AVHRR图像上的水体提取●AVHRR图像上水体表现及特征分析●AVHRR图像上的水体识别提取模型AVHRR图像上水体表现及特征分析●AVHRR数据拥有5个通道（CH），CH1（0.58-0.68微米）属橙色可见光范围，对水体中的泥沙含量十分敏感；CH2（0.725-1.1微米）为近红外通道，为水的强吸收带，水体的反射率很低，水体的边界轮廓十分清晰。

●为了整体上了解水体空间、时间、水质上的多变性在AVHRR影像上的反映，以及水体与其他易混地物的区别，采用分地物类别按时间、空间变化的规律对AVHRR数据进行采样分析，分别在2月、5-8月AVHRR图像上对湖泊（太湖、鄱阳湖、洞庭湖、青海湖）、河流（长江、辽河）、海洋（黄海、东海、渤海）、云、云影、城市（上海、无锡、苏州、杭州）的光谱值进行采样分析。

●该图幅内以平均值的光谱曲线为分界，厚云、薄云五个波段都相对为高值，光谱曲线明显高出平均曲线；而其它地物明显低于或围绕平均曲线有小的起伏，其中云影在CH3、CH4、CH5又稍高于平均水平。

从曲线的走向看，云、云影与河流、积水区一致，因此，要进一步区分水体与云及云影，在原有CH1>CH2的规律下，须加入CH2、CH3的判断条件，利用CH2、CH3的均值分别排除云及云影。

●图内的河流、湖泊、海洋的3、4、5波段则相对洪水期有增高，表现出高于图幅均值的规律；而云影在曲线走向和数据大小都与各种水体的规律极为相似，无法再加以区分；反而该时期的城市曲线依然全低于图幅均值，落在平均曲线的下方，虽然在CH1、CH2也满足水的规律，但完全可以利用CH3波段把它剔除掉。

●上面的采样分析可知，在AVHRR这一特定的传感器上，水体的遥感特性与地面实测相比呈现出一定程度的变化，表现为：正常情况下水体随空间的变化幅度较小，而随时间的变化幅度较大，而在洪水期间，水体表现大幅度的变化，由平常时期的相对稳定到起伏较大，呈现出特殊的规律。

其中由于降水的增加引起水中泥沙含量，水温等异常变化也起到了相当大的作用，而由于时间变化引起水体的变化反映则相当的微弱。

但无论水体随时间，空间怎么变化，则其在近红外吸收的特性则始终不变，且表现为CH1>>CH2，CH2<图像的均值；CH3有规律的上升或下降，在正常时期，水体CH3大于整幅图像的平均值，而洪水期间CH3小于整幅图像的均值，这就是水体在光谱多变性条件下，呈现出的统一规律，即光谱特征。

AVHRR图像上的水体提取模型根据大量的水体光谱样本分析，得出AVHRR数据的水体信息摄取的基本光谱模型：●CH1》CH2，且CH2<图像平均值；洪灾期：CH3<图像平均值；非洪水期，且CH3>图像均值；●随着水面积减小，混浊度增加，水深变浅，水体特征有所改变。

CH1相对减小，CH2相对增加，有向陆地逐渐过渡的趋势，且往往该部分水体是陆地包围的水体或覆盖在陆地上的浅水体。

●在分析了水体在图像上的空间特征后，在光谱模型上又给出水体的空间模型：–水体相对于陆地或云层等呈现出较为均一的图斑，无明显的纹理特征–水体图斑的边界相对于云层较稳定，河流的线状特征，湖泊、海洋等的面状特征较明显。

以上的光谱模型和空间模型采用面向对象的思想完成模型建立，可以实现水体的智能化信息提取。

TM图像上的水体提取●由于时间分辨率的限制，在洪水期难以获得无云雾的TM图像，因此TM主要用于洪水灾害损失评估和本底水体的提取。

●从TM数据中提取水体信息的关键是区分水体与其他地物的阴影，这同样需要进行不同地物各波段的光谱值分析。

●水体、阴影的第5波段明显小于第2波段。

而其它地物则刚好相反。

在第2、3波段上，水体的灰度值大于阴影，将这两个波段相加可以增大这种差异。

在第4、5波段上，阴影的值一般都大于水体。

将这两各波段相加，可以增大这种差异。

●将波段2与波段3相加，波段4与波段5相加，并作出改进后的地物波谱图。

可以看出，只有水体具有波段2加波段3大于波段4加波段5的特征。

●阈值法提取水体利用对水陆界线反映较好的Landsat－5的TM第5波段，即中红外波段，通过反复试验，确定其阈值。

用TM4、3、2作假彩色合成影像，用目视判读的方法检验阈值法提取水体的效果，所提取的水库和坑塘的轮廓与目视判读的一致，宽的河流与目视判读的基本一致，而较窄的河流没有被提取出来，但这些河流由目视判读也难判读出来。

因此，漏提的水体非常少。

同时，发现所提取的水体中有一部分并非为真正的水体，而是山体的阴影。

因此，多提的水体较多。

●谱间关系法提取水体水体具有独特的谱间关系特征，即波段2加波段3大于波段4加波段5。

用同样方法检验提取效果，漏提的水体非常少，也没有发现将山体的阴影当水体提取出来。

因此，该种方法提取的水体较为准确。

总之，谱间关系法比单波段阈值法提取水体更具优势。

尤其是，它能将水体与阴影区分开来。

该方法特别适合山区水体的提取。

无论是谱间关系法还是单波段阈值法，它们对于提取一些细小的河流都有一定的局限性。

这是因为，这些细小的河流都是以混和像元的形式存在。

SAR 图像上的水体提取●由于洪水最大淹没面积常常发生在坏天气条件下，多光谱遥感数据不可能发挥很好的作用，因而微波遥感成为洪水灾害监测的首选数据。

但在有山区的雷达图像上，水体与山体的阴影具有易混的亮度值，而使得自动提取洪水淹没范围较困难。

因而，现在多采用目视判读的方法从SAR图像上提取洪水水体。

目视判读方法尽管可以取得较高的精度，并将水体与阴影区别开来，但费工费时，难以满足快速监测评估的要求。

从图像复合的角度出发，Landsat TM 图像与Radarsat SAR图像相结合，能有效地将洪水淹没范围提取出来，而不会将阴影误提为水体。

水体提取步骤●图像配准–TM图像与地形图配准–SAR图像与TM图像配准●SAR图像的水体提取用目视的方法在SAR图像上测出水体的亮度值，从而确定水体与陆地的阈值k 1，DN<k 1为水体，DN>=k 1为非水体（DN为SAR图像的亮度值）。

●TM图像上的阴影的提取因在TM2上阴影的亮度值比较低，而其他地物的亮度值比较高，测定阈值k 2,因而有TM2<k 2为阴影，TM2>=k 2为非阴影。

水体提取步骤●SAR图像的水体与TM图像的阴影之间的融合分析–将SAR图像的水体与TM图像的阴影叠加，在山区被误提为水体的山体阴影中，有大部分都与TM图像的阴影重叠，有一小部分未重叠。

但未重叠的部分，均与TM图像的阴影靠得很近，并且与阴影相连。

为此，利用ARC/INFO的GRID模块中的EXPAND命令，对所提取的阴影进行扩展处理，将扩展后的阴影与SAR水体进行叠加融合分析。

凡是落入阴影中的SAR 水体，都被作为误提的水体剔除。

–但是，对于在SAR图像上与阴影相连的水体而言，由于对TM图像上的阴影进行了扩展处理，并用它来剔除SAR图像上的阴影，这就会造成将SAR图像上与阴影相连的那部分中的部分水体被错误地剔除掉。

因此，还需要对这部分水体进行进一步的定界。

水体提取步骤●与阴影相连部分水体的进一步定界–从TM图像上提取本底水体，提取模型为：（TM2+TM3）>(TM4+TM5)-k1TM2>=k2–利用ARC/INFO中的GRID模块EXPAND命令对本底水体进行扩展。

并用它来切取最初从SAR图像中提取的水体。

最后，将从TM图像中提取的阴影与所切取到的水体进行叠加分析，减去阴影部分，从而得到了由于阴影扩展而丢掉的那部分水体。

–并将这部分水体与去阴影后的SAR图像水体进行叠加，从而得到最终提取的水体。

居民地特征提取●研究意义●AVHRR影像上的居民地识别提取●TM图像上的居民地识别提取●SAR图像上的居民地识别提取研究意义●为灾害评估提供所需居民地空间分布信息●为了解人地关系服务●为社会、经济和人文等数据的空间化服务●为居住用地监测以及人居环境建设服务AVHRR影像上的居民地识别提取●AVHRR影像上居民地的影像特征分析在3（红）、2（绿）、1（蓝）假彩色合成图像上可以看出，特大城市、大城市、中等城市，无论是位于山区还是平原，都能在影像上识别出来。

这些城市在影像上呈暗灰蓝色，当其周围为农田时，其周边呈灰蓝色，当为森林时，呈浅黄色，当为水体时，呈红色。

城市的外部轮廓清楚明显，城市的内部的色调比较一致，而内部纹理特征不明显。

城市的形状一般为斑块状。

县城一级的城镇，以及小城市在NOAA影像上需要仔细识别才能识别出来。

一般面积在6平方公里以上的县级城镇在NOAA影像上只有几个像元，呈点斑状，其外部轮廓已经很不清楚了。

在其像元中，只有1到4个像元与周边像元有一定的区别，比较容易识别。

而其他周边像元都是以混合像元的形式存在。

此时的城镇已无纹理可见了。

●AVHRR影像上居民地的影像特征分析对于面积在2km2以下的乡镇、村一级的居民地，已完全与周围地类混淆在一起，在NOAA影像上难以辨别出来。

城市与城市之间的相对位置清晰可见，特大城市、大城市、中等城市、小城市、县城等之间的城镇体系结构关系也容易识别出来。

通过对各种类型的城市及其它地物进行典型光谱采样，据其均值绘制如下光谱曲线图●基于光谱知识的居民地提取模型通过对采样数据进行波段组合分析，建立模型如下：TM图像上的居民地识别提取●居民地在TM影像上的机理分析–农村普通居民地其房屋宽度大部分不超过28.5m，长度有可能超过28.5m，影像记录的通常是房屋及其周围的空地、散生树木组成的混合像元。

由于这些地物的尺寸及其配置在空间上的变异，从而导致农村居民地像元灰度值的空间变异，在居民地与周边地类交界处，又会出现居民地与周围地类相混合的混合像元，这些混合像元降低了农村居民地提取的精度。

居民地内部没有明显的纹理特征，与农村居民地相连的道路难以识别出来。

–村镇级居民地在镇的核心区一般多为2～3层的楼房、平房等，房顶多为水泥平顶、瓦盖尖顶。

一般房屋间有比较窄的空地，空地一般多为泥土面，部分为水泥面。

居民地内也有一些散生的树木等绿地。

因此居民地的像元多由水泥房顶、瓦顶、水泥路面、裸土地、绿地、散生树木等所构成的混合像元，其组成的空间变异导致像元灰度值的空间变异。

在边缘区的像元类似于乡村居民地的像元，在居民地与周围地类接边处，有居民地与周围地类混合而成的混合像元。

图中青灰色的斑块即为村镇级居民地，其内部有一定的纹理特征，基本可以识别到与其相连的道路。

–县城由于高楼大厦的影响，有可能出现水泥房顶的纯净像元，此外也会出现纯净的水域像元和绿地像元。

高大的房屋会造成房屋与房屋之间有很多阴影。

因而县城一级的居民地，其像元一般是由水泥顶、水泥路面、散生林木、绿草地、裸地以及阴影等所组成的混合像元，其组成比例的变化以及空间配置结构的变化就造成了这些像元的空间变异。