿岸土沙的相对差异，可进一步增强两者的可判读性。在蓝、绿、红、近红外 4 个波段上，浅水水体 DN 值与沿岸土沙差值从大到小依次为 NIR、Red、Green、Blue，其中Blue、Red、Green、NIR 分别代表蓝、红、绿、近红外波段的 DN 值。借鉴文献12构建 SVI 的方法对NDWI 进行了拉伸，浅水水体的 NDWI 在 01，沿岸土沙 NDWI 在10。浅水水体在近红外 DN 值小于沿岸土沙，因此，将 NDWI 除以 N，放大两者NDWI 值差异;NDWI 除以 N 后的数值数量级太小，因此再乘 1000，最终构建的水体指数为 1000 NDWI/N。比值型指数创建的基本原理是在多光谱波段内，寻找地类的最强反射波段和最弱反射波段，将强者置于分子，弱者置于分母，通过比值运算进一步扩大两者的差距13，结合浅水水体光谱曲线特征构建了 NIR/Red、NIR/Green 两种水体指数，以拉大浅水水体和沿岸沙土的差异。2.2改进的变异系数法筛选水体指数为确定区分浅水水体和沿岸土沙及其他干扰地物的水体指数，使用了 NDVI、NDWI 和构建的NIR/Red、NIR/Green、1000NDWI/N 等多种指数进行研究。采用文献 14使用的变化率 和改进的变异系数 MCV 对样本在不同指数下进行筛选，结果如图 2 所示。变化率 和改进变异系数 MCV 的表达式分别为=浅水水体均值浅水沿岸土沙均值浅水沿岸土沙均值(1)MCV=(浅水水体浅水沿岸土沙均值)2N浅水沿岸土沙均值(2)其中，式(2)表示相应的水体指数对浅水沿岸土沙均值的偏离程度，数值绝对值越大，偏离程度越高，该指数的区分效果越好;N 为参与计算的对象数量。741测绘通报2023 年第 6 期图 2各类水体指数区分效果结果表明，NDVI、NDWI、1000NDWI/N 表现较突出。另外，利用 NDVI 提取叶绿素浓度高的水体时，发现其极易将水体与植被混淆，故只将这一指数用于辅助判断。以 NDWI、1000NDWI/N 分别提取了同一浅水区域的水体，提取结果及各自的直方图如图 3 所示。从图 3(c)(d)可以发现，两种水体指数都表现出明显的双峰结构，1000NDWI/N 提取水体的直方图中，水和背景地物之间典型值的差别更明显，更适合提取浅水区水体。图 3水体指数提取效果2.3水体提取方法将预处理完成后的影像导入 ArcGIS 中，采用水体指数进行运算，得到的水体边界有部分浅水水体被判断为土沙。该水体边界比实际水体边界范围要小，需要引入 DEM 数据对水体边界线进行修正。如图 4 所示，将运算得到的水体边界线(图 4 细白线)以图层的形式叠在 DEM 数据上，获取水体边界最大高程值Hmax。由于水面静止，各处高程值相同，因此将水体边界最大高程值 Hmax作为水面高程。在 DEM 影像上，将水体附近这一高程值的范围线(图4 粗白线)提取出来，作为真实的水体边界线，以修正提取的水体边界线。最后将水体边界线高程值大于或小于水体边界最大高程Hmax的水体作为噪声并去除，再结合 NDVI 去噪声，完成对浅水水体及其边界的提取，方法流程如图5所示。图 4DEM 修正水体边界线图 5浅水水体提取流程3试验与分析选取深圳市内海岸、水库两种主要水体，采用阈值法提取水体信息。海岸浅水区域位于大梅沙西边海岸，水库浅水区域位于公明水库东南方库尾(如图 6 所示)。对比 NDWI 和本文水体提取方法。其中，NDWI 方法提取水体后，利用 DEM 将背景和水上船只、漂浮物等噪声去除后，试验区域背景地物包括植被、建筑物和道路、土沙、石头、高压线等。图 6试验区海岸浅水水体试验影像为 2021 年 11 月 16 日0.5 m 分辨率的高景影像。图 7 为用 NDWI 和本文方法对试验区分别提取的水体范围线对比情况，水体中白点为海岸礁石。可以看出，本文方法提取的范围线明显比 NDWI 提取的更贴合岸线，该区域大部分水体水深都超过 2 m，两种方法生成的水体范围总体差别不大。陆地上部分背景物被识别成水体，水上船只被识别成背景物，使用 DEM 过滤噪声。8412023 年第