高光谱传感器CASI与SASI支持下的水体精准提取*

张东辉，赵英俊，陆冬华，裴承凯，秦　凯

(核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京 100029)

高光谱传感器CASI与SASI支持下的水体精准提取*

张东辉，赵英俊，陆冬华，裴承凯，秦凯

(核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京 100029)

摘要:针对水环境监测的实际需求，研究选用具有cm级空间分辨率和nm级光谱分辨率的机载航空高光谱成像仪CASI和SASI数据，在380～2 450 nm光谱范围内，提出了一种水体精准提取综合模型，建立了一种适用于CASI和SASI数据的水体提取方法体系。有效地解决同谱异物、阴影遮挡和地形起伏等问题，经与七种常规提取方法对比验证，提取精度达到98.41 %，κ系数达到0.97，在目视效果和制图精度上，都显著高于传统方法，实现了精准提取水体的目标。

关键词：高光谱遥感；水体提取；光谱斜率；微分光谱

0引言

水体是维系生态系统稳定和健康性的决定性因子，如何科学准确地建立水资源环境的监测体系，从而掌握水体变化情况，为制定保护策略提供依据，已经成为遥感技术在环境保护领域应用的关键问题之一。国内外学者采用多光谱TM,MSS,AVHRR,MODIS,SPOT,CBERS,HJ和高光谱AVIRIS,CASI,PHI,OMIS,HYPERION,PROBA和HIS星载或者机载传感器，提出了多种针对各自数据特点的提取技术，取得了很好的应用效果。于欢[1]从面积准确性和视觉效果对多种提取方法进行了对比；王向成[2]采用双吸收深度模型解决了山体阴影的干扰；都金康[3]，邓劲松[4]用决策树分类法实现了水体提取；徐涵秋[5]对增强型水体指数(EWI)进行了分析和讨论；张倩[6]采用归一化植被指数法、谱间关系法和自组织神经网络算法进行了水体提取试验研究；吴赛[7]确定了MODIS遥感数据中对水体敏感的若干通道；闫霈[8]利用EWI和GIS去噪音技术提取半干旱地区水系信息；路威[9]研究了基于灰度特征的水体信息半自动提取；王贵彪[10]讨论了水体光谱分析法在解译中的应用；孟伟灿[11]将主动轮廓模型理论成功应用于水域边界的智能提取并分析其优缺点；丁凤[12]提出了一种新型的水体指数NWI用于水体指数模型的构建；杨树文[13]提出一种利用TM影像自动提取山区细小水体的多波段谱间关系改进方法；张明华[14]用改进的谱间关系模型提取极高山地区水体信息。

本文根据CASI和SASI机载高光谱传感器数据特点，建立了一种适用于CASI和SASI数据的水体提取方法体系，实现了水体快速准确提取的研究目标，具有很好的推广价值。

1水体光谱特性与提取方法

1.1水体光谱特性

光在水体中的辐射传输过程，包括反射、折射、吸收和体散射等。纯水由水分子不同振动模态激发，导致其在绿光和蓝光范围(380～580 nm)，反射率较大。在580～690 nm内，反射率逐步下降，其中，在610 nm和670 nm形成两个小反射谷。从690 nm开始，水体吸收作用迅速增大，在740 nm处形成反射率的极低值。上述光谱特性是水体能够通过光谱提取的基础,如图1所示。

图1　四种典型地物在380～2 450 nm波长范围的反射率(CASI和SASI光谱仪获取)Fig 1　Reflectance of four typical objects at range of 380～2 450 nm wavelength(collected by CASI and SASI spectrometer)

1.2水体遥感提取方法

水体遥感提取方法有：1)光谱分类法，依据影像上地物光谱特征差异，将水体从背景地物中分类出来；2)单波段阈值法，选择使水体与非水体的反射率方差最大值作为阈值将影像分割为水体和背景信息；3)谱间关系法，利用水体在各个波段中不同的光谱响应特征建立组合模型提取水体；4)水体指数法，通过计算绿光和近红外波段的归一化差异值实现水体的提取；5)植被指数法，计算植被指数，滤除植被的干扰，通过阈值调节将水体提取出来;6)斜率法，根据某段波长范围内土壤、植被和建筑物的反射率逐渐升高，而水体反射率逐渐下降的特征差异，计算光谱微分值实现提取;7)目视解译法，根据真彩色合成影像，人机交互勾绘出水体信息。

2高光谱数据预处理

2.1研究区与数据获取情况

所选研究区为嘉陵江支流白龙江某水库，面积62 km2，库容2.55×109m3，有效库容13.4×108m3，正常水位 588 m。搭载CASI和SASI传感器的平台为“空中国王”(King Air)双发涡桨飞机，飞行时间为2010年11月2日，数据获取时间为上午10点至下午14点。CASI和SASI是加拿大ITRES公司生产的基于电荷耦合技术的机载高光谱成像系统，具有高光谱和高空间分辨率,参数设置见表1。地面测量采用美国分析光谱仪器公司制造的ASD野外光谱辐射仪(ASD Field Spec)便携式光谱仪，光谱范围为350～2 500 nm，采集光谱分辨率为1 nm。

2.2地面实测光谱数据处理

采用水表面以上测量法[15]，测量时，每一测点不少于10条，且测量时间至少跨越一个波浪周期，修正测量平台摇摆导致的误差。每完成一次测量，进行一次波长参考板的校准测试。测量步骤如下：仪器提前预热，暗电流测量，标准板测量，遮挡直射阳光的标准板测量，目标测量，天空光测量，标准板测量。对于采集的地面实测数据，进一步处理，突出光谱的吸收和反射特征。进行归一化处理、光谱微分处理、包络线消除处理等光谱处理。每间隔10 nm取一个值，作为高光谱模型参考数据。

表1　CASI和SASI航空成像光谱测量系统参数设置

2.3航空成像光谱数据预处理

使用MODTRAN4+辐射传输模型的FLAASH算法，像元光谱辐射亮度公式为

(1)

式中L为总辐射亮度；ρ为表面反射率；ρe为周围平均表面反射率；S为大气球面反照率；Lα为大气后向散射辐射率；A,B为大气和几何条件的系数。参数A,B,S和Lα由MODTRAN计算得到，需要元数据包括观测视场角、太阳角度、平均海拔高度、大气模型、气溶胶类型和能见度范围。

3水体精准提取综合方法

3.1技术路线

针对水体和非水体的光谱特性，设计水体精准提取的技术路线,如图2所示。

图2　CASI和SASI数据支持下的水体提取技术路线Fig 2　Water extraction technologies under data support of CASI and SASI

3.2波段差值M去除道路与建筑物

CASI有32个波段，SASI有101个波段，在CASI和SASI高光谱影像中，大部分水体具有规律

M=(R551+R637)-(R852+R1043)>0

(2)

式中M为波段差值；R551,R637,R852,R1043分别为551,637,852,1 043 nm波长处的影像反射率值。二者相减，M值大于0的像元即就可以判定为水体。机理在于水体在绿光和红光反射率之和显著高于其近红外和短波红外的反射率之和。通过运算，去除了道路和建筑物信息，但是受水体叶绿素和山体阴影的干扰，植被和阴影处的水体提取精度不够。

3.3水体指数NDWI去除植被

选择归一化差异水体指数(normalized difference water Index,NDWI)进行特征波段运算

NDWI=(R551-R916)/(R551+R916)<0.2

(3)

式中NDWI为水体指数；R551和R916为551 nm和916 nm波长处的影像反射率值。NDWI值小于0.2，则为水体;反之，则为干扰植被。方法的机理是，虽然水中叶绿素与植被在551 nm处相似，但在近红外916 nm处植被光谱显著高于水体。

3.4基于光谱斜率S去除阴影

采用包络线算法对图像进行处理，得到突出水体光谱维特征信息的图像；用斜率S提取水体的特征波段，进行水体的识别为

S=(R766-R551)/(766-551)>0

(4)

式中R766和R551分别为波长766 nm和551 nm波长处的地物反射率值。经过微分计算，若S的值大于0，则为水体，小于等于0，则为非水体；方法的机理是，在波长551～766 nm之间，阴影区的建筑物、道路、植被的反射率逐渐升高，水体呈现下降趋势(图3)。

图3　CASI和SASI数据支持下的水体提取结果(局部影像)Fig 3　Water extraction result under data support of CASI and SASI(part of image)

4提取精度评价

定性评价：通过对比七种水体遥感提取方法与本文提出的综合方法，按“++,+,-,--”四个级别，分别表示精度“很好、较好、较差、很差”，从七个方面进行定性对比分析(表2)。定量评价：通过对比，本文方法具有精度上的显著提高，达到98.41 %水体的精准提取，kappa系数达到0.97，如图4所示。

5结论

1)机载航空高光谱数据CASI和SASI具有高空间分辨率、高光谱分辨率和高时间分辨率特点，所获取的cm级空间单元、nm级光谱单元的图谱合一高光谱数据，为实现地物的精准提取提供了崭新的数据源和技术支持；2)CASI和SASI覆盖了380 nm和2 450 nm的波长，由于前人研究缺乏如此良好的数据源，现有提取模型和方法不一定适用，需要充分考虑要提取信息和数据源特性的结合；3)采用逐步逼近，去除干扰的思路，建立了一种CASI和SASI高光谱水体提取技术流程，提取精度达到98.41 %。不仅能够解决阴影遮挡、同谱异物和地形起伏等问题，而且对于微小水体和富营养化水体，都有很高的提取正确率。

表2　六类方法定性对比分析

图4　七种方法与本文综合方法定量对比分析Fig 4　Guantitative comparison analysis on seven methods and comprehensive method in this paper

参考文献:

[1]于欢,张树清,李晓峰,等.基于TM影像的典型内陆淡水湿地水体提取研究[J].遥感技术与应用,2008,23(3):310-314.

[2]王向成,田庆久.基于Hyperion影像的辽东湾水体信息自动分类[J].遥感技术与应用,2008,23(1):342-46.

[3]都金康,黄永胜,冯学智,等.SPOT卫星影像的水体提取方法及分类研究[J].遥感学报,2001,5(3):214-219.

[4]邓劲松,王珂,李君,等.决策树方法从SPOT—5卫星影像中自动提取水体信息研究[J].浙江大学学报:农业与生命科学版,2005,31(2):171-174.

[5]徐涵秋.从增强型水体指数分析遥感水体指数的创建[J].地球信息科学,2008,10(6):776-780.

[6]张倩,李国庆,于文洋.基于MODIS数据的水体提取算法研究与实现[J].南水北调与水利科技,2009,7(3):51-55.

[7]吴赛,张秋文.基于MODIS遥感数据的水体提取方法及模型研究[J].计算机与数字工程,2005,33(7):1-4.

[8]闫霈,张友静,张元.利用增强型水体指数(EWI)和GIS去噪音技术提取半干旱地区水系信息的研究[J].遥感信息,2007,2(3):62-66.

[9]路威.全色遥感影像面状地物半自动提取方法的研究[D].郑州：中国人民解放军信息工程大学,2002：20-32.

[10] 王贵彪,蔡丽娜.水体光谱分析法在解译中的应用[J].测绘与空间地理信息,2011,34(6):176-180.

[11] 孟伟灿.遥感影像水域边界智能化提取方法研究[D].郑州：中国人民解放军信息工程大学,2012：45-47.

[12] 丁凤.一种基于遥感数据快速提取水体信息的新方法[J].遥感技术与应用,2009,24(2):167-171.

[13] 杨树文,薛重生,刘涛,等.一种利用TM影像自动提取细小水体的方法[J].测绘学报,2010,39(6):611-617.

[14] 张明华.用改进的谱间关系模型提取极高山地区水体信息[J].地理与地理信息科学,2008,24(2):14-19.

[15] 唐军武,田国良,汪小勇,等.水体光谱测量与分析I：水面以上测量法[J].遥感学报,2004,8(1):37-44.

Accurate water extraction technology under support of CASI and SASI hyperspectral sensors*

ZHANG Dong-hui,ZHAO Ying-jun,LU Dong-hua,PEI Cheng-kai,QIN Kai

(National Key Laboratory of Remote Sensing Information and Imagery Analyzing Technology, Beijing Research Institute of Uranium Geology,Beijing 100029,China)

Abstract:Airborne hyperspectral imaging spectrometer CASI and SASI data with centimeter spatial resolution and nanometer spectral resolution are researched in view of actual need of water environment monitoring.A kind of accurate water extraction technology model is proposed at range of 380～2 450 nm and a water extraction method system is set up that are suitable for CASI and SASI data.The method can effectively solve the problems such as different targets with same spectral;shade influence and topographic issues.The extraction precision reaches 98.41 % and κ coefficient is 0.97,which are significantly higher than that of traditional methods after being compared with other seven general extracting methods both on visual effects and mapping precision,realize accurate extraction of target.

Key words:hyperspectral remote sensing;water extraction;spectral slope;differential spectral

DOI:10.13873/J.1000—9787(2016)05—0025—03

收稿日期：2015—10—09

*基金项目：中国地质调查工作项目(12120113073000)；核工业北京地质研究院院长青年科技创新基金资助项目(2012RS01)

中图分类号：TP 391.4

文献标识码：A

文章编号：1000—9787(2016)05—0025—03

作者简介:

张东辉(1985-)，男，山西运城人，博士研究生，主要研究方向为高光谱遥感技术与应用研究。

赵英俊，通讯作者，E—mail:1366136793@139.com。