NDWI和MNDWI有何区别?城市水体该选谁?

作者： GIS研习社更新时间：2025-12-15 17:00:56 分类：GIS基础理论

城市水体提取总“漏检”？你可能选错了指数

上周一位在读硕士私信我：“Dr. Gis，我用NDWI提取城市湖泊，结果把大片屋顶和水泥地也识别成水了，导师说方法有问题……”——这几乎是每个遥感新手都会踩的坑。别慌，今天我就带你彻底搞懂NDWI与MNDWI这对“双胞胎”，让你下次选型不再抓瞎。

NDWI：那个“老好人”但眼神不太好的前辈

NDWI（归一化差值水体指数）诞生于1996年，由McFeeters提出。它的公式简单粗暴：(Green - NIR) / (Green + NIR)。核心思想是：水体在绿光波段反射强，在近红外（NIR）吸收强——所以“绿光减近红外”的差值越大，越可能是水。

我在深圳做海绵城市评估时吃过亏：用Landsat 8的Band3（绿光）和Band5（NIR）算NDWI，结果商业区玻璃幕墙全被误判为“水体”。因为玻璃在绿光波段反射率极高，而NIR吸收也不彻底——算法傻傻分不清“真水”和“假亮”。

MNDWI：专治城市“水体误诊”的改良版

2006年，徐涵秋教授看不下去了，推出MNDWI（改进型归一化差值水体指数）。他干了一件关键的事：**把分母里的“近红外”换成“中红外”（MIR）**。公式变为：(Green - MIR) / (Green + MIR)。

为什么换？因为中红外波段（如Landsat 8的Band6）对水体的吸收能力比近红外更强！而混凝土、沥青、玻璃等人工地物在中红外的反射率反而更高。这一换，相当于给算法戴上了“防眩光眼镜”——水体依然很“黑”（低反射），但那些冒充水体的亮面建材突然“现原形”了。

特征对比	NDWI	MNDWI
适用场景	自然水体（湖泊、河流）	城市水体、含悬浮物水体
抗干扰能力	弱（易混淆建筑/阴影）	强（压制人工地物）
推荐传感器	Landsat, Sentinel-2	Landsat, Sentinel-2

实战指南：三步选出你的“本命指数”

Step 1：看研究区——有高楼吗？
如果你要提取的是郊区水库或山区河流，NDWI足够用；但只要画面里出现密集建筑群，闭眼选MNDWI。

Step 2：看数据源——波段配对别搞错
以Landsat 8为例：
- NDWI = (B3 - B5) / (B3 + B5)
- MNDWI = (B3 - B6) / (B3 + B6)
（Sentinel-2对应B3/B8A和B3/B11）

# Python伪代码示例（使用rasterio）
import rasterio
from rasterio.plot import show

with rasterio.open('LC08.tif') as src:
    green = src.read(3)  # Band3
    nir = src.read(5)    # Band5 for NDWI
    mir = src.read(6)    # Band6 for MNDWI
    
    ndwi = (green - nir) / (green + nir)
    mndwi = (green - mir) / (green + mir)
    
    # 可视化对比
    show(ndwi, cmap='Blues', title='NDWI')
    show(mndwi, cmap='Blues', title='MNDWI')

Step 3：阈值调试——别信默认值
无论哪个指数，最终都要设阈值二值化。我的经验：MNDWI阈值通常比NDWI高0.1~0.2（比如NDWI用0.3，MNDWI试试0.4）。建议用直方图观察水体与背景的“谷值”位置。