entinel|landsat8影像预处理_沙漠地貌

西北大学地表系统与环境承载力陕西省重点实验室,西安 710127

Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Northwest University, Xi’an 710127, China

责任编辑: 张仙

作者简介 About authors

利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使用归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水体提取指数(automated water extraction index,AWEIsh)和基于线性判别分析的水体指数(water index,WI2015)等4种常用的水体指数从2种影像中提取湖泊水体的分布信息; 然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同; 最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体; AWEIsh和WI2015 的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低; 相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。关键词：Sentinel-2;Landsat8;NDWI;MNDWI;AWEIsh;WI2015

关键词：Sentinel-2;Landsat8;NDWI;MNDWI;AWEIsh;WI2015

Extracting surface water like lake water areas from satellite images quickly and accurately has been an important research topic, which is of great significance to the water disaster monitoring and water resource management. Sentinel-2 multi spectral imager (MSI) and Landsat8 operational land imager (OLI) data are two popular medium- to high- resolution data sources that are freely available. Using the Poyang Lake as the study area and employing four popular water indices, i.e., normalized difference water index (NDWI), modified normalized difference water index (MNDWI), automatic water extraction index (AWEIsh) and water index created with linear discriminant analysis (WI2015), the authors extracted water distribution from two types of images respectively. Water extraction results derived from different images and different water indices were analyzed. The accuracy of the water extraction results was evaluated by visual interpretation results of corresponding GF-1 images. The results reveal that, for these two remote sensing images, all water indices can detect most water body successfully. Among these indices, AWEIsh and WI2015 have relatively higher extraction accuracy, reaching 98% and 94% respectively on Sentinel-2 and Landsat8 images. Compared with Landsat8 images, Sentinel-2 images are capable of reflecting more detailed water body information, and the overall extraction accuracy is higher.Keywords：Sentinel-2;Landsat8;NDWI;MNDWI;AWEIsh;WI2015

Keywords：Sentinel-2;Landsat8;NDWI;MNDWI;AWEIsh;WI2015

本文引用格式

本研究选取水体分布格局复杂、水域面积变化剧烈且频繁的鄱阳湖地区作为实验研究区,选用NDWI,MNDWI,AWEI和WI2015等4种典型的水体指数,测试基于Sentinel-2和Landsat8这2种遥感数据源不同水体指数提取湖泊水体的差异,并使用同期高空间分辨率的GF-1和Geogle Earth影像作为参考,验证2种影像使用不同方法提取湖泊水体的精度,为基于中高空间分辨率遥感数据的湖泊动态监测研究提供参考。

图1鄱阳湖Landsat8 B5(R),B4(G),B3(B)合成影像

(绿框为使用GF-1影像进行精度验证的区域)

Fig.1Landsat8 composite image of Poyang Lake with B5(R),B4(G),B3(B)

图2Landsat8和Sentinel-2影像的6个对应波段的反射率对比

Fig.2Comparison of reflectance of six corresponding bands between Landsat8 and Sentinel-2

2.1.1 NDWI

式中: GREEN为绿光波段; NIR为近红外波段。NDWI主要利用了在近红外波段水体强吸收几乎没有反射而植被反射率很强的特点,通过抑制植被和突出水体用来提取影像中的水体信息,效果较好。但是由于NDWI只考虑了植被因素,忽略了建筑物和土壤这2个重要的地物,通过NDWI提取水体信息时由于绿光波段的反射率远远高于近红外波段,所以提取结果往往混淆有土壤和建筑物信息。用NDWI提取城市水体时会有较多建筑物阴影的水体,效果较差。

2.1.2 MNDWI

2.1.3 AWEI

式中: BLUE为蓝光波段; SWIR1和SWIR2为短波红外波段。AWEInsh适用于没有阴影的场景,而AWEIsh则是为了进一步地剔除AWEInsh提取结果中易与水体信息混淆的阴影等地物,适用于阴影较多的场景。为了尽量达到更好的提取效果,本研究选用AWEIsh。

2.1.4 WI2015

式中RED为红光波段。

在水体指数图像的基础上,先后使用统一的0作为阈值和各自选用优化的阈值对水体指数图像进行分割,得到Landsat8和Sentinel-2影像基于4种水体指数的水体分布。另外,由于Landsat8影像的空间分辨率为30 m,而Sentinel-2影像的空间分辨率为10 m,故先将Landsat8的水体分布使用最邻近法重采样至10 m。对不同的结果进行叠置分析,得到对比结果,并对各类对比结果的像元进行统计分析。

精度评价是遥感监测中重要的一步,也是检验图像信息的提取方法是否可靠的重要手段。水体提取即把研究区内地物分为水体和非水体2类,所以采用图像分类精度的方法对提取结果进行评价。图像分类精度评价一般是将分类结果与标准分类图或地面实测值进行比较,利用正确分类的百分比来确定分类的准确程度。通常是建立混淆矩阵(或者称为误差矩阵)来计算各种分类精度指标。本研究以GF-1影像目视解译的湖泊水体边界作为地面参考,分别对2种影像湖泊水体提取的结果进行精度验证,建立混淆矩阵,计算错分率、漏分率、总体精度和Kappa系数等精度评价指标。

图3Landsat8和Sentinel-2的水体指数图像

Fig.3Water index images of Landsat8 and Sentinel-2

图4Landsat8和sentinel-2使用阈值0得到的水体分布

Fig.4Water distribution derived from Landsat8 and Sentinel-2 using 0 as the threshold

图5Landsat8和Sentinel-2使用自定义阈值得到的水体分布

Fig.5Water distribution derived from Landsat8 and Sentinel-2 using customized threshold

图6Landsat8与Sentinel-2的水体分布叠加结果

Fig.6Overlapping maps of water distribution of Landsat8 and Sentinel-2

表1叠加图像各类像元所占百分比

Tab.1 Superimposed image percentage of various types of pixels(%)

总体而言,L非水S水类像元占比均略高于L水S非水类占比,说明使用4种水体指数,Sentinel-2得到的水体像元相对多。

图7Landsat8和Sentinel-2影像4种指数得到的水体分布的叠加结果

Fig.7Overlapping maps of four water indices from Landsat8 and Sentinel-2

表2Landsat8和Sentinel-2影像4种水体分布叠加后的像元统计

Tab.2 Statistics of superimposed pixel number for four indices from Landsat8 and Sentinel-2 (%)

表3基于Landsat8和Sentinel-2影像的4种水体指数水体提取结果精度指标

Tab.3 Accuracy evaluation of four water extraction results based on Landsat8 and Sentinel-2 images using four water indices

本文以枯水期的鄱阳湖为例,通过NDWI,MNDWI,AWEIsh和WI2015这4种水体指数对Sentinel-2和Landsat8影像的水体信息进行了提取,通过对比得出以下结论:

1)对于Landsat8和Sentinel-2影像,使用这4种水体指数均可以成功地将研究区的大部分水体正确提取出来,轮廓明显,边界清晰。

2)4种水体指数使用统一阈值0的水体提取效果较差,部分区域存在较明显的错漏分现象,使用优化阈值提取的水体边界则更为合理。

3)由于Sentinel-2影像空间分辨率较高,其水体提取的精度整体更高,但也更容易受一些其他因素影响,比如水面上的浮游藻类植物等而造成对水体的误判。因此,对于2种影像上较浅或存在植被的水域,更应谨慎选取合适的水体指数,以保证最佳的水体提取效果。

4)4种水体指数中,NDWI的总体精度较低,MNDWI比NDWI稍好,AWEIsh和WI2015的总体精度较高,在Sentinel-2和Landsat8数据上分别达到了98%和94%,提取效果较好。

5)Sentinel-2影像提取的水体细部信息更为明显,对于较浅水域的提取更为准确,整体提取效果优于Landsat8影像。

6)Sentinel-2 MSI和Landsat8 OLI影像具有相近的光谱波段和空间分辨率,同样免费开放的数据政策、全球的覆盖范围以及相对适中的时空分辨率使它们成为目前主流的遥感数据源,对于区域尺度甚至全球尺度的地表覆盖监测具有极其重要的意义。本研究通过对比4种常用的水体指数在2种影像上的表现,为使用2种影像数据源进行地表水动态监测、河流湖泊洪水淹没分析等研究提供了有益的参考,希望能够进一步促进2种数据在相关领域的应用。

Water in the balance

Lake area changes in the middle Yangtze region of China over the 20th century

A global,high-resolution (30-m) inland water body dataset for 2000:First results of a topo-graphic-spectral classification algorithm

High-resolution remote sensing mapping of global land water

A new global raster water mask at 250 m resolution

基于Landsat TM影像的水体信息提取

基于Landsat 5 TM影像,以芜湖市沿江区域为试验区,利用水体指数模型(NDWI、MNDWI)、单波段阈值法(LBV变换的B分量)、波谱间关系模型(KT3+TM4>TM2+TM7),以及新提出的波谱间关系模型(KT3+TM2>TM4+TM3)进行水体信息自动提取的试验,从定性与定量2个方面对5种方法进行对比. 结果表明,波谱间关系模型提取水体的精度最高,为93%;受到植被和建筑物等因素的干扰最小.

Water bodies information extraction based on Landsat TM remote sensing imagery

基于LBV变换与多分辨率分析的水体提取研究

Water body extracting based on LBV transformation and multi-resolution analysis

基于新型水体指数(NWI)进行水体信息提取的实验研究

Study on information extraction of water body with a new water index (NWI)

新一代Landsat系列卫星:Landsat8遥感影像新增特征及其生态环境意义

美国Landsat 8卫星的成功发射使一度中断的Landsat对地观测得以继续。Landsat 8除了保持Landsat 7卫星的基本特征外,还在波段的数量、波段的光谱范围和影像的辐射分辨率上进行了改进。基于该卫星的首幅影像,针对这些新的特性进行了分析和研究。研究发现:(1)新增的卷云波段有助于区别点云和高反射地物;(2)卷云波段设计的波长范围位于粘土矿物光谱反射的强吸收带,有利于土壤与建筑不透水面信息的区别; (3)新增的深蓝波段有助于水体悬浮物浓度的监测;(4)全色影像波长范围的收窄有利于该影像上植被和非植被的区别; (5)辐射分辨率的提高可避免极亮/极暗区的灰度过饱和现象,这对反射率极低的水体的细微特征识别有很大帮助。显然,Landsat 8这些新增的优点将会对全球生态环境变化的监测产生积极的作用。

Analysis of new characteristics of the first Landsat8 image and their eco-environmental significance

Sentinel-2:ESA’s optical high-resolution mission for GMES operational services

Water body mapping method with HJ-1A/B satellite imagery

基于TM影像的平原湖泊水体信息提取的研究

Extraction of plain lake water body based on TM imagery

基于EOS/MODIS数据的青海湖遥感监测

在二十世纪八十年代,NASA开始设计地球观测系统(EOS),MODIS数据是地球观测系统中很具特色的数据,在TERRA和AQUA卫星上均搭载有MODIS传感器.利用MODIS的较高的空间分辨率和光谱分辨率进行地球资源的监测及预测、预报未来变化的研究是近几年热点的研究问题.本文介绍利用EOS/MODIS遥感数据进行湖泊水域计算机自动识别及面积计算、湖水面温度反演、湖冰信息自动提取、湖泊封冻和解冻监测原理和方法,并以青海湖为例介绍了实际应用情况.

Remote sensing monitoring of Lake Qinghai based on EOS/MODIS data

用改进的谱间关系模型提取极高山地区水体信息

Extracting water-body information with improved medal of spectral relationship in a higher mountain area

不同指数模型提取ALOS AVNIR-2影像中水体的敏感性和精度分析

以广东惠州附近水域为研究区，利用ALOS AVNIR-2多光谱数据分析水体和其他主要地物在影像上的光谱特征。构建几种常用的波谱指数，分析阈值对各种指数模型提取水体的敏感性及所能达到的最大精度。发现利用这些指数均可以较好地提取图像中的水体信息，提取效果从好到差依次是：归一化差值水体指数法（NDWI）、近红外波段分割法（NIR）、归一化差值植被指数法（NDVI）和比值植被指数法（RVI）。其中NDWI指数模型，在选择合适阈值的情况下，水体提取的总体精度最高可达98%左右，并且提取过程对阈值影响不敏感。

A sensitivity analysis and accuracy assessment of different water extraction index models based on ALOS AVNIR-2 data

环境一号卫星影像中水体信息提取方法研究

Research on methods for extracting water body information from HJ-1A/B data

基于MODIS数据的川西山区河道水体提取方法研究

Research on extraction method of river water-body in mountain area of western Sichuan based on MODIS data

基于水体指数的密云水库面积提取及变化监测

高分辨率遥感影像面向对象分类方法研究

An Object-Oriented Classification Method for High Resolution Remote Sensing Imagery

Comparison of ELAS classification and density slicing Landsat data for water-surface area assessment

Monitoring floods with AVHRR

TM资料水体识别技术的改进

Improvement of the techniques for distinguishing water bodies from TM data

The use of the normalized difference water index (NDWI) in the delineation of open water features

利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究

在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。

A study on information extraction of water body with the modified normalized difference water index (MNDWI)

Automated water extraction index:A new technique for surface water mapping using Landsat imagery

Development,optimisation and multi-temporal application of a simple Landsat based water index

Comparing Landsat water index methods for automated water classification in eastern Australia

Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery

Analysis of dynamic thresholds for the normalized difference water index

Detecting,extracting,and monitoring surface water from space using optical sensors:A review

A physical explanation of the variation in threshold for delineating terrestrial water surfaces from multi-temporal images:Effects of radiometric correction

THE END

entinel

使用andsat影像进行图像融合「建议收藏」腾讯云开发者社区

使用andsat影像进行辐射定标和大气校正实例操作腾讯云开发者社区

ooglearthngine下载遥感影像——以andsat数据为例wcattree

操作andset遥感影像预处理问题汇总（）

ooglearthngine（）——andsat影像对比分析区别和去云即计算ooglearthngine的技术博客

andsat卫星遥感数据预处理方法docx

andsat——从遥感数据下载到辐射定标大气校正的全过程ictooorswd

andsat多光谱数据辅助下的高分影像多尺度分割

遥感影像预处理栅格预处理博客

entinel