基于遙感指數與深度學習的黃河冰凌遙感監測識別分析

宋文龍，馮天時，陳 龍，何 倩，3，胡 軍，盧奕竹，馮 珺，劉宏潔

(1.中國水利水電科學研究院，北京 100038；2.水利部防洪抗旱減災工程技術研究中心(水旱災害防御中心)，北京 100038；3.首都師范大學 資源環境與旅游學院，北京 100871；4.黃河水利委員會山東水文水資源局，濟南 250199)

1 研究背景

凌汛災害具有孕災環境復雜、致災因子多樣、突發性和鏈發性強、搶險難度大等特點，尤其冰塞、冰壩易造成河道水位陡漲導致堤防決口引發的災害最為嚴重[1-3]。及時精準地獲取凌汛期間冰凌的分布情況是凌情監測的關鍵任務，傳統封河長度人工測量法僅依靠封開河位置進行計算，在出現分段開河時易產生誤差，且難以掌握冰凌的空間分布信息[4-5]。

衛星遙感可以做到非接觸大范圍快速成像，在凌情快速監測評估中可發揮重要作用[6]。基于地物的光譜特性構建的遙感指數可以實現目標地物的快速提取，其中以水體指數、植被指數最為典型[7]，現階段雖未有成熟的冰凌指數，但可以利用其他指數來代替。Dozier等[8]基于Landsat數據最早提出了歸一化積雪指數NDSI(Normalized Difference Snow Index)用于積雪反演，此后該指數同時被用到湖冰、冰凌的提取。宋珍等[9]基于國產HJ-1A/B數據驗證了NDSI與改進的歸一化積雪指數MNDSI(Modified Normalized Difference Snow Index)在中國西部牧區積雪提取中的適用性。翟涌光等[10]以黃河寧蒙段為研究區，基于Landsat影像對比了NDSI、MNDSI、NDWI(Normalized Difference Water Index)、NDUWI(Normalized Difference Unfrozen Water Index)等幾種水體/積雪指數對黃河冰凌一水分類工作的適用性，結果指出NDUWI可以較好地區分冰凌與水體，但易受到其他地物的干擾。冰率是指河道在一年中結冰的概率，冰率越高說明相關區段的河道在冬季更易結冰，Yang等[11]基于Fmask分類算法對全球的河流冰川演變進行了預測。……