洪水災害是當今世界上造成損失最大的自然災害之一，在洪澇災害發生時，如何快速、動態、準確地提取水體資訊，確定洪水淹沒區域和受災程度，為政府開展救援工作提供及時而準確資訊，具有十分重要的意義。遙感技術以其高重複頻率和大範圍觀測能力，能為決策部門提供了大量的洪澇地區淹沒過程的實時資訊。

應用遙感技術監測水面積變化的技術方法和流程有很多，下面介紹一種較為實用和簡單的方法。

歸一化水指數模型

  Mcfeeters提出的歸一化差異水體指數（簡稱歸一化水指數）NDWI(Normalized Difference Water Index)便是其中之一 ,其公式如下:

NDWI = (B_Green - B_NIR

式中, B_Green代表綠光波段; B_NIR代表近紅外波段。

模型的基本原理：由於水體的反射從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波長範圍內吸收性最強，幾乎無反射。因此用可見光波段和近紅外波段的反差構成的NDWI可以突出影像中的水體資訊（水體的NDWI值大）。另外由於植被在近紅外波段的反射率一般最強，因此採用綠光波段與近紅外波段的比值可以最大程度地抑制植被的資訊，從而達到突出水體資訊的目的。這也是Mcfeeters選用近紅外波段構建該指數的原因。

Mcfeeters模型考慮到植被的影響，後來很多學者又將土壤、建築物等因素考慮進去，提出一些改進型的歸一化水指數（徐涵秋）：

MNDWI= (B_Green – B_SWIR ) / (B_Green +B_SWIR )

B_SWIR表示中紅外波段。

Wilson等又提出(B_NIR – B_SWIR ) / (B_NIR +B_SWIR )用於研究植被的水分及土壤溼度等。

技術流程

基本原理與流程：分別計算洪災前影像和洪災後影像的NDWI，對兩個時相的NDWI做差值運算，選擇閾值對NDWI差值影象進行分類，如NDWI差值為正表示水體增加，可認為洪水淹沒區。詳細流程如下圖：

圖1 監測流程圖

影象配準：兩個時相影像精確的空間配準是整個流程的前提。

NDWI計算：可根據資料情況（如：是否包括中紅外波段）和主要地表覆蓋型別（植被、建築物、裸土等）選擇不同的計算模型。

分類閾值確定：理想情況是NDWI差值大於0為水體淹沒區，由於其他地表覆蓋型別的干擾，這個閾值往往不為0。可選擇一些演算法自動計算，再結合目視預覽效果進行調節。

影象分類及後處理：選擇大於“分類閾值”的區域作為輸出結果。最初結果中往往包括一些“小圖斑”，選擇性的對這些小圖斑進行剔除。

為了滿足應急救災的需求，整個流程應該在統一介面下流程化完成。

詳細實現步驟

直接使用ENVI流程化變化監測工具Image Change Workflow完成整個流程。Image Change Workflow工具採用嚮導式操作，詳細過程如下：

(1)      啟動ENVI，並開啟兩個時相的影像檔案。

(2)      在Toolbox中，開啟/Change Detection/Image Change Workflow，分別為Time1 File選擇災前影像，Time2 File選擇災後影像，單擊Next進入Image Co-Registration面板。

圖2選擇前後時相的影像

(3)      這一步選擇是否執行影象配準。如果影象沒有精確配準，可選擇自動選擇同名點執行影象配準。單擊Next進入Change Method Choice面板

(4)      在Change Method Choice面板中，選擇Image Difference，單擊Next進入Image Difference面板。

圖3 影象配準選項

(5)      在Image Difference面板中，選擇Difference of Feature Index，之後選擇Water Index(NDWI)。

(6)      在Advanced選項中，預設為Band1和Band2選擇了相應的波段。這裡計算公式為：(Band2 - Band1) / (Band2 + Band1)。根據資料的實際情況選擇波段。

(7)      單擊Next進入Thresholding or Export面板，直接選擇Apply Thresholding後，單擊Next進入Change Thresholding面板。

圖4 計算NDWI及差值

(8)      在Change Thresholding面板中，選擇感興趣的變化：Increase Only（增加）。提供了四種自動計算閾值方法，選擇Otsu’s，勾選Preview預覽結果分類結果。在Manual選項中可以手動調整閾值。

(9)      單擊Next進入ClearUp面板。

圖5 確定分類閾值

(10)  在Cleanup面板中，提供平滑濾波和畫素聚合處理，將結果中的“小圖斑”去除或者合併。

(11)  單擊Next進入Export面板，結果可輸出為向量或者單波段的分類結果。

圖6 分類後處理

圖7 輸出結果