本數(shù)據(jù)集首先采用深度學(xué)習(xí)方法中的DeepLab V3+網(wǎng)絡(luò)對(duì)GF-1/2/6 PMS影像進(jìn)行分割,基于樣本庫(kù)數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練并得到訓(xùn)練良好的模型,繼而使用該模型提取待分類(lèi)影像冰川輪廓。圖2為基于GF-6 PMS影像的冰川邊界提取過(guò)程示意圖,具體步驟如下:
(1)選取影像上冰川分布區(qū)少云少雪的數(shù)據(jù)作為訓(xùn)練樣本,并對(duì)冰川進(jìn)行標(biāo)記,然后將影像和標(biāo)記好的二值化標(biāo)簽隨機(jī)裁剪成多個(gè)1024×1024像素的瓦片作為深度學(xué)習(xí)訓(xùn)練的輸入數(shù)據(jù),并經(jīng)過(guò)旋轉(zhuǎn)、翻轉(zhuǎn)等數(shù)據(jù)增強(qiáng)處理,得到3600張樣本;最后將樣本輸入模型進(jìn)行訓(xùn)練,得到訓(xùn)練好的模型并用于冰川分類(lèi)。
(2)將待分類(lèi)遙感影像按順序裁剪為1024×1024尺寸(圖2a和圖2b),輸入訓(xùn)練好的模型進(jìn)行分類(lèi),得到冰川提取結(jié)果(圖2c)。將各切片合并后,得到完整的結(jié)果(圖2d)。
(3)深度學(xué)習(xí)直接獲取的冰川提取結(jié)果為概率圖,即每個(gè)像元被識(shí)別為冰川的概率,將概率圖進(jìn)行重分類(lèi)并做柵格—矢量轉(zhuǎn)化后得到冰川區(qū)矢量邊界(圖2e和圖2f)。
(4)最后對(duì)冰川矢量邊界進(jìn)行逐一檢查與修訂,根據(jù)山脊線(xiàn)自動(dòng)提取方法
[17]提取的山脊線(xiàn)對(duì)修訂后的冰川邊界進(jìn)行分割,從而得到單條冰川的矢量數(shù)據(jù)(圖2g和圖2h)。
圖2
?
基于GF-6 PMS影像的冰川邊界提取過(guò)程 冰川長(zhǎng)度提取采用ZHANG等
[11]提出的基于歐氏分配和冰川表面地形特征的冰川中流線(xiàn)自動(dòng)提取方法,該方法僅需輸入冰川邊界矢量數(shù)據(jù)和DEM數(shù)據(jù)。其基本原理是基于DEM數(shù)據(jù)獲取冰川輪廓上的海拔最高點(diǎn)和最低點(diǎn),依此將冰川輪廓線(xiàn)進(jìn)行分割,結(jié)合分割后的冰川輪廓線(xiàn)采用歐式距離方法將冰川平面劃分為兩個(gè)區(qū)域,每個(gè)區(qū)域?yàn)榫喔鞅ㄝ喞€(xiàn)距離最近的點(diǎn)集,兩個(gè)區(qū)域的公共邊界為中軸線(xiàn),即冰川中流線(xiàn)。處理過(guò)程包括冰川數(shù)據(jù)的預(yù)處理、輔助線(xiàn)提取、分割點(diǎn)獲取、冰川特征線(xiàn)處理、冰川中流線(xiàn)生成和冰川長(zhǎng)度計(jì)算6個(gè)主要步驟(圖3)。對(duì)于簡(jiǎn)單冰川而言,其中流線(xiàn)長(zhǎng)度即為冰川長(zhǎng)度;對(duì)于復(fù)雜冰川(如山谷冰川、冰帽等)而言,以長(zhǎng)度最長(zhǎng)的中流線(xiàn)長(zhǎng)度作為該冰川長(zhǎng)度。