当前位置：文档之家 › 遥感影像在水体监测中的应用

遥感影像在水体监测中的应用

  • 格式：doc
  • 大小：29.50 KB
  • 文档页数：6

-- 第1页（共6页） MOＤIＳ遥感影像在水体监测中的应用 重庆师范大学 ２0１1级地理信息系统 颜萍 2011０514795 摘要:水体与植被、城市、土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基木原理。在水体光谱特征分析的基础上，介绍了MＯＤIS数据特征以及各种水体信息的提取方法,比较了这些方法的优点和不足，并详细描述了各种水体指数的应用效果。水体指数法是目前最受关注的水体识别方法。综合利用各种水体指数和波段特征来提取水体信息，可有效排除其他地物的干扰,显著提高了水体监测的精度，从而为大范围的水资源与水环境动态监测迅速提供可靠的数据。 关键字：ＭＯＤIS;检测方法；水体指数;光谱特征; 1 引言

随着遥感技术的不断发展,各种高精度的卫星图像数据产品近年来得到了广泛应用。利用卫星图像提取陆地表而的各种水体信息,成为开展水资源调查、洪涝灾害评估、生态环境监测等方而研究的重要依据。在国内外已经开展的研究中,肖乾广[1]、盛永伟等[2]利用美国NOAA卫星上AVHRR传感器数据的波段1(可见光波段)和波段2(近红外波段)进行差值和比值运算较好地识别了水体。Ｂarton[3］等利用AVＨＲR波段4的亮度温度识别水体并对洪水进行昼夜监测。陆家驹[4]选用Lａnｄｓat ＴM5数据作为水体提取的最佳波段。ＡVHRR数据时间分辨率较高,便于开展对比观测，但空间分辨率为1.１ ｋm,影响了水体识别精度。TM数据空间分辨率3０ m，识别精度较高，但价格昂贵，限制了其应用范围。 ２ 用遥感影像监测水体的主要方法 2.1 单波段或多波段阈值法 单波段或多波段阈值法主要是根据遥感图像中不同地物之间的灰度值的差异，选择一个或多个能够较好地反映水体和其他地物边界的波段并确定阈值,从而将水体提取出来。MODIS数据的第1波段是红光波段(０． ６2～0. 6７μm ),第２波段是近红外波段（(0.841~0.８７6μm)。阈值法主要是基于水体在以上2个波段中反射特性的差异建立的。在第１波段图像上水体的灰度值与周围陆地的灰度-- 第1页（共6页） 值相近,水陆边界不明显。而在第2波段图像上，陆地明显高于水体的灰度值,水陆边界十分明显[5]。根据这一特点，可以分别对第1和第2两个波段设置阈值来提取ＭODIＳ图像中的水体信息。利用单波段或多波段阈值法处理山区图像时,由于山体阴坡而在近红外波段的反射能量较低,在图像上色调较暗,这样提取后的水体很容易与山体的阴影相混淆,影响提取效果。另外利用阈值法提取水体时容易产生较多的噪声，因此提取精度相对较低[6]。 2.2 NDVI法 由于植被和土壤在红光波段（0. ６～0. ７μm)的反射率较近红外波段(0. 7～1． 1μm）的反射率低，而水体在红光的反射率较近红外的反射率高。因此可利用MODIＳ数据第1波段(即红光波段0． 6２～0. ６７μｍ)和第2波段(即近红外波段0. ８４1～０. ８76μm)的地表反射率组成归一化植被指数ＮDVI(Normaliｚed Difｆereｎce Veｇｅtａtion Iｎdｅx)来对MODIS图像进行水体提取,其计算公式为: INＤVI=(Rｃh2-Rcｈ1)/（ Rcｈ2+Ｒcｈ1） 公式2．２.１中的Rch1为MODＩS数据第1波段的地表反射率，Rch2为MOＤIS数据第2波段的地表反射率。在生成的NDVI图像中,水体的INＤＶI值为负值，而植被、土壤的INDＶI值则较高,一般为正值，这样很容易将水体和植被、土壤区分出来,物理意义非常明显。 传统的NDVＩ方法在只有植被和水体两类地物的情况下,提取精度较好，如果水体中含有其他物质或有其他类型的地物存在,提取精度则会大大减小。当进行洪涝监测时,由于水体中泥沙含量增高和土壤中水分含量增大,土壤和水体的反射率差异会明显减弱，并且在ＭODIS数据的第１和第2两个波段下降的幅度相近，这就很难单纯使用ＭODIS第１和第2波段的数据去区别水体与土壤、植被等其他地物。丁莉东[7］首先将MＯDIS的第1和第２两个波段建立归一化植被指数NDVI提取水体,将提取出来的水体再和ＭODIS的第1和第2波段进行假彩色合成，制作出湖泊水体的遥感影像图,通过这种方法对洪水水体进行识别。为了排除其他类型-- 第1页（共6页） 地物的影响,王净口[８］等提出了一种掩膜和NDVI相结合的方法。即先利用掩膜剔除陆地（含居民区)信息的影响，再计算ＩＮDVI值,以区分植被和水体达到提取水体的目的。改进的方法要优于传统的NDVI方法，尤其是在水陆交界地区的提取效果较好。 2.3 谱间关系法 谱间关系法是根据水体与植被、城市和土壤等背景地物的波谱曲线之间的差异和变化规律,用逻辑判别式将不同波段之间的关系表达出来,进而提取水体。周成虎［9］等针对TM数据，较早地建立了用于识别水体的谱间关系模型： Ｒｔｍ2+Ｒtm3> Rtm4+Rtm５

公式２.３.１中，Rtm2、Rtm3、Rtｍ4和Ｒtｍ5分别为TM数据第2,3,4和5波段的反射

率。即第2，3波段反射率之和大于第４，５波段反射率之和者判识为水体。由于MODＩS第1波段、2波段、4波段(０.5４5~0．565μm)和6波段（1. ６２８～１. 652μm)分别处于ＴＭ的第3,4,2和5波段的波长范围内，并且MOＤIS的波段宽度较窄，能够区分较复杂的地物。根据这一特点,丁莉东[6]建立如下的水体光谱特征模型: Rｃh１＋Rcｈ4＞Rch2+Rｃh6

公式2．3.2中,Rch1、Rcｈ4、Rcｈ2和Rch６分别为MODIS数据第1,2,4和6波段的反

射率，即第1,4波段反射率之和大于第2,6波段反射率之和者判识为水体。 ２.4 水体指数法 水体指数法主要是根据水体的光谱特征,选取与水体识别关系密切的多个波段，利用水体与遥感光谱值之间的映射关系来构建水体指数,从而实现水体信息的提取。由于水体在绿波段（即MODIS数据第4波段0.54５～0． ５65μm)高于近红外波段（即ＭＯＤIS数据第2波段0．８４１~0.８76μm)反射率,并且在两个波段间存在较大差异。Ｍcfｅeｔers［10]构建了归一化差异水体指数NDＷI (Norｍaliｚｅｄ Diffｅreｎcｅ Ｗater Ｉｎdex),计算公式为： IＮＤWI=（Ｒcｈ４-Rch２)/( Rch4＋Ｒch2) -- 第1页（共6页） 公式2.4.1中，Rch２和Ｒｃh４分别为MOＤIS数据第2,４波段的反射率。经过公式处理后的图像中，水体的INDWI为正值。该方法虽然有效地突出了水体信息,但仍然混杂着裸土或城镇等许多非水体信息。这主要是因为土壤或城镇在绿光和近红外波段的波谱特征与水体几乎一致,在处理后的图像中也呈正值,容易和水体相混淆。徐涵秋［11]将Mcfeeｔers的ＮＤＷI指数做了修改，用中红外波段(MIＲ)替换了原来ＮＤＷI中的近红外波段。改进的归一化差异水体指数(MＮDWＩ： Mｏdｉｆied NDWＩ)公式如下: IMNＤWI=(Rch4-RMIR)/( Ｒcｈ4+ＲMIR） MＮＤWI模型使水体识别精度有所改善。在原来的NDWI图像中,水体和城镇均属于相对高值区,城市信息很容易与水体信息混淆，经过处理后，城市的值减小,水体的值增大，使得水体与城市的反差增强，但依然有部分城市信息混淆在水体信息中。莫伟华[１２]等通过分析水体在MODIＳ各波段中的光谱和影像特征，以及各类水体指数的物理特征，提出了综合归一化植被指数和MＯＤＩS中红外波段(即M()DIS第7波段）信息的混合水体指数CＩＷI（Ｃombined Ｉndex ｏf NDＶI ａnd NＩR fｏr Ｗater Ｂody Ideｎtiｆiｃaｔion)。其计算公式为: ＩCIWI=INDVI+Ｎ+Ｃ 公式2.4.３中，Ｎ是用图像中某点在MODIS第７波段的反射率与图像中第7波段反射率的均值的比值构成的无量纲数,C是一个常数,是为了便于比较分析，而对计算结果进行的放大和平移。由于NDVＩ对植被表现最为敏感,易于分离水体与植被信息,近红外通道CH7的城镇光谱值最高，水体的光谱值最低,城镇和水体光谱值差异最大,易于区分水体与城镇。先求出N与INDVI之和，并利用Ｃ平移结果，这样使水体仍保持在低值区,城镇处于高值区，植被介于两者之间,从而增强3者之间的差异。通过与ＮDWＩ和MNDＷI两种水体指数进行比较，ＣＩWI的区分度最高,水体与植被、城镇等其他地物的差异明显增大，减少了背景噪声的影响，提高了精度,其效果明显优于NDＷI和MNDＷI。 3 结论和讨论 -- 第1页（共6页） 在以上各种水体监测方法中,单波段或多波段阈值法较为简单易行,但提取后的水体中存在较多的混淆信息,难以确认是否为真实水体,因此识别精度较低。植被指数法(NDＶI)是目前广泛应用的一种水体判识方法,其物理意义明确,并可以消除部分辐射误差，识别精度有了一定提高，但由于植被指数NDＶＩ在植被的生长周期内会有一定变化,例如当地而植被越来越茂密时，ＮDVＩ指数会出现饱和现象,尤其对高植被区的灵敏度较低，无法实现同步增长[13～14],并且这种方法难以识别水陆交界处的水体。除了常用的阈值法和植被指数法以外,谱间关系法的效果较植被指数法有所改进，但容易将图像中的云判识为水体,精度难以进一步提高。水体指数法通过分析MＯＤＩS数据的水体在多个波段中的反射特征和变化情况,构建了多种水体指数来提取图像中水体像元,能够更加真实准确地反映出水体与其他地物的差异，是目前最受关注的水体识别方法[15～16]。由于各种水体指数均有不同的适用范围，综合利用各种植被指数,可以将水体与各种地物区分开,有效地提高水体识别精度。

参考文献: [1]肖乾广,陈维英，王哉.气象卫星影像用于松花江洪水监测[Ｊ].遥感信息,１９８７,(4):26~27． [２]盛永伟，肖乾广.应用气象卫星识别薄云覆盖卜的水体[J].环境遥感，1994，9(４）:２47~２55.. [3]Barｔon Ｉ Ｊ，Bathｏls Ｊ M． Mｏnitoring ｈoods ｗith AVHＲR[J].Ｒｅmote Sｅnsing oI Ｅnｖｉronment, 1９89,３０(1):89～9４.. [4］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）:17~２1. ［５]张文建，潘锡元,刘诚等．卫星遥感监测大气与环境科学原理和技术—200２年度卫星遥感监测与分析［Ｍ］.北京：气象出版社,20０4. ［６]马丹.基于MODIS数据的水体提取研究[J].地理空间信息,2008,(1)：26～2８. [7］刘李辉,李长安,张利华等．基于MODIS影像的鄱阳湖湖面积与水位关系研究[J].第四纪研

合集下载

如何进行遥感影像的水体提取与监测

如何进行遥感影像的水体提取与监测

如何进行遥感影像的水体提取与监测遥感影像的水体提取与监测是一种利用遥感技术进行水体特征提取和监测的方法，它在水文、环境、气候等领域有重要的应用价值。

本文将以介绍遥感影像的水体提取和监测方法为主线，结合实例和理论知识，深入探讨这一领域的相关问题。

一、遥感影像的水体提取方法1. 阈值法阈值法是一种基于像素值对遥感影像进行水体提取的常用方法。

其基本原理是通过设定合适的阈值来判断像素是否为水体。

阈值的选择需要根据影像的特点和需要提取的水体特征来确定，通常可以结合样本点和经验来确定最佳阈值。

但是，阈值法在提取过程中容易受到光照和地物干扰的影响。

2. 归一化差异水体指数法归一化差异水体指数（Normalized Difference Water Index，NDWI）是一种常用的遥感影像水体提取方法，其基本原理是利用水体和其他地物在红外区域的反射特性差异进行提取。

NDWI可以消除光照和地物干扰，提高水体提取的准确性。

通过计算NDWI值，可以得到一个反映水体分布的二值图像。

3. 水体边界检测法水体边界检测法是一种通过检测水体与周围地物的边界来进行水体提取的方法。

该方法可以利用影像的边缘检测算法，如Canny边缘检测算法，提取出水体的边界。

然后，可以根据边界信息绘制水体的掩膜图像，进一步进行水体提取。

二、遥感影像的水体监测方法1. 水体变化监测水体的变化监测是一种通过比较不同时间点的遥感影像来检测水体变化的方法。

通过对比两个或多个时间点的影像，可以发现水体的变化情况，如水域面积的增加或减小、水体形态的改变等。

该方法可以通过计算水体的变化指数来量化水体的变化程度，并绘制变化图像。

2. 水体分类监测水体分类监测是一种将遥感影像中的水体区域与其他地物进行分类的方法。

该方法可以通过像元分类算法，如最大似然分类、支持向量机分类等，将影像中的每个像元分为水体或非水体。

通过分类结果，可以得到水体的空间分布图，并进行进一步的水体监测。

如何利用遥感技术进行水资源调查

如何利用遥感技术进行水资源调查

如何利用遥感技术进行水资源调查**利用遥感技术进行水资源调查**引言：水是生命之源，是支撑社会经济发展和生态可持续的基础资源。

然而，随着人口增长和经济发展的加速，水资源面临巨大的压力。

因此，准确了解和评估水资源的分布与变化成为当务之急。

遥感技术作为一种远距离探测地表信息的有效手段，为水资源调查提供了重要支持。

一、遥感技术在水资源调查中的应用1.计算水体面积：遥感技术通过获取高分辨率影像，能够准确计算水体的面积。

通过传感器拍摄的影像，可以利用数字图像处理技术，提取出水体的边界，并计算出具体的面积信息。

2.监测水体变化：随着城市化进程的加速，许多湖泊和水库正在逐渐消失。

遥感技术可以通过对历史卫星影像与现有影像的对比分析，监测和评估水体的变化情况。

这种方式可以使研究人员及时发现水体的退化和湿地的下降。

3.评估水质情况：水资源利用的一个重要指标是水质。

传统的水质监测需要采集大量的水样并进行实验室分析，费时费力。

而利用遥感技术，可以通过获取影像所反射或发射的光谱信息，推断水体中有害物质的浓度，迅速评估水质状况。

二、遥感技术在水资源调查中的挑战1.影像分辨率：遥感卫星所捕捉到的影像分辨率存在一定限制，这对于细致分析水体的细微变化造成了一定困扰。

因此，在进行水资源调查时，需要根据实际情况选择合适的遥感数据。

2.影响因素复杂：水资源的分布和变化受多个因素的综合影响，如降雨量、地形、土地利用等。

遥感技术能够提供大量的数据，但在分析中需要同时考虑多个因素的影响，以获得更准确的结果。

3.数据处理与分析：遥感数据的处理与分析需要高水平的专业知识和技能。

对于研究人员而言，需要具备较强的数据处理和分析能力，以解决数据处理过程中的复杂问题。

三、遥感技术在未来水资源调查中的发展趋势1.多源遥感技术：目前，卫星遥感仍然是主要的数据获取方式，但传统遥感技术的数据获取成本高，周期长。

未来，随着无人机和高空飞艇等先进设备的普及，多源遥感技术将成为水资源调查的重要手段。

高光谱遥感成像技术及在水环境监测中的应用研究

高光谱遥感成像技术及在水环境监测中的应用研究

高光谱遥感成像技术及在水环境监测中的应用研究摘要：在我国环境保护工作不断推进的背景下，关于水环境的保护力度全面提升，为了确保水环境质量，提升水环境保护决策科学性，需要做好对水环境的监测工作，采用科学的监测方法，确保水环境中基本情况能够及时掌握，其中高光谱遥感成像技术具有良好的应用效果，能够有效提升水环境监测效果，所以需要掌握该技术的应用要点。

因此，本文将对高光谱遥感成像技术及在水环境监测中的应用方面进行深入地研究与分析，并结合实践经验总结一些措施，希望可以对环境保护工作有所帮助。

关键词：高光谱；遥感成像技术；水环境；监测工作；具体应用在我国社会经济高速发展的过程中，工业生产等领域排放的污水、污染物等导致部分地区的水环境遭受严重破坏，对生态环境造成了很大威胁，所以需要做好水环境保护工作。

监测是保护水环境的基础，通过监测能够获取水环境中的基础信息，掌握水环境的污染现状，以此为基础制定更为科学的保护策略，所以必须确保水环境监测效率与准确性，高光谱遥感成像技术在水环境监测中具有良好的应用效果，能够全面提升监测工作效率与质量。

1在泥沙含量监测中的应用可行性分析1.1试验过程本次试验采集黄土高原中不同类型的土壤，包括腐殖质土、黄土以及河床冲积土等，通过分析天平称量定量土壤，以此加入定量的水体中，搅拌均匀后采用细分光谱仪测试水体的光谱，对结果数据进行分析，主要分析的内容为：水泥泥沙含量与光谱反射关系；通过发射率计算水中泥沙含量的可行性与最佳波段。

1.2结果分析在对黄土、积钙红黏土、河床冲积土以及腐殖质土的分析中，结果证明土壤含量与1350—1360nm、1550—1850nm范围中水体反射率具有良好的线性关系，腐殖质土在1700nm区域的线性回归精度最高；指数拟合与对数拟合整体平均误差相比于线性拟合误差更大，以1350nm为界限，波长低于该数值时，指数拟合平均误差低于对数拟合平均误差，波长超过该数值时，指数拟合平均误差高于对数拟合平均误差；在1350—1380nm、1550—1850nm中，反射率可以较为精确地预测水中的腐殖质土含量；在901—911nm、1066—1068nm范围内，波长发射率可以对水体中的黄土、粉砂含量进行准确预测，且第一个范围的预测精准性更高。

利用高分辨率遥感影像进行湖泊水质测绘的实践

利用高分辨率遥感影像进行湖泊水质测绘的实践

利用高分辨率遥感影像进行湖泊水质测绘的实践湖泊是地球上重要的水体之一，其水质的测绘对于环境保护、生态研究和水资源管理都具有重要意义。

传统的湖泊水质测绘方法通常需要大量的人力、物力和时间投入，且操作繁琐。

而利用高分辨率遥感影像进行湖泊水质测绘，不仅能够提高测绘效率，还能够获取较为准确的水质信息。

本文将介绍利用高分辨率遥感影像进行湖泊水质测绘的实践方法和结果，以及其在湖泊管理中的应用。

首先，高分辨率遥感影像是进行湖泊水质测绘的重要数据来源。

高分辨率遥感影像具有较高的空间分辨率，能够提供丰富的细节信息。

在湖泊水质测绘中，我们可以利用高分辨率遥感影像来提取湖泊表面的某些指标，如叶绿素浓度、水体透明度等，从而评估水质的优劣。

同时，高分辨率遥感影像还可以通过遥感反射率模型和水质测量数据的关系，建立起准确的水质反演模型，进一步实现湖泊水质测绘。

其次，湖泊水质测绘的实践方法包括数据获取、图像处理和水质指标提取等过程。

在数据获取方面，我们可以利用卫星、航空或无人机等平台获取高分辨率遥感影像。

在图像处理方面，可以采用遥感图像预处理技术，如大气校正、辐射校正和几何校正，以消除影像中的杂散信息和畸变。

在水质指标提取方面，可以使用遥感影像分类、特征提取和模型反演等方法，获取湖泊水质的空间分布和时序变化信息。

在实践中，我们利用一款高分辨率的遥感影像进行了湖泊水质测绘。

首先，我们通过无人机平台获取了湖泊的高分辨率遥感影像。

接着，对这些影像进行了预处理，包括大气校正、辐射校正和几何校正等。

然后，在处理后的影像上进行遥感影像分类，将湖泊水域和陆地进行了区分。

随后，利用湖泊水质测量数据和遥感影像反射率之间的关系，建立起了湖泊水质反演模型。

最后，通过对遥感影像的水质反演，我们得到了湖泊水质的空间分布和时序变化信息。

利用高分辨率遥感影像进行湖泊水质测绘不仅提高了测绘效率，还能够获取较为准确的水质信息。

通过对湖泊水质的空间分布和时序变化进行分析，可以为湖泊管理提供科学依据。