基于高分卫星数据的冰川长度综合提取方法
【类型】期刊
【作者】杨佰义，张灵先，高杨，向洋，牟乃夏，索朗旦巴（山东科技大学测绘科学与工程学院；中国科学院青藏高原研究所；林芝市气象局）
【作者单位】山东科技大学测绘科学与工程学院；中国科学院青藏高原研究所；林芝市气象局
【刊名】冰川冻土
【关键词】 冰川主流线；冰川中心线；冰川长度提取；高分一号卫星数据
【资助项】国家国防科工局高分专项(30-y30b13-9003-14/16-01)资助
【ISSN号】1000-0240
【页码】P1615-1623
【年份】2019
【期号】第6期
【期刊卷】1;|7;|8;|2
【摘要】冰川长度是冰川变化研究中的重要参数.以青藏高原普若岗日冰原为研究对象,基于高分一号卫星遥感影像和数字高程模型数据,利用波段阈值法和目视解译相结合的方法提取冰川边界,综合利用冰川中心线法和冰川主流线法获取冰川长度,并在地理信息系统技术支持下进行了实现.结果表明,提取的冰川长度线与人工数字化的冰川长度线吻合度较好,精度可达97.9%,且执行效率较高.
【全文】 文献传递
基于高分卫星数据的冰川长度综合提取方法
摘 要：冰川长度是冰川变化研究中的重要参数. 以青藏高原普若岗日冰原为研究对象， 基于高分一号卫星遥感影像和数字高程模型数据， 利用波段阈值法和目视解译相结合的方法提取冰川边界， 综合利用冰川中心线法和冰川主流线法获取冰川长度， 并在地理信息系统技术支持下进行了实现. 结果表明， 提取的冰川长度线与人工数字化的冰川长度线吻合度较好， 精度可达97.9%， 且执行效率较高.
关键词：冰川主流线； 冰川中心线； 冰川长度提取； 高分一号卫星数据
0 引言
冰川是对气候变化响应最敏感的指示器之一[1-7]， 冰川长度是冰川变化研究中重要的参数， 其变化不仅能直观地显示冰川的变化状态， 而且能反映区域及全球气候变化特征. 在遥感应用研究中， 冰川长度一般定义为冰川轴线的最大距离， 即冰川主流线的最大长度[8]. 而在全球冰川变化研究中， 冰川长度更是主要参数之一[9-10]， 现有的冰川长度提取方法主要有冰川主流线提取法[8,11-14]和冰川中心线提取法[15-16]两种. 冰川主流线提取法一般是通过水文分析提取汇水线从而来实现冰川长度的提取. 目前， 国内学者更多地通过人工手绘冰川主流线来获取冰川长度[14,17]， 并以此揭示冰川末端的变化[12,14,18-20]， 例如李鹏等[20]通过对北极Austre Lovénbreen冰川末端变化的计算， 发现通过主流线法能得到冰川末端变化的最大值， 但人工获取较为费时费力， 而自动提取冰川主流线在很多情况下汇水线无法追索到冰川顶端边界， 尤其是在冰川地形较为平坦的区域. 冰川中心线法则是提取冰川边界的中心线， 以此来代表冰川长度线， 例如Le Bris等[15]提出一种基于冰川轴线自动获取冰川长度的方法， 该方法相对简单但对数据源的精度要求比较高， 且无法保证获得的冰川长度线是单条冰川中最长的； Kienholz等[16]通过建立数学模型， 针对冰川的每一条分支都提取其中心线， 最终选择一条最长的中心线作为冰川长度线， 虽能保证提取的冰川长度线是最长的， 但算法运行过于复杂， 对数据源精度要求也比较高. 因此， 冰川中心线法更适用于形状规则或面积较小的冰川.
鉴于冰川主流线法和冰川中心线法在提取冰川长度时的优缺点， 本研究以青藏高原普若刚日冰原为研究区， 利用研究区高分卫星遥感影像和数字高程模型数据， 分别利用冰川主流线法、 冰川中心线法提取了冰川长度， 以找到最适合提取冰川长度的方法.
1 研究区概况
普若岗日冰原位于33°44′～34°03′ N， 88°42′～89°03′ E， 如 图1所示， 是藏北地区最大的冰原[21]， 也是世界第三大冰川. 该研究区位于青藏高原腹地羌塘高原的中部， 属于高原寒带季风干旱地区[22]， 冰原面积有422.58 km2， 冰储量为52.52 km3， 冰川雪线海拔5 620～5 860 m[21，23-24]， 表面平坦， 呈西北东南方向条形分布. 该冰原融水补给了附近的令戈错、 多格错仁、 赤布张错等三个湖泊.
图1 普若岗日冰原地理位置
Fig.1 Map showing the geographic position of the Purog Kangri ice field
2 数据源及预处理
本研究使用数据包括2014年11月14日获取的高分一号多光谱数据和研究区shuttle radar topography mission (SRTM) DEM数据. 高分一号卫星于2013年4月26日在酒泉卫星发射中心成功发射， 是中国高分辨率对地观测系统的第一颗卫星， 具有高空间分辨率、 高寿命、 高效能等特点[25]. 本研究所用的高分一号卫星数据主要参数如表1所示.
数字高程模型(digital elevation model， DEM)是以数字形式表示地面海拔高程的实体地面模型，可由此派生出坡度、 坡向及坡度变化率等地貌特性. 在本研究中， DEM数据是来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http://www.gscloud.cn)的SRTM数据， 该数据于2000年2月由美国太空总署(NASA)和国防部国家测绘局(NIMA)联合进行测量， 并经过两年多的处理， 在2003年开始公开发布. 本研究中的DEM数据空间分辨率为90 m， 主要用来确定冰川边界的海拔最高点和最低点以及进行水文分析提取相关汇水线.
表1 高分一号卫星数据的主要参数
Table1 The major parameters of the Gaofen-1 satellite remote sensing data
波段波长范围/μm传感器空间分辨率/m云量B1(蓝)0.45～0.52B2(绿)0.52～0.59WFV2162%B3(红)0.63～0.69B4(近红外)0.77～0.89
高分一号卫星数据1A级产品是相对辐射校正产品， 在进行冰川信息提取之前， 基于研究区的DEM数据和高分卫星提供的RPC参数在ENVI平台下进行正射校正， 并以同时期的Landsat 8数据为基准数据进行几何配准， 数据的处理均在ENVI遥感平台下进行， 最终控制误差在0.5个像元内.
3 冰川长度提取方法
本研究的冰川长度提取方法包括两个部分(图2)， 首先是依据高分数据的特点利用单波段阈值法对冰川边界进行识别和提取， 并利用人工目视解译的方法进行确定； 然后基于第二次冰川编目边界数据对冰川进行分条， 最后利用冰川中心线、 冰川长度线和综合提取法三种方法提取研究区冰川长度.
3.1 冰川边界提取
随着遥感技术的发展， 利用遥感影像来监测冰川的变化越来越成为一种主流手段[10]， 冰川边界提取方法上， 目前常用的方法包括比值阀值法、 监督分类、 非监督分类、 雪盖指数法等[26-31]， 利用的是冰雪在可见光波段与中红外波段的反射率差异. 但是高分卫星数据没有中红外波段数据， 因此本研究使用单波段阈值法来提取冰川边界. 通过分析发现波谱信息比较丰富的第一波段比较适合冰川边界提取. 具体提取方法如下：
(1) 研究区遥感影像数据裁剪. 利用研究区范围矢量数据和ArcGIS软件的裁剪工具对研究区影像进行裁剪， 结果如图3(a)所示.
(2) 根据阈值提取冰川边界. 选取波谱信息比较丰富的第一波段， 通过ArcGIS软件的栅格计算器工具根据设定的阈值对冰雪区赋值为1， 非冰雪区赋值为0. 经过反复的实验和比对发现， 当阈值大于650时较适合该区域冰川边界提取.
(3) 剔除误分类像元及平滑边界. 对于误分类的像元， 可根据像元邻域内的众数值来替换误分类的像元， 在ArcGIS软件中通过众数滤波工具实现； 对于区域内的不规整边缘， 利用ArcGIS软件的边界清理工具平滑区域之间的边界， 结果如图3(b)所示.
图2 方法流程图
Fig.2 Flow chart of the extraction process of glacier length
图3 冰川边界提取与分条过程
Fig.3 The extraction and subsection of glacier boundary
(4) 栅格转矢量. 通过ArcGIS的栅格转多边形工具将冰川栅格数据转成矢量数据， 并对图中不正确的细碎多边形进行去除， 结果如图3(c)所示.
(5) 冰川分条. 利用第二次冰川编目边界数据和ArcGIS的分割工具对冰川进行分条， 生成单一冰川， 并参照影像对冰川边界以及冰川内部由于山体阴影造成的错误细碎多边形进行人工检查修改， 结果如图3(d)所示。
3.2 利用中心线法提取冰川长度
利用中心线法提取冰川长度是根据获取的单条冰川边界， 结合区域DEM数据， 得到单条冰川的最高点和最低点， 连接最高点和最低点得到冰川轴线； 生成与冰川轴线垂直相交的等间隔平行线， 并通过平行线中心点查找、 路径寻找的方法提取单条冰川范围内的最长流水线， 最后进行平滑处理， 得到冰川长度线. 具体方法如下：
(1) 利用DEM数据获取单条冰川边界的最高点、 最低点， 并连接成轴线. 通过ArcGIS软件的转换工具将冰川边界的数据转换为点要素后， 再利用DEM数据和ArcGIS软件的“值提取至点”工具为冰川边界各点赋予高程值， 最后从中选择出最大值和最小值， 即冰川边界的海拔最高点和最低点， 将两点连接成冰川轴线， 结果如图3(a)所示.
图4 中心线法提取冰川长度过程示例
Fig.4 A sample of extraction process of glacier length by the method of glacier centerline
(2) 生成垂直于轴线的平行线. 按照30 m的间隔生成垂直于冰川轴线的一系列平行线， 平行线的长度应覆盖住整个冰川边界结果如图3(b)所示. 在研究过程中， 进行了多次的实验发现10 m间隔获取的中间点过多， 容易造成连线错误， 100 m间隔获取的中间点比较少， 连线折点突兀， 而30 m间隔最适合于冰川长度线的提取.
(3) 裁剪平行线. 通过ArcGIS软件的相交工具和冰川边界对平行线进行裁剪， 保留冰川边界内部平行线， 结果如图3(c)所示.
(4) 求取平行线段的中点， 并计算高程值. 通过ArcGIS软件的要素折点转点工具(此时点类型应设为中点)获取平行线的中点， 并利用DEM数据获取每个中点的高程值， 为下一步连线做准备， 结果如图3(d)所示.
(5) 连接中点连线. 根据海拔高度值从最高点出发向其邻近的点连接， 直到海拔最低点， 得到冰川长度线. 整个连接过程遵循以下3个原则： ①始终从高处到低处； ②始终为最邻近点相连； ③所有连线在冰川边界内. 此处结合K-D树算法通过编程实现， 对于无法确定的点， 需人为干预处理， 结果如图3(e)所示.
(6) 平滑中心线. 通过ArcGIS软件的平滑线工具， 对冰川长度线进行平滑处理， 结果如图3(f)所示.
3.3 利用主流线法提取冰川长度
基于冰川长度线的定义， 可利用水文分析提取汇水线的方法来提取冰川的最长主流线， 从而提取该部分冰川的长度线. 具体方法如下：
(1) 填充洼地及确定河流流向.
洼地是指流域内栅格高程均小于相邻栅格高程的区域， 分为自然洼地和伪洼地. 自然洼地是自然界实际存在的洼地， 伪洼地是指由于数据处理的误差和不合适的插值方法所产生的洼地. 伪洼地会造成水流方向的不确定性， 因此应先对DEM数据进行填充洼地的处理.
基于无洼地DEM数据， 利用D8算法(deterministic eight-node， O′Callaghan & Mark， 1984)确定河流流向. D8算法原理为： 假设单个栅格中的水流只能流入与之相邻的8个栅格中， 在3×3栅格窗口中， 计算中心栅格与各相邻栅格之间的距离权落差， 流向为具有最大距离权落差的邻域栅格方向[32]， 如图5所示， 图中原始栅格的数字代表高程值； 水流流向编码图中的数字代表方向： 1代表东， 2代表东南， 4代表南， 8代表西南， 16代表西， 32代表西北， 64代表北， 128代表东北； 水流流向栅格图中数字代表原始各栅格的水流流向. 填充洼地及确定河流流向分别通过ArcGIS软件中水文分析的填洼工具和流向工具实现， 结果如图8(a)所示.
图5 D8算法原理示意图
Fig.5 Sketch map showing the principle of D8 algorithm
(2) 确定河流累积汇流量. 河流累积汇流量是根据流向栅格图来计算汇入每个栅格单元所能累积的水量， 即汇入每个单元栅格的流入路径总数， 如图6所示. 在ArcGIS软件中通过流量工具实现， 结果如图8(b)所示.
图6 河流累积汇流示意图
Fig.6 Sketch map showing the accumulated flow confluence
(3) 生成河网. 基于上一步提取的河流累积汇流栅格， 当汇流量达到一定值的时候， 就会产生地表径流， 即基于累积汇流矩阵生成的河网. 为提取最长汇水线， 本研究设定的阈值为0， 在ArcGIS软件中通过栅格计算器实现， 结果如图8(c)所示.
(4) 河流分级. 该方法是通过支流数识别和分类河流类型， 主要有Strahler方法和Shreve方法. 本研究中用到的方法为Shreve方法， 该方法将所有没有支流的连接线都分为1级， 当两条支流相汇时， 河网的级别会累积升高， 如图7所示. 在ArcGIS软件中通过河网分级工具实现， 结果如图8(d)所示.
图7 Shreve河网分级方法示意图
Fig.7 Sketch map of the method of stream order of Shreve
(5) 栅格河网矢量化. 通过ArcGIS软件的栅格格网矢量化工具将栅格格网转为矢量数据， 并将河流的等级存储到矢量数据的属性表中， 结果如图8(e)所示.
(6) 取最长汇水线及平滑处理. 基于3.2节中介绍的获取单条冰川边界的海拔最高点和最低点方法， 得到每条冰川的海拔最高点和最低点， 并从海拔最高点出发向其邻近的点河流连接， 直到海拔最低点， 得到冰川长度线. 整个连接过程遵循以下四个原则： ①汇水线必须相连接； ②始终从低级别河流连向高级别河流； ③所有连线在冰川边界内； ④保证得到的汇水线是最长的， 结果如图8(f)所示.
3.4 冰川长度综合提取法
本研究实验发现对于面积较大的山地冰川， 由于其形状通常不规则， 所以利用冰川中心线法提取的冰川长度线往往不经过冰川的最低区域， 很大程度上不能代表实际的冰川长度； 而对于面积较小的山地冰川， 由于DEM精度不够， 利用冰川主流线法又无法达到冰川顶部， 同时过小的阈值设定又增加了大冰川的计算时间. 因此， 鉴于冰川中心线法和冰川主流线法提取冰川长度线的优缺点， 本研究针对不同大小的冰川综合采用冰川中心线法和冰川主流线法提取冰川长度. 经多次反复实验发现以1 km2 的面积进行分类较适合该区冰川长度的提取. 对于面积小于1 km2的小冰川， 采用冰川中心线法进行冰川长度的提取， 而对于面积大于1 km2的冰川， 则利用冰川主流线法提取冰川长度.
图8 主流线法提取冰川长度过程示例
Fig.8 A sample of extraction process of glacier length by the method of glacier mainstream line
4 结果分析
基于地形图或等高线数据， 人工数字化主流线法是目前精度较高的冰川长度提取方法[14,33]， 所以为验证本研究中冰川长度提取方法的精确度， 本研究根据研究区1974年地形图， 人工绘制了研究区55条冰川主流线， 以此作为标准数据与三种自动算法的结果进行对比分析. 研究区的55条冰川中， 当利用冰川中心线法提取冰川长度时， 精度为93.7%， 误差大于10%的冰川有8条， 其中最大误差为34.1%. 误差大的情况多发生在形状不规则的大冰川， 很多情况下无法代表实际的冰川长度. 当利用冰川主流线法提取冰川长度时， 精度为96.0%， 误差大于10%的冰川有4条， 其中最大误差为23.5%， 对于地形平坦的小冰川提取效果不理想. 当综合利用冰川中心线法和冰川主流线法提取冰川长度时， 精度能达到97.9%， 其中最大误差为7.8%.
图9显示了利用综合法自动提取的冰川长度线与人工提取的冰川长度的对比结果， 综合法自动提取的冰川长度线与人工提取结果吻合度较好， 具有较高的精度， 例如冰川A和冰川B. 同时在个别区域， 由于受裸露岩石等因素的影响， 自动提取结果也存在一定的偏差， 如冰川C和冰川D， 此时则需要进一步的人工检查修改.
图9 综合法自动提取冰川长度与人工提取结果对比
Fig.9 A comparison of the results between automatic extraction thod and manual interpretation
5 结论
本研究基于高分一号卫星影像、 DEM数据、 ArcGIS软件等提出了针对不同面积大小的冰川综合利用冰川中心线法和冰川主流线法提取冰川长度的方法， 对于小冰川采用冰川中心线法提取冰川长度， 而对于面积较大、 形状不规则冰川采用冰川主流线法提取冰川长度. 该方法结合了冰川中心线法和冰川主流线法提取冰川长度的优点， 既降低了对输入DEM数据精度的要求， 又扩大了方法的适用范围， 保证了运算的效率. 同时， 通过与人工判读的结果对比， 该综合自动算法的精度可达97.9%. 但本方法也存在一些缺陷需要进行人工干预， 例如： 在提取冰川长度线时， 对于大面积冰川， 由于受地形起伏及DEM精度等因素的影响， 冰川主流线的获取会产生异常， 使得冰川长度线无法从海拔最高点流向最低点， 此时需要进行人工修正.
参考文献(References)：
[1] Yan Ming, Ren Jiawen, Zhang Zhanhai,et al. The progress of glaciological studies in Svalbard and Chinese construction of glacier monitoring system close to Yellow River Station, Ny-Ålesund, Svalbard[J]. Chinese Journal of Polar Research, 2006, 18(2): 137-147. [闫明, 任贾文, 张占海, 等. 斯瓦尔巴群岛冰川学研究进展与我国北极冰川监测系统建设[J]. 极地研究, 2006, 18(2): 137-147.]
[2] Fan Xiaobing, Yan Lili, Xu Jinghua,et al. Analysis of glacier change in Manas River basin in the last 50 years based on multi-source data[J]. Journal of Glaciology and Geocryology, 2015, 37(5): 1188-1198. [樊晓兵, 彦立利, 徐京华, 等. 基于多源数据的近50 a玛纳斯河流域冰川变化分析[J]. 冰川冻土, 2015, 37(5): 1188-1198.]
[3] Feng Tong, Liu Shiyin, Xu Junli,et al. Glacier change of the Yarkant River basin from 1968 to 2009 derived from the first and second glacier inventories of China[J]. Journal of Glaciology and Geocryology, 2015, 37(1): 1-13. [冯童, 刘时银, 许君利, 等. 1968-2009年叶尔羌河流域冰川变化: 基于第一、 二次中国冰川编目数据[J]. 冰川冻土, 2015, 37(1): 1-13.]
[4] Zhu Wanwan, Shangguan Donghui, Guo Wanqin,et al. Glaciers in some representative basins in the middle of the Tianshan Mountains: change and response to climate change[J]. Journal of Glaciology and Geocryology, 2014, 36(6): 1376-1384. [朱弯弯, 上官冬辉, 郭万钦, 等. 天山中部典型流域冰川变化及对气候的响应[J]. 冰川冻土, 2014, 36(6): 1376-1384.]
[5] Su Zhen, Zhao Jingdong, Zheng Benxing. Distribution and features of the glaciers′ ELAs and the decrease of ELAs during the Last Glaciation in China[J]. Journal of Glaciology and Geocryology, 2014, 36(1): 9-19. [苏珍, 赵井东, 郑本兴. 中国现代冰川平衡线分布特征与末次冰期平衡线下降值研究[J]. 冰川冻土, 2014, 36(1): 9-19.]
[6] Su Bo, Li Zhongqin, Zhang Mingjun,et al. A comparative study on mass balance between the continental glaciers and the temperate glaciers: taking the typical glaciers in the Tianshan Mountains and the Alps as examples[J]. Journal of Glaciology and Geocryology, 2015, 37(5): 1131-1140. [苏勃, 李忠勤, 张明军, 等. 大陆型冰川与海洋型冰川物质平衡对比研究: 以天山和阿尔卑斯山典型冰川为例[J]. 冰川冻土, 2015, 37(5): 1131-1140.]
[7] Wang Xin, Liu Qionghuan, Jiang Lianghong,et al. Characteristics and influence factors of glacier surface flow velocity in the Everest region, the Himalayas derived from ALOS/PALSAR images[J]. Journal of Glaciology and Geocryology, 2015, 37(3): 570-579. [王欣, 刘琼欢, 蒋亮虹, 等. 基于SAR影像的喜马拉雅山珠穆朗玛峰地区冰川运动速度特征及其影响因素分析[J]. 冰川冻土, 2015, 37(3): 570-579.]
[8] Machguth H, Huss M. The length of the world′s glaciers: a new approach for the global calculation of center lines[J]. The Cryosphere, 2014, 8(5): 1741-1755.
[9] Wu Shanshan, Yao Zhijun, Jiang Liguang,et al. Method review of modern glacier volume change[J]. Advances in Earth Science, 2015, 30(2): 237-246. [吴珊珊, 姚治君, 姜丽光, 等. 现代冰川体积变化研究方法综述[J]. 地球科学进展, 2015, 30(2): 237-246.]
[10] Zhu Dayun. Changes of ice thickness for typical glaciers in different areas of Tibetan Plateau[D]. Chongqing: Southwest University, 2015. [朱大运. 青藏高原不同地区典型冰川厚度变化研究[D]. 重庆: 西南大学, 2015.]
[11] Wang Junzhan, Zhang Youjing, Zhang Weimin,et al. Methods for calculating glacier area and length in a mountainous area based on remote-sensing data and a digital elevation model[J]. Sciences in Cold and Arid Regions, 2010, 2(4): 298-304.
[12] Wang Puyu, Li Zhongqin, Cao Min,et al. Variation of Qingbingtan Glacier No.72 in Mt. Tuomuer region during past 45 years[J]. Scientia Geographica Sinica, 2010, 30(6): 962-967. [王璞玉, 李忠勤, 曹敏, 等. 近45年来托木尔峰青冰滩72号冰川变化特征[J]. 地理科学, 2010, 30(6): 962-967.]
[13] Guo Wanqin, Liu Shiyin, Xu Junli,et al. Monitoring recent surging of the Yulinchuan Glacier on north slopes of Muztag Range by remote sensing[J]. Journal of Glaciology and Geocryology, 2012, 34(4): 765-774. [郭万钦, 刘时银, 许君利, 等. 木孜塔格西北坡鱼鳞川冰川跃动遥感监测[J]. 冰川冻土, 2012, 34(4): 765-774.]
[14] Li Shanshan. Characteristics and spatial differences of terminus for representative glaciers in different areas of the Tianshan Mountains, China[D]. Lanzhou: Northwest Normal University, 2013. [李珊珊. 中国天山不同地区典型冰川末端变化特征及其空间差异研究[D]. 兰州: 西北师范大学, 2013.]
[15] Le Bris R, Paul F. An automatic method to create flow lines for determination of glacier length: a pilot study with Alaskan glaciers[J]. Computers & Geosciences, 2013, 52(1): 234-245.
[16] Kienholz C, Rich J L, Arendt A A,et al. A new method for deriving glacier centerlines applied to glaciers in Alaska and northwest Canada[J]. The Cryosphere, 2014, 8(2): 503-519.
[17] Xu Junli, Zhang Shiqiang, Shangguan Donghui. Glacier change in headwaters of the Yangtze River in recent three decades[J]. Arid Zone Research, 2013, 30(5): 919-926. [许君利, 张世强, 上官冬辉. 30 a来长江源区冰川变化遥感监测[J]. 干旱区研究, 2013, 30(5): 919-926.]
[18] Jiao Keqin, Jing Zhefan, Han Tianding,et al. Variation of the Glacier No. 1 at the headwaters of the Ürümqi River in the Tianshan Mountains during the past 42 years and its trend prediction[J]. Journal of Glaciology and Geocryology, 2004, 26(3): 253-260. [焦克勤, 井哲帆, 韩添丁, 等. 42 a来天山乌鲁木齐河源1号冰川变化及趋势预测[J]. 冰川冻土, 2004, 26(3): 253-260.]
[19] Li Zhongqin, Shen Yongping, Wang Feiteng,et al. Response of glacier melting to climate change: take Ürümqi Glacier No.1 as an example[J]. Journal of Glaciology and Geocryology, 2007, 29(3): 333-342. [李忠勤, 沈永平, 王飞腾, 等. 冰川消融对气候变化的响应: 以乌鲁木齐河源1号冰川为例[J]. 冰川冻土, 2007, 29(3): 333-342.]
[20] Li Peng, Yan Ming, Xu Yuetong,et al. Calculation methods of glacier terminus variation based on GIS: a case study on Austre Lovénbreen in Arctic[J]. Journal of Glaciology and Geocryology, 2012, 34(2): 367-374. [李鹏, 闫明, 徐跃通, 等. 基于GIS冰川末端变化计算方法研究: 以北极Austre Lovénbreen冰川为例[J]. 冰川冻土, 2012, 34(2): 367-374.]
[21] Yao Tandong. Puruogangri ice field was discovered in the middle of Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2000, 22(1): 1-2. [姚檀栋. 青藏高原中部普若岗日冰原的发现及其科学意义[J]. 冰川冻土, 2000, 22(1): 1-2.]
[22] The Comprehensive Scientific Expedition Team of Qinghai-Xizang Plateau, Chinese Academy of Sciences. Climate of Xizang (Tibet)[M]. Beijing: Science Press, 1983: 127-131. [中国科学院青藏高原综合科学考察队. 西藏气候[M]. 北京: 科学出版社, 1983: 127-131.]
[23] Zhang Weimin, Yao Tandong, Li Xiaoze,et al. Aeolian geomorphology and environmental evolution around Puruogangri ice field, Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2002, 24(6): 723-730. [张伟民, 姚檀栋, 李孝泽, 等. 普若岗日冰原毗邻地区风沙地貌及其环境演变[J]. 冰川冻土, 2002, 24(6): 723-730.]
[24] Pu Jianchen, Yao Tandong, Wang Ninglian,et al. Puruogangri ice field and its variations since the Little Ice Age of the northern Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2002, 24(1): 87-92. [蒲健辰, 姚檀栋, 王宁练, 等. 普若岗日冰原及其小冰期以来的冰川变化[J]. 冰川冻土, 2002, 24(1): 87-92.]
[25] Bai Zhaoguang. Technical characteristics of GF-1 satellite[J]. Aerospace China, 2013(8): 5-9. [白照广. 高分一号卫星的技术特点[J]. 中国航天, 2013(8): 5-9.]
[26] Zhang Shiqiang, Lu Jian, Liu Shiyin. Deriving glacier border information on Qinghai Tibet by TM high spectrum image[J]. Geomatics and Information Science of Wuhan University, 2001, 26(5): 435-440. [张世强, 卢健, 刘时银. 利用TM高光谱图像提取青藏高原喀喇昆仑山区现代冰川边界[J]. 武汉大学学报: 信息科学版, 2001, 26(5): 435-440.]
[27] Xu Junli, Liu Shiyin, Zhang Shiqiang,et al. Glaciers fluctuations in the Karamilan-Keriya River watershed in the past 30 years[J]. Journal of Glaciology and Geocryology, 2006, 28(3): 312-318. [许君利, 刘时银, 张世强, 等. 塔里木盆地南缘喀拉米兰河克里雅河流内流区近30 a来的冰川变化研究[J]. 冰川冻土, 2006, 28(3): 312-318.]
[28] Shangguan Donghui, Liu Shiyin, Ding Yongjian,et al. Glacier changes in the west Kunlun Shan from 1970 to 2001 derived from Landsat TM/ETM+ and Chinese glacier inventory data[J]. Annals of Glaciology, 2007, 46(1): 204-208.
[29] Zhang Guoliang, Pan Baotian, Wang Jie,et al. Research on the glacier change in the Gongga Mountain based on remote-sensing and GPS from 1966 to 2008[J]. Journal of Glaciology and Geocryology, 2010, 32(3): 454-460. [张国梁, 潘保田, 王杰, 等. 基于遥感和GPS的贡嘎山地区1966-2008年现代冰川变化研究[J]. 冰川冻土, 2010, 32(3): 454-460.]
[30] Du Weibing, Li Junli, Bao Anming,et al. Information extraction method of alpine glaciers with multitemporal and multiangle remote sensing[J]. Acta Geodaatica et Cartographica Sinica, 2015, 44(1): 59-66. [都伟冰, 李均力, 包安明, 等. 高山冰川多时相多角度遥感信息提取方法[J]. 测绘学报, 2015, 44(1): 59-66.]
[31] 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.]
[32] Zhang Wei, Yang Xin, Tang Guo′an,et al. DEM-based flow direction algorithms study of stream extraction and watershed delineation in the low relief areas[J]. Science of Surveying and Mapping, 2012, 37(2): 94-96. [张维, 杨昕, 汤国安, 等. 基于DEM的平缓地区水系提取和流域分割的流向算法分析[J]. 测绘科学, 2012, 37(2): 94-96.]
[33] Paul F, Svoboda F. A new glacier inventory on southern Baffin Island, Canada, from ASTER data: II. Data analysis, glacier change and applications[J]. Annals of Glaciology, 2009, 50(53): 11-21.
An integrated method of glacier length extraction based on Gaofen satellite data
Abstract：Glacier length is a major parameter to describe glacier change and climate change. In this study, the methods of extracting glacier mainstream line and glacier center line are integrated to extracting glacier length. This integrated method is based on Gaofen-1 satellite remote sensing data and digital elevation model (DEM), and is tested upon the Purog Kangri ice field on the Tibetan Plateau. First, the glacier boundary is extracted by the band threshold method and visual interpretation. Then the glacier length is extracted by the glacier mainstream line method, the glacier center line method and the integrated method, respectively. The results show that the mainstream line method has the higher accuracy when the glacier area is larger than 1 km2, while the center line method has the higher accuracy when the glacier area is smaller than 1 km2. The integrated method has the highest accuracy, 97.9%, with high efficiency.
Key words：glacier mainstream line; glacier center line; glacier length extraction; Gaofen-1 satellite data
doi：10.7522/j.issn.1000-0240.2016.0189
收稿日期：2016-05-27;
修订日期：2016-10-03
基金项目：国家国防科工局高分专项(30-Y30B13-9003-14/16-01)资助
E-mail: baiyi89@163.com
中图分类号：P343.6
文献标志码：A
文章编号：1000-0240(2016)06-1615-09
Yang Baiyi, Zhang Lingxian, Gao Yang,et al. An integrated method of glacier length extraction based on Gaofen satellite data[J]. Journal of Glaciology and Geocryology, 2016, 38(6): 1615-1623. [杨佰义, 张灵先, 高杨, 等. 基于高分卫星数据的冰川长度综合提取方法[J]. 冰川冻土, 2016, 38(6): 1615-1623.]
*通讯作者： 张灵先， E-mail: zhang_lingxian@163.com； 牟乃夏， E-mail: mounaixia@163.com.