高原山地阴影区冰川识别方法技术

本发明专利技术公开了一种高原山地阴影区冰川识别方法，获取Landsat 8OLI高原山地影像，然后对其进行辐射定标预处理，并利用FLAASH模型对定标后的影像进行大气校正；基于DEM数据和遥感成像时的太阳方位角、高度角信息，利用地理信息系统软件模拟出相应的阴影区域，进行阴影区识别；依据阴影区冰川与非冰川的波段反射特征，确认蓝光波段为阴影区冰川信息识别优势波段；利用阴影区冰川信息识别优势波段，通过增强型识别方法计算得到ENDSI灰度图，再依据计算结果直方图选择合适的阈值，对ENDSI灰度图进行分割，得到阴影区冰川信息。采用优势波段的增强雪被指数法有助于提高整体高原山地阴影区冰川识别工作效率。

【技术实现步骤摘要】
高原山地阴影区冰川识别方法
本专利技术属于图像识别
，特别是涉及一种基于Landsat8OLI影像的高原山地阴影区冰川识别方法。
技术介绍
冰川变化是气候变化的产物，同时也是全球气候变化的敏感指示器，尤其是处于中纬度地区的高原山地冰川对气候变化响应极为敏感，其变化对区域气候、生态与环境、水文水资源等均有重要影响。因此，山地冰川变化一直是地学研究的热点。而无论是冰川对气候变化响应还是对区域水资源的影响，对山地冰川的提取、变化监测都是面临的首要问题。山地冰川通常地处偏远，地形复杂，实地监测成本巨大，很难大范围开展变化监测工作。随着遥感技术的发展，冰川变化研究可以获得及时、准确的数据源，一定程度上解决了高山区冰川信息资料稀缺等问题。基于遥感影像的冰川信息提取方法已有大量研究，总体上可以分为目视解译和计算机辅助分类。目视解译方法虽然精度较高，但目视解译工作量大、周期较长、耗时耗力。计算机辅助分类方法精度整体上不如人工目视解译，但能快速获取大尺度冰川区域的信息，优越性十分明显。常用的计算机辅助分类方法有比值阈值法、雪盖指数法等。对于早期冰川编目工作而言，大多选用Landsat数据，基于冰雪在可见光波段高反射率、近红外波段低反射率的原理，进行波段运算处理进而获取冰川信息。随着遥感技术的成熟，面向对象的信息提取方法、雷达INSAR干涉技术等也陆续应用于冰川的提取与监测中。虽然基于遥感的冰川信息提取方法有很多，但由于冰川类型、影像空间分辨率、影像质量及研究区域的不同，每种方法也都有自己的适用性，很难找到一种方法适用于所有地区冰川的提取。对于高原山地区域而言，遥感影像通常会有较大面积的山体阴影。阴影使地物目标反映的信息量有所损失或受到干扰，在遥感影像数据上表现为DN值偏低，难以判读。因此，基于遥感影像的山体阴影区冰川识别也成为一个技术难点。许多研究结果显示，监督和非监督分类方法不能有效识别阴影下的冰川，NDSI指数(归一化差异雪被指数)效果也较差；相对于NDSI，波段比值法对阴影区冰川的识别表现尚可，但是对于选用哪些波段效果更好，结论不一。
技术实现思路
本专利技术的目的在于提供一种高原山地阴影区冰川识别方法，基于landsat8OLI数据，从分析阴影区冰川与非冰川光谱特征入手，提出阴影区冰川信息增强算法，对冰川信息进行有效提取，以解决山体阴影区冰川识别问题。本专利技术所采用的技术方案是，高原山地阴影区冰川识别方法，具体步骤如下：步骤S1、获取高原山地影像，并对其进行预处理；步骤S2、对预处理后的影像，基于DEM数据和遥感成像时的太阳方位角、高度角信息，利用地理信息系统软件模拟出相应的阴影区域，进行阴影区识别；步骤S3、依据阴影区冰川与非冰川的波段反射特征，确认阴影区冰川信息识别优势波段；步骤S4、利用阴影区冰川信息识别优势波段，通过增强型识别方法提取阴影区冰川信息。进一步的，所述高原山地影像是Landsat8OLI影像。进一步的，所述步骤S1中对高原山地影像进行预处理，具体为先对其进行辐射定标预处理，再利用FLAASH模型对定标后的影像进行大气校正。进一步的，所述步骤S3确定的优势波段为波长小于0.515μm的蓝光波段。进一步的，所述步骤S4具体实现过程如下：步骤S41、利用阴影区冰川信息识别优势波段，通过增强型雪被指数法，计算增强型雪被指数：增强型雪被指数法计算公式为：其中，BandX为阴影区冰川信息识别第X优势波段的DN值或反射率；BandY为阴影区冰川信息识别第Y优势波段的DN值或反射率，ENDSI为增强型雪被指数，形成ENDSI灰度图；步骤S42、对ENDSI灰度图的像元值进行频率统计，得到计算结果直方图；步骤S43、依据计算结果直方图选择合适的阈值，并利用阈值对ENDSI灰度图进行分割，即可得到阴影区冰川信息。进一步的，所述步骤S43中依据计算结果直方图选择合适的阈值，是选择能够明显区分阴影冰川区与非冰川区的值，即选择计算结果直方图中两个明显的峰值之间的最低值，作为合适的阈值。进一步的，所述步骤S42中依据阈值对ENDSI灰度图进行分割依据为：当ENDSI灰度图的某像素点的灰度值大于或等于阈值时，该点为阴影冰川区；当ENDSI灰度图的某像素点的灰度值小于阈值时，该点为阴影非冰川区。本专利技术的有益效果是：本专利技术基于Landsat8OLI影像数据，分析了山体阴影区冰川与非冰川的波段反射特征，得出波长较短(小于0.515μm)的蓝光波段因具有更高的散射强度，是阴影区冰川识别的优势波段；在此基础上提出针对山体阴影区冰川信息提取的增强指数算法，并与常规的冰川信息提取方法进行效果对比，结果表明增强指数方法得到的直方图分割阈值更为明显；且从冰川信息提取结果来看，无论是空间分布还是面积误差比例，采用优势波段的增强雪被指数法效果最好。在高原山地区域进行大规模冰川提取时，采用本文提出的山体阴影区冰川信息增强指数算法，有助于提高整体高原山地阴影区冰川识别工作效率，且能够实时、准确的获得冰川变化数据。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是2015年10月研究区位置及其中的冰川与阴影Landsat8OLI影像652波段假彩色合成示意图；图2是基于DEM的阴影区提取结果及其中目视解译的冰川范围示意图；图3是波段1～5在阴影区冰川部分的DN值直方图；图4是波段1～5在阴影区非冰川部分的DN值直方图；图5是阴影区六种提取方法的计算结果直方图；图6是六种提取方法对阴影区冰川范围识别效果对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。选择青藏高原中部唐古拉山的岗加曲巴冰川及其周边冰川群区域为实验研究区，具体位置如图1所示。实验区共涉及大小冰川37条，总面积约305km2。区域最高海拔6571m，山体高大，地形较为复杂，有较多冰川长时间位于山体阴影区。本研究主要涉及的基础数据包括DEM数据和两期Landsat8OLI数据。DEM数据选用30m空间分辨率的ASTERGDEM(Version2)。数据覆盖范围包括了全球南北纬83°之间的区域。其Version2版本于2011年10月发布，相对于Version1精度有了显著提升，能保证本研究对于山体阴影的提取准确度。Landsat8OLI影像数据来自美国地质调查局网站(http://www.glovis.usgs.gov)。相较于之前的LandsatETM+数据，OLI(OperationalLandImager，陆地成像仪)传感器增加了两个波段：海蓝波段(band1：0.433–0.453μm)主要应用海岸带观测；短波红外波段，又称卷云波段(band9：1.360–1.390μm)包含水汽强吸收特征，主要用于云检测。该产品经过了系统辐射校正和本文档来自技高网...

【技术保护点】
1.高原山地阴影区冰川识别方法，其特征在于，具体步骤如下：步骤S1、获取高原山地影像，并对其进行预处理；步骤S2、对预处理后的影像，基于DEM数据和遥感成像时的太阳方位角、高度角信息，利用地理信息系统软件模拟出相应的阴影区域，进行阴影区识别；步骤S3、依据阴影区冰川与非冰川的波段反射特征，确认阴影区冰川信息识别优势波段；步骤S4、利用阴影区冰川信息识别优势波段，通过增强型识别方法提取阴影区冰川信息。

【技术特征摘要】
1.高原山地阴影区冰川识别方法，其特征在于，具体步骤如下：步骤S1、获取高原山地影像，并对其进行预处理；步骤S2、对预处理后的影像，基于DEM数据和遥感成像时的太阳方位角、高度角信息，利用地理信息系统软件模拟出相应的阴影区域，进行阴影区识别；步骤S3、依据阴影区冰川与非冰川的波段反射特征，确认阴影区冰川信息识别优势波段；步骤S4、利用阴影区冰川信息识别优势波段，通过增强型识别方法提取阴影区冰川信息。2.根据权利要求1所述高原山地阴影区冰川识别方法，其特征在于，所述高原山地影像是Landsat8OLI影像。3.根据权利要求1所述高原山地阴影区冰川识别方法，其特征在于，所述步骤S1中对高原山地影像进行预处理，具体为先对其进行辐射定标预处理，再利用FLAASH模型对定标后的影像进行大气校正。4.根据权利要求1所述高原山地阴影区冰川识别方法，其特征在于，所述步骤S3确定的优势波段为波长小于0.515μm的蓝光波段。5.根据权利要求1～4任意一项所述高原山地阴影区冰川识别方法，其特征在于，所述步骤S4具体实现过程如下：步骤S41、利...

【专利技术属性】
技术研发人员：季漩，陈云芳，罗贤，李运刚，
申请(专利权)人：云南大学，云南师范大学，
类型：发明
国别省市：云南,53