基于Landsat＿8影像的泾河峡谷段高含沙河流信息提取方法

李彬 张金良 白玉川

摘 要：为了克服从遥感影像中提取高山峡谷型河流信息过程中遇到的山体阴影、水库下游基岩裸露等构成的混合像元效应，提出一种基于Landsat_8OLI影像的自动提取高山峡谷窄深型高含沙量河流信息的多波段谱间关系的改进方法。以黄土高原泾河中游为例，利用多波段光谱特征，分离水体与山体阴影、裸露山体、基岩边滩，构建适用于高山峡谷窄深型高含沙量河流信息提取的模型。与其他水体信息提取模型相比，该方法克服了山体阴影、水库下游基岩对水体信息提取的影响，提高了高山峡谷窄深型高含沙量河流信息的提取精度。

关键词：多波段谱间关系法；河流信息提取；高含沙河流；泾河

中图分类号：P407.8；TP75 文献标志码：A doi：10.3969/j.issn.1000-1379.2022.01.016

引用格式：李彬，张金良，白玉川.基于Landsat_8影像的泾河峡谷段高含沙河流信息提取方法[J].人民黄河，2022，44（1）：75-79.

RiverInformationExtractionMethodBasedonLandsat_8RemoteSensinginMountainAreawith HighSedimentConcentrationofJingheRiver

LIBin1，ZHANGJinliang2，BAIYuchuan1

（1.InstituteforSedimentationonRiverandCoastEngineeringofTianjinUniversity，Tianjin300072，China；2.YellowRiverEngineeringConsultingCo.，Ltd.，Zhengzhou450003，China）

Abstract：Thispaperproposedanimprovedmethodforautomaticextractionofmulti bandspectralrelationshipofnarrowanddeepriversin mountainsandvalleyswithhighsedimentconcentrationfromLandsat_8OLIimages，whichovercamethemixedpixeleffectofmountainshad owandexposedbedrockinthedownstreamsectionofthereservoir.TakingJingcuntoDongzhuangReservoirsectioninthemiddlereachesof JingheRiverontheLoessPlateauasanexample，itseparatedthewaterbodyandmountainshadow，baremountainandbedrockbeachby consideringthecharacteristicsofthemulti bandspectral，andthenconstructedawaterbodyextractionmodelsuitablefornarrowanddeep riverswithhighsedimentconcentrationinvalleys.Comparedwithotherwaterextractionmodels，themethodproposedinthispapercanover cometheinfluenceofshadowclosetoriverchannelandbedrockdownstreamofreservoironwaterextraction，andimprovetheextractionaccu racyofnarrowanddeepriverswithhighsedimentconcentrationinmountaincanyon.

Keywords：multi bandspectralcorrelationmethod；riverinformationextraction；highsedimentconcentrationriver；JingheRiver

1 引 言

從卫星遥感影像中提取水体信息，对水资源和水环境实时动态监测具有重要意义[1]。目前提取水体信息常用的方法有归一化插值水体指数（NDWI）法、改进型归一化插值水体指数（MNDWI）法、插值法、阈值法、多波段谱间关系法等[2-5]。McFeeters[6]提出了利用遥感影像中的绿波段与近红外波段计算NDWI的方法，该方法能够凸显水体信息，抑制地表植被信息。MNDWI法利用短波红外波段替代近红外波段，在NDWI法的基础上进一步突出水体，抑制城市、植被和裸露土地的信息。以上水体信息提取方法在平原地区和山地区的提取效果各不相同，在平原地区利用基于阈值的水体指数法提取效果较好，而在山地区利用基于阈值的多波段谱间关系法提取效果更好，主要原因是充分利用了水体和阴影在不同波段的变化特征[1，7]。

对于含有峡谷型河流的遥感影像而言，山体阴影、裸岩等的地物干扰使得全局性的光谱指数模型难以取得较高的提取精度。在峡谷型河流信息提取中，骆剑承等[8]与李均力等[9]提出了基于“全域-局部”的水体信息提取方法，但该方法对窄深型河流信息提取难以取得较好的效果。沈金祥等[10]利用基于水体NDWI的“全域-局部”特征，结合形状、亮度等特征对新疆喀纳斯湖地区的山区湖泊进行水体信息提取。李炳亚等[11]在高山峡谷地区湖泊信息提取中，首先利用水体光谱特征提取完整的湖泊水体，再利用空间位置关系消除阴影，但受限于DEM数据精度。孙娜等[12]基于高分一号PMS影像，采用面向对象的影像分析技术与区域种子算法相结合，提取黄土高原水体，但是未考虑高山峡谷窄深型河流情况。

黄土高原高山峡谷窄深型河流存在的水体泥沙含量高、山体阴影、水库下游基岩裸露等情况，使得遥感影像光谱复杂，水体光谱特征弱，峡谷河流信息提取难度较大。本文基于Landsat_8OLI遥感影像，采用多波段谱间关系的改进方法，以黄土高原泾河中游景村至东庄水库段为研究区，根据多波段的比值关系与阈值分割，分离水体与山体阴影、裸露山体、耕地等，构建适用于峡谷型高含沙河流水体信息提取模型，以期为黄土高原地区其他河流信息提取提供参考。

2 研究区概况和数据来源

泾河为黄河流域十大水系之一，是黄河洪水、泥沙的主要来源地之一。泾河流域产流量集中，高强度暴雨易形成有较强输沙能力与侵蚀能力的高含沙洪水[13]。东庄水利枢纽位于泾河的峡谷河段，该河段蜿蜒曲折，属于典型的侵蚀型峡谷河道[14]，河道宽度仅为40～200m。泾河中游景村至东庄水库段含沙量高、水库下游基岩裸露，因而遥感影像河流信息提取容易受到山体阴影及其他地物光谱的影响。

从地理空间数据云（http：//www.gscloud.cn）下载涵盖泾河中游景村至东庄水库段的Landsat_8OLI卫星影像（条代号/行编号为147/36，成像日期为2014年7月14日）（见图1），以其为遥感数据源，利用ENVI软件建立ROI区域并进行图像裁剪、辐射标定与大气校正。

3 研究方法

3.1 地物光谱特性分析

水体在电磁波各个波段上反映的特征是在遥感影像中进行水体信息提取的基础[15]。水体的总体反射率较低，反射主要集中在可见光波段，特别是蓝绿波段，在近红外波段反射率最低，而植被和土壤等在近红外波段反射率较高，因此可以利用不同波谱间的光谱特征进行水体信息提取[7]，但是山体阴影灰度值与水体相近，在进行水体信息提取时往往会造成一些山体阴影被误提取出来。在Landsat_8OLI影像上提取的研究区河流水体、山体阴影、植被、耕地等地物波谱值曲线见图2，可以看出，各类地物在波段5上具有较大的波谱值，而云阴影和山体阴影在波段5的波谱值小于其他地物的，因此众多学者利用绿波段B2与红波段B3的波谱值之和大于近红外波段B4与短红外波段B5之和的特点[16]进行分离和提取水体。

3.2 多波段谱间关系算法

式（2）是根据黄土高原上的地物光谱曲线特征，对张明华[18]与杨树文等[19]提出的算法进行的改进。主要改进优点：在原有基础上新增了Landsat_8OLI中的波段1（B1）与波段7（B7），能够有效消除紧靠河流的裸露山体的影响，进一步分离水体与近岸山体阴影，提高了提取河岸边界的精度。

3.3 河流信息提取后处理

利用ENVI软件进行图像分割后得到河道的边界，并通过ArcGIS进行人机交互处理，主要为水体信息自动提取后的人机交互栅格数据处理，包括除去与研究区相连的支流以及与研究区分离的水体，对图像中存在的噪点（主要为耕地边上的小池塘）进行处理，研究区内存在多个水电站，其下游河道基岩裸露、河道较窄，造成水体不连续，需适当进行水体补充。利用ArcGIS对研究区河道中心線进行提取，河道中心线是河道中与两岸距离相等的点的连线，可以将河道平面抽象为一条蜿蜒的曲线[20]。

4 结果分析

4.1 典型河段选择

选取研究区泾河景村至枣渠水电站、和平水电站下游、东庄水库至文泾水电站3个典型河段（见图3）进行分析。景村至枣渠水电站河段耕地占用河道较为严重，水电站下游河道束窄，基岩构成的边滩发育，河流形态弯曲；和平水电站下游河段山体阴影密集，山体坡度较大，沟壑发育，河流含沙量较大，河道内基岩裸露严重；东庄水库至文泾水电站河段山体裸露严重且紧挨河道，河道较窄，山体阴影面积较大。

4.2 河流信息提取效果分析

在利用式（1）对研究区进行分析时，发现N取2200的河流信息提取效果最佳。在利用式（2）对研究区域进行分析时，发现N取0即可，即高于0的区域是研究区内的泾河部分。分别利用式（1）与式（2）提取的河流信息效果对比见图4。

景村至枣渠水电站河段，利用式（1）提取的结果（见图4（a））包含了靠近河流的村庄、裸露的耕地、枣渠水电站下游基岩构成的边滩以及河道分汊等，噪点较多。利用式（2）提取的结果（见图4（b））噪点较少，河道与村庄、耕地等地物分离较好，河道基本连续；枣渠水电站下游河道水体出现中断，原因是枣渠水电站蓄水使得下游局部河道水体宽度变窄，河床基岩出露较多，从而使河道无法完整提取出来，但河流弯曲形态得以体现，有效区分了基岩和河流水体。

和平水电站下游河段，利用式（1）与式（2）提取的结果均能较好地反映河道内的水体分布，河道基本连续，但在第一个弯道处出现中断，主要是遥感影像中云的遮蔽造成的。在连续弯曲的河段内，山体阴影覆盖了部分河道（见图3（b）），但在图4（c）与图4（d）中有效分离了山体阴影与河道。在水电站下游的弯道内，利用式（1）提取的水体信息中有河道较窄和中断现象（见图4（c）），主要是汛期泾河含沙量较高造成的；利用式（2）提取的河道较好，基本没有出现中断现象，表明其能够有效提取含沙量较高的水体。

东庄水库至文泾水电站河段，利用式（1）提取的效果较差（见图4（e）），无法有效分离裸露山体和河道；利用式（2）提取的效果较好（见图4（f）），能够有效区分裸露山体和河道，但河道有中断现象，主要原因是施工导致河流断流，同时山体阴影覆盖了部分河道（见图3（c））。

4.3 结果验证及应用

将利用式（2）提取的研究区河流信息转化为矢量文件，叠加在合成的彩色图像中加以对比（见图5），验证基于多波段谱间关系改进算法提取高山峡谷窄深型高含沙量河流信息的效果。由图5可以看出，提取的河流信息叠加在经过大气校正后的Landsat_8OLI影像上，提取结果与实际河流情况吻合。

以黄河河曲县段、黄河支流皇甫川和清水川府谷县段、泾河上游马莲河与泾河交汇处为例，验证基于多波段谱间关系改进算法在黄土高原高含沙河流信息提取中的应用效果，见图6（（a）河流信息提取效果图，遥感影像为Landsat_8OLI，成像日期为2016年7月28日，条代号/行编号为126/33；（b）GoogleEarth影像，成像日期为2015年8月14日；（c）河流信息提取效果图，遥感影像为Landsat_8OLI，成像日期为2020年5月18日，条代号/行编号为128/35；（d）GoogleEarth影像，成像日期为2019年9月29日）。

在图6（a）中，利用式（2）进行河流信息提取，N值取-400，可以明显看出黄河河道内的中心沙洲和边滩分离效果较好，对于年径流量较小、含沙量较高的黄河支流皇甫川和清水川也能够较好地分离。不足之处在于无法准确提取小南川，原因是小南川流量小、含沙量高、河漫滩发育、河流较窄（在GoogleEarth上测量的平均河宽为11m，部分河宽不足5m，远低于Landsat_8 OLI遥感影像的分辨率30m），对于河宽小于遥感影像分辨率的细小河流提取效果不佳[21]。出现大量噪点的原因主要是河流含沙量较高且附近地物植被覆盖度较低、山体表层裸露，在设置阈值时容易将高含沙量水体与其他地物混淆。

图6（c）为利用式（2）提取的马莲河与泾河交汇处的河流信息（N值取0），其中的噪点为山间湖泊。马莲河的提取效果较好，主流完整未中断，能够与耕地、山体很好地分离；泾河的提取结果整体效果较好，但其中存在河道中断现象，原因是河道中的沙洲将水流分为多条，使得每条水流的宽度小于提取分辨率。

5 结 论

在峡谷型细小河流的提取方法中，多波段谱间关系算法提取效果较佳。高山峡谷窄深型高含沙量河流两侧山体阴影密集，下游基岩边滩发育，使得河流的水体光谱特性减弱、山体阴影遮蔽河流、河流变窄，增加了提取难度。利用常规多波段谱间关系算法提取河流信息精度较低，而改进的多波段谱间关系算法中加入Landsat_8OLI中的波段1和波段7，提取精度大大提高，主要表现在：①改进的多波段谱间关系算法对于高含沙河流信息的提取效果较好；②改进的多波段谱间关系算法能够较好地提取基岩边滩和细小河流；③改进的多波段谱间关系算法能够有效分离裸露山体和河流。

改进的多波段谱间关系算法不足之处在于对河宽小于遥感影像分辨率的河流提取效果不佳，原因是在较窄的河道中，当含沙量较高时，水体与裸露山体的光谱信息容易混淆，下一步应尝试在更高精度的遥感影像中采用改进的多波段谱间关系算法提取河流信息。

参考文献：

[1] 王伟武，朱霞，孙跃池，等.基于ETM图像的山地水体信息提取方法研究[J].系统仿真学报，2013，25（9）：2196-2200.

[2] 徐蓉，张增祥，赵春哲.湖泊水体遥感提取方法比较研究[J].遥感信息，2015，30（1）：111-118.

[3] 闫超德，袁观杰，李紫薇，等.基于遥感的黄河郑州段河流形态变化分析[J].人民黄河，2020，42（1）：21-26.

[4] 汪宝存，苗放，陈建华，等.基于ASTER数据的归一化差异水体指数的建立及其应用[J].测绘科学，2008，33（2）：177-179.

[5] 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）：79-85.

[6] MCFEETERSSK.TheUseoftheNormalizedDifferenceWa terIndex（NDWI）intheDelineationofOpenWater Features[J].InternationalJournalofRemoteSensing，1996， 17（7）：1425-1432.

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

[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.

[9] 李均力，盛永伟，骆剑承.喜马拉雅山地区冰湖信息的遥感自动化提取[J].遥感学报，2011，15（1）：29-43.

[10] 沈金祥，杨辽，陈曦，等.面向对象的山区湖泊信息自动提取方法[J].国土资源遥感，2012，24（3）：87-94.

[11] 李炳亚，潘剑君，夏超，等.基于空间位置关系的山地湖泊水体信息提取方法研究[J].遥感技术与应用，2016，31（5）：983-993.

[12] 孙娜，高志强，王晓晶，等.基于高分遥感影像的黄土高原地区水体高精度提取[J].国土资源遥感，2017，29（4）：176-181.

[13] 马川惠，黄强，郭爱军.泾河流域水沙联合分布特征分析及其不确定性评估[J].水利学报，2019，50（2）：273-282.

[14] 张红武，张欧阳，张俊华，等.泾河东庄水库排沙试验研究[J].水力发电学报，2004，23（4）：82-87.

[15] 谭衢霖，刘正军，胡吉平，等.应用多源遥感影像提取鄱阳湖形态参数[J].北京交通大学学报，2006，30（4）：26-30.

[16] 周成虎，骆剑承，杨晓梅.遥感影像地学理解与分析[M].北京：科学出版社，1999：68-90.

[17] 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.

[18] 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）：14-16.

[19] 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.

[20] GUOX，CHEND，PARKERG.FlowDirectionalityof PristineMeanderingRiversisEmbeddedintheSkewingof High AmplitudeBendsandNeckCutoffs[J].Proceedings oftheNationalAcademyofSciences，2019，116（47）：1-7.

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

【责任编辑 张华兴】