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）