遥感指数法中的改进型混合水体指数MCIWI及其原理

遥感指数创建的基本原理就是在多光谱波段内，寻找出所要研究地物的最强和最弱反射波段，将强者置于分子，弱者置于分母。通过比值运算，进一步扩大二者的差距，使感兴趣的地物在所生成的指数影像上得到最大的亮度增强，而其他背景地物则受到普遍的抑制。指数创建的关键就是始终维持这种强弱关系，一旦这种强弱关系被削弱，甚至颠倒，则指数就会失效（徐涵秋，2008）。

1.归一化差异水体指数（NDWI）

由于水体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波段范围内吸收性最强，几乎无反射，因此用可见光波段和近红外波段的反差构成的NDWI可以突出影像中的水体信息。另外由于植被在近红外波段的反射率一般最强，因此采用绿光波段与近红外波段的比值可以最大程度地抑制植被的信息，从而达到突出水体信息的目的。基于此，Mcfeeters（1996）利用绿波段和近红外波段构建了归一化差异水体指数NDWI（Normalized Difference Water Index），其定义如下：

式中，Green代表绿光波段；NIR代表近红外波段。

2.改进归一水体指数（MNDWI）

Mcfeeters在构建NDWI指数时，只考虑到了植被因素，却忽略了地表的另一个重要地类——土壤/建筑物。由于后者在绿光和近红外波段的波谱特征与水体几乎一致，即在绿光的反射率高于近红外波段。因此NDWI指数中，建筑物和土壤也呈正值，有的数值还比较大，容易和水体混淆，形成噪音。尤其是利用NDWI提取有较多建筑物背景的水体，如城市中的水体，不会达到满意的效果。因此徐涵秋（2005）将NDWI指数作了修改，提出了归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）：

式中，MIR为中红外波段，如TM/ETM+的5波段。

3.混合水体指数（CIWI）

莫伟华（2007）通过分析光谱和影像特征发现，归一化植被指数NDVI（Rouse et al，1974）对植被表现最好，易于分离水体与植被信息，近红外波段的城镇光谱值最高，水体的光谱值最低，城镇和水体光谱值差异最大，易于区分水体与城镇。据此，首先用近红外波段与近红外波段均值的比值构成无量纲数MMIR，使其水体保持在低值区，城镇处于高值区，植被介于两者之间，从而增强三者之间的差异。

据此定义混合水体指数模型CIWI（Combined Index of NDVI and MMIR for Water Body Identification）：

式中，NDVI为归一化植被指数；C为放大和平移常数，以保持各类水体指数处于正值区间。

式中，NIR为近红外波段的反射率；Red为红光波段的反射率。

实际应用表明，CIWI的区分度最高，水体、植被、城镇的差异明显增大，减少了背景噪音的混淆信息，水体信息的提取精度大大提高，其效果明显优于NDWI和MNDWI。

4.改进型混合水体指数MCIWI（Modified Combined Index of NDVI and MMIR for Water Body Identification）

针对混合水体指数不易区分水体与建筑用地问题，方刚（2016）对混合水体指数进行了改进。在混合水体指数CIWI中加入两个短波红外波段与其平均值的比值，构建了改进型混合水体指数MCIWI。其计算公式为：

式中，NDVI为植被指数值；MMIR为近红外波段灰度值与其均值的比值；SWI1为短波红外1波段灰度值与其平均值的比值；SWI2为短波红外2波段灰度值与其平均值的比值。

改进型混合水体指数MCIWI模型中同时加入了近红外波段与短波红外波段，所以改进型混合水体指数可同时拥有MNDWI和CIWI的优势，即在很好地抑制建设用地、土壤噪音的同时，也能很好地抑制植被噪音。(www.xing528.com)

5.增强型水体指数EWI（Enhanced Water Index）

闫霈（2007）针对半干旱地区水体提取，基于半干涸水体在绿光波段的反射率较强，而在近红外和中红外波段的反射率弱这一特征，提出了一种增强型水体指数EWI，其表达式为：

式中：Green代表绿光波段；NIR代表近红外波段；MIR代表中红外波段。

EWI有效地解决了半干涸河道与背景噪音混淆的问题，在半干涸水体提取效果上优于NDWI和MDNWI。

6.修订型归一化水体指数RNDWI（Revised Normalized Difference Water Index）

曹荣龙（2008）在分析水体、植被和土壤3种地物类型光谱特性的基础上，构建一种新的水体指数RNDWI，该指数有利于剔除山体阴影的影响。

式中，Red代表红光波段；SIR代表短波红外波段。

与单波段法相比较，RNDWI法能够削弱混合像元因素的影响，更精确地提取水陆边界，甚至可以提取出狭窄条状水体，同时可消除山体阴影带来的影响。

7.新型水体指数NWI（New Water Index）

丁凤（2009）在对水体及其背景地物进行光谱特征分析的基础上，结合水体在近红外和中红外波段同时具有强吸收这一典型特征，利用谱间关系，提出了一种新型的水体指数NWI：

式中，Blue，NIR，SWIR1，SWIR2分别代表蓝波段、近红外波段、短波红外波段1和短波红外2；C为一常数，目的是为了将NWI的数值区间进行拉伸，使NWI指数在使用过程中不必保存过多小数位，在进行水体提取的二值分割实验时，方便阈值的确定。

NWI的构成同时采用了蓝光波段、近红外和短波红外波段，因此只适用于同时具有这几个波段的传感器影像（如Landsat系列和CEBERS系列等），对于没有蓝光波段或近、短红外波段的遥感影像（如SPOT、ALOS、ASTER、IKONOS和QuickBird等）则不适用。

8.简单比值型水体指数SRWI（Simple Ratio of Water Index）

王晴晴（2014）根据水体在近红外波段亮度值比绿波段亮度值低，其他地物的变化正好与水体的相反，裸地、植被、建筑物近红外波段亮度值比绿波段亮度值都有明显的升高，只有阴影升高的不明显。根据该特性，构建了简单比值水体指数SRWI：

式中，NIR，Green分别代表近红外波段和绿波段。

SRWI能够很好地解决城区水体提取中建筑物误提为水体的问题。受混合像元的影响，有些细小水体没能完全提取。