年4月GeoVille信息系统和数据处理有限公司（GeoVilleInformationSystemsandDataProcessingGmbH）的ChristinaLudwig等人基于多时相的Sentinel-2影像，提出了一种湿地信息自动提取算法，并在气候条件不同的三个典型区进行湿地信息提取。该文章发表在RemoteSensingofEnvironment上，题目为“Ahighlyautomatedalgorithmforwetlanddetectionusingmulti-temporalopticalsatellitedata”。
摘要
湿地是一种价值较高的生态系统，能够提供粮食供给、干旱防控等一系列重要的生态系统服务。由于越来越多的人类活动干扰和气候变化的影响，湿地生态系统受到威胁，生态环境状况呈退化趋势。因此，有效监测湿地对于保护和恢复这些濒危生态系统是十分必要的。对地观测（EO）数据使得低成本、大区域尺度的监测湿地生态系统成为了可能。然而，现阶段的湿地信息提取方法需要大量的训练样本，耗时费力，且仅适用于局部区域。基于多时相对地观测数据集，本文重点研究一种大区域尺度、高度自动化的湿地信息提取方法。鉴于此，本研究基于多时相光学卫星影像和地形数据，提出了一种水体和湿地自动提取算法。基于光谱指数和水体与湿地的概率，使用特征选择的方法，选择对水体和湿地（Wetness）敏感的光谱指数。结合地形湿地指数（TWI），使用动态阈值方法，提取月尺度的水体边界和湿地边界。然后结合所有的水体和湿地提取结果来校正季节偏差，分别生成水体和湿地淹没频率，并耦合水体与湿地提取结果生成水体湿地概率指数（WWPI），该指数可以作为湿地存在或预调查的指标。为了证明算法的可行性，研究选取了肯尼亚/乌干达、阿尔及利亚和奥地利三个湿地类型不同的研究地点，使用Sentinel-2影像对算法进行验证。对于所有的研究区，总体精度达到92%以上。水体提取的用户精度和生产者精度（96%）高于湿地提取的精度（75%）。由于算法的自动化程度高、数据处理时间短，该方法适用于大区域尺度的湿地提取，在欧空局全球湿地非洲项目中，使用该方法对哥白尼高分卫星进行了水体-湿地提取。
1研究区域
为了验证算法在不同地理环境下算法的普适性，研究在非洲和欧洲的三个不同区域对所提出的的算法进行测试和验证。三个研究区分别为阿尔及利亚的ElKala湿地（ElKalaWetlandSystem,Algeria）、乌干达/肯尼亚的Sio-Siteko湿地（Sio-SitekoWetland,Uganda/Kenya）、奥地利的LakeNeusiedl（LakeNeusiedl,Austria），三个研究区的地理位置分布如下图1所示。
阿尔及利亚的EIKala湿地位于干旱气候区，植被稀疏；该区域温度较高，夏季干旱、冬季多雨。乌干达/肯尼亚的Sio-Siteko湿地位于热带气候区，植被茂密；该区域属于赤道季风气候。奥地利的LakeNeusiedl位于温带中欧气候区，气温较低，夏季多雨。选择这三个研究区的原因是，该方法是在欧空局“GlobWetlandAfrica”项目中研发的，该项目的研究区包含非洲的北部、西部、东部、中部的数十个湿地区域。
2研究数据
（1）Sentinel-2MSI
Sentinel-2卫星是双卫星同时在轨（Sentinel-2A/B），赤道附近的卫星重访周期是5天左右。研究使用年12月至年7月所有的Sentinel-2影像进行湿地提取。对于Sio-Siteko湿地，选取了64景Sentinel-2影像；对于EI-Kala湿地，选择了69景Sentinel-2影像；对于LakeNeusiedl，选取了景Sentinel-2卫星影像。
（2）数字高程模型
研究使用STRM的DEM数据计算地形湿度指数（TWI），该数据生产于年，空间分辨率为1弧秒。
（3）训练样本数据
训练样本数据用于选取水体、湿地提取的最佳波段。训练样本类型包括了水体样本点、不同植被覆盖度和土地利用类型情境下的湿地样本点。样本点来源于已有实测数据、GoogleEarth影响和全球湖泊和湿地数据集（GLWD）。
3研究方法
研究方法主要包括三部分：（1）图像预处理，包括去云处理、辐射率归一化、月尺度影像合成；（2）计算水体、湿地概率，并基于影像分块阈值法提取水体边界和湿地边界；（3）综合提取的水体和湿地边界分别计算研究时段内的水体频率和湿地频率，同时也计算水体湿地概率指数（WWPI）。算法的总体流程如下图所示。
3.1影像预处理
（1）去云处理
研究使用Sen2Cor算法（Louisetal,）进行云检测，该方法能有效检测云层，但对于云阴影存在漏提现象。为此，研究进一步使用多时相分类方法检测云阴影，具体规则如下：（1）NIR波段小于时间序列的5%分位数，且蓝波段与NIR和SWIR1的最大值差异在-0.25和0.25之间；（2）云层周围20个像元范围内的像元为阴影。
（2）辐射率归一化
由于大气成像条件和太阳照度的影响，影像与影像的光谱值之间存在差异。研究使用直方图匹配的方法进行归一化处理，基准影像使用蓝波段的25%分位数生成的。
（3）月尺度影像合成
由于云层覆盖，某时刻、某区域的影像像元值是缺失的。研究将每个月内的所有Sentinel-2影像，使用蓝波段的25%分位数方法，生成相应月份质量最好的影像。
3.2计算水体、湿地概率
（1）光谱指数计算与特征指数的选择
基于多光谱影像，计算的指数如下表所示
使用样本点数据集进行最优特征指数的选择，特征指数的选择方法的步骤如下：
首先，将光谱指数作为自变量，将类别变量作为因变量，其中类别变量是指水体、湿地和背景构成的图层。计算自变量与因变量之间的共同信息量（个人理解为信息熵），并对计算结果进行排序，共同信息量最大的变量为第一有效变量。
其次，分别计算剩余变量与因变量、第一有效变量的共同信息量，剩余变量与第一有效变量的共同信息量小，与因变量的共同信息量大，则该变量为第二有效变量，否则不成立。如此迭代计算，最终确定最优特征指数。
（2）地形湿度指数计算
地形湿度指数计算公式如下
其中a表示为通过单位轮廓线长度的局部上坡贡献区，b表示是以弧度表示的局部坡度。
（3）水体概率和湿地概率
水体概率计算公式为
其中Pwater为水体概率，wi为权重，这里取值为1/n，ui为对应的像元值。
湿地概率的计算公式
其中Pwet为湿地概率，wi为权重，这里取值为1/n，ui为对应的像元值，α、β分别为TWI的线性回归系数，这里α=0.75，β=0.25，,σ对应为Sigmoid函数，其计算公式如下
3.3水体、湿地提取
（1）基于分块的影像自动阈值法
该方法基于密度分布搜索最小值法进行阈值的自动选取，该方法类似于大律法（OTSU），即搜索直方图两个峰值之间的最小值作为水体和湿地提取的最优阈值。在进行阈值分割之前，需要对影响进行分块处理，研究最终选择90×90作为影像分块的大小。
使用该方法进行水体、湿地提取时，容易造成错分、漏分现象，如下图所示。两个峰值之间的最小值在20%左右，但这会导致提取的水体、湿地边界过大，正常的阈值应该在40%与80%之间，为此，算法进一步加入了限制条件，即如果计算的阈值小于给定的最小阈值，则该阈值无效，不能用于水体、湿地提取，并重新计算阈值。
（2）湿地分类
使用如下公式分别计算水体频率和湿地频率。
其中fij为像元ij对应的水体或湿地频率，s为季节数（s=4），ns为有效像元数目，cijt为水体或湿地像元值，用0或1表示
水体湿地概率指数（WWPI）计算公式如下
其中n为总的有效像元数，Σwater为该像元总的水体像元数，Σwet为该像元总的湿地像元数。
4研究结果
4.1特征指数选择结果
对于水体，选择mNDWI、NDWI、NDVI作为最优指数；对于湿地，分裸地、稀疏植被、茂密植被三种场景进行最优指数选择。水体和不同场景下湿地的最优指数选取结果如下表所示
4.2阿尔及利亚，El-Kala湿地区域
（1）精度分析结果
分别对年2月和年7月的水体、湿地提取结果进行精度分析，分析结果如表4和表5所示。
（2）水体湿地提取结果
水体-湿地的最大范围提取结果，通过WWPI指数来表示。WWPI计算结果如下图7所示
图8表示了茂密植被区在春、夏、秋、冬季节的湿地频率分布图，该图可以反映奥姆阿加雷平原和森林沼泽区农业的季节性特征。
图9和图10分别表示了两个局部区域的水体频率、湿地频率和水体湿地概率指数。从这两幅库可以看出，夏季水体和湿地面积较小，冬季水体和湿地面积较大。
4.3乌干达/肯尼亚，Sio-Siteko湿地
表6和表7分别表示该区域的年8月和年12月水体、湿地边界提取结果的精度验证分析。
Sio-Siteko湿地区域的水体-湿地最大边界提取结果，通过WWPI来表示，如下图所示。
Nzoia河及其位于Sio-Siteko南部的洪泛平原区的水体、湿地频率空间分布图如下所示。
4.4奥地利，LakeNeudsiedl
年4月和年8月水体、湿地分类结果的精度分析如表8和表9所示。
水体、湿地提取结果如下图所示：
引用格式
LudwigC,WalliA,SchleicherC,WeichselbaumJ,RifflerM.().Ahighlyautomatedalgorithmforwetlanddetectionusingmultitemporalopticalsatellitedata.RemoteSensingofEnvironment,,–
供稿/彭凯锋制作/荔琢
指导/蒋卫国
1
END
1
相关链接：
[文献推荐]土壤保持服务远程耦合
[文献推荐]应用计算机视觉方法融合水文模拟中的时空数据
[文献推荐]利用激光雷达数据和历史航空照片对湿地损失进行精细监测：以法国Couesnon洪泛区为例
[文献推荐]高空间分辨率的可见光卫星和多源卫星的全球淹没数据集的比较
跟踪和发布生态环境、生态系统、生态水文、湿地生态、水资源、洪水灾害、湿地资源、城市生态、城市湿地、海绵城市等方向的国内外学术研究进展、遥感和空间信息技术应用前沿资讯。
生态水文遥感前沿