基于GF-1卫星影像的改进SWI水体提取方法

王瑾杰， 丁建丽， 张成， 陈文倩

(1.新疆大学资源与环境科学学院绿洲生态教育部重点实验室,乌鲁木齐 830046；2.新疆交通职业技术学院,乌鲁木齐 831401)

基于GF-1卫星影像的改进SWI水体提取方法

王瑾杰1,2， 丁建丽1， 张成2， 陈文倩1

(1.新疆大学资源与环境科学学院绿洲生态教育部重点实验室,乌鲁木齐 830046；2.新疆交通职业技术学院,乌鲁木齐 831401)

大尺度高精度山区河流信息提取是我国干旱区水资源开发利用的关键技术，而利用遥感影像提取水资源信息存在水体与山区阴影难以区分的瓶颈。以GF-1号卫星2 m分辨率全色波段影像和8 m分辨率多光谱影像为数据源，选取新疆特克斯河流域巴喀勒克水库为研究区，提出改进的阴影水体指数法(modified shade water index,MSWI)进行水体信息提取； 同时运用单波段阈值法、NDWI法、单波段法与阴影水体指数法(shade water indes,SWI)相结合的决策树分类法(简称SWI)以及单波段法与MSWI相结合的决策树分类法(简称MSWI)分别对研究区水体信息进行提取，并进行了对比分析。研究结果表明，前2种方法与SWI 和MSWI 法相比，效果稍差； 而SWI 和MSWI 法分类效果较好，其中MSWI比SWI法分类总精度高0.94%，提高了高分辨率遥感影像的解译精度，可为国产高分系列卫星影像在干旱区水资源信息提取中的应用提供技术支持。

GF-1； 水体信息提取； 改进的阴影水体指数(MSWI)； 决策树分类法

0 引言

随着高空间分辨率(以下简称“高分”)卫星传感器的发展，GeoEye等卫星影像的空间分辨率已提高至1 m以内[1]。利用高分遥感影像快速提取水体信息已成为水资源动态监测的重要手段[2]。尤其在河流以积雪融水为主要补给的干旱地区，水资源信息的高精度提取对旱涝等自然灾害防治和农业可持续发展都具有重要意义。

在遥感影像水体信息解译方面，根据解译技术路线的不同，可分为基于影像分类和基于指数计算的2种水体信息提取方法[3]。其中，影像分类法是通过不同地物在不同波段的反射率波谱特征的不同来辨别地物的，但此方法需要人为划分阈值，主观性强，普适性不高。指数方法的原理与影像分类法相似，同样是一种波谱分析方法，只是通过数学方法将水体与其他地物波谱的差异拉大，可更直观地提取出水体[4-6]。近几年来，国内研究主要集中于中、高分辨率多光谱影像分类，且以对水体指数法、谱间关系法和决策树法的研究居多，方法应用也较为成熟。都金康等[7]利用SPOT高分卫星影像，提出决策树分类法对水体信息进行提取； 骆剑承等[8]基于TM影像，在归一化差值水体指数(normalized difference water index，NDWI)的基础上提出分布迭代方法，获得了高精度水体提取结果； 王秋燕等[9]利用环境一号(ZY-1)卫星，采用多种水体提取方法对比，分析了影响水体提取精度的因子； 胡卫国等[10]以ZY-1 02C影像为数据源，利用NDWI和决策树分类法提取水体信息，结果表明决策树分类法可有效消除水体提取中的干扰因素； 马延辉等[11]提出城镇水体指数法(city water index,CIWI)，结果表明该模型能有效解决水体与植被、城镇用地等信息之间的分离问题，且精度较高； 徐涵秋[12]在Mcfeeters[13]提出的NDWI的基础上提出了改进的NDWI(modified NDWI，MNDWI)； 李艳华等[14]则利用GF-1数据，通过面向对象分类和数学膨胀算法实现了细小河流的信息提取。以上研究主要集中在利用SPOT/TM/ZY-1 02C卫星数据对水体信息提取的应用研究，而基于我国高分遥感影像提取水资源信息的研究鲜见报道。

国产高分一号(GF-1)光学成像卫星于2013年4月26日成功发射，是我国“高分辨率对地观测”系统重大专项的首发星，搭载有2台2 m全色与8 m多光谱高分相机和4台16 m分辨率多光谱宽覆盖相机。GF-1卫星突破了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术，其数据将广泛应用于我国的国土资源、农业、环境保护等诸多领域，大大提高我国高分遥感数据的自给率，将为我国各项事业发展带来不可估量的影响[15]。但目前利用GF-1数据提取水体信息的研究尚不多见。其中，陈文倩等[16]基于GF-1影像数据提出一种阴影水体指数(shadow water index，SWI)方法，可在提取水体过程中有效区分山体阴影和水体。本文在此基础之上，以新疆特克斯河流域巴喀勒克水库为研究区，尝试提出改进的阴影水体指数(modified SWI，MSWI)方法，并对研究区水体提取精度进行了检验。

1 研究区概况与数据源

1.1 研究区概况

特克斯河位于新疆伊犁哈萨克自治州境内，发源于天山汗腾格里峰，自西向东流经昭苏盆地和特克斯谷地，天山融雪为其提供水源。山区及河流周边海拔在920～6 995 m之间，山地阴影较多，形成特征明显的河谷地貌[16]。本文选择巴喀勒克水库及其邻近地区为研究区(图1)。

图1 研究区影像 (GF-1 B4(R)B3(G)B2(B)假彩色合成影像)

巴喀勒克水库位于特克斯河入河口上游17 km处，距离特克斯县城16.5 km，于2013年建成，属于自治区重点民生重点工程。水库投入使用后，将服务于齐勒乌泽克乡、呼吉尔特蒙古民族乡和特克斯镇，可满足巴喀勒克灌区0.8万亩❶1亩=0.066 7 hm2。农业耕地用水、新增3.25万亩人工饲草料地的灌溉用水和325户牧民定居生活用水等[17]。因此，为解决巴喀勒克沟春、夏季洪灾对附近生态环境的威胁，精确提取水库水体信息至关重要。

1.2 数据源及预处理

本文采用GF-1的空间分辨率8 m的多光谱影像和2 m的全色波段影像为数据源(数据获取时间为2013年12月11日，轨道号/行号为165/60，太阳方位角169.371°，太阳高度角23.025°)； 包括蓝(B1，0.45～0.52 μm)、绿(B2，0.52～0.59 μm)、红(B3，0.63～0.69 μm)和近红外(B4，0.77～0.89 μm)及全色(0.45～0.90 μm)5个波段。由8 m分辨率多光谱和2 m分辨率全色影像数据融合而成的影像，作为本文实验用基础影像。

运用ENVI软件平台完成GF-1数据预处理，包括根据中国资源卫星中心提供的RPC函数进行的正射纠正、影像裁剪、影像融合、辐射定标和Flash大气校正等。根据预处理后的影像，裁剪出相应范围的ASTER DEM(分辨率为30 m)数据，用于后期对比分析。

2 水体提取模型

2.1 水体和阴影光谱特性分析

各种地物因结构组成与理化性质不同，其光谱特征也各不相同。水体在可见光范围内的反射率通常为4%～5%，其反射率有随波长增加而降低的特性[18]，在蓝、绿波段反射率最高，而在近红外波段极低(即使水很浅，也近乎全部被吸收)。因此，在遥感影像中水体呈深色调； 而水体在不同谱段中的不同特性，则成为区分水体与其他地物的主要依据。但在影像分类过程中，山区阴影表现出的波谱特性与水体十分相似，会造成水体和阴影混淆，难以区分，现有很多方法都无法将阴影和水体彻底分离。本文的研究区地处天山山区巴喀勒克沟，水库四周被山体环绕，阴影比较明显； 区内地类单一，具有代表性且容易找出区分水体和阴影的规律。因此，本文利用ENVI软件对水体和阴影等下垫面地物的光谱特征逐一进行了分析，分析结果见表1和图2。

表1 水体及相关地物类型反射率均值

图2 水体及相关地类的典型光谱曲线

从图2可以看出，红波段(B3)中水体和阴影呈相交趋势，无显著差异。水体在蓝(B1)、绿(B2)波段反射率下降较慢，几乎无交集； 而阴影在蓝、绿波段反射率降低速度较快，这一特点是本文区分阴影和水体的关键，也是提出MSWI模型算法设计的基础。

2.2 水体提取算法

以下介绍4种常用的水体提取算法模型和本文提出的MSWI模型，并分别将其应用于GF-1影像水体信息提取中。

2.2.1 单波段阈值法

单波段法[19]是基于TM/ETM影像提出的一种水体提取算法，主要利用水体在近红外波段的强吸收性以及干土壤和植被在近红外波段的强反射性特点提取水体信息。本文采用GF-1影像的近红外波段进行单波段水体信息提取(图3(a))。

(a) 单波段阈值法 (b) NDWI法(c) SWI法 (d) MSWI法

图3 4种方法的水体提取结果

Fig.3 Results of water information extraction by using 4 kinds of gray histogram methods

2.2.2 归一化差值水体指数法(NDWI)

McFeeters[13]基于TM影像，利用近红外波段与绿波段水体信息的差异，提出了NDWI算法，即

(1)

式中：TM2 和TM4分别为TM影像第2波段(绿波段)和第4波段(近红外波段)的像元灰度值。类似地，本文采用GF-1号卫星影像的绿波段(B2)和近红外波段(B4)进行NDWI算法水体信息提取(图3(b))。

2.2.3 阴影水体指数模型(SWI)

在现有多波段谱间关系法基础上，根据水体在GF-1影像4个波段中的光谱特性，构建SWI[20]，其定义为

SWI=B1+B2-B4，

(2)

式中：B1,B2和B4分别为GF-1影像第1,2和4波段的灰度值。SWI≥C时，分类为水体；SWI

图4 SWI法提取水体流程

2.2.4 改进的阴影水体指数模型(MSWI)

根据GF-1影像的4个波段对水体反射率表现出的不同特性， SWI模型算法的实验结果可有效地将水体与阴影分离。本文提出的MSWI模型算法是在SWI模型算法的基础上，将水体与阴影的分离程度拉大，用反射率最高的蓝波段(B1)减去反射率最低的近红外波段(B4)，再除以近红外波段(B4)，使水体与阴影两者区分更为明显，实验结果优于SWI。将MSWI定义[21-23]为

(七)立鸟纹。良渚晚期的琮和璧上刻有一种立在台上的鸟纹。这种鸟纹基本上写实，它立的台，可以理解成祭坛。祭坛上有立着的似人似鸟的刻纹，当是打扮成鸟形的巫师。这里的鸟应理解成神鸟。立在那样的高坛上，头向上，我认为是在接受上天的讯息。巫师通过祭拜这样的神鸟图像，就能通过神鸟获得天神的旨意了。

MSWI=(B1-B4)/B4，

(3)

MSWI≥C时，分类为水体；MSWI

图5 MSWI提取水体流程

诸多研究结果表明，以单波段阈值法和SWI作为决策树[21-23]的逻辑运算对水体信息的提取精度最高。因此，本文以单波段阈值法和MSWI作为决策树进行逻辑运算，结果表明对水体信息的提取效果优于前者。具体过程为：

1)通过GF-1影像近红外波段的阈值区分出暗色和亮色地物，提取出水体信息和山区阴影；

2)在确保不漏提水体信息的基础上，分别确定水体和阴影的阈值范围，并在影像中分别采集90个水体和阴影的光谱信息，结合影像的亮度直方图进行综合分析，将水体与阴影分离；

3)利用构建的MSWI法，进行反复的亮度直方图实验，结果表明将阈值设定为980时水体信息提取的效果最佳。

通过直方图亮度值和图像二值化处理后的结果(图6)便于区分背景值与水体。

(a) 单波段阈值法(b) NDWI法 (c) SWI法(d) MSWI法

图6 4种方法提取水体二值图

Fig.6 Binary images of water body extraction by using four kinds of methods

3 结果分析与验证

图7是通过不同决策树方法提取水体信息的分类结果，白色图斑为水体，红色图斑为山区阴影。分类结果显示，SWI决策树分类法和MSWI决策树分类法等4种方法都可清晰地提取出水体的主要轮廓。综合分析图6 和图7分类结果，可得出以下结论： ①单波段阈值法提取水体信息时会将阴影和水体信息同时提取出来，提取结果显示，当近红外波段影像中的像元亮度值在630>NIR(ρ)<890时为水体，912>NIR(ρ) <1 020为山体阴影，而二者交叉部分始终无法分离； ②NDWI方法可选取波谱曲线的波峰间平缓谷底为经验阈值，能很好地提取水体信息，但存在水体信息漏提和误提现象，依然无法分离影像中的小面积山区阴影和水体； ③SWI与单波段结合的决策树法能将阴影与水体分离得比较彻底，研究区阈值设置为1 100时效果最好； ④MSWI与单波段结合的决策树方法不仅有效避免了其他地物的干扰，而且较SWI与单波段结合的决策树法能更加精准地区分阴影信息与水体信息。实验证明，在常用水体信息提取算法中，MSWI与单波段结合的决策树法能有效地提高水体信息提取精度，可为水资源信息监测提供新的高精度算法。

(a) 研究区 (b) SWI决策树 (c) MSWI决策树

图7 决策树方法水体信息提取结果

Fig.7 Results of water information extraction by using decision tree methods

3.2 水体提取结果验证

由于本文的研究区为大面积水库，水库的常年面积变化不大； 因此，本文采用GF-1的8 m分辨率多光谱影像和2 m分辨率全色波段影像为数据源，分别建立了分类样本和验证样本。首先，用8 m分辨率多光谱影像处理后得到MSWI决策树分类结果做为分类样本； 然后，将2 m分辨率的全色影像与8 m分辨率的多光谱影像进行GS融合，得到的融合影像与8 m分辨率的多光谱影像相比，大大提高了影像的分辨率。为了使遥感影像能够更好地与实地样本相结合，将野外实测的100个水体样本和100个非水体样本导入到GS融合后的影像中，并将其作为验证样本； 利用分类样本和验证样本，结合混淆矩阵方法，得出决策树方法的精度和Kappa系数。依此类推，对单波段法、NDWI法、SWI法和MSWI法的水体提取结果均采用上述方法进行精度检验，得到的相应验证结果的精度与Kappa系数见表2。

表2 不同水体提取方法的精度对比

从表2中的精度验证结果可以看出，SWI与单波段结合的决策树方法和MSWI与单波段结合的决策树方法的Kappa系数和总体精度均高于其他2种非决策树方法。SWI和MSWI决策树分类结果总体精度分别为92.62%和93.56%，较单波段阈值法精度分别提高了12.41%和13.35%，较NDWI法精度分别提高了3.84%和4.78%； MSWI决策树法的Kappa系数为0.83，分别高出单波段阈值法、NDWI法和SWI决策树法0.23,0.05和0.01。

综上所述，4种算法中，单波段阈值法会将全部阴影信息误判为水体信息，提取结果总体精度和Kappa系数最低，效果最差。NDWI法提取水体信息精度较单波段阈值法有明显提升，但仍存在水体与小面积山体阴影、积雪混淆现象，效果稍差。SWI与单波段阈值法结合的决策树分类法能较好的分离水体和山体阴影，分类总体精度达90%以上，其Kappa系数可达0.8以上，效果良好。而本文使用的MSWI与单波段阈值法相结合的决策树法较前一种方法在分类总体精度和Kappa系数方面都有进一步提高，在基于国产高分系列卫星影像进行干旱区山体阴影和水体信息提取时具有明显优势。

4 结论与建议

本文以新疆伊犁特克斯县巴喀勒克水库地区为研究区，以国产GF-1卫星的2 m和 8 m分辨率影像为数据源，分别采用单波段阈值法、归一化差异水体指数(NDWI)法、阴影水体指数(SWI)与单波段阈值法结合的决策树法和改进的SWI(MSWI)与单波段阈值法结合的决策树法进行山区水体信息提取，得出以下结论：

1)用单波段阈值法提取水体时，存在误将全部山体阴影混分为水体的现象，无法将山体阴影和水体二者分离。用NDWI法提取水体时，能对水体和阴影进行部分区分，但受小面积山体阴影的影响较大，常出现混分的现象。SWI法能有效分离水体和阴影，效果良好。而本文提出的MSWI法是结合单波段阈值法与MSWI法的决策树分类法进行的水体信息提取算法，实验结果表明总体精度在90%以上，Kappa系数在0.8以上，明显高于单波段阈值法和NDWI法； 较SWI法提取精度也有进一步提升，能有效地分离水体与山体阴影、积雪、山区裸地等波谱特征相似的地物。

2)MSWI法能够有效提取研究区水体信息，且能减少人机交互的工作流程，从而减少人为干预造成的误差，是一种仅按照遥感影像处理方法来获取水体信息的模型。该方法对水资源管理、水资源有效监测以及生态环境保护等有一定的实用意义。

3)利用逻辑运算的决策树分类法能有效消除山体阴影、积雪及山体裸地对水体信息提取的影响，能有效解决单纯以光谱指数提取水体遇到的混分问题。因此，运用决策树方类法结合相关信息提取算法，是提高地物信息提取精度的有效手段。

本文提出的MSWI法的水体信息提取精度虽有所提高，但根据研究区实际情况逐步完善水体提取模型、实现水体提取的自动化、进一步优化水体信息提取精度，仍是今后进一步研究的重点。

[1] 朱红雷,李颖,刘兆礼,等.基于半约束条件下不透水面的遥感提取方法[J].国土资源遥感,2014,26(2):48-53.doi:10.6046/gtzyyg.2014.02.09. Zhu H L,Li Y,Liu Z L,et al.Estimation of impervious surface based on semi-constrained spectral mixture analysis[J].Remote Sensing for Land and Resources,2014,26(2):48-53.doi:10.6046/gtzyyg.2014.02.09.

[2] 陈亚宁,杨青,罗毅,等.西北干旱区水资源问题研究思考[J].干旱区地理,2012,35(1):1-9. Chen Y N,Yang Q,Luo Y,et al.Ponder on the issues of water resources in the arid region of northwest China[J].Arid Land Geography,2012,35(1):1-9.

[3] 沈占锋,夏列钢,李均力,等.采用高斯归一化水体指数实现遥感影像河流的精确提取[J].中国图象图形学报,2013,18(4):421-428. Shen Z F,Xia L G,Li J L,et al.Automatic and high-precision extraction of rivers from remotely sensed images with Gaussian normalized water index[J].Journal of Image and Graphics,2013,18(4):421-428.

[4] 杨靛青,刘秉瀚.TM遥感图像中河流的自动提取[J].福州大学学报:自然科学版,2004,32(S1):99-102. Yang D Q,Liu B H.An automatic analysis method of rivers based on remote sensing image[J].Journal of Fuzhou University:Natural Science Edition,2004,32(S1):99-102.

[5] 钟春棋,郑彩红.基于TM影像的闽江口湿地信息提取及其动态变化研究[J].国土资源遥感,2008,20(1):38-42.doi:10.6046/gtzyyg.2008.01.08. Zhong C Q,Zheng C H.A study of wetland extraction and its dynamic changes in the estuary of the Minjiang river based on TM imaging[J].Remote Sensing for Land and Resources,2008,20(1):38-42.doi:10.6046/gtzyyg.2008.01.08.

[6] 邓劲松,王珂,邓艳华,等.SPOT-5卫星影像中水体信息自动提取的一种有效方法[J].上海交通大学学报:农业科学版,2005,23(2):198-201. Deng J S,Wang K,Deng Y H,et al.An effective way for automatically extracting water body information from SPOT-5 images[J].Journal of Shanghai Jiaotong University:Agricultural Science,2005,23(2):198-201.

[7] 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. Du J K,Huang Y S,Feng X Z,et al.Study on water bodies extraction and classification from SPOT image[J].Journal of Remote Sensing,2001,5(3):214-219.

[8] 骆剑承,盛永伟,沈占锋,等.分步迭代的多光谱遥感水体信息高精度自动提取[J].遥感学报,2009,13(4):604-615. Luo J C,Sheng Y W,Shen Z F,et al.Automatic and high-precise extraction for water information from multispectral images with the step-by-step iterative transformation mechanism[J].Journal of Remote Sensing,2009,13(4):604-615.

[9] 王秋燕,陈仁喜,徐佳,等.环境一号卫星影像中水体信息提取方法研究[J].科学技术与工程,2012,12(13):3051-3056. Wang Q Y,Chen R X,Xu J,et al.Research on methods for extracting water body information from HJ-1A/B data[J].Science Technology and Engineering,2012,12(13):3051-3056.

[10]胡卫国,孟令奎,张东映,等.资源一号02C星图像水体信息提取方法[J].国土资源遥感,2014,26(2):43-47.doi:10.6046/gtzyyg.2014.02.08. Hu W G,Meng L K,Zhang D Y,et al.Methods of water extraction from ZY-1 02C satellite imagery[J].Remote Sensing for Land and Resources,2014,26(2):43-47.doi:10.6046/gtzyyg.2014.02.08.

[11]马延辉,林辉,孙华,等.基于CIWI模型的水体信息提取研究[J].中国水土保持,2009(5):41-43. Ma Y H,Lin H,Sun H,et al.Research on water information extraction based on CIWI model[J].Soil and Water Conservation in China,2009(5):41-43.

[12]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595. Xu H Q.A study on information extraction of water body with the modified normalized difference water index(MNDWI)[J].Journal of Remote Sensing,2005,9(5):589-595.

[13]McFeeters S K.The use of the normalized difference water index(NDWI) in the delineation of open water features[J].International Journal of Remote Sensing,1996,17(7):1425-1432.

[14]李艳华,丁建丽,闫人华.基于国产GF-1遥感影像的山区细小水体提取方法研究[J].资源科学,2015,37(2):408-416. Li Y H,Ding J L,Yan R H.Extraction of small river information based on China-made GF-1 remote sense images[J].Resources Science,2015,37(2):408-416.

[15]白照广.高分一号卫星的技术特点[J].中国航天,2013(8):5-9. Bai Z G.Technical characteristics of GF-1 satellite[J].Aerospace China,2013(8):5-9.

[16]陈文倩,丁建丽,李艳华,等.基于国产GF-1遥感影像的水体提取方法[J].资源科学,2015,37(6):1166-1172. Chen W Q,Ding J L,Li Y H,et al.Extraction of water information based on China-made GF-1 remote sense image[J].Resources Science,2015,37(6):1166-1172.

[17]朱刚,高会军,曾光.近35a来新疆干旱区湖泊变化及原因分析[J].干旱区地理,2015,38(1):103-110. Zhu G,Gao H J,Zeng G.Lake change research and reasons analysis in Xinjiang arid regions during the past 35 years[J].Arid Land Geography,2015,38(1):103-110.

[18]钟春棋,曾从盛,柳铮铮.基于谱间特征与比值型指数的水体影像识别分析[J].地球信息科学,2008,10(5):663-669. Zhong C Q,Zeng C S,Liu Z Z.Study on terrestrial water information identified based on the analysis of spectral signature and ratio index[J].Geo-information Science,2008,10(5):663-669.

[19]王伟武,朱霞,孙跃池,等.基于ETM图像的山地水体提取方法研究[J].系统仿真学报,2013,25(9):2196-2200,2205. Wang W W,Zhu X,Sun Y C,et al.Water extraction method based on ETM image of mountain[J].Journal of System Simulation,2013,25(9):2196-2200,2205.

[20]许章华,刘健,余坤勇,等.阴影植被指数SVI的构建及其在四种遥感影像中的应用效果[J].光谱学与光谱分析,2013,33(12):3359-3365. Xu Z H,Liu J,Yu K Y,et al.Construction of vegetation shadow index(SVI) and application effects in four remote sensing images[J].Spectroscopy and Spectral Analysis,2013,33(12):3359-3365.

[21]郑晓燕,张艳红,刘万崧.扎龙湿地水体遥感提取过程中云阴影去除方法研究[J].湿地科学,2010,8(1):21-27. Zheng X Y,Zhang Y H,Liu W S.Method on cloud shadow removing from water bodies in the process of remote sensing extraction in Zhalong wetlands[J].Wetland Science,2010,8(1):21-27.

[22]李正云,刘艳伟,王海星.基于决策树方法的杨凌示范区水体提取分析[J].水资源与水工程学报,2013,24(6):133-135. Li Z Y,Liu Y W,Wang H X.Analysis of water body extraction in Yangling demonstration zone based on decision tree method[J].Journal of Water Resources and Water Engineering,2013,24(6):133-135.

[23]程晨,韦玉春,牛志春.基于ETM+图像和决策树的水体信息提取——以鄱阳湖周边区域为例[J].遥感信息,2012,27(6):49-56. Chen C,Wei Y C,Niu Z C.Water body extraction based on decision tree and ETM+imagery:A case study of Poyang Lake Region[J].Remote Sensing Information,2012,27(6):49-56.

(责任编辑： 刘心季)

Method of water information extraction by improved SWI based on GF-1 satellite image

WANG Jinjie1,2， DING Jianli1， ZHANG Cheng2， CHEN Wenqian1

(1.KeyLaboratoryofOasisEcology，CollegeofResourcesandEnvironmentScience，XinjiangUniversity，Urumqi830046，China；2.VocationalandTechnicalCollegeofXinjiang，Urumqi831401，China)

High-precision information extraction of mountainous rivers is a key technology for development and utilization of water resources in arid areas of China. Nevertheless, the utilization of remote sensing images cannot distinguish water form mountain shadows. In this paper, the authors used GF-1 satellite images with resolution of 2 m and 8 m as the data source, selected Baka Luck reservoirs as the study area, and put forward an improved method(modified shadow water index, MSWI)for water information extraction. At the same time, the authors used the single-band threshold method, the NDWI method, the single band method combined with the SWI decision tree classification(SWI)and the single band method combined with the MSWI decision tree classification (MSWI)respectively to extract water information in the study area. The results show that, compared with the SWI and the MSWI method, the first two methods have relatively poor performance. The SWI and MSWI classification effect is good and the total classification accuracy of MSWI is increased by 1.22% relative to the SWI method. It can provide technical support for the domestic high series satellite image information extraction in water resources in arid regions.

GF-1； extraction of water body information； modified shadow water index(MSWI)； decision tree classification

10.6046/gtzyyg.2017.01.05

王瑾杰,丁建丽,张成,等.基于GF-1卫星影像的改进SWI水体提取方法[J].国土资源遥感,2017,29(1)：29-35.(Wang J J,Ding J L,Zhang C,et al.Method of water information extraction by improved SWI based on GF-1 satellite image[J].Remote Sensing for Land and Resources,2017,29(1)：29-35.)

2015-10-08；

2015-10-29

国防科技工业局高分辨率对地观测重大专项(民用部分)项目“中亚地区跨境河流水资源利用开发遥感监测系统”(编号： 95-Y40B02-9001-13/15-03-01)、教育部新世纪优秀人才支持计划项目“区域水盐遥感监测与模拟方法研究”(编号： NCET-12-1075)和2014年新疆研究生科研创新项目“基于国产高分卫星影像的水资源开发利用遥感监测系统”(编号： XJGRI2014022)共同资助。

王瑾杰(1982-),女,博士研究生,主要研究方向为干旱区资源遥感。Email： skytian552@sohu.com。

丁建丽(1974-),男,教授,博士生导师,主要从事干旱区资源遥感研究。Email： Ding_jl@163.com。

TP 751.1

A

1001-070X(2017)01-0029-07