富營養化水體信息提取新方法

汪承平，何孟琦，王建雄

（云南農業大學水利學院云南省高校農業遙感與精準農業工程研究中心，昆明 650201）

0 引 言

河流湖泊是陸地上必不可少的資源，遙感技術因獲取數據快、受地面限制小等優勢，為水體研究提供了重要支持，在研究水體信息、水環境變化及洪澇災害等方面遙感技術早已得到了廣泛運用［1，2］。水體富營養化情況日益嚴峻，目前對于超綠的富營養化水體信息提取研究大多只是針對提取富營養化水體本身，而忽略了剔除其對整體水域提取的影響等，MEWI指數的提出有效解決這一問題［3-5］。在水體富營養化日益嚴重的今天，人類更應反思，積極采取措施來保護我們賴以生存的家園。

水體研究首先就是提取水體范圍和邊界，對于多源遙感數據提取水體的方法大致有：目視解譯法、閾值分割法、分類器法等。近年來大量學者對水體提取展開研究，毛轉梅等人［6，7］針對普者黑流域喀斯特地貌水體，提出新型混合水體指數NEWI；韓震、惲才興等［8］利用多時相衛星遙感圖像水邊線高程反演技術，確定了溫州地區不同部位淤泥質潮灘岸線的變化；沈占鋒等［9］通過閾值法改進了NDWI 指數，有效區分水體陰影；段紀維、鐘九生［10］針對雨后洪澇提出超綠水體指數，有效提取泥沙水體。本文通過比值法構建的模型屬于閾值分割法的一種，比值法可根據不同地類在不同波段中的波譜特點，增強圖像信息，快速提取水體信息。傳統比值法用綠光波段和近紅外波段進行比值運算來抑制植被信息，增強水體信息［11，12］，但水體提取信息中仍含有許多非水體噪聲。當湖泊水體不連通，某些區域藻類、葉綠素含量過高，水體位于近灘或山體陰影中時，不易提取水體邊界。因此，本文對比分析藻類、建筑、水體等反射波普特點，提出針對富營養化、藻類滋生的超綠水體的改進富營養化水體指數（MEWI）模型。參考了徐涵秋［13］提出的改進歸一化差異水體指數（MNDWI），該模型因采用了短波紅外波段替代傳統的近紅外波段，使得MEWI 模型在城市區域及地形復雜區域亦有良好效果，且抵抗泥沙等的干擾能力較強。

1 水體遙感信息及指數創建

1.1 水體遙感信息

水體對于光有較強吸收性，所以在遙感影像上水體往往呈現較弱的反射率。在植被光譜曲線特征中，正是由于植被內部含有水分導致植被在短波紅外波段反射率大大降低［14，15］。由此特性，Gao［16］于1996年提出了另一個NDWI指數，主要是用來研究植被體內含水量。水體在可見光波段范圍內反射率只有4%～5%，其中可見光范圍內藍光反射率較高，而隨著波長提高，入射光幾乎全吸收（如圖1）。這也是海水表面呈藍色，而深海無光的原因。由圖1 可得，當水體混入藻類、泥沙等物質，水體反射率也會有所提高［17］。

1.2 指數模型構建

傳統水體指數的模型如NDWI［18］、ESWI［19］等對于水體的提取，往往通過不同物質間的波譜特征的區別，來尋找待研究地物差異最大的波段，并進行組合運算，從而增強顯示效果，達到區分水體與陸地邊界的目的。然而，經過大量實驗對比，發現傳統水體指數提取的水體信息盡管在大部分地區精度較高，但往往在一些葉綠素含量過高的封閉水域會出現無法提取的現象，或將部分建筑和灘涂的邊緣部分也劃分到其中。

參考NDWI和MNDWI模型，其公式如下：

式中：Green 為綠光波段；NIR 為近紅外波段；MIR 為中紅外波段。

對比兩個水體指數模型，MNDWI 以中紅外波段替代了NDWI指數的近紅外波段，原因是在綠和近紅外波段，建筑和水體的波譜特征幾乎一致，而中紅外波段的建筑物亮度值大于綠波段的值（圖1），因此使得MNDWI模型提取的建筑物數值小于0，達到區分建筑與水體的效果。在Landsat8 OLI傳感器中短波紅外（SWIR1）和TM 傳感器的中紅外波段有相同效果（圖1）。至于不采用短波紅外（SWIR2），是由于（SWIR1）對建筑反射值大于SWIR1，因此選?。⊿WIR1）波段來區分建筑信息。

圖1 雁田水庫水體、植被、富營養水體和巢湖藍藻水體波譜圖Fig.1 Spectrum of Yantian reservoir water body，vegetation，eutrophic water body and Chaohu cyanobacteria water body

對這類富營養化水體進一步研究發現：以傳統的綠和近紅外波進行運算，由于水體葉綠素和藻類含量較多，近紅外波段反射值過高，致使富營養化水體錯分為陸地，降低精度，且影響較大。因此對比波譜信息發現，以短波紅外波段替代近紅外波段進行運算，則會大大減少這一現象。

如圖1，含藍藻的富營養化水體的藍光和綠光波段亮度值大于短波紅外的亮度值，若以藍光或綠光波段值減去短波紅外的值，將使富營養化水體和普通水體提取值均大于0，陸地陰影提取值小于0，避免錯分現象。選取可見光范圍內水體反射率較高、受葉綠素影響較小的藍光波段和短波紅外波段，本文提出了新的MEWI指數：

式中：Blue為藍光波段；SWIR1為短波紅外波段。

因短波紅外波段植被反射值大大降低，在剔除富營養化水體的同時值得思考水體是否能與植被區分開。由圖1 所示，植被在藍光和綠光波段的亮度值遠小于短波紅外的值，使用該指數提取值為負，而水體提取值為正，可有效區分兩者。通過波段對比遴選的方法，MEWI 水體指數增強了對建筑裸土信息的區分，避免水體錯分為建筑物等現象，這使得模型精度大大提升。相較傳統水體指數化，MEWI指數不僅在精度上有提升，同時解決了傳統水體指數無法提取這類超綠富營養化水體的問題。

2 數據來源與實驗方法

2.1 數據來源

研究區數據來自于美國地質調查局（USGS.GOV）所提供的Landsat8 L1TP 數據，空間分辨率30 m，采用地面控制點和數字高程模型數據進行了精確校正。

2.2 實驗方法

廣東省東莞市雁田水庫因周邊居民區生活污水和工廠排放污染物，已出現部分河道淤堵，水體受污染的情況［20，21］。為驗證MEWI 指數的正確性，選取廣東省東莞市雁田水庫為研究區，分別用NDWI、ESWI 和NEWI 三種水體指數進行實驗對比分析。因指數的閾值不同，以區分度指標驗證MEWI 指數對富營養化水體提取效果，其計算公式如下：

為使實驗結果具有廣泛代表性，選取2020年7月份安徽省巢湖地區影像加以驗證。2020年7月份巢湖發生了藍藻水華災害，對生態環境產生了嚴重影響［22，23］，這為實驗提供了良好條件。實驗采用圖像處理軟件envi 對影像進行了輻射定標及大氣校正，以減少誤差。

3 結果與分析

3.1 提取結果

根據水體提取結果，對圖像進行拉伸處理，并輔以合適色帶顯示，雁田水庫水體信息提取結果如圖2 所示。從整體上來看，這4 個指數提取效果都比較明顯。其中MEWI 提取效果總體優于其他3 種指數的提取效果，結果顯示：水庫水體提取完整，中部較細水域未出現不符合實際的中斷現象，水庫西側兩個獨立超綠湖泊均被提取，由于東側溝渠較窄，圖像分辨率不足，僅提取部分溝渠，但對比其余3種指數提取效果仍有明顯提升，表明MEWI 指數在這類富營養化體提取方面達到了預期效果，能解決一些相對獨立、葉綠素含量和水體陰影較高的湖泊提取效果差的問題。從局部差異來看，NDWI、ESWI、NEWI三者對于建筑信息分辨能力較弱，相較MEWI 考慮到對建筑信息的剔除，略顯不足。ESWI 指數因其公式構造運用比值法，水體提取的值域范圍較大，導致拉伸效果相對較差，但通過后文精度對比實驗證明其提取精度仍較NDWI 指數有明顯提升。NEWI提取效果與ESWI 相當，略優于NDWI，這也符合了其公式構成原理：通過NDWI與ESWI差分得到，因此其區分度較高。同時，NEWI 與ESWI 提取的水體信息在水庫的中部支流處中斷現象較為嚴重，而NDWI 提取支流相對完整，但較MEWI 提取效果仍有差距。

圖2 雁田水庫水體提取圖Fig.2 Water extraction of Yantian reservoir

3.2 富營養化水體區分度對比

由于MEWI 指數主要為提取超綠富營養化水體設計，為驗證MEWI提取效果，使用研究區影像參考同時期Google Earth 高清影像，選取富營養化水體和非水體（陰影）部分各25 個采樣點，對其進行水體指數計算。將各指數計算值拉升至（0～35）之間，依據區分度公式計算得各指數區分度如表1。

表1 富營養化水體與陰影區分度對比Tab.1 Comparison between eutrophic water body and shado

由表1 可看出，MEWI 指數的區分度遠大于NDWI、ESWI 和NEWI三種水體指數，表明MEWI指數能較好區分超綠富營養化水體和陸地陰影，突出富營養水體與陰影區域邊界，對于富營養化水體提取效果優異。

3.3 精度驗證

雖然MEWI 指數對于超綠富營養化水體邊界提取頗有成效，但仍需驗證其總體精度。在雁田水庫水陸交界易錯分地帶、水體和陸地隨機選取共200 個采樣點（圖3），運用同時期Google Earth 高清影像進行參考對比，得到4 個指數精度對比表（表2）。根據結果可知，MEWI 指數對于水庫提取總精度高達89.5%，高于3 個傳統指數的總精度，表明MEWI 指數總體精度符合要求。

圖3 雁田水庫水體采樣點圖Fig.3 Water sampling points of Yantian reservoir

表2 水體指數精度對比Tab.2 Precision comparison of water body index

3.4 MEWI指數的應用

2020年夏季安徽省巢湖地區發生藍藻水華災害［24］，湖面漂浮大量綠色浮沫，水體富營養化嚴重。習近平總書記在安徽考察時強調：“一定要把巢湖治理好，把濕地保護好，讓巢湖成為合肥的名片?！睘轵炞CMEWI 指數在的具體工程實踐中的效果，選取2020年7月20日的Landsat8 影像，分別用NDWI、ESWI 和NEWI三種水體指數對比實驗。研究區示意圖如圖4（水體提取圖中深藍色為水體信息，橙、黃色為非水體信息），因部分區域湖面云霧覆蓋，選取西北部無云湖區為研究區。

在所有的提取圖像中（圖4），除水體外的淺藍色圖斑多為云層干擾，MEWI的提取圖像邊緣輪廓清晰可見，湖面剔除大量藻類干擾因素，整體達到預期效果。NDWI、ESWI 和NEWI 三種指數提取結果均不理想，邊緣模糊無法辨識，湖面存在大量與陸地信息一致的黃褐色圖斑，不能有效抑制水中藍藻信息。同時研究發現，汛期河流裹挾泥沙干擾水體提取的情況對于MEWI指數影響較小。

圖4 研究區影像圖和巢湖水體指數提取圖Fig.4 Image map of the study area and extraction map of Chaohu Lake water body index

在含泥沙水體和普通水體區域各取25個樣本，對待研究區進行水體指數提取計算，將提取值拉伸至（0～35）之間并計算區分度得表3。由表3 可見，MEWI 樣本均值極差較小，巢湖藍藻水體對比普通水體區分度較低，說明MEWI 提取的兩種水體的值相近，波動范圍較小，而NDWI、ESWI 和NEWI 指數樣本極差和區分度較大，表明泥沙對樣本提取值有較大影響。對比河道二值化提取結果（圖5），圖5 中黑色圖斑為水體信息，白色圖斑區域為非水體陰影，MEWI指數提取的河道相對寬敞，完整性最好。ESWI指數效果僅次于MEWI指數，NEWI和NDWI指數效果較差。

圖5 河道區域水體提取圖Fig.5 Water extraction in river area

表3 含沙水體區分度對比表Tab.3 Comparison of differentiation of sediment laden water body

4 結 論

利用藍光和短波紅外波段替代傳統的綠光和近紅外波段構成的改進富營養化水體指數MEWI，為剔除河流湖泊中超綠富營養化水體信息，保留水體完整性研究提供了參考。和傳統水體指數相比，MEWI指數有更廣的應用空間，除對超綠富營養化水體提取外，也適用某些藻類含量過高的高原湖泊。城市等居民區往往伴隨大量生活污水和工業廢水，水體富營養化必不可少。由于使用了短波紅外波段，MEWI 指數對建筑信息也有增強，在城區水體提取研究方向很有前景。

由雁田水庫水體提取圖可知，MEWI 指數對于這類超綠富營養化水體提取效果優于NDWI、ESWI 和NEWI 指數，能夠更全面解譯出富營養化水體信息，且其提取的水體連續性較好，并未出現ESWI和NEWI指數的斷流現象。

通過區分度對比，發現MEWI 指數對富營養化水體和非水體陰影的區分度達0.38，遠大于NDWI（0.14）、ESWI（0.16）和NEWI（0.14）水體指數的區分度，并且水體提取的總精度達89.5%，優于NDWI（85.5%）、ESWI（87.5%）、NEWI（87%）水體指數的總體精度，表明MEWI指數能有效提取富營養化水體，并且總體精度較高。

在汛期時河流裹挾大量泥沙，嚴重干擾水體提取。研究發現MEWI 指數抵抗泥沙干擾能力較強，其提取的含泥沙水體和普通水體區分度僅為0.02，遠低于NDWI（0.13）、ESWI（0.39）和NEWI（0.06）水體指數的區分度，且提取的含泥沙河道部分信息較完整。夏季河流湖泊含有大量泥沙和葉綠素，這大大凸顯MEWI指數的優勢。

此外，本實驗還存在些許不足。實驗發現某些湖心孤島MEWI 指數提取值為正值。由于這類島嶼范圍較小，被水體包裹，加之實驗影像分辨率不足，導致短波紅外波段反射值偏低，甚至略低于藍光波段反射值，所以出現MEWI 指數提取值為正值。對此，給予短波紅外適當權重或把水體閾值由0 作微小提高，可提升水體提取效果。MEWI指數使用了短波紅外波段，對于一些沒有短波紅外的衛星傳感器，MEWI指數并不適用。