本數(shù)據(jù)集采用深度學(xué)習(xí)方法中的DeepLab V3+網(wǎng)絡(luò)對影像進行分割,基于樣本庫數(shù)據(jù)對模型進行訓(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影像冰川輪廓。圖2為基于GF-6 PMS影像的冰川邊界提取過程示意圖,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,并且對冰川進行標(biāo)記,將影像和標(biāo)記好的二值化標(biāo)簽隨機裁剪成多個1024×1024像素的瓦片作為深度學(xué)習(xí)訓(xùn)練的輸入量,并經(jīng)過旋轉(zhuǎn)和翻轉(zhuǎn)等數(shù)據(jù)增強手段,得到3600張樣本。將樣本輸入模型進行訓(xùn)練,得到訓(xùn)練好的模型并用于冰川分類。
(2)將待分類遙感影像按順序裁剪為1024×1024尺寸(圖2a和圖2b),輸入訓(xùn)練好的模型進行分類,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,即每個像元被識別為冰川的概率,將概率圖進行重分類并做柵格—矢量轉(zhuǎn)化后得到冰川區(qū)矢量邊界(圖2e和圖2f)。
(4)最后對冰川矢量邊界進行逐一檢查與修訂,根據(jù)山脊線自動提取方法
[17]提取的山脊線對修訂后的冰川邊界進行分割,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程 冰川長度的提取使用Zhang等
[11]提出的基于歐氏配置和冰川表面地形特征的冰川中流線自動提取方法。該算法是基于Python工具實現(xiàn)的,僅需輸入冰川邊界矢量和DEM數(shù)據(jù),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和最低點,依此將冰川輪廓線進行分割,結(jié)合分割后的冰川輪廓線采用歐式距離方法將冰川平面劃分為兩個區(qū)域,每個區(qū)域為距各冰川輪廓線距離最近的點集,兩個區(qū)域的公共邊界為中軸線,即冰川中流線。處理過程包括冰川數(shù)據(jù)的預(yù)處理、輔助線提取、分割點獲取、冰川特征線處理、冰川中流線生成和冰川長度計算6個主要步驟(圖3)。對于簡單冰川而言,其中流線長度為冰川長度;復(fù)雜冰川則選取長度最大的中流線作為該冰川長度。