基于Sentinel-2影像的山区湖泊水体提取方法

基于sentinel-2影像的山区湖泊水体提取方法
技术领域
1.本发明属于遥感地学应用技术领域，具体涉及基于sentinel-2影像的山区湖泊水体提取方法。


背景技术：

2.高原湖泊是对那些海拔相对较高的湖泊的模糊定义，与一般湖泊相比，高原湖泊一般是咸水湖，地质构造上一般是构造湖，而且内流区的高原湖泊一般是该区河流的终点，即内流湖。高原湖泊面积变化受到气候和人类活动的影响，是记录包括气温、降水、环境和人类活动等自然及人为变化的重要载体。因此，高效精确地获取湖泊的信息对研究气候变化、区域水循环及生态保护措施等方面具有重要的作用。
3.云南九大高原湖泊包括抚仙湖、洱海、泸沽湖、阳宗海、滇池、程海、杞麓湖、异龙湖和星云湖，其保护治理是云南生态环境建设的重中之重。在全省生态安全战略中，承担着保护和修复金沙江干热河谷、滇东南喀斯特地貌、金沙江下游三峡库区上游区、重要江河源头及分水岭地带、九大高原湖泊、饮用水水源地、城市生态安全屏障及沿边生态廊道的重要任务。在新形势下，加强以上区域的水土保持生态建设，凸显出对水土保持不同功能的要求。
4.与平原地区内分布密集的淡水湖群相比，高原湖泊具有很大的特殊性。平原地区淡水湖的水源补给主要为降水、地下水及径流水，而高原湖泊的水源补给方式中降水、地下水及径流水占比较小，冻融水、冰雪融水等占比较大。由于生态环境脆弱，水源补给对气候变化十分敏感，许多高原湖泊开始逐渐萎缩、咸水化甚至消失。
5.湖泊提取方法的改进一直是遥感影像高原湖泊信息提取的研究重点，目前的湖泊水体提取方法主要有两大类，一类是在地理信息系统支持下，采用人机交互解译方式从地形图或遥感影像提取湖泊内湖边界并量算面积；另一类是计算机自动解译方法，其趋势是从遥感指数、机器学习再到如今的深度学习方法的发展。传统方法提取高原湖泊存在工作量大，自动化程度低，依赖大量人工参与的问题，成本比深度学习方法更高。传统机器学习不能充分利用遥感影像的光谱信息及空间信息，一般仅利用结构简单的浅层模型学习人工设定的特征，因此在地物提取精度上有一定的局限性。目前，提高高原湖泊提取精度的方向是使用深度学习方法对遥感影像丰富的信息进行充分挖掘。


技术实现要素：

6.为了解决上述技术问题，本发明提供了一种高原山区湖泊水体提取方法，可以快速有效提取高原山区湖泊水体范围，而且对季节变化有着较强的鲁棒性。
7.为了达到上述技术目的，本发明通过以下技术方案实现：
8.基于sentinel-2影像的山区湖泊水体提取方法，包括以下步骤：
9.s1：sentinel-2遥感影像预处理，预处理过程包括辐射定标、大气校正、几何精校正、影像配准、影像镶嵌、影像裁剪、去云处理、阴影处理；
10.s2：将影像中短波红外波段分辨率由20米重采样到10米，做影像降尺度处理；
11.s3：对每一个像元计算其改进的归一化差异水体指数，计算公式如下：
12.mndwi＝(ρ
green-ρ
swir
)/(ρ
green
+ρ
swir
)
13.s4：其中，mndwi为改进的归一化差异水体指数，ρ
green
为sentinel-2遥感影像的绿波段，ρ
swir
为sentinel-2遥感影像的中短波红外波段；
14.s5：利用面向对象处理工具，基于预设阈值threshold对改进的归一化差异水体指数影像进行二值化分割，mndwi》＝threshold的像元为非湖泊水体；mndwi《threshold的像元为湖泊水体。
15.优选的，所述预设阈值threshold在滇中地区取值小于0.30；滇东北地区的预设阈值threshold取值小于0.32。
16.本发明的有益效果是：
17.基于本发明的方法，可有效利用sentinel-2遥感影像对高原山坝区湖泊水体进行快速、准确提取。
18.本发明提供的方法可以快速有效提取高原山坝区湖泊水体范围，而且对季节变化有着较强的鲁棒性。
附图说明
19.图1是基于sentinel-2影像的山区湖泊水体提取方法流程图；
20.图2是本发明用于指数设计及精度验证的样本研究区位置；
21.图3a、b、c是本发明应的sentinel-2遥感影像和湖泊样例九大高原湖泊影像图；
22.图4a、b、c是在本发明的水体指数各个研究案例中的计算结果图；
23.图5是ndwi和mndwi在各个研究案例中的指数阈值和精度评价结果。
具体实施方式
24.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，都属于本发明保护的范围。
25.实施例1
26.图1为基于sentinel-2影像的山区湖泊水体提取方法流程图，本发明方法主要包括以下步骤，下面分别对其予以详细介绍。
27.s1：对sentinel-2遥感影像进行辐射定标、大气纠正、几何精校正等预处理，获取地表真实反射率。本发明直接采用欧空局官方提供的已经过辐射定标和大气纠正的地表反射率产品。
28.s2：将sentinel-2遥感影像的中短波红外波段重采样到10米。本发明采用envi软件的双线性内插法将分辨率不足10米的波段重采样到10米。
29.s3：对每一个像元计算mndwi指数值，从而获得mndwi水体指数影像，所述mndwi指数定义如下：
30.mndwi＝(ρ
green-ρ
swir
)/(ρ
green
+ρ
swir
)
31.s4：其中，mndwi为改进的归一化差异水体指数，ρ
green
为sentinel-2遥感影像的绿波段，ρ
swir
为sentinel-2遥感影像的中短波红外波段；
32.s5：利用面向对象处理工具，基于预设阈值threshold对改进的归一化差异水体指数影像进行二值化分割，mndwi》＝threshold的像元为非湖泊水体；mndwi《threshold的像元为湖泊水体。
33.滇中地区的预设阈值threshold取值小于0.30；滇东北地区的预设阈值threshold取值小于0.32。
34.本发明对于方法的设计过程，本发明阐述如下：
35.1.选取云南省九大高原湖泊为研究对象(图2)。由于云南九大高原湖泊在夏季和冬季的光谱特征差异明显，因此，九个湖泊均以单独的研究案例进行分析。所以，本研究一共包含九个研究案例，这九个研究案例的湖泊如图4所示。
36.2.对于每个研究案例，分析其湖泊水体的光谱特征，如图3所示。显然在不同季节，云南省九个高原湖泊由于所处地域环境不同而具有明显不同的光谱特征。由于夏秋季节性阴雨天气，所以影像的透明度降低，大部分阳光被反射。鉴于此，九个高原湖泊的影像多为秋季或春节。
37.3.对于各个研究案例，选取应用方法对影像进行光谱分析，如图4所示。并对湖泊水体在各个波段或波段组合中的反射率进行分析，获得分割阈值，如图5所示。
38.4.为更好说明本发明的技术效果，针对九个研究案例，分别使用本发明提出方法、ndwi指数进行计算，其计算后得到的影像如图4所示。由图4可知，ndwi指数在滇中地区5个案例中都无法完全将湖泊边界有效提取，特别是水面上部分像元；而mndwi在滇中地区的5个高原湖泊案例中表现不错。在滇东北地区的案例中，mndwi效果比ndwi表现好。
39.步骤3中阈值的选取来自于对各个阈值下各个研究案例中湖泊提取的精度统计图。如图5所示。

技术特征：
1.基于sentinel-2影像的山区湖泊水体提取方法，其特征在于，包括以下步骤：s1：sentinel-2遥感影像预处理，预处理过程包括辐射定标、大气校正、几何精校正、影像配准、影像镶嵌、影像裁剪、去云处理、阴影处理；s2：将影像中短波红外波段分辨率由20米重采样到10米，做影像降尺度处理；s3：对每一个像元计算其改进的归一化差异水体指数，计算公式如下：mndwi＝(ρ
green-ρ
swir
)/(ρ
green
+ρ
swir
)s4：其中，mndwi为改进的归一化差异水体指数，ρ
green
为sentinel-2遥感影像的绿波段，ρ
swir
为sentinel-2遥感影像的中短波红外波段；s5：利用面向对象处理工具，基于预设阈值threshold对改进的归一化差异水体指数影像进行二值化分割，mndwi>＝threshold的像元为非湖泊水体；mndwi<threshold的像元为湖泊水体。2.根据权利要求1所述一种基于sentinel-2影像的山区湖泊水体提取方法，其特征在于，所述预设阈值threshold在滇中地区取值小于0.30；滇东北地区的预设阈值threshold取值小于0.32。

技术总结
本发明公开了基于Sentinel-2影像的山区湖泊水体提取方法，涉及遥感地学应用技术领域。所述方法包括：S1：Sentinel-2遥感影像预处理，获取地表真实反射率；S2：将Sentinel-2遥感影像短波红外波段数据重采样到10米；S3：利用Sentinel-2遥感影像的绿波段数据和短波红外波段数据对每一个像元计算其改进的归一化差异水体指数；S4：利用面向对象处理工具，基于阈值Threshold对水体指数影像进行二值化分割；利用该方法可以快速有效提取高原山区湖泊水体范围，而且对季节变化有着较强的鲁棒性。而且对季节变化有着较强的鲁棒性。而且对季节变化有着较强的鲁棒性。


技术研发人员：吕杰 赵昌福 王泽华 韩颖 李伟
受保护的技术使用者：昆明理工大学
技术研发日：2023.03.16
技术公布日：2023/9/23