基于Landsat 8影像的冰面提取光譜模型構建

左曉慶，劉懷鵬

(1.合肥工業大學 資源與環境工程學院，合肥 230009；2.洛陽師范學院 國土與旅游學院，河南 洛陽 471934)

0 引言

地表冰作為氣候變化的敏感因素，其面積變化的信息能夠直觀體現出氣溫的變化特征，其面積變化信息也對氣候的年際變化有一定的反映，有時甚至比氣溫更為顯著[1-3]。因此，對地表冰面的覆蓋面積信息進行獲取具有重要的意義。近年來，伴隨著衛星傳感器的升級換代和影像處理算法的不斷發展，遙感技術已經成為冰面檢測、監測的主要手段。

目前，國內外學者基于遙感技術對冰面的檢測、提取已有一定的研究。例如，劉懷鵬等[4]基于快鳥影像，通過分析地物光譜曲線，構建出一種能快速、準確提取冰面信息的光譜指數，再使用閾值分割識別出影像中的冰面，提出了一種高效檢測城市冰面的方法；王瓊等[5]使用支持向量機對色林錯湖區2017—2018年的7景天宮二號遙感影像進行湖冰提取，并結合當地氣象數據，實現了對色林錯湖冰信息的識別；Qi等[6]采用閾值法，提出了一種設置MODIS數據中的紅色波段閾值和紅色、近紅外兩波段反射率之間差值閾值的方法，對湖冰信息的檢測取得了不錯的結果；Williamson等[7]基于MODIS遙感影像，將已有的面積提取算法結果與Landsat 8的結果進行驗證，發現運用動態閾值算法提取冰面湖具有較高的精度，可以實現湖冰信息的有效提取。

從國內外的研究中可以看出，利用遙感技術檢測冰面的方法主要有波段閾值法、影像分類法、比值圖像法、面向對象法等，這些方法在一定程度上均可實現冰面的提取[8-10]。波段閾值法是一種基于經驗統計的方法，簡單易操作，但易受影像獲取時間、大氣傳輸等因素以及異物同譜現象的影響，提取結果精度低且不穩健。因此，該方法具有一定的局限性，一般只在遙感應用的早期或數據不完整時使用[11]。影像分類法需經過觀察、確定地物種類，選擇不同類型地物的訓練樣本等步驟，通過建立判別函數從而確定非樣本像素的分類特征，提取精度較高，但提取過程既耗時又復雜，且光譜特征相似的地物不易分辨。例如，張雯[12]采用最大似然分類法提取了西北高原昆侖山脈崇測冰川的冰川信息，但出現了部分巖石被錯分以及冰川被漏分現象。比值圖像法是運用不同波段的數字化值進行比值計算，操作簡便且對冰面信息有一定的增強，但由于一般僅涉及兩個波段，對冰面信息增強和其他干擾地物抑制不夠深入，導致冰面與其他地物在影像中的分離效果不理想，提取結果的精度可能不高。例如，Paul等[13-14]通過計算TM3/TM5波段的反射率比值得到了冰川信息，但發現水體在可見光和短波紅外兩個波段的波譜特征差異與冰川較為相似，故發生水體誤提成冰川情況。面向對象法不僅考慮光譜信息，還考慮形狀、紋理、空間特征等信息，通過統計每個分割對象的灰度、紋理等特征進行冰面提取，提取精度較高，但需引入較多參數作為分類特征，使得提取過程中涉及較大的數據量且提取環節繁雜。例如，韓惠等[15]引入地形、指數等特征參數，并結合地物的光譜、形狀和紋理等分類特征，使用該方法有效地獲得了冰川范圍信息。另外，這些方法大多是基于低分辨率的遙感影像對大尺度的冰川進行提取，采用中分辨率的Landsat 8影像對異質性較高的地理空間分布的冰面進行提取的研究尚不多見。針對上述問題，本研究基于Landsat 8影像，分析不同地物光譜信息差異，建立一種有益于冰面信息增強、其他非冰面信息抑制的冰面光譜模型，改善異質性較高地理空間的冰面提取效果，以期為冰面提取提供一種切實可行的新方法。

1 研究區概況與數據預處理

1.1 研究區概況

研究區分為建模區和測試區兩部分。其中，建模區為岱海旅游區，位于地理坐標為40°32′N～40°38′N、112°37′E～112°47′E的內蒙古烏蘭察布市的涼城縣境內[16]，該地區距離省會呼和浩特市約100 km，距離首都北京市約420 km，屬于典型的中溫帶大陸性季風氣候，年平均氣溫約為2～5 ℃，降水主要集中在7、8月份，是占地面積最大的內蒙古中西部旅游區。測試區為哈素海旅游區，位于地理坐標為40°33′N～40°40′N、110°48′E～111°3′E的內蒙古呼和浩特市的土默特左旗境內[17]，該地區距離包頭市約85 km，距離鄂爾多斯市約114 km，屬于典型的中溫帶大陸性季風氣候，有著較大的年溫差和日溫差，降水主要集中在7、8月份，是風景秀美的休閑旅游區。

1.2 數據源及預處理

本研究使用的數據均來自地理空間數據云平臺(http：//www.gscloud.cn/)的Landsat 8(operational land imager,OLI)多光譜影像。建模區影像成像于2018年1月16日，數據標識為LC81250322018016LGN00， 測試區影像成像于2016年2月10日，數據標識為LC81270322016041LGN00。兩幅影像的成像時間正值當地湖泊結冰期，且無云遮蓋，適宜對冰面提取光譜模型的構建進行研究。

利用ENVI 5.3軟件對建模區和測試區的衛星影像進行預處理。首先，分別對多光譜數據和全色波段進行輻射定標，將圖像的數字量化值轉化為絕對輻射亮度值[18]；其次，將7波段30 m空間分辨率的多光譜數據和15 m空間分辨率的全色波段進行融合，提升影像數據的空間細節表達能力[19]；然后，對影像進行大氣校正，消除大氣、光照等因素對地物反射的影響，獲得地物真實的反射特征值[20]；最后，按照研究范圍對影像進行裁剪。

2 研究方法

本文以岱海旅游區為建模區，分析不同地物的光譜響應差異，選取多個與冰面識別有關的波段，建立一種基于Landsat 8影像的冰面光譜模型，再使用閾值分割，實現對冰面信息的有效識別。并以哈素海旅游區為測試區，采用最大似然分類方法作對照實驗，與冰面光譜模型法檢測的冰面效果進行對比分析，探究創建的冰面提取光譜模型的有效性與適用性。本研究采用的技術路線如圖1所示。

2.1 反射光譜曲線擬合

對比不同地物的反射光譜曲線數值和形狀的特征差異，有助于實現冰面信息的提取[21]。基于建模區影像數據，首先，在真彩色合成狀態下，通過目視觀察，確定冰面、藍色地物、白色地物、植被和陰影為分類目標；然后，在標準假彩色合成狀態下，對這5種地物類型隨機分散地采集50、30、30、30、30個像元。利用采集的地物樣本，統計得到各地物的反射特征均值，結果如表1和圖2所示。

表1 建模區各地物反射特征均值統計表

2.2 冰面信息增強

在冰面識別的過程中，困難在于與冰面光譜信息相似的其他地物的干擾，但難以分辨的地物雖然光譜特征相近，波段上的反射值總存在差異。冰面提取的光譜模型依據光譜增強的原理來創建，采用代數運算法則，可以在各地物波段原始反射值微小差異的基礎上進一步銳化目標地物與其難以區分地物的亮度值差異。

基于VMI模式的供應鏈集成同樣會帶動信息流的整合，庫存信息將不僅僅在生產站段內流動，還需要通過供應鏈向物資供應段、供應商傳導；同樣，供應商的生產供應計劃也會通過供應鏈向物資供應段、生產站段流動。通過信息流的整合，物資供應段在向供應商提報需求計劃時能夠綜合考慮現有庫存和在途庫存，通過調控生產需求計劃保證生產站段庫存容量及到貨頻率。物資供應段在調控生產需求計劃的同時，要時刻關注并預測庫存總量、庫存資金占用的變化，以保證站段生產持續性為第一原則，少批量、多頻率地向供應商提報生產需求計劃。

1)波段相加。從光譜曲線中尋找非目標地物的反射特征值不如目標地物(冰面)反射特征值突出的波段。在波段b1、b2、b3、b4中，冰面的反射特征值高于藍色地物、植被和陰影，把這4個波段相加，可將冰面和白色地物信息增強，得到的特征圖像表示為b1+b2+b3+b4。

2)波段差值。從光譜曲線中尋找兩波段作差可增強目標地物信息，同時又能弱化與背景地物信息的配對波段。冰面在波段b1的反射特征值高于b5，這兩波段之間的反射特征值差異與其他非冰面地物不同，將波段b1與b5做差，可正向增強冰面信息，負向增強其他地物信息，得到的差值型特征圖像表示為b1-b5。

3)正負處理。從光譜曲線中尋找目標地物與非目標地物光譜曲線在兩波段之間斜率差異最顯著的波段。在波段b4與b5之間，冰面光譜曲線與其不易分辨的地物光譜曲線的斜率差異最顯著，通過b4與b5兩波段的反射特征值差值與中心波長λ4、λ5差值的比值計算斜率，可進一步銳化不同地物間的光譜差異。為保證對感興趣目標地物亮度值的增強為正向增強，選擇再與-1相乘，使提取的冰面信息落在正值區間，得到的正向增強型特征圖像表示為(b4-b5)/(λ4-λ5)×(-1)。

2.3 冰面指數創建

在波段相加環節中，白色地物信息也被增強了，利用斜率調節在第一步中被連帶增強的非目標地物信息，突出冰面信息。故選擇將第一步和第二步獲得的特征圖像相加，與第三步獲得的正向增強型特征圖像相乘，最后創建的冰面指數(ice spectrum index，ISI)，如式(1)所示。

(1)

式中：λ4、λ5分別代表Landsat 8影像中b4(紅色波段)、b5(近紅外波段)的中心波長，兩個波段的中心波長取值分別為0.655、0.865。

2.4 冰面提取

由于創建的冰面光譜指數涉及特征圖像間的相乘運算，使冰面光譜指數得到的結果影像像元值變得過大。為便于后續閾值的選取，在閾值選擇前對結果影像進行[-1，1]歸一化處理，以使冰面和非冰面像元值易于比較大小。

閾值分割是一種經典的圖像分割方法，它的基本思想是在圖像目標與非目標的不同灰度級區域的組合中設置某一閾值作為分界線，把像素劃分為兩類，從而實現目標與非目標區域的分離，具有簡單、便捷的優勢[22-23]。對于冰面光譜指數歸一化得到的結果影像，其冰面與非冰面的像元值有著較為明顯的區別，該影像的灰度直方圖會存在較明顯的雙峰，但波谷不夠明顯。因此在閾值選取過程中，首先，統計冰面光譜指數歸一化影像的灰度直方圖，并得到雙峰中峰值較低的波峰峰值；其次，在該波峰峰值處做一條水平線，獲得與另一峰值較高的波峰的兩個交點，記錄雙峰中峰值較低處對應的像元值以及所獲得的兩個交點中與該峰值水平距離最近的一個交點對應的像元值；然后，將這兩個數值作為閾值選定區間，查看該結果影像中冰面和其他非冰面地物像元值以及該像元值下直方圖中對應的像元個數，并與原影像動態鏈接，反復選取多個閾值進行實驗；最后，通過目視觀察和精度驗證，對比提取效果，從而獲得適宜提取Landsat 8影像中冰面的閾值，完成冰面的提取。

2.5 性能檢驗

表2 冰面提取采用的訓練樣本及驗證樣本像元數量表

3 結果與分析

3.1 冰面提取精度

統計得到建模區和測試區的冰面光譜指數歸一化結果影像的灰度直方圖，如圖3所示。觀察直方圖，確定建模區的閾值選定區間為[0.058 8，0.184 3]，測試區的閾值選定區間為[0.341 2，0.458 8]。通過目視解譯和反復實驗不斷調整閾值，獲得在建模區中適宜檢測冰面信息的閾值范圍為[0.086 0，1]，在測試區中適宜檢測冰面信息的閾值范圍為[0.371 0，1]。在建模區和測試區影像上，基于不同方法提取的冰面經過精度驗證后得到的混淆矩陣結果如表3和表4所示。

表3 建模區基于光譜模型冰面提取混淆矩陣

表4 測試區基于不同方法冰面提取混淆矩陣

由表3和表4可知，基于光譜模型法在建模區和測試區檢測到的冰面總體分類精度分別為93.18%、94.89%。由此表明，采用冰面光譜模型檢測冰面基本可以取得90%以上的精度，檢測效果具有穩健性。在測試區中，基于光譜模型法檢測冰面的總體分類精度比最大似然分類法精度高了1.33%。由此表明，本研究提出的冰面光譜模型可以完成在Landsat 8影像中冰面信息的識別，且與常規分類方法相比，具有較高的檢測精度，能夠取得較為理想的冰面檢測效果。

3.2 冰面提取效果分析

采用新建的冰面光譜模型識別建模區、測試區Landsat 8影像中的冰面信息，并與最大似然分類法在測試區影像上提取的冰面結果進行對照，得到的冰面檢測結果如圖4至圖6所示。

由圖4至圖6可以看出，在裸地和冰面連接密切的垂釣區或面積相對較大的冰面區域中，最大似然分類法受冰面色調影響，對深色調冰面與裸地的分離效果欠佳，發生了小斑點或大斑塊冰面信息被遺漏提取的情況；冰面光譜模型法提取的冰面存在少量信息被漏提，提取信息較為完整，提取結果更貼近實際情況。在已融化的冰面或者未結冰的水體區域中，冰面光譜模型法發生小范圍把此處錯誤提取為冰面的情況；最大似然分類法在此處提取效果良好，但存在與已融化的冰面或者未結冰的水體交接處的冰面遺漏提取的現象。在冰面區域狹窄或彎曲處，冰面光譜模型法和最大似然分類法均存在斷點的冰面檢測情況，導致局部小區域提取的冰面信息不夠完整?？傮w比較而言，二者的冰面提取情況各有優劣。從提取精度和效果來看，冰面光譜模型法和最大似然分類法相差不大，在綜合考慮實用性后，判定最為理想的方法是冰面光譜模型法，最大似然分類法次之。

4 結束語

地表冰的面積和空間位置參數是環境要素的重要信息，通過創建遙感模型提取冰面獲得這些參數具有重要意義。本研究針對傳統遙感方法分離影像冰面與其他干擾信息效果不理想、提取冰面操作步驟多的問題，提出了一種基于Landsat 8影像的冰面信息識別方法。為了驗證該方法的使用效果，在建模區和測試區影像上采用該方法提取出冰面，再在測試區影像上采用最大似然分類法提取出冰面，比較基于不同方法的冰面信息提取效果，得出以下結論。

1)冰面光譜模型法提取冰面的精度基本可以維持在90%以上，檢測效果具有穩健性。

2)在測試區中冰面光譜模型法提取效果最佳，總體精度為94.89%，Kappa系數為0.90，比最大似然分類法檢測精度高。

3)冰面光譜模型法不需要選取地物樣本和設置相關參數，識別冰面信息過程簡易，在保持較高檢測精度的條件下，減少了在Landsat 8影像中識別冰面的環節。

4)新建的冰面光譜模型有益于增強影像中冰面與其他非冰面地物的分離性，對于獲知異質性較高地理空間區域中的冰面分布情況，具有突出的使用價值和響應能力。

本研究的不足之處是在確定冰面和非冰面的閾值時，不可避免地受到人為主觀因素的干擾，對提取結果的準確性產生影響。另外，本研究所選擇的研究區范圍有限，對于不同地理區域的冰面提取效果還需要進一步探討。在今后的研究中，擬選取不同地區、不同規模大小的區域，并根據所選區域的具體情況選擇合適的閾值，進一步驗證本研究所提出的冰面提取光譜模型的魯棒性。