基于Sentinel-2超分辨率影像的干旱区水体提取方法

摘要

针对干旱区复杂环境下水体光谱特性空间差异大、水体提取方法适用性差的问题,本研究基于Sentinel-2卫星多光谱数据,通过超分辨率算法重建10 m空间分辨率多光谱影像,将短波红外(Short-wave infrared,SWIR)重建波段、近红外(Near-infrared,NIR)重建波段作为水体识别特征波段,在此基础上采用超像素分割算法识别水体像元,基于24种光谱指数、支持向量机(Support vector machine,SVM)、神经网络(Neural network,NN)、K-means共构建60种水体提取方法,采用总体精度(Overall accuracy,OA)、准确率(Precision)、F1值、马修斯相关系数(Matthews correlation coefficient,MCC)等水体提取精度指标进行综合评价,以黑河流域为典型研究区,确定干旱区最佳水体提取方法。结果表明,基于Sentinel-2绿色波段(中心波长为560 nm)与超分辨率重建短波红外波段(中心波长为1610 nm)构建的改进的归一化水体指数方法,显著增强水体提取时对干旱区细小水体、阴影、云层像元识别能力,水体提取总体精度为99.81%,准确率为92.04%,F1值为88.02%,G-mean、马修斯相关系数均大于0.88,水体提取精度优于其他方法。研究结果可快速精准地提取干旱区水体,为干旱区水体应用领域提供理论支持。