0 引言

青藏高原及周边山地、 天山、 阿尔泰山高峻的地势、 有利的地形结合西风和季风环流带来的较为丰富的降水， 使其成为除了两极之外最大的现代冰川作用中心， 也使我国成为中、 低纬度地区冰川分布最广、 最发育的国家[1]。在全球气候变暖背景下， 我国冰川整体上呈现出以退缩为主要特征的变化[2]， 这必将对我国的气候环境、 水资源利用、 生态保护、 社会经济等产生重大影响， 特别需要指出的是， 这种影响在生态环境较为脆弱的西北干旱内流区尤为突出。根据IPCC报告[3]， 全球气候变暖在可见的将来还将持续， 故冰川退缩趋势还在继续。为了获得冰川的现状并预测其变化趋势， 需要对冰川进行动态监测， 基于不同时期的遥感影像对其变化信息进行提取是获取冰川变化较为快捷且有效的方法与途径。

快速发展的3S技术， 使得冰川的动态监测与变化信息提取成为可能。目前， 遥感技术已经成为冰川信息提取不可或缺的重要手段。基于遥感数据提取冰川信息的方法繁多， 大致可分为专家目视解译和计算机辅助分类等。目视解译方法提取精度最高， 但需要投入大量时间与精力。计算机辅助分类已日趋成熟， 常用的方法有： 比值法、 积雪指数法、 监督分类与非监督分类法、 决策树分类法、 多波段主成分变换方法等[4-7]。同时， 伴随着遥感科学技术的不断发展， 面向对象的提取方法和雷达INSAR(Interferometric Synthetic Aperture Radar)干涉技术已经发展成熟并陆续应用到冰川信息的提取与监测中[8-9]。面向对象分类技术充分考虑了空间信息， 综合利用影像的形状、 大小、 纹理、 光谱统计特征等进行分割和分类， 实现高精度的信息提取。合成孔径雷达干涉测量技术是新近发展起来的一种以SAR为基础的空间对地观测技术。利用SAR的相位信息， 以同一地区的两张SAR影像作为基本处理数据进行干涉处理， 获取干涉图和相关性[10-11]。INSAR技术对传统的光学遥感技术具有很好的补充作用。

图像融合技术的应用领域非常广泛， 包括医学、 遥感、 计算机视觉、 气象预报和军事目标识别等。其目的是利用来自单一传感器或不同类传感器的多幅图像信息进行提取与综合， 从而“取长补短”， 形成对目标的更清晰、 更完整和更准确的信息描述[12-13]。本文从崇测冰川区的冰川信息提取方法入手， 首先对常用方法进行了对比分析， 然后借助图像融合技术进行多源遥感数据的冰川信息提取， 力图寻找遥感数据的综合利用方法， 从而达到提高冰川提取精度的目的。

1 研究区概况及数据预处理

号称“亚洲脊柱”的昆仑山位于青藏高原北部， 它西起新疆叶尔羌河中游的塔什库尔干谷地， 东止青海境内的阿尼玛卿山东端， 整个山系全长超过2 500 km， 由多列近东西走向的平行山脉与山间盆地构成。西昆仑山位于其西段， 是新疆和西藏之间最高大雄伟的山系。昆仑峰为区内最高峰(7 167 m a.s.l.)， 主山脊保留有大面积的山顶夷平面， 6 000 m 以上的山地面积超过我国境内任何山系。有利的地势地形使得西昆仑山成为整个昆仑山系的现代冰川作用中心[14]。崇测冰帽是中国最大的宽尾冰川之一， 与本区最大的古里雅冰帽隔河相望。崇测冰川区的冰川表面相对平坦洁净， 没有明显的表碛覆盖， 是冰川信息的提取及冰川变化研究的理想之所。

使用的光学遥感影像有来自于USGS数据共享平台的Landsat-5 TM数据， 印度IRS-P5卫星的全色高分辨率影像。对这两种影像进行了以Google地图为基准的几何精校正， 均采用统一的UTM(44N带)投影方式。

采用的单幅雷达影像为哨兵-1A的IW_RAW聚焦模式的数据， 雷达数据处理平台为SAR SCAPE5.1， 运行在ENVI5.1中。首先对选用的数据进行预处理， 包括读取输出、 滤波和地理编码三个部分。读取.safe文件并且输出为可处理的.pwr文件形式。聚焦模式的SAR图像仅需要作多视处理， 将垂直向、 方位向的视数设置为6和1， 重采样为25 m×25 m分辨率的SAR图像[15]。滤波采用forst法， 能够有效清除噪声影响， 得到较清晰的图像， 之后结合SRTM DEM数据进行地理编码。哨兵-1A的两组IW_SLC影像用于进行INSAR处理。

2 研究方法

为了比较冰川信息提取的精度， 获得崇测冰川区最优的冰川信息提取方法， 本文初步采用的冰川信息提取方法有基于光学影像、 雷达影像和图像融合等3大类方法及其细化的数种方法。

2.1 光学影像的冰川提取方法

本研究采用的光学影像冰川提取方法主要有以下几种。

2.1.1 比值法

比值法通常用于多波段数字影像的增强处理， 比值图像反映的是同一影像上不同波段之间的光谱反射率曲线的斜率变化， 能够增强地物波谱特征的微小差异， 有助于区分某些地物类型。在常见的冰川提取方法中， 比值法运用最广。TM数据一般采用3波段或4波段比5波段， 获取比值图后通过调整阈值来提取冰川边界信息。

2.1.2 积雪指数法

积雪指数法(NDSI)是植被指数法在冰雪信息提取中的扩展应用。其依据为： 冰、 雪在可见光范围内具有较高的反射值； 而在短波红外波段的反射值较低。对这两个波段进行归一化处理， 可以突出冰、 雪的特性， 所构成的NDSI能够有效地提取冰雪信息。

NDSI=(CHi-CHj)/(CHi+CHj) (1)

式中： 下标\%i\%和\%j\%代表可见光和近红外的波段号， 对于TM数据一般使用3波段和5波段。获取NDSI 后设置相应阈值， 可以将冰、 雪从其它地物中提取出来。

2.1.3 分类法的冰川提取方法

监督分类的前提是用户对分类影像上的地物特征有所了解， 并且能够依据先验知识建立地物典型的训练样本。非监督分类法是指对待分类地物没有任何先验知识的情况下， 仅依靠光谱特征的分布规律， 按照相似性规则进行分类。

2.1.4 面向对象分类技术

面向对象分类技术可以概括为两个过程： 影像对象的构建与分类。影像对象的构建主要采用了影像分割技术[15]。本文采用了面向对象的分水岭分割和多尺度分割。由于分水岭分割是利用单幅灰度图像进行分割， 因此适用于高分辨率的IRS-P5全色波段数据； 而TM则采用多尺度分割进行实验。分水岭分割之前对图像进行了边缘检测。

2.2 雷达影像的冰川提取方法

采用面向对象分类法进行了基于雷达数据的冰川信息提取， 主要包括单雷达数据冰川提取和多时相雷达INSAR处理。

INSAR利用重复轨道雷达信号的相位差和相干性特征进行地表覆盖的探测。所获取的数据之间必须具有一定的相干性， 在此基础上才能提取有效信息， 开展进一步的分析应用。由于冰雪融化和冰川运动， 冰川的表面很难保持相干性， 利用这种“失相干”特性可以把冰川与周围地物区别开来。

INSAR处理前， 先要对两幅SLC数据进行预处理， 进行配准生成干涉图。选用的SLC数据对必须具有相干性。INSAR处理的操作流程主要包括： 基线估算、 干涉图生成、 去平、 自适应滤波和相干生成等[15]。在两幅SLC影像上， 各种地物的相干性情况有所不同。裸地、 山体等基本不发生改变， 故其相干性极高； 冰川由于运动使其呈失相干性。干涉图中， 相干性高的区域呈清晰的条纹状； 而相干性低的区域基本上没有条纹， 因此可以利用纹理特征的差异对地物进行分类。

2.3 基于图像融合的冰川提取方法

对三种遥感数据(TM、 IRS-P5和SAR)进行融合操作， 之后利用面向对象的分类方法进行冰川信息提取。在ENVI5.1实验平台中主要采用了HSV变换、 Brovey变换、 乘积运算(CN)变换、 主成分(PC)变换和施密特正交变换(GS)。本文的技术路线如图1所示。

3 结果与讨论

3.1 单一影像的冰川提取结果分析

用TM影像3波段与5波段进行比值操作， 通过阈值设定来区分冰川与非冰川区， 对阈值分别设置为2.5、 2.0、 1.5的冰川边界矢量结果进行叠加分析。结果表明此方法提取信息速度快、 简便且易操作。但是分类后的冰川与水体及少部分裸地之间有所混淆。特别是当阈值小于2的时候， 整个水体区域都被错分为冰川， 见图2。

积雪指数法提取过程简单快速， 但冰川的提取效果整体上不及比值法。因为冰川区与部分裸地错分过多， 零碎化现象严重， 视觉效果不强， 但可以有效区分出水体。

分类法对TM(多波段)提取效果较好， 优于IRS-P5(单波段)的提取结果。在IRS-P5的分类图像上可以看出， 冰川整体边界提取较完整。然而冰舌部分细碎化严重， 影像中大部分冰舌区的灰暗部分被错分为裸地。相对而言， 非监督分类法会错分部分裸地， 且细碎化严重； 监督分类法可有效的提取冰川， 冰川区与其它地物分类明显， 边界提取完整， 精度高于非监督分类， 但存在有少量冰川被漏分的现象。

面向对象分类法实验表明： 单纯的分水岭分割效果并不是很精确， 分割块数大， 包含像元多， 不利于下一步冰川信息提取的进行， 故提出先进行边缘检测再进行分水岭分割的处理方案。利用IDL语言对Roberts算子和Sobel算子及分水岭算法进行编程实现， 实验表明： 基于Sobel算子的分水岭分割效果最优， 图斑能够覆盖全图， 提取结果如图3所示。

多尺度分割实验最终得出冰川的最佳分割尺度为80%， 合并尺度为85%。图像分割完成后， 对各波段的光谱、 纹理特征、 空间结构等参照直方图探寻相关信息的阈值， 综合冰川与其它地物差异性较明显的指数分别进行阈值设置并建立提取知识规则， 步骤如下： ①band3/band5， 以阈值为2.5来提取冰川边界； ②积雪指数NDSI>0； ③引入DEM衍生出的坡度坡向数据， 并设置相应阈值来提取冰川。得到冰川信息的提取结果如图4所示。结果表明， 整体上冰川提取效果良好， 边界提取精确， 冰舌、 水体等都能有效分类。所以对具有显著地物特征类型的图像运用面向对象多尺度分割法提取效果较好。

对经过预处理后的单雷达数据选用面向对象方法进行冰川提取， 结果如图5(a)所示。实验结果显示分类效果较差， 冰舌与裸地及一小部分冰川有混淆的可能， 整体上提取效果也欠佳。说明单雷达影像由于分辨率较低， 斑点噪声严重， 不适于单独提取。

选用基于灰度共生矩阵(GLCM)的统计纹理分析方法， 对相干性图的8种纹理特征(均值、 方差、 同质性、 反差、 相异性、 熵、 二阶矩， 具体操作见ENVI操作手册)进行提取， 生成8种纹理特征图像。其中均值、 方差和同质性的属性反差较大， 对比性高， 故纹理特征明显、 易于区分。选择这三种纹理特征进行彩色合成， 可以将单一的相位图像转换为多波段图像以提高地面目标可分性。实验结果表明目视效果最好， 分类边界较为明显。

合成图像噪声较多， 需要先进行滤波处理， 消减噪声的影响。利用以上纹理特征图像采用面向对象的分类方法， 结果如图5(b)所示。冰川整体与裸地较易区分， 然而冰舌与水体却不能完全区分， 极易混淆， 其原因是水体在不断流动变化， 相干性极低。也有少量裸地被错分， 主要原因是噪声影响， 滤波只能减少而不能完全去除噪声。总体提取结果优于单雷达数据， 但相较于光学影像来说结果相对较差。

用传统目视解译方法来评价各种方法的效果。基于TM影像的比值法提取速度快， 但易与水体混淆， 面积一致性相对较低； 积雪指数法较精确， 能有效区分水体与冰川， 但过于细碎化， 裸地出现严重错分， 故提取的冰川面积多于实际面积； 监督分类法比非监督分类法的提取精度高， 但仍有小部分冰川被漏分； 面向对象多尺度分割方法精度最高， 一致性也最高， 达99.58%。IRS-P5数据的提取结果同样显示面向对象的分类精度高于监督与非监督分类结果。实验表明， 面向对象方法是提取冰川精度最高， 边界提取最为准确的方法(表2和表3)。

3.2 基于图像融合的冰川提取结果分析

对三种图像进行了图像融合， 对融合后图像采用面向对象的分类方法进行冰川信息提取， 结果表明： ①IRS-P5和TM采用GS融合效果最佳， HSV融合相对来说也较好， 但不如GS的目视效果， PC主成分变换耗时长， 融合后图像不够清晰。融合后图像保留了高分辨率与多光谱数据的特征， 将分类进行的更为细化， 冰川整体提取效果精确， 但冰舌部分有错分漏分现象。②SAR和TM采用GS融合方法， 它与主成分变换法难分高低， 但从融合速度来看GS法更胜一筹。采用GS融合后分类， 结果表明冰川的边界提取效果不尽理想， 有部分裸地被错分。③SAR和IRS-P5图像均是单波段影像， 选用Brovey变换进行融合。融合后图像效果一般， 与原始图像无明显差别。融合图像分类结果比单独图像效果好， 但仍有部分错分漏分的现象。④将IRS-P5与TM融合后的影像再与SAR图像进行二次融合， 选用GS融合方法保留了纹理特征， 清晰度有所改善。从分类结果看： 冰川边界提取较完整， 但冰川的特征信息分类有偏差， 如冰舌部分出现漏分， 有极少数冰川被错分漏分。

为了能客观地评价提取结果， 在此提出选用面积误差比进行结果对比分析。具体公式定义如下：

P=|S目视解译-S|÷S×100% (2)

式中： \%P\%为面积误差比； \%S\%目视解译为目视解译获得的面积； \%S\%为计算机解译获得的面积。得出文中所有相关实验的面积误差比， 如表4所示。

结果表明， 基于TM与IRS-P5融合后的分类误差比最小， 优于单个图像的分类结果， 证明了多光谱和高分辨率单色图像的融合可以提高分类精度(图6)。SAR影像单独分类比与其他图像融合后分类的效果要差， 同样说明融合能够提高分类精度。SAR影像与TM融合的分类结果优于与IRS-P5的， 原因是前两者分辨率比较接近， 且光谱信息比后者丰富。

4 结论

本文利用三种不同的遥感数据进行西昆仑山崇测冰川区的冰川信息提取。基于光学影像， 对传统的冰川信息提取方法与面向对象的分类方法进行了比较； 对于SAR数据， 从单幅影像和INSAR处理的影像， 进行了冰川信息提取实验； 通过图像融合技术， 对三种数据进行了融合后的再分类研究。基于上述的实验， 可得出如下的初步结论：

(1) 面向对象分类方法是最优的冰川信息提取方法。比值法、 积雪指数法也可以用于冰川信息的提取， 但需要设定合理的阈值， 监督分类需要设置合理的样本， 非监督分类仅需考虑光谱特性， 面向对象分类方法则需要综合考虑像元的光谱和空间特征。对于单波段影像， 分割前先进行Sobel运算， 可以突出线状特征， 有利于冰川信息的提取。多尺度分割提取方法能较好地提取具有显著特征的地物， 提取冰川信息效果最优。

(2) 多时相SAR的提取结果优于单时相SAR但是不及光学影像。对SAR影像的提取研究发现： 单幅雷达数据冰川信息提取效果较差且预处理耗时长。对多时相雷达数据采用INSAR技术进行干涉分析， 对干涉结果采用基于纹理特征的分类方法进行提取， 通过实验确定选用均值、 方差、 同质性合成影像可分性最强。通过分类获得的冰川提取结果能明显区分山体裸地与冰川区， 但不能区分水体与冰川。

(3) 与单种影像的分类结果相比较， 基于多源遥感影像融合的分类结果精度比较高， 分类误差较小。其中TM与IRS-P5融合后的冰川提取误差比最小， 提取结果最优。

本文初步得到的冰川信息提取的最优方案、 图像融合的最佳方法有进一步完善与改进的可能。其一， 本文仅使用了三种遥感数据， 且SAR数据空间分辨率不是很高， 数据源的增加与分辨率的提高， 现有的最优方案有改进的可能； 其二， 图像融合的其他方法有待进一步探讨； 其三， 对冰川变化信息的提取方法有待进一步加强。

参考文献:

[1] Yao Tandong, Thompson L, Yang Wei, et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2012, 2(9): 663-667.

[2] Liu Shiyin, Yao Xiaojun, Guo Wanqin, et al. The contemporary glaciers in China based on the Second Chinese Glacier Inventory[J]. Acta Geographica Sinica, 2015, 70(1): 3-16. [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(1): 3-16.]

[3] IPCC. Climate Change 2013: The physical science basis[M]. Cambridge: Cambridge University Press, 2013.

[4] Ke L, Ding X, Song C. Heterogeneous changes of glaciers over the western Kunlun Mountains based on ICESat and Landsat-8 derived glacier inventory[J]. Remote Sensing of Environment, 2015, 168: 13-23.

[5] Kordzakhia G, Shengelia L, Tvauri G, et al. Satellite remote sensing outputs of the certain glaciers on the territory of East Georgia[J]. Egyptian Journal of Remote Sensing & Space Sciences, 2015, 18(1): 1-7.

[6] Liu T, Kinouchi T, Ledezma F. Characterization of recent glacier decline in the Cordillera Real by LANDSAT, ALOS, and ASTER data[J]. Remote Sensing of Environment, 2013, 137(10): 158-172.

[7] Yavalh D D, Tucker C J, Melocik K A. Change in the glacier extent in Turkey during the Landsat Era[J]. Remote Sensing of Environment, 2015, 163: 32-41.

[8] Kraaijenbrink P D A, Shea J M, Pellicciotti F, et al. Object-based analysis of unmanned aerial vehicle imagery to map and characterise surface features on a debris-covered glacier[J]. Remote Sensing of Environment, 2016, 186: 581-595.

[9] Han H, Lee H. Tide deflection of Campbell Glacier Tongue, Antarctica, analyzed by double-differential SAR interferometry and finite element method[J]. Remote Sensing of Environment, 2014, 141(2): 201-213.

[10] Solberg S, Astrup R, Breidenbach J, et al. Monitoring spruce volume and biomass with InSAR data from TanDEM-X[J]. Remote Sensing of Environment, 2013, 139(12): 60-67.

[11] Zhou Jianmin, Li Zhen, Xing Qiang. Deriving glacier border information based on analysis of decorrelation in SAR interferometry[J]. Journal of Glaciology and Geocryology, 2010, 32(1): 133-138. [周建民, 李震, 邢强. 基于雷达干涉失相干特性提取冰川边界方法研究[J]. 冰川冻土, 2010, 32(1): 133-138.]

[12] Zhang Qiang, Liu Yi, Blumc R S, et al. Sparse representation based multi-sensor image fusion for multi-focus and multi-modality images: a review[J]. Information Fusion, 2018, 40: 57-75.

[13] Ghassemian H. A review of remote sensing image fusion methods[J]. Information Fusion, 2016, 32: 75-89.

[14] Su Zhen, Xie Zichu, Wang Zhichao. Glaciers and Their Environments in Karakoram and Kunlun Mountains[M]. Beijing: Science Press, 1998. [苏珍, 谢自楚, 王志超. 喀喇昆仑山-昆仑山地区冰川与环境[M]. 北京: 科学出版社, 1998.]

[15] Zhang Wen. Research on Glacier Extraction Methods based on Multi-source Remote Sensing Data[D]. Lanzhou: Lanzhou Jiaotong University, 2016. [张雯. 基于多源遥感数据的冰川信息提取方法研究[D]. 兰州: 兰州交通大学, 2016.]

[16] Zhang Wen. Study of extracting glacier information by variety remote sensing: a case study in chongce glacial area[J]. Geomatics and Spatial Information Technology, 2016, 39(11): 175-178. [张雯. 基于遥感的冰川信息提取方法探讨——以崇测冰川地区为例[J]. 测绘与空间地理信息, 2016, 39(11): 175-178.]

[17] Ye Qinghua, Chen Feng, Yao Tandong, et al. Tupu of glacier variations in the Mt. Naimona′Nyi region, western Himalayas, in the last three decades[J]. Journal of Remote Sensing, 2007, 11(4): 512-520. [叶庆华, 陈锋, 姚檀栋. 近30 a来喜马拉雅山脉西段纳木那尼峰地区冰川变化的遥感监测研究[J]. 遥感学报, 2007, 11(4): 512-520.]

[18] Shangguan Donghui, Liu Shiyin, Ding Yongjian, et al. Glacier changes at the head of Yurungkax River in the west Kunlun Mountains in the past 32 years[J]. Acta Geographica Sinica, 2004, 59(6): 855-862. [上官冬辉, 刘时银, 丁永建, 等. 玉龙喀什河源区32年来冰川变化遥感监测[J].地理学报, 2004, 59 (6): 855-862.]

[19] 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.]

[20] Yan Donghai, Li Zhongqin, Gao Wenyu, et al. RS-based monitoring of glacier change in the Beidahe River basin in the Qilian Mountains[J]. Arid Zone Research, 2012, 29(2): 245-250. [颜东海, 李忠勤, 高闻宇, 等. 祁连山北大河流域冰川变化遥感监测[J]. 干旱区研究, 2012, 29(2): 245-250.]

[21] Zeng Lingfang, Li Lin, Wan Lihua. SAR-based fast flood mapping using Sentinel-1 imagery[J]. Geomatics World, 2015, 22(5): 100-103. [曾玲方, 李霖, 万丽华. 基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取[J]. 地理信息世界, 2015, 22(5): 100-103.]

[22] Huang Lei, Li Zhen, Zhou Jianmin, et al. Glacier change monitoring using sar: an overview[J]. Advances in Earth Science, 2014, 29(9): 985-993. [黄磊, 李震, 周建民, 等. SAR监测冰川变化研究进展[J]. 地球科学进展, 2014, 29(9): 985-993.]

[23] Huai Baojuan, Li Zhongqin, Sun Meiping, et al. Discussion on RS methods for glacier outline detection: a case study in headwaters of the Kanas River[J]. Arid Zone Research, 2013, 30(2): 372-377. [怀保娟, 李忠勤, 孙美平, 等. 多种遥感分类方法提取冰川边界探讨——以喀纳斯河源地区为例[J]. 干旱区研究, 2013, 30(2): 372-377.]

[24] Song Bo, He Yuanqing, Pang Hongxi, et al. Identifying automatically the debris-covered glaciers in China′s monsoonal temperate-glacier regions based on remote sensing and GIS[J]. Journal of Glaciology and Geocryology, 2007, 29(3): 456-462. [宋波, 何元庆, 庞洪喜, 等. 基于遥感和GIS的我国季风海洋型冰川区冰碛物覆盖型冰川边界的自动识别[J]. 冰川冻土, 2007, 29(3): 456-462.]

[25] Liu Meiling. Methods and applications for glacier extraction of multi-source remote sensing data[D]. Lanzhou: Lanzhou Jiaotong University, 2014. [刘美琳. 多源遥感影像冰川提取技术方法与应用[D]. 兰州: 兰州交通大学, 2014.]

[26] 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.]