冰川信息提取方法综述 20151101002

基于遥感的冰川信息提取方法综述全球气候环境变化及其影响已成为当今世界各国政府、科学家和政策决策者所共同关注的重大焦点问题。

政府间气候变化委员会（IPCC第四次评估报告指出[1]，过去 100 a）（1906~2005 年）全球地表平均气温上升了0.74℃，而最近 50 a的升温速率几乎是接近过去 100 a 升温速率的两倍。

冰川对气候变化十分敏感，被视为气候变化的指示器，升温已导致全球大多数冰川在过去 100 多年里处于退缩状态，尤其是最近的几十年呈加速退缩态势[1,2]。

尽管大量的冰储存于两极冰盖中，但山地冰川和冰帽的储量损失在过去几十年和未来一个世纪对海平面上升、区域水循环和水资源可获取性均有重要影响[3-5]。

青藏高原及其毗邻地区蕴藏着世界上两极之外最大的冰雪储量，被称为“第三极”，该区气候变化引发的冰川变化不仅影响到周边地区十个国家的15亿人口的农业、发电等生产活动的水资源供应[3, 6, 7]，而且会引发区域乃至北半球的大气环流格局的变化[8]，从而使其成为国际冰川变化研究的热点地区。

此外，青藏高原很多内陆湖泊近期水位上涨、湖泊面积增大导致草场淹没以及冰湖溃决和泥石流滑坡等山地灾害，对周边地区的生态与环境及农牧民的生活造成了严重影响[9]。

因此，监测青藏高原冰川变化时空分异特征，对于更加清楚地认识该地区对全球气候变化的响应具有重要的科学意义，对于及时提供湖泊水量变化信息，制定当地农牧民的应对措施具有重要的现实意义。

本文系统梳理和总结了国内冰川监测相关研究进展，并探讨了当前该领域研究的不足以及未来的研究方向，旨在为我国冰川变化监测提供有益借鉴。

一、传统野外监测传统的冰川观测主要基于野外实地考察，开展较早。

世界上很多地区在一个多世纪以前就开始系统地观测冰川与冰盖的变化[10]。

1930s 之前一直依靠实测冰川末端的变化或对比小冰期冰碛物的位置获得冰川变化的信息，1940s 后期开始了冰川物质平衡研究，截止到 2008 年全球已获取了 1803 条冰川自19 世纪后期的冰川长度变化和 226 条冰川过去 60 年内的物质平衡观测结果[10]，分别占 1970s 估计的全球冰川总数 160000条[11]的 1.1%和 0.1%，观测数量很有限。

我国冰川研究事业开创于1958年祁连山冰川考察[11]，截止到 2007 年，基于野外考察共有 27 条冰川的长度变化和 5 条冰川的物质平衡的较长时间观测记录[12]，分别为我国冰川总数46377[13]条的 0.06%和 0.01%，远低于前述全球尺度的相应观测比例，且没有一条位于我国冰川分布中心之一的喀喇昆仑地区。

实地观测通常在容易到达、安全且不是太大的冰川进行，不能代表所有冰川的规模、海拔分布、坡度和朝向。

所以，仅靠少数野外考察资料很难反映全球或区域尺度冰川变化的空间特征，所获得的冰川变化趋势及其对气候变化的响应的结论也难免存在局限性。

二、冰川面积变化遥感监测遥感观测可以在瞬时获取较大范围的地面综合信息，适合对不同地理环境下的冰川变化进行长期而持续的监测，早期主要进行面积变化遥感研究。

1940s 以后，人们可以借助于航空摄影技术测绘冰川末端位置[14]。

1970s 之后，随着卫星遥感技术的发展和观测精度的提高，陆地资源系列卫星（Landsat MSS、TM 和ETM+）SPOT、ASTER、和ALOS 等影像逐渐被应用于大尺度的冰川变化监测。

全球陆地冰空间监测组织（GLIMS）目前正致力于建立世界范围内的冰川变化记录。

我国雪冰遥感的研究工作始于 70 年代中后期，基于大量的遥感影像、航空像片和大比例尺地形图，完成了我国第一次的冰川编目[12]，近期完成了第二次冰川编目，发现大致 30 年间冰川面积减少了 17%[7]。

国内利用航空像片来进行冰川变化分析仅在少数地区开展[16]，卫星遥感监测冰川面积变化是应用较多的手段，研究区已涉及祁连山[16- 19]、唐古拉山[20- 22]、昆仑山[23- 27]、喜马拉雅山[28- 34]、岗日嘎布山[35]、喀喇昆仑山[36]、念青唐古拉山[37- 39]、天山[40- 42]和横断山[43]等山系。

喀喇昆仑是西部重要的冰川分布中心之一，冰川覆盖度达 23.42%，远高于其他山系[12]，但目前研究很少。

冰川面积变化无法充分反映冰川物质收支变动，末端前进并不意味着冰川储量增加，而可能是冰川自身物质的空间分布发生变化；面积不变也不代表冰川高程没有变化，也即冰储量没有变化。

冰川储量变化比面积变化对气候变化更敏感，有最直接的响应，理解冰川变化机制需要开展这方面的研究。

(一)冰雪冰川面积参数自动化提取1.比值阈值法数据源：选用的数据包括大比例尺地形图根据数字地形图绘制本区高分辨率DEM;获取的正射纠正后LandsatTM遥感影像,多光谱空间分辨率为30m;中巴资源卫星影像,参考LandsatTM影像对中巴影像做正射纠正,多光谱空间分辨率为19.6m;ASTER遥感卫星影像,参考LandsatTM影像对其做正射纠正,多光谱空间分辨率为15m.选取的3个时期的影像云雪量都较少,比较适宜于冰雪及其表面盖物质的识别和研究[54]。

所用的软件为ESRI公司的ArcGIS,ITT Visual Information Solutions公司的ENVI图像处理软件和ERDAS公司的ERDAS图像处理软件。

研究方法与精度评估：数字化地形图，并与同期获取的航空相片作纠正。

根据航测的地形图所的冰川面积所占总冰川面积比例，所以把数字化地形图得到的冰川边界作为研究区区的冰川边界，得出冰川面积。

与第一次冰川编目的数据如果不一致，可能是由于选用的数据源以及人为误差引起的。

用比值阈值法将冰川与非冰川区分开来。

TM 影像的4波段/5波段被前人大量的运用，对于中巴影像，因为没有合适的波段进行比值运算，所以采用最为原始的且精度最高的人工解译；ASTER影像的3、4波段很类似于Landsat的4、5波段,所以我们选用3波段/4波段,也取得很理想的效果。

处理流程可分为4个步骤(1)波段比值. 波段比值法是利用冰在可见光波段的高反射和近红外波段的强吸收特性来区别冰与其它地物的。

我们选用两种比值方法:波段3/波段5和波段4/波段5，经过结果比较，波段4/波段5更能区分冰与其它地物，所以选择波段4/波段5。

(2)确定阈值. 不同的冰川类型所采用的阈值可能不一样，许君利在塔里木河流域利用Land2satETM+得到阈值范围在2.6～14.2之间。

经过多次的调试，确定2.3为最为有效的阈值。

(3)二值图像. 如果比值图像的灰度值大于阈值，那么图像所对应的地方就是冰川，反之亦然，这样得到冰川掩膜的二值图像。

二值图像的边界是锯齿状的，在选择边界点时，选择像元的中心点，这样就可以把锯齿状边界圆滑。

(4)人工解译. 因为比值阈值法很难识别阴影区和表碛，所以这些地方的边界需要在专家的指导下，参考DEM 进行人工解译。

数字化和冰川人工解译都是在3个冰川解译专家独立完成平均结果后得到。

在很多情况下，GoogleEarth 也是一个很好的参考工具。

对冰川边界的提取精度主要受传感器和图像配准误差的影响。

根据前人们的研究，每个冰川边界的不确定性可以用式(1)来计算:T U =（1）式中：UT 为冰川终端长度的不确定值；λ为原始图像像元的大小；ε为各个图像与LandsatTM 影像的配准误差。

通过式(1)计算出时相的数据间的不确定值UT 。

不同时间段图像配准的误差在一定程度上也很大的影响着冰川边界提取精度。

所以，我们把配准误差也算进来，变换式(1)得到式(2)，这样得到不同时相冰川面积提取的不确定值。

2A U 2U ε=∑ （2） 2.雪盖指数法雪盖指数是求解植被指数的延伸和应用推广，其原理是基于地物在某一波段强反射和在另一波段的强吸收特性。

[55]基本运算如下：NDSI=(CH(n)-CH(m))/(CH(n)+CH(m))式中:n 、m 分别代表雪的强反射与强吸收光谱波段号。

最常见的波段为2波段和5波段，如Landsat TM 和NOAA/AVHRR 等影像。

对于MODIS 可选择超远红外波段作为强吸收光谱波段(第26波段，11.4~12.6μm)。

对于不同传感器的遥感数据，雪的NDSI 临界值因不同的获取系统而各不相同。

NDSI 临界值选择了一个较宽的范围，但雪盖面积计算值离差并不大，说明NDSI 可以真正代表雪的反射特性并能有效地与其他地物区分。

3.监督分类与非监督分类法监督分类是基于对训练样本区的采样，对每一地物信息类的反射值生成一个统计特征。

通过检查逐个像元的发射值并确定它与哪个光谱特征最相似从而来对图像进行分类。

其中常用的分类器有最小距离分类器和最大似然分类器。

为保证分类的可行性，一般需要做尽可能多的野外调查工作。

一般以中分辨率成像光谱仪的MODIS 图像进行监督分类(确定该实验区有实测的以雪为主的地物光谱反射曲线数据)：①建立积雪样本区，在DRISI 图像处理软件环境下进行组文件查询，可以得到MODIS 所有26幅图像同像元点的光谱反射值和其对应的曲线，从中可以选择趋势相近的若干类曲线。

通过实测典型积雪类型反射光谱曲线，对比分析后，粗选出经验性积雪类型像元。

②进行训练样本的再验证。

本幅图像的样本区最好是在是在无云、大气状况良好的条件下获取的，根据该地区冰川分布图、数字地形模型、风吹雪影响诸多因素和基于多次实地考察。

在积雪类型中剔除不符合或不确定的像元并确定满足与实测积雪反射光谱曲线相近条件的像元。

③重复①和②步骤。

最好采样像元点的个数越多越好。

基于以上分析和结论，对遥感图像实施积雪分类可以通过以下几点实现：①确定积雪范围：积雪在可见波段的高反射率和红外波段的高吸收率，反映在图像上黑白对比强烈，可以容易得到；②在积雪区选择训练样本：训练样本区应选取感性认识多、代表性广的区域；③建立积雪类型像元信号文件；④积雪分类：利用最小距离法分类器进行监督分类。

4.地图信息图谱方法地学信息图谱是陈述彭院士等前些年提出的新概念与新方法[56]。

地学信息图谱其实是地图学更高层次的表现形式与分析研究手段，是由地图和地学图谱进一步发展而成，是信息时代的产物。

“图”主要是指空间信息图形表现形式的地图，还包括图像、图解等其他图形表现形式；“谱”是众多同类事物或现象的系统排列，是按事物特征或时间序列所建立的体系。

图谱兼有“图形”与“谱系”的双重特性。

地学信息图谱是由遥感、地图数据库、地理信息系统与数字地球的大量数字信息，经过图形思维与抽象概括，并以计算机多维动态可视化技术，显示地球系统及各要素和现象空间形态结构与时空变化规律的一种手段和方法。