研究论文 网络优先出版 版本 1
下载
基于MAWEI指数的水体信息提取方法
Research on water information extraction based on MAWEI index
: 2018 - 12 - 21
: 2019 - 04 - 10
: 2019 - 04 - 17
37 0 0
摘要&关键词
摘要:遥感技术是快速而又准确获取水体信息的有效途径,对水资源管理与评估有着重要意义。以福州市闽江、贵阳市百花水库、曲靖市南盘江和泰安市东平湖区域Landsat 8影像为基础,构建改进的自动水体提取指数(MAWEI)对水体信息进行提取,利用目视解译结果作为精度验证数据,量化不同水体指数在多种环境条件下的水体提取精度。研究结果表明:(1)面向对象的分类方法改善了面向像素方法存在“椒盐现象”的缺点;(2)MAWEI、AWEInsh、AWEIsh和MNDWI四种水体指数在最优提取阈值的情况下,MAWEI指数提取水体的精度最高,效果最佳。且通过实验发现不同环境条件下MAWEI水体指数的稳定性较好。MAWEI指数可用于快速有效地提取大面积水体信息,能满足大面积的水体快速制图和土地利用的分类,对水体信息快速提取具有较强的应用价值,值得推广。
关键词:水体指数;遥感影像;水体提取;精度评价
Abstract & Keywords
Abstract: Background, aim, and scope Remote sensing technology is an effective way to obtain water information quickly and accurately. It is of great significance for water resources management and evaluation. Aiming at improving AWEI water body extraction index, this paper proposes MAWEI method. The research content is to compare MAWEI method with other methods to verify its effectiveness, so as to provide a reference method for effectively extracting large area watershed water body. Materials and methods Based on Landsat 8 images of Minjiang River in Fuzhou City, Baihua Reservoir in Guiyang City, Nanpanjiang River in Qujing City and Dongping Lake in Tai’an City, this paper constructs an Modified Automatic Water Extraction Index (MAWEI) to extract water information. And the visual interpretation results are used as the accuracy verification data to quantify the water extraction accuracy of different water body indices. Results (1) It is found that e-Cognition can improve the "salt and pepper phenomenon" in the water extraction by ENVI. (2) Under the optimal extraction threshold, compared with AWEInsh, AWEIsh and NDWI, MAWEI index has the highest accuracy and the best effect. The stability of MAWEI water body index is better under different environmental conditions. Discussion All four methods extract the main contours of water body information. In these four research areas, the MAWEI method has relatively less errors and relatively high extraction accuracy. Conclusions MAWEI index can be used to extract large area water body information quickly and effectively. It can satisfy large area water body rapid mapping and land use classification. It has a strong application value for water body information fast extraction. Recommendations and perspectivesThe MAWEI index can quickly and effectively extract large-scale water body information with good results and high precision, and can meet the requirements for rapid mapping of large-scale water bodies and classification of land use. However, No water extraction method can extract all water body information completely and ensure that no other species mix in. A variety of methods can be synthesized to remove specific ground disturbance factors, such as shadows, buildings and so on.
Keywords: water index; remote sensing image; water extraction; accuracy evaluation
随着社会发展以及人类活动对环境的影响,地表环境不断变化,甚至受到污染,而地表水是人类活动过程中最为重要的资源之一。遥感作为一门有着众多优势的技术,如:数据更新周期短、监测范围广、时空信息丰富、经济有效等优点,能够为地表水环境的监测提供快速、有效的技术支撑,从而为政府决策以及政策的制定提供指导(Rundquist et al,1987;Gardelle et al,2010;Proud et al,2011)。目前常见的遥感水体提取方法有:比值法、单波段阈值法、谱间关系法和多波段色彩变换法(杜云艳和周成虎,1998;都金康等,2001)。徐涵秋(2005)在McFeeters(1996)提出的归一化水体指数(NDVI)基础上提出改进的归一化水体指数法(MNDVI),在对细小斑块的水体提取方面效果比NDWI更好,且能较精确地实现了对大面积水体信息的提取。丁凤(2009)利用水体在TM/ETM+影像的第4、5、7波段吸收性较强,而其它地物在这些波段吸收较弱的特点,提出了新型水体指数(NWI),该方法能够去除部分地形和大气的影响,且对于不同类型水体均有较好的提取精度。余明(2006,2017)探讨了基于spot影像的水体信息提取方法并在湿地分类中的应用以及基于遥感数据的TWT地表水体提取方法。Feyisa et al(2014)基于Landsat 5 TM数据,根据水体所处区域的特点对水体进行研究,提出了水体自动提取指数(AWEI),该指数包含两个公式,可分别应用于无阴影区域和阴影覆盖区域,并且可以结合使用从而提高水体提取精度,同时考虑到Landsat 5 TM数据的空间分辨率,提取过程中将亚像元的影响考虑进来,进一步优化了水体提取的结果。
本研究首先利用ENVI和e Cognition两个软件平台生成水体指数,对比以像素为基本单位和面向对象方法对水体提取的效果,采用效果较好的方法进行本研究。并且在AWEI指数的基础上,通过选取样本ROI并将各类型样本的反射率用折线图表示,分析样本在不同波段上的特点,结合大量试验提出改进的水体自动提取指数(MAWEI)方法。利用e Cognition软件平台对Landsat 8 OLI数据分割处理后,将MAWEI指数与MNDWI、AWEI指数对水体提取的效果进行比较,并将提取结果与目视解译的结果进行基于混淆矩阵的精度评价,以验证MAWEI指数的有效性,为有效提取大面积流域水体提供一种可供借鉴的方法。
1 研究区与数据
考虑到不同环境条件下的湖泊、河流等水体呈现出不同的波谱特征,选择福州市、泰安市、贵阳市和曲靖市中4个有着不同环境条件的水体进行实验,包括湖泊、水库、入海口大江、山区为主的河流,其深度、浑浊度、化学成分和表面形态各不相同。实验区域的基本特征汇总见表1。
表1   研究区域水体特征
实验区域
Test sites
水体名称及类型
Name and type of water body
特征
Features
贵阳市
Guiyang city
百花水库
Baihua Reservoir
地物背景包括建筑、植被、裸地等
Landscape background includes buildings, vegetation, bare land, etc.
曲靖市
Qujing city
南盘江
Nanpanjiang river
山区为主的河流,包含细长支流
Mountainous rivers consisting of slender tributaries
泰安市
Taian city
黄河及东平湖Yellow river and Dongping lake水体中混有大量泥沙,农田、裸土和建设用地混杂
There is a large amount of sediment mixed in the water, and farmland, bare soil and construction land are mixed.
福州汛期
Fuzhou flood season
闽江及入海口
Minjiang river and estuary
包括沟渠、坑塘等细小水体,且入海口泥沙含量高
Including small water bodies such as ditches, pits and ponds, and high sediment content in the estuaries
福州枯期
Fuzhou dry season
闽江及入海口
Minjiang river and estuary
包括沟渠、坑塘等细小水体,且入海口泥沙含量高
Including small water bodies such as ditches, pits and ponds, and high sediment content in the estuaries
本研究所使用的Landsat 8 OLI数据由地理空间数据云(www.gscloud.cn)获取。原始Landsat 8 OLI数据是分别进行了系统辐射校正和几何校正的Landsat 8 OLI_TIRS卫星数据产品,精度验证数据通过多光谱与15米全色波段融合后目视解译得到,影像获取时间、平均云量等信息见表2。以上数据都通过ENVI 5.2软件平台进行了辐射定标、FLAASH大气校正、几何校正和裁剪等预处理步骤,以减少大气、地形等其它影响因子带来的辐射误差。为了更好地验证水体提取结果的有效性,从汛期和枯期两个时期对福州研究区水体提取的结果进行分析和精度验证,以2014年12月13日的影像作为枯期水体提取的影像,2016年7月27日的影像作为汛期水体提取的影像,同时将各方法在贵阳市百花水库、泰安市东平湖和曲靖市南盘江这三个研究区的提取精度进行比较,以验证MAWEI方法在不同水体、多种环境条件下的有效性。
表2   数据源基本信息
区域
Position
数据源
Data Sources
北京时间
Beijing Time
云量
Cloud Cover
中心经度
Center Longitude
中心纬度
Center Latitude
福州闽江
Minjiang river in Fuzhou
Landsat8 OLI2016-07-27 10:32:474.77%118.9197°E25.9927°N
福州闽江
Minjiang river in Fuzhou
Landsat8 OLI2014-12-13 10:32:510.55%118.9242°E25.9927°N
贵阳百花水库
Baihua Reservoir in Guiyang
Landsat8 OLI2017-04-01 11:21:473.42%106.5567°E25.9950°N
泰安东平湖
Dongping lake in Taian
Landsat8 OLI2017-04-30 10:47:491.18%116.9759°E36.0384°N
曲靖南盘江
Nanpanjiang river in Qujing
Landsat8 OLI2017-03-23 11:28:250.28%104.6515°E24.5416°N
2 研究方法
2.1   自动水体提取指数(AWEI)
GudinaL . Feyisa利用Landsat 5 TM影像的5个波段提高了水体和其他暗表面的对比,并将该方法按照城区占主导与否分为两种方法,AWEInsh主要用于城区为主的区域水体提取,而AWEIsh可用于消除误分的阴影和暗表面像元,即AWEIsh方法适用于非城区占主导的水体提取。将其引入Landsat 8影像的水体提取,两个公式如下:
(1)
(2)
其中,B1、B2、B4、B5、B7分别为Landsat 5 TM数据的第1、2、4、5、7波段。AWEI方法在丹麦、瑞士、埃塞俄比亚、南非和新西兰五个不同土地类型的地区得到了验证。
2.2   改进的自动水体提取指数(MAWEI)
将AWEI方法引入Landsat 8 OLI影像的水体提取,Landsat 5 TM影像与Landsat 8 OLI影像各波段的波长信息如表3所示,可以发现两种影像在各个波段的波长范围存在一定差异,直接引入该方法对于landsat 8 OLI影像的水体信息提取存在一定影响,于是通过实验试图对AWEI方法进行改进,并将其与不同方法进行精度比较。
表3   Landsat 5 TM 与 Landsat 8 OLI影像波段信息比较
Landsat 4/5TMLandsat 8 OLI
BandnameBandwidth(µm)BandnameBandwidth(µm)
Band 1 Coastal0.43-0.45
Band 1 Blue0.45-0.52Band 2 Blue0.45-0.51
Band 2 Green0.52-0.6Band 3 Green0.53-0.59
Band 3 Red0.63-0.69Band 4 Red0.64-0.67
Band 4 NIR0.76-0.9Band 5 NIR0.85-0.88
Band 5 SWIR11.55-1.75Band 6 SWIR11.57-1.65
Band 7 SWIR22.08-2.35Band 7 SWIR22.11-2.29
为了方便比较分析,将裸地、建设用地及其他用地统一归类为建设用地。由图1可知,在汛期和枯期Coastal、Blue、Green、Red四个波段的反射率都是建设用地>水体>植被>阴影,NIR波段反射率植被>建设用地>阴影>水体,SWIR1波段反射率建设用地>植被>阴影>水体,而在SWIR2波段建设用地>植被>水体和阴影,阴影和水体反射率相近,区分较困难。汛期和枯期水体的反射率都是在Green波段最大,在SWIR2波段最小;阴影的反射率都是在NIR波段最大;植被的反射率都是在NIR波段最大,在Blue波段最小;建设用地在NIR和SWIR1波段的反射率最大,在Blue波段反射率最低。各波段在水体的反射率Green>Coastal> Red> Blue>NIR>SWIR1>SWIR2。


图1   福州不同月份典型地物波谱曲线
Fig.1 Typical spectral curve of different months in Fuzhou
光学遥感中,水体对太阳光具有很强的吸收性,因此一般来说水体比其它地物反射率低;然而水体在各个波段的反射率并不相同(McFeeters S K,1996)。由于水体在近红外和中红外波段范围内吸收最强,因而其反射率相对于其他地物都较小,同时发现阴影在SWIR1波段与水体反射率差别不大,于是利用Green与NIR波段之差使得水体的反射率基本保持为正值,而建设用地、植被和阴影地物的反射率基本变为负值,为(Green-NIR)添上系数5,进一步增大水体与其它地物的区别。至此反射率已呈现出水体相对最高,植被最低的趋势,尚需提高阴影和水体反射率的差异。通过实验与分析发现(Blue+Red)与4倍SWIR2之差能够将水体和阴影区分开,根据不同水体的特征调整合适的阈值,能够较好的将水体信息提取出来。
本研究以自动水体提取指数(AWEI)为基础,并通过实验构建了改进的自动水体提取指数(MAWEI, Modified Automated Water Extraction Index),公式如下:
(3)
改进方法进一步增大了水体与城区阴影、山区阴影和植被的区别,同时能够较好的区分城区中的亮色地物。
2.3   面向对象与面向像素方法的比较
在e Cognition软件平台中对2014年12月的Landsat 8 OLI影像进行多尺度分割后构建MAWEI水体指数,选择合适的阈值对水体进行提取,同时利用ENVI中的BANDMATH工具,对同样的影像构建MAWEI水体指数模型并生成结果,进而根据e Cognition中一样的阈值对水体进行提取,得到两个软件平台水体提取的结果(图2)。通过对比可以发现:两种方法对于较大范围内的水体提取效果相差不大,但ENVI提取出来的结果存在“椒盐现象”,主要分布在中部、北部和西部建设用地较多的区域,说明城区的阴影、暗色地物会对ENVI面向像素的提取结果造成影响;而e Cognition软件中的多尺度分割能够将相邻的像素或较小的分割对象进行合并,形成分割对象层,保证了对象与对象之间平均异质性最小,同时使对象内部像元同质性最大。较好地避免了“椒盐现象”的产生,但也存在细小水体提取不充分的缺点。
利用融合了全色波段的15米分辨率影像进行目视解译,将该结果作为精度评价的验证数据,通过基于像元的混淆矩阵精度评价分析,精度验证结果见表4。可以发现在同样阈值的情况下,e Cognition平台中水体的准确率和漏提率均比ENVI中高出1.6%,Kappa系数也相对比其高0.044,但误分率比ENVI平台高0.13%。综合两个软件平台在水体提取结果的分析情况和精度评价结果来看,面向对象的方法比面向像素的方法对水体提取的效果好,所以下述的水体提取都是基于e Cognition软件平台来研究。
表4   不同平台水体提取精度比较
软件平台Software误分为水体
Incorrectly classified as water
漏提为水体
Failed to extract as water
正确分为水体
Correctly classified as water
Kappa
ENVI0.72%7.15%92.85%0.9294
e Cognition0.85%5.55%94.45%0.9338


图2   不同软件水体提取结果
Fig.2 Water extraction results under different software platforms
2.4   技术路线
实验技术路线如图3所示。首先对Landsat 8 OLI数据进行预处理和裁剪。在e Cognition软件中将预处理好裁剪后的Landsat 8 OLI研究区影像进行多尺度分割、构建不同水体指数模型并选取合适阈值生成相应的水体提取结果。并以融合后15米分辨率影像矢量化出来的结果作为精度验证数据,对不同水体指数的水体提取效果做基于像元的混淆矩阵精度评价。最终从提取结果分析和精度评价的结果两方面进行比较,以验证本研究中改进的自动水体提取指数(MAWEI)的有效性。


图3   技术路线图
Fig.3 Technical roadmap
2.5   影像分割
在利用面向对象的方法对影像进行分类之前必须进行影像分割,然后利用分割后的对像进行目标地物的提取。影像分割是将影像划分为一个个大小不同、互不相交、具有共同属性像素的小区域。影像分割中确定最优尺度和分割参数是关键,直接决定着分类的精度。最优尺度的选择主要依赖于影像数据的分辨率和应用目的,需通过对实验区的分割结果进行对比,从而确定水体提取的最优尺度(殷亚秋等,2015)。
经过多次实验发现分割尺度大于100时部分细小水体分割不到位,于是将分割尺度设为100、50、30进行比较,形状因子和颜色因子权重总和为1,光滑度和紧密度权重和为1。因而只需设置形状因子和紧密度的权重,其余两个因子就相应确定了,本文形状因子的权重分别为0.5、0.3、0.1,紧密度权重统一设置为0.5,将实验分割结果进行比较(图4)。


图4   影像分割结果比较
Fig.4 The comparison of image segmentation results
从图5中可以看出:分割尺度为100时,大范围的水体能够分割开来,但是部分区域将其他类型地物与水体分割为一类了,说明分割尺度过大;分割尺度为30时,出现大量破碎斑块,说明分割过于细致;分割尺度为50时,河流上方的桥梁能够与水体区分开来,同时地物也没有被分割得很破碎。随着形状因子的增加,地物的形状保存的越好,形状因子权重越小,地物斑块就越破碎,因而最佳形状因子选择0.5。
3 结果与讨论
3.1   水体提取结果
为了验证本文水体提取方法的有效性,选用湖泊、水库、入海口大江、山区为主的河流四种主要水体进行水体信息提取。保持同一实验区域各方法的分割尺度、形状尺度和紧密度一致,对影像进行多尺度分割,通过反复实验选择最佳阈值进行水体提取。同时为了直观地表现各方法水体提取的错误分布情况,将提取的结果分别与精度验证数据进行相交分析,通过正确分为非水体、误分和正确分为水体三个类别来分析各方法水体提取的效果,实验结果如图5所示。


图5   水体提取结果
Fig.5 Water extraction results
3.2   精度检验
为了验证本方法水体提取的精度,基于15米融合后影像目视解译出来的精度验证文件,对各方法提取的结果做基于混淆矩阵的精度评价(表5),表5中错误率是误分与漏分为水体之和的面积与总面积之比。另外将水体提取结果转换为KML文件导入谷歌地球进行比较,证实提取结果与实况基本吻合,MAWEI方法可用于快速提取水体信息。
表5   分类精度结果
实验区域
Test sites
精度指标
accuracy assessments
MAWEIAWEIshAWEInshMNDWI
贵阳市
Guiyang city
总体精度
Overall accuracy%
99.50%98.92%99.06%98.02%
Kappa0.98740.97290.97660.9497
错误率 Error rates0.151%0.294%0.315%0.422%
曲靖市
Qujing city
总体精度
Overall accuracy%
98.95%98.94%98.56%98.80%
Kappa0.95570.90230.85880.887
错误率 Error rates0.386%0.389%0.440%0.394%
泰安市
Taian city
总体精度
Overall accuracy%
95.86%95.38%92.23%94.00%
Kappa0.91460.90470.8380.8757
错误率 Error rates0.715%0.718%0.880%0.855%
福州汛期
Fuzhou flood season
总体精度
Overall accuracy%
96.43%96.37%95.78%96.40%
Kappa0.92850.92750.91550.928
错误率 Error rates1.439%1.488%1.447%1.487%
福州枯期
Fuzhou dry season
总体精度
Overall accuracy%
95.10%94.95%94.45%94.97%
Kappa0.9020.8990.8890.8995
错误率 Error rates1.454%1.563%1.458%1.477%
3.3   讨论
图5显示:4种方法均较好地提取了水体信息主要轮廓,且在这4个研究区中,MAWEI方法的误分情况相对较少。在背景地物复杂多样的福州闽江,这4种方法都无法完全提取细小水体,且枯期相对汛期误分现象较明显。福州枯期和汛期MAWEI指数误分现象相对其它指数较少,说明在同一地区MAWEI指数对于汛期和枯期都适用。通过贵阳市百花水库、泰安市东平湖和曲靖市南盘江的水体提取结果也证实了MAWEI指数的有效性,能够适应于不同环境条件的水体信息提取。
从精度评价的结果来看,5期影像MAWEI方法提取水体的总体精度和Kappa系数均比其他方法高些许,福州汛期和枯期四种方法的水体提取精度从高到低依次是:MAWEI、MNDWI、AWEIsh、AWEInsh;泰安市和曲靖市的水体提取精度从高到低依次是:MAWEI、AWEIsh、MNDWI、AWEInsh;贵阳市的水体提取精度从高到低依次是:MAWEI、AWEInsh、AWEIsh、MNDWI。福州汛期和枯期四种方法水体提取的错误率从低到高依次是:MAWEI、MNDWI、AWEIsh、AWEInsh;泰安市和曲靖市水体提取的错误率从低到高依次是:MAWEI、AWEIsh、MNDWI、AWEInsh;贵阳市水体提取的错误率从低到高依次是:MAWEI、AWEIsh、AWEInsh、MNDWI。
综合MAWEI指数在提取结果和精度评价两方面的情况可获悉,使用MAWEI指数对Landsat 8 OLI影像进行水体提取,相对于AWEInsh、AWEIsh和MNDWI三种指数的精度较高,能够适用于大范围的水体快速提取。
4 结论
(1)针对Landsat 8 OLI影像,在同一水体指数相同阈值情况下,e Cognition软件中的提取精度比ENVI中好,面向对象的分类方法改善了面向像素方法存在“椒盐现象”的缺点。
(2)基于AWEI提出改进的MAWEI水体指数模型,尽可能使植被、建筑和阴影的反射率处于负值最大,而水体反射率为正或负值最小,进而增大了水体与植被、建设用地和阴影的区别。通过水体提取图像、错误率和精度评价方面的比较发现,MAWEI、AWEInsh、AWEIsh和MNDWI四种指数均在最优提取阈值的情况下,MAWEI指数在这几个地区提取水体的精度最高,效果最佳。
(3)实验表明MAWEI方法能快速、有效地提取大面积水体信息,满足大面积的水体快速制图和土地利用分类的需求。对水体信息快速提取具有较强的应用价值,值得推广。基于遥感影像光谱特征的阈值型水体信息提取,阈值的选择是关键,而阈值的选择经验性较强,如何保证水体信息提取充分而又使干扰因素在可接受的范围内,要根据具体的应用和处理人员的判断而决定。虽然改进的方法能够在一定程度上提高了一定精度,但在具体应用时还是需要根据实验区域的特点针对选用,无论哪一种水体提取方法都无法既完整的提取所有水体信息,又保证无其他地类混入。可以综合多种方法针对性地去除特定地物干扰因素,如阴影、建筑等。
参考文献
杜云艳, 周成虎. 1998. 水体的遥感信息自动提取方法[J]. 遥感学报, 2(4): 264–269. [Du Y Y, Zhou C H. 1998. Automatically extracting remote sensing information for water bodies [J]. Journal of Remote Sensing, 2(4): 264–269.]
都金康, 黄永胜, 冯学智, 等. 2001. SPOT卫星影像的水体提取方法及分类研究[J]. 遥感学报, 5(3): 214–219. [Du J K, Huang Y S, Feng X Z, et al. 2001. Study on water bodies extraction and classification from SPOT image [J]. Journal of Remote Sensing, 5(3): 214–219.]
徐涵秋. 2005. 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, 9(5): 589–595. [Xu H Q. 2005. A study on information extraction of water body with the modified normalized difference water index (MNDWI) [J]. Journal of Remote Sensing, 9(5): 589–595.]
丁凤. 2009. 基于新型水体指数(NWI)进行水体信息提取的实验研究[J]. 测绘科学, 34(4): 155–157. [Ding F. 2009. Study on information extraction of water body with a new water index (NWI) [J]. Science of Surveying and Mapping, 34(4): 155–157.]
余明, 李慧. 2006. 基于SPOT影像的水体信息提取以及在湿地分类中的应用研究[J]. 遥感信息, 21(3): 44–47. [Yu M, Li H. 2006. Study on water body extraction and wetland classification based on SPOT5 images [J]. Remote Sensing Information, 21(3): 44–47.]
殷亚秋, 李家国, 余涛, 等. 2015. 基于高分辨率遥感影像的面向对象水体提取方法研究[J]. 测绘通报, (1): 81–85. [Yin Y Q, Li J G, Yu T, et al. 2015. The study of object-oriented water body extraction method based on high resolution RS image [J]. Bulletin of Surveying and Mapping, (1): 81–85.]
Gardelle J, Hiernaux P, Kergoat L, et al. 2010. Less rain, more water in ponds: A remote sensing study of the dynamics of surface waters from 1950 to present in pastoral Sahel (Gourma region, Mali) [J]. Hydrology and Earth System Sciences, 14(2): 309–324.
Proud S R, Fensholt R, Rasmussen L V, et al. 2011. Rapid response flood detection using the MSG geostationary satellite [J]. International Journal of Applied Earth Observation and Geoinformation, 13(4): 536–544.
Rundquist D C, Lawson M P, Queen L P , et al. 1987. The relationship between summer-season rainfall events and lake surface area [J]. Water Resources Bulletin, 23(3): 493-508.
McFeeters S K. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features [J]. International Journal of Remote Sensing, 17(7): 1425–1432.
Feyisa G L, Meilby H, Fensholt R, et al. 2014. Automated water extraction index: A new technique for surface water mapping using landsat imagery[J]. Remote Sensing of Environment, 140: 23–35.
Yu M, Lan T, Wang Q Q, et al. 2017. An improvement method of surface water extraction based on remote sensing data [J]. Journal of Engineering and Applied Sciences, 12(5): 1342-1346.
致谢
稿件与作者信息
聂亚文1
NIE Yawen1
余明1, 2
YU Ming1, 2
余明,E-mail: gisyuming@163.com
蓝婷1
LAN Ting1
福建省自然科学基金项目(2014J01149);福建省公益基金项目(2017R1034-4,2013R02)
Natural Science Foundation of Fujian Province of China (2014J01149); Fujian Public Welfare Fund (2017R1034-4, 2013R02)
出版历史
出版时间: 2019年4月17日 (版本1
参考文献列表中查看
地球环境学报
Journal of Earth Environment