【类型】期刊

【作者】陈云，刘广，廖静娟（中国科学院遥感与数字地球研究所；中国科学院大学）

【作者单位】中国科学院遥感与数字地球研究所；中国科学院大学

【刊名】冰川冻土

【关键词】 冰川变化；遥感影像；IHS融合；波段比值法

【资助项】国家自然科学基金重点项目“全球环境变化遥感对比研究”(41120114001)资助

【ISSN号】1000-0240

【页码】P1624-1629

【年份】2019

【期号】第6期

【期刊卷】1;|7;|8;|2

【摘要】随着卫星及传感器的发展,对地观测技术已广泛用于冰川变化监测中.针对多时相、同源遥感影像,提出了一种改进的IHS融合冰川变化监测方法.将不同时期影像进行改进IHS融合,使冰川变化区域突显出来,然后利用决策树分类方法对变化区域进行提取.利用两期LANDSAT影像进行基于改进IHS融合方法的冰川变化监测实验,并与常用于冰川变化监测研究的波段比值法进行比较,实验结果表明,该方法无论在定性分析还是定量分析上均优于波段比值法.

【全文】 文献传递

基于改进IHS融合方法的冰川变化监测研究

陈 云1,2， 刘 广2*， 廖静娟2

(1.中国科学院 遥感与数字地球研究所， 北京 100094； 2.中国科学院大学， 北京 100049)

摘 要：随着卫星及传感器的发展， 对地观测技术已广泛用于冰川变化监测中. 针对多时相、 同源遥感影像， 提出了一种改进的IHS融合冰川变化监测方法. 将不同时期影像进行改进IHS融合， 使冰川变化区域突显出来， 然后利用决策树分类方法对变化区域进行提取. 利用两期LANDSAT影像进行基于改进IHS融合方法的冰川变化监测实验， 并与常用于冰川变化监测研究的波段比值法进行比较， 实验结果表明， 该方法无论在定性分析还是定量分析上均优于波段比值法.

关键词：冰川变化； 遥感影像； IHS融合； 波段比值法

0 引言

20世纪以来全球气候变化的速度在不断加快， 并在一定程度上不断加强[1-3]. 冰川是气候变化的指示器， 对气候变化的响应极为敏感， 气候变暖， 冰川加速退缩， 冰川泥石流将进入高潮期， 可能形成冰川泥石流灾害点.冰川变化监测是全球变化和区域环境研究中不可或缺的内容之一[4-5].

大部分冰川地处偏远山区， 实地测量冰川面积费时费力， 遥感覆盖范围广、 信息量大、 可连续观测的特点使它为冰川变化监测提供了快速、 可靠的方法. 20世纪80年代以来， 卫星遥感技术在冰川变化监测中得到了广泛的应用[6-7]. 本世纪以来， 利用遥感进行冰川监测能力随着卫星及传感器的发展不断提高.

冰川变化的遥感监测方法主要可分为两类， 分别是目视解译和计算机辅助分类法.在对研究区域先验知识比较丰富的情况下， 传统目视解译方法因准确性较高， 但效率很低， 为了提高解译效率， 有相关学者对冰川自动提取方法进行了研究. Hall等[8]最先尝试采用波段比值法区分冰雪； Ye等[9]采用非监督分类方法监测了各拉丹冬冰川1969-2002年的变化； 别强等[10]雪盖指数方法对1960-2010年黑河流域的冰川变化进行了检测.此外， 面向对象的图像信息自动分析方法也被运用到了冰川信息提取研究中[11-12]. 不同的冰川自动提取方法均存在一定的局限性， 如监督非监督分类方法可能会错分部分的积雪与岩石； 雪盖指数法难以识别冰川的表碛分布区与积雪覆盖区[13]. 传统冰川变化提取方法中， 波段比值法的总体精度高[14-16].

现有的常用的冰川变化监测方法多为间接方法， 即需要先对各时期影像的整体冰川信息进行提取， 然后通过计算得到冰川整体面积变化情况.而通过对遥感影像进行各种技术处理， 使变化区域自动显现出来是可以实现的， 并且该方法已经在土地利用变化信息提取中得以应用[17].

针对传统冰川变换检测方法需要对不同时期研究区中冰川面积分别统计的问题， 本文针对陆地资源卫星数据提出了一种基于像元分析法的冰川变化监测分析方法， 对不同时期影像预处理后进行一种改进IHS融合， 使实际冰川变化区域在融合后图像中发生颜色突变.直接对变化提取进行提取， 从而实现对冰川变化的监测.

1 基于IHS融合的冰川变化监测方法

传统变化信息自动发现方法主要分为两类[18]， 即分类后比较法与基于像元分析法. 后者又包括光谱特征变异法、 主成分变换法、 假彩色合成法与代数运算法等[17]. 光谱特征变异法是运用多源数据的融合技术， 将不同时相、 不同传感器的遥感数据进行融合， 使变化区域呈现特殊的影像特征的一种方法. 同一地物反映在不同时相影像上的光谱信息是一一对应的. 因此， 将两者融合时， 能够如实地显示出地物的正确光谱属性. 但如果两者信息表现为不一致时(即地物发生变化时)， 融合后的影像上就会出现光谱突变， 与周围地物在光谱上失去协调性， 从而利于监测出变化信息.

光谱特征变异法已被多次用于土地利用变化监测中[14,19]. 本文将光谱特征变异法用到冰川变化监测中， 并对融合方法进行改进. 改进的融合算法可以将不同时相、 同源的遥感数据进行融合， 使地物发生变化的区域在融合后图像上突显出来， 以直接对变换区域进行统计监测.

IHS融合是影像融合中较简单且常用的一种方法[20]. RGB彩色坐标系统中R、 G、 B呈非线性关系， 而IHS彩色坐标系统中， I、 H、 S三个分量具有相对的独立性， 可分别对它们进行操作， 并能够准确地还原颜色特征. IHS变换即是将图像常用的RGB彩色空间变换到IHS空间， 处理之后逆转换为RGB空间. RGB图像变换到IHS空间下， 可以将图像的亮度、 色调、 饱和度进行分离. 变换后的亮度分量I与地物表面粗糙度相对应， 代表地物的空间几何特征； 色调分量H代表地物的主要频谱特征； 饱和度分量S表征色彩的纯度[21].

传统的IHS融合主要针对多源、 不同分辨率影像， 通过替换亮度分量获得融合图像.针对两个时期的Landsat多光谱影像， 由于影像的分辨率相同， 利用传统的IHS变化替换亮度分量， 地物发生变化的区域在融合后图像中变化并不明显.

对于Landsat TM数据， 543波段组合较符合人们的视觉习惯， 而且能充能显示各种地物影像特征的差别.该波段组合显示下冰川反射率较高， 呈亮蓝色， 易与周边地物区分[22].将图像转化成IHS彩色空间， 可以通过色调分量图像将冰川与周围地物区分. 因此， 本文选择对色调分量进行分析替换处理. 首先计算两个时期影像对应像元的颜色相似度， 当相似度小于一定阈值时， 可认为该像元在两个时期对应的地物信息不一致， 则将该像元的色调分量用第二时相该像元的色调分量值进行替换， 反之， 不进行替换. 然后用新得到的整个图像的色调分量替换第一时相影像的色调分量， 逆转换到RGB空间， 得到融合后图像.

基于以上分析， 本文提出的改进IHS融合方法的步骤为：

1) 待融合两期多光谱图像进行预处理(配准)；

2) 将两期多光谱图像变换到IHS空间； RGB空间与IHS空间正反变换可通过式(1)、 (2)实现.

(1)

(2)

式中： v1、 v2为中间变量，).

3) 计算第一、 二时相影像的颜色相似度， 并根据颜色相似度得到新的色调分量. 两个像素的颜色相似度公式[23]为式(3)所示：

(3)

式中：S(M1(i,j),M2(i,j))表示影像M1的第i行j列像元与影像M2的相同位置像元的颜色相似度；K、 L均为常数；D为两像素的颜色的欧拉距离， 可通过式(4)计算.

(4)

得到颜色相似度之后， 可由式(5)计算融合后图像的色调分量.

(5)

4) 将逆变换到RGB空间， 得融合图像.

融合后图像中颜色突变的区域对应M1影像中是冰川而在M2中不是冰川的区域， 即第二时相较第一时相冰川减少的区域. 交换两个时相影像的顺序， 按照上述方法进行融合， 得到的融合图像中颜色突变的区域则为第二时相较第一时相冰川增加的区域， 从而实现冰川变化信息的自动发现.

采用改进IHS融合方法实现冰川变化信息发现之后， 再利用决策树分类方法将变化区域提取出来， 从而实现冰川变化监测. 基于IHS融合方法的冰川变化监测的技术流程如图1所示.

2 实验区与数据源

2.1 实验区概况

塔吉克斯坦位于欧亚大陆的中心， 地处山区， 境内山地和高原占90%， 其中约一半在海拔3 000 m 以上， 有“高山国”之称. 塔吉克斯坦全境属典型的大陆性气候， 气温变化明显， 南北温差较大， 降水稀少. 塔吉克斯坦的水源主要来自冰川， 记录在册的冰川有1 085条， 冰川面积为 8 041 km2， 约占中亚冰川总面积的60%， 其中最大的冰川为费琴科冰川， 长77 km. 实验区位于塔吉克斯坦境内， 费琴科冰川以东， 喀拉湖以南， 地跨38°35′～38°41′ N， 73°15′～73°29′ E.

2.2 数据源

研究使用2007年LANDSAT ETM+影像以及2013年LANDSAT OLI影像， 采用改进IHS融合方法对实验区进行冰川变化监测. 考虑到云雪对解译精度的影响， 实验选择4-10月遥感影像. 由于LANDSAT 7 ETM+是SLC故障之后的数据产品， 因此需要使用差值方法修补缺失的条带部分. 另外， 研究使用了2007年Google Earth 15级影像以及2013年ASTER影像进行精度验证. 本研究使用的遥感卫星数据(表1)主要来自U.S. Geological Survey(USGS).

3 冰川变化监测与结果分析

3.1 实验环境

实验是在3.00 GHz Intel(R) Core(TM)2 Duo CUP， 内存为8 GB， 操作系统为64位Windows 7的微机上进行， 编程环境为MATLAB R2012b.

3.2 实验结果与分析

基于改进IHS融合方法， 对2007年、 2013年LANDSAT影像进行融合， 融合前后图像如图2所示.

图2(a)和图2(b)分别为融合前局部实验区不同年份的影像， 图2(c)为将图2(a)影像中H分量替换图2(b)影像H分量后的融合结果， 图中颜色突变区域为图2(b)较图2(a)冰川增加区域. 图2(d) 为将图2(b)影像H分量替换图2(a)影像H分量的融合结果， 图中颜色突变区域为图2(b)较图2(a)冰川减少区域(由于实验区数据所限， 减少区域较少).

该方法较常用的分类后比较法(波段比值法、 雪盖指数法、 非监督分类法等)具有以下优势： (1) 它能使冰川变化区域更直接直观地显示出来. 传统的冰川监测方法只能得到研究区整体冰川面积变化量， 而无法确定变化区域， 本文方法可以将变化区域直观地显示出来， 方便缩小研究区域， 在分析冰川变化具体历程中有重要意义.(2) 便于快速进行信息提取. 传统的分类后比较法需要对研究区域所有冰川进行提取， 而该方法只关注变化区域， 在信息提取速度上， 该方法优于传统的分类后比较法. 基于改进IHS融合方法的冰川变化监测方法在以上两个方面明显优于常用的冰川变化监测法.

利用决策树分类法对图2(c)和图2(d)中的突变信息进行提取统计， 得到冰川变化监测结果. 冰川变化监测结果精度的估算可以通过两个方法实现， 即利用更高空间分辨率的遥感数据分类结果作为参考数据和通过实地测量调查获得. 由于该实验区没有实地测量数据， 本文利用2007年Google Earth 15级影像(分辨率为4.78 m)和2013年ASTER 数据， 采用人工目视解译的方法对实验区冰川进行提取， 以该结果为参考数据进行精度估算.

为了更好的说明该方法的有效性， 本文也采用了传统冰川变化监测方法中总体精度最高的波段比值法[14-16]对实验区冰川变化进行监测. 在遥感图像处理软件ENVI支持下， 计算可见光波段与红外波段的比值， 并结合适当的阈值对两期影像的冰川进行提取， 并以高分辨率遥感数据得到的结果为参考进行精度估算(表2).

从表2中可以看出， 针对该实验区， 文中方法变化检测精度优于常用的波段比值法.

4 结论与讨论

本文提出了一种基于改进IHS融合的冰川变化监测方法， 并证明了该方法的可行性. 实验结果表明， 该方法在定性分析和总体精度方面优于常用的冰川变化监测方法. 但该方法在变化信息提取中存在一定的问题. 针对冰川边缘微小变化区域， 融合结果图中虽可将变化情况精确地凸显出来， 但文中提取方法较难将其准确提取. 而且该方法对影像质量要求较高. 因此， 该方法仍存在局限性.

针对该方法的局限性， 一种可以有效提取微小边缘变化的信息自动提取方法有待探究. 另外， 为了给冰川提取提供更多的依据， 在条件允许下应进行更多的野外考察， 以减少因影像以及人工干扰带来的不确定因素.

参考文献(References)：

[1] Albritton D, Meira F, Cubasch U,et al. Technical summary[J]. Climate change, 2001: 21-83.

[2] Qi Dongmei, Li Yueqing, Chen Yongren,et al. Changing characteristics and cause analysis of the runoff in the source regions of the Yangtze River under the background of climate change[J]. Journal of Glaciology and Geocryology, 2015, 37(4): 1075-1086. [齐冬梅, 李跃清, 陈永仁, 等. 气候变化背景下长江源区径流变化特征及其成因分析[J]. 冰川冻土, 2015, 37(4): 1075-1086.]

[3] Du Jun, Ma Pengfei, Du Xiaohui,et al. Influence of climate change on various animal husbandry critical periods in northeastern Tibet Autonomous Region during 1961-2013[J]. Journal of Glaciology and Geocryology, 2015, 37(5): 1361-1371. [杜军, 马鹏飞, 杜晓辉, 等. 气候变化对藏东北牧业生产关键期的影响[J]. 冰川冻土, 2015, 37(5): 1361-1371.]

[4] Yang Jianping, Li Man, Yang Suiqiao,et al. Vulnerability of the glaciers to climate change in China: Current situation and evaluation[J]. Journal of Glaciology and Geocryology, 2013, 35(5): 1077-1087. [杨建平, 李曼, 杨岁桥, 等. 中国冰川脆弱性现状评价与未来预估[J]. 冰川冻土, 2013, 35(5): 1077-1087.]

[5] Wang Kun, Jing Zhefan, Wu Yuwei,et al. Latest survey and study of surface flow features of the Qiyi Glacierin the Qilian Mountains[J]. Journal of Glaciology and Geocryology, 2014, 36(3): 537-545. [王坤, 井哲帆, 吴玉伟, 等. 祁连山七一冰川表面运动特征最新观测研究[J]. 冰川冻土, 2014, 36(3): 537-545.]

[6] Jiang Zongli, Liu Shiyin, Long Sichun,et al. Analysis of the glacier dynamics features in Kongur Mountain based on SAR technology and DEMs[J]. Journal of Glaciology and Geocryology, 2014, 36(2): 286-295. [蒋宗立, 刘时银, 龙四春, 等. 基于合成孔径雷达技术及DEM的公格尔山冰川动力特征分析[J]. 冰川冻土, 2014, 36(2): 286-295.]

[7] Aizen V B, Kuzmichenok V A, Surazakov A B,et al. Glacier changes in the Tien Shan as determined from topographic and remotely sensed data[J]. Global and Planetary Change, 2007, 56(3): 328-340.

[8] Hall D K, Ormsby J P, Bindschadler R A,et al. Characterization of snow and ice reflectance zones on glaciers using Landsat Thematic Mapper data[J]. Annals of glaciology, 1987, 9: 104-108.

[9] Ye Qinghua, Kang Shichang, Chen Feng,et al. Monitoring glacier variations on Geladandong mountain, central Tibetan Plateau, from 1969 to 2002 using remote-sensing and GIS technologies[J]. Journal of Glaciology, 2006, 52(179): 537-545.

[10] Bie Qiang, Qiang Wenli, Wang Chao,et al. Monitoring the glacier variation in the upper reaches of the Heihe River based on remote sensing in 1960-2010[J]. Journal of Glaciology and Geocryology, 2013, 35(3): 574-582. [别强, 强文丽, 王超, 等. 1960-2010年黑河流域冰川变化的遥感监测[J]. 冰川冻土, 2013, 35(3): 574-582.]

[11] Nie Yong, Zhang Yili, Liu Linshan,et al. Monitoring Glacier Change Based on Remote Sensing in the Mt. Qomolangma National Nature Preserve, 1976-2006[J]. Acta Geographica Sinica, 2010, 65(1): 13-28. [聂勇, 张镱锂, 刘林山, 等. 近30年珠穆朗玛峰国家自然保护区冰川变化的遥感监测[J]. 地理学报, 2010, 65(1): 13-28.]

[12] Zhang Jiping, Liu Linshan, Zhang Yili,et al. Object-oriented information extraction of water bodies and glaciers in extreme high altitude area: A case study of the core area of Mt. Qomolangma (Everest) National Nature Preserve[J]. Journal of Geo-Information Science, 2010, 12(4) : 517-523. [张继平, 刘林山, 张镱锂, 等. 面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例[J]. 地球信息科学学报, 2010, 12(4): 517-523.]

[13] Yan Lili, Wang Jian. Study of extracting glacier information from remote sensing[J]. Journal of Glaciology and Geocryology, 2013, 35(1): 110-118. [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.]

[14] Li Chengxiu, Yang Taibao, Tian Hongzhen. Variation of West Kunlun Mountains glacier during 1990-2011[J]. Progress in Geography, 2013, 32(4): 548-559. [李成秀, 杨太保, 田洪阵. 1990-2011年西昆仑峰区冰川变化的遥感监测[J]. 地理科学进展, 2013, 32(4): 548-559.]

[15] Andreassen L M, Paul F, Kääb A,et al. Landsat-derived glacier inventory for Jotunheimen, Norway, and deduced glacier changes since the 1930s[J]. The Cryosphere, 2008, 2(2): 131-145.

[16] Li Zhiguo, Yao Tandong, Ye Qinghua,et al. Glaciers in the Upstream Manla Reservoir in the Nianchu River Basin, Tibet: Shrinkage and Impact[J]. Journal of Glaciology and Geocryology, 2010, 32(4): 650-658. [李治国, 姚檀栋, 叶庆华, 等. 西藏年楚河满拉水库上游冰川变化及其影响[J]. 冰川冻土, 2010, 32(4): 650-658.]

[17] Li Junli, Mao Xi, Sun Jiabing. Approach of remote sensing image fusion in land use of change detection[J]. Chinese Journal of Nature, 2005, 26(5): 282-285. [李均力, 毛曦, 孙家柄. 土地利用遥感变化监测中影像融合方法的研究[J]. 自然杂志, 2005, 26(5): 282-285.]

[18] Feng Dejun, Tang Jiafa, Li Yongshu. Image segmentation for land use changes information by remote sensing[J]. Remote Sensing Information, 2005(5): 25-28. [冯德俊, 汤家法, 李永树. 基于遥感的土地利用变化信息图像分割研究[J]. 遥感信息, 2005(5): 25-28.]

[19] Zhou Aiping, Wu Hong, Huang Xiaojuan,et al. Application of P6 image data fusion and its optimal fusion method in remote sensing investigation of land utilization along both sides of Lijiang[J]. Journal of Shandong University of Science and Technology (Natural Science), 2010: 29(6): 39-43. [周爱萍, 吴虹, 黄晓娟, 等. P6影像数据融合及其最佳融合方法在漓江两岸土地利用调查中的应用[J]. 山东科技大学学报: 自然科学版, 2010, 29(6):39-43.]

[20] Zhang Lixia, Zhang Li, Ai Haibin. Improved IHS transform for remotely sensed imagery fusion[J]. Science of Surveying and Mapping, 2011, 36(6): 149-151. [张丽侠, 张力, 艾海滨. 改进IHS变换的图像融合方法研究[J]. 测绘科学, 2011, 36(6): 149-151.]

[21] Wu Juan, Lu Ling, Dong Jing. Fusion multispectral and high resolution image using IHS transform and histogram equilibrium[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2004, 28(1): 55-58. [伍娟, 卢凌, 董静. 基于IHS变换与直方图匹配法的遥感影像融合[J]. 武汉理工大学学报: 交通科学与工程版, 2004, 28(1): 55-58.]

[22] Jin Shanshan, Zhang Yongan, Wu Hongan. Glaciers extraction using Landsat TM image[J]. Bulletin of Surveying and Mapping, 2014(2): 76-79. [金姗姗, 张永安, 吴宏安. 基于Landsat TM影像的冰川提取[J]. 测绘通报, 2014(2): 76-79.]

[23] Xie Junting, Wang Xiaohua. A measurement of color similarity based on HSV color system[J]. Journal of Hangzhou Dianzi University, 2008, 28(1): 60-63. [谢君廷, 王小华. 一种基于HSV空间的颜色相似度计算方法[J]. 杭州电子科技大学学报, 2008, 28(1): 60-63.]

Monitoring glacier change by improved IHS fusion method

CHEN Yun1,2, LIU Guang2, LIAO Jingjuan2

(1.Institute of Remote Sensing and Digital Earth, Chinese Academy of Science, Beijing 100094, China；2.University of Chinese Academy of Science, Beijing 100049, China)

Abstract：With the development of satellite and sensor, remote sensing technology has been widely used in the glacier change monitoring. In order to make the glacier change detection in the study area more efficiently and intuitively, a method of improved IHS Fusion is proposed in this paper, based on multi-temporal and homologous satellite images. Different with the traditional IHS method, the improved HIS fusion method replaces the H and S components with I component. Applying the improved IHS method, the changed region between two images at different time will be highlighted in the fused image, and then the changed areas can be extracted by using the classification method of decision tree. Two Landsat images were selected to do experimental research. The result shows that it is better than band ratio method in both the qualitative analysis and quantitative analysis.

Key words：glacier change； remote sensing image； IHS fusion； band ration method

doi：10.7522/j.issn.1000-0240.2016.0190

收稿日期：2016-05-10;

修订日期：2016-09-10

基金项目：国家自然科学基金重点项目“全球环境变化遥感对比研究”(41120114001)资助

作者简介：陈云(1990-)， 女， 河南安阳人， 百度公司高级研发工程师， 2015年毕业于中国科学院遥感与数字地球研究所， 主要从事遥感图像处理方面的研究. E-mail： chenyun@radi.ac.cn

*通讯作者： 刘广， E-mail： liuguang@radi.ac.cn.

中图分类号：P343.6

文献标志码：A

文章编号：1000-0240(2016)06-1624-06

Chen Yun, Liu Guang, Liao Jingjuan. Monitoring glacier change by improved IHS fusion method[J]. Journal of Glaciology and Geocryology, 2016, 38(6): 1624-1629. [陈云， 刘广， 廖静娟. 基于改进IHS融合方法的冰川变化监测研究[J]. 冰川冻土, 2016, 38(6): 1624-1629.]