陈瑞伟 梁生铮

（琼海市国土资源信息与测绘中心，海南 琼海 571400）

1 引言

河流湖泊作为陆地水圈的重要组成部分，在全球生态环境中扮演着重要角色，参与自然界的水分循环，是泥沙、盐类等进入海洋的重要通道。河流的空间位置、水面宽度等信息是气候变化的重要指示因子，更是生态环境研究的主要对象之一[1-3]。传统的河流提取为人工基于影像勾画边界[4-5]，需投入大量人力物力，时效性低。而遥感技术具有时效性强、数据获取简单、大面积同步观测等优势，是目前河流湖泊信息提取的主要数据源，国内外学者基于此开展了许多有意义的工作[6]。水体在遥感影像中具有显著的光谱特征，在可见光波段有较强的反射，在近红外波段有较强的吸收。从影像中提取湖泊的单波段阈值法直接采用了水体在近红外波段的吸收特征[7]，如利用Landsat8影像近红外波段直接进行影像分割[8]，得出水体区域；而波段比值法和水体指数法同时考虑了水体在可见光波段和近红外波段的反射、吸收特性，以更好地将水体与其他地物分开[9]。影像分类方法也可较好地提取出水体信息。本文基于Sentinel-2影像，采用面向对象分类方法进行琼海市万泉河主流水域的遥感提取，以达到快速准确获取河流信息的目的。

2 研究区及数据介绍

琼海是海南省一个县级市，地处东经110°7′5"至110°40′50" ，北纬18°58′50"至19°28′35"，位于海南省东侧、万泉河下游。卫星影像如图1所示。

图1 琼海市卫星影像图

本文研究采用的数据为Sentinel-2影像，Sentinel-2是高分辨率多光谱成像卫星，携带一枚多光谱成像仪（MSI），分为A/B两颗卫星，一颗卫星重访周期为10天，两颗互补重访周期为5天。Sentinel-2影像具有13个波段，涵盖了可见光、近红外、短波红外波普范围，并且具有3个红边波段[10]。Sentinel-2卫星影像具有覆盖范围广、波段多、分辨率高等优点，可用于本研究的万泉河遥感提取。

3 原理及方法

本研究采用面向对象分类方法进行万泉河水域遥感提取。面向对象方法的提取类似决策树的构思，从简到繁，先剔除其他无关信息，再经过多次筛选找出有用的地物类别，实现地物的分层提取。与传统分类方法相比，其最大的不同是：面向对象分类方法的操作尺度单元不是基于单个像素，而是基于影像对象。面向对象分类方法分为：多尺度分割、特征选择、规则建立与分类。面向对象分类具体流程如图2所示。

图2 面向对象分类流程

同时，本研究对比面向对象分类方法与非监督分类（Isodata、K-means）、监督分类（最大似然法、支持向量机、神经网络法、平均光谱角）的分类精度，并描述不同分类方法在本研究中的优缺点。

4 结果与分析

4.1 面向对象水域提取

对琼海市Sentinel-2影像进行空间分割，通过调整不同分割阈值，得到不同分割程度的对象。如图3（a）所示，当分割阈值调整到90，可较好地区分出水体信息；如图3（b）所示，当分割尺度调整到70，可以较好地区分出耕地与林地信息 ；如图3（c）所示，当分割尺度调整到40，则可较好地识别出独栋建筑等信息。基于此，可进行不同类型的样本选择。

图3 不同分割尺度的分割效果图

在分割的基础上进行样本选取，该方法所选取的是分割后的对象，与传统监督分类方法勾画的样本不同，分割对象具有完整的地块信息，与相邻地块对象在不同特征上存在一定的相异性，可为后期样本训练提供较纯净的像元信息。本研究共选取水域、耕地、建筑、林地四类作为分类指标，每类样本选取20块，保证样本量平衡，各样本空间分布如图4所示，其中，林地样本集中在南部及西北部、耕地样本集中在东北部与东部，这与琼海市地貌覆盖情况相符。

图4 样本空间分布图

通过面向对象分类，得到以下结果（如图5所示）：利用该方法进行琼海市万泉河遥感提取研究，万泉河干流水域完全解译了出来，万泉河呈“几”字形流经琼海市南部地区，并在东南侧入海。整体来说，提取效果好、精度较高，未出现断流现象，并且河岸的浅水区也得到较高精度的识别，未出现少提取现象。万泉河部分干流河岸曲折蜿蜒，在遥感提取成果中也有较好的体现，完好地区分出了水域与河滩地。对万泉河流域遥感提取成果进行面积计算，琼海市域万泉河干流面积为23.165平方公里。

图5 万泉河遥感提取整体成果与局部效果图

针对琼海市万泉河遥感提取，本研究同样采用非监督分类与监督分类方法进行遥感提取，分别以Isodata算子、K-means聚类、最大似然法、支持向量机、神经网络法、平均光谱角等方法进行遥感识别，采用混淆举证进行精度验证，最终精度如图6所示：整体来说，分类精度最高的为面向对象，即本研究所采用的研究方法，精度达到89.4% ；其次是支持向量机，分类精度为87.8% ；分类精度最低的为非监督分类，即Isodata算子、K-means聚类两种方法，究其原因是非监督分类在进行聚类分析时，对混合像元的处理不如监督分类等，且不能将同物异谱、异物同谱情况很好地区分开来。

图6 不同分类器水体识别精度对比

5 结论

本研究采用Sentinel-2影像作为数据源进行琼海市万泉河干流水域遥感测量，采用面向对象方法进行遥感提取，整体精度较高，且局部提取效果较好，完整地提取出了水域信息。通过不同分类器的提取精度对比分析发现，本研究采用的面向对象分类方法在研究区内有最高的分类精度。本研究充分证明了遥感手段在河流信息提取方面的可用性及推广性，可为后期的相似工作提供良好的参考性。