CN106934784A - 一种基于遥感影像融合的冰川面积变化监测方法 - Google Patents
一种基于遥感影像融合的冰川面积变化监测方法 Download PDFInfo
- Publication number
- CN106934784A CN106934784A CN201710157261.8A CN201710157261A CN106934784A CN 106934784 A CN106934784 A CN 106934784A CN 201710157261 A CN201710157261 A CN 201710157261A CN 106934784 A CN106934784 A CN 106934784A
- Authority
- CN
- China
- Prior art keywords
- glacier
- image
- region
- variation
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 230000004927 fusion Effects 0.000 title claims abstract description 7
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000003066 decision tree Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000000354 decomposition reaction Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于遥感影像融合的冰川面积变化监测方法,包括步骤:步骤1,对两期同源LANDSAT影像进行几何纠正和辐射校正,并将不同时期影像进行IHS分解,得到图像的亮度、色调、饱和度分量;步骤2,通过替换色调分量获得融合图像,使冰川变化区域突显出来;步骤3,利用决策树分类方法对冰川面积变化区域进行提取。本发明利用同源的遥感影像对冰川变化进行监测,增强了冰川变化区域的信息,具有计算量小、监测效率高、实施方便等优点,为冰川变化监测提供了一种新的手段,结果直观明了。
Description
技术领域
本发明涉及一种基于遥感影像融合的冰川面积变化监测方法,属于对地观测与冰冻圈领域。
背景技术
20世纪以来全球气候变化的速度在不断加快,并在一定程度上不断加强。冰川是气候变化的指示器,对气候变化的响应极为敏感,气候变暖,冰川加速退缩,冰川泥石流将进入高潮期,可能形成冰川泥石流灾害点。冰川变化监测是全球变化和区域环境研究中不可或缺的内容之一。
大部分冰川地处偏远山区,实地测量冰川面积费时费力,遥感覆盖范围广、信息量大、可连续观测的特点使它为冰川变化监测提供了快速、可靠的方法。20世纪80年代以来,卫星遥感技术在冰川变化监测中得到了广泛的应用。本世纪以来,利用遥感进行冰川监测能力随着卫星及传感器的发展不断提高。
冰川面积变化的遥感监测方法主要可分为两类,分别是目视解译和计算机辅助分类法。在对研究区域先验知识比较丰富的情况下,传统目视解译方法因准确性较高,但效率很低。计算机辅助分类法为了提高解译效率,有相关学者对冰川自动提取方法进行了研究。Hall等[1]最先尝试采用波段比值法区分冰雪;Ye等[2]采用非监督分类方法监测了各拉丹冬冰川1969-2002年的变化;别强等[3]c采用雪盖指数方法对1960-2010年黑河流域的冰川变化进行了检测;此外,面向对象的图像信息自动分析方法也被运用到了冰川信息提取研究中[4]。不同的冰川自动提取方法均存在一定的局限性,如监督非监督分类方法可能会错分部分的积雪与岩石;雪盖指数法难以识别冰川的表碛分布区与积雪覆盖区[5]。传统冰川变化提取方法中,波段比值法的总体精度高。
综上,现有的冰川变化监测方法多为间接方法,即需要先对各时期影像的整体冰川信息进行提取,然后通过计算得到冰川整体面积变化情况。这就使得设计一种直接对冰川变化区域提取进行直接提取的方法具有科学意义与应用价值。
相关文献如下:
[1]Hall D K,Ormsby J P,Bindschadler RA,et al.Characterization of snowand ice reflectance zones on glaciers using Landsat Thematic Mapper data[J].Annals of glaciology,1987,9:104-108
[2]Ye Q,Kang S,Chen F,et al.Monitoring glacier variations onGeladandong mountain,central Tibetan Plateau,from 1969to 2002using remote-sensing and GIS technologies[J].Journal of Glaciology,2006,52(179):537-545
[3]Bie Qiang,Qiang Wenli,Wang Chao,et al.Monitoring the glaciervariation in the upper reaches of the Heihe River based on remote sensing in1960-2010[J].Journal of Glaciology and Geocryology,2013,35(3):574—582.
[4]Nie Yong,Zhang Yili,Liu Linshan,et al.Monitoring Glacier ChangeBased on Remote Sensing in the Mt.Qomolangma National Nature Preserve,1976-2006[J].Acta Geographica Sinica,2010,65(1):13—28
[5]Yan Lili,Wang Jian.Study of extracting glacier information fromremote sensing[J].Journal of Glaciology and Geocryology,2013,35(1):110—118
发明内容
本发明主要解决的技术问题是提供一种面向冰川变化监测的遥感影像融合方法,能够在定性分析和总体精度方面优于常用的冰川变化监测方法。针对传统冰川变换检测方法需要对不同时期研究区中冰川面积分别统计的问题,本方法针对陆地资源卫星数据提出了一种基于像元分析法的冰川变化监测分析方法,对不同时期影像预处理后进行同源数据的色调替换IHS融合,使实际冰川变化区域在融合后图像中发生颜色突变,从而实现对冰川变化的监测。为解决上述技术问题,本发明采用的一个技术方案如下:
整个技术流程主要分为三个步骤,首先对两期同源LANDSAT影像进行几何纠正和辐射校正,并将不同时期影像进行IHS分解,得到图像的亮度、色调、饱和度分量;接着通过替换色调分量获得融合图像,使冰川变化区域突显出来;最后利用决策树分类方法对冰川面积变化区域进行提取。
步骤1,对两期同源LANDSAT影像进行几何纠正和辐射校正后,通过RGB空间与IHS空间正反变换,得到图像的亮度、色调、饱和度分量;具体步骤如下:
1-1)通过图像通道的DN值得到其对应的辐射亮度值,减少不同时期获得的影像的辐射亮度差异;
1-2)基于外部地形数据如SRTM等通过高精度几何纠正,提高不同时相的数据反映同一地物目标信息的准确度,以提高最终的监测精度。
1-3)通过ENVI软件对遥感影像进行裁剪,获得裁剪后的覆盖冰川区域的影像,通过RGB空间与IHS空间正反变换,将两期多光谱图像变换到IHS空间,使冰川变化区域突显出来;
步骤2,计算第一、二时相影像的颜色相似度,再结合两像素颜色的欧拉距离,进行新的色调分量的替换,当相似度小于一定阈值时,可认为该像元在两个时期对应的地物信息不一致,则将该像元的色调分量用第二时相该像元的色调分量值进行替换,反之,不进行替换,将I1H1'S1逆变换到RGB空间,得融合图像;
步骤3,颜色突变的区域为冰川减少的区域,利用决策树分类方法将变化区域提取出来,实现冰川面积变化监测。
本发明的有益效果是:本发明方法较常用的分类后比较法(波段比值法、雪盖指数法、非监督分类法等)具有以下优势:(1)它能使冰川变化区域更直接直观地显示出来。传统的冰川监测方法只能得到研究区整体冰川面积变化量,而无法确定变化区域,本文方法可以将变化区域直观地显示出来,方便缩小研究区域,在分析冰川变化具体历程中有重要意义;(2)便于快速进行信息提取.传统的分类后比较法需要对研究区域所有冰川进行提取,而该方法只关注变化区域,在信息提取速度上,该方法优于传统的分类后比较法。基于改进IHS融合方法的冰川变化监测方法在以上两个方面明显优于常用的冰川变化监测法。
附图说明
图1是本发明的基于IHS融合的冰川变化监测技术流程图;
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1,本发明公开了一种面向冰川变化监测的遥感影像融合方法,包括以下步骤:
1)待融合两期多光谱图像进行预处理(配准),分别进行几何纠正和辐射校正,将两期多光谱图像变换到IHS空间;RGB空间与IHS空间正反变换可通过式(1)、(2)实现.
其中,ν1、v2为中间变量,H=tan-1(v1/v2).
2)计算第一、二时相影像的颜色相似度,并根据颜色相似度得到新的色调分量。两个像素的颜色相似度公式为式(3)所示:
式中,S(M1(i,j),M2(i,j))表示影像M1的第i行j列像元与影像M2的相同位置像元的颜色相似度。D为两像素的颜色的欧拉距离,可通过式(4)计算。K、L均为常数。
得到颜色相似度之后,可由式(5)计算融合后图像的色调分量。
3)将I1H1′S1逆变换到RGB空间,得融合图像。融合后图像中颜色突变的区域对应M1影像中是冰川而在M2中不是冰川的区域,即第二时相较第一时相冰川减少的区域。交换两个时相影像的顺序,按照上述方法进行融合,得到的融合图像中颜色突变的区域则为第二时相较第一时相冰川增加的区域,从而实现冰川变化信息的自动发现。
采用改进IHS融合方法实现冰川变化信息发现之后,再利用决策树分类方法将变化区域提取出来,从而实现冰川变化监测。
为了更好的说明该方法的有效性,本文也采用了传统冰川变化监测方法中总体精度最高的波段比值法对实验区冰川变化进行监测。在遥感图像处理软件ENVI支持下,计算可见光波段与红外波段的比值,并结合适当的阈值对两期影像的冰川进行提取,并以高分辨率遥感数据得到的结果为参考进行精度估算(表2)。
表1不同方法结果对比
数据源 | 高分辨率影像 | 低分辨率影像 | 低分辨率影像 |
冰川变化监测方法 | 人工提取 | 波段比值法 | 基于改进IHS融合法 |
2007年冰川面积(km2) | 34.36 | 31.42 | |
2013年冰川面积(km2) | 37.75 | 34.40 | |
冰川面积变化量(km2) | 3.38 | 2.98 | 3.10 |
精度(%) | 88.11 | 91.51 |
从表2中可以看出,针对该实验区,文中方法变化检测精度优于常用的波段比值法。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (1)
1.一种基于遥感影像融合的冰川面积变化监测方法,其特征在于,包括步骤:
步骤1,对两期同源LANDSAT影像进行几何纠正和辐射校正后,通过RGB空间与IHS空间正反变换,得到图像的亮度、色调、饱和度分量;具体步骤如下:
1-1)通过图像通道的DN值得到其对应的辐射亮度值,减少不同时期获得的影像的辐射亮度差异;
1-2)基于外部地形数据如SRTM等通过高精度几何纠正,提高不同时相的数据反映同一地物目标信息的准确度,以提高最终的监测精度。
1-3)通过ENVI软件对遥感影像进行裁剪,获得裁剪后的覆盖冰川区域的影像,通过RGB空间与IHS空间正反变换,将两期多光谱图像变换到IHS空间,使冰川变化区域突显出来;
步骤2,计算第一、二时相影像的颜色相似度,再结合两像素颜色的欧拉距离,进行新的色调分量的替换,当相似度小于一定阈值时,可认为该像元在两个时期对应的地物信息不一致,则将该像元的色调分量用第二时相该像元的色调分量值进行替换,反之,不进行替换,将I1H′1S1逆变换到RGB空间,得融合图像;
步骤3,颜色突变的区域为冰川变化的区域,利用决策树分类方法将变化区域提取出来,实现冰川面积变化监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157261.8A CN106934784A (zh) | 2017-03-16 | 2017-03-16 | 一种基于遥感影像融合的冰川面积变化监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157261.8A CN106934784A (zh) | 2017-03-16 | 2017-03-16 | 一种基于遥感影像融合的冰川面积变化监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106934784A true CN106934784A (zh) | 2017-07-07 |
Family
ID=59433278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710157261.8A Pending CN106934784A (zh) | 2017-03-16 | 2017-03-16 | 一种基于遥感影像融合的冰川面积变化监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106934784A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615610A (zh) * | 2018-11-13 | 2019-04-12 | 浙江师范大学 | 一种基于YOLO v2-tiny的医用创可贴瑕疵检测方法 |
CN110110730A (zh) * | 2019-04-12 | 2019-08-09 | 东南大学 | 一种用于无人机影像辐射校正中校正模型构建的方法 |
CN110349173A (zh) * | 2019-07-15 | 2019-10-18 | 长光卫星技术有限公司 | 基于高分辨率遥感影像的地物变化监测方法 |
CN111310649A (zh) * | 2020-02-13 | 2020-06-19 | 西南交通大学 | 一种无人机高分辨率影像对山岳冰川运动消融的提取方法 |
CN113420717A (zh) * | 2021-07-16 | 2021-09-21 | 西藏民族大学 | 一种冰雪变化立体监测方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937079A (zh) * | 2010-06-29 | 2011-01-05 | 中国农业大学 | 基于区域相似度的遥感影像变化检测方法 |
WO2015042772A1 (zh) * | 2013-09-24 | 2015-04-02 | 中国科学院自动化研究所 | 一种遥感图像显著目标变化检测方法 |
CN105389817A (zh) * | 2015-11-04 | 2016-03-09 | 河海大学 | 一种两时相遥感影像变化检测方法 |
-
2017
- 2017-03-16 CN CN201710157261.8A patent/CN106934784A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937079A (zh) * | 2010-06-29 | 2011-01-05 | 中国农业大学 | 基于区域相似度的遥感影像变化检测方法 |
WO2015042772A1 (zh) * | 2013-09-24 | 2015-04-02 | 中国科学院自动化研究所 | 一种遥感图像显著目标变化检测方法 |
CN105389817A (zh) * | 2015-11-04 | 2016-03-09 | 河海大学 | 一种两时相遥感影像变化检测方法 |
Non-Patent Citations (1)
Title |
---|
陈云等: ""基于改进IHS融合方法的冰川变化检测"", 《冰川冻土》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615610A (zh) * | 2018-11-13 | 2019-04-12 | 浙江师范大学 | 一种基于YOLO v2-tiny的医用创可贴瑕疵检测方法 |
CN110110730A (zh) * | 2019-04-12 | 2019-08-09 | 东南大学 | 一种用于无人机影像辐射校正中校正模型构建的方法 |
CN110349173A (zh) * | 2019-07-15 | 2019-10-18 | 长光卫星技术有限公司 | 基于高分辨率遥感影像的地物变化监测方法 |
CN111310649A (zh) * | 2020-02-13 | 2020-06-19 | 西南交通大学 | 一种无人机高分辨率影像对山岳冰川运动消融的提取方法 |
CN111310649B (zh) * | 2020-02-13 | 2022-09-23 | 西南交通大学 | 一种无人机高分辨率影像对山岳冰川运动消融的提取方法 |
CN113420717A (zh) * | 2021-07-16 | 2021-09-21 | 西藏民族大学 | 一种冰雪变化立体监测方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934784A (zh) | 一种基于遥感影像融合的冰川面积变化监测方法 | |
Zhu et al. | An automatic method for screening clouds and cloud shadows in optical satellite image time series in cloudy regions | |
Patel et al. | Multitemporal settlement and population mapping from Landsat using Google Earth Engine | |
Zhu et al. | Object-based cloud and cloud shadow detection in Landsat imagery | |
Huang et al. | A comparative study of spatial approaches for urban mapping using hyperspectral ROSIS images over Pavia City, northern Italy | |
Fan et al. | Enhancing endmember selection in multiple endmember spectral mixture analysis (MESMA) for urban impervious surface area mapping using spectral angle and spectral distance parameters | |
Jawak et al. | A spectral index ratio-based Antarctic land-cover mapping using hyperspatial 8-band WorldView-2 imagery | |
Ban et al. | Object-based fusion of multitemporal multiangle ENVISAT ASAR and HJ-1B multispectral data for urban land-cover mapping | |
Zhang et al. | Automated water classification in the Tibetan plateau using Chinese GF-1 WFV data | |
CN103500325B (zh) | 基于光学和热红外遥感影像的表碛覆盖型冰川识别方法 | |
CN109063754B (zh) | 一种基于OpenStreetMap的遥感影像多特征联合分类方法 | |
Bharath et al. | Green to gray: Silicon valley of India | |
Guyet et al. | Long term analysis of time series of satellite images | |
Mitkari et al. | Extraction of glacial lakes in Gangotri glacier using object-based image analysis | |
Chen et al. | Shrub biomass estimation in semi-arid sandland ecosystem based on remote sensing technology | |
Kang et al. | Identifying tree crown areas in undulating eucalyptus plantations using JSEG multi-scale segmentation and unmanned aerial vehicle near-infrared imagery | |
CN104573654A (zh) | 一种基于分层决策树的红树林提取方法 | |
Piyoosh et al. | Semi-automatic mapping of anthropogenic impervious surfaces in an urban/suburban area using Landsat 8 satellite data | |
Ghosh et al. | Mapping of debris-covered glaciers in parts of the Greater Himalaya Range, Ladakh, western Himalaya, using remote sensing and GIS | |
Jain et al. | Expansion of a glacial lake, Tsho Chubda, Chamkhar Chu Basin, Hindukush Himalaya, Bhutan | |
Deng | Automated construction of multiple regional libraries for neighborhoodwise local multiple endmember unmixing | |
Yao et al. | Optical remote sensing cloud detection based on random forest only using the visible light and near-infrared image bands | |
Zhang et al. | A novel multitemporal cloud and cloud shadow detection method using the integrated cloud Z-scores model | |
Shabna et al. | HSEG and PCA for Hyper-spectral Image Classification | |
Shen et al. | Road extraction from high-resolution remotely sensed panchromatic image in different research scales |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170707 |