第三部分 水体信息提取

水体提取方法简单归纳总结一、基于MODIS影像的几种提取方法。

最常用的水体提取方法：波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法单波段阈值法是提取水体的最简单易行的方法。

基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点 ,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。

缺点：是无法将水体与山区阴影区分开来 ,提取的水体往往比实际要多。

有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性 ,但对于非山区的特定时相和区域里 ,尤其像 MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验 ,因为光谱的细分已经将上述问题大大减弱。

若能获得较满意的提取效果 ,则很容易实现水体的自动提取。

对于用阈值法确实得不到理想效果的 ,则可以考虑谱间关系法和多光谱混合分析法。

利用谱间关系可建立的模型很多 ,如对波段进行如下组合运算 CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。

以 CH7/CH6为例 ,可以采用如下方法剔除非水体: 在 ENVI 软件下输入 CH7 及 CH6 波段 , 运用波段计算功能 ,将公式 CH7/CH6输入 ,载入影像, 在放大窗口中 ,手工裁取明水水域范围 , 生成多边形 ,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为 EN-VI 等矢量文件即可。

对波段进行组合运算的目的 ,是为了增强水陆反差。

MODIS 数据的波段 1 是红光区( 0. 62 ～ ,水体的反射率高于植被, 波段 2 是近红外区( 0. 841 ～ 0. 876um) ,植被的反射率明显高于水体,因此, 采用归一化植被指数 NDVI( Normalized Difference Vegetation Index) 来进行处理可以增强水陆反差 ,其计算公式为 :DNVI= (CH2- CH1)/(CH2+ CH1) ( 1)( 1) 式中 CH1 ,CH2 分别为 MODIS 数据波段1,2 的地表反射率。

基于综合知识的水体信息提取技术方法研究作者：尹永会苗放来源：《环球市场信息导报》2013年第01期水体无论作为一个独立的环境因子，还是作为一种资源，都被人们格外的重视。

水资源调查是一件十分有意义的工作，地表水和地下水的研究一直都是水资源研究的重点，水体的面积监测是调查水资源的一个重要的方面，也是洪水灾害检测的重要内容[1]。

水体信息的提取对于研究一个区域的生态环境也具有非常重要的意义。

所以在遥感影像上实现对水体信息的准确提取是一项十分重要的工作。

在宏观角度上，水体专题信息分为湖泊和河流两类。

在卫星遥感影像上，湖泊大致表现为一块等值区域，河流为一线结构。

在黑白遥感影像上，水体的纹理较均匀但色调较复杂，主要与水体的深浅、含沙量、受污染程度及河流的流速等因素有关，一般情况下，水体越深，色调越深，水体越浅，色调越浅；水体的含沙量越大，色调越浅；静止的水体色调相对较深，湍流的河水色调相对较浅。

在彩红外遥感影像上，水体主要通过影像色调及纹理来判断[2]。

水体光谱及TM波段水体信息分析水的光谱特征主要是由水本身的物质组成决定的，同时又受到水状态的影响。

在可见光范围内，水体的反射率总体上比较低，不超过10%，一般为4～5%，并随着波长的增大而逐渐降低，到0.6微米处约2～3%，过了0.75微米，水体几乎成为全吸收体。

在近红外的遥感影像上，清澈的水体成黑色。

为区分地面上有无水体覆盖，应选择近红外波段的影像。

在卫星遥感影像上，湖泊，水库，池塘多呈面状区域，河流呈线状结构，在TM影像上，对于水体来说，水体几乎吸收了全部的近红外和短波中红外全部的入射能量，所以水体在近红外和中红外波段的反射能量很少，而土壤和植被在这两个波段内吸收的能量较少，具有较高的反射率，因此在TM影像上，这两个波段组合，水体呈暗色调，植被和土壤具有相对较亮的色调[3]。

综合知识的水体信息提取目前遥感影像水体信息的提取方法主要有四种：多波段谱间关系法，水体指数法，植被指数法和决策树方法[4]。

近年来,随着卫星遥感技术的不断进步,我国相关研究机构对遥感实验不断进行探索,越来越多的专家学者将卫星遥感技术应用在水体监测、调查与应用等多个方面,对卫星遥感影像数据的水体信息提取进行了大量研究[1-2]。

丁凤以Lands at 卫星遥感影像信息为数据源,研究了新型的归一化差分水体指数(N or m al i z ed D i f f er ence W at erI ndex ,N D W I ),可以用于水体信息的便捷迅速提取。

查车等充分运用面向对象方法,分别提取了SPO T5,R apdEye 等卫星遥感影像的水体信息,这其中以天绘一号卫星遥感影像数据为数据源的水体信息的提取精度最高。

胡卫国则使用归一化差分植被指数(N or m al i z ed D i f f er ence V eget at i on I ndex ,N D V I )与N D W I 进行资源一号卫星遥感影像数据的水体信息提取研究,并认为决策树方法更适用于02C 星遥感影像数据的水体信息提取。

笔者利用高分一号(G F-1)卫星遥感影像数据,对水体信息提取进行了研究。

1高分一号卫星遥感影像数据介绍及预处理1.1高分一号卫星遥感影像数据介绍高分一号卫星搭载了2台分辨率为2m 全色、8m 多光谱相机和16m 多光谱宽幅相机(由4台透射式CCD 相机组成,分别为W FV 1~W FV 4)。

其中2m /8m 相机的幅宽为70km ,16m 相机的幅宽为800km [3]。

由于高分一号卫星的重访周期为4天,而其他具有类似空间分辨率的卫星的重访周期大多为10余天,因此与其他遥感卫星相比,高分一号卫星在空间分辨率和时间分辨率上具有双重优势。

1.2高分一号卫星遥感影像数据预处理本文采用的研究数据为滁州市G F-1W FV 多光谱遥感影像数据,行政区划数据为滁州市s hp 文件数据。

因本文所研究的区域属于丘陵和平原的综合地区,故需要对原始遥感影像先进行几何校正,并在使用前对所获得的遥感影像进行正射校正。

水体提取实验报告地理121 王霞2012211300 一、实验目的提取TM图像中的水体信息，对试验区1991图像和试验区2002图像中的水体进行提取，分析比较图像结果。

二、实验内容1、查看植被、水体、城镇的影像光谱，总结光谱特征。

2、首先计算NDVI、NDWI、NDBI，再利用水体指数等提取水体信息，一般包括两种方法：a.阈值法提取b.最大似然法提取本次实验采用最大似然法提取。

三、实验步骤1、计算试验区1991和2002可见光至短波红外波段的7个波段的TOA反射率数据。

步骤：Basic Tools - Preprocessing - Calibration Utilities - Landsat Calibration可见光至短波红外波段的7个波段的TOA反射率数据图像如图1。

2002年1991年图12、利用水体指数增强水体信息。

查看影像光谱，在image视图中右键->Z Profile （Spectching），以下是影像中水体、植被、城镇的光谱影像。

水体植被城镇总结光谱特征。

这就为什么水体用ETM+(b2-b4)/(b2+b4)，而植被是ETM+(b4-b3)/(b4+b3)，而城镇指数是ETM+(b5-b4)/(b5+b4)，都是波段的反射率值。

3、计算NDVI、NDWI、NDBITransform——NDVI等指数，两个试验区的NDVI等指数图像如下图NDVI（图2、图3）图2 2002年图3 1991年NDWI（图4、图5）图4 2002年图5 1991年NDBI（图6、图7）图6 2002年图7 1991年4、最大似然法提取（1）加入特征指数的最大似然法提取方法：将6波段文件和三个指数（NDVI、NDWI、NDBI）做成一个文件：FILE->SA VE FILE AS->ENVI STANTARD合成后的图像（2）用ROI区域选取水体、城镇、植被等样本试验区1991年试验区2002（3）最大似然法分类：步骤：CLASSIFICAION->SUPERVISED->MAXIMUN LIKELIHOOD 1991年分类结果图像如图8。

收稿日期:2008206204;修订日期:2008208225基金项目:安徽省教育厅自然科学基金资助项目(K J 2007B219);安徽省教育厅教学研究项目(2007J YXM208)。

作者简介:黄海波(1982-)男,硕士研究生,主要从事遥感图像处理、土地利用/覆盖变化研究。

E 2mail :hhb1001@ 。

ASTER 遥感影像水体信息提取方法研究黄海波1,2,赵　萍1,2,陈志英1,郭　伟1,2(1.安徽师范大学国土资源与旅游学院,安徽芜湖　241000;2.安徽师范大学GIS 重点实验室,安徽芜湖　241000)摘要:以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER 遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。

实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。

关　键　词:ASTER ;水体信息提取;谱间关系中图分类号:TP 79 文献标志码:A 文章编号:100420323(2008)05205252041　引　言水资源分布的调查与监测是控制水污染和生态保护的前提,而卫星数据具有监测范围广、获取周期短、地物信息丰富的特点,对调查与监测水资源分布起着重要的作用。

国内外众多学者对水体遥感专题信息的提取进行了研究,如Bartolucci [1]等通过对Landsat MSS 数据的研究,指出MSS 波段中近红外波段为提取水体的最佳波段;秦其明[2]等通过像素的重组,在区域分割和边界跟踪的基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别;陈华芳[3]等对Landsat ETM +影像,分别采用了阈值法、差值法和阈值法的结合运用、多波段谱间关系法和阈值法的结合这3种方法对湿地进行识别;王志辉,易善祯[4]通过对5种不同水体提取模型(RV I ,NDV I ,NDWI ,MNDWI ,NDSI )原理分析,结合具体实例(洞庭湖水域)进行水体遥感提取来说明5种方法提取水体的差异,从而确定在不同时期和不同用途时所采用最佳的水体提取模型。

遥感原理与应用》实验报告学院：授课教师：班级：姓名：学号：一、实验目的1、提取TM图像中的水体信息，对图像（TM-AA中的水体进行提取，采用公式（b2-b5、（b2-b5）/（b2+b5））分别进行提取，进行分割比较。

2、对提取的水体图像进行形态学处理，并对处理后的图像进行效果比较。

二、实验原理通过ENVI软件，对图像（TM-AA ）中的水体采用公式（b2-b5、（b2-b5）/（b2+b5））分别进行提取，进行分割比较。

三、实验准备软件准备：ENVI 实验数据：图像：AA四、实验步骤1查看图像直方图。

［穽—Z Gr^enzBanid 3L AA3FileHistograrrt^eiuroeOption 召 Hglpr Apply | Stretch 212QQ■Ra G匚、K匚 LU - r -B-n £ :£&J. a E a d.? H ■ *K I 2 口ixru*** Ftill B un d. 口曰口；』OOD p D i xi t -a.^2)、查看光谱剖面信息。

3）、查看指定线路上的光谱值变化。

Q tfl SrMctral PruflecAA0 «l ；Spatial Profile *1 Rle Edit Opfonit Ptot_FuHrtion Help；le Edit Options门Help250 Fc20QnQA Don550123 + 56Ba fid Number占|＞口廿口1 Profileso。

(4)、查看不同像素位置光谱值变化。

A 、显示图像和直方图B 、确定直方图分级点的像素ProfilenZ5ZCI15C 、设置拉伸的范围5）、查看（5, 4, 2）合成图像中水体光谱的差异。

6）比较不同地物的像素差异。

File 劭戦hJypE Histogrwi_Sfflfce Defsuhs Cptcn? Hf 2咖 StrtU.3: 255File Sfrelnjype H 址輕mjourf Defaults Opt 血 HelpC*orx- aEit.: E QUH U H ・4, IHi ■ t S O -EIF ca Full B wd.【36D. QQD p Q L .H 1 ■)C'lrrsa::H L si Sarrci ： J IL I Bud 逊 ODO"詁诃 Curat Egnil:诚 Nkt S:urr*. ?IL ! Bed (350,DOCpoints]*2 Band 5 AAL = QOverlay £ntiance- Tods- Window0 *2 Bsnd.tlAndl i ：AA[Q 1 *2 Zoom [A..=#2 Sei-oil (D.-42O&7)卜砒• Strwtcih, Type HifStograim.^cuir-c# Defttuhs Optic FK Help7）提取当前位置的像素值。

基于深度学习的遥感水体信息提取研究基于深度学习的遥感水体信息提取研究摘要：遥感技术在水体信息提取中具有广泛的应用前景，然而传统的遥感水体信息提取方法存在着一定的局限性。

本文提出了一种基于深度学习的遥感水体信息提取方法，通过使用深度卷积神经网络（CNN）来提取水体的特征，并用多层感知器（MLP）进行分类。

实验结果表明，深度学习可以有效地从遥感影像中提取水体信息，具有较高的准确性和泛化能力。

1. 引言水资源是地球上最为宝贵的资源之一，对于生态系统的平衡和人类的生存都起着至关重要的作用。

随着遥感技术的发展，遥感影像成为了获取水体信息的重要工具之一。

准确地提取遥感影像中的水体信息对于水资源管理和环境保护具有重要意义。

然而，传统的基于像元的分类方法往往无法准确提取水体信息，因此需要寻找更有效的方法来应对这个问题。

2. 深度学习及其在遥感中的应用深度学习是一种模仿人脑神经网络工作原理的机器学习方法，它能够从大量的训练数据中学习到高层次的抽象特征。

近年来，深度学习在图像识别、目标检测等领域取得了显著的成果。

在遥感领域，深度学习也被广泛应用于土地利用分类、目标提取等任务中，取得了令人瞩目的效果。

3. 基于深度学习的遥感水体信息提取方法本文提出了一种基于深度学习的遥感水体信息提取方法。

首先，将遥感影像进行预处理，包括辐射校正、大气校正等。

然后，使用深度卷积神经网络来提取水体的特征。

深度卷积神经网络通过堆叠多个卷积层和池化层来构建，能够从原始图像中学习到具有局部感知能力的特征。

最后，利用多层感知器进行水体的分类，并根据分类结果生成水体信息图。

4. 实验结果与分析本文使用了包括Landsat TM、Sentinel-2等多种遥感影像数据集进行实验。

对于每个数据集，我们随机选取了一部分样本进行训练，并利用剩余的样本进行测试。

实验结果表明，基于深度学习的遥感水体信息提取方法在准确性和泛化能力上明显优于传统的方法。

与传统的基于像元的分类方法相比，深度学习方法能够更好地区分出水体和其他地物，提取出更精确的水体信息。

水体信息提取
1 打开文件，波段调整为7 5 3
2 新建个矢量文件
存于d 盘根目录下，文件的名字不要有汉字。

选单精度
打开矢量工具条，enable editing
3 矢量化水体，水体宽带小于3个象元的，划单线，否则化双线，首先设置aaa的属性表
最小化属性表
在设置aaa的空间属性特征，包括线点及属性显示
创建表的属性
应用后，close，选no
水体点属性用71表示，其他用99表示。

水体划完后，点击保存，关闭文件后，再对线建立拓扑关系。

再点击确定后，在新的窗口内，打开文件，用recent 查找刚生成的bbb 文件，打开bbb 文件，
打开tools 工具栏，enable editing 后，再新设置bbb 的空间属性特征。

删除悬挂的线后，封闭没有闭合的线，在重新建立拓扑关系，在打开新生成的文件，重复以上的步骤，直到保证没一个封闭的区域都有一个label 点，没有悬挂的线。

最后形成的文件，每一个区域，都形成一个面，而且带有正确的属性（77或99）。

删除悬挂的线。

水体提取方法简单归纳总结一、基于MODIS影像的几种提取方法。

最常用的水体提取方法：波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法单波段阈值法是提取水体的最简单易行的方法。

基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。

缺点：是无法将水体与山区阴影区分开来,提取的水体往往比实际要多。

有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性,但对于非山区的特定时相和区域里,尤其像MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验,因为光谱的细分已经将上述问题大大减弱。

若能获得较满意的提取效果,则很容易实现水体的自动提取。

对于用阈值法确实得不到理想效果的,则可以考虑谱间关系法和多光谱混合分析法。

利用谱间关系可建立的模型很多,如对波段进行如下组合运算CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。

以CH7/CH6为例,可以采用如下方法剔除非水体: 在ENVI 软件下输入CH7 及CH6 波段, 运用波段计算功能,将公式CH7/CH6输入,载入影像, 在放大窗口中,手工裁取明水水域范围, 生成多边形,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为EN-VI 等矢量文件即可。

对波段进行组合运算的目的,是为了增强水陆反差。

MODIS 数据的波段 1 是红光区( 0. 62 ～0.67um) ,水体的反射率高于植被, 波段2 是近红外区( 0. 841 ～0. 876um) ,植被的反射率明显高于水体,因此, 采用归一化植被指数NDVI( Normalized Difference Vegetation Index) 来进行处理可以增强水陆反差,其计算公式为:DNVI= (CH2- CH1)/(CH2+ CH1) ( 1)( 1) 式中CH1 ,CH2 分别为MODIS 数据波段1,2 的地表反射率。

数据要求：1.下载的影像数据，尽量为同日期或者尽量靠近，不能相差时间太长，提供的影像为2004年第259天，1994年第295天，2004年第268天。

其中1994年的影像肯定不行2.下载的影像数据，尽量没有云层覆盖类似这种研究区域中水体局部存在云层时，该影像不能用，需用接近该日期的影像替代。

水体提取步骤如下〔一〕7个单波段合并成一个文件1.ENVI软件中File-Open Image File,弹出以下对话框，选择文件夹下b1-b7影像并打开，如下：2.将7个波段合成一个影像文件，操作如如下图：3.点击Import File,选择所有波段5.点击Reorder Files鼠标拖动，确保波段1-7序号，从b1-b7，排序如下：6．右边窗口设置坐标系如下：UTM,WGS-84,49N7.定义文件名后，生成一个整的影像文件同理，依次将其他文件夹下的7个波段合并成各自文件。

〔二〕多个文件镶嵌拼接成一个整的文件注意：该步操作比拟复杂，拼接文件可能存在色差不均衡问题，具体请多网上查些资料；1.基于地理坐标进展拼接，操作如下：2.Import Files将上步生成的三个文件导入进来3.分别右键文件名，选择Edit Entry〔三个文件操作一致〕4.设置Data Value to Ignore背景值为0，羽化距离根据需要设置〔不固定〕；ColorBalancing(颜色平衡参数，其中Fixed为以该文件为标准，其他影像进展调整，可对其中一个文件设置为Fixed，其他两个文件设置为Adjust)5.File-Apply，影像拼接拼接结果如下：〔三〕水体区域提取1.Envi中波段运算，如下：2.输入以下表达式 (b2*1.0-b4)/(b2+b4) gt 0 (可用其他方法，依实际情况而定)3.分别设置算法中各个变量对应的波段，b2表示第3个波段，b4为第5个波段4.根据研究区域进展裁剪，并统计其中为1的像元个数，影像加载显示后，加载矢量文件：会自动生成一个evf文件，下次打开直接加载evf即可。