基于Landsat TM影像的冰川提取

金姍姍，張永紅，吳宏安

（1.中國測繪科學研究院，北京 100830；2.山東科技大學測繪科學與工程學院，山東青島 266510）

一、前 言

用不同方法對遙感影像進行處理是提取冰川信息的有效手段。由于冰川所處地形復雜，地理環境惡劣，利用常規的實地測量技術對冰川進行全面的測量是不可能的。而遙感影像則使冰川的提取在保證精度的前提下能快速而有效地進行。遙感影像中的陸地資源衛星TM影像的分辨率較高，光譜信息多、波帶窄，因而可以針對冰川進行多種組合處理，獲取詳細的冰川信息。

從TM影像上提取冰川信息的研究工作一直是國內研究的熱點。李邦良利用陸地衛星TM數據對內蒙古東部大陸冰川地貌進行圖像處理解譯［1］；王建（1999）利用基于反射特性的雪蓋指數（NDSI）方法在TM影像，以及其他遙感平臺的影像上計算雪蓋面積［2］；李震等利用綜合RS與GIS方法分析了多地冰川的變化情況［3-6］；張世強利用譜間關系比值圖像取閾值對冰川區圖像進行了分類［7］；聶勇基于面向對象的影像分析方法，引入雪蓋指數NDSI和水體指數NDWI提高了冰川分類精度［8］；張飛利用雪蓋指數從TM影像上有效提取了瑪納斯河流域上游積雪信息［9］。

以上學者對冰川提取方法的研究都有很大成效。然而這些研究中的冰川大多積雪覆蓋厚度較大，在TM影像中光譜特征單一且范圍較窄。因此，利用冰雪在可見光波段的高反射率和短波紅外波段的高吸收率，通過雪蓋指數可突出冰川信息。但對于冰雪厚度較薄，在TM影像上光譜特征差異較大，光譜值范圍較寬的冰川，用以上方法無法達到精確提取冰川的效果。

本文針對青藏高原三江源地區的雜多縣冰川，利用TM影像從分析冰川的光譜特征入手，通過譜間關系波段運算得到有利于冰川提取的波段，并通過最佳指數計算方法和地物可分離性分析得到最佳波段組合，經過監督分類提取出冰川信息。

二、數據源與研究區概況

雜多縣冰川位于海拔4000 m以上的三江源地區，該地區冰川眾多，是長江、黃河、滄瀾江的發源地。遙感數字影像資料為2000年7月30號的陸地資源衛星專題制圖儀（landsat thematic mapper，TM）數據，行列號為136/37，如圖1所示。圖1（a）為TM543假彩色合成圖像，圖1（b）為研究區冰川分布。

三、影像光譜特征分析和波段優選

1.光譜特征分析

從圖1可知，TM543波段組合顯示下冰川呈藍色，冰川的顏色有很大的變化。冰川中部反射率較高，呈亮藍色，較易與周邊地物區分；冰川周邊及冰舌反射率較低，呈深藍色，與其他地物的差異相對較小。因此，根據冰川與地物間的可區分程度將冰川分成冰蓋和冰舌兩部分考慮，其中圖像上反射率較高的冰川為冰蓋，反射率較低的冰川為冰舌。與冰川緊鄰的地物有裸土和裸巖，冰川邊緣多數地方有水體存在，一些地方與河流相連。由于只要提取 冰川信息，因此只研究冰川與周邊地物的可分性。

圖1 研究區TM影像和冰川分布

因此，在分析TM影像各個波段上冰川與其他地物的光譜特征時，將樣本分為冰蓋、冰舌、裸土、裸巖、河流。對各典型地物進行采樣，在確保樣本純度的條件下統計各地物在各個波段上的光譜均值和方差。繪制地物光譜特征圖，直觀地顯示不同地物類別在每一波段中的光譜值大小和范圍，以及冰川與地物的可分離性大小。表1為各個地物在TM影像7個波段上的光譜均值和方差；圖2為地物光譜特征圖。

表1 地物光譜均值和方差

不論是在圖像還是光譜圖上，其顯示出的冰蓋信息都很突出，與其他地物的可分離性較高。冰蓋在TM的前4個波段與其他地物都可明顯分離，而冰舌幾乎都與其他地物混淆在一起。因此，要提取出完整的冰川，提取冰舌是關鍵。這就需要尋找冰舌的光譜特征最明顯且與別的地物可分性最大的波段。

2.波段優選

地物光譜特征圖中顯示冰舌信息最突出的波段是TM5、TM6、TM7波段，其光譜反射率最小，且這些波段中冰蓋與冰舌的光譜值非常接近，光譜范圍很窄，對冰舌提取十分有利。冰舌在TM6波段與其他地物有很好的分離性，其次是TM5、TM7波段。因此，TM數據中對冰舌提取最有利的波段是TM5、TM6、TM7波段。TM6地段的分辨率較低，對其重采樣達到30 m分辨率。根據地物光譜曲線上顯示的短波紅外波段5和近紅外波段4之間冰川與其他地物之間的譜間關系，對這兩個波段做波段運算

得到的新波段B中冰舌信息突出，與周邊其他地物的光譜差異增大，如圖3所示，其中黑色為冰川。

圖3 波段圖像

總結以上分析，對冰舌提取最有利的波段有TM5、TM6、TM7和B波段。通過合理利用這些波段可提高冰川提取的精度。

四、冰川信息提取

將優選波段 TM7、TM6、TM5、B組合后進行監督分類。為了得到最佳的波段組合，本文采用最佳指數（optimum index factor，OIF）方法。OIF方法是一個比較客觀的衡量標準，其理論依據為:圖像數據的標準差越大，所包含的信息量越多，而波段的相關系數越小，表明各波段的獨立性越高，信息的冗余度越小［10］。數學表達公式為

式中，si為第i個波段的標準差；Rij為i、j兩波段的相關系數。由于本文只針對冰川提取，而較難提取的冰川部分為冰舌，因此對冰舌信息的xOIF值進行計算，得到冰舌信息量最大且相關性最低的波段組合。

統計以上4個波段間冰舌信息的相關性和各波段的標準差，統計結果見表2。將這些波段經組合并通過式（2）計算得到xOIF值。表3所示為波段組合的最佳指數計算結果排序。

表2 波段間冰舌信息的相關性和各波段的標準差

表3 波段組合的最佳指數排序

為了有效地提取冰川，應綜合考慮各波段組合的最佳指數值和地物樣本可分離性。根據圖像中的地物種類，將訓練樣本分為8種地物，分別是冰蓋、冰舌、裸土、裸巖、植被、河流、云、陰影。樣本選擇完成后統計以上波段組合下的樣本可分離性。結果顯示B65組合下的冰舌與其他地物之間的樣本可分離性最高，圖4所示是B65波段組合下的樣本可分離性，因此，選擇B65波段組合進行監督分類。分類結果顯示提取的冰川較完整，冰川邊緣較清晰，能較好地與周邊地物分離，如圖5所示。圖5中，（a）為分類前波段組合圖像，（b）為分類結果，其中，灰白色為冰川，黑色為裸土與裸巖，灰色為植被。

圖4 波段B65組合下冰舌與其他地物的可分離性

圖5 波段B65組合下監督分類前后圖像

五、提取結果驗證

為了驗證提取精度的可靠性，利用更高精度的影像提取冰川面積。從Google Earth上下載與TM影像同時期的雜多縣冰川，通過人工勾繪得到冰川的面積為82 502 191 m2，本文提取的冰川面積為82 861 200 m2，因此證明本文所用的提取冰川的方法是有效的。圖6（a）為Google Earth原始影像和人工勾繪冰川面積；圖6（b）為本文所用的方法提取的冰川面積。

圖6 提取結果驗證

六、結束語

本文針對TM影像中光譜值有較大變化的冰川的提取，將冰川分成冰蓋和冰舌兩類。重點分析較難與地物分離的冰舌與周邊地物的光譜特征和譜間關系。找到對冰舌提取有利的波段，將優選波段與TM中其他波段經過最佳指數計算和地物可分離性分析綜合考慮，得到冰舌信息量最大、相關性最低且與其他地物的可分離性最高的波段組合，通過監督分類可精確提取出冰川。

［1］ 李邦良，李志中.內蒙古東部大陸冰川地貌衛星圖像解譯［J］.地質力學學報，1999，5（3）:89-95.

［2］ 王建.衛星遙感雪蓋制圖方法對比與分析［J］.遙感技術與應用，1999，14（4）:29-36.

［3］ 李震，孫文新，曾群柱.綜合RS與GIS方法提取青藏高原冰川變化信息—以布喀塔格峰為例［J］.地理學報，1999，54（3）:263-268.

［4］ 魯安新，姚檀棟.青藏高原各拉丹東地區冰川變化的遙感監測［J］.冰川凍土，2002，24（5）:559-562.

［5］ 晉銳，車濤.基于遙感和GIS的西藏朋曲流域冰川變化研究［J］.冰川凍土，2004，26（3）:261-266.

［6］ 劉時銀，上官冬輝，丁永健，等.基于RS與GIS的冰川變化研究—青藏高原北側新青峰與馬蘭冰帽變化的再評估［J］.冰川凍土，2004，26（3）:244-252.

［7］ 張世強，盧健，劉時銀.利用高光譜圖像提取青藏高原喀喇昆侖山區現代冰川邊界［J］.武漢大學學報:信息科學版，2001，26（5）:435-440.

［8］ 聶勇，張鐿鋰，劉林山，等.近30年珠穆朗瑪峰國家自然保護區冰川變化的遙感監測［J］.地理學報，2010，65（1）:13-28.

［9］ 張飛.利用TM圖像提取瑪納斯河流域上游積雪信息的方法研究［J］.高原山地氣象研究，2011，31（1）:69-74.

［10］ CHAVEZ P S.Statistical Method for Selecting Landsat MSS Ratios［J］.Journal of Applied Photographic Engineering，1982，8（1）:22-30.