利用Land Sat 8卫星影像进行城市水体提取研究*

张霁晨 赵 煦 钟何平

（1.武汉轻工大学电气与电子工程学院 武汉 430023）（2.海军工程大学电子工程学院 武汉 430032）

1 引言

水生态文明建设，促进经济社会发展与水资源水环境承载能力相协调，提升我国生态文明水平，是建设美丽中国的重要组成部分。特别是随着城市化的快速发展，湖泊河流等水体被随意填占现象十分突出，水域空间保护任务十分严峻。目前水域空间保护、水资源调查等工作需要实时、连续、大范围地获取水体空间分布信息。遥感卫星影像具有监测覆盖范围大、可重复观测、成本低廉等显著优点，非常适合水体的提取与动态监测。

国内外学者在利用各种不同的卫星影像提取水体方面已经进行了诸多研究，利用水体的反射波谱特性提出了多种水体指数进行水体提取［1～10］。有的学者将水体指数与DEM等其他信息结合，实现城市细小水体的准确提取［11］。随着我国国产遥感卫星技术的发展，国内学者针对高分系列、资源三号等国产卫星影像数据，进行水体提取方法研究也获得了较好的提取效果［12～14］。在各种卫星影像数据中，LandSat系列卫星具有覆盖范围大、空间分辨率适中、数据源丰富等的优点，是各种水体提取研究中应用最多的数据源［2～9］。而且利用 LandSat系列卫星的长时间序列影像进行水体提取，可以实现地表水体的动态监测，进行地表水体演化分析［15～16］。LandSat 8是LandSat卫星系列的最新成员，它不仅继承了LandSat系列的各种优点，而且增加了新的成像波段，更有利于进行水体提取。本文研究利用LandSat 8卫星影像进行城市水体提取研究。

2 研究区域与数据

本文选择武汉市中心城区作为研究区域。武汉市地处长江和汉江交汇处，区域内河流、湖泊等水体众多，曾被称为“千湖之城”。然而，随着经济的快速发展，数十年持续不断的填湖造地建设使得武汉市的水体特别是湖泊面积大幅萎缩，水域面积几十年来减少了几百平方公里［17］，市区内萎缩最严重的湖泊萎缩面积超过80%［18］，这是今年来武汉每逢暴雨经常发生内涝灾害的重要原因。

本文使用研究数据是LandSat 8卫星的OLI影像。LandSat 8卫星发射于2013年2月11日，是LandSat系列最新卫星。该卫星所携带的OLI陆地成像仪相比于LandSat 7卫星的传感器有较大改进。OLI共包含9个成像波段，其中第8波段全色波段分辨率为15m，其他波段为30m，第1波段（海岸带波段）和第9波段（卷云波段）是新增加的成像波段，对于海岸带观测和云检测具有重要意义。本文使用的实验影像是LandSat 8卫星在2017年10月30日对武汉城区成像的影像。利用ENVI5.3软件对影像做辐射校正处理，然后将30m分辨率的波段组合成多光谱影像，利用影像融合方法将全色影像和多光谱影像进行融合，得到空间分辨率15m的多光谱影像。由于LandSat 8卫星的全色影像光谱范围明显窄于多光谱影像，易于在融合过程中产生光谱畸变现象。因此本文中采用ERDAS2014软件中HPF（High高通滤波）融合方法进行融合，该方法从全色影像中通过高通滤波提取细节信息融合到多光谱影像中，能够很好地保持多光谱影像的光谱特性。得到融合后的多光谱影像后，裁切武汉城区部分得到最终实验影像，如图1所示，其显示方式是选择近红外、红、绿三个波段采用彩红外波段方式。从图上可以看出，实验影像上存在广泛而数量众多的各种水体，包括河流和湖泊，在彩红外影像上，水体主要呈现青色或黑色。同时，城市区域内高大的建筑物会造成分布广泛的阴影，在影像上呈现黑色，跟水体具有一定的相似性。本文采用人工目视解译结合百度街景数据参考人工提取了实验区水体分布的真实情况用于检查本文方法提取结果的精度，如图2所示。

3 水体提取方法

水体在遥感影像上具有十分独特的光谱反射特性，在蓝绿波段上的反射率相对较高，在影像上相对较亮。然后反射率随着波长增加而急剧降低，在近红外和短波红外波段上达到最低，电磁波几乎被完全吸收，在影像上灰度值很低。利用水体的反射特性可以构建各种水体指数用于提取水体，在96年Mcfeeters提出利用水体在绿波段和近红外波段的反射率差异构造归一化水体指数［1］：

图1 实验数据

图2 实验区水体分布的真实情况

该指数在各种水体提取研究中得到成功而广泛应用。而随着遥感传感器技术的发展和新的影像成像波段的出现，国内外学者提出了各种改进型的水体指数。徐涵秋提出利用短波红影像代替近红外波段能够去除城镇建设用地的干扰，更好地提取水体［2］。沈占锋等提出对水体指数就行高斯归一化可以进一步提高水体指数的区分能力［3］。周艺等提出对归一化水体指数的绿波段进行修正，在没有短波红外情况下解决城镇建筑用地与河流水体的混淆问题［4］。也有的学者使用更多的波段构造水体指数，如Xiong等利用前四个波段减后三个波段构造全波段水体指数［5］，丁风等利用第1波段减去后四个波段的和［6］，Feyisa等提出利用2、4、5、7四个波段经验计算公式［7］。也有的学者提出对多个波段进行LBV变换，得到的B分量对水体具有较好的突出区分能力［8～9］。LandSat 8卫星新增加的海岸带波段（Coastal），波长较短，适合于水体观测，而第二短波红外波段已经被诸多研究证明能够很好突出水体。因此，本文中针对LandSat 8卫星影像，提出利用海岸带波段和第二短波红外波段构造新的水体指数，公式如下：

图3 实验数据计算水体指数结果

目前面向对象分类方法是遥感影像地物提取的主流方法。该方法中首先通过影像分割获得一个个的分割对象，以此为基础作为基础单元提取地物。在城市水体提取过程中，影像上可能存在较小的水体。因此，提取过程中对影像做小尺度分割，在分割结果上计算水体指数提取水体。图3是对本文实验数据计算传统NDWI和csNDWI的特征图，从图中可以看出，相比于NDWI，csNDWI指数特征图上水体显得更亮，跟其他地物的区分性更强。另一方面，在城市区域，高大的建筑物会造成比较广泛的阴影，影像上阴影的光谱特性同水体较为接近，容易造成混淆。从图3中可以看出，csNDWI指数对城市阴影的混淆具有更好的抑制作用，效果优于NDWI。但即使是利用csNDWI特征，城市区域仍然存在一定的阴影区域具有较高的csNDWI数值，在水体提取过程中会造成误提取。在城市区域，一般阴影的范围比较小，明显小于水体的大小。因此，本文中利用面积特征剔除误提的阴影。首先对csNDWI设置阈值提取备选水体对象，然后将相邻的备选水体对象合并得到新的备选水体对象，最后设置面积阈值剔除误提取的阴影，总的技术流程图如下图所示。

图4 本文方法流程图

4 实验与分析

利用本文方法对实验数据进行处理。首先进行小尺度分割，采用分形网络演化方法（FNEA）进行分割，分割尺度设为20。然后计算csNDWI，设置阈值为0.25，即所有csNDWI特征值大于0.25的对象提取为水体，提取结果如图5所示。从图中可以看出，影像上的水体基本上被成功提取出来。但同时大量的小阴影区域也被误提取为阴影。将相邻的水体对象合并后，根据对象的面积大小剔除误提取，这里设置面积为100像素。剔除阴影后的最终结果如6所示。图7是剔除误提阴影前后的局部放大图，该区域位于东西湖区域，从图中可以看出，误提的阴影均被成功剔除。

图5 初始提取结果

图6 最终提取结果

图7 局部放大图

最后利用图2中人工提取的水体真实结果对本文的提取结果进行定量精度评价，初始提取结果的生产者精度为77.6%，用户精度为96.8%。由于大量阴影被误分为水体，使得用户精度较低。利用面积阈值剔除误提取的阴影后，最终提取结果的生产者精度得到显著提到，达到91.8%，用户精度为95.7%，取得了比较高的提取精度。

5 结语

本文研究利用LandSat 8卫星影像进行城市水体提取。根据水体在LandSat 8卫星各波段影像上的光谱特点，利用海岸带波段和短波红外波段设计了新的水体指数，能够更有效地突出水体，通过设置简单阈值提取水体。针对城市区域阴影较多，易于造成干扰的问题，提出利用面向对象方法，设置面积阈值剔除误提的阴影对象。采用本文方法，在武汉地区实验影像上水体提取结果的生产者精度为95.7%，用户精度为91.8%，达到了比较高的提取精度。