《表1 基于水体指数与阈值的水体提取算法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《陆表水体遥感监测研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

相对于前三类算法，基于水体指数与阈值的算法应用更为广泛。该类算法经历了一系列的改进与创新。Crist[19-20]基于Landsat数据，提出了Tasseled Cap Wetness(TCW）指数，并用0作为区分水体与非水体的阈值。McFeeters[21]提出了Normalized Difference Water Index(NDWI）指数，即利用绿光波段的反射率减去近红外波段的反射率的值除以这二者之和得到的，水体的值大于0而非水体的值小于0。然而NDWI不能有效滤除建筑用地噪声，提取的结果可能包含了建筑用地。基于NDWI的思想，徐涵秋[22-23]提出了modified Normalized Difference Water Index(mNDWI）指数，与NDWI的区别在于它用短波红外波段代替了NDWI中的近红外波段，结果表明该指数能够更有效地消除阴影对水体的影响。然而，该指数的最佳阈值在不同时间、不同水体环境下是波动变化的，因此统一的阈值设定对于不同地区的水体提取效果不同[24]。随后，Beeri等[25]将3个水体指数Sum457、ND5723、ND571结合起来提出了一个新的算法SNN，其中Sum457是Al-Khudhairy等[26]提出的，ND5723和ND571可以进一步减少气溶胶和其他大气物质的影响。Feyisa等[27]提出了Automated Water Extraction Index(AWEI）指数，并根据研究区有无阴影进一步细分出了AWEIsh（有阴影）和AWEInsh（无阴影）。Menarguez[28]基于水体指数Land Surface Water Index(LSWI）、NDWI、mNDWI、与植被指数Normalized Difference Vegetation Index(NDVI）和Enhanced Vegetation Index(EVI）提出了另一种新的水体提取算法，结果表明这种集成的方法对水体信号更为敏感。有关各算法的详细信息见表1。