Sentinel-2遥感图像的细小水体提取

作者：吴庆双; 汪明秀; 申茜^*; 姚月; 李俊生; 张方方; 周亚明

来源：遥感学报, 2022, 26(04): 781-794.

• 水体提取
• 水体指数
• 细小水体
• Sentinel-2
• RWI
• MNDWI
• MBWI
• AWEI

基于卫星遥感的水体提取算法对面积较大的水体效果较好，应用于细小水体时受混合像元、异物同谱等因素影响，容易出现误判。Sentinel-2卫星多光谱遥感数据空间分辨率为10 m、20 m、60 m，双星时间分辨率5 d，时间和空间分辨率较高，因此本文采用了Sentinel-2绿光波段（560 nm）、红边波段（705 nm）、近红外波段（842 nm、865 nm）和短波红外波段（2190 nm）的遥感反射率，提出了一种植被红边水体指数算法RWI(Vegetation Red Edge based Water Index)。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率，从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法，包括改进的归一化差异水体指数MNDWI (Modified Normalized Difference Water Index)、多波段水体指数MBWI (Multi-Band Water Index)、自动水提取指数AWEI (Automated Water Extraction Index)，以人工目视解译的水体结果为准，对比以上几种算法得到的水体提取结果，得出RWI、MNDWI、MBWI、AWEIsh、AWEInsh的面积提取差异分别为3.6%,4.2%,12.2%,8.8%,19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看，本文提出的RWI算法提取的水体边界效果更佳，而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时，在2016-01—2018-12时间范围内筛选选取了共43景无云的Sentinel-2影像，利用本文提出的算法对雄安新区、神东矿区、永城矿区3个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好，细小水体的边界区分度较高，基本没有错提、漏提，算法具有良好的适用性和稳定性。

• 单位
  中国科学院; 安徽师范大学