农田洪涝灾害信息遥感自动提取方法研究

doi:10.15933/j.cnki.1004-3268.2022.11.019

摘要/Abstract

摘要： 为提高农田洪涝灾害信息提取效率，探索了有效的遥感影像水体自动提取方法，以2021年7月下旬河南省浚县农田洪涝灾害为研究对象，在灾前、灾中和灾后以Sentinel-2遥感数据归一化水体指数（NDWI）、改进的归一化水体指数（MNDWI）、多波段水体指数（MBWI）和B12波段作为多维特征，采用多维非监督水体自动提取方法提取水体面积。同时利用Canny-Edge-Otsu 水体自动提取方法分别对MBWI、MNDWI、NDWI 3种水体指数和GF-3数据的HV极化波段进行阈值分割，提取农田洪涝灾害信息，并对不同数据源和不同方法提取农田洪涝灾害信息的精度进行对比分析。结果表明，多维非监督水体自动提取方法集成了多种水体指数和波段作为多维特征，灾前和灾后水体提取误差分别为6.99%和7.45%，低于Canny-Edge-Otsu水体自动提取方法；MBWI、MNDWI与NDWI 3种水体指数相比，MBWI水体提取误差最小，NDWI提取误差最大，但均易将建筑物和云阴影地区误判为水体；灾后基于GF-3的洪水提取误差为15.57%，高于Sentinel-2影像，但GF-3遥感影像不受云雨天气影响，能够在洪涝灾害应急监测中提供有力的数据支撑。

关键词: 洪涝灾害, 遥感, 水体提取, Sentinel-2, GF-3

Abstract: In order to improve the efficiency of information extraction of farmland flood disaster，an effective method of automatic extraction of water body from remote sensing images was explored.The flood disaster in Xunxian County，Henan Province in late July 2021 was taken as the research object，and the NDWI（normalized difference water index），MNDWI（modified normalized difference water index），MBWI（multi‑band water index） and B12 band of Sentinel‑2 remote sensing data were taken as the multi‑dimensional characteristics before，during and after the disaster，and the multi‑dimensional unsupervised water body automatic extraction method was used to extract the water body area.At the same time，Canny‑Edge‑Otsu automatic water body extraction method was used to segment MBWI，MNDWI，NDWI and the HV polarization band of GF‑3 data respectively to extract farmland flood disaster information，and the accuracies of different data sources and methods to extract farmland flood disaster information were compared and analyzed.The results showed that the multi‑dimensional unsupervised water body automatic extraction method integrated various water body indexes and bands as multi‑dimensional features，and the extraction errors of pre‑disaster and disaster water bodies were 6.99% and 7.45% respectively，which were lower than those of Canny‑Edge‑Otsu automatic water body extraction method. By comparing NDWI，MBWI and MNDWI，MBWI had the smallest extraction error and NDWI had the largest extraction error，but buildings and cloud shadow areas were easily mistaken for water bodies.The error of flood extraction based on GF‑3 after the disaster was 15.57%，which was larger than Sentinel‑2 image.However，GF‑3 remote sensing image was not affected by cloud and rain weather，so it provided a strong data support in emergency monitoring of flood disaster.

Key words: Flood disaster, Remote sensing, Water extraction, Sentinel?2, GF?3

中图分类号:

S127

王来刚, 徐少博, 黎世民, 郭燕, 程永政, 贺佳. 农田洪涝灾害信息遥感自动提取方法研究[J]. 河南农业科学, 2022, 51(11): 163-170.

WANG Laigang, XU Shaobo, LI Shimin, GUO Yan, CHENG Yongzheng, HE Jia. Study on Automatic Extraction Algorithm of Farmland Flood Disaster Information Based on Remote Sensing[J]. Journal of Henan Agricultural Sciences, 2022, 51(11): 163-170.

参考文献

［1］丁嘉晖.“7·20”暴雨对河南省农业生产的影响及其对策研究［J］.南方农机，2022，53（15）：124‑126.
DING J H.The impact of the July 20，2021 rainstorm on agricultural production in Henan province and its countermeasures［J］.China Southern Agricultural Machinery，2022，53（15）：124‑126.

［2］MARKERT K N，MARKERT A M，MAYER T，et al.Comparing sentinel‑1 surface water mapping algorithms and radiometric terrain correction processing in Southeast Asia utilizing Google Earth Engine［J］.Remote Sensing，2020，12（15）：2469.

［3］栾玉洁，郭金运，高永刚，等.基于Sentinel-1B SAR数据的2018年寿光洪水遥感监测及灾害分析［J］.自然灾害学报，2021，30（2）：168‑175.

LUAN Y J，GUO J Y，GAO Y G，et al.Remote sensing monitoring of flood and disaster analysis in Shouguang in 2018 from Sentinel‑1B SAR data［J］.Journal of Natural Disasters，2021，30（2）：168‑175.

［4］柳崇斌，徐佳，王冬梅，等.基于GF-3全极化SAR影像多特征优选的水产养殖塘提取［J］.农业工程学报，2022，38（4）：206‑214.

LIU C B，XU J，WANG D M，et al.Extracting aquaculture pond using multi‑feature optimization of GF‑3 PolSAR Imagery［J］.Transactions of the Chinese Society of Agricultural Engineering，2022，38（4）：206‑214.

［5］郭山川，杜培军，蒙亚平，等.时序Sentinel-1A数据支持的长江中下游汛情动态监测［J］.遥感学报，2021，25 （10）：2127‑2141.

GUO S C，DU P J，MENG Y P，et al.Dynamic monitoring on flooding situation in the Middle and Lower Reaches of the Yangtze River Region using Sentinel‑1A time series ［J］.National Remote Sensing Bulletin，2021，25（10）：2127‑2141.

［6］吴庆双，汪明秀，申茜，等.Sentinel-2遥感图像的细小水体提取［J］.遥感学报，2022，26（4）：781‑794.

WU Q S，WANG M X，SHEN Q，et al.Small water body extraction method based on Sentinel‑2 satellite multi‑spectral remote sensing image［J］.National Remote Sensing Bulletin，2022，26（4）：781‑794.

［7］XIA H，ZHAO J，QIN Y，et al.Changes in water surface area during 1989—2017 in the Huai river basin using Landsat data and Google Earth Engine［J］.Remote Sensing，2019，11（15）：1824.

［8］刘宇晨，高永年.Sentinel时序影像的长江流域地表水体提取［J］.遥感学报，2022，26（2）：358‑372.

LIU Y C，GAO Y N.Surface water extraction in Yangtze River Basin based on Sentinel time series image［J］.National Remote Sensing Bulletin，2022，26（2）：358‑372.

［9］PEKEL J‑F，COTTAM A，GORELICK N，et al.High‑resolution mapping of global surface water and its long‑term changes［J］.Nature，2016，540（7633）：418‑422.

［10］LANDUYT L，VAN WESEMAEL A，SCHUMANN G J‑P，et al.Flood Mapping based on synthetic aperture radar：An assessment of established approaches［J］.IEEE Transactions on Geoscience and Remote Sensing，2018，57（2）：722‑739.

［11］HUANG W，DEVRIES B，HUANG C，et al.Automated extraction of surface water extent from Sentinel‑1 data［J］.Remote Sensing，2018，10（5）：797.

［12］BANGIRA T，ALFIERI S M，MENENTI M，et al.Comparing thresholding with machine learning classifiers for mapping complex water［J］.Remote Sensing，2019，11（11）：1351.

［13］CORDEIRO M C，MARTINEZ J‑M，PEñA‑LUQUE S.Automatic water detection from multidimensional hierarchical clustering for Sentinel‑2 images and a comparison with Level 2A processors［J］.Remote Sensing of Environment，2021，253：112209.

［14］张庆君.高分三号卫星总体设计与关键技术［J］.测绘学报，2017，46（3）：269‑277.

ZHANG Q J.System design and key technologies of the GF‑3 Satellite［J］.Acta Geodaetica et Cartographica Sinica，2017，46（3）：269‑277.

［15］MCFEETERS S K.The use of the Normalized Difference Water Index（NDWI）in the delineation of open water features［J］. International Journal of Remote Sensing，1996，17（7）：1425‑1432.

［16］徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究［J］.遥感学报，2005，9（5）：589‑595.

XU H Q.A study on information extraction of water body with the Modified Normalized Difference Water Index（MNDWI）［J］.National Remote Sensing Bulletin，2005，9 （5）：589‑595.

［17］WANG X，XIE S，ZHANG X，et al.A robust Multi‑Band Water Index（MBWI）for automated extraction of surface water from Landsat 8 OLI imagery［J］.International Journal of Applied Earth Observation and Geoinformation，2018，68：73‑91.

［18］CALIŃSKI T，HARABASZ J.A dendrite method for cluster analysis［J］.Communications in Statistics‑theory and Methods，1974，3（1）：1‑27.
［19］FIRDAUS S，UDDIN M A.A survey on clustering algorithms and complexity analysis［J］.International Journal of Computer Science Issues（IJCSI），2015，12（2）：62.
［20］OTSU N.A threshold selection method from gray‑level histograms［J］.IEEE Transactions on Geoscience and Remote Sensing，1979，9（1）：62‑66.
［21］DONCHYTS G，SCHELLEKENS J，WINSEMIUS H，et al.A 30 m resolution surface water mask including estimation of positional and thematic differences using Landsat 8，SRTM and OpenStreetMap：A case study in the Murray‑Darling Basin，Australia ［J］.Remote Sensing，2016，8（5）：386.

[1]	李敏, 郭雷风, 王瑞利. 无人机遥感在马铃薯田间表型研究中的应用[J]. 河南农业科学, 2023, 52(9): 24-32.
[2]	张科谦, 程钢, 吴微, 宋向阳, 张子谦, 姚顺, 吴帅. 融合主被动遥感影像的冬小麦种植面积提取研究[J]. 河南农业科学, 2023, 52(6): 160-171.
[3]	臧贺藏, 王从胜, 赵巧丽, 赵晴, 张杰, 李国强, 郑国清. 基于深度学习的小麦倒伏自动分类方法研究[J]. 河南农业科学, 2023, 52(11): 167-173.
[4]	郑紫瑞, 赵辉杰, 位盼盼, 方鹏, 王来刚, 徐少博. 集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取[J]. 河南农业科学, 2023, 52(10): 153-161.
[5]	徐夕博, 吕明荟, 王海会, 周忠科, 彭远新, 颜学文. 利用空间关联随机森林模型与遥感影像估算裸土期耕地土壤盐分含量的研究[J]. 河南农业科学, 2022, 51(5): 162-170.
[6]	金晶, 毛星, 张欣, 刘杨, 陆学文, 任妮 . 基于Sentinel-2 影像的淡水养殖水生动物类型识别研究[J]. 河南农业科学, 2022, 51(4): 160-170.
[7]	莫佳才, 彭漪, 刘小娟, 王靖. 基于无人机遥感影像的多品种水稻抽穗时间估算[J]. 河南农业科学, 2022, 51(1): 154-161.
[8]	张彦, 刘婷, 包卓雅, 王来刚, 贺佳, 郭燕, 张红利, 杨秀忠. 基于Sentinel-2与GF-6 WFV数据的花生种植面积提取差异分析[J]. 河南农业科学, 2021, 50(6): 163-170.
[9]	魏庆伟, 朱黎明, 王福州. 近地遥感监测冬小麦关键发育时期的方法研究[J]. 河南农业科学, 2021, 50(10): 163-171.
[10]	王一昊, 武永峰, 张立亭, 张锦水, 李崇瑞, 张晓旭. 基于TVDI的东北地区春玉米干旱监测 ——以2018年为例[J]. 河南农业科学, 2020, 49(3): 167-180.
[11]	赵希妮，璩向宁,王磊，刘雅清,许兴. 基于GF-1/WFV时间序列的葡萄遥感识别[J]. 河南农业科学, 2019, 48(03): 153-160.
[12]	于庆，吴泉源，姚磊，徐夕博，周旭. 山东典型污灌区冬小麦叶片重金属高光谱反演及空间分布特征[J]. 河南农业科学, 2018, 47(8): 54-62.
[13]	李冰,黎世民,周磊,黄灿辉,王来刚. 基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究[J]. 河南农业科学, 2017, 46(6): 150-155.
[14]	胡永森,王力,施开分,周巍，王长耀. 基于总体抽样下子总体追加抽样设计的棉花种植面积遥感估算方法研究[J]. 河南农业科学, 2017, 46(1): 149-.
[15]	张彦,刘婷,李冰，程永政,王来刚，郭燕,武喜红,贺佳. 基于MODIS数据的河南省秋季作物秸秆焚烧火点监测研究[J]. 河南农业科学, 2016, 45(11): 149-154.