基于光学遥感的内陆地表水体提取综述

冯思维, 杨清华, 贾伟洁, 王梦飞, 刘蕾

Information extraction of inland surface water bodies based on optical remote sensing:A review

FENG Siwei, YANG Qinghua, JIA Weijie, WANG Mengfei, LIU Lei

表2 常用水体指数及其优缺点

Tab.2 Common water body indices and their advantages and disadvantages

名称	计算公式^①	参考文献	时间	优点	缺点
NDWI	$N D W I = \frac{G - N I R}{G + N I R}$	McFeeters^[33]	1996年	能够有效增强水体光谱特征	容易混淆水体与城镇建筑信息
MNDWI	$M N D W I = \frac{G - M I R}{G + M I R}$	徐涵秋^[34]	2005年	加强了水体与建筑物等噪声的反差	容易混淆水体和阴影
EWI	$E W I = \frac{G - N I R - M I R}{G + N I R + M I R}$	闫霈等^[35]	2007年	可有效地区分半干涸河道与背景噪音	不适用于无中红外波段的传感器影像
NWI	$N W I = \frac{B - (N I R + S W I R 1 + S W I R 2)}{B + (N I R + S W I R 1 + S W I R 2)} C$	丁凤^[36]	2009年	利用了水体在Landsat ETM+B7的强吸收特性	不适用于无中红外波段的传感器影像
AWEI_nsh/AWEI_sh	$A W E I_{n s h} = 4 (G - S W I R 1) - (0.25 N I R + 2.75 S W I R 2)$ $A W E I_{s h} = B + 2.5 G - 1.5 (N I R + S W I R 1) - 0.25 S W I R 2$	Feyisa等^[37]	2014年	可提供较稳定的分割阈值	不适用于如冰雪、白色建筑物等高反射率的地物
WI2015	$\begin{array}{l} W I 2015 = 1.720 ? 4 + 171 G + 3 R - 70 N I R - 45 S W I R 1 - \\ 71 S W I R 2 \end{array}$	Fisher等^[38]	2015年	可区分多种水体类型且遗漏误差较低	分类需要多层决策且阈值设定较为主观
MBWI	$M B W I = 2 R - N I R - S W I R 1 - T I R - S W I R 2$	王小标等^[39]	2018年	可用于提取复杂地表环境下的水体	不适用于细小水体
NDMBWI	$N D M B W I = \frac{3 G - B + 2 R - 5 N I R}{3 G + B + 2 R + 5 N I R}$	邓开元等^[40]	2021年	可有效排除雪、云、阴影的影响	最优阈值不能一直保持在0
GRN-WI	$G R N W I = G + R - 2 N I R$	雷盛磊等^[41]	2022年	能够有效抑制冰雪、阴影等噪声	对于GF等数据源的有效性尚未验证
RWI	$R W I = \frac{(B 3 + B 5) - (B 8 + B 8 A + B 12)}{(B 3 + B 5) + (B 8 + B 8 A + B 12)}$	吴庆双等^[42]	2019年	可以有效提取细小水体	需要用到植被红边波段,不适用于其他传感器
CWI	$C W I = 3 N I R - G - B$	王春霞等^[43]	2022年	能应对复杂环境,减少阴影、建筑物等影响	需要结合图像分割以抑制噪声
TWI	$T W I = \frac{2.84 (B 5 - B 6)}{B 3 + B 12} + \frac{1.25 (B 3 - B 2) - (B 8 - B 2)}{B 8 + 1.25 B 3 - 0.25 B 2}$	Niu等^[44]	2022年	可提高提取以不同水量为特征的水体的准确性	针对Sentinel的光谱设计特点定制,对于其他数据源的适用性有待验证