归一化水指数模型应用洪灾监测技术方案
分享
-
2016-06-01
洪水灾害是当今世界上造成损失最大的自然灾害之一，在洪涝灾害发生时，如何快速、动态、准确地提取水体信息，确定洪水淹没区域和受灾程度，为政府开展救援工作提供及时而准确信息，具有十分重要的意义。遥感技术以其高重复频率和大范围观测能力，能为决策部门提供了大量的洪涝地区淹没过程的实时信息。
应用遥感技术监测洪涝灾害的技术方法和流程有很多，下面介绍一种较为实用和简单的方法。
归一化水指数模型
Mcfeeters提出的归一化差异水体指数（简称归一化水指数）NDWI(Normalized Difference Water Index)便是其中之一 ,其公式如下:
NDWI = (BGreen - BNIR ) / (BGreen +BNIR )
式中, BGreen代表绿光波段; BNIR代表近红外波段。
模型的基本原理：由于水体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（水体的NDWI值大）。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。这也是Mcfeeters选用近红外波段构建该指数的原因。
Mcfeeters模型考虑到植被的影响，后来很多学者又将土壤、建筑物等因素考虑进去，提出一些改进型的归一化水指数（徐涵秋）：
MNDWI= (BGreen – BSWIR ) / (BGreen +BSWIR )
BSWIR表示中红外波段。
Wilson等又提出(BNIR – BSWIR ) / (BNIR +BSWIR )用于研究植被的水分及土壤湿度等。
技术流程
基本原理与流程：分别计算洪灾前影像和洪灾后影像的NDWI，对两个时相的NDWI做差值运算，选择阈值对NDWI差值图像进行分类，如NDWI差值为正表示水体增加，可认为洪水淹没区。详细流程如下图：
图1 监测流程图
图像配准：两个时相影像精确的空间配准是整个流程的前提。
NDWI计算：可根据数据情况（如：是否包括中红外波段）和主要地表覆盖类型（植被、建筑物、裸土等）选择不同的计算模型。
分类阈值确定：理想情况是NDWI差值大于0为水体淹没区，由于其他地表覆盖类型的干扰，这个阈值往往不为0。可选择一些算法自动计算，再结合目视预览效果进行调节。
图像分类及后处理：选择大于“分类阈值”的区域作为输出结果。最初结果中往往包括一些“小图斑”，选择性的对这些小图斑进行剔除。
为了满足应急救灾的需求，整个流程应该在统一界面下流程化完成。
详细实现步骤
直接使用ENVI EX下的遥感变化监测工具Image Change完成整个流程。Image Change工具采用向导式操作，详细过程如下：
(1) 启动ENVI EX，并打开两个时相的影像文件。
(2) 双击Workflow->Image Change工具，分别为Time1 File选择灾前影像，Time2 File选择灾后影像，单击Next进入Image Co-Registration面板。
图2选择前后时相的影像
(3) 这一步选择是否执行图像配准。如果图像没有精确配准，可选择自动选择同名点执行图像配准。单击Next进入Change Method Choice面板
(4) 在Change Method Choice面板中，选择Image Difference，单击Next进入Image Difference面板。
图3 图像配准选项
(5) 在Image Difference面板中，选择Difference of Feature Index，之后选择Water Index(NDWI)。
(6) 在Advanced选项中，默认为Band1和Band2选择了相应的波段。这里计算公式为：(Band2 - Band1) / (Band2 + Band1)。根据数据的实际情况选择波段。
(7) 单击Next进入Thresholding or Export面板，直接选择Apply Thresholding后，单击Next进入Change Thresholding面板。
图4 计算NDWI及差值
(8) 在Change Thresholding面板中，选择感兴趣的变化：Increase Only（增加）。提供了四种自动计算阈值方法，选择Otsu’s，勾选Preview预览结果分类结果。在Manual选项中可以手动调整阈值。
(9) 单击Next进入ClearUp面板。
图5 确定分类阈值
(10) 在Cleanup面板中，提供平滑滤波和像素聚合处理，将结果中的“小图斑”去除或者合并。
(11) 单击Next进入Export面板，结果可输出为矢量或者单波段的分类结果。
图6 分类后处理
图7 输出结果
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100s4vo.html
应用遥感技术监测洪涝灾害的技术方法和流程有很多，下面介绍一种较为实用和简单的方法。
归一化水指数模型
Mcfeeters提出的归一化差异水体指数（简称归一化水指数）NDWI(Normalized Difference Water Index)便是其中之一 ,其公式如下:
NDWI = (BGreen - BNIR ) / (BGreen +BNIR )
式中, BGreen代表绿光波段; BNIR代表近红外波段。
模型的基本原理：由于水体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（水体的NDWI值大）。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。这也是Mcfeeters选用近红外波段构建该指数的原因。
Mcfeeters模型考虑到植被的影响，后来很多学者又将土壤、建筑物等因素考虑进去，提出一些改进型的归一化水指数（徐涵秋）：
MNDWI= (BGreen – BSWIR ) / (BGreen +BSWIR )
BSWIR表示中红外波段。
Wilson等又提出(BNIR – BSWIR ) / (BNIR +BSWIR )用于研究植被的水分及土壤湿度等。
技术流程
基本原理与流程：分别计算洪灾前影像和洪灾后影像的NDWI，对两个时相的NDWI做差值运算，选择阈值对NDWI差值图像进行分类，如NDWI差值为正表示水体增加，可认为洪水淹没区。详细流程如下图：
图像配准：两个时相影像精确的空间配准是整个流程的前提。
NDWI计算：可根据数据情况（如：是否包括中红外波段）和主要地表覆盖类型（植被、建筑物、裸土等）选择不同的计算模型。
分类阈值确定：理想情况是NDWI差值大于0为水体淹没区，由于其他地表覆盖类型的干扰，这个阈值往往不为0。可选择一些算法自动计算，再结合目视预览效果进行调节。
图像分类及后处理：选择大于“分类阈值”的区域作为输出结果。最初结果中往往包括一些“小图斑”，选择性的对这些小图斑进行剔除。
为了满足应急救灾的需求，整个流程应该在统一界面下流程化完成。
详细实现步骤
直接使用ENVI EX下的遥感变化监测工具Image Change完成整个流程。Image Change工具采用向导式操作，详细过程如下：
(1) 启动ENVI EX，并打开两个时相的影像文件。
(2) 双击Workflow->Image Change工具，分别为Time1 File选择灾前影像，Time2 File选择灾后影像，单击Next进入Image Co-Registration面板。
图2选择前后时相的影像
(3) 这一步选择是否执行图像配准。如果图像没有精确配准，可选择自动选择同名点执行图像配准。单击Next进入Change Method Choice面板
(4) 在Change Method Choice面板中，选择Image Difference，单击Next进入Image Difference面板。
图3 图像配准选项
(5) 在Image Difference面板中，选择Difference of Feature Index，之后选择Water Index(NDWI)。
(6) 在Advanced选项中，默认为Band1和Band2选择了相应的波段。这里计算公式为：(Band2 - Band1) / (Band2 + Band1)。根据数据的实际情况选择波段。
(7) 单击Next进入Thresholding or Export面板，直接选择Apply Thresholding后，单击Next进入Change Thresholding面板。
图4 计算NDWI及差值
(8) 在Change Thresholding面板中，选择感兴趣的变化：Increase Only（增加）。提供了四种自动计算阈值方法，选择Otsu’s，勾选Preview预览结果分类结果。在Manual选项中可以手动调整阈值。
(9) 单击Next进入ClearUp面板。
图5 确定分类阈值
(10) 在Cleanup面板中，提供平滑滤波和像素聚合处理，将结果中的“小图斑”去除或者合并。
(11) 单击Next进入Export面板，结果可输出为矢量或者单波段的分类结果。
图6 分类后处理
图7 输出结果
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100s4vo.html
