Landsat 8近红外波段作为水指数:以菲律宾宿务Cordova和Lapu-Lapu市为例gydF4y2Ba

利用遥感影像提取水体指数监测水体，已被证明在圈定地表水与周围水体之间的关系方面是有效的。本研究使用2016年9月3日获取的Landsat 8图像对归一化差水指数、修正归一化差水指数、自动提取水指数和近红外(NIR)波段进行了测试和评估。阈值法适用于地表水提取。为了避免阈值的高估和低估，通过实施地质处理模型得到了各水指标的最佳阈值。通过分析Landsat 8的图像，水体和非水体近红外波段的反射率值差异最大。因此，近红外波段在水体和非水体之间表现出最高的对比度。近红外波段的最佳阈值为0.128，可获得总体精度(OA)和kappa帽(K)gydF4y2Ba_{帽子gydF4y2Ba})系数分别为99.3%和0.986。与多波段水体指数相比，Landsat 8近红外波段水体指数对水体的提取效果更为满意。本研究表明，本研究所考虑的各项水分指标的最佳阈值比较容易确定，其中OA和K值最高gydF4y2Ba_{帽子gydF4y2Ba}通过在量子地理信息系统中创建和实现图形建模器，实现了从阈值设置到精度评估的自动化，得到了系数。本研究证实了遥感能够快速、重复、准确地提取或圈定水体。gydF4y2Ba

遥感是一种不借助传感器获取地球表面若干物体(通常包括水、植被、建筑物和裸露的土壤)信息的观测方法[gydF4y2Ba1gydF4y2Ba]。光学遥感传感器是测量与波长有关的不同光谱特征的重要装置，每个传感器测量反射或发射的能量[gydF4y2Ba2gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba4gydF4y2Ba]。然而，云或雾霾和云阴影会影响光学遥感图像[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba这使得将它们与水和阴影等黑暗物体区分开来变得很困难[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]。因此，本研究采用无云和无霾图像。最近使用光学图像的地表水制图方法一般分为监督分类[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba，gydF4y2Ba11gydF4y2Ba]，无监督分类[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba]和水谱指数[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba17gydF4y2Ba]。gydF4y2Ba

遥感在地表水制图的若干研究中是必不可少的，包括但不限于水体提取[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba18gydF4y2Ba]、洪水管理[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]，以及水质[gydF4y2Ba21gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]。利用提取技术从遥感影像中圈定水体早已得到应用[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba18gydF4y2Ba]。方法涉及频带数量的舒适度，主要是单频带和多频带[gydF4y2Ba18gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]。mcfeters提出了多波段水指数阈值法提取水体[gydF4y2Ba13gydF4y2Ba]使用绿色和近红外(NIR)波段的Landsat 4多光谱扫描仪，由Rogers和Kearney [gydF4y2Ba14gydF4y2Ba]使用红、绿和短波红外波段的Landsat Thematic Mapper (TM)数据，Xu [gydF4y2Ba15gydF4y2Ba]使用SWIR波段的Landsat 5 TM和Landsat 7 Enhanced TM，以及Feyisa等人的研究[gydF4y2Ba16gydF4y2Ba]，使用绿色、蓝色、近红外和SWIR波段。这些方法全面检查了所考虑的波段[gydF4y2Ba24gydF4y2Ba]以确定将水与非水体区分开来的界限[gydF4y2Ba15gydF4y2Ba]。单波段和多波段水指数的阈值都是基于水体和非水体之间的表面反射率来确定的[gydF4y2Ba11gydF4y2Ba]。然而，许[gydF4y2Ba15gydF4y2Ba]强调，主观阈值的确定可能导致对开放水域的低估或高估。此外，产生最佳精度的阈值的确定是复杂的，耗时的，并且依赖于图像[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。此外，Feyisa等。[gydF4y2Ba16gydF4y2Ba]对最佳阈值进行了比较，并在不同的测试地点发现了差异。gydF4y2Ba

众所周知，陆地卫星任务已经实施了四十年，陆地卫星的性能有了很大的提高。事实上，Landsat 8被认为是“稳健、高性能、数据质量极高”[gydF4y2Ba26gydF4y2Ba]。同样，Landsat 8的中心波长位置不同，带宽更窄，特别是波段5和波段7 [gydF4y2Ba25gydF4y2Ba，gydF4y2Ba27gydF4y2Ba]。gydF4y2Ba

水在近红外和SWIR波段吸收更多的能量(低反射率)，而非水反射更多的能量(高反射率)[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba25gydF4y2Ba，gydF4y2Ba28gydF4y2Ba]。考虑到较窄的带宽具有有效识别特定物体的优势[gydF4y2Ba29gydF4y2Ba]， NIR作为mcfeters的单波段水分指数和多波段水分指数[gydF4y2Ba13gydF4y2Ba]，罗杰斯和科尔尼[gydF4y2Ba14gydF4y2Ba]，徐[gydF4y2Ba15gydF4y2Ba]， Feyisa等。[gydF4y2Ba16gydF4y2Ba使用Landsat 8进行了研究。值得注意的是，使用近红外波段的单波段水分指数可能是Work和Gilmer最后研究的[gydF4y2Ba28gydF4y2Ba1976年。因此，本研究主要利用Landsat 8 operational land imager (OLI)，采用阈值法同时应用单波段和多波段水体指数提取水体。该研究还旨在通过获得最佳阈值来避免对提取水体的低估或高估，其中总体精度(OA)和Kappa hat (K)的最大值gydF4y2Ba_{帽子gydF4y2Ba}通过在量子地理信息系统(QGIS)中创建和实现图形建模器，实现了从设置阈值到准确性评估的自动化工作流程，从而达到了阈值系数。gydF4y2Ba

研究区域和数据描述gydF4y2Ba

研究区域位于菲律宾宿务市东南部和拉普拉普市西南部，包括科尔多瓦市和拉普拉普市的部分地区。研究区位于东经601,605 ~ 606,555°(123°55′39.864″~ 123°58′23.052″)和北纬1,132,215 ~ 1,137,015°(10°14′27.924″~ 10°17′3.732″)之间，总面积23.76 kmgydF4y2Ba^2gydF4y2Ba如图所示。gydF4y2Ba1gydF4y2Ba。选择研究区域是考虑到它被水体包围。研究区域的范围还包括湿地的浅水和湿地以外的深水，如图像右下角所示。它是城市发展的重要场所，有望在未来连接宿务和保和省。地势相对平坦，海拔从海平面到7米。Landsat 8 OLI影像于2016年9月3日获取，研究区域无云，包含波段2至波段7分辨率为30 m，全色波段分辨率为15 m(表1)gydF4y2Ba1gydF4y2Ba)。gydF4y2Ba

从无云图像中提取水的工作流程gydF4y2Ba

考虑到Landsat 8数据的可用性，图1。gydF4y2Ba2gydF4y2Ba概述了使用开源QGIS提取水体的过程。gydF4y2Ba

Landsat 8 OLI影像的选择gydF4y2Ba

从美国地质勘探局的数据档案(gydF4y2Bahttps://earthexplorer.usgs.gov/gydF4y2Ba)。选择并下载了2016年9月3日研究区域的无云图像。gydF4y2Ba

研究区域的剪辑gydF4y2Ba

在对所选图像进行预处理之前，对研究区域范围内的2 ~ 8波段进行裁剪。剪带8包括泛锐目的。这一步是必要的，以减少内存需求，并加快进一步的过程，如分类，波段计算，精度评估，并在本研究中实现虚拟光栅的构建。gydF4y2Ba

图像预处理gydF4y2Ba

对QGIS波段2 ~ 8的半自动分类插件(Semi-Automatic Classification Plugin, SCP)进行预处理。SCP是一个开源的监督分类插件，提供免费图片下载、预处理、后处理和栅格计算等工具[gydF4y2Ba30.gydF4y2Ba]。多光谱图像分析需要将其“量化和校准的比例数字数字”进行转换[gydF4y2Ba26gydF4y2Ba]到大气顶部(TOA)反射率，以获得清晰的陆地卫星场景[gydF4y2Ba31gydF4y2Ba]，封装在SCP中，如图所示。gydF4y2Ba3.gydF4y2Ba。同样地，地表反射率是采用暗物减1 (DOS1)校正进行大气校正后得到的[gydF4y2Ba32gydF4y2Ba]。此外，为了增强图像的可视化，采用了泛锐化技术，将30 m分辨率转换为15 m分辨率。gydF4y2Ba

传感器光圈处的光谱亮度gydF4y2Ba

计算传感器孔径处的光谱辐亮度是将图像校正后的dn转换为有意义的光谱单位的基本程序[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba]。利用亮度比例因子将Landsat 8图像数据转换为传感器孔径处的光谱辐射[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba]：gydF4y2Ba

在哪里gydF4y2BalgydF4y2Ba_λgydF4y2Ba是光谱辐射(wsrgydF4y2Ba^{−1gydF4y2Ba}米gydF4y2Ba^{−2gydF4y2Ba}μmgydF4y2Ba^{−1gydF4y2Ba})；gydF4y2Ba米gydF4y2Ba_lgydF4y2Ba为波段的辐射倍增比例因子(Radiance_Multi_Band_n来自元数据，其中n为波段号);gydF4y2Ba一个gydF4y2Ba_lgydF4y2Ba是波段的辐射添加缩放因子(Radiance_Add_Band_n来自元数据);和gydF4y2Ba问gydF4y2Ba_{卡尔gydF4y2Ba}为量化校准后的标准产品像素值(DN)。gydF4y2Ba

TOA反射gydF4y2Ba

同样，将一级产品中的DN值也转换为TOA反射率，公式为[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba35gydF4y2Ba]：gydF4y2Ba

在哪里gydF4y2BadgydF4y2Ba为地日距离，单位为天文单位(由Landsat 8元数据文件提供);gydF4y2BaEgydF4y2Ba_{太阳λgydF4y2Ba}为平均太阳大气外辐照度;gydF4y2BaθgydF4y2Ba_{年代gydF4y2Ba}太阳天顶角的度数是多少gydF4y2BaθgydF4y2Ba_{年代gydF4y2Ba}= 90gydF4y2Ba^0gydF4y2Ba−gydF4y2BaθgydF4y2Ba_egydF4y2Ba在哪里gydF4y2BaθgydF4y2Ba_egydF4y2Ba为太阳仰角(由Landsat 8元数据文件提供);和LgydF4y2Ba_λgydF4y2Ba是传感器光圈处的光谱亮度。gydF4y2Ba

使用DOS1方法进行大气校正gydF4y2Ba

lgydF4y2Ba_λgydF4y2Ba不考虑大气的影响;因此，将光谱辐亮度转换为地表反射率，进一步应用大气校正方法[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba34gydF4y2Ba]。为了最大限度地利用和充分发挥光学卫星数据的潜力，一种准确、具有成本效益和易于应用的大气校正方法，不需要gydF4y2Ba现场gydF4y2Ba需要实地测量，特别是对历史图像或在检查前收集的图像进行测量[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba，gydF4y2Ba36gydF4y2Ba]。因此，基于图像的DOS辐射定标与校正方法适用于历史数据。在无法获得大气测量数据的情况下，DOS方法成功地应用于若干陆地卫星研究，证实了它的有效性和准确性[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba35gydF4y2Ba，gydF4y2Ba37gydF4y2Ba，gydF4y2Ba39gydF4y2Ba，gydF4y2Ba40gydF4y2Ba，gydF4y2Ba41gydF4y2Ba，gydF4y2Ba42gydF4y2Ba]。gydF4y2Ba

在这项研究中，一个简单的DOS1假设“地球表面很少有目标是绝对黑色的，所以假设1%的最小反射率比零好”[gydF4y2Ba32gydF4y2Ba]被应用。路径亮度gydF4y2BalgydF4y2Ba_pgydF4y2Ba计算为[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba43gydF4y2Ba]。gydF4y2Ba

在哪里gydF4y2BalgydF4y2Ba_{最小值gydF4y2Ba}是“与某数字计数值相对应的亮度，而该数值等于或低于该数值的所有数字计数像素数之和等于所考虑的图像中所有像素数的0.01%”[gydF4y2Ba43gydF4y2Ba]，其中相应的gydF4y2BaDNgydF4y2Ba_{最小值gydF4y2Ba}获得了;gydF4y2BalgydF4y2Ba_{做gydF4y2Ba1%gydF4y2Ba}是黑暗物体的光辉。gydF4y2Ba

陆地卫星图像[gydF4y2Ba30.gydF4y2Ba]：gydF4y2Ba

对于DOS1技术，LgydF4y2Ba_{DOI %gydF4y2Ba}计算为[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba32gydF4y2Ba，gydF4y2Ba39gydF4y2Ba]：gydF4y2Ba

因此，LgydF4y2Ba_PgydF4y2Ba计算为:gydF4y2Ba

因此，地表反射率gydF4y2BaρgydF4y2Ba计算为:gydF4y2Ba

在EgydF4y2Ba_{太阳λgydF4y2Ba}d =πgydF4y2Ba^2gydF4y2Ba(Radiance_maxiumu / Relectance_maximum) (gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba44gydF4y2Ba]和Radiance_maximum和Reflectance_maximum在Landsat 8元数据文件中提供。gydF4y2Ba

全色锐化gydF4y2Ba

全色锐化或泛锐化是将低分辨率或粗分辨率多光谱波段(30 m)与高分辨率全色波段(15 m)合并或融合，生成具有全色波段更高分辨率多光谱波段光谱特性的新数据集的过程[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba]。在SCP中，采用Brovey变换算法，其中每个泛锐化多光谱波段计算为[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba45gydF4y2Ba]：gydF4y2Ba

在哪里gydF4y2Ba女士gydF4y2Ba_PgydF4y2Ba是泛锐化的多光谱波段;gydF4y2Ba女士gydF4y2Ba为分辨率较低的多光谱波段;gydF4y2BaPgydF4y2Ba是分辨率较高的全色波段;gydF4y2Ba我gydF4y2Ba强度是gydF4y2Ba女士gydF4y2Ba乐队。gydF4y2Ba

对于Landsat 8，使用SCP，强度计算为[gydF4y2Ba30.gydF4y2Ba]：gydF4y2Ba

陆地资源卫星图像中的水指数gydF4y2Ba

文献中已经介绍了一些水指数。本研究考虑了5个多波段水分指数，如表所示gydF4y2Ba2gydF4y2Ba。五个多波段水指数在考虑的波段上各不相同。对于归一化差水指数(NDWI)， mcfeters [gydF4y2Ba13gydF4y2Ba]被认为是绿色和近红外波段，而罗杰斯和科尔尼[gydF4y2Ba14gydF4y2Ba]被认为是红色和swe1波段。徐(gydF4y2Ba15gydF4y2Ba]引入了考虑green和SWIR1波段的改进归一化差水指数(MNDWI)。Feyisa等。[gydF4y2Ba16gydF4y2Ba]引入了两种自动水提取指标(AWEI)，考虑了蓝、绿、近红外、SWIR1和SWIR2波段。gydF4y2BaAWEIgydF4y2Ba_nshgydF4y2Ba用于有效地从阴影较少问题的图像中描绘非水像素，而gydF4y2BaAWEIgydF4y2Ba_{上海gydF4y2Ba}被精确地表述出来了吗gydF4y2BaAWEIgydF4y2Ba_nshgydF4y2Ba可能无法有效区分阴影像素[gydF4y2Ba16gydF4y2Ba]。gydF4y2Ba

分析水的光谱特征gydF4y2Ba

Landsat 8有11个光谱波段，包括OLI仪器和热红外传感器。然而，本研究仅考虑了OLI的2 - 8波段。数字gydF4y2Ba4gydF4y2Ba显示了非水和水体的光谱特征。波段2 ~ 4为可见光谱，分别为蓝、绿、红，波长范围为0.45 ~ 0.68 μm。另一方面，波段5 ~ 7为NIR、SWIR1和SWIR2的不可见光谱，范围为0.845 ~ 2.3 μm。如图所示。gydF4y2Ba4gydF4y2Ba，水在近红外(波段5)和SWIR(波段6和7)吸收更多的能量，而非水反射更多的能量[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba11gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。因此，单波段方法在近红外和中红外波段之间选择[gydF4y2Ba11gydF4y2Ba]。仔细检查图。gydF4y2Ba4gydF4y2Ba从左至右，水体与非水体之间的反射率差或间隙从波段2到波段5逐渐增大，之后逐渐减小。也就是说，波段5在水体和非水体之间的反射率值差异最大。因此，选择近红外波段作为有效的单波段水体指数，可以有效地从非水体中圈定水体。gydF4y2Ba

阈值分类法gydF4y2Ba

为了获取所有像素值，在像素的中心创建了一层点。这个点层的生成是通过创建一个Microsoft Excel Visual Basic for Applications (VBA)代码实现的，该代码将自动生成纬度和经度坐标。VBA代码只需要一个像素坐标的左下中心，沿纬度和经度的间隔，以及要填充的像素的列和行数。生成的坐标被保存为逗号分隔的值(逗号分隔)并导入到QGIS中。通过这种方式，可以生成可信数量的样本点。因此gydF4y2Ba点采样工具gydF4y2Ba在QGIS中，对所调查的几层水指数的像元值进行了计算。由于最优阈值是借助其直方图直观估计出来的[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba47gydF4y2Ba]，生成的样本点层更方便获得最优阈值。gydF4y2Ba

此外，QGIS有一个内置的图形建模器，可以设置或自动化由几个步骤组成的工作流[gydF4y2Ba48gydF4y2Ba]，它可以组合来自多个库的算法，这些库可以使用不同的参数重复执行这些算法[gydF4y2Ba49gydF4y2Ba]。为了避免高估和低估不同水指数的阈值，我们创建了一个地理处理模型，如图所示。gydF4y2Ba5gydF4y2Ba，以获得本研究中考虑的每个水指标的最佳阈值。实现每个水指数的最佳阈值涉及相当多的重复过程，其中前面的步骤生成的输出被后面的步骤利用。考虑的最佳阈值具有最高的OA。gydF4y2Ba

基于知识或监督分类生成参考图像gydF4y2Ba

在本研究中，土地覆被被简单地划分为水体和非水体。使用区域增长算法的SCP感兴趣区域(ROI)指针，生成具有相当数量像素的参考图像，如图所示。gydF4y2Ba6gydF4y2Ba。采用参考图像进行精度评估。本文将同一幅图像用于阈值法图像分类和生成参考数据。该方法适用于获得的参考图像比分类图像更精确的情况[gydF4y2Ba50gydF4y2Ba]。生成的参考图像被多边形化并保存为shapefile。将多边形化后的参考图像栅格化，参数为:宏类ID作为属性字段，输出分辨率(以地图单位/像素为单位)，水平分辨率为15 m，垂直分辨率为15 m。最后，对栅格化后的图像进行平移(转换格式)，将“no data”值设置为零(图2)。gydF4y2Ba6gydF4y2Ba)。gydF4y2Ba

由于参考图像是使用SCP ROI指针方便创建的，只有两个类别(水体和非水体)，因此考虑了大量的样本，水体和非水体分别为24,422和31,803个像素，即研究区域105,600个像素中有56225个像素。与Congalton和Green的建议相比，这样的样本数量已经足够大了[gydF4y2Ba51gydF4y2Ba]每类50个样本，如果面积超过500公里，则为100个样本gydF4y2Ba^2gydF4y2Ba。如果样本量是由二项分布决定的gydF4y2BaNgydF4y2Ba=gydF4y2BaZgydF4y2Ba^2gydF4y2Ba（gydF4y2BapgydF4y2Ba）（gydF4y2Ba问gydF4y2Ba）/gydF4y2BaEgydF4y2Ba^2gydF4y2Ba(gydF4y2Ba37gydF4y2Ba),gydF4y2BaZgydF4y2Ba= 2,gydF4y2BapgydF4y2Ba是预期的准确率百分比，gydF4y2Ba问gydF4y2Ba= 100−gydF4y2BapgydF4y2Ba和gydF4y2BaEgydF4y2Ba是允许的误差。因此,如果gydF4y2BapgydF4y2Ba= 99%,gydF4y2BaEgydF4y2Ba= 1%，则gydF4y2BaNgydF4y2Ba= 2gydF4y2Ba^2gydF4y2Ba(99) (1) / 1gydF4y2Ba^2gydF4y2Ba= 396个样本。同样，考虑到Heydari和Mountrakis对每个土地用途类别采用2%的抽样比率[gydF4y2Ba52gydF4y2Ba]，它只需要总共21,120像素。因此，当水体和非水体的样本量分别为24,422和31,803像素时，获得正确精度估计的概率更大。gydF4y2Ba

精度评估gydF4y2Ba

定量评价分类图像的精度、用户精度(UA)、生产者精度(PA)、OA和KgydF4y2Ba_{帽子gydF4y2Ba}系数采用“r”进行评价。QGIS中的kappa算法[gydF4y2Ba53gydF4y2Ba]。使用了以下广泛适用的方程[gydF4y2Ba37gydF4y2Ba，gydF4y2Ba46gydF4y2Ba，gydF4y2Ba47gydF4y2Ba，gydF4y2Ba53gydF4y2Ba，gydF4y2Ba54gydF4y2Ba]：gydF4y2Ba

UA是对委托误差的补充度量，表示分类空间单元在类中所占的比例代表参考数据中的该类。gydF4y2Ba

在哪里gydF4y2BangydF4y2Ba_2gydF4y2Ba在特定类别或类别中正确分类的像素的总数是多少gydF4y2Ba我gydF4y2Ba-第一行和gydF4y2Ba我gydF4y2Ba-这一列gydF4y2BangydF4y2Ba_{我gydF4y2Ba+gydF4y2Ba}总像素数是gydF4y2Ba我gydF4y2Ba-第一行我为一个特定的类别分类。gydF4y2Ba

PA是对遗漏误差的补充度量，表示一个类的分类空间单元在参考数据中被正确分类到地图中的比例。gydF4y2Ba

在哪里gydF4y2BangydF4y2Ba_{+gydF4y2Ba我gydF4y2Ba}总像素数是gydF4y2Ba我gydF4y2Ba-列分类为特定类别的参考数据。gydF4y2Ba

OA是正确分类的像素总数与参考数据中测试像素总数的比例。gydF4y2Ba

在∑gydF4y2BangydF4y2Ba_2gydF4y2Ba正确分类像素的和是gydF4y2BangydF4y2Ba是误差矩阵中测试像素的总数。gydF4y2Ba

KgydF4y2Ba_{帽子gydF4y2Ba}是一种“基于误差矩阵中实际一致性与偶然一致性之间的差异的一致性”的度量[gydF4y2Ba54gydF4y2Ba]。其值介于0到1之间，其中0表示完全偶然一致，1表示两个数据集完全一致[gydF4y2Ba55gydF4y2Ba]。gydF4y2Ba

彩色合成图像gydF4y2Ba

从Landsat 8 OLI图像中选择科尔多瓦市和拉普-拉普市西南部的周围水体进行地表水提取。为了解译遥感图像，我们探索了不同颜色的复合材料，如图所示。gydF4y2Ba7gydF4y2Ba。天然的或真正的彩色合成是由可见光谱的红、绿、蓝波段组合而成的。gydF4y2Ba7gydF4y2Baa). 4-3-2波段的自然颜色合成与肉眼所能识别的真彩色或类似照片的图像非常相似[gydF4y2Ba56gydF4y2Ba那里的水是深蓝色到黑色的，白色的表面是白色的，植被是绿色的，裸露的土壤是棕色的，建筑物是灰色的。自然彩色图像在某种程度上是低对比度的(图2)。gydF4y2Ba7gydF4y2Baa). 3-5-7波段的假彩色合成图(图2)。gydF4y2Ba7gydF4y2BaB)以亮绿色显示增强植被，以红色显示水下植被，并以紫色阴影显示建筑。另一方面，波段5-6-7(图2)。gydF4y2Ba7gydF4y2BaC)伪色复合材料代表了黑色(深色)的水、红色的植被和青色阴影的建筑。3-5-7波段组合也区分了湿地上浅水(红色)和湿地以外深水(黑色)的存在，如研究区域右下角所示。此外，近红外、SWIR1和SWIR2复合光谱的5-6-7波段表明，水在近红外和SWIR波长吸收更多的能量，而非水反射更多的能量[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。gydF4y2Ba

水指标gydF4y2Ba

根据不同类型的土地用途的光谱反射率，目测可以比较和划分不同类型的土地用途[gydF4y2Ba18gydF4y2Ba]。水索引其他人的图像[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba]和Landsat 8 OLI提取的近红外波段对水和非水特征的对比不同，如图所示。gydF4y2Ba8gydF4y2Ba。图中水分指数。gydF4y2Ba8gydF4y2Ba通过对比拉伸增强，以改善视觉解释，并尽量减少噪音的影响[gydF4y2Ba57gydF4y2Ba]。在这种情况下，图中每个水指数。gydF4y2Ba8gydF4y2Ba被拉伸到其直方图两端(右和左)对应的一个标准差。一般而言，mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]，罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]，以及许氏的ndwi [gydF4y2Ba15gydF4y2Ba]显示了水体和非水体之间的相似对比。目视检查图。gydF4y2Ba8gydF4y2Ba表示mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]在水和非水体之间的对比最小，特别是在湿地上水深较浅的地区。由于研究区域覆盖湿地以外的深水，如右下角所示，mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]，罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]、MNDWI of及Xu [gydF4y2Ba15gydF4y2Ba]显示该区域与非水体的对比度较低，因此深水呈现灰色，而不是awi显示的黑色gydF4y2Ba_nshgydF4y2Ba和AWEIgydF4y2Ba_{上海gydF4y2Ba}Feyisa等人。[gydF4y2Ba16gydF4y2Ba]和近红外波段(图2)。gydF4y2Ba8gydF4y2Ba)。然而，这在某种程度上划定了湿地上的浅水体和湿地以外的深水。gydF4y2Ba

水在可见红色(波段4)、近红外(波段5)和短波红外(波段6和7)吸收更多的能量(较少反射)[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。换句话说，水“在近红外和中红外光谱范围内具有很强的吸收能力”[gydF4y2Ba24gydF4y2Ba]。在短波红外波段，水体与非水体的光谱差异减小，如图所示。gydF4y2Ba4gydF4y2Ba。因此，水体和非水体之间的对比在swe1和swe2波段缩小。因此，相对于swe1和swe2，近红外波段是更好的水提取选择。Landsat 8的近红外光谱图像显示了水体和非水体之间的巨大反差。gydF4y2Ba

mcfeters的NDWI表现出明显的浅水和深水对比[gydF4y2Ba13gydF4y2Ba]，罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]，以及许氏的ndwi [gydF4y2Ba15gydF4y2Ba]，表明深水和浅水吸收能量的方式不同。此外，水指数AWEIgydF4y2Ba_nshgydF4y2BaFeyisa等人。[gydF4y2Ba16gydF4y2Ba]显示水体和潮汐湿地植被(尤其是红树林)之间的对比较少。同样，mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]，罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]，许氏的ndwi [gydF4y2Ba15gydF4y2Ba]和AWEIgydF4y2Ba_{上海gydF4y2Ba}Feyisa等人。[gydF4y2Ba16gydF4y2Ba]在水与建筑白色屋顶或白色表面之间的对比较少，这在自然颜色合成中观察到(图2)。gydF4y2Ba7gydF4y2Baa).类似地，AWEIgydF4y2Ba_nshgydF4y2Ba和AWEIgydF4y2Ba_{上海gydF4y2Ba}Feyisa等人。[gydF4y2Ba16gydF4y2Ba]和近红外波段在水体和非水体之间具有可比的对比度。然而，近红外波段显示水体和没有潮汐湿地植被(特别是红树林)和白色屋顶或白色表面问题的非水体之间的对比更好。gydF4y2Ba

获得最佳水指数阈值gydF4y2Ba

本研究中每个水指数的最佳阈值是通过在QGIS中创建和实现图形建模器来确定的，该建模器将从设置阈值到准确性评估的过程自动化(图2)。gydF4y2Ba5gydF4y2Ba)。以OA和K的最大值确定最佳阈值gydF4y2Ba_{帽子gydF4y2Ba}系数。数字gydF4y2Ba9gydF4y2Ba(a)近红外波段具有最高的OA和KgydF4y2Ba_{帽子gydF4y2Ba}系数的OA与K之间的距离最窄gydF4y2Ba_{帽子gydF4y2Ba};(b)最低OA和KgydF4y2Ba_{帽子gydF4y2Ba}在mcfeters [gydF4y2Ba13gydF4y2Ba的OA和K之间的距离最宽gydF4y2Ba_{帽子gydF4y2Ba};(c)近红外波段曲线最陡;(d)本研究考虑的所有多波段水分指标的最佳阈值均为负，而近红外波段的最佳阈值为正。此外，与本研究考虑的所有多波段水指数相比，近红外波段曲线的陡峭度表明水体与非水体之间的对比度较高。在本研究的所有多波段水指数中，数值大于阈值的像素点为水体，小于阈值的像素点为非水体。另一方面，近红外波段中小于其阈值的像元为水体，大于其阈值的像元为非水体。gydF4y2Ba

基于最优阈值提取水体gydF4y2Ba

数字gydF4y2Ba10gydF4y2Ba给出了基于最优阈值提取水体的不同结果。本研究中应用的6种水指数都能很好地描述地表水与周围环境的关系。mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]，罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]，以及许氏的ndwi [gydF4y2Ba15gydF4y2Ba]显示了将白色屋顶或白色表面误分类为水的类似趋势，而在AWEI中没有观察到这一点gydF4y2Ba_nshgydF4y2BaFeyisa等人。[gydF4y2Ba16gydF4y2Ba]和近红外波段(图2)。gydF4y2Ba11gydF4y2Ba)。的AWEIgydF4y2Ba_nshgydF4y2BaFeyisa等人。[gydF4y2Ba16gydF4y2Ba]，许氏的ndwi [gydF4y2Ba15gydF4y2Ba]，罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]和AWEIgydF4y2Ba_{上海gydF4y2Ba}Feyisa等人。[gydF4y2Ba16gydF4y2Ba]错误地将潮汐植被分类为水，而mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]和近红外波段克服了这个问题(图2)。gydF4y2Ba12gydF4y2Ba)。澳大利亚大型潮汐植被(红树林)被误分类为水gydF4y2Ba_nshgydF4y2Ba是否表明华为gydF4y2Ba_nshgydF4y2BaFeyisa等人。[gydF4y2Ba16gydF4y2Ba]的水和潮汐植被(红树林)之间的对比最小。虽然mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]没有错误地将红树林分类为水的问题，但它未能描绘出浅水的存在(图2)。gydF4y2Ba12gydF4y2Baf)然而，AWEIgydF4y2Ba_{上海gydF4y2Ba}在白色表面有轻微的错误分类，Feyisa等人已经观察到。[gydF4y2Ba16gydF4y2Ba]，而近红外波段在深色非水面有轻微的误分类。gydF4y2Ba

混淆矩阵gydF4y2Ba

将大部分研究区域分类为参考图像进行验证(图2)。gydF4y2Ba6gydF4y2Ba)。使用该参考图像进行精度评估。表格gydF4y2Ba3.gydF4y2Ba给出了不同水体指标的混淆矩阵，揭示了它们在水体和非水体分类中的性能。在考虑最佳阈值的情况下，水指数表现为提取水的结果[gydF4y2Ba25gydF4y2Ba]。mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]对OA和K的准确率最低gydF4y2Ba_{帽子gydF4y2Ba}分别为89.3%和0.779。mcfeters的NDWI表现[gydF4y2Ba13gydF4y2Ba在其他人的研究结果中也被观察到是最不准确的[gydF4y2Ba58gydF4y2Ba]。McFeeters [gydF4y2Ba13gydF4y2Ba]强调了等于或小于零的NDWI为非水体，大于零的NDWI为水体。然而，mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]无法获得其最高精度，仅获得80.3% OA和0.576 KgydF4y2Ba_{帽子gydF4y2Ba}，应用零的阈值。因此，mcfeters的NDWI [gydF4y2Ba13gydF4y2Ba]在考虑理论阈值为零的情况下，将无法获得其最高精度(图2)。gydF4y2Ba9gydF4y2Ba) [gydF4y2Ba25gydF4y2Ba]。gydF4y2Ba

罗杰斯和科尔尼的NDWI [gydF4y2Ba14gydF4y2Ba]，许氏的ndwi [gydF4y2Ba15gydF4y2Ba]和AWEIgydF4y2Ba_nshgydF4y2BaFeyisa等人。[gydF4y2Ba16gydF4y2Ba]表明OA和K的范围较窄gydF4y2Ba_{帽子gydF4y2Ba}分别在93.0 ~ 95.1%和0.857 ~ 0.900之间，说明调查人员的水分指数具有可比性。在本研究考察的多波段水分指标中，AWEIgydF4y2Ba_{上海gydF4y2Ba}Feyisa等人。[gydF4y2Ba16gydF4y2Ba]的总体准确率和kappa hat系数最高，分别为98.3%和0.966。然而，与本研究应用的任何多波段水分指数相比，近红外波段的单波段水分指数的总体精度和kappa hat系数分别为99.3%和0.9858。考虑到所有的准确性统计，近红外波段表现最好，其次是awigydF4y2Ba_{上海gydF4y2Ba}Feyisa等的水分指数[j]。gydF4y2Ba16gydF4y2Ba]，因此，这两个水指数非常具有可比性。gydF4y2Ba

非归一化的AWEIgydF4y2Ba_{上海gydF4y2Ba}Feyisa等人。[gydF4y2Ba16gydF4y2Ba]调整了6个波段中的5个，从而最大限度地利用了Landsat 8 OLI的不同光谱信息。因此，它的性能优于标准化的水指数。然而，本研究的结果也表明，与之前其他人引入的多波段水分指数相比，Landsat 8 OLI的近红外波段可以更有效地适应为单波段水分指数[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba]。Landsat 8 OLI近红外波段作为水指数的优越性能可归因于与波段2、3、4、6和7相比具有最窄的带宽(表)gydF4y2Ba1gydF4y2Ba)。近红外波段的这一特性导致了水体和非水体反射率值差异最大，从而可以有效地区分非水体和水体，如图所示。gydF4y2Ba8gydF4y2Ba。此外，近红外波段更适合在沿海和内陆植被丰富的水域进行精细分析。由于水体非水噪声极小，近红外波段提取水体的阈值易于区分。因此，较窄的近红外波段作为单波段水分指数具有有效区分水体和非水体的优势。因此，采用前人的多波段水分指数[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba在使用Landsat 8提取水体时，OLI添加了一些噪声或降低了水体和非水体之间的对比度。此外，与这些研究人员引入的多波段水分指数相比，使用Landsat 8 OLI近红外波段的单波段水分指数更简单或更简单，不需要栅格计算[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba]。此外，本研究还发现了水分指数的最佳阈值，其中OA和K值最高gydF4y2Ba_{帽子gydF4y2Ba}通过在QGIS中创建和实现地理处理建模器，可以方便地实现从阈值设置到精度评估的自动化过程。本研究同样证实了遥感可以快速、重复、准确地从非水体中提取或圈定水体。gydF4y2Ba

作者感谢美国地质调查局(USGS)地球资源观测与科学(EROS)中心(gydF4y2Bahttps://earthexplorer.usgs.govgydF4y2Ba)，提供免费图片。作者还感谢菲律宾科学技术-工程研究与开发技术部(DOST-ERDT)的研究生奖学金资助，它使这项研究工作成为可能。gydF4y2Ba

作者及单位gydF4y2Ba

1. 圣卡洛斯大学塔兰班校区工程学院，菲律宾宿务市，6000gydF4y2Ba

   杰里米·蒙德哈尔和亚历杭德罗·f·汤科gydF4y2Ba

2. 宿务理工大学巴利校区农业与生物系统工程系，菲律宾巴利6036gydF4y2Ba

   杰里米·蒙德加gydF4y2Ba

贡献gydF4y2Ba

JPM提出了使用最新的Landsat 8来调查水指数的想法。JPM和AFT将研究概念化，协调下载适合研究的Landsat 8图像，并同意使用开源的QGIS。AFT启动了图像处理和图形建模器的构建。JPM通过阈值和基于知识的方法对图像进行分类。分析了水体和非水体的光谱特征。JPM对获取阈值进行分析，并进行准确性评估。摩根大通撰写了这篇论文。AFT对论文的修订做出了贡献。所有作者都阅读并批准了最终的手稿。gydF4y2Ba

相应的作者gydF4y2Ba

对应到gydF4y2Ba杰里米·蒙德加gydF4y2Ba。gydF4y2Ba

相互竞争的利益gydF4y2Ba

作者宣称他们没有竞争利益。gydF4y2Ba

出版商的注意gydF4y2Ba

伟德体育在线b施普林格《自然》杂志对已出版的地图和机构的管辖权要求保持中立。gydF4y2Ba

开放获取gydF4y2Ba本文遵循知识共享署名4.0国际许可协议(gydF4y2Bahttp://creativecommons.org/licenses/by/4.0/gydF4y2Ba)，它允许在任何媒体上不受限制地使用、分发和复制，前提是您要适当地注明原作者和来源，提供到知识共享许可协议的链接，并注明是否进行了修改。创作共用公共领域免责声明(gydF4y2Bahttp://creativecommons.org/publicdomain/zero/1.0/gydF4y2Ba)适用于本文中提供的数据，除非另有说明。gydF4y2Ba

转载及权限gydF4y2Ba