基于Landsat-8的南極藍冰提取

韋屹程曉劉巖,4惠鳳鳴璩榆桐,4

研究論文

基于Landsat-8的南極藍冰提取

韋屹1程曉2,3,4劉巖1,4惠鳳鳴2,3,4璩榆桐1,4

(1北京師范大學全球變化與地球系統科學研究院遙感科學國家重點實驗室, 北京 100875;2中山大學測繪科學與技術學院, 廣東 珠海 519082;3南方海洋科學與工程廣東省實驗室, 廣東 珠海 519082;4中國高校極地聯合研究中心, 北京 100875)

藍冰是南極特殊的地表特征, 其低反照率影響著其所在區域乃至整個南極的能量平衡。藍冰表面消融導致老舊冰層出露, 使其成為研究古氣候理想場地。此外, 表面致密堅硬的藍冰更是建立冰上機場的優選地址。本文提出了快速、有效、自動的藍冰組合指數法, 將藍冰指數與陰影指數進行結合來提取南極藍冰分布。更新的藍冰數據為南極表面能量平衡變化研究、古氣候學研究和藍冰機場選址提供了新的數據基礎。我們利用藍冰組合指數法對2017—2019年的940景Landsat-8數據進行批量處理, 獲取南極82.5°S以北區域的藍冰分布圖, 并用2014年MODIS雪粒徑數據獲取82.5°S以南的藍冰分布進行補充得到全南極藍冰分布。結果表明, 基于Landsat-8的組合指數法南極藍冰提取結果平均精度可達0.87, 與前人結果具有很好的空間一致性。全南極藍冰面積為1.7×105km2, 91.4 %的藍冰分布在東南極。南極藍冰主要分布在內陸冰原島峰、山區的裸巖附近以及近海岸的內陸區域, 其中, 60.4%分布在距離海岸線200 km以內的區域。

南極 藍冰 Landsat-8 組合指數法

0 引言

南極藍冰具有平坦、堅硬、波紋狀的特征[1], 其反照率在0.55～0.66[2]之間, 低于雪(反照率約0.8); 吸收太陽的短波輻射量是雪的近兩倍[1], 其表面以升華消融為主, 使得它的表面溫度明顯高于周圍雪面(圖1)。雖然藍冰區面積僅占整個南極大陸約1%的面積[1,3], 但由于自身低反照率、表面升華消融的特性, 使藍冰區成為了影響區域表面能量平衡、氣候狀況的因素; 此外, 作為冰川冰, 藍冰較為致密堅硬, 且出露冰面的老舊, 對冰上機場建立[4-8]和古氣候研究[4,9-12]具有重要意義, 因而受到科學家們的廣泛關注[13-16]。進行全南極藍冰覆蓋范圍的提取是研究藍冰形成機理、變化趨勢及其氣候敏感性等研究的基礎。

圖1 南極藍冰.圖片引自Bintanja等[17]

Fig.1.Antarctic blue ice.Cited from Bintanja et al[17]

本文基于其光譜特性, 提出了南極藍冰提取的組合指數法, 利用Landsat-8數據進行2017—2019年南極藍冰分布提取, 并用MOA雪粒徑產品對Landsat-8無法覆蓋的南極區域進行補充, 獲得了新的全南極藍冰分布數據。新的南極藍冰數據可以作為未來藍冰發展趨勢預測、南極表面能量平衡模型研究的基礎數據, 同時可服務于古氣候學和藍冰機場選址。

1 研究數據

本研究選用2017—2019年期間覆蓋南極82.5°S以北區域的、無云或少云(云量小于20%)的940景Landsat-8影像。夏季裸露藍冰面積最大, 因此影像獲取時間以南極夏季為主, 在夏季影像缺失、質量不佳的區域采用其他月份數據補充, 由影像季節差異造成的結果誤差在選取試驗區閾值中加以考慮。最終選取的影像在南極夏季(11月至次年1月)共762景, 南極春季(8月至10月)共105景、南極秋季(2月至4月)共73景(圖2)。數據來自美國地質調查局(USGS)網站(https:// glovis.usgs.gov)。對于82.5°S以南Landsat-8數據無法覆蓋的地區, 采用MOA雪粒徑產品(2014)加以補充, 數據來自美國冰雪中心(http://nsidc.org)。

2 研究方法

由于南極地物覆蓋類型較為單一, 本研究將南極地表覆蓋劃分為雪、藍冰和裸巖。而在利用遙感影像進行地物判別的過程中, 需要考慮衛星在低太陽高度角成像時造成的陰影誤差, 因此我們根據藍冰呈藍色、反照率低、近紅外波段吸收強烈的特性, 利用藍冰在藍光波段反射率高、近紅外反射率降低幅度大于其他地物, 通過波段歸一化差值比法對藍冰進行提取和確定。

2.1 基于Landsat-8影像的藍冰提取

2.1.1 組合指數法

組合指數法是結合藍冰指數和陰影指數對南極藍冰進行提取的方法。其中, 藍冰指數是基于藍冰與其他地物在藍光和近紅外波段的地物光譜特性差異而通過歸一化后獲取的, 而陰影指數則依據地物光譜特性中的藍光反射率的差異而得到的。

Brown和Scambos[24]證明了歸一化冰雪指數NDSI (Normalized Difference Snow Index)可以用于藍冰范圍變化的長期監測。歸一化冰雪指數是指綠光和近紅外波段反射率之差與兩者之和的比值。由于當時研究所用的遙感數據為Landsat-5, TM (Thematic Mapper)傳感器的藍光波段存在大氣散射問題, 且MSS (Multispectral Scanner) 傳感器圖像中沒有藍光波段, 他們指出將方法中的綠光換成藍光可以提升藍冰的提取精度。隨著遙感衛星技術的發展, Landsat-8彌補了藍光波段的缺失, 璩瑜桐等[25]利用Landsat-8藍光波段及近紅外波段的歸一化差值比進行東南極達爾克冰川季節性表面消融區的提取, 平均提取精度達81.5%, 他們在指數精度評估時選取的真值目標為消融區, 未區分消融區中的藍冰、濕雪、融水。本文利用Landsat-8藍光波段反射率blue及近紅外波段反射率nir的歸一化差值比進行藍冰提取, 在精度評估時選擇基于專家經驗解譯的藍冰區作為真值區域, 因而根據提取目標的變更, 將其定義為歸一化藍冰指數(Normalized Difference Blue ice Index,)。

圖2 研究采用的Landsat-8影像數據索引圖

Fig.2.Index map of Landsat-8 image data

將歸一化藍冰指數提取藍冰結果最佳時所對應的作為藍冰提取的最優閾值blueice。大面積的藍冰提取需要考慮閾值的普適性, 因此, 我們選取均勻分布在南極的多個試驗區來得到不同的blueice, 通過加權平均來得到最終的藍冰指數值, 用以進行藍冰的大范圍提取。影像云和陰影的影響會造成藍冰區的錯分和漏分[25]。我們通過選擇無云、少云影像來減少由云帶來的影響, 同時利用Landsat-8影像的陰影光譜特征[26-27]建立陰影指數[27-28]來去除陰影的影響。

2.1.2 藍冰指數閾值的獲取

（5）礦物標志: 鈮鉭礦主要呈塊狀、顆粒狀、針狀、片狀等賦存于鈉長石化、白云母化及長石石英顆粒較粗的偉晶巖中，根據勘查資料分析，塊狀、顆粒狀、針狀、片狀鈮鉭礦物出現的地段，往往能形成較富的礦體，因此塊狀、顆粒狀、針狀、片狀鈮鉭礦及電氣石的出現是本區的直接找礦標志。

由于全南極影像受獲取時間、成像時的大氣因素、地形效果等因素的影響, 為了使提取方法具有更強的普適性, 需要綜合考慮不同空間的影像成像效果對藍冰提取閾值產生的影響。基于此, 我們借鑒了惠鳳鳴等[22]的訓練樣本區選擇, 確定了均勻分布在全南極14個試驗區, 其空間分布情況如圖3所示, 試驗區影像信息如表1所示。

為確定每一個試驗區的藍冰提取最優閾值blueice, 本研究采用精度值法來進行分類結果評估, 用精確率(, Precision)和召回率(, Recall)兩個度量值來進行精度評價, 精確率是提取出的實際正確信息占被認為提取正確信息的比率(用戶精度), 召回率是提取出正確信息占總樣本的比率(制圖精度)。我們將目標像元分為四類:、、、。其中是指藍冰區被正確提取為藍冰區的像元數,是指非藍冰區被正確提取為非藍冰區的像元數,是指非藍冰區被錯提為藍冰區的像元數,是指藍冰區被錯提為非藍冰區的像元數。

圖3 14景試驗區空間分布圖

Fig.3.Spatial distribution of 14 scene test areas

表1 14景試驗區影像信息

、兩者取值在0和1之間, 其值越接近1, 說明精度越高。我們通常希望兩者結果同時越高越好, 但它們在某些情況下是矛盾的, 為此, 本研究引入了機器學習綜合評價指標值法(- Measure), 對精確率和召回率進行加權調和平均。

值綜合了精確率和召回率的結果, 當值較高時說明試驗方法有效。其中參數的值取決于、的重要性, 由于本研究中藍冰區的制圖精度和用戶精度同樣重要, 因此定義=1。

試驗選取的驗證樣本均為5×5個像元, 本研究基于專家經驗的目視判別選取試驗區影像中隨機分布的40個藍冰區驗證樣本、40個非藍冰區驗證樣本, 通過值法來確定試驗區最佳閾值。按表1中的試驗區序號順序, 將每一個試驗區的取值范圍為[0.01,0.4], 以0.001為步長, 分別計算不同的歸一化藍冰指數和分類結果的值, 獲取樣本區-值曲線, 并選取值達到最大值時的閾值為該區域藍冰提取最優閾值blueice(圖4)。

圖4 試驗區7影像閾值選取試驗NDBI-F值曲線

Fig.4.Experiment of image threshold selection on Test Area 7

根據14個試驗區得到不同的blueice值, 通過加權平均得到藍冰指數:

blueice()為14個試驗區的歸一化藍冰指數最優閾值,max()為每景影像最優閾值所對應的最大值。

2.2 基于MOA雪粒徑影像的藍冰提取

由于Landsat-8衛星無法覆蓋南極洲82.5°S以南區域, 對于此部分缺失的數據利用MOA雪粒徑(2014)數據進行補充, 借鑒Scambos等[21]的藍冰提取方法, 認為雪粒徑大于400 μm的區域為藍冰區, 進行了藍冰數據的補充提取。

本文利用Landsat- 8影像數據和MOA雪粒徑數據進行全南極藍冰提取。對于Landsat-8數據, 先將影像(Digital Number)值轉換為大氣表觀反射率, 依據反射率計算試驗區的歸一化藍冰指數, 然后依據14個試驗區并結合樣本目視解譯結果, 確定各試驗區的藍冰提取最優閾值blueice, 再加權平均獲取最終的藍冰指數的唯一值, 最后結合藍冰指數和陰影指數得到組合指數來對南極藍冰進行大范圍、批量的提取; 對于MOA雪粒徑數據則利用雪粒徑大小特征來獲取藍冰數據。具體的技術流程詳見圖5。

3 結果

3.1 基于組合指數法藍冰提取結果的精度評估

14個試驗區的藍冰指數最優閾值blueice及其對應的值如圖6a所示, 最終確定藍冰指數為0.123。

在各試驗區歸一化藍冰指數最佳閾值的精度驗證中,max() 值高于70.3%, 均值為88.9%; 精確率高于57.0%, 均值為86.9%; 召回率高于85.8%, 均值為94.8%。而利用單一藍冰指數> 0.123獲取藍冰精度驗證中,max()值高于68.3%, 均值為85.6%; 精確率高于58.2%, 均值為81.7%; 召回率高于61.7%, 均值為91.7%。

同樣地, 依據陰影與其他地物的光譜差異來確定, 我們綜合考慮了南極不同地物實測真值[20, 22]、影像中不同地物的反射率對比[27,29]來確定藍冰與陰影及其他地物在藍光波段的差異, 并將藍光波段反射率作為陰影指數, 參考惠鳳鳴等、Tschudi等的經驗[22,29]將陰影指數的閾值確定為> 0.8。基于此, 藍冰提取的組合指數法為:> 0.123且> 0.8。

圖5 全南極藍冰分布獲取技術流程圖

Fig.5.Technical flow chart of acquisition of blue ice distribution across the Antarctic

Fig.6.Optimal blue ice index threshold and precision comparison.a) optimal blue ice index threshold and correspondingvalue in the test area; b) comparison diagram of blue ice extraction precision between the blue ice index and the blue ice combined index method

利用組合指數法對14景試驗區進行藍冰提取驗證, 從精度驗證結果來看(圖6b), 平均精確率從單一藍冰指數法的81.7%提升到了87.2%; 從目視判別驗證來看(圖7), 藍冰組合指數法能夠較好地去除云、陰影, 比僅用藍冰指數法的提取結果準確度更高。

總體來看, 組合指數法不僅能夠保證藍冰提取的普適性, 而且一定程度上去除了影像的云、陰影, 保證了藍冰提取結果的精度。

圖7 試驗區2的藍冰提取目視判別驗證.a)試驗區影像, 顯示方式為波段(7,5,2)對應(紅綠藍)標準差拉伸增強圖像; b)黃色為單一藍冰指數T法藍冰提取結果; c)紅色為組合指數法藍冰提取結果; d),e),f)為試驗區中A區域對應放大圖

Fig.7.Visual discrimination verification of blue ice extraction from the test area 2.a) image of the test area, displayed as standard deviation enhanced images of bands (7,5,2) (red, green and blue); b) yellow areas are blue ice extraction results by the blue ice indexmethod; c) red areas are blue ice extraction results by the combined index method; d),e) and f) are the enlarged images corresponding to region A in the test area

3.2 基于組合指數法的南極藍冰提取結果

運用藍冰組合指數法對南極Landsat-8影像進行批處理, 最終得到南極藍冰面積為1.434× 105km2, 利用MOA雪粒徑數據計算出南極82.5°S以南分布面積為2.66×104km2的藍冰。綜上可見, 2017—2019年全南極藍冰面積為1.7×105km2, 占南極洲總面積的1.21% (圖8)。

整體上看, 本文得出的全南極藍冰數據與Winther等[3]發表的結果[1.2(0.8%)×105～ 2.41(1.6%)×105km2]相符; 而與惠鳳鳴等[22]藍冰提取結果(2.345×105km2), 劉芮希[23]的全南極藍冰分布數據(2.532×105km2)存在一定差距。根據分析, 我們認為, 這個差距是由于數據源、研究方法不一致帶來的, 本研究所采用的Landsat-8數據比惠鳳鳴等采用的Landsat-7和劉芮希所用的MODIS數據質量更高, Landsat-8 OLI包括了Landsat-7 ETM+傳感器所有的波段, 并對波段進行了重新調整, 如第5波段(0.845～0.885 μm)排除了0.825 μm處水汽吸收特征, 且空間分辨率高于MODIS數據, 此外組合指數法能夠對云、陰影進行一定程度的去除, 藍冰提取精度更高, 得到的藍冰面積小于他們的結果。從典型區域的藍冰獲取結果來看, 本研究提取到蘭伯特冰川藍冰面積為2.47×104km2, 而Yu等[18]對該區域的藍冰提取結果為2.04×104km2。本文得到格羅夫山藍冰面積為714.9 km2, 該數值與前人的結果相近: Scambos等[21]利用MODIS得到的這一區域藍冰面積為745.3 km2, 鄂棟臣等[30]和惠鳳鳴等[22]利用Landsat-7影像得到的格羅夫山藍冰面積分別為601.9 km2、624.2 km2。在數據結果對比上, 本研究結果與前人研究結果基本相符, 具有較高可信度。

南極藍冰在東南極分布較多, 主要集中在毛德皇后地、蘭伯特冰川、維多利亞地和橫貫山脈, 同時在東南極海岸附近區域也有出露, 面積達到1.554×105km2, 占全南極藍冰總面積的91.4%; 而在西南極和南極半島, 藍冰則集中分布于近海岸區域, 其面積遠小于東南極地區(表2)。

圖8 全南極藍冰提取結果圖

Fig.8.Extraction results of blue ice on the Antarctic continent

表2 藍冰提取結果對比表

通過對比發現, 本研究基于Landsat-8(2017—2019)和MOA雪粒徑(2014)所得的藍冰分布結果和惠鳳鳴等基于Landsat-7(1999—2003)和MOA雪粒徑(2003/04)的藍冰結果(圖9), 雖然各自采用的不同時期、不同影像、不同方法來提取藍冰, 但藍冰在全南極的分布位置基本吻合(如圖9藍色區域); 但不同區域的藍冰出露情況、藍冰的面積大小存在一定差異。藍冰面積在東南極有所減少, 而在西南極和南極半島的分布少量增加(表2); 全南極藍冰分布面積減少了5.5×104km2, 不同年際的藍冰分布差異也從側面印證了藍冰數據的更新對南極藍冰研究來說是必要的。快速、便捷的藍冰獲取方法是數據更新的基礎, 本研究提出的組合指數法能夠基于Landsat-8數據快速、有效地對南極藍冰進行獲取, 可以作為今后藍冰數據更新的簡捷方式。

4 結論與討論

本文基于藍冰光譜特征, 提出了藍冰提取的組合指數法, 利用2017—2019年的Landsat-8影像對南極藍冰進行提取, 并利用MOA雪粒徑數據獲取南極地區82.5°S以南藍冰進行數據補充, 最后得到了面積為1.7×105km2的全南極藍冰分布數據(圖10)。經試驗證明, 在選取少云或無云、合適太陽高度角的影像數據時, 采用組合指數> 0.123、> 0.8進行藍冰自動提取的精度可達87.2%。其中, 藍冰指數的確定綜合考慮了均勻分布在全南極的14個試驗區的最優藍冰指數閾值, 試驗樣本和驗證樣本均勻、隨機分布, 試驗結果可信度高。綜上, 本文認為組合指數法能夠簡便而準確地獲取南極藍冰分布情況, 提取結果較單一閾值提取法更精確。

圖9 藍冰范圍分布對比圖

Fig.9.Comparison of blue ice range distribution

圖10 南極藍冰在裸巖、近海岸區域分布圖

Fig.10.Distribution map of Antarctic blue ice on the exposed rock and near the coast

我們將所得的全南極藍冰的分布情況與裸巖分布進行了對比, 如圖10所示。其中, 裸巖分布采用南極研究科學委員會(Scientific Committee on Antarctic Research, SCAR)管理和維護的南極數字數據庫(Antarctic Digital Database, ADD)中基于Landsat-8 影像自動提取的裸巖數據(http:// www.add.scar.org/)。我們可以看到藍冰分布與裸巖分布相鄰度較高, 表明藍冰多出現在裸巖出露的冰原島峰區域或山區, 這是由于凜冽的狂風讓島峰或山區附近藍冰表面的雪無法堆積, 即狂風為山地區域藍冰的出露提供了條件[1]。另一方面, 從海岸線至內陸200 km的這一區域占全南極面積的26.18%, 而該區域的藍冰占全南極藍冰的60.41%, 可見藍冰在近海岸區域分布較廣。這是因為近海岸區域消融明顯, 消融會帶來局部溫度的升高, 有利于促使藍冰表面升華消融的發生, 對藍冰的出露有正反饋作用。

本研究主要利用了Landsat-8光學影像數據。雖然盡量選擇無云、少云的衛星影像進行藍冰提取, 但南極半島區域等沿海區域受云影響較大, 且海岸附近區域消融情況發生概率高, 融水、濕雪、融池等地物在光譜上也呈藍色, 由此降低了目視判別精度, 對提取結果造成一定的誤差。未來開展更精細的南極藍冰提取, 需要進一步參考更加詳實的實地考察所得的南極地物光譜數據, 以此為基礎對藍冰進行更深入的光譜特征研究, 進而得到更準確的全南極藍冰分類, 為藍冰對南極區域氣候、表面能量平衡的進一步研究提供更夯實的數據基礎。

1 BINTANJA R.On the glaciological, meteorological, and climatological significance of Antarctic blue ice areas[J].Reviews of Geophysics, 1999, 37(3): 337-359.

2 WARREN S G, BRANDT R E.Comment on “Snowball Earth: A thin-ice solution with flowing sea glaciers” by David Pollard and James F.Kasting[J].Journal of Geophysical Research: Atmospheres, 2006, 111(C9): C09016.

3 WINTHER J G, JESPERSEN M N, LISTON G E.Blue-ice areas in Antarctica derived from NOAA AVHRR satellite data[J].Journal of Glaciology, 2001, 47(157): 325-334.

4 SINISALO A, MOORE J C.Antarctic blue ice areas—Towards extracting palaeoclimate information[J].Antarctic Science, 2010, 22(2): 99-115.

5 SWITHINBANK C.Ice runways in the Heritage Range, Antarctica [M].Annals of Glaciology, 1987, 14: 211-215.

6 MELLOR M, SWITHINBANK C.Airfields on Antarctic glacier ice [R].Hanover, United States: Cold Regions Research and Engineering Lab, 1989: 89-121.

7 SWITHINBANK C.Potential airfield sites in Antarctica for wheeled aircraft [R].Hanover, United States: Cold Regions Research and Engineering Lab, 1991: 91-124

8 CASASSA G, RIVERA A, ACU?A C, et al.Elevation change and ice flow at Horseshoe Valley, Patriot Hills, West Antarctica[J].Annals of Glaciology, 2004, 39: 20-28.

9 SINISALO A.Geophysical exploration of Antarctic blue ice areas for paleoclimate applications[J].Anthropologist, 2007, 14(2):141-148.

10 POPP T, SOWERS T, DUNBAR N, et al.Radioisotopically dated climate record spanning the last interglacial in ice from Mount Moulton, West Antarctica [C].Proceedings of the AGU Fall Meeting Abstracts, 2004.

11 CUSTER S E.Eemian record of18Oatmand CH4correlated to the Vostok EGT4 timescale from the Moulton Blue Ice Field, West Antaretica [D].State College: Pennsylvania State University, 2006: 1-46.

12 SINISALO A, GRINSTED A, MOORE J.Dynamics of the Scharffenbergbotnen blue-ice area, Dronning Maud Land, Antarctica[J].Annals of Glaciology, 2004, 39: 417-422.

13 BINTANJA R, VAN DEN BROEKE M R.The climate sensitivity of Antarctic blue-ice areas[J].Annals of Glaciology, 1995, 21: 157-161.

14 BINTANJA R, JONSSON S, KNAP W H.The annual cycle of the surface energy balance of Antarctic blue ice[J].Journal of Geophysical Research: Atmospheres, 1997, 102(D2): 1867-1881.

15 BINTANJA R.Surface heat budget of Antarctic snow and blue ice: Interpretation of spatial and temporal variability[J].Journal of Geophysical Research: Atmospheres, 2000, 105(D19): 24387-24407.

16 VAN DEN BROEKE M R, BINTANJA R.Summertime atmospheric circulation in the vicinity of a blue ice area in Queen Maud Land, Antarctica[J].Boundary-Layer Meteorology, 1995, 72(4): 411-438.

17 BINTANJA R, REIJMER C H, HULSCHER S J M H.Detailed observations of the rippled surface of Antarctic blue-ice areas[J].Journal of Glaciology, 2001, 47(158): 387-396.

18 YU J, LIU H X, WANG L, et al.Blue ice areas and their topographical properties in the Lambert glacier, Amery Iceshelf system using Landsat ETM+, ICESat laser altimetry and ASTER GDEM data[J].Antarctic Science, 2012, 24(1): 95-110.

19 JAWAK S D, LUIS A J.Application of high-resolution multispectral data for mapping blue ice areas in the Antarctic environment[C]//Khanbilvardi R, Ganju A, Rajawat A S (Editors).Proc SPIE 9877, 2016, 9877: 346-354.DOI: 10.1117/12.2222770.

20 LUIS A L, PANDIT P H, JAWAK S D.Extraction of blue ice area using albedo value derived from Landsat-8 satellite data[J].The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, XLII-5: 549-552.

21 SCAMBOS T A, HARAN T M, FAHNESTOCK M A, et al.MODIS-based Mosaic of Antarctica (MOA) data sets: Continent-wide surface morphology and snow grain size[J].Remote Sensing of Environment, 2007, 111(2-3): 242-257.

22 HUI F M, CI T, CHENG X, et al.Mapping blue-ice areas in Antarctica using ETM+ and MODIS data[J].Annals of Glaciology, 2014, 55(66): 129-137.

23 劉芮希.基于多源遙感數據的南極藍冰和冰面湖變化監測[D].武漢: 武漢大學, 2018: 16-26.

24 BROWN I C, SCAMBOS T A.Satellite monitoring of blue-ice extent near Byrd Glacier, Antarctica[J].Annals of Glaciology, 2004, 39: 223-230.

25 璩榆桐, 程曉, 劉巖.基于Landsat-8的東南極達爾克冰川季節性表面消融信息提取[J].極地研究, 2020, 32(2): 164-176.

26 NI Y, HE G, JIANG W.A novel method of cloud and shadow extraction with multi-temporal Landsat8 OLI images[J].The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2017, XLII-2/W7: 1301-1305.

27 季漩, 陳云芳, 羅賢, 等.Landsat 8 OLI影像的高原山地陰影區冰川識別方法[J].光譜學與光譜分析, 2018, 38(12): 3857-3863.

28 康婧, 程曉, 劉巖, 等.南極地區Landsat8衛星影像的陰影檢測方法[J].北京師范大學學報(自然科學版), 2017, 53(2): 187-193.

29 TSCHUDI M A, MASLANIK J A, PEROVICH D K.Derivation of melt pond coverage on Arctic sea ice using MODIS observations[J].Remote Sensing of Environment, 2008, 112(5): 2605-2614.

30 鄂棟臣, 張辛, 王澤民, 等.利用衛星影像進行南極格羅夫山藍冰變化監測[J].武漢大學學報(信息科學版), 2011, 36(9): 1009-1011.

Extraction of Antarctic blue ice based on Landsat-8 imagery

Wei Yi1, Cheng Xiao2,3,4, Liu Yan1,4, Hui Fengming2,3,4, Qu Yutong1,4

(1State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science (GCESS), Beijing Normal University, Beijing 100875, China;2School of Geospatial Engineering and Science, Sun Yat-sen University, Zhuhai 519082, China;3Southern Marine Science and Engineering Guangdong Laboratory, Zhuhai 519082, China;4University Corporation for Polar Research (UCPR), Beijing 100875, China)

Blue ice, a special surface feature of Antarctica, plays an important role in affecting the energy balance at regional to continental scales owing to its low albedo.Its surface ablation leads to the exposure of old ice, making the blue ice an ideal site for paleoclimate study.In addition, blue ice areas are the preferred landing areas for aircrafts because of its high density and hardness.In this study, we propose a rapid, effective, and automatic blue ice extraction method based on a combined index.Using Landsat-8 imagery, we combined the blue ice index and shadow index to derive the Antarctic blue ice distribution.These updated Antarctic blue ice data provide a new resource for studying the Antarctic surface energy balance, paleoclimatology, and selecting blue ice airport sites.We extracted the blue ice locations north of 82.5°S on the Antarctic from 940 scenes of Landsat-8 imagery between 2017 and 2019, while the blue ice locations south of 82.5°S on the Antarctic were extracted from MODIS snow particle size data from 2014.These data were used to map the blue ice distribution over the whole of Antarctica.Results showed that using Landsat-8 imagery, the average accuracy of the blue ice combined index method reached 0.87.The resulting blue ice distribution on the Antarctic is spatially consistent with previous results.The total area of Antarctic blue ice is about 1.7 ×105km2, 91.4% of which occurs in East Antarctica.Blue ice areas mainly exist near exposed nunataks or mountains, as well as coastal areas.About 60.4% of the Antarctic blue ice occurs within the inland from its coastline to 200 km southward.

Antarctic, blue ice, Landsat-8, combined index method

2021年1月收到來稿, 2021年3月收到修改稿

韋屹, 女, 1995年生。碩士研究生, 主要從事南極藍冰研究。E-mail: wee_37@163.com

程曉, E-mail: Chengxiao9@mail.sysu.edu.cn

10.13679/j.jdyj.20210003