吳雪蘭
(成都理工大學地球科學學院,四川 成都610000)
隨著光學亞像素匹配技術的發展,利用光學遙感影像數據可以精確的提取地面的水平位移在冰川運動、地震等地球物理場中有極好的應用。此外,不少學者應用該方法推算斷層位移[1]、地震形變監測[2]、沙丘滑移[3]、滑坡運動[4]。自光學衛星Landsat 衛星與Sentinel-2 衛星發射以來,冰川的研究從傳統的花桿測量這種傳統的實地測量逐漸轉向遙感影像的研究。由于光學衛星遙感影像幾乎覆蓋了整個地球表面,使得全球規模測繪和監測冰川運動的研究得以實現。二十世紀初,曹泊等[5]認為利用遙感手段研究冰川的性質和冰川的動態變化將成為冰川學研究發展的重要趨勢,它能有效解決現代冰川研究中高山區資料受限等問題。在2008 年,美國加州理工學院的Leprince[6]較全面地介紹了光學影像互相關技術監測地表形變原理和方法, 這為光學遙感影像位移研究打下堅實的基礎。黃磊等[7]利用光學影像互相關匹配技術對冰川表面紋理特征進行相關分析研究了天山冰川運動速度。田毅[8]等人利用光學遙感影像采用歸一化互相關算法研究了南伊內里切克冰川的速度時空分布。張曉博[9]等人通過研究Landsat-8 與TerraSAR-X 數據的冰川運動特征驗證了這兩種數據可以很好地實現山谷冰川的運動監測。杜建括[10]等人利用冰川運動觀測資料研究了玉龍雪山白水1 號冰川運動速度特征。可以看出,我國對冰川的研究也逐漸重視,此外還構建了觀測試驗站并與國際專家合作為冰川進一步研究打下基礎[11]。
遙感影像可以全天候、全天時的采集冰川數據而且采集數據周期比較短,它有利于冰川滑移的研究。目前,冰川運動遙感監測主要使用雷達遙感數據與光學遙感數據,這兩種遙感數據都有各自的優勢與劣勢。雷達影像具有空間分辨率高的優點而使得對地表微小變化敏感能夠發現地表的微型變化,但山地冰川研究大多無法使用InSAR 測量技術。光學遙感技術突破了時間和空間的限制開辟了冰川監測研究的新天地。

表1 遙感數據的方法與優劣
這種算法是現階段監測冰川流速常用的一種方法,它適用于光學遙感影像、合成孔徑雷達影像[12]。計算如公式(1)所示:


這種算法被引入CIAS 冰流速測量軟件中[13],它是通過求取每幅影像x,y 方向的偏導數并以x,y 為實部與虛部形成方向影像,計算如公式(2)、(3)所示:
其中,fd(x,y)為所求的方向影像,f(x,y)為原影像。通過快速傅里葉變換和逆變換求得相關曲面并取得峰值,計算如公式(4)所示:

其中,fd和gd為兩景方向影像,R 為得出的相關曲面,實驗證明,與歸一化互相關相比,該方法具有更高的魯棒性。
這種方法是通過將第一幅影像通過傅里葉變換與第二幅影像的復共軛傅里葉變換相乘,通過在頻率域中來計算互相關,但該算法不容易轉換到頻率域,因此該算法只能計算互相關無法進行歸一化。該算法計算如公式(5)所示:

其中F(u,v)是在時間t=1 時圖像的匹配窗口的快速傅里葉變換(FFT),G(u,v)是時間t=2 時圖像匹配窗口的傅里葉變換。*表示復共軛,IFFT 是表示快速傅里葉變換。該算法受灰度變化影響較大,容易導致誤匹配。
這種算法是基于頻率域相位相關計算通過計算互相關表面的峰來表示位移。該算法可以忽略振幅中出現的圖像強度差異。計算公式(6)如下:

其中F0(u,v)是在時間t=1 時圖像的匹配窗口的快速傅里葉變換(FFT),其中G0(u.v)是時間t=2 時圖像匹配窗口的傅里葉變換。*表示復共軛,IFFT 是表示快速傅里葉變換。這種算法忽略了頻率的噪聲,而噪聲所在的頻率上的分布使得峰值的位置不準確而造成誤差,因此該算法使用較少。
該算法編寫在ENVI 插件中,它是通過相位相關法,通過歸一化功率譜的逆傅里葉變換來反映兩個影像的相對關系,它的首先假設兩幅影像之間存在相對位移,存在相對位移計算公式(7)所示:






其位移值則是通過計算之后的二維脈沖函數的峰值點。
對于冰川的研究,早期主要以冰川流速測量主要采用實地測量的方法,現階段也逐漸轉向與3S 技術相結合,如花桿測量法中引入經緯儀、水準儀、全站儀等光學測量儀器。為解決氣候環境條件較為惡劣的問題,遙感技術的發展很好的克服了該方法的缺陷與不足。基于特征跟蹤的光學遙感監測與基于干涉相干性的微波遙感監測技術得到了迅速的發展并取得的較為良好的效果。
由于全球對冰流研究數據是從20 世紀60 年代,缺乏較為完整的冰川流速研究,導致該數據研究時間短且研究數據缺乏。對于冰川運動的研究現階段主要雖然取得了較大的成果,但數據的精度問題仍然是一個亟待解決的問題。雖然現階段哨兵2 號與Landsat-8 遙感影像數據給研究帶來福音,但影像質量容易受到環境因素的影響。此外,現階段對于冰川監測方法與新的算法研究基本上沒有太大的改變,因此,還需要改進相關算法與監測手段。