很多人第一次接触“图斑提取”这四个字，总觉得是测绘和遥感专业才能碰的东西。实际干过你就知道，它没想象中那么玄乎。我这几年帮朋友处理过不少类似需求：统计养殖水面面积、核算农田地块大小、给高标准农田项目做基础数据。说白了就一件事：从影像里把水塘和农田这些“块块”抠出来，再算出每块的面积，最后汇总成一张表。这个项目标题“一键批量提取水塘/农田图斑并计算面积”，我用 QGIS 从头到尾做过完整的流程，今天就把整个思路、工具、步骤和坑都摊开来讲。
先说结论：零基础完全能上手，只要会用鼠标、能看懂中文菜单，就可以照着下面的流程走通。核心链路是“遥感影像 → 水体/植被指数计算 → 阈值分割 → 栅格转矢量 → 投影校正 → 批量算面积 → 导出表格”。这套方法用在几百几千个图斑的场景下，比你手动勾绘快几十倍，而且口径统一、可复现。关键是你不需要会编程，QGIS 自带的图形化建模工具就能把整个流程串成“一键脚本”。
1. 项目思路拆解：为什么是“指数分割+转矢量+批量算面积”
1.1 先搞清楚“图斑”是什么
图斑这个词听着专业，其实就是一个闭合的多边形面，代表地面上某一块同类型区域。水塘图斑就是水面的边界，农田图斑就是某一片耕地的边界。日常工作中，这些图斑可能来自遥感影像解译、国土调查数据，也可能就是你自己拿手在屏幕上描的。传统做法是人工目视解译，拿鼠标在卫星影像上一个个描边。一个小水塘描起来一两分钟，一片农田网格描下来半小时起步，几千个图斑就是几周工作量。
这个项目的核心目标，是把“人工描边”变成“计算机自动画边”。计算机怎么知道哪里是水、哪里是田？靠的并不是“看”，靠的是不同地物在不同波段下的反射差异。水面在近红外波段几乎不反射光，农田植被在近红外波段反射率很高。只要把影像的波段做数学运算，生成一个“指数”图层，再用阈值一卡，电脑就能把水塘和农田自动分出来。
1.2 为什么要选“栅格阈值分割”而不是深度学习方法
现在 AI 很火，很多文章动辄就上深度学习、语义分割模型。但对于水塘和农田这类地物，我的建议是：零基础第一套方案别碰深度学习。原因很简单——深度学习需要标注样本、需要训练环境、需要调参，出一套可用的模型至少要两三天，出错的概率还不低。而指数阈值分割方法有二十多年的工程实践积累，结果稳定、逻辑透明、参数就一两个，出了问题能直接定位到原因。
打个比方，深度学习像“请了个经验丰富的老厨师做菜”，出品质量上限高但门槛高；阈值分割像“按照菜谱用电子秤配料”，虽然做不到米其林水平，但稳定、省事、谁都能操作。对于水塘这种边界相对清晰的地物，阈值分割产出的结果精度足够应付绝大多数工作场景。整个项目链路里最花时间的反而是数据整理和结果检查，不是算法本身。
1.3 技术路线全景图
从输入到输出，完整链路是这样的：
- 输入：多光谱遥感影像（哨兵二号、高分系列等）
- 第一步：计算水体指数（NDWI）或植被指数（NDVI）
- 第二步：设置阈值，把指数图层变成“水塘=1，其他=0”的二值栅格
- 第三步：栅格转矢量，得到面状图斑
- 第四步：投影转换，确保坐标系统是“以米为单位”的投影坐标
- 第五步：批量计算每个图斑的面积，生成统计表格
这五步看起来多，但在 QGIS 里串成模型以后，真正的人工操作只有：选影像、设阈值、点运行。效率提升的幅度，你自己跑一遍就有体感。
2. 工具选型与数据准备
2.1 为什么我用 QGIS 而不是 ArcGIS
QGIS 是开源免费的，在官网就能下载安装包，不需要破解、不需要授权文件，这对零基础用户来说太重要了。ArcGIS 当然也很强，但正版授权价格不低，破解版又容易出现各种莫名其妙的故障。如果一个教程面向零基础，那么第一道坎最好低一点。
QGIS 3.x 版本的图形化建模工具（Graphical Modeler）可以直接把整个处理流程拖拽成一张流程图，保存成模型以后每次只要换影像就能跑。这个能力放在十年前还需要写 Python 脚本，现在完全是傻瓜化操作。ArcGIS 里也有 ModelBuilder，但如果你没有现成授权，还是 QGIS 更省心。
2.2 数据源选择和获取
要做水体/农田提取，必须有光谱波段。我用得最多的免费数据源是欧空局的 Sentinel-2（哨兵二号），空间分辨率 10 米，包含可见光和近红外波段，完全够用，下载也免费。注册一下账号就能下载。对新手来说有个门槛就是大数据量下载，但用 QGIS 内置插件可以直接按区域按时间搜索下载。
选影像有几个硬性条件：
- 云量越低越好，最好小于 5%。云遮挡的地方提取结果会缺一块。
- 时间尽量选水塘水位稳定、农田作物长势清晰的月份。比如农田提取选作物旺盛期，水塘提取避开汛期。
- 如果只是做练习，可以直接用公开的影像服务，在 QGIS 里加载在线影像底图就行，省掉下载流程。但注意在线底图通常只有三波段真彩色，没有近红外波段，没法算 NDWI/NDVI，只适合做目视参考。
2.3 影像预处理的两分钟检查
很多人拿到影像就急着算指数，结果后面问题一堆。我建议你花两分钟做三件小事：
- 检查坐标系：看图层面板的属性，如果显示 WGS84 / EPSG:4326，这是经纬度坐标系，后面算面积以前必须转投影坐标系。
- 检查波段号：多光谱影像的波段排列是固定的，计算指数一定要选对波段。哨兵二号的绿波段是 B03，红波段是 B04，近红外是 B08，不同数据源波段号不同，别想当然。
- 检查栅格范围：确认影像覆盖了你关心的所有区域，避免后面导出的表格缺图斑。
提示：这个预处理环节是被很多人跳过的，但它是整个流程里出错率最高的区域。尤其是坐标系问题，晚发现不如早发现。
3. 核心原理：NDWI、NDVI 和阈值分割到底是怎么回事
3.1 用“颜色反应”来理解指数计算
你小时候玩过三棱镜吗？太阳光通过三棱镜会分解成红橙黄绿青蓝紫。卫星影像其实就是把地面反射的太阳光分解成了很多个波段，然后分别记录每个波段的亮度值。不同地物在不同波长的光下表现完全不一样。水面在绿光波段反射较多，但在近红外波段几乎不反射，像个“黑洞”；植物叶子的细胞结构会导致近红外波段反射率很高，所以农田在近红外影像上亮得刺眼。
NDWI（归一化水体指数）的公式是 (绿光波段 - 近红外波段) / (绿光波段 + 近红外波段)。它捕捉的正是“绿光反射强、近红外吸收强”这个水的特性。数值范围在 -1 到 1 之间，水体的 NDWI 通常明显大于 0，土壤和植被通常在 0 附近或更低。
NDVI（归一化植被指数）的公式是 (近红外波段 - 红光波段) / (近红外波段 + 红光波段)。它捕捉的是“近红外反射强、红光吸收强”这个植被特性。生长茂盛的农田 NDVI 通常在 0.4 到 0.8 之间，水塘的 NDVI 通常为负。
3.2 阈值分割：一把筛子决定图斑边界
指数计算完，得到的是一个连续变化的灰度图层。例如 NDWI 图层里，每个像元的值可能是 -0.23、0.05、0.32、0.61 等等。这个图层人眼很难直接用，所以你要定一个规则：大于某个值的像元算水塘，小于这个值的算其他。这个临界值就叫阈值。
阈值的选择直接决定图斑的胖瘦。阈值定得太低，岸边湿土、阴影都会被划进水塘，导致图斑虚胖；阈值定得太高，浅水区、浑浊水体会被漏掉，导致图斑偏瘦，该算的没算到。熟手看一眼直方图就能估出一个大概范围，新手可以先默认用 0.1 试跑一遍，再结合影像目视检查，反复调两三次就心里有数了。
生活化类比：阈值就像筛沙子用的筛子网眼。网眼太大，细沙子漏下去了；网眼太小，碎石头都留在上面。不同地区、不同季节的水质不一样，同一套阈值不可能永远合用。
3.3 为什么必须先转投影坐标系才能算面积
这是一个拿“血泪教训”换来的知识点。QGIS 默认的 WGS84 坐标系是经纬度坐标系，单位是度。你把一个水塘在图上的跨度大约是 0.0001 度，用这个数字直接算面积，得到的结果根本不是平方米。如果你不懂这层关系，后面面积统计会得到一个荒谬的数据。
正确的做法是把矢量图斑“投影转换”到以米为单位的投影坐标系。全球适用的方案是 UTM 投影，不同经度范围用不同的分区带。在中国通用的是 CGCS2000 高斯投影，在 QGIS 里可以按中央经线选择。说白了就是给地球表面“铺一层以米为刻度的方格纸”，再数每个图斑占了多少个方格。如果只是练习，直接用 QGIS 提供的“等面积投影”也行，比如 EPSG:6933（世界等积圆柱投影），好处是整个世界面积失真小，适合跨区域汇总。
4. 实操全流程：从影像到面积统计表
4.1 加载数据并计算 NDWI
QGIS 启动以后，先把影像拖进图层窗口。如果你是离线下载的哨兵影像，经常会有好几个栅格文件，注意选择包含 B03 和 B08 波段的那一组，或者直接用 QGIS 自动解析的产品文件。加载成功后，打开菜单栏的“栅格” → “栅格计算器”，在表达式框里输入：
("影像名称_B03" - "影像名称_B08") / ("影像名称_B03" + "影像名称_B08")注意波段命名要和图层面板显示的名字完全一致，最好直接从图层面板双击插入，不要手打。算出来的结果会自动加载为新的栅格图层，名字可以命名为 NDWI。这一步只要波段选对，不大会出问题。
实操心得：如果图层列表里有多个栅格层，建议把不需要的层先关掉，只留输入影像，免得栅格计算器自动识别范围时出错。
4.2 用重分类把指数图变成二值图
得到 NDWI 图层以后，打开菜单栏的“栅格” → “栅格计算器”，这次输入：
("NDWI@1" > 0.1) * 1这个表达式的意思是：凡是 NDWI 大于 0.1 的像元，输出值为 1，否则输出值为 0。这样你就得到了一个只有 0 和 1 两种值的图层。1 代表水塘候选区，0 代表其他区域。这个二值栅格的视觉效果很直白，你可以加载一个卫星影像底图，把二值图叠加上去，肉眼检查一下：水塘的位置是不是基本对上。
农田提取的逻辑一模一样，只是换个公式：
("NDVI@1" > 0.4) * 1NDVI 阈值要参考当时作物长势，长势好时可以设 0.5，出苗初期设 0.3 更合适。建议先跑低阈值，再看误提情况逐步收紧，比一次性设高更可控。
4.3 栅格转矢量：把“像素块”变成“边界线”
打开 QGIS 菜单栏的“栅格” → “转换” → “矢量化”，选择刚才生成的二值栅格作为输入。重点来了：在“字段名称”里填 class，这样每个多边形会带一个属性值。因为栅格只有 0 和 1 两个值，转出来的矢量层会有两类多边形。后面必须用“按表达式提取”或者“按属性选择”把值为 1 的多边形挑出来，剔除值为 0 的“背景面”。
这里有个细节容易踩坑：栅格转矢量是按像元连通性合并的。一个水塘旁边并排连着的 3 个像元会被合并成一个小面，但如果水塘中间有一两个像元因为阈值问题被划成 0，矢量结果就会变成两三个破碎的多边形。破碎图斑多了以后，统计结果会很乱，后面我们专门讲怎么清理。
4.4 投影转换：给面积计算打好地基
在矢量图斑上右键 → “导出” → “要素另存为”，把坐标系选为适合你所在区域的投影坐标系。比如你的工区在经度 117°E 附近，可以选择 CGCS2000 / 3-degree Gauss-Kruger zone 39 之类的投影，或者保守一点直接选 EPSG:6933。关键看两点：一是单位必须显示为米，二是面积计算逻辑要用投影坐标系下的几何数据。
这里还有一个进阶知识点：投影坐标系不同，同一个图斑的面积计算结果也会有细微差异。比如 UTM 投影在带内精度高，但跨带误差大；等面积投影对全世界的面积保持最好，但局部形状变形较大。如果你只是要整片区域的面积统计，等面积投影更靠谱；如果你要精确定位到街镇村层级并配合底图制图，建议选当地标准投影。
4.5 面积字段计算：批量算面积的核心步骤
打开矢量图斑的属性表，点击“打开字段计算器”，新建一个字段，名字叫 area_m2，表达式选择$area。QGIS 会自动根据图层的坐标系自动算面积，单位是平方米。如果你希望输出亩这个农口常用单位，可以再加一个字段：
$area * 0.0015因为 1 亩 = 666.67 平方米，或直接$area / 666.67。农业上的补贴核算、种植面积上报经常用亩，水塘养殖面积则习惯用亩或公顷。在输出表里同时保留平方米、亩、公顷三个字段并不多余，后面汇总不同口径时会很省事。
4.6 用图形化模型把整套流程串成“一键”
手动流程走通一次后，接下来就是把它固化成工具。打开 QGIS 菜单栏的“处理” → “图形建模器”，按以下顺序拖拽组件：
- 输入参数：选择“栅格图层”，命名为 input_raster
- 栅格计算器：计算 NDWI
- 栅格计算器：阈值二值化
- 栅格矢量化
- 按表达式提取（提取值为 1 的面）
- 字段计算器（计算面积）
- 保存图层 / 导出 CSV
保存这个模型，以后每次只需要输入一个新的影像路径，点一下运行，输出就是带面积字段的矢量图层和统计表格。这比每次都重复点菜单快得多，也避免了漏步骤。如果你还想再进阶一步，可以把模型导出为 Python 脚本，放到 QGIS 的批处理工具里，一次处理几十个影像瓦片。
注意：图形化模型里不同版本 QGIS 的组件名称略有不同，如果你用的版本菜单名称变了，搜索“modeler”插件或“图形建模”就能找到。建议动手操作前先看一眼界面版本号。
5. 常见问题与排查技巧实录
5.1 提取出来的图斑全是碎屑，没法用
这个问题十个人里有八个会遇到。主要原因是原始影像存在椒盐噪声，加上阈值边缘的像元稳定性差，导致矢量结果出现大量孤立小块。解决办法有三个：
- 在栅格转矢量之前，先对二值栅格做“众数滤波”，把孤立的噪声像元洗掉。QGIS 的“焦点统计”工具可以按 3×3 窗口取众数，效果显著。
- 在矢量化之后，用“按表达式提取要素”配合面积字段过滤，只保留面积大于某个值的图斑。比如一个 10 米分辨率影像的像元是 100 平方米，一片连续水面至少要有 10 个像元才有意义，那就把面积小于 1000 平方米的图斑删掉。
- 用“消除（Eliminate）”工具把低于面积阈值的多边形合并到相邻的最大多边形，而不是简单删除。这样图斑总数不变，只是把碎块归并了。
5.2 面积算出来大得离谱或小得离谱
先别急着怀疑算法，九成概率出在坐标系上。如果图层面板显示 EPSG:4326，意味着当前图层单位是度，用$area计算就会得到错误数值。解决方法是重新投影成以米为单位的坐标系后，再算一次面积。
还有一个隐蔽问题：影像本身坐标系就是错的，比如某份数据虽然标注了 CGCS2000，但实际上坐标值偏移了几百米，这会导致矢量和底图对不上。遇到这种情况，要靠少数已知点做地理配准，或者用“对齐栅格”功能重新定义坐标系。新手建议优先使用正规下载的哨兵影像，坐标精度是可靠的。
5.3 水体提取成了“地图高亮区”，农田反而丢了
NDWI 有个经典陷阱：城市建筑阴影、山体阴影也会在指数上表现为正值，被误判为水。如果你发现提取结果里城市阴影成片，说明阈值偏低。把阈值从 0.1 提到 0.2 或 0.3，通常能明显减少阴影误提。水体浑浊时则相反，阈值可能要适当放宽。
农田提取的难点是季节。如果你拿的是冬季影像，农田要么是裸土要么是枯茬，NDVI 偏低，提取结果惨不忍睹。最保险的办法是下载作物生长期（比如玉米抽雄期、水稻分蘖期）的影像。工作排期允许的话，最好选“作物生长最旺盛”的一期数据做提取，而不是随便下载一景就开干。
5.4 处理多个乡镇、多个影像时格式混乱
当你需要处理几十个影像文件时，建议建一个固定目录结构：
项目根目录/ ├── 原始影像/ │ ├── 乡镇A/ │ └── 乡镇B/ ├── 中间结果/ │ ├── NDWI/ │ └── 二值栅格/ ├── 成果输出/ │ └── 图斑面积表/每一级输出命名必须包含乡镇名和日期，例如 NDWI_XX镇_20240615。很多人做到后面发现找不到某个图层是哪一块地的，就是因为命名太随意。我自己的经验是：宁可名字长，不可信息缺。
6. 扩展思路：从“能跑通”到“能交差”
6.1 做一张多期对比分析
如果你能拿到同一个区域不同月份的影像，用同一套流程分别提取水塘图斑，然后做叠加分析，就能看出哪些水面面积在扩大、哪些在缩小。这对养殖水面管理、生态监测场景很有用。操作上只需要把两次提取的矢量层做“交集”和“对称差”，再统计面积变化量。流程本身已经模型化，多期影像处理只是多跑几次模型的事。
6.2 汇总统计并制作成果表
获得每个图斑的面积字段后，按需求做分组统计。比如按行政村合并，可以使用“按位置连接”工具统计各村范围内的水塘总面积，也可以用“字段统计”插件直接按图斑编号汇总。导出结果为 CSV 或 Excel，就能直接作为项目汇报附件。如果你希望出图，把图斑层叠加到影像底图下，用“打印布局”做一个 A3 专题图，标注图斑编号和面积，一张成果图就成型了。
6.3 实地抽样验证结果
我不主张把自动提取结果直接当最终结论。批量流程的优点是可复现、可追溯，但影像解译的“同物异谱、异物同谱”问题永远存在。最稳妥的做法是拿 5% 到 10% 的图斑做实地抽样，用 GPS 打点或用高分辨率影像目视核查，确认水分提取正确率在可接受范围内。验证结果记录在一个检查表里，这个过程同样可以批量操作。
最后分享一点个人体会。我最早做这类项目时，花了整整一天手工描了几十个鱼塘，晚上眼睛都花了。后来学会用栅格指数和模型化流程，同样的工作量从一天缩短到半小时。这套流程的核心价值不在于“算法多先进”，而在于它把脏活累活交给了计算机，把人的时间留给真正需要判断的地方——比如参数调整、结果检查、异常复核。如果你手里刚好有批水塘或农田的统计任务，千万别上来就手动画线，先花半小时搭一个上面说的模型，后面省下的时间按天算。要记住：第一次跑模型出的结果一定不完美，但只要你学会看直方图、调阈值、做过滤，三次迭代内效果基本能逼近人工水平。等你在自己的数据上跑通一遍，这套流程就真正变成你自己的工具了。
