### 使用Python实现水体提取 为了使用Python进行水体提取，通常会采用遥感影像处理库如`rasterio`、`numpy`以及机器学习框架如`scikit-image`。下面介绍一种基于归一化差异水体指数（NDWI）的方法，并提供相应的代码示例。 #### 方法概述 NDWI是一种常用的水体识别指标，其计算方式为： \[ NDWI = \frac{(Green - NIR)}{(Green + NIR)} \] 其中Green代表绿波段反射率，NIR表示近红外波段反射率。当像素处存在水面时，该位置的NDWI值较高；反之则较低。设定一个合理的阈值可以区分水域和其他地物类型[^1]。 #### Python代码实现 以下是完整的Python脚本，展示了如何读取Sentinel-2卫星图像并执行上述过程来获取二值化的水体掩膜图层。 ```python import numpy as np import rasterio from skimage import filters, measure, morphology def load_image(image_path): """加载多光谱TIF文件""" with rasterio.open(image_path) as src: green_band = src.read(3).astype(float) # Sentinel-2第3波段对应绿色 nir_band = src.read(8).astype(float) # Sentinel-2第8波段对应近红外 return green_band, nir_band def calculate_ndwi(green, nir): """计算NDWI""" ndwi_array = (green - nir) / (green + nir) # 处理除零错误的情况 mask = ~np.isfinite(ndwi_array) ndwi_array[mask] = 0 return ndwi_array def apply_thresholding(ndwi, threshold=0.4): """应用阈值分割得到水体掩码""" binary_mask = ndwi >= threshold # 后处理去除噪声点 cleaned_mask = morphology.remove_small_objects(binary_mask.astype(bool), min_size=64) return cleaned_mask if __name__ == "__main__": input_tiff = "sample_data/sentinel2_example.tif" output_png = "water_map.png" # 步骤1：加载原始影像数据 green, nir = load_image(input_tiff) # 步骤2：计算NDWI ndwi_result = calculate_ndwi(green, nir) # 步骤3：设置阈值得到最终结果 water_mask = apply_thresholding(ndwi_result) # 可视化保存成果 from matplotlib import pyplot as plt plt.imshow(water_mask, cmap='Blues') plt.axis('off') plt.savefig(output_png, bbox_inches='tight', pad_inches=0, dpi=300) ``` 此程序首先定义了一些辅助函数用于加载TIFF格式的数据集、计算NDWI以及实施简单的形态学滤波以改善输出质量。最后部分则是具体的流程控制逻辑，包括调用前面提到的功能模块完成整个任务链路。