地表水体遥感监测研究进展

文|宋文龙 路京选 杨昆 李焕新 李萌,3 卢奕竹 田琳静,3 史杨军

1.水利部防洪抗旱减灾工程技术研究中心/中国水利水电科学研究院2.渭南市东雷二期抽黄工程管理局 3.首都师范大学资源环境与旅游学院

一、引言

地表水体是指河流、湖泊、池塘、水库、沼泽与冰川等存在于地球表面的水体总称[1]。作为可利用水资源的重要组成部分，地表水体是动植物生存、人类活动、生态系统运行等水资源需求的主要来源，其水量、水质、时空分布特征对生态平衡、人类社会安全与经济发展都有着重要影响。因此，开展全域地表水体面积、空间分布、动态变化等有效监测与评估，对水资源监测评估、防洪抗旱减灾、生态环境建设等工作均具有重要意义。

卫星遥感技术是开展大范围水体信息动态监测的有效途径。水本身物质组成对光辐射的吸收和散射性质决定了水体独特的光谱特征，即“在可见光波段0.6μm之前，水的吸收少，反射率较低，大量透射，蓝-绿光波段反射率为4%～5%；红光部分反射率降到2%～3%；在近红外-短波红外部分几乎吸收全部的入射能量，反射能量很小”[2]。天然水体的光谱反射率总体低于其他地物，且随着波长的增大反射率逐渐降低。相较于可见光波段，近红外波段和短波红外波段的水体反射率很低，而浑浊水体比清澈水体的光谱反射率要高一些（参见图1），这一特征与植被、土壤的光谱有明显差异。基于上述原理利用遥感技术能够识别出地表水体，使其与其他地物区分开。

图1 水体反射波谱（赵英时等，2017）

二、地表水体遥感监测常用卫星数据源

地表水体遥感监测数据源的选择，应综合考虑监测目标面积、空间特征、地域特征、空间分辨率、监测时间周期、经济成本等因素。

1）由于具有覆盖范围大、回访周期高、成本低等特点，对大面积水域开展监测可考虑选用风云二号气象卫星（FY-2C/2D/2E）、资源一号卫星（ZY-1）、美国“土”（Terra/MODIS）卫星、美国“诺阿”（NOAA）卫星等影像数据；

2）由于具有覆盖范围小、精度高、成本较高等特点，对较小面积水域开展高精度监测可考虑选用环境与减灾小卫星、“高分”（GF）系列卫星、美国“陆地卫星”（Landsat）、美国“世界观测”（WorldView）卫星、美国“地球眼”（Geoeye）卫星、法国“斯波特”（SPOT）卫星等影像数据；

3）与光学遥感不同，微波数据能够穿云透雾，提取水域边界更有优势，应用微波数据可考虑选用欧洲“环境卫星”（EnviSat）、加拿大“雷达卫星”（Radarsat）、日本地球资源卫星一号（JERS-1）、日本“先进陆地观测卫星”（ALOS）等数据。

目前常用于地表水体信息提取的遥感数据源主要包括SPOT、Landsat/TM、Terra/MODIS、Landsat/ETM+等。

三、地表水体遥感监测方法

利用地表水体区别于其他地物的光谱特征，根据数据源选取合适的波段构建模型方法，以增强水体与不同地物之间在遥感图像上的对比度，达到提取水域范围的目的。结合遥感技术发展现状，根据遥感数据源，对地表水体信息遥感监测方法从卫星光学遥感、卫星雷达遥感和无人机低空遥感三个方面介绍。

1.卫星光学遥感

卫星光学遥感是基于光学传感器获取的多光谱数据提取水体信息的方法，包括单波段阈值法、多光谱波段法、水体指数法和光谱匹配法。

（1）单波段阈值法

单波段阈值法是通过设定某一波段的阈值范围来提取水体信息。可以通过频段直方图，选择与周围地物相比更能表现出水体特异性的波段，确定所用遥感数据适用于水体信息提取的一个最佳波段。研究发现，与可见光相比，红外波段能更好地反映水体特性[3]。水体信息提取精度决定于所选波段及其阈值设置，阈值确定方法用灰度直方图双峰谷值法来选取合适的阈值[4]。此外殷亚秋等对阈值法加以改进提出加权灰度阈值法，对于每个波段设定阈值，再赋予各个波段不同的权值，使多个波段参与运算，增强了水体提取效果[5]。

（2）多光谱波段法

多光谱波段法是利用多光谱遥感影像不同波段的组合运算来增强和提取水体信息。该方法可有效抑制植被、土壤、建筑物等地物干扰，常用的有密度分割法、差值法、谱间关系法、比值法等。

1）密度分割法通过反复试验得到最适宜的分割参数，将影像分割成不同对象，在对象层次上进行水体的提取与分类[6]。

2）差值法主要是对不同波段亮度值进行减法运算，达到突出目标地物的目的，以TM影像为例，使用TM影像第二波段与第五波段的差值（TM2-TM5）可以对山地高原地区水体进行特征突出，在增大了水体与其他地物之间的差异之后，再对水体进行提取，可以提高提取精度[7]，也有使用第4波段与第7波段相加并结合DEM数据对水体进行判断的研究[8]。

据调查，农村幼儿园两教一保、两教两保的比例合计仅为5.46%，师幼比1∶10以下幼儿园也仅为3.64%，具有事业编制的教师比例为1.82%，持有教师资格证者为36.36%，小学高级职称和一级职称教师占比都是0.00%。可见，农村幼儿教师不仅数量缺口巨大，而且优质教师资源缺乏严重。

3）谱间关系法与差值法不同的是并非单一的对波段进行差值运算，根据不同地物的光谱特性，通常会引入更多波段建立关系。例如对于MODIS数据，可以使用其1、2、4、6波段构建谱间关系模型，通过差值运算对水体进行有效判别，并结合水体指数法以提升水体提取的精度；对于Landsat数据，可以使用TM2、3、4、5波段进行差值运算，通过实验确定阈值，进行波段计算提取水体。

4）比值法依据水体在红绿波段反射率高，而在近红外反射率低的波谱特点，可通过对不同波段进行比值运算达到增强水体信息、抑制干扰地物的目的。比如对于NOAA/AVHRR数据是通过CH2/CH1识别水体，对于TM数据则使用CH2/CH4来识别水体[9]。

（3）水体指数法

水体指数法（NDWI）是根据水体在红、绿波段的光谱差异采用归一化比值运算的一种水体提取方法。该方法最早由McFeeters提出，主要依据陆地植被与土壤在近红外波段具有较高反射率的特点，并引入绿波段来最大化水体特征反射率进行运算识别水体[10]。之后有研究者基于NDWI不断改进，提出了改进的水体指数（MNDWI）[11]，与NDWI相比，这种方法具有更广泛的适用性，对于周围建筑物较多的水体也有较好的提取效果。此外，根据研究区域特点和数据源特征，衍生了许多改进的水体指数模型，如Feyisa等使用TM多个波段引入了自动水提取指数（AWEI），该指数使用了更多的波段，具有高精度与分类阈值稳定的特点[12]；针对半干旱地区的水体与背景噪音区分困难问题，使用增强型水体指数（EWI）来改善半干旱地区水体的提取精度，该水体指数引入了近红外波段与短波红外波段的信息，可以抑制土壤和居民地等地物的干扰[13]。

（4）光谱匹配法

光谱匹配法是根据地物光谱或遥感指数变化趋势，通过相似性数学方法，进行地物类型及其特征判断与识别，可应用遥感数据的全波段信息。该方法需要将目标地物的待测光谱或参数与已知地物的样本光谱或参数通过定性、定量的分析比较，获取目标地物的类型与信息。该方法往往要求数据源具有较多波段，数据源所具备的信息越多，则数据中包含地物光谱信息就越多，识别地物效果越好。作为一种类非监督分类方法，可以达到监督分类的精度，这样既可以减少采集样本时间，又可以最大程度地减少人类经验所造成的误差。目前，常用的匹配算法有光谱角填图（SAM）、欧式距离（EDS）和光谱相关系数（SCC）等。将光谱匹配方法应用于识别水体，是基于像元对不同地物与已知水体的相似度进行计算，然后根据相似程度判断指标阈值，来识别水体范围，该方法对于识别水体边界处的水体像元具有较好的应用精度。与监督、非监督分类方法不同，这种方法主要依据地物在多光谱图像中的吸收辐射的光谱带特征[14]。

2.卫星雷达遥感

与光学遥感相比，雷达遥感的优势在于可以穿云透雾全天时全天候对目标水域进行监测。由于开阔水体具有镜面特性和较小的后向散射，使用雷达可以较好地对水体进行识别。此外，使用具有较长波长的雷达可以将信号透过植被冠层，从而通过双向反射散射机制监测到水体，这为监测植被遮挡水域提供了有效途径[15]。Brisco将线性与圆形极化数据转化为偶数反弹散射、球形散射和其他散射并建立多极化数据集，根据极化数据特征提取了湿地信息[16]。但是很多时候使用单一方法或数据提取效果并不能达到预期精度，可以将多种方法与数据结合使用以提升水体信息提取效果。Huang等人使用美国地质勘探局生产的合成动态地表水数据（DSWE）与DEM数据结合，通过后向散射特性构建了决策树，实现了水体的自动提取，总体精度最高可达93%[17]。有研究使用主成分变换并引入纹理特征等参数对鄱阳湖水体进行了提取[18]。邓滢等结合纹理特征分析方法与极化分解对苏州地区和代根多夫地区的水体进行了提取[19]。还可以使用雷达遥感法结合阈值法与纹理特征分析法对水体信息进行提取[20]。将雷达遥感法与光学遥感法进行优势互补，可以很大程度上提高水体提取的精确度[21]。

3.无人机低空遥感

无人机具有调度机动灵活、云下作业、低空、低速、低成本、使用方便、载荷多样、数据精度高、可一定程度上突破自然条件和人类能力限制、代替工作人员进行远距离（难到达）和高危地区作业等技术优势。搭载可见光相机、红外成像仪、激光雷达（Lidar）、多光谱和高光谱成像仪的无人机系统，能获得区域范围、较高时空分辨率的可见光、红外、点云和光谱信息，应用无人机航片处理软件如Pix4Dmapper、Photoscan、YC-mapper等可得到可见光正射影像图、地表温度正射影像图、数字高程模型等数据产品，进而可进行区域范围地表水体范围高精度识别，有别于地面点尺度监测和人工统计。

无人机低空遥感具有空间适宜性、高时空分辨率等特征，作为卫星遥感的重要辅助，在小范围地表水体信息动态监测与卫星遥感监测结果校验等方面具有独特优势。但由于无人机自身质量较轻，在获取影像时易受气流影响，造成采集的图像发生畸变，为后续的图像处理及信息提取造成了一定的困难，影像数据也存在着相幅小而多，倾斜角度不等及影像相幅的镶嵌问题[22]。周晓敏等对无人机采集的影像进行处理获得了较高的平面精度，将误差控制在1m左右[23]。无人机低空遥感可根据需求在指定时间指定区域进行地表水体动态监测，可以有效克服卫星数据周期性获取的限制，缩短监测周期，提高监测频率，极大提升了水域监测的效率[24]。随着无人机技术的不断发展，飞行稳定性与覆盖范围的提升，无人机低空遥感技术将会成为水域监测的一种重要手段。

随着水体遥感的发展，除上述介绍到的方法，近些年又出现了决策树[25-26]、人工智能神经网络[27]等方法，在实际应用中也取得了不错的效果。

四、地表水体面积计算与精度检验

除直接通过卫星遥感数据进行水体提取以获得水域面积的方法外，还可以通过水体遥感提取结果与地面监测数据之间建立水域面积与水位之间的关系模型，即水域面积-水位法，通过水位计算水域面积。水域面积-水位法适用于那些面积与水位相关性较大的水域，而且精确度取决于模型中的相关系数。关系模型建立之后，可以通过水位快速反演水面积变化情况，这为空间数据获取能力差的区域水域面积监测提供了途径。而且从长期监测的角度来讲，这种方法很大程度上提供了很大便利，降低了监测成本。有研究者使用多种数据源对博斯腾湖近40年的水体变化情况进行了监测，并建立模型估算了1972-2010年的水位变化，获得了具有良好精度的水域面积-水位模型[28]；Huggel不但使用了水位与面积的关系，还考虑到体积与水体的潜在能量对冰川湖的危害进行评估[29]。还有许多学者应用这种方法对中国多个水域建立了模型，为水域面积监测提供了方法途径[30-32]。但对于某一特定水域建立的模型，并不一定适用于其他水域，所以这种方法不如光学遥感法和雷达遥感法应用广泛。

精度检验是对水体信息提取效果的数学评价。在对提取的水域范围及面积结果进行检验时，应使用准确度更高的参考数据，一般使用精准的地形图或地面实测数据作为参考，无人机低空遥感航测数据将可作为地表水体监测精度校验的有效途径。同时，选择合适的数学参数进行定量评估，目前通常采用混淆矩阵对遥感图像进行精度评价，将参考数据与提取结果进行叠加后得到混淆矩阵，通过混淆矩阵可以计算出许多指标，比如总精度、Kappa指数等[33]。对于水体边界的提取精度可以使用Pratt品质因数[34]，计算出的PFM值越高，则精度越高，反之则越低。

五、讨论与展望

目前使用卫星数据进行研究较多，尤其是卫星光学遥感法应用广泛且方法较为成熟，这些方法具有不同的优势，应根据研究需求进行合理选择。其中，单波段阈值法可以根据所选数据特征对水体进行快速提取，这种方法受阈值的影响大，需要大量的实验来确定阈值，对于同一地区可能出现提取阈值变化的情况。而谱间关系法使用了更多的特征波段，在对水体特征进行突出的同时削减了阴影的影响。水体指数法要明显优于前两种方法，具有较高的灵敏度，对于周围环境复杂的水体也有着较好的提取效果，且水体边界提取也更为准确，但对于细小的水体提取不明显，且仍然夹杂着许多非水体信息。光谱匹配法的发展在地表水体提取方面具有独特优势，以类非监督分类方法可以获得监督分类的精度，且具有较少的输入参数，最大程度上减少了人为误差，具有更高的灵敏度，有效提升了细小水体的提取精度，但前期的光谱信息准备较为复杂。

雷达具备高穿透性物理特性，可穿过植被对遮挡的水体进行监测，而且使用卫星雷达遥感法可以不受天气影响，对研究目标进行全天时全天候的监测。但这种方法易受回波信号的影响，图像上出现斑块，还有斜距成像造成的阴影问题，都会对精度造成影响。

目前受限于电池续航时间、空域等因素，无人机低空遥感在大区域范围地表水体监测中的应用尚有不足，但无人机技术具有良好的应用前景，在地表水域面积快速动态监测方面有着无可替代的优势，随着蓄电池、无人机平台、载荷、航片快速处理软件及行业应用标准规范等无人机技术的快速发展，无人机低空遥感将成为地表水体动态监测不可或缺的技术手段。

不同方法的适用条件存在差异，多种方法的结合使用可以进行优势互补，达到更好的水体提取效果。

近年来，地表水体遥感监测技术发展取得丰富成果，针对目前技术方法的不足与新技术发展趋势，今后应在以下方面开展深入研究。

1）丰富遥感数据源。随着卫星遥感技术快速发展，卫星影像在空间分辨率、时间分辨率和光谱分辨率方面快速提升，特别是国产卫星数据产品快速发展，可选择的遥感卫星数据源日益丰富，但总体而言满足日、周等高频率时间周期的高空间分辨率低成本数据提供能力依然不足，有待继续发展；同时无人机低空遥感技术快速发展，可搭载可见光相机、热红外相机、多/高光谱相机、Lidar等多种载荷，可作为卫星遥感的辅助手段，在长航时无人机、可支持多种载荷航片处理的自主软件研发等技术突破基础上，完全可满足对中小面积地表水体动态监测的数据采集需求。

2）监测方法智能化。伴随高分辨率遥感数据获取能力的提升，遥感空间数据处理与对象智能识别技术也应得到发展，特别是应用面向对象、图像分割、数据挖掘和光谱匹配技术，实现基于高分辨遥感影像的地表水体智能、快速提取。

3）尺度问题研究。各种数据源时空分辨率不同，获取数据机理不同，应加强基于多源数据的地表水体遥感监测尺度问题研究，在混合像元等问题上取得突破。