归一化水指数模型应用洪灾监测技术方案设计.pdfVIP

实用文案 归一化水指数模型应用洪灾监测技术方案 2011-06-17 8:35 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。 标准 实用文案 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： 标准 实用文案 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 标准 实用文案 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。 标准 实用文案 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。 标准 实用文案