基于历史边界的喜马拉雅山脉冰湖提取方法对比研究

冰湖是气候变化的重要指示器,在全球变暖的背景下,冰湖的持续监测对区域水资源管理以及高山地区防灾减灾具有重要意义。受冰川消融和气候影响,冰湖边界会发生季节性和年际变化。已有冰湖制图的研究,往往要首先确定遥感影像上每个冰湖的位置,然后获取其精细边界。近年来,不同区域的冰湖编目数据日益增加,提供了大量的冰湖历史边界。对这些位置已知的冰湖进行监测只需提取其当前边界,而历史边界可以作为冰湖迭代边界的起点,从而加速冰湖编目数据的更新。本研究以喜马拉雅山脉成像条件较好的488个冰湖和受积雪、冰冻、云、山体阴影影响的80个冰湖作为研究对象,将前者按照面积大小分成3类,基于1990年冰湖编目数据提供的历史边界信息,对比了人工阈值法、OTSU阈值法、U-NET、双峰迭代法、OTSU迭代法和C-V迭代法在2014年后Landsat-8 OLI影像上的冰湖提取结果。结果表明:OTSU迭代法、C-V迭代法能有效利用冰湖缓冲区内的统计信息,取得的F1分数高达88.89%和89.30%,显著优于人工阈值法、OTSU阈值法和双峰迭代法,也能较完整地提取冰冻状态和云覆盖的冰湖;对于积雪覆盖下的冰湖,C-V迭代法的提取精度最高;U-NET模型取得的F1分数高达89.8%,能准确提取与山体阴影相连的冰湖。本研究为历史边界已知的冰湖长期监测提供了方法支持。