一種改進的深度學習冰湖遙感制圖方法及應用

楊濘滔 聶勇

（1 中國科學院水利部成都山地災害與環境研究所，成都 610299）

（2 中國科學院大學，北京 100049）

0 引言

冰湖是冰川作用而形成的一種特殊的湖泊，它是淡水資源的重要組成，但又會發生潰決形成冰湖潰決洪水災害[1]。我國的冰湖大部分分布在高海拔、難以到達的高山區域[2]。在全球變暖的背景下，冰川退縮，冰湖災害風險上升[1]，威脅著我國鐵路、公路等基礎設施[3]和人民生命財產安全[4-7]。川藏鐵路沿線曾多次爆發嚴重的冰湖潰決洪水，如2020 年金烏錯潰決洪水就發生在易貢藏布流域，對下游產生嚴重破壞[8]。為了提升主動防災減災的能力，需要識別潛在高危冰湖并對其開展監測預警，冰湖遙感制圖與動態監測是冰湖災害評估與監測預警的基礎。

近年來，冰湖遙感調查方法和技術不斷發展，深度學習方法為進一步提升冰湖自動制圖的效率和精度提供了一個新的思路和途徑。傳統的冰湖遙感制圖方法主要有：1）基于專家經驗的目視手動數字化。該方法制圖精度高，已被成功應用于喜馬拉雅山中段[9]和青藏高原的冰湖調查[10]，然而，該方法在大范圍開展冰湖調查需要大量的人力和時間，難以實施。2）光譜指數閾值法。該方法主要選擇水體指數作為關鍵參數，確定最佳閾值完成冰湖的制圖，如文獻[11]提出的歸一化水體指數（NDWI）被廣泛的用于提取湖泊等水體的邊界信息，文獻[12]將NDWI 指數與坡度陰影掩膜結合，通過迭代確定最佳閾值，構建自動提取喜馬拉雅冰湖的算法。3）面向對象制圖法。該方法綜合利用冰湖的形態學特征和紋理特征可以有效的自動提取冰湖，被用于喜馬拉雅山脈和青藏高原的冰湖變化研究[13-14]。由于地物光譜的復雜性，自動提取冰湖仍存在不少的錯分和漏分，如何進一步提升冰湖自動提取的效率和精度,也是目前冰湖研究的難點。近年來，深度學習方法和技術快速發展，也被應用于冰湖遙感制圖，展現出巨大的潛力。如UNet 深度學習方法被成功應用于衛星遙感影像[15]，完成冰湖制圖，也有學者進一步發展該模型，如引入NDWI 指數和注意力機制，構建了NAU-Net 模型[16]。也有學者使用HarDNet-MSEG 網絡結構集成二階注意力模塊，提升了冰湖遙感制圖精度[17]。深度學習模型和參數眾多，現有的模型往往針對特定的區域進行訓練與預測，有一定的適用局限性，如何提升模型的泛化能力，如何確定最優的模型和參數，仍需要開展相關研究。

為了提升模型的泛化能力，更好地檢測與監測高危冰湖，本研究致力于開發一種新的冰湖遙感制圖方法。通過對比分析PSPNet、DeepLabV3+和U-Net 三種經典深度學習模型，在U-Net 模型基礎上引入極化自注意力機制，改進模型在特征融合過程中的性能，增強冰湖邊界特征的識別能力。研究構建了一個覆蓋面積廣、類型齊全的冰湖數據集，用于深度學習模型的訓練，最優模型被應用于高原鐵路關鍵區，完成了2013—2022 年逐年的冰湖遙感調查。本研究可望為冰湖災害評估和監測預警提供新的技術支撐。

1 案例區與數據源

本研究選擇Landsat-8 陸地衛星覆蓋的易貢藏布和帕隆藏布流域作為案例區（圖1），衛星影像在全球參考系（Worldwide Reference System, WRS）中行列號分別為135 和039。案例區總面積1.59×104km2，東西長約189 km，川藏鐵路貫穿案例區，該區域是在建川藏鐵路的關鍵區，曾多次爆發冰湖災害，如1988 年帕隆藏布上游光謝錯潰決洪水阻斷川藏公路半年，危及下游幾十千米沿線居民生命財產安全；2020 年易貢藏布流域金烏錯冰湖潰決，導致下游43 km 道路遭受毀壞。案例區主要河流包括易貢藏布和帕隆藏布，分別流向東南和西北，兩江交匯后在案例區南部的最低點與雅魯藏布江相匯。案例區受印度夏季風系統控制，是西藏東南部主要的暖濕氣流通道之一，云雪覆蓋率較高，北部為念青唐古拉山脈的主山脊，地形的屏障作用導致案例區降水充沛，主要集中在5—9 月，在高海拔區以降雪為主[18]。案例區有2 058.71 km2海洋性冰川，全球變暖背景下，冰川退縮，冰湖擴張，冰湖災害風險呈增長趨勢。研發冰湖遙感制圖新方法，完成本區冰湖遙感調查，可為本區冰湖災害評估、監測預警提供數據和技術支撐。

圖1 案例區的分布Fig.1 Geographical location of the case area

本研究一共選擇了53 景Landsat-8 影像用于深度學習模型的訓練和冰湖遙感制圖（圖2 ，表1）。其中，24 景用于模型訓練和模型比選，平均云量為3.54%，最小云量為0.21%，最大云量不超過19%，影像的分布覆蓋了青藏高原主要冰湖分布區（圖2），喜馬拉雅山脈基本實現全覆蓋，以期涵蓋不同類型、不同顏色、不同形狀、不同規模的冰湖，提升模型的冰湖制圖能力與適用性。軌道號P135R039 的29 景影像用于案例區冰湖遙感制圖，平均云量為22.63%，最小云量為1.02%，最大云量73.94%，由于云的干擾，在同一年選擇了多期遙感影像以實現案例區的全覆蓋。

表1 研究使用的陸地衛星遙感影像Tab.1 Landsat-8 remote sensing images used in this study

圖2 模型訓練與驗證數據集的空間分布Fig.2 Spatial distribution of glacial lake dataset for model’s training and validation

2 研究方法

本研究對比分析了三種經典的深度學習語義分割模型，及集成極化自注意力機制U-Net 網絡模型的冰湖遙感制圖結果，選擇制圖精度最佳的模型開展案例區冰湖遙感制圖，完成模型改進和應用。

2.1 PSPNet 模型[19]

PSPNet 是一種利用金字塔池化的圖像語義分割模型，能夠捕捉多尺度上下文信息，理解圖像內容，準確捕捉物體細節和全局信息。盡管在智能交通[20-21]和醫學圖像識別[22]等領域成功應用，但由于復雜性高，需大量計算資源和訓練時間，且在處理小物體或細微邊界時存在挑戰。

2.2 DeepLabV3+模型[23]

DeepLabv3+基于深度卷積神經網絡，利用殘差網絡和空洞卷積保留上下文和細節信息，采用全局平均池化和多尺度融合方法增強不同尺度目標的感知能力。該模型適用于實時應用場景如自動駕駛和疾病診斷[24-26]等。但DeepLabv3+模型參數量大，需要較大的計算資源且對細小目標的識別率較低。

2.3 原生的U-Net 模型[27]

U-Net 是一種基于卷積神經網絡的圖像分割網絡，其結構如圖3 所示，包括編碼器和解碼器，編碼器提取圖像特征，解碼器映射特征回原圖像大小得到分割結果。相較于PSPNet 和DeepLabv3+，U-Net 采用完全卷積網絡，適用于小目標識別和邊緣分割；利用特征跳躍連接保留細節和上下文信息，提高準確性；結構簡單，訓練速度快，適合小數據集。U-Net 模型最初用于醫學圖像分割[28]，后逐步被應用于地理信息識別、自動駕駛等領域。然而，U-Net 在大目標和語義上下文弱關聯目標的分割準確性較低；解碼器上采樣會降低圖像分辨率。

圖3 原生的U-Net 網絡結構Fig.3 Original U-Net network structure

2.4 改進的U-Net 模型

2.4.1 極化自注意力機制

極化自注意力機制（Polarized Self-Attention，PSA）源于極化濾波理論，極化濾波只允許正交于橫向方向的光通過，從而提高圖片對比度[29]。由于濾波過程中總光強度有損失，需要額外的手段恢復原始場景。注意力機制在一個方向上對特征進行壓縮，然后對損失特征進行增強。極化自注意力機制能夠聯系上下文特征，保留空間和通道注意力特性，使擬合的輸出更細膩。本研究中，極化自注意力機制由通道注意力機制和空間注意力機制兩部分構成（圖4），引入機制可以完善U-Net 網絡跳躍連接中全局信息的獲取，減少圖像特征信息的損失，強化冰湖邊緣信息，更好的自動識別冰湖。

圖4 極化自注意力機制Fig.4 Polarized Self-Attention mechanism

本研究中，輸入特征X（C×H×W）里的C用于表示輸入圖像或特征的通道數，H用于表示輸入圖像或特征的高度，W用于表示輸入圖像或特征的高度。空間注意力首先使用1×1 的卷積，將輸入的特征X轉換為特征Q和V，使用全局池化函數將特征Q的空間維度壓縮為1×1 大小，特征V的空間維度保持為H×W。然后，利用Softmax 函數增強壓縮后的特征Q，將特征Q與特征V進行矩陣相乘。最后，改變特征形狀并利用Sigmoid 函數把特征所有的參數保持在0~1 之間[30]。類似的，通道注意力使用1×1 的卷積，將輸入的特征X轉換為特征Q和V，其中，Q的通道被完全壓縮，V的通道維度被壓縮為原來的一半。根據極化濾波理論，利用Softmax 函數增強特征Q。對Q和V進行矩陣乘法，進行1×1 的卷積運算和歸一化，將特征的通道數恢復到原來的數量，并利用Sigmoid 函數保持特征所有參數在0~1 之間。

2.4.2 集成極化自注意力機制的U-Net 模型

本研究在原生的U-Net 網絡結構基礎上，引入極化自注意力機制，構建了改進的U-Net 冰湖遙感制圖模型（圖5）。研究在U-Net 網絡每個跳躍連接部分加入一個極化自注意力機制，將從編碼器得到的特征與通過自注意力機制增強后的特征進行矩陣相加，從而在解碼器端增強還原圖像的特征信息，即強化冰湖邊界特征，以提高制圖精度。同時，本研究在解碼器部分使用ResNet-50 網絡[31]作為解碼器主干網絡，該網絡由卷積層、殘差結構、平均池化和全連接層構成，殘差結構能夠避免潛在的梯度消失等問題，確保網絡在層數增加或結構擴充之后性能穩定。

圖5 改進的U-Net 網絡結構Fig.5 The revised U-Net network structure

2.5 模型參數、訓練和預測數據集

2.5.1 模型訓練環境與參數設置

本研究相關模型均在Linux 系統環境下執行，采用PyTorch 深度學習框架， 使用顯存為12 GB 的GPU。為了提高模型的可比性，PSPNet 和DeeplabV3+初始學習率均設置為5×10-4，原生的U-Net 和改進模型的初始學習率（learning rate）設置為1×10-4，其余參數保持一致，如，迭代次數（epoch）設置為200，批量規模（batch size）設置為8，實驗的優化器選擇Adam，這些參數經過多次實驗測試后確定的最優配置，實驗中卷積神經網絡通常在200 個epoch 趨向擬合，由于GPU 顯存限制，batch size 選擇了理論上的最大值，相較于使用固定學習率控制模型擬合方向的SGD 優化器，Adam 優化器自適應計算每個參數的學習率，從而更適合處理大規模數據且收斂速度更快。

2.5.2 冰湖訓練和預測數據集

本研究使用24 幅高品質的Landsat-8 衛星遙感影像和文獻[32]發布的2018 年高亞洲冰湖調查數據，制作了高精度的冰湖制圖模型訓練數據集，作為每個模型訓練驗證階段的冰湖標簽數據，冰湖調查數據來源于國家冰川凍土沙漠科學數據中心（http://www.ncdc.ac.cn）。2018 年的參照冰湖數據依據每幅衛星遙感影像進行了全面的修訂，訓練數據集只保留影像上可以正確識別的冰湖，刪除了之前錯誤提取的冰湖圖斑。每幅影像和訓練標簽都被裁剪為512 像素×512 像素大小的紅綠藍三個波段數據樣本和冰湖標簽樣本，像素空間分辨率為30 m，冰湖標簽轉化為二值柵格數據，冰湖賦值為1，其他賦值為0。研究對裁剪后的樣本進行了旋轉、鏡像等數據增強處理[33]，共獲得8 137 個遙感影像樣本及其對應的標簽樣本。樣本按照8∶2 的比例劃分為訓練集和驗證集，即訓練集6 509 個樣本，驗證集1 628 個樣本。訓練和驗證數據分別輸入4 個模型，完成模型訓練和精度評估，最終選擇精度最高的改進U-Net 模型及其參數開展案例區冰湖遙感制圖。案例區遙感影像也被裁剪為512 像素×512 像素大小，作為輸入數據，開展冰湖遙感預測。

2.5.3 模型精度評估

研究選擇經典的卷積神經網絡模型評價指標，包括精確度P（Precision）、召回率R（Recall）、交并比I（Intersection over Union，IoU）、F1值（F1-score），評估訓練模型精度。Precision、Recall 和IoU 等指標的計算公式如下：

式中 TP、FP、TN、FN 分別代表正樣本被正確識別的數量、錯誤分類的負樣本數量、正確識別的負樣本數量及漏識別的正樣本數量。本研究中，冰湖像素代表正樣本，非冰湖像素代表負樣本。

通過對比分析，研究選擇訓練好的改進U-Net 模型完成易貢藏布與帕隆藏布流域案例區冰湖遙感自動識別，經過后處理獲得最終的冰湖遙感調查數據。后處理包括：1）將預測結果由柵格數據轉換為矢量數據；2）設定最小制圖為9 個像素（面積為8 100 m2），刪除小于這個閾值的圖斑并手工剔除非冰湖水體，如提取的河流、人工水庫等；3）檢查矢量數據拓撲錯誤并進行修正，如剔除重復圖斑；4）以經過嚴格品質控制的Landsat-8 遙感影像提取的2020 年冰湖數據作為參考值[34]，在案例區隨機抽樣200 個樣點，其中180 個為冰湖點，20 個為非冰湖點，對提取的2013—2022 年冰湖數據開展精度評價。評價指標包括：生產者精度PA（Producer’s Accuracy）、用戶精度UA（User’s Accuracy）、總體精度OA（Overall Accuracy）和Kappa 系數，計算公式如下：

式中N代表總樣本數；冰湖的PA 與UA 計算公式分別與R和P含義相同；p0和pe分別代表正確提取樣本數量與實際及理論樣本的一致率。

3 結果與討論

3.1 不同模型精度的對比

訓練模型的預測結果顯示：改進的U-Net 模型精度最高，效果提升明顯。本研究中，訓練4 個模型使用了相同的衛星遙感和冰湖標簽數據集，以保持模型的可比性。PSPNet、DeepLabV3+和原生的U-Net三種經典模型之間精度的差異較小（表2），DeepLabV3+模型的精度略高于原生的U-Net 和PSPNet 模型。U-Net 模型融合注意力機制后，在各個精度評估指標上都取得了顯著的提升。相較于原生U-Net 網絡，P、R、I和F1值分別提高了5.01%、6.05%、10.73%和5.53%，即使與DeepLabV3+相比，在每個指標也略有超越。

表2 訓練模型精度的對比Tab.2 Comparison of the mapping accuracy of the training models

4 個模型預測的結果與驗證數據集有較好的重合度，冰湖遙感制圖的效果較好，也存在著差異。隨機選擇了4 個典型冰湖樣區，展示不同模型冰湖遙感制圖結果的差異。圖6 中，除了第一列遙感影像外，白色代表提取的冰湖，黑色代表非冰湖。改進的模型與參照標簽數據的匹配度最好，其次是DeepLabV3+的結果，原生的U-Net 和PSPNet 預測的結果略差。在A~D 樣區，兩個U-Net 模型對小冰湖的提取效果較好，DeepLabV3+和PSPNet 漏提了一些小冰湖；在B 樣區，DeepLabV3+可提取出U-Net 漏提的一些冰湖；在D 樣區，左上角冰湖受湖冰和陰影的影響嚴重，4 個模型都存在漏提的現象，表明深度學習模型對復雜環境冰湖的提取存在難點。通過訓練模型結果的對比分析，本研究融合極化自注意力機制，改進了原生U-Net 網絡模型，改進模型在各項統計指標和樣區對比中都展現出明顯的優勢，冰湖的完整性和邊界的準確性都有提升。因此，選擇改進的模型在案例區進一步開展冰湖制圖。

圖6 不同模型在四個樣本區提取冰湖結果的對比Fig.6 Glacial lake extraction results of each model on the validation set

3.2 改進模型在高原鐵路區的應用

本研究將改進的模型成功應用在高原鐵路關鍵區，基于Landsat-8 衛星影像完成了案例區2013—2022 年逐年冰湖遙感制圖，效果良好。案例區是藏東南主要的水汽通道，衛星遙感影像受云、云陰影、地形陰影、季節性積雪的影響嚴重，為了更好的提取逐年的冰湖數據，本研究采取一年內選擇多期影像的方式以降低云雪等的干擾，完成逐年冰湖遙感制圖。以文獻[34]完成的2020 年案例區499 個冰湖作為參照真實值，總面積為51.73 km2，計算2013—2022 年冰湖提取重疊率。表3 的統計顯示：1）本方法提取的冰湖數據與參照真實值的重疊率在不同年份存在明顯差異，2020 年的重疊率最高，為96.66%，2014 年最低，為60.97%。2）2013—2022 年自動提取的冰湖在數量和面積上呈現較大的波動。2016 年冰湖數量最多，達到408 個，2019 年最少，僅為199 個。冰湖最大面積出現在2020 年，為50.01 km2，最小面積出現在2014 年，為33.70 km2。3）冰湖每年的重疊率與抽樣計算的生產者精度、Kappa 系數（200 個樣本）存在強相關性。經過檢查分析，2013 年、2014 年、2018 年和2019 年等較低的重疊率和生產者精度主要是該年獲取遙感影像受云雪等干擾嚴重所致，云、云陰影和積雪導致部分冰湖被覆蓋，不能被自動提取，云陰影、冰湖表面結冰和地形陰影會增加了冰湖的誤提率。2020 年遙感影像受云雪等干擾較小，冰湖制圖精度最高，2020—2022 年自動提取冰湖結果較為接近，這主要得益于獲取了高品質的衛星遙感數據。說明改進的冰湖遙感模型需要高品質的光學衛星影像作為數據源，從而獲取高精度的自動提取冰湖結果。本研究提出的改進方法在高品質影像的支持下可以獲得理想的冰湖遙感調查數據，對冰湖災害識別和遙感自動監測具有重要意義，進而服務鐵路公路等基礎設施的防災減災實踐。

表3 2013—2022 年基于改進模型獲取的逐年冰湖數據統計Tab.3 Statistics of glacial Lakes mapped by the improved U-Net model

4 結束語

本研究基于原生的U-Net 網絡結構，通過引入融合空間和通道注意力模塊的極化自注意力機制，構建了一個改進的U-Net 冰湖遙感制圖模型。對比分析三種經典語義分割模型，改進的冰湖模型制圖精度有明顯的提升。

改進的冰湖模型被成功應用于高原鐵路關鍵區，完成了易貢藏布和帕隆藏布案例區2013—2020 年逐年的冰湖遙感調查，在高品質遙感數據保障的情況下，自動提取冰湖的效果較好。本研究提出的方法為冰湖遙感自動制圖提供了新的選擇，在冰湖災害評估與監測預警方面有廣闊的應用前景，也可以服務于鐵路等重要基礎設施的防災減災實踐。