近年来,由于地球上干旱洪涝等自然灾害的频繁发生,全球水资源环境遭到严重破坏,地表水资源已成为我国重点保护对象之一。对于地表水资源的勘察,在各个不同领域中都是一个值得探讨的课题,例如江河湖水库管理、淡水湿地保护、地表泾流调蓄和水资源质量评估等。随着遥感技术的不断发展,利用遥感技术获取地表水信息得到了越来越普遍的应用,遥感技术具有同步观测范围广、获取信息周期短的特点,可以快速准确地对地表水信息进行获取、监测和调查。适时掌握地表水信息,并及时采取相应措施对水资源进行合理地规划和保护起着至关重要的作用。目前,用于遥感图像水体信息提取的主要方法有最大类间法、水体指数法、谱间关系法等。由于遥感图像中广西桂林“喀斯特”地貌地形山体阴影和水体信息往往存在“异物同谱”的现象,很难保证对水体信息提取的精度。利用传统方法对遥感图像进行水体提取时往往将山体阴影误识别为水体信息,因此,水体信息提取的准确率难以达到理想的效果。基于上述方法的不足,本文选取覆盖广西桂林城区和漓江流域的两幅Landsat-8遥感图像,研究提取“喀斯特”地形水体信息的适用算法。为了减弱“异物同谱”现象对后续水体的提取造成干扰,首先搭建不同的分类器分别识别出遥感图像中山体阴影和水体信息。论文的主要工作有:(1)通过对原始的遥感图像进行预处理,融合最佳波段组合合成假彩色图像。获取训练样本数据集,提取遥感图像的颜色特征和几何特征,融合多特征搭建决策树、随机森林和支持向量机模型对遥感图像中的山体阴影和水体信息进行分类,并对三种分类算法的实验结果进行对比分析。(2)改进XGBoost算法融合多特征对遥感图像水体与山体阴影进行分类。将交叉验证与网格搜索相结合应用于XGBoost算法中,以参数平均误差最小化为最终目标。避免训练样本的随机抽样对算法性能造成的影响,提高了参数优选的准确性。CVGS-XGBoost分类算法与决策树算法、随机森林算法和支持向量机的分类结果相比,CVGS-XGBoost分类算法能充分提取遥感图像中水体与山体阴影信息,总体分类精度高达93.9%,为后续进一步提取水体奠定了基础。(3)为进一步提取遥感图像中的水体信息,在CVGS-XGBoost分类算法基础上与HSI空间变换相结合构建新型的遥感图像水体提取算法。该算法首先通过CVGS-XGBoost算法对遥感图像的水体和山体阴影进行分类,接着去除图像中的山体阴影,然后将结果转换到HSI空间对图像进行分离,在I空间下对图像中的水体信息进行形态学操作,得到最终的水体提取结果。同时对比了基于决策树算法、随机森林算法、支持向量机结合HSI空间变换的遥感图像水体提取结果,实验结果表明,CVGS-XGBoost结合HSI空间变换的水体提取算法在水体识别上具有较高的准确率,水体识别准确率高达98.4%,高于目前现有论文的研究结果。综上所述,本文改进算法因其在水体提取过程中具有高精度、适用性和鲁棒性等优势,可为水资源保护的遥感监测提供科学数据。