2024年3月20日发(作者：哀语儿)
第42卷第4期
2020年12月
JOURNALOFGLACIOLOGYANDGEOCRYOLOGY
冰川冻土
Vol.42，No.4
Dec.，2020
DOI：10.7522/.1000-0240.2020.0107
YANLili，GAOJianfeng，WANGJian，rmappingbasedonGF-1satelliteremotesensing［J］.JournalofGlaciologyandGeocryology，
2020，42（4）：1400-1406.［彦立利，高健峰，王建，等.基于GF-1卫星遥感的冰川边界识别［J］.冰川冻土，2020，42（4）：1400-1406.］
基于GF-1卫星遥感的冰川边界识别
彦立利
1
，高健峰
2
，王建
1
，郝晓华
1
（1.中国科学院西北生态环境资源研究院，甘肃兰州730000；2.中国地质大学（北京）信息工程学院，北京100083）
摘要：高分一号（GF-1）卫星的成功发射开启了国产高分辨率对地观测的新时代，为探讨国产高分卫
星在冰川边界识别中的有效性，在缺少短波红外和热红外波段的情况下，将GF-1影像、建立的波段比
值Band1/Band4，数字高程模型和坡度相结合，采用面向对象的分析方法，经过反复试验，确定影像分
割和合并尺度，进而确定冰川边界的知识规则，最终实现冰川边界的识别。以研究区第二次冰川编目
数据集作为参考数据，采用混淆矩阵的方法对识别结果进行验证，总体精度和Kappa系数为90.05%和
0.79。同时将识别结果与人工修订冰川边界进行对比，可以发现除少量冰舌末端冰川外，该方法可以
有效地对冰川进行识别。建立的知识规则显示仅仅利用蓝色波段和DEM就可以有效地提取裸冰区，
波段比值、坡度和纹理特征更有助于冰舌的提取。该研究表明GF-1卫星数据可以有效识别冰川范围，
为冰川研究提供可靠的数据和研究基础。
关键词：GF-1；表碛覆盖冰川；地形参数；面向对象
中图分类号：P343.6；P236文献标志码：A文章编号：1000-0240（2020）04-1400-07
0引言
冰川变化不仅是气候变化的敏感指示器，而且
吹雪等冰雪灾害发生
［6-7］
，势必对流域的社会经济
发展、生态平衡和人民生活产生重要的影响。
遥感和GIS技术的发展为冰川变化研究提供了
新的手段，传统的冰川自动提取方法主要包括监督
分类和非监督分类、阈值统计法、雪盖指数法和波
段比值法，在各自研究区都取得很好结果
［8-10］
。然
而受冰川运动和物质平衡变化的影响，部分山地冰
川表面被岩石碎屑（冰碛）物所覆盖
［11-12］
，由于表碛
覆盖冰川与周围地物极其相似的光谱特性，甚至实
地测量也难以进行区分，使其成为冰川自动提取中
的难点
［11-13］
。基于表碛覆盖下冰川的低辐射温度引
起的冷却作用，导致其上的冰碛物具有比周围地物
较低的辐射温度，Lougeay
［14］
首先提出基于辐射温
度来提取表碛覆盖冰川的方法。基于此，Ranzi
等
［15］
和Taschner等
［16］
利用可见光和热红外波段提取
表碛覆盖冰川时发现，当冰碛物厚度超过40~50cm
时，冰碛物表现出与周围地物相似的温度。考虑到
是影响水资源变化、海平面上升、洪水、泥石流等
自然灾害发生的重要因素。进入21世纪以来，气
候变暖，冰川消融加速，依据近年卫星遥感影像和
20世纪60年代航空照片对全国范围内1700多条冰
川的分析对比以及对数十条冰川实地考察验证表
明，约82%的冰川处于退缩状态
［1］
。作为水资源的
冰川、积雪融水是河川径流的重要补给来源，是我
国西部干旱地区绿洲农业赖以生存和发展的生命
线
［2-3］
。天山是中亚地区冰冻圈对全球变化反应最
为敏感的地区，玛纳斯河发源于天山主峰，其冰川
面积仅次于托木尔峰地区
［4］
，在玛纳斯河流域，冰
川融水量约为4.422×10
8
m
3
，占玛纳斯河径流量
35.13%，是玛纳斯河径流的主要补给源之一
［5］
。气
径流的同时，也常伴有冰川洪水、冰川泥石流、风
候变暖导致冰川面积急剧减少，在其融水补给河川
收稿日期：2018-06-11；修订日期：2019-03-28
基金项目：国家自然科学基金项目（41801273；41571371）；中国科技基础资源调查专项（2017FY100503）；资助
作者简介：彦立利（1983-），女，山东聊城人，助理研究员，2014年在中国科学院寒区旱区环境与工程研究所获博士学位，从事冰雪遥
感研究.E-mail：************.cn
通信作者：王建，研究员，从事地图学与地理信息系统研究.E-mail：************.cn.
4期彦立利等：基于GF-1卫星遥感的冰川边界识别
1401
表碛一般位于冰川消融区，地形较为平缓，Bishop
等
［17］
尝试利用高程、坡度、坡向和曲率等地形参数
提取表碛覆盖冰川，但由于DEM数据精度不高，
无法呈现更加详细的地形信息，使冰川与非冰川过
渡区域的表碛物提取仍不准确。Bolch等
［18-19］
分析
地形参数和热红外数据的优势与局限性，将地形
参数（坡度、曲率）与ASTER影像热红外波段相结
合成功地对喜马拉雅山冰川进行了提取，结果表
明综合热红外遥感和地形参数的方法在一定程度
上能够提高表碛覆盖冰川识别的精度。同时由于
遥感影像具有丰富的光谱信息，遥感影像也参与
到碛覆盖冰川的自动识别中，并取得较好的结
果
［20-22］
。总结已有研究成果发现遥感影像分辨率
和DEM的数据精度都会对表碛覆盖冰川识别的精
度产生影响，高分辨率遥感影像、高精度地形参数
以及热红外信息的结合将成为目前表碛覆盖冰川
提取的重要方法。综上所述的冰川识别方法大都
是基于国外遥感卫星，基于像元光谱统计的自动
分类技术，而基于国内卫星，尤其高分辨卫星影像
的冰川信息提取相对较少
［23］
。我国高分卫星的成
功发射，能够提供高空间分辨率影像，使得地形效
应显著、地物类差异增大，为冰川监测能力的提高
奠定了基础。随着高空间分辨率影像应运而生的
面向对象分析（Object-basedimageanalysis，OBIA）
方法，突破了基于像元分类的局限性，以含有更多
语义信息的多个相邻像元组成的对象为单元
［24］
，
实现图像的精确分割，充分发挥高分辨影像在遥
感分类中的作用，为高分辨率遥感影像分类提供
了新的途径。
本文以基于GF-1WFV（WideFieldofView）宽
幅相机多光谱数据自动识别冰川范围，由于GF-1
卫星缺少冰川光谱强吸收的短波红外波段，导致传
统的波段比值法不适合高分影像的冰川识别，需要
结合其他数据进行冰川边界的识别。以研究区第
二次冰川编目数据集为参考验证该方法的有效性，
为该区域地提供可靠和科学的决策信息，为国产高
分辨率卫星数据的有效性验证和推广应用提供典
型示范。
1
1.1
研究区概况和数据资料
研究区概况
玛纳斯河流域地处欧亚大陆腹地，位于天山北
麓，准噶尔盆地南缘，地处43°27′~45°21′N，85°01′
~86°32′E（图1）。玛纳斯河发源于天山北坡依连
哈比尔尕山，属于冰川融水及降雨混合补给型的山
溪性河流，全长324km，水量主要来自高山区的冰
雪融水和中高山区降雨。玛纳斯河上游海拔
覆盖，平均雪线为3970m；海拔1500~3600m，降
3600m以上山区大部分面积为冰川及永久性积雪
水丰沛，植被较好，为径流形成区。由东南流向西
Fig.1
图1研究区地理位置图（右下角为研究区对应的高分一号影像）
Mapshowingthegeographiclocationofstudyarea（rightcornershowingtheGF-1imageofstudyarea）
1402
冰川
北，汇集吉兰德、韭莱萨依、哈熊沟等10条支流，
至肯斯瓦特水文站出峡谷，进入前山阶地，出红山
嘴水文站，流入冲积扇，被引入各个农牧业灌溉区
和石河子市
［25］
。
1.2数据资料
本文所采用的遥感数据为GF-1卫星的多光谱
宽幅影像，成像时间为2015年9月1日，GF-1卫星
于2013年4月26日成功发射，搭载了两台2m全
色、8m多光谱相机和四台16m多光谱相机。同时
选用90m空间分辨率的SRTM数字高程模型作为
辅助数据源，SRTM数据由地理空间数据云平台
http：//），利用SRTM3V4.1版本
的数据加工而来，可以为冰川识别提供所需的地形
参数，如坡度、坡向等。此外，以中国第二次冰川
编目数据集为参考数据对自动识别结果进行人工
修订，以人工修订边界来验证和评估冰川自动识别
结果，其中，第二次冰川编目于2007年启动，玛纳
斯
2007
河流域第二次冰川编目数据
影像
［
年
26］
。
9月和2009年8月的Landsat
集所用
ETM+
数据源
遥
为
感
2研究方法
2.1数据预处理
影像的预处理包括正射校正、辐射定标、大气
校正和几何校正，在遥感图像处理平台ENVI5.1支
持下，本研究首先直接使用影像原始RPC信息分别
对GF-1多光谱影像和全色波段进行正射校正。然
后通过辐射定标将影像的数字量化（DN）值转换为
地表反射率和辐射度，绝对辐射定标参数（表1）从
中国资源卫星应用中心网站获取，对辐射定标后获
取的辐亮度影像，采用FLAASH模块进行大气校
正。由于GF-1影像与SRTM之间存在明显的几何
偏差，还需要进一步进行配准，以带有准确空间位
置的SRTM影像为基准影像，确保每个控制点的误
差在一个像元内，采用最近邻法进行重采样。
表1GF-1WFV1传感器主要载荷参数及绝对辐射定标系数
Table1Themainloadparametersandabsoluteradiation
calibrationcoefficientoftheGF-1WFV1sensor
载荷波段空间分辨率/m光谱范围/μm
GainBias
11600
-0.0039
WFV1
20
.1709
-0.0047
3
160
.
0
.
45~0.52
0
.
.
1398
1195
-0.0030
4
16
160
.
52
.
63
~
77
~
0.59
~
0
0
.
.
69
890.13380.0274
冻土
42卷
2.2冰川识别指标确定
由于GF-1卫星影像缺少冰川光谱强吸收的短
波红外波段，导致传统的波段比值法（近红外波段/
短波红外波段）
1
和雪盖指数法（NDSI）不适用于GF-
蓝色波段是适合高分冰雪识别的最佳波段
卫星影像的冰川边界识别。通过对比分析，
［27］
，
确定
因此
利用可见光波段和近红外波段建立波段比值（GF1/
GF4）。
地形参数和热红外遥感相结合是目前表碛覆
盖冰川识别的重要方法，然而GF-1卫星也不具备
探测地表温度的热红外波段，基于此，考虑将地形
参数作为冰川识别的辅助参数，由SRTM数据生成
了DEM相对应的坡度和曲率。将GF-1影像与曲
率、坡度进行分析对比，发现曲率与冰川分布没有
明显的相关关系。因此，选取DEM和坡度作为冰
川的识别指标。同时，选取归一化差值植被指数
NDVI）来区分植被区和非植被区。
2.3面向对象分析方法
将高分辨的GF-1WFV1多光谱影像（B1~B4）
和确定的冰川识别指标波段比值（GF1/GF4）、DEM
和坡度叠加成一个数据集，采用面向对象的分析方
法，对流域内的冰川进行识别。冰舌末端由纯冰川
以及冰川和冰碛物的混合物组成，将研究区冰川分
为裸冰区和冰舌区两类。面向对象分析方法以一
定的灰度、方差等为基础分割原始影像，根据每个
分割单元统计的灰度、纹理、形态等特征来进行分
类
［28］
。图像分割是面向对象分类中的关键技术，分
割的好坏直接影响影像的分类精度。面向对象的
另一个关键步骤是信息提取，选择合适的特征指数
将目标地物和其他地物区分开，是信息提取的关
键，需要结合专家知识和经验，对特征指数进行对
比分析，确定合适的特征及特征组合实现目标地物
的提取。本文的技术路线如图2所示。
根据冰川分布特点，首先将研究区分为两部
分，河流左岸为表碛覆盖冰川区，河流右岸和主源
为裸冰区。采用软件ENVI5.1中的FeatureExtrac⁃
tion模块，应用边缘检测分割方法对叠加影像进行
分割，并对分割对象进行二次合并。经过反复试
验，最终确定左边区域影像分割尺度和合并尺度
分别为70和70，右边影像分割尺度为80。对分割
和合并后的影像，需要选择冰川与其他地物差异
明显的特征指数，排除裸岩石、冰湖、河流和滩地
等对冰川提取的影响。冰川地处高海拔，通过
（
（
4期彦立利等：基于GF-1卫星遥感的冰川边界识别
表2
Table2
类型
左岸
裸冰
band1>0.079，
DEM>3761m
1403
冰川识别的知识规则
冰舌
slope<12.9，1.32 tex（band1）>0.004，band2>0.048； slope>12.9，1.40 tex（band1）>0.07，band2>0.048 Theknowledgeruleforglacierrecognition 右岸 band1>0.074， DEM>3302m slope<24，1.28 tex（band1）>0.006，band2>0.052； 24 tex（band1）>0.006，band2>0.052 注：所有的特征指数都为平均值（mean），tex表示纹理特征。 3结果与分析 为验证GF-1影像识别冰川的有效性，本研究采 用混淆矩阵和Kappa系数来验证和评估使用方法的 图2基于GF-1影像识别冰川的技术路线图 Fig.2Theflowchartofglaciermappingbasedon GF-1Satellite 有效性。首先将河流左岸和右岸所识别的冰川边界 进行合并，并将裸冰区和冰舌区划分为冰川区，将 其余地物划分为非冰川区。以玛纳斯河流域第二次 冰川编目数据为参考，对冰川识别结果进行人工修 正，获取研究区2015年的真实冰川边界。通过随机 生成点的方法获取地物验证点，将随机产生的点作 为地面真实值对冰川提取结果进行验证，总共选取 7610个点，其中，非冰川区验证点为4449个，冰川 区为3161个，精度评价结果如表3所示。 DEM的设定能够避免河流和冰湖等地物的影响， 对于难以区分的裸岩石，应用地形因子加以区分， 然后结合专家知识经验和目视效果，设置各特征 指数的阈值，最终获取的冰川识别知识规则如表2 所示。 表3 Table3 方法 GF-1+地形参数 总体精度/% 90.05 基于GF-1卫星的冰川边界提取精度验证 冰川区 生产精度/% 89.67 用户精度/% 85.9590.31 非冰川区 生产精度/%用户精度/% 92.96 PrecisionverificationoftheglaciermappingbasedonGF-1data Kappa系数 0.79 由表3可知，本研究提取的冰川边界总体精度 和Kappa系数分别为90.05%和0.79，其中，与非 冰川区识别精度相比，冰川区的生产精度和用户精 度都相对较小，分别为89.67%和85.95%。从总体 精度来看，利用GF-1卫星进行冰川识别是有效的。 同时，将基于GF-1卫星提取的冰川边界与2015年 真实冰川边界进行对比（图3），可以看出在裸冰区 和冰舌上部两者吻合的很好，然而在冰舌末端，尤 其被冰碛物覆盖区域，该方法会漏分（如图3蓝色） 和错分（如图3绿色）少量冰川，此外，部分难以区 分的积雪也被划分为冰川。统计冰川真实面积和 识别面积得出，2015年玛纳斯河流域冰川面积为 475.03km 2 ，基于GF-1自动识别的冰川面积为 501.09km 2 ，面积误差为5.6%，经过以上分析可以 发现面积误差集中在部分冰舌末端的漏分、部分裸 川是导致最终识别的冰川面积偏大的主要原因。 根据建立的冰川识别知识规则和提取结果发 现，仅仅利用蓝色波段和DEM进行纯冰川识别就 能达到很好的效果，所建立的波段比值（band1/ band4）适于识别冰舌区域，针对冰舌末端的冰碛 物，光谱相似的裸岩石可以通过坡度、植被指数等 来区分。对于冰舌末端，尤其冰碛物来说，纹理特 征和坡度是区分冰川与其他地物的有效因子。 总体上来说，GF-1卫星影像在缺少热红外和 短波红外的情况下，在识别冰川方面是有效的，错 岩石和积雪的错分，其中，部分积雪被误划分为冰 1404 冰川冻土 42卷 图3 Fig.3 冰川识别结果对比图 Comparisonoftheboundariesoftheidentifiedglaciers 分和漏分的裸岩石所占面积不多，面积误差主要来 自于河流左岸北部的积雪。同时采用面向对象方 法将影像划分为图斑，避免了基于像元分类产生的 大量“椒盐效应”，大大减少了人工修订的工作量， 能够快速获取冰川的真实面积。 分辨率在冰川监测中具有独特的优势，本研究仅仅 利用蓝色波段就可以很好的提取纯冰川，即使缺少 热红外波段和远红外波段也能很好的提取冰舌末 端，甚至是冰碛物，证明国产高分辨率卫星在冰川 识别中是可行的，但对于特别难以区分的积雪、部 分裸岩石和冰舌末端信息，仅利用高分影像难以实 现自动提取。在今后的研究中应该将高空间分辨 率光学影像与SAR影像联合进行冰川识别，2016 年8月发射的GF-3合成孔径雷达卫星为冰川识别 提供了数据支持，为联合国产高分卫星在冰川研究 中提供了研究基础。 参考文献（References）： ［1］RenJiawen，YeBaisheng，DingYongjian，lesti⁃ mateofthecontributionofcryosphericchangeinChinatosea levelrise［J］.ChineseScienceBulletin，2011，56（14）：1084- 1087.［任贾文，叶柏生，丁永建，等.中国冰冻圈变化对海 平面上升潜在贡献的初步估计［J］.科学通报，2011，56 （14）：1084-1087.］ ［2］ShenYongping，SuHongchao，WangGuoya，⁃ sponsesofglaciersandsnowcovertoclimatechangeinXinji⁃ ang（I）：hydrologicaleffects［J］.JournalofGlaciologyand Geocryology，2013，35（3）：513-527.［沈永平，苏宏超，王 国亚，等.新疆冰川、积雪对气候变化的响应（I）：水文效应 ［J］.冰川冻土，2013，35（3）：513-527.］ ［3］YinZhenliang，FengQi，LiuShiyin，lication progressofhydrologicalmodelinquantifyingthecontribution ofglacierrunofftototalwatershedrunoff［J］.JournalofGlaci⁃ ologyandGeocryology，2016，38（1）：248-258.［尹振良， 冯起，刘时银，等.水文模型在估算冰川径流研究中的应用 现状［J］.冰川冻土，2016，38（1）：248-258.］ ［4］lturalecologicalenvironmentprotection andrationalutilizationofresourcesofManasRiverbasininXin⁃ jiang，China［J］.JournalofAridLandResourcesandEnviron⁃ ment，1993，7（3）：463-465.［袁国映.中国新疆玛纳斯河 流域农业生态环境资源保护与合理利用［J］.干旱区资源与 环境，1993，7（3）：463-465.］ ［5］XuSuning，YangJingchun，ationsofdis⁃ 4结论与展望 由于GF-1号卫星影像缺少热红外和短波红外 波段，传统的波段比值方法不适用于GF-1卫星影 像，本文通过对比分析建立高分波段比值，同时结 合DEM、坡度等提取流域内冰川，主要结论与展望 如下： （1）利用混淆矩阵的方法对冰川识别结果进行 精度验证，显示冰川信息提取的总体精度为 90.05%，Kappa系数为0.79。通过与目视解译边界 的纯冰川区域和部分冰碛物。然而部分裸岩石也 被错分为冰川，尤其在坡度、高程和光谱上都和冰 舌末端难以区分，此外，还有部分积雪的错分，一 定程度上降低了冰川边界自动提取的精度。 （2）面向对象方法避免了传统分类存在的“椒 盐噪声”，即使对冰川存在错分和漏分，仍在一定 程度上减少了人工修正的工作量。检验特征指数 和阈值的设定是信息提取精度的关键步骤，仍需要 结合专家知识经验，才能快速的确定指数和阈值， 未来研究中引入新的理论，如粗糙集理论，对波段 进行优化和阈值自动确定。如何快速高效的实现 面向对象分析方法的步骤，仍需要进一步进行 讨论。 （3）高分辨卫星影像具有的空间分辨率和时间 进行比较，发现该方法可以很好的识别出冰舌上部 4期彦立利等：基于GF-1卫星遥感的冰川边界识别 1405 chargerateofManasRiveranditsresponsetoclimaticchanges duringtherecently50years［J］.GeographyandGeo-Informa⁃ tionScience，2004，20（6）：65-68.［徐素宁，杨景春，李有 利.近50a来玛纳斯河流量变化及对气候变化的响应［J］.地 理与地理信息科学，2004，20（6）：65-68.］ ［6］ShenYongping，SuHongchao，WangGuoya，⁃ sponsesofglaciersandsnowcovertoclimatechangeinXinji⁃ ang（II）：hazardseffects［J］.JournalofGlaciologyandGeocry⁃ ology，2013，35（6）：1355-1370.［沈永平，苏宏超，王国 亚，等.新疆冰川、积雪对气候变化的响应（II）：灾害效应 ［J］.冰川冻土，2013，35（6）：1355-1370.］ ［7］MaoWeiyi，FanJing，ShenYongping，ionofex⁃ tremefloodoftheriversinXinjiangregionandsometypicalwa⁃ tershedsfromTianshanMountainsandtheirresponsetoclimate changeinrecent50years［J］.JournalofGlaciologyandGeoc⁃ ryology，2012，34（5）：1037-1046.［毛炜峄，樊静，沈永 平，等.近50a来新疆区域与天山典型流域极端洪水变化特 征及其对气候变化的响应［J］.冰川冻土，2012，34（5）：1037 -1046.］ ［8］Swissglacierinventory2000applicationofre⁃ motesensingandGIS［D］.Zurich：UniversityofZurich，2003. ［9］XuJunli，LiuShiyin，ZhangShiqiang，rsfluctua⁃ tionsintheKaramilan-KeriyaRiverwatershedinthepast30 years［J］.JournalofGlaciologyandGeocryology，2006，28 （3）：312-318.［许君利，刘时银，张世强，等.塔里木盆地 南缘喀拉米兰河克里雅河流内流区近30a来的冰川变化研究 ［J］.冰川冻土，2006，28（3）：312-318.］ ［10］ZhangShiqiang，LuJian，ngglacierborder informationonQinghaiTibetbyTMspectrumimage［J］.Jour⁃ nal 26 图像提取青藏高原喀喇昆仑山区现代冰川边界 （ of 5）： Geomatics 435-440 and .［张世强， Information 卢健， ofWuhan 刘时银 University .利用 ，2001， ［J TM ］. 高光谱 武汉大 学学报（信息科学版），2001，26（5）：435-440.］ ［11］Paul 1969 singlacierareainTyrol，Austria，between Austrian and Glacier 1992derived Inventory from data［ Landsat J］.International 5thematic Journal mapper of and Re⁃ moteSensing，2002，23（4）：787-799. ［12］PaulF，KaabA，MaischM，isintegrationofAl⁃ pineglaciersobservedwithsatellitedata［J］.GeophysicalRe⁃ searchLetters，2004，31（21）：163-183. ［13］FengTong，LiuShiyin，XuJunli，rchangeofthe YarkantRiverbasinfrom1968to2009derivedfromtheFirst andSecondGlacierInventoriesofChina［J］.JournalofGlaciol⁃ ogyandGeocryology，2015，37（1）：1-13.［冯童，刘时银， 许君利，等.1968-2009年叶尔羌河流域冰川变化—基于第 一、 ［14］ 1 Lougeay -13 二次中国冰川编目数据 .］ ［J］.冰川冻土，2015，37（1）： ionofburiedglacialandgroundicewith thermalinfraredremotesensing［C］//AdvancedCon-ceptsand TechniquesintheStudyofSnowandIceResources，National AcademyofSciences，Washington，DC，1974. ［15］RanziR，GrossiG，IacovelliL，ultispectralAS⁃ TERimagesformappingdebris-coveredglacierswithinthe GLIMSProject［C］//IGARSS2004：IEEEInternationalGeosci⁃ enceandRemoteSensingSymposiumProceedings，Volumes1 -7，2004：1144-1147. ［16］TaschnerS，ingtheopportunitiesofLAND⁃ SAT-TMandASTERdataformonitoringadebriscoveredgla⁃ cierintheItalianAlpswithintheGLIMSproject［C］//IGARSS 2002 posium ：IEEE and International 24thCanadian Geoscience Symposium andRemote onRemote Sensing Sensing Sym⁃ ， VolumesI-Vi，Proceedings，2002：1044-1046. ［17］BishopMP，BonkR，KampJU，nanalysisand datamodelingforalpineglaciermapping［J］.PolarGeogra⁃ phy，2001，25（3）：182-201. ［18］BolchT，BuchroithnerM，PetersJ，ficationofgla⁃ ciermotionandpotentiallydangerousglaciallakesintheMt. Everestregion/Nepalusingspaceborneimagery［J］.Natural Hazards&EarthSystemSciences，2008，8（6）：1329-1340. ［19］BolchT，BuchroithnerM，PieczonkaT，etricand volumetric 1962 ofGlaciology using glacier Corona changes ，2008 ， ， Landsat in 54（187） TM theKhumbuHimal，Nepal，since ：592 and - ASTER 600. data［J］.Journal ［20］PaulF，HuggelC，ingsatellitemultispectral imagedataandadigitalelevationmodelformappingdebris- coveredglaciers［J］.RemoteSensingofEnvironment，2004 ［21］ 89 Shukla （4）： A 510 ，Arora -518. ， MK，isticapproachfor mappingdebris-coveredglaciersusingoptical-thermalremote sensingdatawithinputsfromgeomorphometricparameters ［J］.RemoteSensingofEnvironment，2010，114（7）：1378- ［22］ 1387 Robson . BA，NuthC，DahlSO，tedclassifica⁃ tionofdebris-coveredglacierscombiningoptical，SARandtop⁃ ographicdatainanobject-basedenvironment［J］.RemoteSens⁃ ingofEnvironment，2015，170：372-387. ［23］FanXiaobing，YanLili，XuJinghua，isofglacier changeinManasRiverbasininthelast50yearsbasedonmulti- source 37 data［ 源数据的近 （5）：1188 J］ - . 1198 Journal .［樊晓兵， ofGlaciology 彦立利， and 徐京华， Geocryology，2015， ［24］ 2015 Cao ， Bao 37（ ， 5 Qin ） 50 ：1188 a玛纳斯河流域冰川变化分析 Qiming -1198 ，Ma .］ ［J］. 等 冰川冻土， .基于多 Haijian，ationofob⁃ ject-orientedapproachtoSPOT5imageclassification：acase studyinHaidianDistrict，BeijingCity［J］.GeographyandGeo- InformationScience，2006，22（2）：46-49.［曹宝，秦其明， 马海建，等.面向对象方法在SPOT5遥感图像分类中的应用 ——以北京市海淀区为例 ［25］ 22 Hao （2） Jun. ：46 ［J］.地理与地理信息科学，2006， Evolution -49.］ regularityandcharacteristicsofrunoffand flood［J］.WaterConservancyScienceandTechnologyand Economy，2010，16（10）：1170-1172.［郝军.玛纳斯河径 流与洪水特征分析及演变规律研究 ［26］ 2010 Guo ， Wanqin 16（10） ， ： Liu 1170 Shiyin -1172 ［J］.水利科技与经济， ，Yao .］ Xiaojun，ondgla⁃ cierinventorydatasetofChina（Version1.0）［DS］.Lanzhou： ColdandAridRegionsScienceDataCenter，2014. ［27］XiaoPengfeng，FengXuezhi，XieShunping，ch progressesofhigh-resolutionremotesensingofsnowinManasi RiverbasininTianshanMountains，XinjiangProvince［J］. JournalofNanjingUniversity（NaturalSciences），2015，51 （5）：909-920.［肖鹏峰，冯学智，谢顺平，等.新疆天山玛 纳斯河流域高分辨率积雪遥感研究进展［J］.南京大学学报 （自然科学），2015，51（5）：909-920.］ ［28］refrontproblemsofremotesensingscience and 13 technology［J］.JournalofRemoteSensing，2009，13（1）： 感学报， -23.［宫鹏 2009，13 . （ 遥感科学与技术中的一些前沿问题 1）：13-23.］ ［J］.遥 1406 冰川冻土 42卷 GlaciermappingbasedonGF-1satelliteremotesensing YANLili 1 ，GAOJianfeng 2 ，WANGJian 1 ，HAOXiaohua 1 （ estInstituteofEco-EnvironmentandResources，ChineseAcademyofSciences，Lanzhou730000，China； ofInformationEngineering，ChinaUniversityofGeosciences，Beijing100083，China ） Abstract：GF-1satellite’ussthe effectivenessbasedonGF-1satelliteintheabsenceofshort-waveinfraredandthermalinfraredbandsinmapping glacier，inthisstudy，glaciersaremappedbasedontheobject-orientedmethodusingGF-1images，bandratioof Band1andBand4，mentationandmergelevelsandrules ofglaciermappingweredefinedbytrialanderror，ionmatrix wasusedtotestandverifytheresultsbasedontheSecondGlacierInventoryDatasetofChina（Version1.0）， withoverallaccuracyandKappaconfidenceof90.05%ile，comparingthisresultwiththere⁃ sultbyvisualrevisionshowedthatthisapproachcoulddistinguishglacierwell，exceptfortheglacierterminal， theruleforglacierindicatedbluebandandDEMcoulddistinguishicefromitssurrounding，andthebandratio， slopeudyshowedthatGF-1satellite couldmaptheboundaryofglaciereffectively，andcouldprovidereliabledataandresearchfoundationforglacier research. Keywords：GF-1；debris-coveredglaciers；topographicparameters；object-oriented （责任编委：刘时银；编辑：周成林） 2024年3月20日发(作者：哀语儿) 第42卷第4期 2020年12月 JOURNALOFGLACIOLOGYANDGEOCRYOLOGY 冰川冻土 Vol.42，No.4 Dec.，2020 DOI：10.7522/.1000-0240.2020.0107 YANLili，GAOJianfeng，WANGJian，rmappingbasedonGF-1satelliteremotesensing［J］.JournalofGlaciologyandGeocryology， 2020，42（4）：1400-1406.［彦立利，高健峰，王建，等.基于GF-1卫星遥感的冰川边界识别［J］.冰川冻土，2020，42（4）：1400-1406.］ 基于GF-1卫星遥感的冰川边界识别 彦立利 1 ，高健峰 2 ，王建 1 ，郝晓华 1 （1.中国科学院西北生态环境资源研究院，甘肃兰州730000；2.中国地质大学（北京）信息工程学院，北京100083） 摘要：高分一号（GF-1）卫星的成功发射开启了国产高分辨率对地观测的新时代，为探讨国产高分卫 星在冰川边界识别中的有效性，在缺少短波红外和热红外波段的情况下，将GF-1影像、建立的波段比 值Band1/Band4，数字高程模型和坡度相结合，采用面向对象的分析方法，经过反复试验，确定影像分 割和合并尺度，进而确定冰川边界的知识规则，最终实现冰川边界的识别。以研究区第二次冰川编目 数据集作为参考数据，采用混淆矩阵的方法对识别结果进行验证，总体精度和Kappa系数为90.05%和 0.79。同时将识别结果与人工修订冰川边界进行对比，可以发现除少量冰舌末端冰川外，该方法可以 有效地对冰川进行识别。建立的知识规则显示仅仅利用蓝色波段和DEM就可以有效地提取裸冰区， 波段比值、坡度和纹理特征更有助于冰舌的提取。该研究表明GF-1卫星数据可以有效识别冰川范围， 为冰川研究提供可靠的数据和研究基础。 关键词：GF-1；表碛覆盖冰川；地形参数；面向对象 中图分类号：P343.6；P236文献标志码：A文章编号：1000-0240（2020）04-1400-07 0引言 冰川变化不仅是气候变化的敏感指示器，而且 吹雪等冰雪灾害发生 ［6-7］ ，势必对流域的社会经济 发展、生态平衡和人民生活产生重要的影响。 遥感和GIS技术的发展为冰川变化研究提供了 新的手段，传统的冰川自动提取方法主要包括监督 分类和非监督分类、阈值统计法、雪盖指数法和波 段比值法，在各自研究区都取得很好结果 ［8-10］ 。然 而受冰川运动和物质平衡变化的影响，部分山地冰 川表面被岩石碎屑（冰碛）物所覆盖 ［11-12］ ，由于表碛 覆盖冰川与周围地物极其相似的光谱特性，甚至实 地测量也难以进行区分，使其成为冰川自动提取中 的难点 ［11-13］ 。基于表碛覆盖下冰川的低辐射温度引 起的冷却作用，导致其上的冰碛物具有比周围地物 较低的辐射温度，Lougeay ［14］ 首先提出基于辐射温 度来提取表碛覆盖冰川的方法。基于此，Ranzi 等 ［15］ 和Taschner等 ［16］ 利用可见光和热红外波段提取 表碛覆盖冰川时发现，当冰碛物厚度超过40~50cm 时，冰碛物表现出与周围地物相似的温度。考虑到 是影响水资源变化、海平面上升、洪水、泥石流等 自然灾害发生的重要因素。进入21世纪以来，气 候变暖，冰川消融加速，依据近年卫星遥感影像和 20世纪60年代航空照片对全国范围内1700多条冰 川的分析对比以及对数十条冰川实地考察验证表 明，约82%的冰川处于退缩状态 ［1］ 。作为水资源的 冰川、积雪融水是河川径流的重要补给来源，是我 国西部干旱地区绿洲农业赖以生存和发展的生命 线 ［2-3］ 。天山是中亚地区冰冻圈对全球变化反应最 为敏感的地区，玛纳斯河发源于天山主峰，其冰川 面积仅次于托木尔峰地区 ［4］ ，在玛纳斯河流域，冰 川融水量约为4.422×10 8 m 3 ，占玛纳斯河径流量 35.13%，是玛纳斯河径流的主要补给源之一 ［5］ 。气 径流的同时，也常伴有冰川洪水、冰川泥石流、风 候变暖导致冰川面积急剧减少，在其融水补给河川 收稿日期：2018-06-11；修订日期：2019-03-28 基金项目：国家自然科学基金项目（41801273；41571371）；中国科技基础资源调查专项（2017FY100503）；资助 作者简介：彦立利（1983-），女，山东聊城人，助理研究员，2014年在中国科学院寒区旱区环境与工程研究所获博士学位，从事冰雪遥 感研究.E-mail：************.cn 通信作者：王建，研究员，从事地图学与地理信息系统研究.E-mail：************.cn. 4期彦立利等：基于GF-1卫星遥感的冰川边界识别 1401 表碛一般位于冰川消融区，地形较为平缓，Bishop 等 ［17］ 尝试利用高程、坡度、坡向和曲率等地形参数 提取表碛覆盖冰川，但由于DEM数据精度不高， 无法呈现更加详细的地形信息，使冰川与非冰川过 渡区域的表碛物提取仍不准确。Bolch等 ［18-19］ 分析 地形参数和热红外数据的优势与局限性，将地形 参数（坡度、曲率）与ASTER影像热红外波段相结 合成功地对喜马拉雅山冰川进行了提取，结果表 明综合热红外遥感和地形参数的方法在一定程度 上能够提高表碛覆盖冰川识别的精度。同时由于 遥感影像具有丰富的光谱信息，遥感影像也参与 到碛覆盖冰川的自动识别中，并取得较好的结 果 ［20-22］ 。总结已有研究成果发现遥感影像分辨率 和DEM的数据精度都会对表碛覆盖冰川识别的精 度产生影响，高分辨率遥感影像、高精度地形参数 以及热红外信息的结合将成为目前表碛覆盖冰川 提取的重要方法。综上所述的冰川识别方法大都 是基于国外遥感卫星，基于像元光谱统计的自动 分类技术，而基于国内卫星，尤其高分辨卫星影像 的冰川信息提取相对较少 ［23］ 。我国高分卫星的成 功发射，能够提供高空间分辨率影像，使得地形效 应显著、地物类差异增大，为冰川监测能力的提高 奠定了基础。随着高空间分辨率影像应运而生的 面向对象分析（Object-basedimageanalysis，OBIA） 方法，突破了基于像元分类的局限性，以含有更多 语义信息的多个相邻像元组成的对象为单元 ［24］ ， 实现图像的精确分割，充分发挥高分辨影像在遥 感分类中的作用，为高分辨率遥感影像分类提供 了新的途径。 本文以基于GF-1WFV（WideFieldofView）宽 幅相机多光谱数据自动识别冰川范围，由于GF-1 卫星缺少冰川光谱强吸收的短波红外波段，导致传 统的波段比值法不适合高分影像的冰川识别，需要 结合其他数据进行冰川边界的识别。以研究区第 二次冰川编目数据集为参考验证该方法的有效性， 为该区域地提供可靠和科学的决策信息，为国产高 分辨率卫星数据的有效性验证和推广应用提供典 型示范。 1 1.1 研究区概况和数据资料 研究区概况 玛纳斯河流域地处欧亚大陆腹地，位于天山北 麓，准噶尔盆地南缘，地处43°27′~45°21′N，85°01′ ~86°32′E（图1）。玛纳斯河发源于天山北坡依连 哈比尔尕山，属于冰川融水及降雨混合补给型的山 溪性河流，全长324km，水量主要来自高山区的冰 雪融水和中高山区降雨。玛纳斯河上游海拔 覆盖，平均雪线为3970m；海拔1500~3600m，降 3600m以上山区大部分面积为冰川及永久性积雪 水丰沛，植被较好，为径流形成区。由东南流向西 Fig.1 图1研究区地理位置图（右下角为研究区对应的高分一号影像） Mapshowingthegeographiclocationofstudyarea（rightcornershowingtheGF-1imageofstudyarea） 1402 冰川 北，汇集吉兰德、韭莱萨依、哈熊沟等10条支流， 至肯斯瓦特水文站出峡谷，进入前山阶地，出红山 嘴水文站，流入冲积扇，被引入各个农牧业灌溉区 和石河子市 ［25］ 。 1.2数据资料 本文所采用的遥感数据为GF-1卫星的多光谱 宽幅影像，成像时间为2015年9月1日，GF-1卫星 于2013年4月26日成功发射，搭载了两台2m全 色、8m多光谱相机和四台16m多光谱相机。同时 选用90m空间分辨率的SRTM数字高程模型作为 辅助数据源，SRTM数据由地理空间数据云平台 http：//），利用SRTM3V4.1版本 的数据加工而来，可以为冰川识别提供所需的地形 参数，如坡度、坡向等。此外，以中国第二次冰川 编目数据集为参考数据对自动识别结果进行人工 修订，以人工修订边界来验证和评估冰川自动识别 结果，其中，第二次冰川编目于2007年启动，玛纳 斯 2007 河流域第二次冰川编目数据 影像 ［ 年 26］ 。 9月和2009年8月的Landsat 集所用 ETM+ 数据源 遥 为 感 2研究方法 2.1数据预处理 影像的预处理包括正射校正、辐射定标、大气 校正和几何校正，在遥感图像处理平台ENVI5.1支 持下，本研究首先直接使用影像原始RPC信息分别 对GF-1多光谱影像和全色波段进行正射校正。然 后通过辐射定标将影像的数字量化（DN）值转换为 地表反射率和辐射度，绝对辐射定标参数（表1）从 中国资源卫星应用中心网站获取，对辐射定标后获 取的辐亮度影像，采用FLAASH模块进行大气校 正。由于GF-1影像与SRTM之间存在明显的几何 偏差，还需要进一步进行配准，以带有准确空间位 置的SRTM影像为基准影像，确保每个控制点的误 差在一个像元内，采用最近邻法进行重采样。 表1GF-1WFV1传感器主要载荷参数及绝对辐射定标系数 Table1Themainloadparametersandabsoluteradiation calibrationcoefficientoftheGF-1WFV1sensor 载荷波段空间分辨率/m光谱范围/μm GainBias 11600 -0.0039 WFV1 20 .1709 -0.0047 3 160 . 0 . 45~0.52 0 . . 1398 1195 -0.0030 4 16 160 . 52 . 63 ~ 77 ~ 0.59 ~ 0 0 . . 69 890.13380.0274 冻土 42卷 2.2冰川识别指标确定 由于GF-1卫星影像缺少冰川光谱强吸收的短 波红外波段，导致传统的波段比值法（近红外波段/ 短波红外波段） 1 和雪盖指数法（NDSI）不适用于GF- 蓝色波段是适合高分冰雪识别的最佳波段 卫星影像的冰川边界识别。通过对比分析， ［27］ ， 确定 因此 利用可见光波段和近红外波段建立波段比值（GF1/ GF4）。 地形参数和热红外遥感相结合是目前表碛覆 盖冰川识别的重要方法，然而GF-1卫星也不具备 探测地表温度的热红外波段，基于此，考虑将地形 参数作为冰川识别的辅助参数，由SRTM数据生成 了DEM相对应的坡度和曲率。将GF-1影像与曲 率、坡度进行分析对比，发现曲率与冰川分布没有 明显的相关关系。因此，选取DEM和坡度作为冰 川的识别指标。同时，选取归一化差值植被指数 NDVI）来区分植被区和非植被区。 2.3面向对象分析方法 将高分辨的GF-1WFV1多光谱影像（B1~B4） 和确定的冰川识别指标波段比值（GF1/GF4）、DEM 和坡度叠加成一个数据集，采用面向对象的分析方 法，对流域内的冰川进行识别。冰舌末端由纯冰川 以及冰川和冰碛物的混合物组成，将研究区冰川分 为裸冰区和冰舌区两类。面向对象分析方法以一 定的灰度、方差等为基础分割原始影像，根据每个 分割单元统计的灰度、纹理、形态等特征来进行分 类 ［28］ 。图像分割是面向对象分类中的关键技术，分 割的好坏直接影响影像的分类精度。面向对象的 另一个关键步骤是信息提取，选择合适的特征指数 将目标地物和其他地物区分开，是信息提取的关 键，需要结合专家知识和经验，对特征指数进行对 比分析，确定合适的特征及特征组合实现目标地物 的提取。本文的技术路线如图2所示。 根据冰川分布特点，首先将研究区分为两部 分，河流左岸为表碛覆盖冰川区，河流右岸和主源 为裸冰区。采用软件ENVI5.1中的FeatureExtrac⁃ tion模块，应用边缘检测分割方法对叠加影像进行 分割，并对分割对象进行二次合并。经过反复试 验，最终确定左边区域影像分割尺度和合并尺度 分别为70和70，右边影像分割尺度为80。对分割 和合并后的影像，需要选择冰川与其他地物差异 明显的特征指数，排除裸岩石、冰湖、河流和滩地 等对冰川提取的影响。冰川地处高海拔，通过 （ （ 4期彦立利等：基于GF-1卫星遥感的冰川边界识别 表2 Table2 类型 左岸 裸冰 band1>0.079， DEM>3761m 1403 冰川识别的知识规则 冰舌 slope<12.9，1.32 tex（band1）>0.004，band2>0.048； slope>12.9，1.40 tex（band1）>0.07，band2>0.048 Theknowledgeruleforglacierrecognition 右岸 band1>0.074， DEM>3302m slope<24，1.28 tex（band1）>0.006，band2>0.052； 24 tex（band1）>0.006，band2>0.052 注：所有的特征指数都为平均值（mean），tex表示纹理特征。 3结果与分析 为验证GF-1影像识别冰川的有效性，本研究采 用混淆矩阵和Kappa系数来验证和评估使用方法的 图2基于GF-1影像识别冰川的技术路线图 Fig.2Theflowchartofglaciermappingbasedon GF-1Satellite 有效性。首先将河流左岸和右岸所识别的冰川边界 进行合并，并将裸冰区和冰舌区划分为冰川区，将 其余地物划分为非冰川区。以玛纳斯河流域第二次 冰川编目数据为参考，对冰川识别结果进行人工修 正，获取研究区2015年的真实冰川边界。通过随机 生成点的方法获取地物验证点，将随机产生的点作 为地面真实值对冰川提取结果进行验证，总共选取 7610个点，其中，非冰川区验证点为4449个，冰川 区为3161个，精度评价结果如表3所示。 DEM的设定能够避免河流和冰湖等地物的影响， 对于难以区分的裸岩石，应用地形因子加以区分， 然后结合专家知识经验和目视效果，设置各特征 指数的阈值，最终获取的冰川识别知识规则如表2 所示。 表3 Table3 方法 GF-1+地形参数 总体精度/% 90.05 基于GF-1卫星的冰川边界提取精度验证 冰川区 生产精度/% 89.67 用户精度/% 85.9590.31 非冰川区 生产精度/%用户精度/% 92.96 PrecisionverificationoftheglaciermappingbasedonGF-1data Kappa系数 0.79 由表3可知，本研究提取的冰川边界总体精度 和Kappa系数分别为90.05%和0.79，其中，与非 冰川区识别精度相比，冰川区的生产精度和用户精 度都相对较小，分别为89.67%和85.95%。从总体 精度来看，利用GF-1卫星进行冰川识别是有效的。 同时，将基于GF-1卫星提取的冰川边界与2015年 真实冰川边界进行对比（图3），可以看出在裸冰区 和冰舌上部两者吻合的很好，然而在冰舌末端，尤 其被冰碛物覆盖区域，该方法会漏分（如图3蓝色） 和错分（如图3绿色）少量冰川，此外，部分难以区 分的积雪也被划分为冰川。统计冰川真实面积和 识别面积得出，2015年玛纳斯河流域冰川面积为 475.03km 2 ，基于GF-1自动识别的冰川面积为 501.09km 2 ，面积误差为5.6%，经过以上分析可以 发现面积误差集中在部分冰舌末端的漏分、部分裸 川是导致最终识别的冰川面积偏大的主要原因。 根据建立的冰川识别知识规则和提取结果发 现，仅仅利用蓝色波段和DEM进行纯冰川识别就 能达到很好的效果，所建立的波段比值（band1/ band4）适于识别冰舌区域，针对冰舌末端的冰碛 物，光谱相似的裸岩石可以通过坡度、植被指数等 来区分。对于冰舌末端，尤其冰碛物来说，纹理特 征和坡度是区分冰川与其他地物的有效因子。 总体上来说，GF-1卫星影像在缺少热红外和 短波红外的情况下，在识别冰川方面是有效的，错 岩石和积雪的错分，其中，部分积雪被误划分为冰 1404 冰川冻土 42卷 图3 Fig.3 冰川识别结果对比图 Comparisonoftheboundariesoftheidentifiedglaciers 分和漏分的裸岩石所占面积不多，面积误差主要来 自于河流左岸北部的积雪。同时采用面向对象方 法将影像划分为图斑，避免了基于像元分类产生的 大量“椒盐效应”，大大减少了人工修订的工作量， 能够快速获取冰川的真实面积。 分辨率在冰川监测中具有独特的优势，本研究仅仅 利用蓝色波段就可以很好的提取纯冰川，即使缺少 热红外波段和远红外波段也能很好的提取冰舌末 端，甚至是冰碛物，证明国产高分辨率卫星在冰川 识别中是可行的，但对于特别难以区分的积雪、部 分裸岩石和冰舌末端信息，仅利用高分影像难以实 现自动提取。在今后的研究中应该将高空间分辨 率光学影像与SAR影像联合进行冰川识别，2016 年8月发射的GF-3合成孔径雷达卫星为冰川识别 提供了数据支持，为联合国产高分卫星在冰川研究 中提供了研究基础。 参考文献（References）： ［1］RenJiawen，YeBaisheng，DingYongjian，lesti⁃ mateofthecontributionofcryosphericchangeinChinatosea levelrise［J］.ChineseScienceBulletin，2011，56（14）：1084- 1087.［任贾文，叶柏生，丁永建，等.中国冰冻圈变化对海 平面上升潜在贡献的初步估计［J］.科学通报，2011，56 （14）：1084-1087.］ ［2］ShenYongping，SuHongchao，WangGuoya，⁃ sponsesofglaciersandsnowcovertoclimatechangeinXinji⁃ ang（I）：hydrologicaleffects［J］.JournalofGlaciologyand Geocryology，2013，35（3）：513-527.［沈永平，苏宏超，王 国亚，等.新疆冰川、积雪对气候变化的响应（I）：水文效应 ［J］.冰川冻土，2013，35（3）：513-527.］ ［3］YinZhenliang，FengQi，LiuShiyin，lication progressofhydrologicalmodelinquantifyingthecontribution ofglacierrunofftototalwatershedrunoff［J］.JournalofGlaci⁃ ologyandGeocryology，2016，38（1）：248-258.［尹振良， 冯起，刘时银，等.水文模型在估算冰川径流研究中的应用 现状［J］.冰川冻土，2016，38（1）：248-258.］ ［4］lturalecologicalenvironmentprotection andrationalutilizationofresourcesofManasRiverbasininXin⁃ jiang，China［J］.JournalofAridLandResourcesandEnviron⁃ ment，1993，7（3）：463-465.［袁国映.中国新疆玛纳斯河 流域农业生态环境资源保护与合理利用［J］.干旱区资源与 环境，1993，7（3）：463-465.］ ［5］XuSuning，YangJingchun，ationsofdis⁃ 4结论与展望 由于GF-1号卫星影像缺少热红外和短波红外 波段，传统的波段比值方法不适用于GF-1卫星影 像，本文通过对比分析建立高分波段比值，同时结 合DEM、坡度等提取流域内冰川，主要结论与展望 如下： （1）利用混淆矩阵的方法对冰川识别结果进行 精度验证，显示冰川信息提取的总体精度为 90.05%，Kappa系数为0.79。通过与目视解译边界 的纯冰川区域和部分冰碛物。然而部分裸岩石也 被错分为冰川，尤其在坡度、高程和光谱上都和冰 舌末端难以区分，此外，还有部分积雪的错分，一 定程度上降低了冰川边界自动提取的精度。 （2）面向对象方法避免了传统分类存在的“椒 盐噪声”，即使对冰川存在错分和漏分，仍在一定 程度上减少了人工修正的工作量。检验特征指数 和阈值的设定是信息提取精度的关键步骤，仍需要 结合专家知识经验，才能快速的确定指数和阈值， 未来研究中引入新的理论，如粗糙集理论，对波段 进行优化和阈值自动确定。如何快速高效的实现 面向对象分析方法的步骤，仍需要进一步进行 讨论。 （3）高分辨卫星影像具有的空间分辨率和时间 进行比较，发现该方法可以很好的识别出冰舌上部 4期彦立利等：基于GF-1卫星遥感的冰川边界识别 1405 chargerateofManasRiveranditsresponsetoclimaticchanges duringtherecently50years［J］.GeographyandGeo-Informa⁃ tionScience，2004，20（6）：65-68.［徐素宁，杨景春，李有 利.近50a来玛纳斯河流量变化及对气候变化的响应［J］.地 理与地理信息科学，2004，20（6）：65-68.］ ［6］ShenYongping，SuHongchao，WangGuoya，⁃ sponsesofglaciersandsnowcovertoclimatechangeinXinji⁃ ang（II）：hazardseffects［J］.JournalofGlaciologyandGeocry⁃ ology，2013，35（6）：1355-1370.［沈永平，苏宏超，王国 亚，等.新疆冰川、积雪对气候变化的响应（II）：灾害效应 ［J］.冰川冻土，2013，35（6）：1355-1370.］ ［7］MaoWeiyi，FanJing，ShenYongping，ionofex⁃ tremefloodoftheriversinXinjiangregionandsometypicalwa⁃ tershedsfromTianshanMountainsandtheirresponsetoclimate changeinrecent50years［J］.JournalofGlaciologyandGeoc⁃ ryology，2012，34（5）：1037-1046.［毛炜峄，樊静，沈永 平，等.近50a来新疆区域与天山典型流域极端洪水变化特 征及其对气候变化的响应［J］.冰川冻土，2012，34（5）：1037 -1046.］ ［8］Swissglacierinventory2000applicationofre⁃ motesensingandGIS［D］.Zurich：UniversityofZurich，2003. ［9］XuJunli，LiuShiyin，ZhangShiqiang，rsfluctua⁃ tionsintheKaramilan-KeriyaRiverwatershedinthepast30 years［J］.JournalofGlaciologyandGeocryology，2006，28 （3）：312-318.［许君利，刘时银，张世强，等.塔里木盆地 南缘喀拉米兰河克里雅河流内流区近30a来的冰川变化研究 ［J］.冰川冻土，2006，28（3）：312-318.］ ［10］ZhangShiqiang，LuJian，ngglacierborder informationonQinghaiTibetbyTMspectrumimage［J］.Jour⁃ nal 26 图像提取青藏高原喀喇昆仑山区现代冰川边界 （ of 5）： Geomatics 435-440 and .［张世强， Information 卢健， ofWuhan 刘时银 University .利用 ，2001， ［J TM ］. 高光谱 武汉大 学学报（信息科学版），2001，26（5）：435-440.］ ［11］Paul 1969 singlacierareainTyrol，Austria，between Austrian and Glacier 1992derived Inventory from data［ Landsat J］.International 5thematic Journal mapper of and Re⁃ moteSensing，2002，23（4）：787-799. ［12］PaulF，KaabA，MaischM，isintegrationofAl⁃ pineglaciersobservedwithsatellitedata［J］.GeophysicalRe⁃ searchLetters，2004，31（21）：163-183. ［13］FengTong，LiuShiyin，XuJunli，rchangeofthe YarkantRiverbasinfrom1968to2009derivedfromtheFirst andSecondGlacierInventoriesofChina［J］.JournalofGlaciol⁃ ogyandGeocryology，2015，37（1）：1-13.［冯童，刘时银， 许君利，等.1968-2009年叶尔羌河流域冰川变化—基于第 一、 ［14］ 1 Lougeay -13 二次中国冰川编目数据 .］ ［J］.冰川冻土，2015，37（1）： ionofburiedglacialandgroundicewith thermalinfraredremotesensing［C］//AdvancedCon-ceptsand TechniquesintheStudyofSnowandIceResources，National AcademyofSciences，Washington，DC，1974. ［15］RanziR，GrossiG，IacovelliL，ultispectralAS⁃ TERimagesformappingdebris-coveredglacierswithinthe GLIMSProject［C］//IGARSS2004：IEEEInternationalGeosci⁃ enceandRemoteSensingSymposiumProceedings，Volumes1 -7，2004：1144-1147. ［16］TaschnerS，ingtheopportunitiesofLAND⁃ SAT-TMandASTERdataformonitoringadebriscoveredgla⁃ cierintheItalianAlpswithintheGLIMSproject［C］//IGARSS 2002 posium ：IEEE and International 24thCanadian Geoscience Symposium andRemote onRemote Sensing Sensing Sym⁃ ， VolumesI-Vi，Proceedings，2002：1044-1046. ［17］BishopMP，BonkR，KampJU，nanalysisand datamodelingforalpineglaciermapping［J］.PolarGeogra⁃ phy，2001，25（3）：182-201. ［18］BolchT，BuchroithnerM，PetersJ，ficationofgla⁃ ciermotionandpotentiallydangerousglaciallakesintheMt. Everestregion/Nepalusingspaceborneimagery［J］.Natural Hazards&EarthSystemSciences，2008，8（6）：1329-1340. ［19］BolchT，BuchroithnerM，PieczonkaT，etricand volumetric 1962 ofGlaciology using glacier Corona changes ，2008 ， ， Landsat in 54（187） TM theKhumbuHimal，Nepal，since ：592 and - ASTER 600. data［J］.Journal ［20］PaulF，HuggelC，ingsatellitemultispectral imagedataandadigitalelevationmodelformappingdebris- coveredglaciers［J］.RemoteSensingofEnvironment，2004 ［21］ 89 Shukla （4）： A 510 ，Arora -518. ， MK，isticapproachfor mappingdebris-coveredglaciersusingoptical-thermalremote sensingdatawithinputsfromgeomorphometricparameters ［J］.RemoteSensingofEnvironment，2010，114（7）：1378- ［22］ 1387 Robson . BA，NuthC，DahlSO，tedclassifica⁃ tionofdebris-coveredglacierscombiningoptical，SARandtop⁃ ographicdatainanobject-basedenvironment［J］.RemoteSens⁃ ingofEnvironment，2015，170：372-387. ［23］FanXiaobing，YanLili，XuJinghua，isofglacier changeinManasRiverbasininthelast50yearsbasedonmulti- source 37 data［ 源数据的近 （5）：1188 J］ - . 1198 Journal .［樊晓兵， ofGlaciology 彦立利， and 徐京华， Geocryology，2015， ［24］ 2015 Cao ， Bao 37（ ， 5 Qin ） 50 ：1188 a玛纳斯河流域冰川变化分析 Qiming -1198 ，Ma .］ ［J］. 等 冰川冻土， .基于多 Haijian，ationofob⁃ ject-orientedapproachtoSPOT5imageclassification：acase studyinHaidianDistrict，BeijingCity［J］.GeographyandGeo- InformationScience，2006，22（2）：46-49.［曹宝，秦其明， 马海建，等.面向对象方法在SPOT5遥感图像分类中的应用 ——以北京市海淀区为例 ［25］ 22 Hao （2） Jun. ：46 ［J］.地理与地理信息科学，2006， Evolution -49.］ regularityandcharacteristicsofrunoffand flood［J］.WaterConservancyScienceandTechnologyand Economy，2010，16（10）：1170-1172.［郝军.玛纳斯河径 流与洪水特征分析及演变规律研究 ［26］ 2010 Guo ， Wanqin 16（10） ， ： Liu 1170 Shiyin -1172 ［J］.水利科技与经济， ，Yao .］ Xiaojun，ondgla⁃ cierinventorydatasetofChina（Version1.0）［DS］.Lanzhou： ColdandAridRegionsScienceDataCenter，2014. ［27］XiaoPengfeng，FengXuezhi，XieShunping，ch progressesofhigh-resolutionremotesensingofsnowinManasi RiverbasininTianshanMountains，XinjiangProvince［J］. JournalofNanjingUniversity（NaturalSciences），2015，51 （5）：909-920.［肖鹏峰，冯学智，谢顺平，等.新疆天山玛 纳斯河流域高分辨率积雪遥感研究进展［J］.南京大学学报 （自然科学），2015，51（5）：909-920.］ ［28］refrontproblemsofremotesensingscience and 13 technology［J］.JournalofRemoteSensing，2009，13（1）： 感学报， -23.［宫鹏 2009，13 . （ 遥感科学与技术中的一些前沿问题 1）：13-23.］ ［J］.遥 1406 冰川冻土 42卷 GlaciermappingbasedonGF-1satelliteremotesensing YANLili 1 ，GAOJianfeng 2 ，WANGJian 1 ，HAOXiaohua 1 （ estInstituteofEco-EnvironmentandResources，ChineseAcademyofSciences，Lanzhou730000，China； ofInformationEngineering，ChinaUniversityofGeosciences，Beijing100083，China ） Abstract：GF-1satellite’ussthe effectivenessbasedonGF-1satelliteintheabsenceofshort-waveinfraredandthermalinfraredbandsinmapping glacier，inthisstudy，glaciersaremappedbasedontheobject-orientedmethodusingGF-1images，bandratioof Band1andBand4，mentationandmergelevelsandrules ofglaciermappingweredefinedbytrialanderror，ionmatrix wasusedtotestandverifytheresultsbasedontheSecondGlacierInventoryDatasetofChina（Version1.0）， withoverallaccuracyandKappaconfidenceof90.05%ile，comparingthisresultwiththere⁃ sultbyvisualrevisionshowedthatthisapproachcoulddistinguishglacierwell，exceptfortheglacierterminal， theruleforglacierindicatedbluebandandDEMcoulddistinguishicefromitssurrounding，andthebandratio， slopeudyshowedthatGF-1satellite couldmaptheboundaryofglaciereffectively，andcouldprovidereliabledataandresearchfoundationforglacier research. Keywords：GF-1；debris-coveredglaciers；topographicparameters；object-oriented （责任编委：刘时银；编辑：周成林）