[发明专利]一种基于Sentinel-2影像的山区水体提取方法

说明书

本发明公开了一种基于Sentinel‑2影像的山区水体提取方法，首先，在Sentinel‑2 MSI影像上选取多种水体样本，统计分析其在影像中的大气顶层反射率值，并计算在不同波段中的大气顶层反射率值；然后，根据直角坐标系下各水体样本在不同波段的像素大气顶层反射率值分布情况，按各波段上不同水体的像素大气顶层反射率值将水体分为两类；根据两类水体的反射率值和波段分别建立直角坐标系并构建三角形；最后，利用三角形相似定理计算两类水体的水体指数，并求和得到基于Sentinel‑2影像的三角形水体指数，进而获得准确的水体信息分布。本发明能够将山体阴影和水体有效区分，在山区水体提取过程中避免了错提现象，提取精度高，也可以用于湖泊、水库、河流以及城市地表水的提取。

技术领域

本发明属于遥感影像智能识别技术领域，尤其涉及一种基于Sentinel-2影像的山区水体提取方法。

背景技术

随着地球气候的变化，洪涝、水体滑坡等灾害频繁发生，对人民生命财产造成了重大损失，因此，快速准确地获取地表水体信息对洪涝、水体滑坡等灾害的监测具有重要意义。利用光学遥感影像获取水体信息是一种快速有效的方法，近年来，基光学遥感影像提取水体方法已由最初的人工目视解译发展到现在的自动分类提取水体方法，目前，常用的自动分类提取水体方法克服了人工目视解译不能大区域提取水体的缺点，该类方法主要包括基于像素分类的阈值法和基于目标分类的分类方法。阈值法更多的应用于中、高分辨率影像上，主要是基于地物光谱特征建立分类模型和水体指数，其算法简单有效，在湖泊等大面积水体提取中广泛应用，但不适用细小水体提取和山体水体提取。分类方法是基于影像光谱、纹理和空间特征来建立提取水体的方法，主要用于高分辨率影像中，常用的方法主要是SVM方法、决策树分类法和面向对象方法，其具有提取更精细水体的优点，但难以将阴影和水体有效区分，易对提取山区水体造成混淆，并且该方法的算法复杂，需要建立训练样本，提取速度会因样本选择而降低。

水体指数法能实现山区水体的提取，目前常用的水体指数主要有：①归一化差异水体指数(NDWI)，能够最大程度抑制植被信息，突出水体信息，但是难以将建筑和土壤与水体区分，且受冰雪、云以及山体阴影的影响较大。②改进的归一化差异水体指数(MNDWI)，能最大程度抑制建筑和土壤信息，突出水体特征，在城市水体提取中具有较好的效果。③增强水体指数(EWI)，能够抑制建筑、土壤和植被信息，突出半干旱区域的水体，但是易与阴影、雪混淆且与河滩难以区分，也不易提取山区水体。④阴影水体指数(SWI)，具有区分水体和阴影的优点，同时也可以降低积雪和山体阴影的影响。然而，上述的水体指数方法在山区水体及细小水体提取中存在漏提现象，且存在将冰雪与云当作水体提取的不足，提取精度不高，在预测山体滑坡等自然灾害时存在误差。

发明内容

针对上述背景技术中指出的不足，本发明提供了一种基于Sentinel-2影像的山区水体提取方法，旨在解决上述背景技术中现有提取山区水体难度大，存在漏提现象，提取精度不高等的问题。

为实现上述目的，本发明采用的技术方案是：

一种基于Sentinel-2影像的山区水体提取方法，方法如下：

步骤一：在Sentinel-2MSI影像上选取多种大小性质不同的个水体样本，统计分析多种水体样本在Sentinel-2MSI影像中的大气顶层反射率值，并计算各水体样本分别在不同影像波段的大气顶层反射率值；作为优选，所述影像波段包括B₁₁(短波红外波段1)、B₁₂(短波红外波段2)、B₂(蓝光波段)、B₃(绿光波段)、B4(红光波段)、B₅(植被红边波段1)、B₆(植被红边波段2)、B₇(植被红边波段3)、B₈(近红外波段)、B₉(水蒸气波段)。