基于Landsat 8影像的冰面提取光谱模型构建

左晓庆，刘怀鹏

(1.合肥工业大学 资源与环境工程学院，合肥 230009；2.洛阳师范学院 国土与旅游学院，河南 洛阳 471934)

0 引言

地表冰作为气候变化的敏感因素，其面积变化的信息能够直观体现出气温的变化特征，其面积变化信息也对气候的年际变化有一定的反映，有时甚至比气温更为显著[1-3]。因此，对地表冰面的覆盖面积信息进行获取具有重要的意义。近年来，伴随着卫星传感器的升级换代和影像处理算法的不断发展，遥感技术已经成为冰面检测、监测的主要手段。

目前，国内外学者基于遥感技术对冰面的检测、提取已有一定的研究。例如，刘怀鹏等[4]基于快鸟影像，通过分析地物光谱曲线，构建出一种能快速、准确提取冰面信息的光谱指数，再使用阈值分割识别出影像中的冰面，提出了一种高效检测城市冰面的方法；王琼等[5]使用支持向量机对色林错湖区2017—2018年的7景天宫二号遥感影像进行湖冰提取，并结合当地气象数据，实现了对色林错湖冰信息的识别；Qi等[6]采用阈值法，提出了一种设置MODIS数据中的红色波段阈值和红色、近红外两波段反射率之间差值阈值的方法，对湖冰信息的检测取得了不错的结果；Williamson等[7]基于MODIS遥感影像，将已有的面积提取算法结果与Landsat 8的结果进行验证，发现运用动态阈值算法提取冰面湖具有较高的精度，可以实现湖冰信息的有效提取。

从国内外的研究中可以看出，利用遥感技术检测冰面的方法主要有波段阈值法、影像分类法、比值图像法、面向对象法等，这些方法在一定程度上均可实现冰面的提取[8-10]。波段阈值法是一种基于经验统计的方法，简单易操作，但易受影像获取时间、大气传输等因素以及异物同谱现象的影响，提取结果精度低且不稳健。因此，该方法具有一定的局限性，一般只在遥感应用的早期或数据不完整时使用[11]。影像分类法需经过观察、确定地物种类，选择不同类型地物的训练样本等步骤，通过建立判别函数从而确定非样本像素的分类特征，提取精度较高，但提取过程既耗时又复杂，且光谱特征相似的地物不易分辨。例如，张雯[12]采用最大似然分类法提取了西北高原昆仑山脉崇测冰川的冰川信息，但出现了部分岩石被错分以及冰川被漏分现象。比值图像法是运用不同波段的数字化值进行比值计算，操作简便且对冰面信息有一定的增强，但由于一般仅涉及两个波段，对冰面信息增强和其他干扰地物抑制不够深入，导致冰面与其他地物在影像中的分离效果不理想，提取结果的精度可能不高。例如，Paul等[13-14]通过计算TM3/TM5波段的反射率比值得到了冰川信息，但发现水体在可见光和短波红外两个波段的波谱特征差异与冰川较为相似，故发生水体误提成冰川情况。面向对象法不仅考虑光谱信息，还考虑形状、纹理、空间特征等信息，通过统计每个分割对象的灰度、纹理等特征进行冰面提取，提取精度较高，但需引入较多参数作为分类特征，使得提取过程中涉及较大的数据量且提取环节繁杂。例如，韩惠等[15]引入地形、指数等特征参数，并结合地物的光谱、形状和纹理等分类特征，使用该方法有效地获得了冰川范围信息。另外，这些方法大多是基于低分辨率的遥感影像对大尺度的冰川进行提取，采用中分辨率的Landsat 8影像对异质性较高的地理空间分布的冰面进行提取的研究尚不多见。针对上述问题，本研究基于Landsat 8影像，分析不同地物光谱信息差异，建立一种有益于冰面信息增强、其他非冰面信息抑制的冰面光谱模型，改善异质性较高地理空间的冰面提取效果，以期为冰面提取提供一种切实可行的新方法。

1 研究区概况与数据预处理

1.1 研究区概况

研究区分为建模区和测试区两部分。其中，建模区为岱海旅游区，位于地理坐标为40°32′N～40°38′N、112°37′E～112°47′E的内蒙古乌兰察布市的凉城县境内[16]，该地区距离省会呼和浩特市约100 km，距离首都北京市约420 km，属于典型的中温带大陆性季风气候，年平均气温约为2～5 ℃，降水主要集中在7、8月份，是占地面积最大的内蒙古中西部旅游区。测试区为哈素海旅游区，位于地理坐标为40°33′N～40°40′N、110°48′E～111°3′E的内蒙古呼和浩特市的土默特左旗境内[17]，该地区距离包头市约85 km，距离鄂尔多斯市约114 km，属于典型的中温带大陆性季风气候，有着较大的年温差和日温差，降水主要集中在7、8月份，是风景秀美的休闲旅游区。

1.2 数据源及预处理

本研究使用的数据均来自地理空间数据云平台(http：//www.gscloud.cn/)的Landsat 8(operational land imager,OLI)多光谱影像。建模区影像成像于2018年1月16日，数据标识为LC81250322018016LGN00， 测试区影像成像于2016年2月10日，数据标识为LC81270322016041LGN00。两幅影像的成像时间正值当地湖泊结冰期，且无云遮盖，适宜对冰面提取光谱模型的构建进行研究。

利用ENVI 5.3软件对建模区和测试区的卫星影像进行预处理。首先，分别对多光谱数据和全色波段进行辐射定标，将图像的数字量化值转化为绝对辐射亮度值[18]；其次，将7波段30 m空间分辨率的多光谱数据和15 m空间分辨率的全色波段进行融合，提升影像数据的空间细节表达能力[19]；然后，对影像进行大气校正，消除大气、光照等因素对地物反射的影响，获得地物真实的反射特征值[20]；最后，按照研究范围对影像进行裁剪。

2 研究方法

本文以岱海旅游区为建模区，分析不同地物的光谱响应差异，选取多个与冰面识别有关的波段，建立一种基于Landsat 8影像的冰面光谱模型，再使用阈值分割，实现对冰面信息的有效识别。并以哈素海旅游区为测试区，采用最大似然分类方法作对照实验，与冰面光谱模型法检测的冰面效果进行对比分析，探究创建的冰面提取光谱模型的有效性与适用性。本研究采用的技术路线如图1所示。

2.1 反射光谱曲线拟合

对比不同地物的反射光谱曲线数值和形状的特征差异，有助于实现冰面信息的提取[21]。基于建模区影像数据，首先，在真彩色合成状态下，通过目视观察，确定冰面、蓝色地物、白色地物、植被和阴影为分类目标；然后，在标准假彩色合成状态下，对这5种地物类型随机分散地采集50、30、30、30、30个像元。利用采集的地物样本，统计得到各地物的反射特征均值，结果如表1和图2所示。

表1 建模区各地物反射特征均值统计表

2.2 冰面信息增强

在冰面识别的过程中，困难在于与冰面光谱信息相似的其他地物的干扰，但难以分辨的地物虽然光谱特征相近，波段上的反射值总存在差异。冰面提取的光谱模型依据光谱增强的原理来创建，采用代数运算法则，可以在各地物波段原始反射值微小差异的基础上进一步锐化目标地物与其难以区分地物的亮度值差异。

基于VMI模式的供应链集成同样会带动信息流的整合，库存信息将不仅仅在生产站段内流动，还需要通过供应链向物资供应段、供应商传导；同样，供应商的生产供应计划也会通过供应链向物资供应段、生产站段流动。通过信息流的整合，物资供应段在向供应商提报需求计划时能够综合考虑现有库存和在途库存，通过调控生产需求计划保证生产站段库存容量及到货频率。物资供应段在调控生产需求计划的同时，要时刻关注并预测库存总量、库存资金占用的变化，以保证站段生产持续性为第一原则，少批量、多频率地向供应商提报生产需求计划。

1)波段相加。从光谱曲线中寻找非目标地物的反射特征值不如目标地物(冰面)反射特征值突出的波段。在波段b1、b2、b3、b4中，冰面的反射特征值高于蓝色地物、植被和阴影，把这4个波段相加，可将冰面和白色地物信息增强，得到的特征图像表示为b1+b2+b3+b4。

2)波段差值。从光谱曲线中寻找两波段作差可增强目标地物信息，同时又能弱化与背景地物信息的配对波段。冰面在波段b1的反射特征值高于b5，这两波段之间的反射特征值差异与其他非冰面地物不同，将波段b1与b5做差，可正向增强冰面信息，负向增强其他地物信息，得到的差值型特征图像表示为b1-b5。

3)正负处理。从光谱曲线中寻找目标地物与非目标地物光谱曲线在两波段之间斜率差异最显著的波段。在波段b4与b5之间，冰面光谱曲线与其不易分辨的地物光谱曲线的斜率差异最显著，通过b4与b5两波段的反射特征值差值与中心波长λ4、λ5差值的比值计算斜率，可进一步锐化不同地物间的光谱差异。为保证对感兴趣目标地物亮度值的增强为正向增强，选择再与-1相乘，使提取的冰面信息落在正值区间，得到的正向增强型特征图像表示为(b4-b5)/(λ4-λ5)×(-1)。

2.3 冰面指数创建

在波段相加环节中，白色地物信息也被增强了，利用斜率调节在第一步中被连带增强的非目标地物信息，突出冰面信息。故选择将第一步和第二步获得的特征图像相加，与第三步获得的正向增强型特征图像相乘，最后创建的冰面指数(ice spectrum index，ISI)，如式(1)所示。

(1)

式中：λ4、λ5分别代表Landsat 8影像中b4(红色波段)、b5(近红外波段)的中心波长，两个波段的中心波长取值分别为0.655、0.865。

2.4 冰面提取

由于创建的冰面光谱指数涉及特征图像间的相乘运算，使冰面光谱指数得到的结果影像像元值变得过大。为便于后续阈值的选取，在阈值选择前对结果影像进行[-1，1]归一化处理，以使冰面和非冰面像元值易于比较大小。

阈值分割是一种经典的图像分割方法，它的基本思想是在图像目标与非目标的不同灰度级区域的组合中设置某一阈值作为分界线，把像素划分为两类，从而实现目标与非目标区域的分离，具有简单、便捷的优势[22-23]。对于冰面光谱指数归一化得到的结果影像，其冰面与非冰面的像元值有着较为明显的区别，该影像的灰度直方图会存在较明显的双峰，但波谷不够明显。因此在阈值选取过程中，首先，统计冰面光谱指数归一化影像的灰度直方图，并得到双峰中峰值较低的波峰峰值；其次，在该波峰峰值处做一条水平线，获得与另一峰值较高的波峰的两个交点，记录双峰中峰值较低处对应的像元值以及所获得的两个交点中与该峰值水平距离最近的一个交点对应的像元值；然后，将这两个数值作为阈值选定区间，查看该结果影像中冰面和其他非冰面地物像元值以及该像元值下直方图中对应的像元个数，并与原影像动态链接，反复选取多个阈值进行实验；最后，通过目视观察和精度验证，对比提取效果，从而获得适宜提取Landsat 8影像中冰面的阈值，完成冰面的提取。

2.5 性能检验

表2 冰面提取采用的训练样本及验证样本像元数量表

3 结果与分析

3.1 冰面提取精度

统计得到建模区和测试区的冰面光谱指数归一化结果影像的灰度直方图，如图3所示。观察直方图，确定建模区的阈值选定区间为[0.058 8，0.184 3]，测试区的阈值选定区间为[0.341 2，0.458 8]。通过目视解译和反复实验不断调整阈值，获得在建模区中适宜检测冰面信息的阈值范围为[0.086 0，1]，在测试区中适宜检测冰面信息的阈值范围为[0.371 0，1]。在建模区和测试区影像上，基于不同方法提取的冰面经过精度验证后得到的混淆矩阵结果如表3和表4所示。

表3 建模区基于光谱模型冰面提取混淆矩阵

表4 测试区基于不同方法冰面提取混淆矩阵

由表3和表4可知，基于光谱模型法在建模区和测试区检测到的冰面总体分类精度分别为93.18%、94.89%。由此表明，采用冰面光谱模型检测冰面基本可以取得90%以上的精度，检测效果具有稳健性。在测试区中，基于光谱模型法检测冰面的总体分类精度比最大似然分类法精度高了1.33%。由此表明，本研究提出的冰面光谱模型可以完成在Landsat 8影像中冰面信息的识别，且与常规分类方法相比，具有较高的检测精度，能够取得较为理想的冰面检测效果。

3.2 冰面提取效果分析

采用新建的冰面光谱模型识别建模区、测试区Landsat 8影像中的冰面信息，并与最大似然分类法在测试区影像上提取的冰面结果进行对照，得到的冰面检测结果如图4至图6所示。

由图4至图6可以看出，在裸地和冰面连接密切的垂钓区或面积相对较大的冰面区域中，最大似然分类法受冰面色调影响，对深色调冰面与裸地的分离效果欠佳，发生了小斑点或大斑块冰面信息被遗漏提取的情况；冰面光谱模型法提取的冰面存在少量信息被漏提，提取信息较为完整，提取结果更贴近实际情况。在已融化的冰面或者未结冰的水体区域中，冰面光谱模型法发生小范围把此处错误提取为冰面的情况；最大似然分类法在此处提取效果良好，但存在与已融化的冰面或者未结冰的水体交接处的冰面遗漏提取的现象。在冰面区域狭窄或弯曲处，冰面光谱模型法和最大似然分类法均存在断点的冰面检测情况，导致局部小区域提取的冰面信息不够完整。总体比较而言，二者的冰面提取情况各有优劣。从提取精度和效果来看，冰面光谱模型法和最大似然分类法相差不大，在综合考虑实用性后，判定最为理想的方法是冰面光谱模型法，最大似然分类法次之。

4 结束语

地表冰的面积和空间位置参数是环境要素的重要信息，通过创建遥感模型提取冰面获得这些参数具有重要意义。本研究针对传统遥感方法分离影像冰面与其他干扰信息效果不理想、提取冰面操作步骤多的问题，提出了一种基于Landsat 8影像的冰面信息识别方法。为了验证该方法的使用效果，在建模区和测试区影像上采用该方法提取出冰面，再在测试区影像上采用最大似然分类法提取出冰面，比较基于不同方法的冰面信息提取效果，得出以下结论。

1)冰面光谱模型法提取冰面的精度基本可以维持在90%以上，检测效果具有稳健性。

2)在测试区中冰面光谱模型法提取效果最佳，总体精度为94.89%，Kappa系数为0.90，比最大似然分类法检测精度高。

3)冰面光谱模型法不需要选取地物样本和设置相关参数，识别冰面信息过程简易，在保持较高检测精度的条件下，减少了在Landsat 8影像中识别冰面的环节。

4)新建的冰面光谱模型有益于增强影像中冰面与其他非冰面地物的分离性，对于获知异质性较高地理空间区域中的冰面分布情况，具有突出的使用价值和响应能力。

本研究的不足之处是在确定冰面和非冰面的阈值时，不可避免地受到人为主观因素的干扰，对提取结果的准确性产生影响。另外，本研究所选择的研究区范围有限，对于不同地理区域的冰面提取效果还需要进一步探讨。在今后的研究中，拟选取不同地区、不同规模大小的区域，并根据所选区域的具体情况选择合适的阈值，进一步验证本研究所提出的冰面提取光谱模型的鲁棒性。