遥感影像水体提取与洪水监测应用综述

《遥感影像水体提取与洪水监测应用综述》由会员分享，可在线阅读，更多相关《遥感影像水体提取与洪水监测应用综述（8页珍藏版）》请在装配图网上搜索。

1、遥感影像水体提取与洪水监测应用综述孟令奎，郭善昕，李爽（武汉大学 遥感信息工程学院，湖北 武汉 430079）摘 要：卫星遥感观测技术由于观测范围广、周期性重访等独特优势，广泛应用于水利、环境保护、防灾减灾等多个领域。通过对国内外目前在遥感洪涝监测研究成果文献的梳理，对遥感影像水体提取的主要方法与洪水 监测应用进行回顾，其中包括遥感影像的分割方法、水体特征描述和洪水监测应用 3 个部分，描述从水体信息 的确定、分类到洪涝应用的 3 个过程，并对当前遥感影像用于洪水监测中存在的问题进行分析。 关键词：遥感；影像分割；水体提取；洪水监测；综述中图分类号：TP79文献标识码：A文章编号：1674-9

2、405(2012)03-0018-080 引言于中低分辨率的遥感影像，可以直接根据相应水体的光谱信息对水体信息进行有效提取，在此过程中 需要对混合像元的问题加以考虑。本文以遥感影像水体提取技术在洪涝监测中的 应用作为主线，对监测过程中的遥感影像分割过程 和水体光谱特征的研究进行综述。遥感观测技术的出现，为人类更好地管理和利用水资源，提供了一种全新的视角。卫星遥感观测 技术由于观测范围广、周期性重访等独特优势，已 经引起包括水利、环境保护、防灾减灾等多个领域 的广泛关注。利用遥感数据有效地提取水体信息， 已经成为当前水利遥感技术研究重点。现阶段卫星 遥感已经成为综合对地观测的重要组成部分，呈现

3、出高空间、光谱、时间分辨率，和多平台、传感 器、角度的发展趋势 1。但是在相关部门，遥感影像 水体范围提取目前还处于人工数据操作的层面，无 法利用有效的计算资源，完成水体信息从发现、识 别到提取的全自动过程。针对这一问题，国内外相 关科研单位进行了长期的研究，目的在于有效利用 计算机完成对遥感影像的自动解译和信息提取。遥感技术应用于洪涝监测需要克服 4 个主要问 题，首先必须准确识别水体，其次需要排除云的干 扰，再者需要精确评估洪水覆盖面积，最后需要对 洪水进行动态监测 2。针对高空间分辨率遥感影像， 由于其纹理信息丰富，需要先对影像进行有效的分 割，然后基于分割后的影像，利用水体的相关光谱

4、信息进行有效识别，从而确定水体的覆盖范围；对1 遥感影像分割方法随着遥感数据空间分辨率的不断提升，影像分割成为遥感影像解译的必要途径之一。“先分割、再 分类”的解译思想将传统的像素级别的解译提升为 面向对象的解译方法。而水体信息的提取，在高分 辨率遥感影像中，往往包含了很多纹理信息，“城 中水，池塘”等小型水体的提取，需要影像有效分 割后，才能与其他地物进行辨别。遥感影像由于成 像原理的复杂性，导致针对不同类型的遥感影像， 存在不同的影像分割方法。针对这一情况，通常采 用多种混合分割方法对不同的影像进行分割。从传 感器的类型来看，可以分为光谱和微波传感器 2 大 类；从分割方法的分类来看，大致

5、可以分为基于聚 类、区域和特征的影像分割方法。收稿日期：2011-01-04基金项目：水利部公益性行业科研专项经费项目：卫星遥感水利应用机理及数据处理技术研究（编号：201001046）作者简介：孟令奎（1967），男，河南信阳人，教授，博士生导师，主要从事网络 GIS 及遥感应用研究工作。取的缺点，Xu 等 5（1993）提出次胜者受罚竞争学习方法（R P C L ），通过对次胜者权矢量按照一定 的遗忘率进行调整，使得输入矢量与次胜者权矢量 的距离变远，对胜者施加引力，而对次胜者施加斥 力。在学习过程中，RPCL 能够将多余单元剔除， 使得 RPCL 具有自动识别数据集类别个数的能力。 Ch

6、eung 6（2002）在 RPCL 的基础上，提出次胜者 有限受罚竞争学习方法（RPCCL），通过自动的选 取合适的遗忘率，来缓解 RPCL 对遗忘率敏感的弊 端。但收敛速度不稳定的问题依然存在。1.2 基于区域的遥感影像分割方法区域增长是一种简单的基于区域的分割方法， 它不断地从图像中抽取空间上连通且特征相似的像 素群所组成的区域 7（Pham 等，2000）。区域增 长方法通常从若干种子点或区域出发，按照一定的 增长准则，对邻域像元进行判别并连接，重复此过 程直至图像中的所有像元被归并到相应的区域中。 Adams 8 等（1994）年提出了种子区域增长（SRG） 方法，通过选取相应的种子

7、点，结合增长原则，采 用顺序排序表的数据结构（SSL）来记录像元的在影 像中的位置，完成对整个图像的分割。SRG 方法相 比传统的区域增长方法在分割效率和进度上都有较 大提高。之后 ISRG 算法（Improved Seeded Region Growing）9 提出，该算法消除 SRG 算法本身存在的 次序依赖性。为了使得区域增长的方法更好地应用 于遥感影像分割，周成虎等 10（2008）对区域增长 算法提出基于四邻域增长的改进措施。该方法通过 构建相邻像元的特征差异矩阵对特定像元与其邻近 像元的特征差异进行记录，并通过由粗到细的种子 确定原则，结合外接像元区域进行区域增长，提高 了区域增长

8、的效率。针对区域增长后产生的过分割现象，需要对分 割后的区域进行合并。区域合并是按照一定的合 并原则，将相似度较高的区域进行连接合并的过 程。Bow 等 11（1992）提出区域邻接图（Region Adjacency Graph，RAG）的概念，RAG 记录了区域 之间的相互拓扑关系，并且以一系列代表区域的节 点和相邻节点的一系列链接构成，是一种无向图结 构。利用这种拓扑表达方式，对其中的节点进行合 并即完成对区域的合并过程。但 RAG 算法实现效 率不高。Haris 12（1998）在 RAG 的基础上，提出 了最近邻图（NNG）的概念。NNG 是一种有向图结 构，在 NNG 中每个节点只

9、记录该节点与相邻节点中1.1基于聚类的遥感影像分割方法在影像分割分类体系中，聚类方法是常用的影 像分割方法。同时聚类也是模式识别的重要研究领 域，广泛应用于模式分析、决策、模式分类、数据 挖掘、信息提取等多个方向。聚类是通过特定的相 似性原则，例如特征空间距离最短等，对特征空间 中的众多特征向量进行自动分组的过程。从而达到 各个类别内差异最小、类别之间差异最大的效果。 如果将遥感影像中像元的各种信息进行特征矢量的 抽象，则影像分割问题就转化为 1 个聚类的问题。 可以采用模式识别领域中大量的关于聚类的方法， 对图像分割问题加以解决。当然这种分割方法由于 其采用方法的特殊性，具有收敛速度较慢、聚

10、类参 数依赖性强等弊端，很难达到全局最优状态。K 均值聚类方法进行影像分割经历了以下几个 阶段：K 均值聚类法；采用 K 均值方法对 RGB 彩 色空间进行聚类；利用 K 均值方法对特征空间进 行聚类；采用模糊 K 均值的方法，对事先得到的 特征空间进行聚类，实现纹理分割。此后出现的 ISODATA（Iterative Self-Organization DATA analysis technique）方法由于在分类过程中引入类间合并-分 裂的机制，一定程度上解决了聚类方法类别参数固 定的局面。徐德启和汪志华 3（2002）利用 Garbor 小波对影像的纹理特征进行表达后，利用 ISODAT

11、A 方法进行聚类，并将分割图像与人工分类图像进行 相应的对比分析。聚类算法中聚类参数的选取至关重要，合理的 聚类参数才能引导完成较好的影像分割。针对这 一问题，有关非参数聚类方法的研究得到开展。 Comaniciu 和 Meer（1997）等 4 人提出了 1 种非参 数均值移动算法。该方法通过对特征空间中的密度 梯度进行合理的估计，通过迭代调整，使得特征矢 量向局部空间密度最大的方向移动，从而完成迭代 聚类的过程。竞争学习（CL）方法对影像进行分割，具有算 法收敛速度较快，能够自动调节类别个数等优势， 但该类方法存在收敛速度不稳定的情况。竞争学习 的基本思想类似于项目招标过程，当 1 个特征

12、矢量 输入后，所有权矢量都对该特征矢量进行争取，与 该特征矢量相似度最大的权矢量成为争取的胜利 者，此时胜利的权矢量利用新的特征矢量进行学 习，获得相应的学习率，而失败的权矢量则维持较 低的学习率。针对竞争学习中类别个数无法自动获代价最小的链接。因此，NNA 中的每个链接可以看作是指向了与该区域最相似的邻接区域，这给完成 区域合并提供便利。1.3基于特征的遥感影像分割方法遥感影像中地物的特征主要包括其形状、光 谱、纹理和邻域等特征，早期的影像分割及分类方 法都是以地物的光谱特征作为图像分割的依据。类 比人眼目视判读的识别过程，地物的识别是通过综 合考虑地物的多种特征反复判断得到的。因此基于 特

13、征的遥感影像分割方法希望能够实现类似目视判 读般的智能分割。随着遥感影像空间分辨率的提 升，在影像分割过程中，除传统的光谱特征外，形 状和纹理特征表达方法也成为近几年的研究重点。的 SSMC（Spatial and Spectral Mixed Classier）方法，同时采用光谱和空间特征进行遥感影像分类。 通过多尺度的空间金字塔构造每个像元的空间参 数，整合影像的光谱信号和空间信息进行高分辨率 遥感影像分类。此后，于 2007 黄昕 18 提出了 1 种 多尺度空间特征融合的分类方法，针对不同尺度特 点，基于小波变换和支持向量机得到不同尺度下的 分类结果，建立尺度选择因子为每个像元选择最佳

14、 的类别。2 水体特征描述2.1光谱指数法2.1.1归一化差异水体指数Mcfeeters 19（1996）提出的归一化差异水体指 数 NDWI ，公式如下： 1 3 关 于 水 体 形 状 特 征 的 表 达 ， 都 金 康 等（2001）在针对 SPOT 影像的水体提取过程中，采用自定义的周长和面积函数对水体的形状特征进行表 达，通过形状指数对已经分割的水体进行再分类， 以确定水体的具体类别。而后周成虎等 10（2008） 关于地物的形状特征表达方法进行了总结，指出形 状表达方法主要包括基于傅里叶描述算子、边界矩 和直方图的目标形状表达。纹理特征是地物的基本特征，也是辅助目视解 译的重要信息

15、来源，特别在高空间分辨率遥感影像 中，地物的细节被清晰地表达出来，整个影像具有 更为详细的纹理特征。因此在高空间分辨率的遥感 影像分割过程中，纹理信息的表达起着至关重要的 作用。纹理信息包括很多方面，对复杂纹理的表达 往往变得非常困难，常用的纹理表达的方式有灰度 共生矩阵法、Markov 随机场模型，Gibbs 随机场模 型、分型模型、小波变换分析法等。如今国内外研 究主要集中于 Markov 随机场（MRF）和小波变换2 种方式。具有代表性的有 Zheng 等 14（1999） 通过将离散小波分解与多分辨率 M a r k o v 随机场 相结合，实现对 SAR 影像的分割。此后 Dong

16、15（2003）分别利用 Gaussian-MRF 和 Gamma-MRF模型对 SAR 影像进行分割，并对 2 种模型分割后 的方法进行了详细比较。黄昕等 1 6 （2 0 0 6 ）在基 于小波的纹理分类算法的基础上，提出了逐点特征 加权和活动窗口算法，使小波纹理分析能够用于高 分辨率遥感影像的分类。但是单一的特征表达具有 较大的局限性，如何结合地物的多个特征来指导影 像分割或分类，成为当前学者广泛关注的问题。 黄昕等 1 7 （2 0 0 6 ）提出了高分辨率遥感影像分类Green - NIRNDWI = Green + NIR式中：Green 代表绿光波段；NIR 代表近红外波段。水体

17、的反射从可见光到中红外波段逐渐减弱，在近 红外和中红外波长范围内吸收性最强，几乎无反 射，因此用可见光波段和近红外波段的反差构成的 NDWI 可以突出影像中的水体信息。另外由于植被 在近红外波段的反射率一般最强，因此采用绿光波 段与近红外波段的比值可以最大程度地抑制植被的 信息，从而达到突出水体信息的目的。但是在很多 情况下，用 NDWI 提取的水体信息中仍然夹杂着许 多非水体信息，不利于提取城市范围内的水体。2.1.2 改进归一化差异水体指数针对 NDWI 存在的问题，提出改进归一化差异 水体指数（MNDWI ）20，以改进 NDWI 在城市范围 内水体提取的不足：Green - MIRMN

18、DWI = Green + MIR式中：MIR 为中红外波段，如 TM / ETM + 的第 5 波段。利用中红外波段替换近红外波段构成的 MNDWI 可快速、简便和准确地提取水体信息，比 NDWI 指 数有着更广泛的应用范围。MNDWI 除了可用于植被 区的水体提取以外，还可以用于准确地提取城镇范 围内的水体信息。闫霈等 21（2007）在分析半干旱地区水系与背 景噪音反射特点的基础上，提出了增强型水体指数 EWI （Enhanced Water Index），有效区分了半干涸河道与背景噪音。在利用形状指数去噪音方法的基础上，使用 GIS 技术去除背景噪音，弥补了形状指 数去噪音方法的缺陷，

19、更好地去除水系提取过程中 混入的背景噪音。EWI 定义如下：TM 4 TM 5 和单波段 TM 5 建立适合于平原湖泊水域的水体提取方法，其中 TM 1TM 5 分别代表 TM 影像15 波段。王培培 26（2009）利用 ETM + 遥感影 像数据，通过光谱特征分析将水体信息从其他地物 中区分开来，并使用 NDVI 来进一步区分水体和阴 影，最终利用水体形状因子对水体信息进行分类。此外针对雷达影像，胡德勇 27（2008）等，以单波段单极化 Radarsat-1 SAR 图像为研究对象，利 用半变异函数分析样本图像的结构特性来确定纹理信 息；然后，基于灰度共生矩阵计算 SAR 图像均值、 角

20、二阶矩和熵 3 种纹理测度，从而有效地增强了水体 和居民地信息；使用支持向量机对水体和居民地信息 提取，并采用近期归一化植被指数（NDVI ）数据和 分类结果进行目标层融合来消除山体因素的影响，较 准确地提取了水体和居民地信息。EWI = Green - NIR - MIRGreen + NIR + MIR徐涵秋 22（2008）对 EWI 进行了分析和讨论， 分别用经过和未经大气校正的 2 种影像对该指数作了 验证，并与 MNDWI 进行比较。结果表明该指数在 经过大气校正的影像中对水体的增强和提取效果不理 想，许多水体影像特征不但未能得到增强，反而受到 抑制而被漏提，指出该指数忽略了大气因

21、素的影响。2.2 光谱关系模型光谱关系模型是指研究特定地物在各个波段的 光谱特性响应曲线，通过光谱间的比较、组合、变 换，建立相应的关系模型，从而达到地物提取的目 的。水体信息的光谱特性响应曲线具有很强的代表 性，因此针对不同的遥感传感器，可以采用光谱关 系模型有效地将水体从其他背景地物中提取出来。 毛先成等 23（2007），以 MOS-1b/MESSR 湖南 洞庭湖区域影像数据作为遥感信息源，结合枯水期 和洪水期 2 个不同时相的各波段影像数据进行组 合运算、比值变换等处理，以及影像、光谱、直方 图的对比分析，建立了水体分类模型（B 1+B 2）/（B 3+B 4） t ；（B 1+B 2

22、）/（B 3+B 4） t ，其 中 B 1 ，B 2 ，B 3 ，B 4 代表影像 1 4 波段，t 为 阀值。该模型可以有效地从 MOS/MESSR 中提取 水体信息。邓劲松等 24（2005）指出在 SPOT 影像 的不同波段之间，只有水体具有 B 3（green）B 4（SW）且 B 2（red）B 1（IR）；B 2（Red）B 1（I R ）的特殊关系，同时在短波红外波段（S W ） 上，水体与其它地物亮度值差异明显，可以通过设 置阀值加以区分。通过建立相关决策树模型完成对 水体信息的提取，但这种谱间关系在不同成像条件 的影像中，差异性很大，相关的阈值也会在不同成 像条件下波动较大

23、，因此该方法的适用性有限。都 金康等 13（2001）在针对山区水体提取过程中，水 体与山体阴影难以区分的问题，提出 1 套基于光谱 决策树的模型，对水体的提取采用 2 次重复提取的 方式，有效地将水体从阴影中分离出来，同时保证 水体信息提取的完整性。杨莹 25（2010）以洪泽湖 Landsat TM 影像为 研究对象，综合利用多波段谱间关系 TM 2 TM 33 洪水监测应用洪涝灾害监测是卫星遥感数据水利应用的重要组成部分。遥感影像在洪涝灾害中的应用按照应用 时间大致可以分为灾前、中和后 3 部分。灾前主要 进行常态化的监测，对洪峰、降水过程进行预测； 灾中主要利用微波遥感技术对洪峰经过区

24、域进行监 控；灾后主要利用多时相遥感影像进行变化监测， 评估灾害损失。其中灾前应用存在一定的难度，目 前没有形成较好的方法加以解决，尚处于探索阶 段。灾中监测光谱传感器很大程度上受到观测条件 的限制，处于被动状态，仅仅依靠微波传感器，数 据类型单一，获取的地物信息有限，但仍然能够较 好地反映洪水的淹没范围等重要数据。灾后应用能 够对灾后损失进行相应的评估，但时效性欠佳，需 要较好的观测条件。由此看来，如何较好地消除云 的干扰，有效地利用遥感技术准确地判定洪水及其 淹没的范围成为卫星遥感数据洪涝灾害监测的 2 大 关键问题。3.1 光谱传感器监测光谱传感器虽然在洪涝灾害发生过程中处于十 分被动的

25、地位，但由于光谱信息量大，易于从中有 效地提取水体信息，因此在洪涝监测应用中也起到 十分重要的作用，其应用重点主要在灾后的损失评 估和水质调查等方面。如何有效地利用光谱信息进 行洪涝灾害监测，Sheng 2（2001）指出好的洪水监 测系统需要攻破的 4 个难题。由 NOAA 气象卫星得到的 AVHRR 数据在洪水监测方面的优点是，数据时间分辨率高，重访周期短，提高了在泛洪区域获 得优质影像的机率，给收集多时相历史数据提供条 件。同时 AVHRR 数据覆盖范围广，地域性大，适合 大面积洪水监测。但空间分辨率低是 AVHRR 数据的 主要缺点。通过利用光谱传感器对洪涝易发区域进行长期 监测，实现

26、常态化的监测机制，从而建立相应经验 模型。对洪水或河道变化进行预测，已经成为卫星 遥感灾前预测的重要组成部分。结合遥感技术进行 灾前预测模型建立，目前仍然存在较大的困难，不 少学者在这方面仍然进行不懈的努力。Nagarajan 等 28（1993）利用长序列的 TM MSS 数据对印度 Rapti 河流进行分析，并采用形态学的理论和沉降 分析数据，对河道的迁移过程进行了监测，并对河 道迁移过程进行预测，确定洪水易发泛滥的区域， 减少洪灾的损失。Frazier 等 29（2003）指出，当河 流流量经常发生变化时，水位与洪水淹没范围的关 系就很难建立。Billa 等 30（2006）利用 AVH

27、RR 数 据来反演云层表面的亮度温度，同时对云进行分类 和等级划分，通过设定经验阈值来确定雨量强度较 大的区域，从而对以往的数值雨量预报进行补充， 对洪水灾害进行提前预报。Westra 等 31（2009） 利用降雨和 MODIS SWIR 等数据对 Waza-Logone 区域逐年洪涝淹没范围建立预测模型，该模型使用 了水体保持检测曲线（SCS-CN）及降水估计数据（RFEs）对该区域 1.5 个月的洪涝淹没范围进行估计，经过与实际淹没范围的比较，该模型准确精度 达到 0.95。Yilmaz 等 32（2010）结合 TMPA 方法， 利用 TRMM 数据估计降水量，并通过简单水文模型 和相

28、关方法将降水量换算为地表净流量，从而对全 球尺度下大规模降雨监测和洪水预报有积极作用。其中各种洪水指数的提出，为快速发现洪涝灾 害提供了定量的参考。Jin 33（1999）指出洪水的发 生与局部的地理环境有着密切的关系。传统针对 D M S P S S M / I 数据验证的全局最优算法 TB 22v - TB 19v 4 K，在不考虑区域地理环境特征的情况 下，将存在较大的偏差。其中 TB 代表地表温度；22 和 19 分别对应 22，19 GHz 频率的波段；v 代表垂 直极化方式；K 为开氏温度。文章提出 1 种新的 洪水监测指数 FI = TB37h - TB85h ，以及根据不同区

29、域而有所变化的区域阈值 F 0，指出当 FI F 0 时，表 明该区域发生洪水，并以 1996 中国武汉和婺源山区洪涝灾害作为实验区域，对方法进行了验证。式中37 与 85 分别代表 37 和 85 GHz 的波段；h 代表水平 极化方式。Lacava 等 34（2010）利用 RAT（Robust AVHRR Technique）技术对 2000 年 4 月匈牙利地区 的洪水进行检测，提出了针对 AVHRR 数据的 2 个洪 水指数。同时指出 AVHRR 数据由于其高时间分辨率 和重访周期短，对大面积的洪水灾害监控可以实现 自动化处理，并不需要提供其他数据支持。此外，灾害期间和发生后的地物光

30、谱信息，对 灾害发生状态和损失评估具有重大意义。Wang 等 35（2002）利用灾前和灾中 2 个时间段的 TM 数据， 对美国卡罗莱纳州北部 1999 年 12 月 30 日的洪涝淹 没情况进行检测，并指出只依靠 TM4 和 TM7 波段数 据淹没范围没有考虑到被植被所覆盖的淹没区域。 结合 DEM 数据将很好地对被指被所覆盖的淹没区 域进行估计，修正淹没面积，同时对淹没区域不同 地物的淹没范围进行统计，对灾害损失进行评估。 Wang 36（2004）利用 TM 影像的第 4 和 7 波段进行 叠加来进行水体和非水体的分割，取得了一定的效 果，但由于在洪水灾害期间，获取 TM 影像有一定

31、的困难，因此用 TM 影像有一定的局限性。Zhou 等 3 7 （2 0 0 4 ）对国产中巴资源二号卫星的灾害评 估能力、水体提取精度和洪水灾害正射影像生产3 个方面进行了评价，指出中巴资源二号适合于土 地利用分类、多尺度正射影像生产及常规洪涝监测 并结合其他数据生产相应的监测产品。Amini 等 38（2010）通过结合 DEM 数据建立洪水潮位线地图数 据，通过区域增长、克里金差值等方法建立洪水深 度地图，并利用多层反响神经网络对 IKONOS 多波 段融合影像进行分类，精度提高 15%。通过将洪水 深度地图与分类结果图叠加，确定洪水淹没后各个 类别地物的淹没信息，从而形成洪水淹没图。3

32、.2 微波传感器监测微波传感器能够有效穿透云雾，获取洪涝灾害 期间地面的水情信息。同时由于水体对雷达波束的 镜面反射，使得水体能够较好地从雷达影像中提取 出来；但由于雷达影像信息有限，雷达成像方式的 特殊性，有效区分水体和阴影成为洪涝监测的重要 问题之一。Nico 等 39（2000）指出通过雷达影像探 测洪水淹没范围有以下 2 种方法：1）通过获取洪水 前、后的影像进行分析，得到淹没范围；2）通过雷 达干涉测量技术获取振幅信息，从而获取相关的洪 水信息。通过将雷达影像的振幅和反射信息相结合对洪水覆盖范围进行探测，取得了一定的成果。Liu 等 40（2002）利用雷达影像和由 TM 影像解 译

33、的 1100 000 土地覆盖数据，对 1998 年发生在吉 林省嫩江的特大洪涝灾害进行检测并对灾害损失进 行估计。文章采用 1 种类似于 NOAA 数据去云 MVC 方法，来提高不同时期洪水淹没范围边界的提取精 度；同时对洪水淹没范围进行矢量化，并对不同区 域洪水的淹没范围进行监控。Kiage 等 41（2005）利 用 Radarsat-1 数据对飓风登陆后湿地的淹没范围进 行监控，利用数值差分和多时相影像差分对 SAR 数 据水体后向散射系数与水位信息的关系进行总结， 并揭示两者之间的正相关关系。同时指出由于城市 区域角反射体复杂，所以从 SAR 影像上不能很好 地获取城市的洪水淹没信息

34、。Henry 等 42（2006） 对 Envisat 卫星上搭载的 ASAR 微波传感器就洪涝监 测方面的性能进行了评价，并将检测结果与 TM 和 ERS-2 的监测结果进行比较。并对该传感器的 3 种 极化方式的监测能力进行了对比，实验结果表明： HH 极化方式更适合与洪水淹没范围的识别，HV 数 据在洪水探测方面能够对 HH 数据进行支撑，VV 数据容易受到地面粗糙程度的影响。Waisurasingha过对卫星遥感水利核心机理研究，如何组合多传感器，让多个传感器服务于统一的观测需求，是目前 水利遥感必须考虑的问题。3 ）缺少关于卫星遥感 数据精度的评价体系。目前，虽然可以通过遥感技 术，

35、对洪涝、旱情等水文信息进行提取，但如何评 价遥感数据，多尺度下每份数据的可靠性和准确性 如何度量，是需要进一步研究的重点。虽然充满挑战，但遥感技术水利应用的前景是 光明的。高性能、高精度卫星传感器的不断发展， 必定会给卫星遥感水利应用不断注入新的活力。参考文献：1 李德仁. 论 21 世纪遥感与 GIS 的发展J. 武汉大学学报（信息科学版），2003, 28(2): 127-131.2 Sheng, Y., Gong, P. and Xiao, Q. Quantitative dynamic ood monitoring with NOAA AVHRRJ. International Jou

36、rnal Of Remote Sensing, 2001, 22 (9): 1709-1724.3 徐德启，汪志华. 综合纹理和颜色的图像分割方法J. 计 算技术与自动化，2002, 21 (3): 77-83.4 Comaniciu D. and Meer. P. Robust analusis of feature spaces: color image segmentationC. Proc. of IEEE Conf. Computer Vision and Pattern Recognition，1997: 750-755.5 Xu, L., Krzyzak, A., and Oja

37、, E. Rival. Penalized competitive learning for clustering analysis, RBF net, and curve detection J. IEEE Transactions on Neural Networks, 1993, 4 (4):636-649.6 Cheung, Y., Rival. penalization controlled competitive learning for data clustering with unknown cluster numberC Proc. Of 9th Inter. Conf. o

38、n Neural Information Processing, Sing- apore, 2002. Nov.18-22, 2: 467-471.7 Pham, D.L., Xu, C. and Prince, J.L. A survery of current methods in medical image segmentationJ. Annual review of biomedical engineering, 2000 (2): 315-337.8 Adams, R. and Bischof, L. Seeded region growingJ. IEEE Transaction

39、s on Pattern Analysis and Machine Intelligence,1994, 16 (6): 641-647.9 Mehnert and Jackway, P., An improved seeded region growing algorithmJ. Pattern Recognition Letters, 1997, 18 (10):1065-1071.10 周成虎，骆剑承. 高分辨率卫星遥感影像地学计算M.北京：科学出版社，2008: 109-112.11 Bow, S.T. Pattern recognition and image preprocessi

40、ngM.New York: Academic Press, Inc, 1992: 157-159.43等（2008）利用 RADARSAT-1 数据并结合 DEM数据，通过相应的水深算法，对洪水泛滥区域水深进行估计，从而评估不同区域水稻的受灾情况，生 成相应的水稻受灾分布图。Rudorff 45 利用 EO-1 数 据对亚马逊河流域洪水泛滥期和正常时期的水体波 谱特性响应曲线进行检测分析，证实了 EO-1 上的 Hyperion 数据对水质的监测作用，从而防止洪水过 后水质灾害发生。4 结语随着遥感技术的不断发展，卫星遥感水利应用需求不断加大，相关研究工作也得到了开展。但目 前遥感水利应用仍存

41、在以下 3 个方面的问题：1） 目前遥感技术还没有很好地与地面水文数据进行有 效结合。遥感数据是众多水文数据中的一部分，在 水文信息的提取过程中占有重要的地位，但传统水 文数据、模型有着不可替代的优势和作用。如何将 遥感数据分析与地面水文数据有效结合，是需要关 注的重点问题。2）多传感器组合观测技术。现阶段 卫星遥感传感器品种较多，但每种传感器都局限于 某一技术参数中，具有优势的同时，也有不足。通12 Haris, K., Efstratiadis,S.N., Maglaveras, N. Hybrid imagesegmentation using watersheds and fast r

42、egion mergingJ. IEEE Trans, On Image Processing, 1998, 7 (12) : 1684-1699.13 都金康，黄永胜. SPOT 卫星影像的水体提取方法及分 类研究J. 遥感学报，2001, 5 (3): 214-219.14 Zheng, L., Chan, A., and Liu, J.S., 1999. DWT based MMRF segmentation algorithm for remote sensing image processing C. Proc. of IGARSS, 2: 1332-1334.15 Dong, Y.

43、, Forster, B.C. and Milne, A.K., Comparison of radar image segmentation by Gaussian and Gamma-Markov random eld models J. Int.J. Remote Sensing, 2003, 24 (4):711-722.16 黄昕，张良培，李平湘. 基于小波的高分辨率遥感影像 纹理分类方法研究J. 武汉大学学报（信息科学版）2006, 13 (01): 66-69.17 黄昕，张良培，李平湘. 高空间分辨率遥感图像分类的SSMC 方法J. 中国图象图形学报，2006, 11 (04)

44、: 529-534. 18 黄昕，张良培，李平湘. 基于多尺度特征融合和支持向量机的高分辨率遥感影像分类J. 遥感学报，2007,11 (01): 48-54.19 McFEETERS, S.K., The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features J. International Journal Of Remote Sensing,1996, 17 (7): 1425-1432.20 Xu, H. Modication of normalised

45、difference water index (NDWI) to enhance open water features in remotely sensed imageryJ. International Journal Of Remote Sensing,2006, 27 (14): 3025-3033.21 闫霈，张友静，张元. 利用增强型水体指数（EWI）和 GIS 去噪音技术提取半干旱地区水系信息的研究J. 遥 感信息2007, (06): 62-67.22 徐涵秋. 从增强型水体指数分析遥感水体指数的创建J. 地球信息科学，2008, 10 (6): 776-780.23 毛先成，

46、熊靓辉，高岛勋. 基于 MOS-1b/MESSR 的洪 灾遥感监测J. 遥感技术与应用，2007, 22 (6): 685-689.24邓劲松，王珂，李君，等. 决策树方法从 SPOT-5 卫星 影像中自动提取水体信息研究J. 浙江大学学报（农业 与生命科学版），2005, 31 (2): 171-174.25 杨莹，阮仁宗. 基于 TM 影像的平原湖泊水体信息提取 的研究J. 遥感信息，2010 (3): 60-64.26 王培培. 基于 ETM 影像的水体信息自动提取与分类研究J. 首都师范大学学报 (自然科学版)，2009, 30 (06): 75-79. 27 胡德勇，李京，陈云浩，等

47、. 单波段单极化 SAR 图像水 体和居民地信息提取方法研究J. 中国图象图形学报，2008, 13 (02): 257-263.28 Nagarajan, R., Marathe, G.T. and Collins, W.G., Technicalnote Identication of ood prone regions of Rapti riverusing temporal remotely-sensed dataJ. InternationalJournal Of Remote Sensing, 1993,14 (7): 1297-1303.29 Frazier, P., Page,

48、 K., Louis, J., Briggs, S. et al. Relating wetland inundation to river ow using Landsat TM dataJ. International Journal Of Remote Sensing, 2003, 24 (19):3755-3770.30 Billa, L., et al. , Modelling rainfall intensity from NOAA AVHRR data for operational ood forecasting in Malaysia J. International Jou

49、rnal of Remote Sensing, 2006, 27 (23):5225-5234.31 Westra, T. and De Wulf, R.R., Modelling yearly ooding extent of the Waza-Logone oodplain in northern Cameroon based on MODIS and rainfall dataJ. International Journal Of Remote Sensing, 2009, 30 (21): 5527-5548.32 Yilmaz, K.K., Adler, R.F., Tian, Y.

50、, Hong, Y. and Pierce, H.F. Evaluation of a satellite-based global ood monitoring systemJ. International Journal Of Remote Sensing,2010, 31 (14): 3763-3782.33 Jin, Y., A ooding index and its regional threshold value for monitoring oods in China from SSM/I dataJ. Intern- ational Journal Of Remote Sen

51、sing, 1999, 20 (5): 1025-1030.34 Lacava, T., Filizzola, C., Pergola, N.et al, Improving ood monitoring by the Robust AVHRR Technique (RAT) approach: the case of the April 2000 Hungary floodJ. International Journal Of Remote Sensing, 2010,31 (8):2043-2062.35 Wang, Y., Colby, J.D. and Mulcahy, K.A. An

52、 efficient method for mapping ood extent in a coastal oodplain using Landsat TM and DEM dataJ. International Journal Of Remote Sensing, 2002, 23 (18): 3681-3696.36 Wang, Y. Using Landsat 7 TM data acquired days after a ood event to delineate the maximum ood extent on a coastal floodplain. J.Internat

53、ional Journal Of Remote Sensing, 2004, 25 (5): 959-974.37 Zhou, Y., Wang, S., Zhou, W. and Zhuang, P. Applications of CBERS-2 image data in ood disaster remote sensing monitoringC. Conference : International Geoscience and Remote Sensing Symposium, Anchorage AK, USA. 2004:4696-4699.38 Amini, J. A me

54、thod for generating oodplain maps using IKONOS images and DEMsJ. International Journal Of Remote Sensing, 2010,31 (9): 2441-2456.39 Nico, G., Pappalepore, M., Pasquariello, G., Rece, A. and Samarelli, S., 2000, Comparison of SAR amplitude vs. coherence ood detection methods - a GIS applicationJ.Inte

55、rnational Journal Of Remote Sensing, 2000, 21 (18):1619-1631.40 Liu, Z., Huang, F., Li, L.et al, Dynamic monitoring and damage evaluation of ood in north-west Jilin with remote sensing. J. International Journal Of Remote Sensing,2002, 23 (18): 3669-3679.41 Kiage, L.M., Walker, N.D., Balasubramanian,

56、 S.,et al.Applications of Radarsat-1 synthetic aperture radar imagery to assess hurricane-related ooding of coastal LouisianaJ. International Journal Of Remote Sensing, 2005, 26 (24):5359-5380.42 Harvey, R. and Bangham, J.A., A fully unsupervised texturesegmentation algorithmJ. Proc. Of British Mach

57、ine VisionConference, Norwich, UK, 2003: 519-528.43 Waisurasingha, C., Aniya, M., Hirano, A.et al. Use of RADARSAT-1 data and a digital elevation model to assess ood damage and improve rice production in the lower part of the Chi River Basin, Thailand. J.International Journal Of Remote Sensing, 2008

58、, 29 (20): 5837-5850.44 Rudorff, C.M., Galv O, L.S. and Novo, E.M.L.M., Reectance of oodplain waterbodies using EO-1 Hyperion data from high and receding ood periods of the Amazon River J. International Journal Of Remote Sensing,2009, 30 (10): 2713-2720.Summary on Extraction of Water Body from Remot

59、e SensingImage and Flood MonitoringMENG Lingkui, GUO Shanxi, LI Shuang(College of Remote Sensing Information Engineering, Wuhan University, Wuhan 430079, China)Abstract: Having features of wide observation range and periodic revisit, satellite remote sensing technology has already been widely applie

60、d by departments of water resources, environment protection, disaster prevention and relief. The author carries out a literature research on achievements of flood monitoring by remote sensing both home and abroad, provides a review of main methods for extracting water body from remote sensing image

61、and ood monitoring application, including three parts of methods for remote sensing image segmentation, feature description of water body and ood monitoring application. Elaboration focuses on three processes of determination and classication of information on water body, and ood monitoring applicat

62、ion as well. The author also makes an analysis on problems of using remote sensing image at ood monitoring. Although there are still problems, with continuous development of high performance and precision satellite sensors, application of satellite remote sensing technology will have wide applicatio

63、n prospect in water resources.Key words: remote sensing; image segmentation; extraction of water body; ood monitoring; summary 简讯 全国水资源工作会议在京召开回良玉作出重要批示钱正英陈雷汪恕诚杨振怀发表讲话2012 年 5 月 78 日，全国水资源工作会议在北京召开。中共中央政治局委员、国务院副总理回良玉作出重要批示。全国政协原副主席、中国工程院院士钱正英，水利部部长陈雷，水利部原部长、全国人大财经委副 主任委员汪恕诚，水利部原部长杨振怀出席会议并讲话。水利部副部长矫勇主持开幕式。水利部副部长周英、胡四一、李国英，水利部总工程师汪洪、总规划师周 学文等出席会议。这次会议的主要任务是：深入贯彻中央关于加快水利改革发展的决策部署，全面落实国务院关于实行最严 格水资源管理制度的意见精神，总结交流近年来水资源工作成效和经验，分析水资源工作形势，研究部署当前 和今后一个时期水资源工作任务，在新的起点上努力开创水资源工作新局面。本刊编辑部