基于卫星高光谱遥感数据的地表水体提取方法

本发明涉及遥感光谱数据处理，尤其是基于卫星高光谱遥感数据的地表水体提取方法。

背景技术：

1、水资源是保障人类及其他生物生存和发展的基本条件。水体提取在水资源调查、洪水灾害评估预测和环境监测中起着重要作用。遥感技术以其高时空分辨率和低成本等优势，能够快速提取和监测大范围的水体信息，成为水体提取和水质监测的重要技术手段之一。

2、目前，基于遥感影像的水体提取研究方法主要包括单波段阈值法、波段间关系法和水体指数法。单波段阈值法相对较简单，通过设置阈值来区分水体和其他地物，基于水体和环境的反射率差异。波段间关系法则是通过构建波段之间的逻辑关系式，利用地物的光谱特征来分离水体和背景。水体指数法则根据水体在蓝绿波段的较高反射率和近红外波段的较低反射率，利用一些特定的波段构造与水体相关的参数。总体而言，单波段阈值法和波段间关系法利用单一或少量波段的信息，无法完全区分水体和背景，提取效果不理想；而水体指数法因其简洁且利用了遥感影像波谱特性，成为一种更有效的方法。

3、目前已有的水体指数主要针对landsat、高分系列等多光谱遥感数据设计，而对于高光谱数据的水体指数研究较少。高光谱遥感具有图谱合一的优势，能够获取地物在几十甚至上百个波段的反射率信息，从而可以更准确地利用地物的光谱特征曲线进行识别，有效提升遥感应用能力。目前，利用高光谱遥感数据进行水体提取还有很大的发展空间。

技术实现思路

1、本发明要解决的技术问题是克服现有技术的种种不足，提供一种基于卫星高光谱遥感数据的地表水体提取方法。

2、为解决上述技术问题，本发明所采取的技术方案如下。

3、一种基于卫星高光谱遥感数据的地表水体提取方法，该方法包括以下主体主要步骤：

4、步骤1、将获取的多幅卫星高光谱遥感数据进行数据预处理；

5、步骤2、在影像上选择不同地物的特征像元，并构建地物光谱特征曲线；

6、步骤3、分析不同类别地物的光谱特征曲线，构建新型水体提取模型，并利用新模型对影像进行处理；

7、步骤4、构建算法对上述处理过的影像进行水体和其他地物的分离。

8、作为本发明的一种优选技术方案，在步骤1中，对高光谱遥感影像数据进行预处理具体包括：

9、辐射校正：利用传感器响应函数将高光谱卫星影像中的dn值转化为辐射亮度值，从而消除传感器本身的误差，并确定传感器入口处的准确辐射值；

10、大气校正：将辐射校正后的影像作为输入，利用6s模型对辐射校正的结果进行大气校正，消除大气中的固体颗粒、水汽对影像的影响；

11、几何校正：利用参考影像对大气校正的结果影像进行几何校正，得到具有地理坐标的高光谱辐亮度数据。

12、作为本发明的一种优选技术方案，在步骤2当中，所述特征像元构建为某类地物的纯净像元，纯净像元构建为当前像元位于某地物类别的非边缘区域，且像元内只含有一种类型的地物信息；其中，在高光谱遥感影像上选择不同地物的特征像元，具体包括：确定影像上的地物类别数量，对每个类别的地物均匀选取一定数量的纯净像元作为特征像元。

13、作为本发明的一种优选技术方案，在步骤2当中，所述地物光谱特征曲线的构建步骤包括：

14、步骤2.1、计算不同地物类别直接的j-m距离，用以表征不同类别的地物之间的可分离性；

15、步骤2.2、对每一类地物的所有特征像元的反射率进行统计，取平均值以表征该类地物的光谱特征曲线；

16、步骤2.3、对所有类别的地物进行上述处理，得到所有类别地物的光谱特征曲线。

17、作为本发明的一种优选技术方案，在步骤3中，分析不同类别地物光谱特征曲线的方法为：将所有类别地物的光谱特征曲线汇总到一起，分析不同类别地物的光谱曲线的特点，找出区分水和其他地物的波段。

18、作为本发明的一种优选技术方案，在步骤3中，构建新型水体提取模型并利用新模型对影像进行处理，具体的，对经过预处理的卫星高光谱遥感数据，依据光谱分阶进行区间段的光谱反射率函数定积分，光谱分阶依照光谱的物理参值进行区分，一般采用波长λ时，其积分区间段的端点由指定的波长数值进行表征；然后基于恒定区间内所得定积分的差分对光谱的一阶驱动导数和/或高阶驱动导数进行表征，并将所得任一阶驱动导数的表征参值或其组合构建为地表水体指数，经过数据的分层聚类后处理实现对卫星高光谱遥感数据中的地表水体进行分离和提取；其中，当构建差值的区间长度恒定时，差分对区间内连续导数的平均值进行了表征；当考察对象为区间导数均值时，这一对数据起到驱动作用的一阶导数可以由恒定区间长度下两组定积分的差值进行表征；进一步，对于由区间差分表征的一阶均值导数，当这一光谱数据的表层驱动因素不能良好的区分光谱对象时，应当采用具有更精细数据内涵的高阶驱动因素，或者高低阶驱动因素的组合；为此，构建面向分离目标并结合分离效果的多阶层驱动导数参值化模型；在多阶层驱动导数参值化模型中，高阶驱动导数基于一阶驱动导数通过如下的迭代方式获取：对于二阶驱动导数，其在恒定区间长度上的差值由临近的两个一阶驱动导数相减获取；这样二阶驱动导数包含了两个一阶驱动导数的内涵信息，由临近差值的差值进行构建，其对应恒定区间长度下三组定积分之间的交互信息；对于三阶驱动导数，其在恒定区间长度上的差值由临近的两个二阶驱动导数相减获取；以此类推进行迭代；对于任一阶的驱动导数，由于采用恒定的区间长度，故上一阶的驱动导数差分对于下一阶的驱动导数进行直接表征。

19、作为本发明的一种优选技术方案，在步骤4中，构建算法将输入影像分成水体和其他地物两个类别，首先将输入数据分为n组，则随机选取n个对象作为初始的子数据中心，然后计算每个对象与各个子数据中心之间的距离，把每个对象分配给距离它最近的数据中心；数据中心以及分配给它们的对象构建为一个子数据组并进行标号标记；每分配一个样本对象，数据中心返回对包含有子数据组信息的全部现有对象进行重新计算；此数据过程迭代至遍历全部数据。

20、作为本发明的一种优选技术方案，本发明还包括步骤5：利用混淆矩阵或其他算法对水体提取结果进行精度评价；在步骤5中，以混淆矩阵的每一列代表预测类别，每一列的总数表示预测为该类别的数据的数目；混淆矩阵的每一行代表数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目；根据混淆矩阵计算总体精度和kappa系数用以评价分类精度。

21、采用上述技术方案所产生的有益效果在于：本发明提出了适配多种不同光谱数据环境的多重水体指数构建算法，基于此可以准确地提取水体信息；同时相对于传统方法设置单一的阈值进行水体和非水体的分离，本发明进一步引入了基于数据均值化中心的数据分组算法进行水体和非水体的分离，提高了遥感水体提取的精度；在十米分辨率的遥感数据上实现了90％以上的水体提取精度，大幅提升了水体遥感识别的精度和效率，具有重要的科研和实用价值。

技术特征：

1.基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：该方法包括以下主体主要步骤：

2.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：在步骤1中，对高光谱遥感影像数据进行预处理具体包括：

3.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：在步骤2当中，所述特征像元构建为某类地物的纯净像元，纯净像元构建为当前像元位于某地物类别的非边缘区域，且像元内只含有一种类型的地物信息；其中，在高光谱遥感影像上选择不同地物的特征像元，具体包括：确定影像上的地物类别数量，对每个类别的地物均匀选取一定数量的纯净像元作为特征像元。

4.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：在步骤2当中，所述地物光谱特征曲线的构建步骤包括：

5.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：在步骤3中，分析不同类别地物光谱特征曲线的方法为：将所有类别地物的光谱特征曲线汇总到一起，分析不同类别地物的光谱曲线的特点，找出区分水和其他地物的波段。

6.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：在步骤3中，构建新型水体提取模型并利用新模型对影像进行处理，具体的，对经过预处理的卫星高光谱遥感数据，依据光谱分阶进行区间段的光谱反射率函数定积分，光谱分阶依照光谱的物理参值进行区分，一般采用波长λ时，其积分区间段的端点由指定的波长数值进行表征；然后基于恒定区间内所得定积分的差分对光谱的一阶驱动导数和/或高阶驱动导数进行表征，并将所得任一阶驱动导数的表征参值或其组合构建为地表水体指数，经过数据的分层聚类后处理实现对卫星高光谱遥感数据中的地表水体进行分离和提取；其中，当构建差值的区间长度恒定时，差分对区间内连续导数的平均值进行了表征；当考察对象为区间导数均值时，这一对数据起到驱动作用的一阶导数可以由恒定区间长度下两组定积分的差值进行表征；进一步，对于由区间差分表征的一阶均值导数，当这一光谱数据的表层驱动因素不能良好的区分光谱对象时，应当采用具有更精细数据内涵的高阶驱动因素，或者高低阶驱动因素的组合；为此，构建面向分离目标并结合分离效果的多阶层驱动导数参值化模型；在多阶层驱动导数参值化模型中，高阶驱动导数基于一阶驱动导数通过如下的迭代方式获取：对于二阶驱动导数，其在恒定区间长度上的差值由临近的两个一阶驱动导数相减获取；这样二阶驱动导数包含了两个一阶驱动导数的内涵信息，由临近差值的差值进行构建，其对应恒定区间长度下三组定积分之间的交互信息；对于三阶驱动导数，其在恒定区间长度上的差值由临近的两个二阶驱动导数相减获取；以此类推进行迭代；对于任一阶的驱动导数，由于采用恒定的区间长度，故上一阶的驱动导数差分对于下一阶的驱动导数进行直接表征。

7.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：在步骤4中，构建算法将输入影像分成水体和其他地物两个类别，首先将输入数据分为n组，则随机选取n个对象作为初始的子数据中心，然后计算每个对象与各个子数据中心之间的距离，把每个对象分配给距离它最近的数据中心；数据中心以及分配给它们的对象构建为一个子数据组并进行标号标记；每分配一个样本对象，数据中心返回对包含有子数据组信息的全部现有对象进行重新计算；此数据过程迭代至遍历全部数据。

8.根据权利要求1所述的基于卫星高光谱遥感数据的地表水体提取方法，其特征在于：本发明还包括步骤5：利用混淆矩阵或其他算法对水体提取结果进行精度评价；在步骤5中，以混淆矩阵的每一列代表预测类别，每一列的总数表示预测为该类别的数据的数目；混淆矩阵的每一行代表数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目；根据混淆矩阵计算总体精度和kappa系数用以评价分类精度。

技术总结本发明公开了一种基于卫星高光谱遥感数据的地表水体提取方法，该方法包括以下主体主要步骤：步骤1、将获取的多幅卫星高光谱遥感数据进行数据预处理；步骤2、在影像上选择不同地物的特征像元，并构建地物光谱特征曲线；步骤3、分析不同类别地物的光谱特征曲线，构建新型水体提取模型，并利用新模型对影像进行处理；步骤4、构建算法对上述处理过的影像进行水体和其他地物的分离。本发明提出了适配多种不同光谱数据环境的多重水体指数构建算法，基于此可以准确地提取水体信息。技术研发人员：孙姝娟,李丽,刘璐璐受保护的技术使用者：成都大学技术研发日：技术公布日：2024/10/10