基于多指数的全球尺度遥感影像水体智能提取方法技术

本发明专利技术公布了一种基于多指数的全球尺度遥感影像水体智能提取方法。本发明专利技术所属技术领域为遥感影像信息挖掘方向，具体涉及Landsat遥感影像水体快速提取。本发明专利技术综合采取了地形指数和水体、植被、建筑等归一化指数，解决了卫星遥感影像水体信息提取过程中遇到的水体与山体阴影、城区、云阴影、冰雪等地物混淆的问题，且利用指数的方法，极大地简化了计算的复杂程度，能有效地提高算法的计算速度。同时利用先验知识，采用决策树的方法建立规则模型，自适应确定阈值，具有较强的普适性，能很好的应用于全球区域的水体信息提取。本发明专利技术能快速、高精度、智能地生产全球陆表水体产品，可用于水资源监测、全球变化等研。

Water extraction method based on multi index for global scale remote sensing image

The invention discloses a water extraction method based on multi index for global scale remote sensing images. The invention belongs to the technical field of remote sensing image information mining direction, in particular relates to rapid extraction of water body from Landsat remote sensing image. The invention comprehensively adopts the topographic index and the normalized index of water body, vegetation and building, and solves the problem of confusing water body with mountain shadow, urban area, cloud shadow, ice and snow in the process of extracting water body information from satellite remote sensing image, and greatly simplifies the calculation complexity by using the index method. It effectively improves the computation speed of the algorithm. At the same time, a rule model is established by using prior knowledge and decision tree method, and the threshold is determined adaptively. It has a strong universality and can be well applied to global water information extraction. The invention can produce global surface water products quickly, accurately and intelligently, and can be used for water resources monitoring and global change research.

【技术实现步骤摘要】
基于多指数的全球尺度遥感影像水体智能提取方法
本专利技术所属
为遥感影像信息挖掘方向，具体涉及全球尺度的遥感影像水体快速智能提取。
技术介绍
水资源是人类赖以生存和社会发展不可替代的战略资源，是全球资源安全和管理、气候变化研究、生态环境动态监测等不可或缺的重要基础信息。如何建立行之有效的方法，科学、准确、快速地提取全球陆表水体信息，适时掌握陆表水体的变化信息己成为水循环等全球变化研究的关键问题。而由于遥感技术具有大面积的同步观测、时效性、数据的综合性和可比性以及经济性等特点，使得遥感技术成为监测水资源的一个有效手段。自Landsat卫星最先在1972年成功发射以后，至今已有35年，已获取了大量的卫星遥感影像，记录了这几十年来地球陆表水体的变化轨迹。因此，全球尺度的卫星遥感影像水体快速提取方法的研究对于水资源监测、全球变化等研究具有重大意义。目前遥感影像陆表水体制图方法通常有光谱指数法、基于统计和机器学习分类、基于先验知识的决策树分类、面向对象等方法。光谱指数法是通过分析水体与背景地物的光谱响应机理，寻找水体最强和最弱的反射波段，构建波段计算模型。目前已公开了多种水体指数(如NDWI、MNDWI、NDWI4、TCW等)，不同水体指数具有不同的特性。而徐涵秋所提出的MNDWI指数已得到国内外学者的认可。然而，在全球尺度上，单一水体指数缺乏普适性，无法保障全球不同区域的制图精度。基于统计和机器学习分类方法是利用训练样本，实现地物快速高精度提取，已被广泛应用于陆表水体制图中。最早主要是采用最大似然方法分类、支持向量机等方法来进行水体信息提取研究。随着人工智能时代的到来，深度学习等机器学习方法被广泛应用于遥感影像水体信息提取研究。随着机器学习方法的发展，这种应用还会进一步加深。然而，目前该方法应用最多的是选择典型样区，很少应用于大尺度区域。同时机器学习算法一般都需要大量的样本训练，分类结果精度与样本选取准确度直接相关，而大量的样本训练需要较高计算和存储能力，对于大区域乃至全球尺度陆表水体制图仍具有挑战。基于先验知识的决策树分类是一种无参数方法，速度快，具有较高准确性。然而对于全球尺度的陆表水体制图，当前的样本库只能参考已有的陆表水体产品。然而水体受季节影响很大，也就是说相对于不同时相的水体而言，样本在一定程度上具有不准确性，从而容易造成结果误分。面向对象的分类方法往往被应用于高分辨率遥感卫星数据，这类数据的光谱信息较中分辨率卫星数据少，但空间纹理和结构信息更为丰富。面向对象方法在高分卫星遥感数据中水体提取具有较好的效果，但也需要结合光谱特征、纹理特征和形状特征，在分类方法上，也可引用机器学习和决策树分类构建分类准则，整体分类上比较灵活。针对这些方法的优缺点，并考虑到全球大尺度陆表水体提取的特性，本专利技术综合多种指数和基于先验知识的决策树分类法进行全球尺度陆表水体快速水体方法研究。
技术实现思路
本专利技术的目的是针对全球尺度陆表水体提取所面临的技术难点，在分析陆表水体光谱响应机理的基础上，综合运用多种指数，同时利用马里兰大学发布的2000年Landsat水体产品(GLCF-GIW)作为先验知识,并采用决策树分类器进行样本训练，从而自适应生成阈值进行陆表水体信息提取。本专利技术的水体提取结果能很好地去除云和云阴影、山体阴影以及城市等地物类别的影响，具有较高的精度；其自适应确定阈值的方法具较好的普适性，能适应于全球不同区域的水体信息提取；且利用指数的方法，极大地简化了计算的复杂程度，能有效地提高算法的计算速度。因此本专利技术的内容主要包括多指数选择与计算，以及基于先验知识驱动的自适应确定阈值研究两部分。(一)多指数选择与计算在遥感影像水体信息提取过程常常遇到水体与山体阴影、城区、云阴影等地物混淆的问题，这也正是遥感影像水体信息提取的难点所在。针对这些问题，本方法综合采取了地形指数和水体、植被、建筑物等归一化指数。其中地形指数包括slope和hillshade两种指数，利用这两种指数能较好地去除山体阴影。归一化指数包括归一化植被指数(NDVI)，改进归一化水体指数(MNDWI)，以及归一化建筑指数(NDBI)。NDVI指数首先被用于去除明显的植被，为避免因时相变化引起的训练样本不完全正确时，将植被误认为水体的问题。同时NDVI、MNDWI以及NDBI将用于后续的自适应确定阈值中。(二)自适应确定阈值单一的阈值法提取Landsat遥感影像水体信息，缺乏普适性，很难适应于全球不同区域的水体信息提取。为此，本方法利用已有的水体产品作为样本，利用决策树进行样本训练，从而建立模型规则，自适应生成阈值，具有较强的普适性，能很好的应用于全球区域的水体信息提取中，且具有较高的精度。附图说明图1：基于多指数的遥感影像陆表水体智能提取方法流程图；图2：冰雪与水的星上反射率曲线对比图；图3：算法测试与精度验证全球抽样分布图；图4：本专利技术水体提取结果图；具体实施方式下面结合附图对本专利技术进一步详述：本专利技术基于多指数的Landsat遥感影像陆表水体快速提取方法，包括如下步骤：(一)数据处理本专利技术需要对所采用的的卫星遥感影像数据进行辐射定标，得到星上反射率。DEM数据采用SRTM30mDem数据，该数据为经纬度投影，WGS84坐标系。为了适应于全球陆表水体信息提取，可首先将全球30mDem数据镶嵌成vrt格式的结果，随后对应每景卫星遥感数据的范围进行转投影和裁剪。利用已有的2000年Landsat水体产品(GLCF-GIW)作为样本库，进行训练和学习，从而实现自适应确定阈值。该产品可从(http://www.landcover.org/data/watercover/)网址上免费获取，其产品是以景的格式存储，采用UTM投影，WGS84坐标系。(二)多指数选择与计算选择了slope和hillshade两种地形指数以及NDVI、NMDWI、以及NDBI三种归一化指数。其中地形指数用于建立山体阴影掩膜，去除山体阴影对水体信息提取的影响。NDVI指数用于建立植被掩膜，用于去除明显的植被，为避免因时相变化引起的训练样本不完全正确时，将植被误认为水体的问题。同时NDVI、NMDWI和NDBI这三种归一化指数用于自适应阈值确定研究中，用来提取水体信息。(1)山体阴影掩膜利用slope和hillshade两种地形指数来建立山体阴影掩膜。其中slope指数可直接基于DEM数据反演得到，hillshade指数则是基于DEM数据、太阳方位角和太阳高度角等参数计算等到。将hillshade<150且slope>20的区域认为是山体阴影，建立山体阴影掩膜，由此消除山体阴影对水体信息提取的影响。(2)植被掩膜由于所利用的训练样本数据为2000年的水体产品，然而水体会随着时间和季节的变化而变化，难免会出现样本数据为水体而待提取的数据为植被的现象。如果在训练样本之前不加以干涉，则会将植被误分为水体的现象。因此为了避免出现这种因样本不准确而导致误分的问题出现，此处利用NDVI指数来建立植被掩膜。NDVI指数的计算公式如下：其中，ρRed、ρNIR分别为红波段、近红外波段的地表反射率值。此处设定NDVI>＝0.2为非水体，建立植被掩膜，解决训本文档来自技高网...

【技术保护点】
1.基于多指数的全球尺度遥感影像水体智能提取方法，具有自动化、快速、高精度、适应全球范围的特征，旨在能快速生产全球水体产品,具体如下：(一)多指数计算在卫星遥感影像水体信息提取过程常常遇到水体与山体阴影、城区、云阴影等地物混淆的问题。针对这些问题，本方法综合采取了地形指数和水体、植被等归一化指数；(1)地形指数地形指数主要包括slope和hillshade两种指数，本专利技术将hillshade

【技术特征摘要】
1.基于多指数的全球尺度遥感影像水体智能提取方法，具有自动化、快速、高精度、适应全球范围的特征，旨在能快速生产全球水体产品,具体如下：(一)多指数计算在卫星遥感影像水体信息提取过程常常遇到水体与山体阴影、城区、云阴影等地物混淆的问题。针对这些问题，本方法综合采取了地形指数和水体、植被等归一化指数；(1)地形指数地形指数主要包括slope和hillshade两种指数，本发明将hillshade<150且slope>20的区域认为是山体阴影，进行山体阴影掩膜，由此可去除山体阴影的影响；(2)归一化指数涉及的归一化指数包括归一化植被指数(NDVI)，改进归一化水体指数(MNDWI)，以及归一化建筑指数(NDBI)，这些指数是基于卫星遥感影像的星上反射率进行计算；此处设定NDVI>＝0.2来进行植被掩膜，为避免后续训练样本不完全正确时，将植被误认为水体；同时NDVI、MNDWI以及NDBI指数将用于后续的自适应确定阈值中；因此通过地形掩膜和植被掩膜，可去除了山体阴影、植被等地物对水体信息提取的影响，从而提高水体...

【专利技术属性】
技术研发人员：彭燕，何国金，江威，刘慧婵，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11