基于航空高光谱数据的近岸水体信息提取

付东洋，蒋城飞，王永星，李 强，廖 珊，刘大召

（1.广东海洋大学 海洋遥感与信息技术实验室，广东 湛江 524088;2.中国海监南海航空支队，广东 广州 510300；3.南京大学 中国南海研究协同创新中心，江苏 南京 210046）

基于航空高光谱数据的近岸水体信息提取

付东洋1，蒋城飞1，王永星2,3，李 强2，廖 珊1，刘大召1

（1.广东海洋大学 海洋遥感与信息技术实验室，广东 湛江 524088;2.中国海监南海航空支队，广东 广州 510300；3.南京大学 中国南海研究协同创新中心，江苏 南京 210046）

近岸水体与人类生产、生活密切相关，航空高光谱遥感以其高分辨率、灵活等优点在环境监测中颇具潜力，尤其是在近岸水色、海岸带环境的实时监测中更具优势。基于与中国海监南海航空支队合作开展的航空高光谱遥感飞行实验资料，以湛江东海岛陆海区域为例，开展该海域水体遥感信息提取及分类研究。以不同地物遥感反射率信息为特征，通过光谱信息直方图进行了该海域水体信息提取方法探索。研究结果表明，湛江港及近海水体与陆地在近红外区域有较大区分度，直方图统计获得的最佳分离阈值可以很好地提取水体信息，但在水陆交界区域提取精度较低。在近红909.7 nm处，遥感反射率分割阈值为10.27%，水体提取精度为84%，kappa系数为0.686 2。

航空高光谱；遥感反射率；水体提取；阈值分割；东海岛

地球表面水分布广泛，与人类的生产生活息息相关。水体信息的准确获取对水资源调查、流域整治、水利规划、洪水检测和灾害评估等领域具有重要的意义[1]。目前国内外对于水体遥感图像信息的提取，提出了较多的方法，根据地物光谱特性的有阈值分割法[2]，多波段间关系法[3]，水体指数法[4-9]，比值法[10]等，有基于图像纹理特征的分析方法[11]，还有同时考虑光谱特征以及影像的空间特征的水体信息提取[1，12-16]，以及使用SAR（合成孔径雷达）遥感影像特征进行水体信息提取[17-18]等。但是目前国内外已经有的研究主要是围绕国外SPOT（法文Systeme Probatoired’Observation de la Terrestre的缩写）卫星、LANDSAT卫星，国内GF-1（高分一号星）[19]以及ZY-3（资源3号)卫星等中、高分辨率多光谱卫星数据[16，20-22]，同时，目前基于光谱分辨率较高的MODIS，MERIS卫星数据，诸多学者也提出了各自关于水陆分离的方法[15，23-28]。

与多光谱遥感数据不同，高光谱遥感能够获取地表物体上百个连续谱段的信息，提供丰富的光谱信息来增强对地物的区分能力[29]。高光谱遥感实现了遥感数据图像维与光谱维信息的有机融合，在光谱分辨率上有着巨大的优势[30]。航空遥感具有机动灵活、覆盖范围广、空间分辨率高等特点，特别适用于近岸海域的监测[31]。

目前国内相关学者进行了一系列相关的航空高光谱水体信息的提取。张兵等[32]利用在太湖的多条航空高光谱遥感数据进行了太湖叶绿素a，悬浮泥沙以及CDOM的遥感反演实验，并取得了较好的反演结果；Wang等[33]利用AISA+传感器对海水水温异常进行了相关研究；Huang[34]提出了新的高光谱差异水体指数进行水体提取，并使用中国推扫式超光谱仪PHI-2、澳大利亚机载可成像光谱仪HYMAP等传感器进行了检验。张东辉[35]利用加拿大小型机载成像光谱仪CASI/SASI数据进行了水体精准提取的实验。然而，受高光谱传感器、飞机、空域限制等条件的制约，湛江湾区域飞行实验相对较少，基于高光谱航空遥感数据进行水陆分离的报道鲜有见闻。本文利用合作开展的高光谱航空遥感飞行实验数据，进行了近岸水体信息提取的探索性研究。

1 飞行实验区域与数据预处理

1.1 研究区域及航空飞行实验

以南海西北海域的雷州半岛湛江湾和东海岛近岸区域为飞行实验区域。湛江湾是天然的深水大港，年吞吐量过亿吨，是我国西北出海的最大通道，具有重要的战略地位[36]。湛江湾、东海岛水产丰富，临海养殖业旺盛，但近几年湛江沿岸及近海水质环境恶化，水体富营养化程度严重[37-39]。水陆分离技术对于水资源利用、水体灾害监测等具有重要作用[40]。因此，开展基于航空高光谱遥感水体信息提取研究，对于利用高新技术进行我国水环境监测具有重要意义。

图1 实验区域示意图

在中国海监南海航空支队的合作支持下，利用从美国OKSI(Opto-Knowledge Systems,Inc）公司进口的机载高光谱(HyperScan Micro VNIR)实验平台，于2014年11月16日开展了航空飞行实验，该高光谱影像可用波长范围为400～1 000 nm，光谱分辨率1.5 nm，共包含399波段。本次飞行实验高度1 500 m，仪器具体参数见表1。本文仅以实验中的部分影像数据为例，空间分辨率重采样为1.5 m,该数据的三维图谱立方图如图2所示。

表1 HyperScan Micro VNIR系统技术规格

图2 湛江东海岛海湾及近岸航空高光谱遥感数据

1.2 数据预处理

使用ENVI 5.3版本进行原始数据的辐射矫正、几何矫正、大气矫正（Quick Atmospheric Correction，简称QUAC），得到遥感反射率信息。其真彩色2%拉伸显示结果如图3所示。

2 数据处理与分析

2.1 不同地物光谱曲线提取及特征分析

图像中采集5种特征地物的遥感反射率数据各10条共50条，样本点采样随机选择，平均分布如图3所示。样本点取自单个像元点，5种特征地物的大小均大于2 m×2 m，单个像元点可以较好地表现特征地物的光谱特征，同时可以较好地减少混合像元带来的影响。

图3 湛江湾航空光谱谱遥感图像校正结果以及采样点分布图

图4 遥感反射率数据提取结果

通过图4，可以发现不同地物在可见光及红外波段区域存在明显不同反射率特性信息，但是同类地物具有相似的特征。水体和非水体典型地物在红外区域存在明显的区别。在该5种典型地物中，公路在可见光波段反射率最高，在红光波段最高可达56.79%，其次是田地和养殖区田埂。田埂和田地在红光和近红外区域反射率较高，最高可达59.16%。水体的反射率最低，普遍低于14%。水体在绿光部分以及在红光附近出现次反射峰信号。沿岸养殖区水体与近海水体其遥感反射率波形不仅相似，且存在大量的重叠交叉信号。

由此可见，水体在近红外区域（750～950 nm）反射率极低，但其他特征地物在此波段的遥感反射率相对较高。在近红外区域，水体和非水体的区分度较大，该特征与其他学者研究结果一致[7,41]。

利用数学统计方法求出近红外区域水体与非水体之间区分度最大的波段，通过该波段图像的直方图统计确定分割阈值，从而达到水体和非水体的分离。

根据图4(a)可以得出，在750～1 000 nm之前，非水体与水体之间存在着较大差异，计算在每个波段上，采集的样本数据中非水体最小遥感反射率与水体最大反射率之间的差值，获取最大差值所在的波段。计算结果表明，遥感反射率在909.7 nm处的水体与非水体的差值最大,数值为9.96%。909.7 nm处的光谱图像最大反射率为74.87%，最小值为0，统计结果得出其的直方图，结果见图5。

图5 909.7 nm处遥感反射率统计结果

通过图4(a)可以发现在909.7 nm处，水体数值较低，遥感反射率主要集中在10%以下，其次非水体数据分布较均匀，数值在30%左右较密集。遥感反射率数据图中909.7nm的总体遥感反射率特征与直方图统计（图5）分布结果相一致。可见，对于存在水体和非水体混合像元的高光谱航空遥感图像，利用水体信号和非水体信号量在该区域具有较大差异，选取该区域最小值为区分水体和非水体的阈值。可较好地实现水体与非水体的有效分离提取。根据图5中909.7 nm处的遥感反射率统计结果，在遥感反射率5%～15%的区域之内进行图像中遥感反射率值与其统计个数之间进行数据拟合。拟合结果如图6所示。

图6 统计数-遥感反射率拟合结果

根据统计的拟合结果可以发现，在遥感反射率5%～15%区间内，10.27%处拟合结果取得最小值，即选择遥感反射率10.27%为水体和非水体的分割阈值。

2.2 水体信息提取结果

为了更好地显示水体信息提取的效果，对真彩色图像进行掩膜叠加，突出显示水体和陆地信息。掩膜文件的制作在IDL8.5中编程实现。其中将数据导入IDL，通过运算将大于10.27%值的像元赋值为0，小于等于10.27%值赋值为1，制作为水体掩膜文件。在ENVI 5.3中与原始图像进行叠加，完成掩膜。同样，也可以实现陆地区域的掩膜。水体和陆地掩膜结果分别如图7(a)～(b)所示。

图7 水体和陆地掩膜添加结果显示

对照阈值区分的结果展示，整图中随机选取1 000个水体样本以及1 000个陆地点用作精度验证，精度提取验证结果为84.3%，Kappa系数为0.686 2。分类结果与实际结果之间具有高度一致性。

根据以上结果，在水体提取中出现了误差。误差主要集中于陆地和水体交界的混合像元区域。由于实验区域总体水深较浅，水底反射光信号以及河岸堤坝等地物的混合像元和近岸陆地像元光谱信息难以区分。相关学者在利用高分辨率卫星数据进行水体信息提取时得出了相似的结论[1，19，42]。

3 结论与展望

本文基于直方图数据特征的阈值分割法，实现了高光谱航空遥感近岸水体的特征提取，实验结果表明，该方法总体信息提取精度达84%，kappa系数为0.686 2。可见，基于单波段阈值分割方法能够较好地实现高光谱航空遥感近岸水体与陆地信息的分割，达到近岸水体信息提取的目的；研究结果表明，从高光谱航空遥感影像分割近岸陆地和水体信息的最佳波段为909.7 nm，相应的遥感反射率分割阈值为10.27%。

本方法尚存在一些局限之处，该法主要利用前期选择的多条样本数据进行波谱图分析，从而确定阈值分割波段以及分割阈值，样本数据的质量直接影响到后期图像分割结果。由于受飞行次数、仪器辐射矫正、几何矫正、大气矫正精度以及样本数量等原因，使得实验数据样本质量及最终结果精度受到一定程度的影响。在今后的实验中，通过增加飞行航次，同时提高图像辐射、大气、几何矫正精度，提高图像整体质量，为近岸水体和非水体、甚至养殖区水体和近海水体的进一步准确区分开展更加深入的探索和研究。

[1]朱长明,骆剑承,沈占锋,等.DEM辅助下的河道细小线性水体自适应迭代提取[J].测绘学报,2013,42(2):277-283.

[2]毕海芸,王思远,曾江源,等.基于TM影像的几种常用水体提取方法的比较和分析[J].遥感信息,2012,27(5):77-82.

[3]杜云艳，周成虎.水体的遥感信息自动提取方法[J].遥感学报,1998,2(4):364-369.

[4]Mcfeeters S.The use of the Normalized Difference Water Index(NDWI)in the delineation of open water features[J].International journal ofremote sensing,1996,17(7):1425-1432.

[5]Xu H.Modification of normalised difference water index (NDWI)to enhance open water features in remotely sensed imagery[J]. International Journal ofRemote Sensing,2006,27(14):3025-3033.

[6]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.

[7]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.

[8]刘旭拢,钟凯文,陈志良,等.基于TM影像的珠江三角洲河道快速提取方法研究[J].遥感技术与应用,2008,23(1):57-61.

[9]熊金国,王世新,周艺.不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析 [J].国土资源遥感,2010,(4): 46-50.

[10]Ryu J-H,Won J-S,Min K D.Waterline extraction from Landsat TMdata in a tidal flat:a case study in Gomso Bay,Korea[J].Remote SensingofEnvironment,2002,83(3):442-456.

[11]DuongND.Waterbodyextractionfrommultispectralimagebyspectralpatternanalysis[J].InternationalArchivesofthePhotogrammetry[J]. Remote Sensingand Spatial Information Sciences,2012,39:B8 181-186.

[12]周小成,汪小钦,向天梁,等.基于ASTER影像的近海水产养殖信息自动提取方法[J].湿地科学,2006,4(1):64-68.

[13]于丽君,聂跃平.基于SPOT5影像的京杭大运河自动提取研究[J].遥感技术与应用,2008,23(2):179-183.

[14]王培培.基于ETM影像的水体信息自动提取与分类研究[J].首都师范大学学报：自然科学版,2009,30(6):75-79.

[15]张浩彬,李俊生,向南平,等.基于 MODIS地表反射率数据的水体自动提取研究 [J].遥感技术与应用,2015,30(6): 1160-1167.

[16]曹凯,江南,李新国,等.基于SPOT-5图像的城市水体自动提取模型研究[J].国土资源遥感,2005,(4):24-27,37.

[17]王庆,廖静娟.基于SAR数据的鄱阳湖水体提取及变化监测研究[J].国土资源遥感,2010,22(4):91-97.

[18]王亚飞,程亮,李满春,等.基于像元级SAR图像时间序列相似性分析的水体提取[J].国土资源遥感,2014,26(3):67-73.

[19]姜浩,冯敏,肖桐,等.基于线状特征增强的TM遥感影像细小河流提取方法[J].测绘学报,2014,43(7):705-710.

[20]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.

[21]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.

[22]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):310-315.

[23]Feng L,Hu C,Chen X,et al.Assessment of inundation changes of Poyang Lake using MODIS observations between 2000 and 2010 [J].Remote SensingofEnvironment,2012,121:80-92.

[24]Han-Qiu X.A studyon information extraction ofwater bodywith the modified normalized difference water index(MNDWI)[J].Journal ofRemote Sensing,2005,5:589-595.

[25]Che X,FengM,JiangH,et al.DownscalingMODIS surface reflectance toimprove water body extraction[J].Advances in Meteorology, 2015.

[26]Sharma R C,Tateishi R,Hara K,et al.Developingsuperfine water index(SWI)for global water cover mapping using MODIS data[J]. Remote Sensing,2015,7(10):13807-13841.

[27]Huang S,Li J,Xu M.Water surface variations monitoring and flood hazard analysis in Dongting Lake area using long-term Terra/MODISdata time series[J].Natural Hazards,2012,62(1):93-100.

[28]LiJ.PoyangHu(JiangxiProvince,PR ofChina)areavariationsbetween January2004 and June2006 usingENVISATlowand medium resolution time series[J].Geographic Information Sciences,2007,13(1-2):24-35.

[29]ChangCI.Hyperspectral imaging:techniques for spectral detection and classification[M].Springer Science&Business Media,2003.

[30]张达,郑玉权.高光谱遥感的发展与应用[J].光学与光电技术,2013,11(3):67-73.

[31]陈述彭,童庆禧,郭华东.遥感信息机理研究[M].北京：科学出版社,1998.

[32]TongX.Newhyperspectral difference water index for the extraction ofurban water bodies by the use ofairborne hyperspectral images [J].Journal ofApplied Remote Sensing,2014,8(1):5230-5237.

[33]张兵,申茜,李俊生,等.太湖水体3种典型水质参数的高光谱遥感反演[J].湖泊科学,2009,21(2):182-192.

[34]WangD,GongF,Pan D,et al.Introduction tothe airborne marine surveillance platformand its application towater qualitymonitoring in China[J].Acta Oceanologica Sinica,2010,29(2):33-39.

[35]张东辉,赵英俊,陆冬华,等.高光谱传感器CASI与SASI支持下的水体精准提取[J].传感器与微系统,2016(05):25-27.

[36]刘芳文,颜文,苗莉,等.湛江港海域海水和表层沉积物重金属分布特征及其污染评价[J].海洋技术,2015(1):74-82.

[37]程海鸥,马启敏,杨锋.湛江湾海水富营养化水平和浮游植物多样性分析[J].海洋湖沼通报,2009(3):121-126.

[38]付东洋,杨锋,梁晓军,等.雷州半岛近海水质环境关键因子时空变化与评价[J].广东海洋大学学报,2014,34(6):58-64.

[39]王海,韩超群.湛江港湾富营养化评价及对策探讨[J].甘肃环境研究与监测,2002,15(4):294-296.

[40]周小莉,郭加伟,刘琨铭.基于OLI影像和主成分的水体信息提取—以鄱阳湖区为例 [J].激光与光电子学进展,2016(8): 1-12.

[41]吕国楷,洪启旺,郝允充.遥感概论[M].北京：高等教育出版社,1995.

[42]陈亮,张友静,何厚军,等.基于混合像元分解的水体面积提取算法[J].河海大学学报:自然科学版,2014(4):346-350.

Extraction of Coastal Water Information Based on Airborne Hyperspectral Data

FU Dong-yang1,JIANG Cheng-fei1,WANG Yong-xing2,3,LI Qiang2,LIAO Shan1,LIU Da-zhao1
1.Laboratory of Ocean Remote Sensing&Information and Technology,Guangdong Ocean University,Zhanjiang 524088,Guangdong Province,China; 2.South China Sea Airborne Detachment of China Marine Surveillance,Guangzhou 510300,Guangdong Province,China; 3.Collaborative Innovation Center of South China Sea Studies,Nanjing University,Nanjing 210046,Jiangsu Province,China

Coastal waters are closely related to human production and livelihood.Airborne hyperspectral remote sensing has great potential for environmental monitoring with its high resolution and flexibility,especially in realtime monitoring of inshore ocean color and coastal environment.Based on the airborne hyperspectral remote sensing flight experiment data obtained jointly with the South China Sea Airborne Detachment of China Marine Surveillance,this paper carries out the research on remote sensing information extraction and classification,with the land and marine areas surrounding the Donghai Island in Zhanjiang,Guangdong Province as an example.The study on the methods of extracting coastal water information is conducted through the spectrum information histogram by collecting the information on remote sensing reflectance characteristics of different ground features. Results show that there is a great distinction in the waters of offshore and coastal areas near the infrared section of the spectrum,and the water information can be easily collected via the histogram statistics according to the best separation threshold values.However,the accuracy of water body extraction of land-water conjunction areas is low.The remote sensing reflectance segmentation threshold near the red 909.7 nm is 10.27%,with the water extraction accuracy reaching 84%and kappa coefficient of 0.6862.

airborne hyperspectral;remote sensing reflectance;water body extraction;threshold segmentation; Donghai island

TP79

A

1003-2029（2017）02-0071-06

10.3969/j.issn.1003-2029.2017.02.012

2016-09-07

国家海洋公益性科研专项资助项目(201305019)；广东省自然科学基金资助项目（2014A030313603）；广东省科技计划项目资助（2013B030200002,2016A020222016）；广东海洋大学创新强校项目资助（GDOU2014050226）；广东省攀登计划项目资助（pdjh2015b0249）。

付东洋（1969-），男，教授，主要从事海洋水色遥感研究。E-mail：fdy163@163.com