基于HJ-1A/1B CCD数据的海南岛水体提取研究*

李海亮,汪秀华, 罗红霞, 田光辉

(1. 中国热带农业科学院科技信息研究所∥海南省热带作物信息技术应用研究重点实验室，海南 儋州 571737；2. 中国热带农业科学院科技处，海南 海口 571101；3. 海南省气象科学研究所，海南 海口 570203)

基于HJ-1A/1B CCD数据的海南岛水体提取研究*

李海亮1,汪秀华2, 罗红霞1, 田光辉3

(1. 中国热带农业科学院科技信息研究所∥海南省热带作物信息技术应用研究重点实验室，海南 儋州 571737；2. 中国热带农业科学院科技处，海南 海口 571101；3. 海南省气象科学研究所，海南 海口 570203)

基于HJ-1A/1B CCD数据，选取海南岛内300个训练样本，分别计算了利用归一化差异水体指数、基于蓝光的归一化差异水体指数和混合水体指数3种指数模型识别水体时，对林地、耕地、道路和居民地的区分度。结果表明，在应用HJ-1CCD数据进行水体识别时，混合水体指数模型的区分度最高(综合区分度为34.16%)，是海南岛水体识别的最优模型。并确定了混合水体指数模型的最佳识别阈值(168.54)。利用混合水体指数模型高效地提取了2014年2月24日及9月24日海南岛的水体信息，全岛水域面积分别为677.41 km2和698.62 km2。经验证，水体提取总体精度达92.00%，混合水体指数模型具有水陆区分度较大和水体提取精度较高的优点，可以用来提取海南岛的水体信息。该文为海南岛水资源的优化配置与管理、洪涝灾害动态监测提供参考。

HJ-1A/1B CCD；水体指数；水体识别；CIWI；海南岛

水体信息提取是水资源管理的一个重要内容，也是洪涝灾害监测的重要支撑[1]。传统的水体信息提取方法工作量大、成本高、人为因素影响大，卫星遥感对地观测具有宏观性、周期性、及时性、准确性等特点。快速、准确地利用遥感影像及水体识别模型提取水体信息已成为水资源管理、洪涝灾害监测等领域的重要技术手段[2]。

水体遥感识别的常用方法主要有单波段法、多波段法、水体指数法、微波遥感后向散射系数法等。单波段法是选择水体表征最明显的某些单一波段的阈值为识别参数，用阈值法识别水体的方法[3-6]。单波段法简单易行，但进行水体识别时存在较多的混淆信息，水体识别精度低。多波段法是分析水体在多波段的值域特征，选择波段组合，并通过阈值识别水体的方法[7-10]。多波段法水体识别精度比单波段法有所提高，但波段组合的选取和阈值的确定较为复杂，在利用多波段法提取水体时裸地的排除较为困难。微波遥感后向散射系数法是利用非水体对入射微波产生较强的后向散射被雷达天线接收，在SAR图像上形成较明亮的影像，与水体暗黑色影像形成鲜明对比，从而实现水体识别的方法[11-13]。微波遥感后向散射系数法可以有效地排除云的干扰，但雷达数据不易获取，提取成本较高。水体指数法是基于多波段的水体光谱特征分析，构建水体指数模型，利用波段运算结果，并通过阈值实现水体识别的方法[14-18]。水体指数法是多波段法的改进，随着水体指数模型的发展，水体提取的精度有所提高，但各种模型均存在着一定的缺陷与不足，对所用数据及研究区的特点均有不同程度的适用差别。

环境减灾卫星数据主要应用于农业灾害与生态环境监测两个方面[19-22]。本文利用空间分辨为30 m的HJ-1A/1B数据，选取研究区一定量的训练样本，通过对NDWI、NDWI-B和CIWI三种水体指数模型的比较分析，选择基于HJ-1A/1B数据的最优水体识别模型，并确定水体识别阈值，高效地提取海南岛水体信息。为海南省洪涝灾害动态监测业务化运行提供数据和技术支持，为政府水资源利用、防灾减灾决策提供科学依据。

1 研究区与数据

1.1 研究区域

海南岛总面积约3.39万km2，地处108°37′-111°03′E，18°10′-20°10′N，位于热带北缘。整个岛屿呈NE-SW向延伸的椭圆形，地势中间高四周低，以岛中部的五指山为中心，向四周渐形成山地、丘陵、台地、平原的环形地貌(图1)。岛内比较大的河流大都发源于中部山区，呈辐射状由中部向四周独流入海。全岛独流入海的河流共154条，其中集水面积超过100 km2的有39条，集水面积超过500 km2的河流有18条。南渡江、昌化江、万泉河为海南岛3大河流，集水面积均超过3 000 km2，3条河流域面积占全岛面积的47%。全岛河川径流量为388亿m3，约为全国总径流量的1.1%。人均占有的河川径流量为4 940 m3。海南岛属于典型的东亚季风型气候，同时又具有明显的热带气候特征，降水丰富且不均匀，台风暴雨多，极易发生洪涝。1949-1979年，海南岛共出现洪涝灾害20次。20世纪80年代以来发生次数增多，给海南岛造成重大损失[23]。

图1 研究区位置Fig.1 Research region

1.2 数据来源与处理

1.2.1 遥感数据 本文所用环境减灾卫星数据来自中国资源卫星应用中心网站。分别选取2014年2月24日和9月24日覆盖海南岛的各两景HJ-1A/1B CCD影像。获取的数据属于二级产品，己经经过辐射粗校正和几何粗校正，需要对该数据做进一步的辐射校正(辐射定标、大气校正)和几何精校正等预处理。数据预处理过程为：① 辐射定标：利用中国资源卫星应用中心提供的辐射定标系数、大气层外太阳辐照度和影像头文件提供的相关参数，应用转换公式将CCD图像的DN(digital number)值转换为图像的辐射亮度，再将辐射亮度转化为大气层顶的表观反射率[24]。② 大气校正：应用6S辐射传输模型建立查找表对HJ-1A/1B CCD第1-4波段的反射率进行大气校正[25]。③ 几何精校正：采用GPS实测地面控制点进行几何精校正，定位精度控制在一个像素之内。④ 镶嵌与裁剪：将经过辐射校正和几何精校正的HJ-1A/1B CCD影像进行镶嵌，用海南岛数字边界裁剪得到海南岛区域范围内的HJ-1A/1B CCD最终影像。

1.2.2 样本数据 2014年9月24日前后，在研究区内，使用GPS实地选取水体样本100个，林地、耕地、道路、居民地样本各50个(图2)。并进行遥感信息、样本数据的融合。

图2 样本分布图Fig.2 Locations of sampling points

2 研究方法

2.1 水体指数模型

2.1.1 归一化差异水体指数 水体具独特的谱间关系特征，利用多个波段的综合特点提取水体是近年的研究重点。谱间关系法是利用水体和非水体在不同波段(或不同波段组合)之间光谱特征的差异，建立逻辑判断公式，对水体与非水体进行区分。最早最具代表性的水体指数是由Mcfeeters提出的归一化差异水体指数NDWI[26]，其计算公式如下

(1)

式中ρ(GREEN)、ρ(NIR)分别为绿光和近红外波段的反射率，即分别为HJ-1A/1BCCD影像中第2、4波段的反射率。NDWI为归一化差异水体指数，取-1～1。由于水体的反射从可见光到中红外波段逐渐减弱，在近红外波段范围内几乎无反射，而植被在近红外波段的反射率一般最强。因此用可见光波段和近红外波段的反差构成的NDWI在抑制植被影响的同时增强了水体目标的表达(水体NDWI值大，植被NDWI值小)。根据NDWI的计算原理，水体的NDWI指数较高，理论数值大于0；其他地物的NDWI小于0，且最小值不小于-1。

2.1.2 基于蓝光的归一化差异水体指数NDWI指数能把植被、耕地与水体区分，但湿地是纯水体、植被、土壤的混合体，其光谱特征包含了三者的特点，不易被提取出来。根据光谱分析，在归一化差异水体指数模型中用蓝光代替绿光可以将湿地与植被、耕地等区分出来。由此建立基于蓝光波段的归一化差异水体指数模型NDWI-B[1]，其计算公式如下：

(2)

式中，ρ(BLUE)、ρ(NIR)分别为蓝光和近红外的反射率，即分别为HJ-1A/1BCCD影像中第1、4波段的反射率。根据NDWI-B的计算原理，水体的NDWI-B值最大，湿地的NDWI-B值其次，其他地物的NDWI-B最小。

2.1.3 混合水体指数NDWI指数能很好地区分水体与植被，但不能有效地区分水体与城镇。根据分析发现，在近红外波段城镇的反射率最高，水体的反射率最低，城镇与水体光谱差异最大，易于区分水体与城镇。据此，先用近红外通道的反射率与反射率均值的比值构建无量纲数，再将其与NDVI求和，使水体保持在低值区，城镇处于高值区，植被介于两者之间，从而增强三者之间的差异。由此定义混合水体指数模型CIWI[17],其计算公式如下：

(3)

2.2 模型优选及阈值设定

为了表达水体提取模型识别水体和非水体目标的能力,引入区分度DD(DivisionDegree)[17]，其计算公式为：

(4)

通常应用阈值法对水体指数划分不同的取值范围，将水体目标和非水体目标分离。本文根据前人经验[25]及数据直方图特点，通过采样点的水体指数值与地物类型的反复比对寻找水体指数模型的合理阈值，使之在提取研究区水体时破碎图斑较少、水体目标与非水体目标能较好地分离。

2.3 精度验证

遥感数据分类的不确定性通常用误差矩阵来度量，从误差矩阵中可以计算出分类精度的指标。误差矩阵有时也称为混淆矩阵，是一个用于表示分为某一类别的样本个数与地面检验为该类别数的比较阵列。根据误差矩阵可以导出若干关于总体分类或对于某一类别分类的精度描述指标[27]。总体精度用误差矩阵内对角线元素之和除以总的采样个数来表示的，表1中该值为(45+61+70)/200=88.00%，即总体分类精度为88.00%。为描述对某一类别的分类精度，定义了生产者精度和用户精度。类别A的生产者精度定义为：类别A的正确分类个数除以对于类别A的总采样个数(即A的列总和)。表1中类别A生产者精度为：45/50= 90.00%。该指标指出了一个地面采样点被正确地分类的概率。另一方面，类别A的用户精度定义为：正确分类为A的个数除以分为类别A的总和 (即A的行总和)。表1中类别A用户精度为 45/52=86.50%。该指标指出一个采样分类点表示实际地面真实情况的百分比。

3 结果与分析

3.1 最优模型及水体提取阈值

为了便于比较和分析，对NDWI、NDWI-B两种水体指数进行放大和平移[17]。修正后的计算公式如下：

(5)

(6)

表1 误差矩阵实例

式中，C为常数，为保证各类水体指数处于正值区间，本文C取值为100，同时公式(3)中的常数C也取值为100。

为系统地比较3种水体指数的水体提取效果，本文以水体为提取目标，以耕地、林地、道路、居民地为背景地物，计算相关区分度DD值。由表2，CIWI在提取水体时，对林地、耕地、道路和居民地的区分度均高于NDWI和NDWI-B，综合区分度为34.16%。应用HJ-1A/1B CCD数据提取水体时，CIWI模型要优于NDWI模型和NDWI-B模型，因此本文选用CIWI模型进行海南岛的水体提取。通过采样点的水体指数值与地物类型的反复比对，发现阈值设定为168.54时提取的水体目标效果最佳。

表2 3种水体指数提取水体的区分度1)

1) 水体样本数100个，林地、耕地、道路、居民地样本各50个。

3.2 水体提取精度验证

以2014年9月24日HJ-1A/1B CCD数据为数据源，以168.54为阈值，使用CIWI模型提取海南岛水体信息，结合实测样本数据，利用误差矩阵原理制作水体识别精度验证数据。由表3，水体、林地、耕地、道路、居民地的生产者精度分别为95.00%、100.00%、94.00%、86.00%、82.00%，说明水体、林地、耕地、道路、居民地被正确分类的概率较高。另一方面水体与非水体的用户精度分别为83.33%、97.31%，说明水体、非水体分类点表示实际地面真实情况的百分比较高。水体提取总体精度达92.00%。综上所述以168.54为阈值利用CIWI模型提取水体精度较高，可以用来提取海南岛的水体信息。

表3 水体提取精度验证数据1)

1)水体样本100个，林地、耕地、道路、居民地样本各50个

3.3 海南岛水体提取结果

以海南岛2014年2月24日及9月24日的HJ-1A/1B CCD数据为数据源，以168.54为阈值，利用CIWI模型分别提取海南岛枯水季和丰水季的水体信息。提取结果如图3，经统计，丰水季(9月24日)全岛水域面积为698.62 km2，较枯水季(2月24日)大21.21 km2。9月24日,儋州拥有海南岛最大的水库(松涛水库)，水域面积为159.18 km2，居全岛第1位；东方拥有海南岛第2大水库(大广坝水库)，水域面积89.01 km2，居全岛第2位；文昌拥有大量的鱼塘，水域面积88.62 km2，居全岛第3位。水域面积后3位的市县分别是保亭、琼中、五指山。研究发现，由于HJ-1A/1B CCD数据空间分辨为30 m，一些细小的水渠、溪流没有被有效提取。

图3 海南岛水体分布图(2014年2月24日及9月24日)Fig.3 Water extraction results in Hainan Island on Feb. 24th and Sept. 24th，2014

4 结 论

本文，用空间分辨为30 m的HJ-1A/1B CCD数据，选取研究区300个训练样本，利用区分度DD比较分析了NDWI、NDWI-B和CIWI三种指数模型的水体识别效果。结果表明，在应用HJ-1CCD数据进行水体识别时，CIWI水体指数模型的区分度最高(综合区分度为34.16%)，是海南岛水体识别的最优模型。通过采样点的水体指数值与地物类型的反复比对，确定了CIWI水体指数模型的水体识别阈值为168.54。经实测样本数据验证，水体、林地、耕地、道路、居民地的生产者精度分别为95.00%、100.00%、94.00%、86.00%、82.00%，水体与非水体的用户精度分别为83.33%、97.31%，水体提取总体精度达92.00%，说明CIWI模型提取水体精度较高，可以用来提取海南岛的水体信息。利用CIWI模型高效地提取了2014年2月24日及9月24日海南岛的水体信息，全岛水域面积分别为677.41 km2和698.62 km2。丰水季(9月24日)水域面积较枯水季(2月24日)水域面积大21.21 km2，岛内水域面积前3位的市县分别为儋州、东方、文昌，水域面积后3位的市县分别是保亭、琼中、五指山。研究发现CIWI模型能有效地提取分散水体(如鱼塘、小型水库等)，但由于HJ-1A/1B CCD数据空间分辨为30 m，CIWI模型在提取细小的水渠、溪流时效果不佳，有离散及丢失的现象。研究还发现CIWI模型在提取纯水体时效果良好，但在提取混合像元、湿地时区分度不高。因此，为了满足洪涝灾害监测的要求，今后应在如何区分混合像元、精确提取湿地等方面做进一步的探讨。

[1] 曲伟，路京选，李琳，等．环境减灾小卫星影像水体和湿地自动提取方法研究[J].遥感信息,2011(4):28-33.

[2] 李海亮,戴声佩,胡盛红，等. 海南岛农业干旱综合监测研究[J]. 中山大学学报(自然科学版)，2012，51(6):126-130.

[3] SHIH S F. Comparison of ELAS classifications and density slicing Landsat data for water surface area assessment [C]∥JOHNSON A I. Hydrologic applications of space technology (Publication No 160 ). Intl Assoc Hydrological Sci,1985.

[4] BARTON I J,BATHOLS J M. Monitoring floods with AVHRR[J] . Remote Sensing of Environment, 1989,30(1):89-94.

[5] 陆家驹,李士鸿．TM资料水体识别技术的改进[J].环境遥感,1992,7(1): 17-23.

[6] 范磊，刘婷．CBERS-02星CCD数据在水灾监测中的应用——以河南新蔡县为例[J]．河南理工大学学报(自然科学版),2009，28(3):312-315.

[7] 张淑杰．洪涝灾害遥感监测与灾情评价方法研究[D]．南京：南京信息工程大学，2005.

[8] 王随霞．基于MODIS数据的黄河下游洪水遥感监测研究[D]．南京：河海大学，2006.

[9] 梁益同，刘可群，周守华，等．EOS-MODIS数据监测暴雨洪涝灾害的技术方法[J]．暴雨灾害,2008,27(1):64-67.

[10] 黄伟锋，李茂堂，崔旭东．中巴地球资源一号02B星在广西水库监测中的应用[J]．水利水电技术,2010，41(7):79-82.

[11] 曹云刚，刘闯．EnviSat ASAR数据在水情监测中的应用[J]．地理与地理信息科学,2006，22(2):13-15.

[12] 许丽娜，李炯，牛瑞卿．基于ASAR和ETM影像的洪水淹没分析[J]．测绘信息工程,2010，35(4):12-14.

[13] 聂娟，范一大，邓磊，等．山洪灾害雷达遥感灾情评估技术研究与应用[J]．自然灾害学报,2010，19(3):105-110.

[14] McFEETERS S K.The use of normalized difference water index(NDWI) in the delineation of open water features[J].International Journal of Remote Sensing,1996,17(7):l425-1432.

[15] 刘勇洪，牛铮．基于MODIS遥感数据的宏观土地覆盖特征分类方法与精度分析研究[J]．遥感技术与应用,2004，19(4):217-224.

[16] 徐涵秋．利用改进的归一化差异水体指数(MNDWI)提取水体信息[J]．遥感学报,2005，9(5)：589-595.

[17] 莫伟华，孙涵，钟仕全，等．MODIS水体指数模型(CIWI)研究及其应用[J]．遥感信息,2007(5)：16-21．

[18] 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(6)：62-67．

[19] 夏天,周清波,陈仲新，等. 基于HJ-1卫星的冬小麦叶片SPAD遥感监测研究[J]. 中国农业资源与区划,2012，33(6)：38-44.

[20] 蒙继华，吴炳方，杜鑫，等．基于HJ-1A/1B数据的冬小麦成熟期遥感预测[J]．农业工程学报,2011，27(3)：225-230.

[21] 李强子, 闫娜娜, 张飞飞，等．2010年春季西南地区干旱遥感监测及其影响评估[J]．地理学报,2010，65(7)：771-780.

[22] 宫鹏，张晗，张海英，等．用中国环境减灾卫星1号数据评估日本仙台9.0级大地震引发海啸淹没区[J]．遥感学报,2011，15(4):863-868.

[23] 胡玉萍．建国40年间(1949～1988年)海南岛自然灾害及其抗救举措研究[D]．南京：南京农业大学，2007．

[24] 李慧芳．多时空条件下HJ_1卫星地表反照率反演方法研究[D]．郑州：河南理工大学，2012．

[25] 孙长奎，孙林，麻盛芳，等. HJ-1 CCD数据大气校正方法研究[J]. 遥感学报，2012，16(4)：826-836

[26] 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.

[27] 承继成，郭华东，史文中．遥感数据的不确定性问题[M]．北京：科学出版社，2004．

HJ-1A/1B CCD data-based water extraction in Hainan Island

LIHailiang1,WANGXiuhua2,LUOHongxia1，TIANGuanghui3

(1. Institute of Scientific and Technical Information, Chinese Academy of Tropical Agricultural Sciences ∥Key Laboratory of Practical Research on Tropical Crops Information Technology in Hainan，Danzhou 571737，China; 2. Department of Science and Technology, Chinese Academy of Tropical Agricultural Sciences,Haikou 571101, China;3. Hainan Institute of Meteorological Sciences, Haikou 570203, China)

The normalized difference water index (NDWI), normalized difference water index based on blue light (NDWI-B) and combined index of NDVI and NIR were applied to water body identification (CIWI), and the discrimination to farmlands, roadways and settlement places was calculated using HJ-1A/1B CCD date of 300 samples from the Hainan Island. The discrimination of CIWI water index model is the highest, with the comprehensive discrimination of 34.61% and it is the optimal model of water recognition in the Hainan Island. The best recognition threshold of CIWI water index model (168.54) was confirmed. It was used to extract water information on 24th of February and 24th of September, 2014 efficiently, with the total island water area of 677.41 km2and 698.62 km2respectively. The total accuracy of water extraction reaches 92.00%. The CIWI water index model has the advantages of large discrimination of land and water and high precision extraction of water area, which can be used to extract water information of Hainan Island. This paper provides reference for optimized allocation and management and dynamic monitoring of flood disaster for water resources in Hainan Island.

HJ-1A/1B CCD; water index; water extraction; CIWI; Hainan Island

10.13471/j.cnki.acta.snus.2016.01.024

2015-04-08

海南省自然科学基金资助项目(612119)；海南省气象局科研基金资助项目(HNQXZD201409)

李海亮(1977年生)，男；研究方向：热带农业遥感;E-mail:fondgis@163.com

S127

A

0529-6579(2016)01-0149-06