基于Landsat TM影像的山地冰川信息提取技术研究

赵健赟，彭军还

(1.中国地质大学(北京) 土地科学技术学院， 北京 100083； 2.青海大学 地质工程系， 西宁 810016)



基于Landsat TM影像的山地冰川信息提取技术研究

赵健赟1，2*，彭军还1

(1.中国地质大学(北京) 土地科学技术学院， 北京 100083； 2.青海大学 地质工程系， 西宁 810016)

以老虎沟冰川为例，在分析Landsat TM图像特征及其相互关系的基础上，研究多种冰川信息提取方法.结果表明，Otsu自动阈值法可有效降低主观因素影响，Slope等多元信息的融合有利于提高分类精度和降低斑点噪声，基于图像多尺度分割的面向对象法综合利用了图像光谱、纹理等特征，比基于像元的分类法总体精度最大提高2.47%，错分率最大降低2.50%，可显著抑制 “椒盐”和“毛刺”效应.

多元信息融合; 面向对象; Otsu自动阈值; Slope; 冰川提取

冰川是冰冻圈的重要组成部分，也是气候变化的记录器和指示器，对地表径流、海平面变化以及大气环流有重要影响[1,2].在气候变暖的背景下，全球大部分冰川出现退缩，且近几十年来呈现加剧趋势，大量小冰川将在本世纪完全消失[3].中国目前拥有冰川面积约51 800 km2，约占0.54%的国土面积，4/5以上分布在海拔4 500～6 500 m之间的中国西部山系，是中国极其重要的固体水资源[4-5].因此，对山地冰川及其变化的研究具有重要的科学和现实意义，近年来受到政府和学术界的广泛关注和研究.

山地冰川地处偏远，气候环境相对恶劣，交通条件极为不便，遥感已经成为其信息提取的主要技术手段.传统的目视解译方法虽具有较高的精度，但工作量大，生产效率下，不易推广.目前，针对计算机自动、半自动化冰川信息提取技术的研究已经取得了一定的成果，如Paul研究发现TM4/TM5能有效识别阴影下的冰川，高分辨率和中分辨率遥感影像在识别洁冰中精度相差不大，差异值在5%左右，而表碛覆盖冰川的识别精度主要取决于影像分辨率，差异值在30%以上[2]，Sidjk研究发现PC2-4、TM4/TM5和NDSI的组合方法能较好的处理阴影区和表碛覆盖冰川[6]，上官东辉等研究表明K-L变换可用于表碛覆盖冰川增强，但不易提取阴影区冰川[7]，等.这些方法并不具有通用性，积雪、冰碛、阴影等问题依然存在，发展更为先进的冰川信息提取技术是其重要方向[7].本文以祁连山脉老虎沟冰川为例，利用Landsat TM、DEM等数据，对基于像元和面向对象的冰川信息提取方法进行分析和研究.

1 研究区概况与数据

老虎沟冰川位于祁连山西段大雪山地区(图1)，属于典型的极大陆型冰川，其12号冰川是祁连山最大的山谷冰川，末端位于海拔4 260 m 处，东西两支冰川在海拔4 550 m处汇合，受亚洲中部荒漠影响， 具有典型的大陆性气候特征， 夏季平均气温超过0℃，冬季严寒，且低温持续时间长，降水受西风作用，以局地降水为主，集中在5～9月[8].

图1 研究区位置与冰川分布Fig.1 Location and Glacier Distribution of Research Area

遥感影像采用2009年9月1日(行列号：136/033)的Landsat TM数据，DEM采用美国航空航天局SRTM 90 m DEM Version 4数据.对TM数据进行裁切，对DEM数据经异常值剔除后，计算获得研究区坡度(Slope)数据.所有数据统一采用Albers等面积投影(南标准纬线：25°N；北标准纬线：47°N；中央经线：105°E).

2 基于像元的冰川信息提取

基于像元的冰川信息提取主要有非监督分类法、监督分类法、主成分分析法、归一化雪盖指数(Normalized Difference Snow Index，NDSI)法和比值阈值法等.考虑到非监督分类法提取冰川信息精度明显低于监督分类法[7]，在此不再讨论.

监督分类法是依据选定的训练样本，按照特定的机器学习法则对图像所有像元进行判别计算，从而实现地物信息的分类和提取.对研究区TM假彩色合成(543波段)数据进行分析发现冰川中部呈亮蓝色，冰舌及其周缘部分呈深蓝色，裸岩呈亮红色，阴影区裸岩呈暗红色.因此，考虑首先将图像分为冰川、冰舌、裸岩和阴影四类，再合并为冰川和非冰川两类.分别选择四类地物的训练样本，样本可分离度最小为1.997，均符合要求，然后利用贝叶斯分类法对研究区地物进行监督分类.

TM各波段间存在较强的相关性(表1)，数据冗余度较高，而主成分变换通过对数据的协方差矩阵进行特征值分解，其特征向量对应数据的主成分，特征值对应数据在各个主成分上的权重，变换后各主成分分量相互独立[9].对图像进行主成分变换，第一主成分占到93.56%的信息量，第一、二主成分(PCA2)占到97.72%.因此，对前两个主成分依据上述样本进行贝叶斯监督分类.

表1 TM数据各波段间的相关系数

NDSI法是利用冰雪在可见光和近红外波段的光谱差异特征提取冰川信息，对于Landsat 5 TM数据，其计算方法如下[7,10]：

图2 研究区NDSI频率直方图Fig.2 Histogram of NDSI in research area

从研究区NDSI频率直方图可以看出(图2)，冰川集中分布在0.6～0.9之间，而非冰川区域的NDSI值多为负值.经多次实验对比分析，最终确定NDSI阈值为0.32.

根据冰盖、裸岩、阴影和冰舌的图像特征(图3)，冰盖、冰舌在B5、B3段与裸岩、阴影存在较大差异，因此可以利用其比值提取冰川信息.由比值频率直方图可知(图4)，冰川区域的比值主要集中在0.2以下，而非冰川区域主要分布在0.8～1.4之间.多次实验后确定阈值为0.35.

图3 研究区地物DN值特征Fig.3 DN value characteristics of the ground objects

图4 研究区比值频率直方图Fig.4 Histogram of ratio in research area

由于上述NDSI和比值阈值法均需要通过人机交互实验确定最佳分割阈值，信息提取受主观因素影响较大，因此本研究提出利用Otsu自动阈值法提取冰川信息.该方法基于对图像灰度直方图的统计分析，计算两类出现的概率及其均值，获得最大的类间方差确定最佳阈值[11]，计算实现过程不再赘述，利用Otsu自动阈值法确定的最佳阈值为0.54.

主成分分析、NDSI及比值阈值法提取冰川信息均只单纯利用了图像的波段特征和信息，为获得综合利用多元信息的图像分类结果，将占93.56%信息量的第一主成分(PCA1)、NDSI、比值(B5/B3)和基于DEM获得的Slope图像进行融合，利用学习样本对其进行贝叶斯监督分类.

3 面向对象的冰川信息提取

面向对象分类技术针对图像分割的同质图斑，发掘图像知识信息，结合光谱、纹理、空间等特征，建立规则实现图像分类[10]，流程如图5所示.

图5 面向对象图像分类流程Fig.5 Object-oriented image classification flow

通过对图像的多尺度分割，将同质像元分割为相同对象体，由于地物格局对尺度的依赖性，需要交互选择最佳尺度参数[12-13].对上述多元信息合成图像进行多次实验后最终确定研究区冰川信息提取的分割尺度为40，合并阈值为80.同时，提取图像光谱、纹理的均值等特征，建立如下规则进行分类(表2).

表2 面向对象分类规则集

4 分析与讨论

上述基于像元和面向对象的冰川信息提取方法分类结果如图6(a)～(g)所示.对Google Earth下载的TM同期高分辨率影像进行人工解译(图6(h))，统计老虎沟12号冰川解译面积为20.82 km2，与同期的大地测量面积(21.03 km2)相比[14]，误差为-0.98%.因此，目视解译成果可靠，将其整体作为检验样本数据，对各方法的分类结果进行检验，获得各自的混淆矩阵和分类精度(表3).

图6 基于像元和面向对象的分类结果图Fig.6 Classification results of pixel and object based methods

在基于像元的分类方法中，Otsu自动阈值分类精度虽然比主成分分析法、NDSI法和比值阈值法略低，但研究发现其精度受研究区冰川和非冰川的面积比例影响较大，当二者面积均衡时，分类精度较高.但该方法能有效避免其它方法确定阈值过程中的主观性，减少由于缺乏经验造成的错分现象，可以在适当区域或确定阈值初值时使用.

Slope信息在冰川提取中发挥有效作用.融合研究区假彩色和Slope图像进行监督分类，比单纯利用假彩色图像分类总体精度提高1.77%.在研究区Slope图像上，老虎沟12号冰川存在明显的判读范围(平均坡度13.5°)，Adina等研究也发现Slope信息是冰碛覆盖冰川提取的关键因素[15].

表3 基于像元和面向对象的分类精度统计

各分类方法的总体精度位于94%～96%之间，且除了直接利用假彩色图像的贝叶斯分类法之外，其它方法的分类精度非常接近，差异性并不显著，说明在冰川信息提取中，像元分类法和面向对象分类法都具有适用性.但是，将基于像元的贝叶斯和多元信息融合监督分类结果、面向对象分类结果和地面样本数据均转换为Shp格式并统计小于10 000 m2的图斑(表4)，发现面向对象分类法可显著减少像元分类法中存在的斑点噪声，而多元信息的融合对于改善像元法分类结果也有明显的作用.

表4 基于像元和面向对象分类结果的图斑统计

像元分类法要结合影像的色调、纹理和分布等特征进行判读，需要更多的专家经验知识，但分类算法简单，易于实现，速度比面向对象法快，且对所确定的阈值不太敏感[16]，大范围冰川提取效率高.面向对象冰川信息提取对图像分割、合并尺度和精度的依赖性较高，运算量大，对计算机性能和内存要求高，软件成本昂贵，选取最佳规则花费的时间长，但该方法在图像多尺度分割的基础上综合利用了图像光谱、纹理等特征，虽然获得的分类精度与像元法无显著差别，但可显著抑制分类结果中的“椒盐”和“毛刺”现象，也便于后期的冰川编辑、制图和输出.

5 结论

本文利用Landsat TM、DEM等数据，在分析研究区地物图像特征及其相互关系的基础上，对多种冰川信息提取方法进行研究.结果表明，在基于像元的冰川信息提取中，融合Slope等多元信息的分类法可有效改善原始光谱影像的分类精度及斑点噪声，而Otsu自动阈值法能减少分类过程中的主观因素，在适当区域的冰川信息提取或分类阈值初选中有很好的应用前景.面向对象分类法比基于原始光谱影像的像元分类法总体精度提高2.47%，错分率降低2.50%，虽与其它像元法分类精度相当，但可显著减少像元分类法中存在的“椒盐”和“毛刺”效应，但也存在成本高、速度慢等问题.然而，本研究使用的DEM数据分辨率较低，Slope信息发挥的作用不够显著，且在自动阈值分类中没有考虑相邻像元的图像特征，将在今后的研究中改进.

[1] LI B, ACHARYA K, YU Z, et al. The Mass and Energy Exchange of a Tibetan Glacier: Distributed Modeling and Climate Sensitivity[J]. Journal of the American Water Resources Association, 2015, 51(4): 1088-1100．

[2] PAUL F, BARRAND N E, BAUMANN S, et al. On the accuracy of glacier outlines derived from remote-sensing data[J]. Annals of Glaciology, 2013, 54(63): 171-182．

[3] 卢 娜. 柴达木盆地冰川变化遥感监测[J]. 人民黄河, 2015, 37(02): 16-18．

[4] 刘时银， 姚晓军， 郭万钦， 等. 基于第二次冰川编目的中国冰川现状[J]. 地理学报, 2015, 70(01): 3-16．

[5] 王卫东， 张国飞， 李忠勤. 近52a天山乌鲁木齐河源1号冰川平衡线高度及其与气候变化关系研究[J]. 自然资源学报, 2015(1): 124-132．

[6] SIDJAK R W. Glacier mapping of the Illecillewaet icefield, British Columbia, Canada, using Landsat TM and digital elevation data[J]. International Journal of Remote Sensing, 1999, 20(2): 273-284．

[7] 彦立利， 王 建. 基于遥感的冰川信息提取方法研究进展[J]. 冰川冻土, 2013, 35(1): 110-118．

[8] 陈记祖， 秦 翔， 吴锦奎， 等. 祁连山老虎沟12号冰川表面能量和物质平衡模拟[J]. 冰川冻土, 2014(1): 38-47．

[9] 霍雷刚， 冯象初. 基于主成分分析和字典学习的高光谱遥感图像去噪方法[J]. 电子与信息学报, 2014, 36(11): 2723-2729．

[10] 常 虹， 詹福雷， 杨国东， 等. 面向对象的高分遥感影像信息提取技术研究[J]. 测绘通报, 2015(1): 99-101．

[11] 刘欣欣， 李 雪， 王 琼. 基于灰度直方图的多阈值分割法[J]. 计算机应用与软件, 2013, 30(12): 28-30．

[12] 殷亚秋， 李家国， 余 涛， 等. 基于高分辨率遥感影像的面向对象水体提取方法研究[J]. 测绘通报, 2015(1): 81-85．

[13] 朱长明， 李均力， 张 新， 等. 面向对象的高分辨率遥感影像湿地信息分层提取[J]. 测绘通报, 2014(10): 23-28．

[14] 刘宇硕， 秦 翔， 高思如， 等. Landsat-5 TM影像在冰川面积信息提取中的精度评价[J]. 西北农林科技大学学报(自然科学版), 2013, 41(12): 209-219．

[15] RACOVITEANU A, WILLIAMS M W. Decision Tree and Texture Analysis for Mapping Debris-Covered Glaciers in the Kangchenjunga Area, Eastern Himalaya[J]. Remote Sensing, 2012, 4(12): 3078-3109．

[16] RASTNER P, BOLCH T, NOTARNICOLA C, et al. A comparison of pixel-and object-based glacier classification with optical satellite images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(3): 853-862.

Information extraction technologies of mountainous glacier based on Landsat TM Image

ZHAO Jianyun1，2， PENG Junhuan1

(1.School of Land Science and Technology， China University of Geosciences， Beijing 100083；2.Department of Geologic Engineering， Qinghai University， Xining 810016)

Taking Laohugou Glacier as example， various information extraction technologies for glaciers were studied in this paper based on the analysis of Landsat TM image features and interrelation. The results showed that Otsu automatic threshold method decreased the subjective impact， and the fusion of multi-information such as Slope improved the classification precision with a reduction of speckle noise. Object-oriented method utilized the characteristics of spectrum and texture based on the multi-resolution segmentation of the image synthetically. Comparing to the pixel based method， the overall accuracy improved 2.47% maximally， and the maximal reduction on miss classification fraction reached 2.50%， significantly restraining the “spiced salt” and “skin needling” effect．

multi-information fusion； object-oriented； Otsu automatic threshold； Slope； glacier extraction

2015-08-20.

国家自然科学基金项目(41374016)；青海大学“地质资源与地质工程创新团队”建设项目.

1000-1190(2016)02-0309-05

P237

A

*E-mail: zhaojianyun1981@163.com.