機載LiDAR和高光譜數據融合提取冰川雪線

李光輝，王 成，習曉環，鄭照軍，駱社周，岳彩榮

(1.西南林業大學林學院，昆明 650224;2.中國科學院對地觀測與數字地球科學中心，北京 100094;3.國家衛星氣象中心，北京 100081)

0 引言

冰川是自然界重要的淡水資源，地球陸地表面10%被冰川覆蓋，80%的淡水儲存在冰川中[1]。同時冰川作為冰凍圈系統的主要組成部分，也是氣候變化的天然指示器[2]。世界各國對冰川的研究非常重視，了解和研究冰川雪線對研究冰川及其動態變化具有重要的現實意義。在冰川學中，雪線是指連接積雪能在夏季全部融化的、平坦的、非陰處地面的最高點所構成的面，在這個面上雪的積累與消融量達到平衡，即冰川上雪的積累量與消融量相等的地方，因此雪線又稱冰川物質平衡線。一個地區的雪線高度(即平衡線高度)能綜合反映該區氣候、地勢和地形等因素對冰川發育的影響，對冰川的物質平衡以及冰川區環境具有較好的指示意義[3]。

最初獲取冰川雪線多采用人工手段，通過設立野外觀測地面站，由工作人員利用GPS等儀器進行測量。這種方法周期長、成本高、獲取樣本數量有限，而且由于山地冰川區地形復雜，人員難以到達，因此該方法在高原冰川區應用有限，不能滿足宏觀、綜合和快速的變化監測要求。隨后遙感方法逐漸取代了人工方法，遙感技術快速、大范圍、低成本及周期短等特點，使其成為獲取冰川雪線的有效技術手段[4]。張世強等[5]利用冰川在TM圖像的可見光波段具有強反射和在中紅外波段具有強吸收特性，采用譜間關系比值法提取了青藏高原喀喇昆侖山區現代冰川邊界。紀鵬等[6]依據西昆侖地區 1991—2009年Landsat TM/ETM+遙感圖像，獲取近20 a西昆侖地區冰川及其冰川融水形成的郭扎錯湖和阿克賽欽湖的動態變化信息，并結合氣候資料，分析了冰川、湖泊變化與氣候變化的線性關系;金鑫等[7]利用1989年TM和2000年ETM+遙感圖像提取冰雪信息，結果表明，運用線性混合像元分解模型能很好地監測實驗區的冰雪覆蓋變化;張瑞江等[8-9]通過對青藏高原現代冰川分布區ETM遙感圖像的分析，提出了利用遙感圖像確定現代雪線高度的方法，基本查明了青藏高原各山系的現代雪線高度，以及近30 a來現代雪線高度的變化狀況;而且又以1960—1970年間1∶10萬比例尺地形圖、1975年MSS和2000年ETM數據為信息源，基本查明了青藏高原各山系內現有冰川的面積以及近30 a來冰川面積減少的數量;李邦良等[10]利用TM圖像與瓊西北地區內的地質地球物理資料進行綜合分析，發現冰蝕和冰磧地貌之間內在的成生規律;李震等[11]以1973—1994年的RBV，MSS和TM數據為信息源，用非監督分類法和目視解譯的方法分析了青藏高原布卡塔格峰冰川20 a的變化信息，并提取了冰川的邊界及其變化信息。綜上所述，前人研究多基于星載多光譜數據或星載數據與其他數據的協同研究，融合機載激光雷達和高光譜數據提取雪線研究的報道較少。機載激光雷達點云數據精度高、密度大，不僅具有傳統遙感手段難以獲取的高精度高程信息，而且還具有多次回波和反射強度信息;高光譜數據的紋理特征連續、光譜信息豐富;綜合利用機載激光雷達和高光譜數據各自的優勢不僅可以獲取研究對象的平面信息，而且可以獲取高精度的高程信息。本研究以TerraSolid，ENVI和ArcGIS等軟件為數據處理平臺，對冰川區域的機載激光雷達數據進行處理，提取了冰川的數字高程模型(digital elevation model，DEM);并利用DEM對機載高光譜數據的分類結果進行正射糾正，獲取冰川的數字正射影像圖(digital orthophoto map，DOM);最后融合研究區DOM和激光點云數據提取冰川雪線。

1 工作平臺及軟件

利用芬蘭TerraSolid公司開發的TerraSolid軟件的TerraScan和TerraModel模塊對機載LiDAR數據進行處理。其中TerraScan的主要功能是根據激光點的坐標、強度和反射強度等信息對點云數據進行濾波和分類;TerraModeler主要用于生成各種數字模型(如DEM)及完成體積、面積、等高線、輪廓線和洪水淹沒區域等計算[12]。機載高光譜數據處理采用ENVI軟件，后續處理過程還運用了ArcGIS軟件中的ArcMap和ArcScene工具以及地圖繪制軟件Global Mapper等。

2 試驗區及數據源

2.1 試驗區

選擇西藏那曲縣境內的“中習一號”冰川為研究區。該區位于 E 91°24′48.006″～91°25′27.232″，N 30°50′11.356″～30°51′7.686″之間(圖 1)，屬高原亞寒帶季風半濕潤氣候區。冬季長達半年，年溫差小，晝夜溫差大，年平均氣溫為-2.2℃，1月份平均氣溫-14.5℃;每年10月至次年5月為風雪期和土壤凍結期，6—8月為牧草生長期;年降水量為406.2 mm，多集中在6—9 月;年蒸發量為1 811.2 mm，相對濕度為51%，氣候特征是干燥和多風。

圖1 研究區地理位置Fig.1 Location of the study area

2.2 數據源

2.2.1 機載LiDAR數據

機載LiDAR數據于2011年8月10日獲取，相對航高3 000 m，點云密度約為1點/m2。如圖2所示。

圖2 機載點云數據Fig.2 Airborne point cloud data

2.2.2 機載高光譜數據

機載高光譜數據于2011年8月11日獲取，空間分辨率約2 m，共100個波段(波長范圍400～1 000 nm)。采用的傳感器為中國科學院上海技術物理研究所研制的PHI-1309。圖3(a)是一個掃描航帶的部分高光譜數據的R(41)，G(26)，B(11)合成圖像，3個波段的中心波長分別為642 nm，549 nm和458 nm;圖3(b)為研究區高光譜數據。

圖3 高光譜數據Fig.3 Hyperspectral data

3 數據處理與分析

3.1 機載LiDAR數據處理

首先利用TerraSolid軟件中的TerraScan模塊對研究區LiDAR點云數據進行濾波分類，然后利用TerraModel模塊生成研究區 DEM，并在 Global Mapper軟件中顯示，如圖4所示。

圖4 冰川區DEMFig.4 Glacier area DEM

3.2 機載高光譜數據處理

利用ENVI4.7軟件，對機載高光譜數據進行預處理，包括輻射定標、大氣校正和幾何糾正。然后采用主成分分析對高光譜數據進行降維，并通過最大似然法得到冰川分類圖像。

3.3 三維地形模擬

利用ArcGIS Desktop中的ArcScene模塊將冰川DEM數據分別同高光譜的柵格數據和矢量數據進行三維地形模擬，如圖5所示。

圖5 三維地形模擬Fig.5 3D terrain simulation

3.4 影像校正

激光雷達和高光譜數字影像的地形輻射校正過程是:利用激光雷達的測距數據建立地面的數字地形圖和高程模型，研究成像瞬間激光雷達和高光譜數字影像與地面地形之間的定量關系，分別建立地形輻射校正模型，將激光雷達和高光譜數字影像上各點的影像值校正為地面水平時激光和太陽光照射角度相同的影像。經過地形糾正處理的激光雷達和高光譜影像可視為各點在地面激光和太陽光照度相同。大氣和地形狀況一致的最佳成像條件下得到的激光雷達和高光譜數字圖像，即正射影像。正射影像最大程度地消除了因距離、地形和大氣狀況對激光雷達和高光譜數字影像的影響，充分表達了地物的波譜特性，提高了激光雷達和高光譜對地球表面物質的系統探測能力，改善了激光雷達和高光譜數字圖像的質量以及數字仿真能力[13]。

選擇Global Mapper菜單中影像校正功能，打開高光譜最大似然法分類數據，進入幾何糾正界面，然后以DEM作為地理參考坐標對高光譜遙感分類圖像進行幾何精糾正和坐標歸一化處理。在DEM和高光譜遙感分類圖像上分別選取了10個控制點(GCP)，配準精度控制在1個像元之內(圖6)。

圖6 研究區正射影像Fig.6 Orthophoto of the study area

3.5 冰川雪線提取

首先，在TerraSolid軟件的TerraPhoto模塊中，同時顯示激光點云與高光譜正射影像(圖7);然后，用TerraPhoto模塊中的Model工具，提取正射影像的冰川邊界點云。

圖7 正射影像和點云數據疊加Fig.7 Orthophoto and point cloud data overlay

由于所獲取的高光譜數據是條帶數據，沒有完整包含“中習一號”冰川，因此所提取出的雪線不是該冰川全部的雪線。結果如圖8所示。

圖8 “中習一號”冰川部分雪線及其高程信息Fig.8 Snow line of“Zhongxi－1”glacier part and its elevation information

4 精度分析

4.1 LiDAR DEM的精度分析

DEM精度評定可以采用2種不同的方式:①平面精度和高程精度分開評定;②2種精度同時評定。但在實際應用中，一般只討論DEM高程精度的評定問題[14]。由于“中習一號”沒有實測數據，無法用實測數據來檢測LiDAR DEM，因此利用了“中習一號”的ASTER DEM和LiDAR DEM進行比較，選取了36個坐標點進行高程值的比較(表1)。

表1 LiDAR DEM和ASTER DEM的高程比較Tab.1 Comparing LiDAR DEM with ASTER DEM elevation (m)

通過表1的比較，LiDAR DEM的高程值均小于ASTER DEM的高程值，統一偏向一側，說明LiDAR DEM和ASTER DEM具有很強的系統性，且方向都一致，這一特征符合正常情況。

4.2 機載高光譜數據的精度分析

本文還選擇了“中習一號”地區環境減災衛星(HJ-1)的多光譜數據與機載高光譜數據進行精度比較。研究區2011年8月10日的HJ-1多光譜CCD數據(軌道號為29/80)共4個波段(波譜范圍為0.43 ～0.9 μm)，空間分辨率為 30 m。首先，對圖像進行輻射定標、幾何糾正和大氣校正，并選擇R(3)，G(2)，B(1)的方案進行波段組合;其次，采用最大似然法進行分類;最后，通過對環境衛星多光譜數據目視解譯獲取的地表真實感興趣區來驗證分類結果，采用混淆矩陣方法對分類結果進行精度分析，并與高光譜數據的主成分變換后的最大似然法分類結果精度進行比較(表2)。

表2 機載高光譜和HJ－1多光譜數據分類精度比較Tab.2 Precision comparison of airborne hyperspectral classification data and HJ－1 multi－spectral data

由表2可得，運用高光譜數據的分類精度高于同地區HJ-1多光譜數據的分類精度。

5 結論

本文對機載激光雷達數據和高光譜影像融合提取冰川雪線進行了嘗試，其原理清晰，技術方法和流程簡單。相對于衛星遙感監測冰川及雪線變化，雖然機載數據獲取成本高，但機載數據的精度和空間分辨率高，而且數據獲取方式及時間靈活，特別適于災害的應急反應監測。同時如果能獲取時間序列的機載LiDAR數據和高光譜數據，即可提取高精度的冰川及雪線的動態變化信息。

由于獲取研究區雪線的實測數據有一定困難，本文未能用實測數據對提取結果進行驗證，另外研究僅利用了激光點云數據的高程信息，如何有效利用點云數據的強度信息進行冰川雪線的提取還有待進一步研究。

[1]劉志輝，王紅娟，裴 歡，等.基于RS和GIS技術的近40 a新疆昌吉州冰川變化分析[J].新疆大學學報:自然科學版，2005，22(2):127-133.Liu Z H，Wang H J，Pei H，et al.Analysis of the glacier change near 40 a in Changji Prefecture，Xinjiang based on RS and GIS[J].Journal of Xinjiang University:Natural Science Edition，2005，22(2):127-133.

[2]張國梁，王 杰，潘保田，等.冰川變化遙感監測的研究進展[J].蘭州大學學報:自然科學版，2010，46(6):1-10.Zhang G L，Wang J，Pan B T，et al.Progress in research on glacier changes using remote sensing[J].Journal of Lanzhou University:Natural Sciences，2010，46(6):1-10.

[3]王利平，謝自楚，丁良福，等.基于GIS的羌塘高原冰川系統雪線場的建立及其空間分布特征[J].干旱區地理，2010，33(5):692-702.Wang L P，Xie Z C，Ding L F，et al.Establishing the field of equilibrium line altitude of the glacier system in the Chiangtang Plateau based on geographic information system and its distribution characteristics[J].Arid Land Geography，2010，33(5):692-702.

[4]王祎婷，陳秀萬，柏延臣，等.多源DEM和多時相遙感影像監測冰川體積變化——以青藏高原那木納尼峰地區為例[J].冰川凍土，2010，32(1):126-132.Wang Y T，Chen X W，Bo Y C，et al.Monitoring glacier volume change based on multi-source DEM and multi-temporal remote sensing images:A case study in the Mount Naimona’nyi Region on the Tibetan Plateau[J].Journal of Glaciology and Geocryology，2010，32(1):126-132.

[5]張世強，盧 健，劉時銀.利用TM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.Zhang S Q，Lu J，Liu S Y.Deriving glacier border information on Qinghai Tibet by TM high spectrum image[J].Journal of Wuhan University:Information Science Edition，2001，26(5):435-440.

[6]紀 鵬，郭華東，張 露.近20年西昆侖地區冰川動態變化遙感研究[J].國土資源遙感，2013，25(1):93-98.Ji P，Guo H D，Zhang L.Remote sensing study of glacier dynamic change in West Kunlun Mountains in the past 20 years[J].Remote Sensing for Land and Resources，2013，25(1):93-98.

[7]金 鑫，柯長青.基于混合像元分解的天山典型地區冰雪變化監測[J].國土資源遙感，2012，24(4):146-151.Jin X，Ke C Q.Monitoring of snow cover changes in Tianshan Mountains based on mixed pixel decomposition[J].Remote Sensing for Land and Resources，2012，24(4):146-151.

[8]張瑞江，趙福岳，方洪賓，等.青藏高原近30年現代雪線遙感調查[J].國土資源遙感，2010，22(s1):59-63.Zhang R J，Zhao F Y，Fang H B，et al.Remote sensing survey of existing snowlines in the past 30 years in Qinghai-Tibet Plateau[J].Remote Sensing for Land and Resources，2010，22(s1):59-63.

[9]張瑞江，方洪賓，趙福岳，等.青藏高原近30年來現代冰川面積的遙感調查[J].國土資源遙感，2010，22(s1):45-48.Zhang R J，Fang H B，Zhao F Y，et al.Remote sensing survey of existing glaciers in the past 30 years in Qinghai-Tibet Plateau[J].Remote Sensing for Land and Resources，2010，22(s1):45-48.

[10]李邦良.瓊西北地區冰川地貌陸地衛星TM圖像解譯[J].國土資源遙感，1998，10(3):90-94.Li B L.TM image interpretation for glacial geography in the Northwest of Qiong[J].Remote Sensing for Land and Resources，1998，10(3):90-94.

[11]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.Li Z，Sun W X，Lu Q Z.RS and GIS methods to extract glacier change information to the glaciers of the Qinghai-Tibet Plateau:Cloth Katage Peak as an example[J].Journal of Geographical Science，1999，54(3):263-268.

[12]曹廣強，翟 娜.淺談利用激光點云數據制作DEM[J].測繪標準化，2011，27(2):44-46.Cao G Q，Zhai N.On the DEM creating by using radar point cloud data[J].Standardization of Surveying and Mapping，2011，27(2):44-46.

[13]李先華，黃 睿，黃 微，等.激光雷達與高光譜遙感對地立體探測研究[J].紅外，2009，30(7):5-9.Li X H，Huang R，Huang W，et al.Research on tridimensional ground exploration based on lidar and hyperspectral remote sensing[J].Infrared，2009，30(7):5-9.

[14]肖雁峰.DEM質量檢查與精度評定研究[D].成都:西南交通大學，2008:1-71.Xiao Y F.Quality inspection and accuracy evaluation for DEM[D].Chengdu:Southwest Jiaotong University，2008:1-71.