基于光学和热红外遥感影像的表碛覆盖型冰川识别方法
【专利摘要】本发明涉及基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，属于遥感地学应用领域。本方法利用Landsat?TM/ETM+遥感影像的光学波段和热红外波段，结合DEM等数据对表碛覆盖型冰川进行识别，首先对TM/ETM+影像的光学波段进行大气辐射校正和地形辐射校正，利用热红外波段进行地表温度反演，并进行归一化，然后区分光照区和阴影区；最后利用最大似然法对影像的光照区和阴影区分别进行分类，得到冰、表碛覆盖型冰川、冰与岩屑混合区、阴影、岩石等类别。与传统方法相比，本发明引入热红外波段，对表碛覆盖型冰川的识别更准确和高效，在数据空间分辨率的重采样上本发明提出的方法得到的结果更加合理。
【专利说明】基于光学和热红外遥感影像的表碛覆盖型冰川识别方法
【技术领域】
[0001]本发明涉及基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，属于遥感地学应用【技术领域】。
【背景技术】
[0002]冰川资源是地球上重要的淡水资源，约占总淡水资源的75%，而且冰川是全球气候变化的重要指示器，利用遥感的方法进行冰川识别对于了解冰川资源，分析全球气候变化具有重要意义。但是传统的冰雪指数等光学波段的遥感识别方法只能将较干净的冰川识别出来，对于表碛覆盖型冰川光学波段就很难进行识别了。表碛覆盖型冰川的表面有一层岩屑覆盖，这与冰川周围裸露的岩石在光学波段范围上光谱信息相似，不易区分。但是由于表碛覆盖型冰川的下面有冰川，在地表温度的表现上会较周围岩石低一些，因此，发明人考虑可以将这一特点作为识别表碛覆盖型冰川的特征。
【发明内容】
[0003]本发明要解决的技术问题是:克服现有技术缺点，提出一种基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，能够较准确、完整地识别出表碛覆盖型冰川，达到比较好的效果。
[0004]为了解决上述技术问题，本发明提出的技术方案是:一种基于光学和热红外遥感影像的表碛覆盖型冰)11识别方法，包括以下步骤:
[0005]第一步、将遥感影像各波段的DN值根据卫星参数文件转换成卫星接收的辐亮度值，获得由福亮度值表征的各波段影像，所述遥感影像为Landsat TM影像或Landsat ETM+影像；
[0006]第二步、将TM第一至第五波段影像(TM1-TM5)、TM第七波段影像(TM7)作为光学波段组影像，TM第六波段影像(TM6)作为热红外波段组影像；
[0007]第三步、对光学波段组影像的6个波段分别进行大气辐射校正、地形辐射校正，得到光学波段组6个波段的地表反射率影像；
[0008]第四步、对热红外波段组影像的I个波段进行地表温度反演，并进行归一化处理，得到地表温度影像；
[0009]第五步、将光学波段组的6个波段地表反射率影像和热红外波段组的I个地表温度影像进行合并，得到待分类影像；
[0010]第六步、结合DEM数据与遥感影像成像时的太阳方位角，获取遥感影像的光照区和阴影区；
[0011]第七步、对待分类影像的光照区和阴影区分别进行监督分类，并将光照区和阴影区的分类结果进行合并，分类中包含有表碛覆盖型冰川；
[0012]第八步、对于分类结果手工修改明显的错分像元，改进分类结果，最终完成对表碛覆盖型冰川的识别。[0013]本方法利用Landsat TM/ETM+遥感影像的光学波段和热红外波段，结合DEM等数据对表碛覆盖型冰川进行识别，首先对TM/ETM+影像的光学波段进行大气辐射校正和地形辐射校正，利用热红外波段进行地表温度反演，并进行归一化，然后区分光照区和阴影区；最后利用最大似然法对影像的光照区和阴影区分别进行分类，得到冰、表碛覆盖型冰川、冰与岩屑混合区、阴影、岩石等类别。与传统方法相比，本发明引入热红外波段，对表碛覆盖型冰川的识别更准确和高效，在数据空间分辨率的重采样上本发明提出的方法得到的结果更加合理。
[0014]本发明基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，还具有如下改进:
[0015]1、所述第三步中，采用FLAASH大气辐射校正模型进行大气辐射校正；采用改进的C校正方法进行地形辐射校正。
[0016]2、所述第四步中，首先将热红外波段影像重采样到30m空间分辨率，再进行地表温度反演。
[0017]3、第四步中，采用普适单通道方法进行地表温度反演，所述普适单通道方法中的大气水汽含量数据采用经重采样到30m空间分辨率的M0D05数据，普适单通道方法中NDVI参数通过TM第三波段影像(TM3)和TM第四波段影像(TM4)获得。
[0018]4、所述第四步中，将M0D05数据的空间分辨率重采样到30m的方法如下:
[0019]步骤a、将Ikm分辨率的M0D05数据转换到与遥感影像(TM/ETM+影像)一致的地图投影下；
[0020]步骤b、将M0D05数据的每个像元转成一个位置在其中心的矢量点；
[0021]步骤C、以矢量点为基础，以30mX30m为像元大小，采用Kriging方法进行插值，得到重采样后的大气水汽含量数据。
[0022]5、所述第六步中，DEM数据为经重采样到30m空间分辨率的SRTM DEM数据。
[0023]6、所述第七步中，监督分类采用人工进行样本训练并应用最大似然分类法进行分类。
[0024]7、所述第七步在分类合并完成后，进行分类精度评价，若满足分析要求则执行第八步，否则重新选择样本，重新分类，直到精度评价结果符合分析要求。
[0025]本发明利用Landsat TM或Landsat ETM+遥感卫星数据的光学波段和热红外波段对研究区进行分类，提取表碛覆盖型冰川。本发明识别方法由于增加了热红外波段数据，分类的特征空间中加入了地表温度特征，因此对于冰川上的岩屑和岩石有了比较好的区分。该方法对于表碛覆盖型冰川的识别比较准确，由于没有使用额外的热红外数据，而且使用的TM/ETM+数据、M0D05数据和SRTM DEM数据获取方便，因此方法可操作性强，易于推广。进行分类的光学波段影像像元的反射率值都在O到I之间，而地表温度数据一般采用开氏温度表示，其值一般都大于250K，为了使所有特征空间在一个权重下进行分类，本发明将反演得到的地表温度数据标准化到[0，I]之间(归一化)，然后再合并组成新的特征空间，得到含有地表温度信息的待分类影像，用于监督分类，能有效准确识别表碛覆盖型冰川。
[0026]由于M0D05数据的空间分别率是1km，而Landsat TM/ETM+数据的空间分辨率是30m，因此需要对M0D05数据进行重采样，但是由于两种数据的空间分辨率相差很大，传统的重采样方法(最邻近法、双线性插值法、三次卷积插值法)得到的重采样结果都不是很理想，因此本发明提出了一种采用Kriging插值进行重采样的方法，得到的采样结果更加合理，效果更好。
[0027]综上，本发明针对表碛覆盖型冰川，综合利用光学波段的地表反射率特征和热红外波段反演的地表温度特征，提出识别表碛覆盖型冰川的方法。该方法只使用免费公开的、易于获得的Landsat TM/ETM+数据、MODIS水汽含量产品数据(M0D05)和SRTM DEM数据，以较高精度完成表碛覆盖型冰川的识别。与传统方法相比，该方法引入了地表温度特征，使得在光学波段难以区分的冰川上的岩屑和岩石可以有效的区分开来，另外，本发明采用的空间分辨率重采样方法使得重采样后的结果更加合理，更加符合自然情况。
【专利附图】
【附图说明】
[0028]下面结合附图对本发明作进一步的说明。
[0029]图1是本发明表碛覆盖型冰川识别方法的流程图。
[0030]图2是M0D05数据Kriging插值重采样过程示意图。
[0031]图3是M0D05数据三次卷积重采样结果示意图。
[0032]图4是研究区Landsat TM影像。
[0033]图5是图4的光照区和阴影区示意图。
[0034]图6是研究区初步分类结果图。
[0035]图7是经手工修改后的最终分类结果图。
【具体实施方式】
[0036]下面根据附图详细阐述本发明，使本发明的目的和效果变得更加明显。
[0037]如图1所示，为本实施例基于光学和热红外遥感影像的表碛覆盖型冰川识别方法流程图，具体步骤如下:
[0038]第一步、将Landsat TM遥感影像各波段的DN值根据卫星参数文件转换成卫星接收的辐亮度值，获得由辐亮度值表征的各波段影像。
[0039]本步骤中，根据Landsat Mission官方网站上提供的卫星成像时的参数文件及影像头文件信息，将各波段的DN值转成卫星接收的辐亮度值。不同时间成像的影像，不同的传感器需要采用不同的参数，需要根据具体影像进行计算。
[0040]第二步、将TM第一至第五波段影像(TM1-TM5)、TM第七波段影像(TM7)作为光学波段组影像，和TM第六波段影像(TM6)作为热红外波段组影像。
[0041]Landsat TM数据一共有7个波段(Landsat ETM+数据一共9个波段，这里以TM为例)，其中TM1-3为可见光波段，TM4为近红外波段，TM5、TM7为中红外波段，TM6为热红外波段。在后续处理中TM6热红外波段将用来反演地表温度，而其他波段则用来计算地表反射率，处理步骤不同，因此将数据分成两组，TM1-5和TM7为光学波段组，TM6为热红外波段组。
[0042]第三步、对光学波段组影像的6个波段分别采用FLAASH大气辐射校正模型进行大气辐射校正、改进的C校正方法进行地形辐射校正，得到光学波段组6个波段的地表反射率影像。
[0043]本步骤中考虑了影像地表反射率受大气状况的影响，因此采用常用的FLAASH大气校正模型对影像进行大气辐射校正，由于缺乏气溶胶数据，因此在FLAASH模型参数中均采用默认值。同时考虑到冰川多在山地地区，地形复杂，因此需要进行地形辐射校正，目前使用最广泛的地形辐射校正方法是经典的C校正方法，但是C校正方法必须对遥感影像的每一波段都进行像元值和入射角余弦值的线性拟合，这是一个复杂费时的过程。为了改善校正效果和节省校正时间，本发明采用了黄微等于2005年发表在中国图象图形学报第10卷第9期上的《一种改进的卫星影像地形校正算法》一文中提出的改进的C校正方法对研究区影像进行地形辐射校正。
[0044]第四步、对热红外波段组影像的I个波段采用普适单通道方法进行地表温度反演，并进行归一化处理，得到地表温度影像，其中普适单通道方法中的大气水汽含量数据采用经重采样到30m空间分辨率的M0D05数据，普适单通道方法中NDVI参数通过TM3波段影像和TM4波段影像获得。
[0045]本步骤中需要利用热红外波段数据进行地表温度的反演，本发明采用JuanC.Jime nez-Munozy 等于 2003 年在 Journal of Geophysical Research 第 108 卷第 D22期上发表的〈〈A generalized single-channel method for retrieving land surfacetemperature from remote sensing data)) 一文中提出的普适单通道算法进行反演。由于TM传感器的热红外波段数据的空间分辨率是120m (ETM+是60m)，因此需要重采样到30m，因为120m仅仅是30m的4倍，使用三次卷积或双线性插值方法重采样均可。在普适单通道算法中需要输入研究区的大气水汽含量数据，本发明采用了 MODIS数据的大气水汽产品M0D05数据，采用M0D05数据具有以下优点，第一、本数据可以全部免费获取；第二、本数据由NASA官方发布，具有一定权威性；第三、本数据时间分辨率很高，每天都有相应的数据，基本上在2000年之后的TM数据每天都会有对应的大气水汽含量产品。但是该数据的空间分辨率是1km，而TM数据的空间分辨率是30m，相差较多，采用传统的三次卷积重采样方法得到的效果并不理想。
[0046]因此本实施例提出了一种基于Kriging插值的重采样方法(过程示意图见图2)，将M0D05数据的空间分辨率重采样到30m，步骤如下:
[0047]步骤a、将Ikm分辨率的M0D05数据转换到与TM/ETM+影像一致的地图投影下；
[0048]步骤b、将M0D05数据的每个像元转成一个位置在其中心的矢量点；
[0049]步骤C、以矢量点为基础，以30mX30m为像元大小，采用Kriging方法进行插值，得到重采样后的大气水汽含量数据。
[0050]见图2中的步骤c结果，可知本实施例重采样结果相比图3传统三次卷积重采样结果，更加符合自然状态，结果更加合理。
[0051]利用TM3波段影像和TM4波段影像计算NDVI参数的方法为现有技术范畴，本实施例不做详细解释。
[0052]第五步、将光学波段组的6个波段地表反射率影像和热红外波段组的I个地表温度影像进行合并，得到待分类影像；
[0053]第六步、利用经过重采样到30m分辨率的SRTM DEM数据和成像时的太阳方位角计算研究区Landsat TM影像(图4)的光照区和阴影区，结果见图5。
[0054]本步骤中考虑到受太阳照射的区域和不受太阳照射的区域反射率和温度的差异会给最后的分类产生影响，因此本发明在这一步中利用SRTM DEM数据计算坡向角，并结合影像成像时的太阳方位角将遥感影像(研究区)分成光照区和阴影区。[0055]本实施例选择SRTM DEM数据的原因有以下几点，第一、该数据覆盖范围广，数据覆盖了南北纬60°以内的所有陆地；第二、该数据获取全部免费，使用方便，具有一定的权威性；第三、该数据质量较好，错误较少，使用可靠，ASTER DEM数据虽然分辨率更高，但是数据质量较差，不易使用。SRTM DEM数据的分辨率一般是90m，因此也需要重采样到30m，但是由于90m和30m只相差3倍，因此采用传统的三次卷积插值或双线性内插即可。
[0056]第七步、对待分类影像的光照区和阴影区分别进行监督分类，并将光照区和阴影区的分类结果进行合并，分类中包含有表碛覆盖型冰川；本步骤中监督分类采用人工进行样本训练并应用最大似然分类法(MLC)进行分类。分类结果见图6。
[0057]为了提高识别准确度，在分类合并后可进行精度评价，若满足要求则进行第八步，否则重新选择样本，重新分类，直到精度评价结果符合分析要求。
[0058]第八步、对于图6分类结果手工修改明显的错分像元，改进分类结果，最终完成对表碛覆盖型冰川的识别。经手工修改后的最终分类结果图见图7。
[0059]本步骤中考虑到即使分类精度很高，还是会存在部分错分像元，因此需要手动消除，手工消除的错分像元仅仅是可以判断并非常明显的、严重影响分析结果的像元，因此手工的工作量不大。
[0060]除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
【权利要求】
1.基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，包括以下步骤: 第一步、将遥感影像各波段的DN值根据卫星参数文件转换成卫星接收的辐亮度值，获得由福亮度值表征的各波段影像，所述遥感影像为Landsat TM影像或Landsat ETM+影像；第二步、将TM第一至第五波段影像、TM第七波段影像作为光学波段组影像，TM第六波段影像作为热红外波段组影像； 第三步、对光学波段组影像的6个波段分别进行大气辐射校正、地形辐射校正，得到光学波段组6个波段的地表反射率影像； 第四步、对热红外波段组影像的I个波段进行地表温度反演，并进行归一化处理，得到地表温度影像； 第五步、将光学波段组的6个波段地表反射率影像和热红外波段组的I个地表温度影像进行合并，得到待分类影像； 第六步、结合DEM数据与遥感影像成像时的太阳方位角，获取遥感影像的光照区和阴影区； 第七步、对待分类影像的光照区和阴影区分别进行监督分类，并将光照区和阴影区的分类结果进行合并，分类中包含有表碛覆盖型冰川； 第八步、对于分类结果手工修改明显的错分像元，改进分类结果，最终完成对表碛覆盖型冰川的识别。
2.根据权利要求1所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第三步中，采用FLAASH大气辐射校正模型进行大气辐射校正；采用改进的C校正方法进行地形辐射校正。
3.根据权利要求1所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第四步中，首先将热红外波段影像重采样到30m空间分辨率，再进行地表温度反演。
4.根据权利要求1所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第四步中，采用普适单通道方法进行地表温度反演，所述普适单通道方法中的大气水汽含量数据采用经重采样到30m空间分辨率的M0D05数据，普适单通道方法中NDVI参数通过TM第三波段影像和TM第四波段影像获得。
5.根据权利要求4所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第四步中，将M0D05数据的空间分辨率重采样到30m的方法如下: 步骤a、将Ikm分辨率的M0D05数据转换到与遥感影像一致的地图投影下； 步骤b、将M0D05数据的每个像元转成一个位置在其中心的矢量点； 步骤C、以矢量点为基础，以30mX 30m为像元大小，采用Kriging方法进行插值，得到重采样后的大气水汽含量数据。
6.根据权利要求1所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第六步中，DEM数据为经重采样到30m空间分辨率的SRTM DEM数据。
7.根据权利要求1所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第七步中，监督分类采用人工进行样本训练并应用最大似然分类法进行分类。
8.根据权利要求6所述的基于光学和热红外遥感影像的表碛覆盖型冰川识别方法，其特征在于:第七步在分类合并完成后，进行分类精度评价，若满足分析要求则执行第八步，.否则重新选择样本，重新分类，直到精度评价结果符合分析要求。
【文档编号】G06K9/66GK103500325SQ201310482889
【公开日】2014年1月8日 申请日期:2013年10月15日 优先权日:2013年10月15日
【发明者】柯长青, 寇程, 李澜宇, 韩艳飞, 刘洵 申请人:南京大学