水体光谱识别依赖波段对比与场景条件

水体通常在近红外和短波红外吸收较强，在可见光部分保留一定反射。水体指数利用这种波段差异增强水与陆地对比，但浑浊、浅水、阴影、雪和建筑会改变响应。指数是候选证据，不是无需验证的水体真值。

波段物理先于公式

清洁深水在近红外常较暗，含泥沙或藻类会提高可见光反射，浅水还混入底质。传感器波段响应不同，即使公式名称相同，数值也不完全可比。

输入应使用规定层级的反射率，并完成云、阴影和饱和筛选。直接对数字数或不同处理级产品计算，会把传感器和大气差异带入指数。

常见指数用两个波段差除以和，把结果限制在有限范围并降低整体亮度影响。分母接近零时结果不稳定，需要掩膜和数值检查。

使用绿色与近红外、绿色与短波红外会对水、植被和建成区产生不同分离效果。没有一个公式适合所有区域。

山影和高层建筑阴影也很暗，可能被识别为水。雪、云边缘、湿土与深色屋顶同样会造成混淆，需要结合地形、质量层和空间上下文。

零阈值只是常见起点，不是物理边界。水体类型、季节、太阳角度和传感器改变后，最佳阈值会移动。

阈值应使用独立参考样本选择，并在测试数据上评价查准率、召回率和面积误差。用同一批样本选阈值又报告精度会过于乐观。

自适应阈值能适应直方图变化，但区域中水体太少或存在双重阴影时可能失败。自动结果仍需质量判断。

岸边像元同时包含水与陆地，指数取决于覆盖比例和两类光谱。输出网格变细不代表真实岸线精度提高。

浪花、漂浮植被和潮滩会形成过渡。将指数硬分类为水和非水会丢失不确定性，可保留连续分数或边界置信区间。

面积统计应使用适合 CRS 的像元面积，并报告最小制图单元。孤立单像元清理会改变小池塘和窄河道，规则要按目标尺度设定。

洪水和季节性水体分析要使用一致传感器、处理版本和质量规则。云量不同会改变有效覆盖，不能把缺测当作退水。

潮位、降雨和水库调度会让同日不同时间结果不同。合成产品提高覆盖，却模糊事件日期，应保留实际观测时间。

永久水体基线可帮助识别异常，但基线本身也会变化。跨年更新要区分真实变化与算法、阈值和数据源变化。

参考样本应包括清水、浑水、浅水、湿地、阴影、雪、城市和裸土。只在典型湖面验证会夸大泛化能力。

高分辨率影像和现场资料要与卫星日期匹配。岸线快速变化时，几周时差足以产生真实差异。

薄云、气溶胶和水汽会改变到达传感器的辐射，尤其影响跨日期和跨传感器比较。若输入是顶层大气反射率，阈值往往包含当时大气条件；使用地表反射率也仍要检查校正失败像元与质量标志。不能把处理级别不同的影像直接放进同一时间序列。

岸边明亮陆地会通过点扩散和大气散射影响相邻水像元，窄河与小池塘尤为明显。太阳在水面的镜面反射可能让水体异常明亮，风浪又会改变反射方向。观测几何、岸边距离和局部纹理可帮助识别这些情况，但不能凭一个指数阈值完全消除。

山地还要考虑地形阴影与坡向。地形校正能够减少照度差异，却可能在陡坡和低太阳高度下放大噪声。质量掩膜应保留原始原因分类，使使用者知道缺口来自云、阴影、积雪还是校正失败。

不同 Landsat 或 Sentinel 传感器的波段中心、带宽和空间分辨率并不相同。即使公式名称相同，数值分布也可能系统偏移。跨传感器产品应先建立波段对应、重采样方法和重叠期校准，并保存传感器身份，不能只把所有结果合并为一个指数列。

质量位、反射率缩放因子和无数据编码必须在计算前解析。整数存储若忘记缩放，或把填充值参与差和比值，会生成看似合法的极端指数。流水线应对输入范围、分母、有效像元比例和输出直方图设置自动检查。

形态学清理、连通域筛选和岸线平滑属于制图规则，会改变面积与小水体数量。每一步应保留参数和中间结果，并在验证样本上衡量它带来的漏检与误检，而不是仅凭地图更整洁就接受。

两期水面积差包含真实变化、有效覆盖变化和分类误差。比较前应限制到共同有效区域，按像元面积计算，并对临界像元或阈值扰动给出敏感范围。若云掩膜覆盖了部分水体，不能把剩余可见面积当成完整总量。

长期序列发生传感器更替、处理集合升级或阈值调整时，应在重叠期重算并建立断点检查。无法重算历史时，产品需要标记方法变更日期，避免把处理跃迁解释为洪水、干旱或工程影响。

报告除总体精度外，还应给不同水体类型、有效覆盖、最小斑块和面积不确定性。水体指数的价值是快速提供光谱对比，可靠水图仍依赖场景阈值、质量控制和独立验证。