在水资源遥感调查中，研究人员利用TM、AVHRR等低精度卫星影像进行水体信息调查和提取^[1,2,3,4,5]，为此发展了多种有效方法，也取得了较好的研究成果。随着水资源的精细化管理，需要采用中高分辨率的影像来提取水体信息，如SPOT5、QuickBird和IKONS等影像。然而，由于高分辨率卫星影像的波段较少，不利于水体自动提取模型的构建，由此可以有效提取水体信息的研究方法相对较少，且误提、漏提的比率较高。

在基于SPOT5影像的水体研究方面，邓劲松等利用SPOT5影像中B₃>B₄且B₂ >B₁的特殊关系，基于决策树法构建了水体提取模型^[6]；曹凯等利用SPOT5影像的Red和SWIR波段构建了决策树水体提取模型对南京城区的水体进行了提取实验^[7]；于丽君等基于SPOT5和决策树方法实现了京杭大运河水体信息自动提取^[8]；李小涛等利用SPOT5影像，基于地统计学变差函数的方法对影像的纹理特征进行了提取,并辅以影像的光谱特征进行研究区地物分类,实现了水体信息的提取^[9]。

然而，对于SPOT5影像而言，由于建筑物和地形阴影的存在，给水体信息的提取带来一定的困难^[10]，且该类影像仅有4个波段，不能完全适用以往的水体提取方法^[11]。上述方法在研究过程中一方面着力于直接消除阴影和建筑物的影响，该途径较为复杂且效果并不明显，还会在一定程度上消弱水体信息，不利于水体的精确提取；另一方面，多用到了SWIR波段，该波段的空间分辨率为20 m，其他波段为10 m,由此造成水体提取精度的下降；再次，研究对象多为较大水体，对细小河流的提取研究不足。本文在研究中，从水体的遥感图像本底值出发，不直接研究阴影和建筑物等的去除方法，而是重点研究SPOT5影像中能够有效反映水体信息的关键因子和多因子集成计算方法，从而有效地增强了水体信息，解决了阴影和建筑等对提取的影响，并实现了SPOT5影像上较细水体的提取。 1 水体自动提取新模型构建 1.1 典型地物光谱值统计分析

通过对SPOT5影像近红外波段、红光波段和绿光波段中水体、阴影、建筑物和植被等信息的光谱亮度值的统计，结果如表 1所示。

通过分析可以发现，水体在近红外波段亮度值最低，且绿光波段与近红外波段的亮度值差值明显大于其他地物亮度值差值，文献^[6,12]均证实了此特征。 1.2 新构建水体提取模型

在基于SPOT5影像水体提取的众多研究中，最大的问题是难以有效去除阴影和建筑物的影响，由此造成细小河流的提取精度难以保证。 多光谱影像的各个波段不同程度、不同方面的反映了地物的信息和差异，因此，目标地物遥感图像本底值的研究尤为重要。研究能够反映水体与其他地物间差异增大的关键因子是本文研究的重点之一，进而研究同向增强的多因子集成计算模型是本文研究的另一重点。同向增强的多因子集成计算模型可有效拉大目标地物与其他地物间的灰度值差异，且计算后的目标灰度值将向极化(最大阈值或最小阈值)方向发展，从而利于阈值自动选取算法获取准确的分割值，该方法能有效降低阴影和建筑物等的影响，从而提高水体提取的精度。 1.2.1 遥感指数计算

水体遥感指数的研究采用SPOT5影像的多光谱数据，空间分辨率为10 m (该影像获取于2006-03-29)。图 1是位于湖北省十堰市丹江口市白庙地区的SPOT5影像的第1、2、3波段的合成假彩色影像。

图 1 SPOT5-123合成影像Fig. 1 SPOT5-123 Composite Images

图选项

1) 水体指数

通过对SPOT5影像中水体及其他典型地物光谱值的统计分析，文献^[6]提出了特征波段(PRWI)提取模型，其针对SPOT5影像的计算公式为：

式中，I是遥感指数；ρ为地物表观反射率；GREEN和NIR分别是SPOT5的绿光波段和近红外波段。

针对图 1影像的PRWI计算结果如图 2所示，通过灰度值统计分析，该模型虽有效增大了水体与其他地物间的灰度值差异，但也存在水体边界轮廓不清晰，图像整体模糊等问题。根据前期研究表明，SPOT5影像中存在ρ_GREEN＞ρ_NIR的普遍规律，因此，为了实现水体光谱值的进一步极化特征，笔者经过实验总结，对该模型进行了调整，即改进特征波段水体模型(MPRWI)，针对SPOT5影像的计算公式为：

通过ρ_NIR-ρ_GREEN及比值运算，实现水体光谱值负值化，进一步拉大水体与其他地物间光谱值的差异。针对图 1影像的MPRWI计算结果如图 3所示，该模型不但该模型不但增大了水体与其他地物间的灰度值差异，且水体的灰度值相对最小，利于阈值自动选取。

图 2 PRWI计算结果Fig. 2 Result of PRWI Calculation

图选项

图 3 MPRWI计算结果Fig. 3 Result of MPRWI Calculation

图选项

在进一步的研究中，笔者发现绿光波段与近红外波段亮度值的差值比例明显高于其他地物，因此构建了水体差值计算模型(GNWI)，针对SPOT5影像的计算公式为：

GNWI计算的结果如图 4所示，该模型不但增大了水体与其他地物间的灰度值差异，且水体的灰度值相对最小。

图 4 GNWI计算结果Fig. 4 Result of GNWI Calculation

图选项

2) 土壤亮度指数

在SPOT5影像中，河流边滩、道路、居民地和其他人工建筑的光谱发射率明显高于植被、水体和阴影，因此，引入土壤亮度值增大水体与河流边滩和人工建筑等的亮度值差异，以解决其对水体提取精度的影响。

常用的土壤亮度指数(NDSI)和基于缨帽变换产生的土壤亮度指数(BI)等。其中，NDSI是文献^[13]根据影像在可见光红光波段与绿光波段对土壤的响应特征与植被、水体等相反的特性提出的，其针对SPOT5影像的计算公式为：

式中，I是遥感指数；ρ为地物表观反射率；GREEN和RED分别是SPOT5的绿光波段和近红光波段。

针对图 1影像的NDSI计算的结果如图 5所示，图中水体为黑色，水体的灰度值最小。该模型有效增大了水体与人工建筑物、河滩之间的灰度值差异，弱化了建筑物、河流边滩对提取精度的影响。

图 5 NDSI计算结果Fig. 5 Result of NDSI Calculation

图选项

通过对水体指数和土壤亮度指数，发现上述 指数都在同方向、不同程度的增大了水体与其他地物间灰度值的差异。但是由于GNWI和NDSI、MPRWI计算的结果属于不同的量级，为了对比和后期计算的方便，因此，需要对NDSI和MPRWI的灰度图像进行线性变换。根据GNWI灰度值特征，线性变换系数设定为一定值C(该定值变化不会改变极化特征，本文实验定值为100)，计算和统计的结果如表 2所示。

表 2表明，GNWI、NDSI和MPRWI不同程度的同向增大了水体与其他典型地物间灰度值的差异。通过大量的实验计算，发现将计算的3种灰度图像进行主成分变换，并提取第1主成分，能非常有效的将水体与其他地物信息区分开来。多指数集成计算的模型如图 6所示。

图 6 多指数集成计算模型 Fig. 6 Multi-index Integrated Computing Model of Water

图选项

根据集成计算模型对图 1影像的计算结果如图 7所示，图中水体为灰白色，其他地物为灰色或暗灰色。图 7中水体为灰白色，其他地物为灰色或暗灰色。对该图像中水体和典型地物灰度值的统计结果如表 3所示。

图 7 第一主成分计算结果Fig. 7 Result of PC1 Calculation

图选项

据该表可得出主成分图像的特征为：① 水体的灰度值具有极化特征，即集成图像中水体灰度值表现为最大值或最小值，且3种指数图像合成顺序不影响极化特征。本次统计中，水体的灰度值最大，均值为57.88，明显大于其他地物的灰度值；② 有效地消除了建筑物和地形阴影的影响。 2 实验结果

试验以湖北省十堰市丹江口市地区为例,该地区地形复杂，群山连绵，峰峦叠翠、沟壑纵横，水系发达，河流众多。为了验证本文方法的准确性和普适性，选择了试验区的3个子区3个时相的影像分别进行测试。

试验是基于ENVI+IDL研发的系统进行的。系统首先依据本文构建的水体提取模型提取水体信息，其次对提取结果进行形态学滤波的膨胀运算和闭运算，最后对计算结果采用文献^[14]方法进行细化等处理。

试验1   区位于十堰市丹江口市白庙地区。试验采用SPOT5影像的多光谱数据，空间分辨率为10 m (该影像获取于2006-03-29)。该水体是相对较为细小的河流，如图 8(a)所示，由于受地形影响，在SPOT5影像上，部分河段呈不连续状态。根据本文方法提取的结果如图 8(b)所示，目标水体信息被有效地提取了出来。为了验证提取结果，将矢量转换后的结果叠加在原始影像上，结果如图 8(c)所示，可检测出河流的提取情况。

图 8 实验1提取结果及分析Fig. 8 Extraction Results and Analysis of Experiment 1

图选项

试验2   区位于十堰市丹江口市博家湾村地区，该地区主河道相对较宽，但是小的水库、水塘较多。试验采用的是空间分辨率为10 m 的SPOT5多光谱影像，该影像获取于2006-04-03。系统自动提取的结果如图 9所示。其中，图 9(a)是实验区SPOT5影像的第123波段合成的假彩色影像，图 9(b)是本文方法提取的结果，图 9(c)是将提取的矢量图斑叠加在原始影像上的结果。从图中可以对比出，较大的河流、水库及小的水塘等均被成功的提取。

图 10 实验3提取结果及分析Fig. 10 Extraction Results and Analysis of Experiment 3

图选项

试验3   试验区位于十堰市丹江口水库的钉子沟段，试验采用的是空间分辨率为10 m 的SPOT5多光谱影像(该影像获取于2007-09-21)，如图 10(a)所示，该段水库沟叉密布。本文方法提取的结果如图 10(b)所示。将提取的结果叠加在原始影像上，结果如图 10(c)所示。从叠加结果分析，较大水体能够完全被提取。

图 9 实验2提取结果及分析Fig. 9 Extraction Results and Analysis of Experiment 2

图选项

对水体提取结果的精度分析，采用像素数量误差度量方法^[15]。本文自动提取方法、PRWI提取方法与人工目视判读提取水体面积的统计结果及比较结果如表 4所示。本文提取方法针对3个实验的精度分别为92.39%、96.54%和99.43%，而PRWI在提取较细水体时精度相对较低，主要是漏提比例较高，而在提取大面积水体时精度较高。

本文提出了一种基于SPOT5影像提取水体的新方法。实验结果表明该方法能够有效地提取较大水体，对较为细小的水体亦有较高的提取精度。本文方法是对基于光谱信息水体提取方法的拓展和尝试，基于水体遥感图像本底值的多指数计算方法能够最大限度消除地形阴影、居民地等的影响，并使水体的灰度值出现极化特征，从而有利于阈值自动提取，有效和高精度地提取目标水体信息。

本研究的不足之处在于:① 更为细小水体的提取精度还不够，有待进一步改进计算模型；② 没有进行纹理计算，在此基础上结合纹理计算，应能更进一步地提高提取精度；③ 本文阈值的获取是基于改进的多峰灰度直方图阈值自动选取算法，在此基础上，若结合多尺度分割算法，应能进一步提高水体的提取精度。