基于Landsat-8的東南極達(dá)爾克冰川季節(jié)性表面消融信息提取

璩榆桐 程曉,3,4 劉巖,4

研究論文

基于Landsat-8的東南極達(dá)爾克冰川季節(jié)性表面消融信息提取

璩榆桐1,2程曉1,2,3,4劉巖1,2,4

(1北京師范大學(xué)全球變化與地球科學(xué)研究院遙感科學(xué)國家重點(diǎn)實驗室, 北京 100875;2中國高校極地聯(lián)合研究中心, 北京 100875;3中山大學(xué)測繪科學(xué)與技術(shù)學(xué)院, 廣東 珠海 519082;4南方海洋科學(xué)與工程廣東省實驗室, 廣東 珠海 519082)

冰蓋表面消融是氣候變化和全球變暖的敏感指示劑。冰雪消融會降低地表反照率進(jìn)而影響全球能量平衡, 表面融水會加劇裂隙的傳播, 降低冰架穩(wěn)定性進(jìn)而影響冰蓋物質(zhì)平衡。當(dāng)前, 高時空分辨率消融區(qū)分布數(shù)據(jù)的缺乏限制了南極冰蓋消融發(fā)生機(jī)理和時空特征的深入探索。圍繞南極冰蓋大范圍消融區(qū)(藍(lán)冰、濕雪和融水)的提取研究, 提出了一種基于改進(jìn)的冰雪歸一化消融指數(shù)(Modified Normalized Difference Water Index Adapted for Ice,ice)的消融區(qū)自動提取方法, 采用2016年9月—2017年4月18景30 m分辨率的Landsat-8數(shù)據(jù), 獲取了消融區(qū)自動提取的ice閾值, 并以東南極達(dá)爾克冰川為例, 實現(xiàn)了高空間分辨率的季節(jié)性消融信息提取和分析。結(jié)果表明: 在云和地形陰影干擾較小的情況下, 基于Landsat-8反射率數(shù)據(jù)計算的ice采用單一閾值(0.136)對消融區(qū)的提取精度在67.7%—94.2%之間, 平均精度為81.5%; 達(dá)爾克冰川消融面積、消融區(qū)ice均值表現(xiàn)出明顯的季節(jié)性時空變化特征; 消融發(fā)生的時間不晚于Landsat-8數(shù)據(jù)觀測的最早時間(9月7日); 消融最早出現(xiàn)和主要分布區(qū)在地形下降劇烈的東部接地線處。

南極 達(dá)爾克冰川 消融 改進(jìn)的冰雪歸一化消融指數(shù)

0 引言

南極冰蓋表面消融影響冰蓋物質(zhì)平衡和全球能量平衡[1]。一方面, 表面消融形成的融水以三種方式影響南極冰蓋的物質(zhì)平衡[2-3], 融水匯集后從冰蓋邊緣流出[4]; 滲入裂隙后加劇裂隙的擴(kuò)張, 破壞冰架穩(wěn)定性甚至導(dǎo)致冰架的大范圍的快速崩解; 滲入冰蓋內(nèi)部, 促進(jìn)冰蓋內(nèi)部通道的發(fā)育, 抵達(dá)冰蓋底部后減弱冰蓋底部運(yùn)動阻力, 導(dǎo)致冰蓋底部滑動[5-6]。另一方面, 南極地表97.8%為雪覆蓋[7], 干雪具有高反照率, 而藍(lán)冰、濕雪、融水反照率較低[8], 其吸收的太陽輻射約為干雪吸收的三倍[9-11], 形成“反照率低-吸收太陽輻射多-加劇融化”的正反饋機(jī)制[12-13], 因此, 消融范圍及持續(xù)時間的變化將影響全球的輻射收支[5,14]。

盡管機(jī)制有所差異, 但藍(lán)冰、濕雪和融水都是冰雪消融的產(chǎn)物[3,15-16], 本文統(tǒng)稱它們?yōu)橄趨^(qū)。在大多數(shù)年份南極冰蓋表面消融區(qū)面積占比都小于20%, 遠(yuǎn)低于占比常年超過40%的格陵蘭冰蓋, 但南極冰蓋表面融化的面積是格陵蘭的兩倍多[9]。目前, 格陵蘭冰蓋消融研究體系較完善[17-18], 南極冰蓋消融研究相對缺乏[1,19]。南極冰蓋消融研究更多為大尺度冰蓋整體的研究, 區(qū)域性精細(xì)研究較少且多集中于南極半島[20]。從消融的觀測對象上看, 冰面融池及河流水系的研究相對深入[21-22], 而濕雪和藍(lán)冰監(jiān)測有待更多的開展。

遙感技術(shù)是冰蓋表面冰雪消融大范圍觀測的最佳手段。濕雪的范圍及持續(xù)時間的變化可以通過微波輻射計、散射計、SAR以及光學(xué)數(shù)據(jù)監(jiān)測。前三者為微波數(shù)據(jù)不受云的影響而光學(xué)數(shù)據(jù)易受到云的影響。微波輻射計數(shù)據(jù)對于消融的監(jiān)測主要依賴于干濕雪亮溫的顯著差異[23-24], 散射計數(shù)據(jù)對于消融的監(jiān)測主要依賴于干、濕雪后向散射系數(shù)的顯著差異[25], 兩種數(shù)據(jù)主要監(jiān)測大尺度區(qū)域冰雪表面消融起止和持續(xù)時間、范圍隨時間的變化, 無法滿足對消融特征空間細(xì)節(jié)方面的描述[26-28]。SAR數(shù)據(jù)對于濕雪的監(jiān)測也主要依賴于干、濕雪后向散射系數(shù)的顯著差異[29-30], 其高空間分辨率可描述消融空間細(xì)節(jié)特征, 可用于精確監(jiān)測濕雪范圍[31-32], 但重訪周期較長, 適用于精確的年際變化分析, 無法滿足季節(jié)性分析[16,26]。光學(xué)數(shù)據(jù)對于濕雪、融水及藍(lán)冰的監(jiān)測主要依賴于水、冰和雪光譜特征的差異。例如利用融水和冰雪在藍(lán)光和紅光波段的光譜差異使用冰雪歸一化水體指數(shù)(Normalized Difference Water Index Adapted for Ice,ice)開展冰面融水提取[4,22]; 基于光學(xué)數(shù)據(jù)對南北極水系水文特征的分析[4,22,33-34]; 基于Landsat-7影像數(shù)據(jù)藍(lán)冰與濕雪裸巖的光譜反射率差異對整個南極藍(lán)冰區(qū)的提取分析[35]。光學(xué)數(shù)據(jù)用于濕雪的分析卻鮮少開展。綜上所述, 冰雪消融的監(jiān)測難以同時滿足高時、空間分辨率, 高時間分辨率的被動微波數(shù)據(jù)難以滿足消融細(xì)節(jié)特征的描述, 高空間分辨率的SAR及光學(xué)數(shù)據(jù)難以實現(xiàn)季節(jié)性變化的相關(guān)分析, 而兩類數(shù)據(jù)很難融合。因此, 目前亟需高時、空分辨率冰蓋消融的季節(jié)性分析。

本文選用Landsat-8數(shù)據(jù)開展東南極達(dá)爾克冰川消融區(qū)監(jiān)測, 其多光譜信息可用于濕雪、藍(lán)冰和融水的提取, 其較高的空間分辨率可滿足對冰蓋表面消融細(xì)節(jié)特征的監(jiān)測。此外, 達(dá)爾克冰川剛好處于Landsat-8不同軌道影像的重疊區(qū), 重訪周期為2—7天, 可滿足融化季節(jié)內(nèi)多時間序列消融觀測。本文提出并驗證了基于Landsat-8影像的ice消融區(qū)自動監(jiān)測方法, 以此為基礎(chǔ), 對2016—2017年東南極達(dá)爾克冰川消融區(qū)的時空分布及季節(jié)性特征進(jìn)行了初步分析。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

達(dá)爾克冰川位于東南極拉斯曼丘陵東側(cè)(69° 26′S, 76°27′E), 鄰接埃默里冰架(圖1a), 距離中山站直線距離不超過3 km, 為距離中山站最近的冰川。達(dá)爾克冰川流域起源于南極冰蓋內(nèi)部(圖1b), 流入接地線東部的冰源為自上游600多千米的高原, 而流入接地線西部的冰源為自上游僅不到10 km的冰蓋邊緣(圖1c), 總面積超過1 900 km2[36]。達(dá)爾克冰川南部接地線距離冰川前緣約15 km, 漂浮部分即冰架面積約為20 km2(圖1), 是典型的冰蓋溢出型冰川。冰川前端入?？趯挾葹? km, 隨著冰川的不斷運(yùn)動而崩解[37]。

1.2 研究數(shù)據(jù)

本研究采用2016年9月1日—2017年4月30日覆蓋達(dá)爾克冰川無云或少云的Landsat-8影像, 此時間段內(nèi)覆蓋達(dá)爾克冰川的數(shù)據(jù)有41景, 目視解譯可用于研究的少云或無云影像共有18景影像(表1)。數(shù)據(jù)來自USGS網(wǎng)站: https://glovis. usgs.gov。影像由于采集時間的不同, 太陽天頂角不同, 日地距離也可能存在差異, 為了降低這些差異的影響, 使得不同時相影像數(shù)據(jù)具有可比性, 將Landsat-8 Level-1數(shù)據(jù)的像元灰度值(DN值)轉(zhuǎn)換為大氣表觀反射率(TOA反射率)。反射率計算采用Kang等[38]的方法, 計算公式來自Landsat手冊(http://Landsat.usgs.gov/), 計算所需參數(shù)從每個Landsat-8數(shù)據(jù)集的頭文件中讀取。此外, 考慮到高緯度地區(qū)的同一幅影像, 太陽高度角從中間到邊緣的差異較大, 計算采用逐像元計算的太陽高度角替代原始使用的單一中心點(diǎn)太陽高度角[38]。下文中所做的計算及制圖全部基于反射率數(shù)據(jù)。

2 研究方法

2.1 消融區(qū)的光譜特征

利用多光譜光學(xué)數(shù)據(jù)識別目標(biāo)地物的思路是利用目標(biāo)地物與背景地物在不同波長上的波譜反射特性差異, 選擇最佳的波段進(jìn)行比值運(yùn)算方式, 通過選擇合適的閾值最大程度地區(qū)分目標(biāo)地物與背景地物。本文利用Landsat-8影像識別的消融區(qū), 包含裸露的藍(lán)冰(無論是否發(fā)生融化)、濕雪和融水。

圖1 達(dá)爾克冰川概況. a)達(dá)爾克冰川在南極冰蓋的位置; b)紅色曲面為達(dá)爾克冰川流域, 黑色曲線表示南極的各個流域; c)達(dá)爾克冰川冰流線; d)外圍圖框為研究區(qū)范圍, 其內(nèi)顯示的為18幅影像的試驗樣本區(qū)(7個白框區(qū)域)和20170311期影像選取的30個消融區(qū)純像元及30個干雪純像元的驗證樣本

Fig.1. Overview of the Dalk Glacier. a)the location of the Dalk Glacier on the Antarctic ice sheet; b)the red curved surface is the Dalk Glacier Basin, and the black curve represents the various basins of the Antarctic; c)the ice flow line of the Dalk Glacier; d)the outer picture frame is the scope of the study area，which shows the test sample area of 18 images (7 white frame areas) and the verification of the 30 ablation zone pure pixels and 30 dry snow pure pixels selected in the 20170311 image sample

藍(lán)冰生成過程中, 冰內(nèi)的氣泡被擠出, 使得冰晶變大, 藍(lán)冰呈現(xiàn)藍(lán)色。而濕雪和融水由于水的存在也顯示藍(lán)色, 三者在遙感真彩色波段上均顯示藍(lán)色, 區(qū)別于干雪(圖2)。Landsat-8影像不同地類的光譜信息如圖3所示, 藍(lán)冰、濕雪和融水在近紅外波段(波段5)表現(xiàn)出強(qiáng)烈的吸收而干雪表現(xiàn)出強(qiáng)烈的反射, 在該波段消融區(qū)(藍(lán)冰、濕雪和融水)與干雪、陰影和云差異最為明顯, 在藍(lán)光波段(波段2)各地類差別最小?；诖? 本文選擇利用近紅外波段(波段5)和藍(lán)光波段(波段2)進(jìn)行比值運(yùn)算, 對消融區(qū)進(jìn)行提取。

表1 本研究閾值試驗所用Landsat-8影像

*其中有云指原始數(shù)據(jù)云量>20%, 少云指0%<云量≤20%

圖2 藍(lán)冰、濕雪、融水、干雪、陰影樣本對比圖. 底圖皆為2016年12月21日Landsat-8反射率數(shù)據(jù), 顯示方式皆為波段(5,3,2)對應(yīng)(紅綠藍(lán))標(biāo)準(zhǔn)差拉伸增強(qiáng)圖像

Fig.2. Comparison of blue ice, wet snow, melt water, dry snow and shadow samples. The bottom image is the reflectance data of Landsat-8 on December 21, 2016, and the display mode is the standard deviation stretch enhanced image of band (5,3,2) (red, green and blue)

2.2 改進(jìn)的冰雪歸一化消融指數(shù)(MNDWIice)

本文采用的改進(jìn)的冰雪歸一化消融指數(shù)ice(Modified Normalized Difference Water Index Adapted for Ice)是基于歸一化水體指數(shù)(Normalized Difference Water Index)及冰雪歸一化水體指數(shù)ice(Normalized Difference Water Index Adapted for Ice)提出的。歸一化水體指數(shù)是對綠光波段(G)與近紅外波段(NIR)進(jìn)行歸一化差值處理, 以凸顯陸地表面的開闊水域[39], 其表達(dá)式為:

冰雪歸一化水體指數(shù)(ice)是對藍(lán)光波段(B)與紅光波段(R)進(jìn)行歸一化差值處理, 以凸顯冰蓋表面融水[22], 其表達(dá)式為:

ice最早提出是用于對格陵蘭冰蓋表面融水的提取[22], 目前已用在南極表面融水深度的確定[4]。本文基于消融區(qū)在Landsat-8數(shù)據(jù)的近紅外波段(波段5)和藍(lán)光波段(波段2)的光譜特征的強(qiáng)響應(yīng), 提出改進(jìn)的冰雪歸一化消融指數(shù)ice為:

式中,blue和nir分別為Landsat-8藍(lán)光波段(波段2)和近紅外波段(波段5)的反射率。

基于2016年12月21日獲取的兩期影像, 選取融水、藍(lán)冰、濕雪、干雪、云和陰影6類地物的純像元樣本, 計算各地類對應(yīng)、ice和ice的指數(shù)值, 如圖3(b)所示。試驗顯示ice對于消融區(qū)的區(qū)分效果最好, 其他兩種指數(shù)除對融水的區(qū)分度較明顯外, 其余幾類地物的指數(shù)值相差較小, 很難進(jìn)行區(qū)分。

圖3 各地物類別反射率及指數(shù)特征. a)各地物類別反射率曲線; b)各地物類別對應(yīng)的各指數(shù)值曲線

Fig.3. Reflectance and index characteristics of various types of objects. a) reflectance curve of various types of objects; b) corresponding index value curve of various types of objects

2.3 基于F值法的閾值獲取和消融區(qū)提取精度評估

為選取最優(yōu)閾值, 引入機(jī)器學(xué)習(xí)評估方法——精度值法(-Measure), 用值評估分類結(jié)果精度。值由準(zhǔn)確率(Precision,)和召回率(Recall,)兩個度量值計算得到,值越高表明提取效果越好。準(zhǔn)確率即為影像分類中的用戶精度, 召回率即為影像分類中的生產(chǎn)者精度(制圖精度)。目標(biāo)像元分為四類:,,,。是指消融區(qū)被正確劃分為消融區(qū)的像元數(shù),是指干雪被正確劃分為干雪的像元數(shù),是指干雪被錯誤劃分為消融區(qū)的像元數(shù),是指消融區(qū)被誤判為干雪的像元數(shù)[40-41]。準(zhǔn)確率用于評估被正確提取的消融像元占所有被提取為消融像元的比例, 召回率用于評估被正確提取的消融像元占應(yīng)該被提取為消融像元的比例。值法是準(zhǔn)確率和召回率的加權(quán)調(diào)和平均。

根據(jù)召回率與準(zhǔn)確率對于研究的重要性給賦值, 當(dāng)兩者同樣重要時,值取1; 當(dāng)準(zhǔn)確率更重要,值取小于1的值; 召回率更重要時,值取大于1的值[40]。本研究需同時考慮消融區(qū)被準(zhǔn)確分類為消融區(qū)的概率和分類結(jié)果影像中消融區(qū)像元對應(yīng)原始影像為消融像元的概率, 因此定義值取1。

根據(jù)ice閾值選取和分類結(jié)果精度評估需要, 我們分別選取了試驗樣本和驗證樣本(如圖1所示), 為保證閾值選取結(jié)果的準(zhǔn)確性, 試驗樣本選擇位于消融區(qū)和干雪區(qū)交界處的容易發(fā)生誤分的區(qū)域, 圖1(d)中7個白框即為試驗所用的試驗樣本區(qū)(包含干雪區(qū)及消融區(qū)), 試驗樣本的面積占研究區(qū)面積的9.94%, 各期影像的干雪及消融區(qū)試驗樣本即基于各期影像反射率數(shù)據(jù)對白框區(qū)域采用目視解譯獲取; 驗證樣本選擇的是30個空間隨機(jī)分布的純消融像元或者純非消融區(qū)像元, 每個驗證樣本像元大小為5×5, 像元需滿足純樣本條件, 即像元區(qū)域為純消融區(qū)像元或者純非消融區(qū)像元, 由于消融初期消融區(qū)面積小, 20160907期影像難以選擇一定數(shù)量的消融區(qū)純樣本, 考慮到驗證樣本的一致性, 故從20160914期影像選取30個純消融樣本和30個純非消融樣本, 后續(xù)影像由于陰影等其他影響不滿足純像元條件的, 選擇其他純像元做補(bǔ)充, 保證驗證樣本為純消融或純非消融樣本。試驗樣本與驗證樣本存在一定比例的重合, 但各期影像中重合面積不超過試驗樣本面積的0.95%, 不超過驗證樣本面積的22.34%。

我們旨在利用單一的ice閾值進(jìn)行不同時相的消融區(qū)的分類, 單一閾值Tice計算方法如下:

式中, TMNDWIice為18期影像利用F值法選取到的每一期最優(yōu)閾值, Fmax(i)為最優(yōu)閾值對應(yīng)的F值。每一期的最優(yōu)閾值TMNDWIice獲取方法: 根據(jù)經(jīng)驗設(shè)定MNDWIice閾值范圍為[0.01,0.2], 以0.001為步長, 利用試驗樣本數(shù)據(jù)計算每個閾值分類結(jié)果對應(yīng)的F值, 獲取MNDWIice閾值-F值曲線, 選擇F值最大值Fmax(i)點(diǎn)處的閾值為最優(yōu)閾值(圖4)。

Fig.4. Experiment of image threshold selection on December 21, 2016

本文基于Landsat-8 level 1數(shù)據(jù)計算反射率, 利用反射率數(shù)據(jù)計算得到各時相ice數(shù)據(jù), 利用18期影像的ice結(jié)合樣本區(qū)目視解譯結(jié)果確定各時相最優(yōu)閾值及單一閾值, 最后利用目視解譯的驗證樣本結(jié)果, 對消融區(qū)自動提取結(jié)果進(jìn)行精度評估, 具體實現(xiàn)流程詳見圖5。

3 結(jié)果

3.1 基于MNDWIice消融區(qū)提取效果評估

基于試驗樣本的閾值試驗, 18期影像消融區(qū)提取ice最優(yōu)閾值如圖6a所示, 各時相ice閾值分布范圍為0.1—0.17, 根據(jù)每一期的最優(yōu)閾值和對應(yīng)的值, 依據(jù)公式7計算了18期影像消融區(qū)提取的單一閾值Tice為0.136。采用各期影像最優(yōu)閾值對其余18期影像試驗樣本的提取結(jié)果進(jìn)行值法精度評估(圖6a),max()值整體優(yōu)于65.9%, 準(zhǔn)確率優(yōu)于56.4%, 召回率優(yōu)于65.3%; 采用單一閾值0.136對其余18期影像試驗樣本的提取結(jié)果進(jìn)行值法精度評估(圖6b),max()值整體優(yōu)于63.4%, 準(zhǔn)確率優(yōu)于47.2%, 召回率優(yōu)于59.4%。

圖5 基于Landsat-8數(shù)據(jù)的MNDWIice消融區(qū)自動監(jiān)測方法技術(shù)流程圖

Fig.5. Technical flow chart of automatic monitoring method foriceablation zone based on Landsat-8 data

圖6 18期影像基于試驗樣本的消融區(qū)提取結(jié)果. a)各時相最優(yōu)閾值及對應(yīng)F值; b)各時相單一閾值提取的召回率、準(zhǔn)確率及F值

Fig.6. The results of ablation area extraction based on test samples in 18 phase images. a) optimal threshold and correspondingvalue in each phase; b) recall rate, accuracy rate andvalue of single threshold extraction in each phase

利用17期影像(18期影像除去20160907期影像)的驗證樣本, 分別對采用單一閾值及最優(yōu)閾值進(jìn)行消融區(qū)提取的17期影像提取結(jié)果進(jìn)行值法精度評估(表2)。采用單一閾值0.136的提取精度為,max()值整體優(yōu)于67.7%, 17期影像的max()均值高于81.5%, 準(zhǔn)確率優(yōu)于56.8%, 召回率優(yōu)于66.4%。采用最優(yōu)閾值的提取精度為,max()值整體優(yōu)于71.3%, 17期影像的max()均值高于83.5%, 準(zhǔn)確率優(yōu)于56.8%, 召回率優(yōu)于85.9%。

表2 17期影像驗證樣本分類精度評估

圖7分別顯示了利用單一閾值提取消融區(qū)分類結(jié)果與試驗樣本目視解譯結(jié)果對比,值最低的兩期影像和分類結(jié)果值最高的一期影像及對應(yīng)的分類結(jié)果圖。分類精度較低的分別為20160907及20170104兩期影像, 其中20160907期影像精度最低為19.0%, 消融初期太陽高度角低, 受陰影影響大, 因此存在陰影誤分為消融區(qū)現(xiàn)象; 融化像元較難目視勾選, 試驗樣本在目視解譯時也存在錯誤分類的現(xiàn)象。20170104期影像的分類結(jié)果的值為47.2%, 據(jù)參與該時間段南極科考的人員回顧, 一月份剛剛下完新雪, 對提取結(jié)果可能存在影響, 且同樣受到云及陰影的影響。但兩幅影像的分類結(jié)果, 目視效果良好(圖7)。20170311期影像提取結(jié)果最好, 分類結(jié)果對應(yīng)的值達(dá)到了78.6%。

圖7 單一閾值提取結(jié)果對比: 提取精度最低兩期影像與提取精度最高一期影像對比圖. a),b),c)為該日期TOA反射率影像; d),e),f)為單一閾值提取結(jié)果. 藍(lán)色為消融區(qū), 黑色為非消融區(qū)

Fig.7. Comparison of single threshold extraction results: comparison of the two images with the lowest extraction accuracy and the one with the highest extraction accuracy. a), b), c) are the TOA reflectance images; d), e), f) are the single threshold extraction results. Blue area is the ablation zone and black area is the non-ablation zone

3.2 達(dá)爾克冰川消融區(qū)季節(jié)性空間分布特征

利用ice采用單一閾值0.136自動提取的2016年9月—2017年3月達(dá)爾克冰川的消融區(qū)時空分布結(jié)果如圖8、9所示。從時間分布來看, 消融區(qū)面積呈現(xiàn)出較為明顯的季節(jié)特征(圖8), 消融區(qū)從9月份或之前開始出現(xiàn), 面積整體呈上升趨勢, 在南極的正夏1月份達(dá)到面積最大值, 之后消融區(qū)面積開始下降, 與中山站自動氣象站溫度數(shù)據(jù)變化趨勢基本一致。閾值提取的消融區(qū)面積, 12月份的4幅影像單一閾值提取的面積明顯大于最優(yōu)閾值提取的面積, 其余12幅影像單一閾值提取的面積則小于或約等于最優(yōu)閾值提取的面積。

消融區(qū)ice均值隨時間變化總體上呈現(xiàn)與消融面積相似的變化趨勢, 消融前期均值呈上升趨勢, 在2016年12月28日達(dá)到最大, 最大為0.119, 隨后均值下降, 呈現(xiàn)出明顯的季節(jié)性變化特征。這表明消融前期消融面積較小, 且ice均值較小, 隨著消融的發(fā)生, 消融面積與ice均值增大, 到1月份前后均達(dá)到最大值, 隨后消融面積與ice均值降低。消融發(fā)生的時間不晚于Landasat-8數(shù)據(jù)觀測到的最早時間(9月7日), 且此時氣象觀測數(shù)據(jù)顯示溫度低于零攝氏度。

從空間分布來看(圖9), 消融主要發(fā)生在冰蓋前緣, 由海岸線向內(nèi)擴(kuò)展的十幾公里內(nèi)。消融最早發(fā)生在坡度大的東部接地線處。消融持續(xù)時間最長的區(qū)域主要分布在東部接地線處以及冰架前端, 由表面紋理可以看出, 這兩處區(qū)域都覆蓋了大量表面裂隙, 表面粗糙度較其他處更大。

4 結(jié)論與討論

本文根據(jù)Landsat-8多光譜影像顯示出的干雪與消融區(qū)(藍(lán)冰、濕雪和融水)的光譜特征差異, 構(gòu)建了改進(jìn)的冰雪歸一化消融指數(shù)ice, 利用18期影像獲取了用于提取南極季節(jié)性消融區(qū)的ice閾值(0.136)。經(jīng)試驗證明, 摒棄太陽高度角度很低、陰影影響很大的一期數(shù)據(jù), 采用單一閾值0.136自動提取消融區(qū)的平均精度為81.5%, 最低精度為67.7%。另外, 本研究驗證樣本在隨機(jī)布點(diǎn)的基礎(chǔ)上, 考慮樣本均勻分布的同時, 特意保留了干雪驗證樣本陰影區(qū)等易發(fā)生誤分區(qū)域的覆蓋, 這會一定程度上造成精度的低估。因為閾值選取所用數(shù)據(jù)覆蓋了9月到次年4月份, 太陽高度角從7.49°到35.62°, 兼顧到消融季節(jié)光學(xué)數(shù)據(jù)的復(fù)雜性; 試驗數(shù)據(jù)18景, 樣本量具備統(tǒng)計學(xué)意義; 試驗樣本及驗證樣本均勻分布, 滿足試驗的隨機(jī)性。因此, 本文認(rèn)為在精度要求不高于80%時, 基于ice采用單一閾值0.136可用于整個南極冰蓋季節(jié)性消融區(qū)提取。消融區(qū)的錯分和漏分主要來自于陰影及云的影響, 存在一定程度的干雪陰影區(qū)被誤提為消融區(qū)像元的現(xiàn)象, 后續(xù)工作將增加云及陰影指數(shù), 最大程度降低云及陰影的影響, 從而進(jìn)一步提高提取精度。

圖8 消融區(qū)的季節(jié)變化特征. a)消融區(qū)面積隨時間變化曲線; b)消融區(qū)MNDWIice均值及標(biāo)準(zhǔn)差隨時間變化曲線

Fig.8. Characteristics of seasonal variation in ablation area. a) time-varying curves of ablation area; b) time varying curve of mean and standard deviation oficein ablation area

圖9 基于18期影像達(dá)爾克冰川消融季節(jié)變化. 圖例由左至右表示觀測到的發(fā)生融化的時間越來越早

Fig.9. Seasonal variation in the Dalk Glacier's ablation based on 18-stage images. From left to right, the figure shows that the observed melting time is getting earlier

消融區(qū)提取結(jié)果顯示, 達(dá)爾克冰川的消融呈現(xiàn)出明顯的季節(jié)分布, 隨著氣溫升高, 消融區(qū)面積呈現(xiàn)上升趨勢, 在1月份達(dá)到最大值, 說明太陽輻射很可能是達(dá)爾克冰川季節(jié)性表面消融的主導(dǎo)因素。早期的消融區(qū)主要分布在達(dá)爾克冰川的東部坡度較大的接地線區(qū), 很可能是坡度大加劇了下降風(fēng), 而下降風(fēng)的侵蝕會促使藍(lán)冰的形成并會帶走藍(lán)冰表面的降雪。藍(lán)冰的反照率低, 會加劇表面融化。消融持續(xù)時間最長區(qū)域為裂隙富集區(qū), 裂隙增加了表面粗糙度, 可能是消融發(fā)生的有利條件。由于研究僅局限于達(dá)爾克冰川區(qū)域且僅做了單年的分析, 要想獲取整個南極的消融特征, 需要更大范圍和更長時間序列的觀測。

1 ABRAM N J, MULVANEY R, WOLFF E W, et al. Acceleration of snow melt in an Antarctic Peninsula ice core during the twentieth century[J]. Nature Geoscience, 2013, 6(5): 404-411.

2 BELL R E, BANWELL A F, TRUSEL L D, et al. Antarctic surface hydrology and impacts on ice-sheet mass balance[J]. Nature Climate Change, 2018, 8(12): 1044-1052.

3 楊康. 格陵蘭冰蓋表面消融研究進(jìn)展[J]. 冰川凍土, 2013, 35(1): 101-109.

4 BELL R E, CHU W, KINGSLAKE J, et al. Antarctic ice shelf potentially stabilized by export of meltwater in surface river[J]. Nature, 2017, 544(7650): 344-348.

5 VAN DEN BROEKE M, REIJMER C, VAN DE WAL R. Surface radiation balance in Antarctica as measured with automatic weather stations[J]. Journal of Geophysical Research: Atmospheres, 2004, 109(D9): D09103.

6 SCAMBOS T A, HULBE C, FAHNESTOCK M, et al. The link between climate warming and break-up of ice shelves in the Antarctic Peninsula[J]. Journal of Glaciology, 2000, 46(154): 516-530.

7 HUI F M, KANG J, LIU Y, et al. AntarcticaLC2000: The new Antarctic land cover database for the year 2000[J]. Science China Earth Sciences, 2017, 60(4): 686-696.

8 LENAERTS J T M, LHERMITTE S, DREWS R, et al. Meltwater produced by wind–albedo interaction stored in an East Antarctic ice shelf[J]. Nature Climate Change, 2017, 7(1): 58-62.

9 LIU H X, WANG L, JEZEK K C. Spatiotemporal variations of snowmelt in Antarctica derived from satellite scanning multichannel microwave radiometer and Special Sensor Microwave Imager data (1978–2004)[J]. Journal of Geophysical Research:Atmospheres, 2006, 111(F1): F01003.

10 STEFFEN K. Surface energy exchange at the equilibrium line on the Greenland ice sheet during onset of melt[J]. Annals of Glaciology, 1995, 21: 13-18.

11 BINTANJA R, VAN DEN BROEKE M R. The surface energy balance of Antarctic snow and blue ice[J]. Journal of Applied Meteorology, 1995, 34(4): 902-926.

12 KASHIWASE H, OHSHIMA K I, NIHASHI S, et al. Evidence for ice-ocean albedo feedback in the Arctic Ocean shifting to a seasonal ice zone[J]. Scientific Reports, 2017, 7: 8170.

13 KUIPERS MUNNEKE P, LUCKMAN A J, BEVAN S L, et al. Intense winter surface melt on an Antarctic ice shelf[J]. Geophysical Research Letters, 2018, 45(15): 7615-7623.

14 CHEN A J, LI W P, LI W J, et al. An observational study of snow aging and the seasonal variation of snow albedo by using data from Col de Porte, France[J]. Chinese Science Bulletin, 2014, 59(34): 4881-4889.

15 ZWINGER T, MALM T, SCH?FER M, et al. Numerical simulations and observations of the role of katabatic winds in the creation and maintenance of Scharffenbergbotnen blue ice area, Antarctica[J]. The Cryosphere, 2015, 9(4): 1415-1426.

16 LIU H X, WANG L, JEZEK K C. Automated delineation of dry and melt snow zones in Antarctica using active and passive microwave observations from space[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(8): 2152-2163.

17 ABDALATI W, STEFFEN K. Greenland Ice Sheet melt extent: 1979-1999[J]. Journal of Geophysical Research: Atmospheres, 2001, 106(D24): 33983-33988.

18 JOSHI M, MERRY C J, JEZEK K C, et al. An edge detection technique to estimate melt duration, season and melt extent on the Greenland Ice Sheet using Passive Microwave Data[J]. Geophysical Research Letters, 2001, 28(18): 3497-3500.

19 LANGLEY E S, LEESON A A, STOKES C R, et al. Seasonal evolution of supraglacial lakes on an East Antarctic outlet glacier[J]. Geophysical Research Letters, 2016, 43(16): 8563-8571.

20 BEVAN S L, LUCKMAN A, HUBBARD B, et al. Centuries of intense surface melt on Larsen C Ice Shelf[J]. The Cryosphere, 2017, 11(6): 2743-2753.

21 LAMPKIN D J, VANDERBERG J. Supraglacial melt channel networks in the Jakobshavn Isbrae region during the 2007 melt season[J]. Hydrological Processes, 2014, 28(25): 6038-6053.

22 YANG K, SMITH L C. Supraglacial streams on the Greenland ice sheet delineated from combined spectral–shape information in high-resolution satellite imagery[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(4): 801-805.

23 LIANG L, GUO H, LI X. Analysis of spatio-temporal variation of snowmelt in Antarctica derived from microwave radiometer data[J]. Journal of Remote Sensing, 2013, 17(2): 423-438.

24 MOTE T L, ANDERSON M R. Variations in snowpack melt on the Greenland ice sheet based on passive-microwave measurements[J]. Journal of Glaciology, 1995, 41(137): 51-60.

25 NGHIEM S V, STEFFEN K, KWOK R, et al. Detection of snowmelt regions on the Greenland ice sheet using diurnal backscatter change[J]. Journal of Glaciology, 2001, 47(159): 539-547.

26 NAGLER T, ROTT H. Retrieval of wet snow by means of multitemporal SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(2): 754-765.

27 ROTSCHKY G, VIKHAMAR SCHULER T, HAARPAINTNER J, et al. Spatio-temporal variability of snowmelt across Svalbard during the period 2000–08 derived from QuikSCAT/SeaWinds scatterometry[J]. Polar Research, 2011, 30(1): 5963.

28 PANDAY P K, FREY K E, GHIMIRE B. Detection of the timing and duration of snowmelt in the Hindu Kush-Himalaya using QuikSCAT, 2000–2008[J]. Environmental Research Letters, 2011, 6(2): 024007.

29 ASHCRAFT I S, LONG D G. Comparison of methods for melt detection over Greenland using active and passive microwave measurements[J]. International Journal of Remote Sensing, 2006, 27(12/13/14):2469-2488.

30 BAGHDADI N, GAUTHIER Y, BERNIER M. Capability of multitemporal ERS-1 SAR data for wet-snow mapping[J]. Remote Sensing of Environment, 1997, 60(2): 174-186.

31 KOSKINEN J T, PULLIAINEN J T, HALLIKAINEN M T. The use of ERS-1 SAR data in snow melt monitoring[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3): 601-610.

32 NAGLER T, ROTT H, RIPPER E, et al. Advancements for snowmelt monitoring by means of sentinel-1 SAR[J]. Remote Sensing, 2016, 8(4): 348.

33 SMITH L C, CHU V W, YANG K, et al. Efficient meltwater drainage through supraglacial streams and Rivers on the southwest Greenland ice sheet[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(4): 1001-1006.

34 KINGSLAKE J, ELY J C, DAS I, et al. Widespread movement of meltwater onto and across Antarctic ice shelves[J]. Nature, 2017, 544(7650): 349-352.

35 HUI F M, CI T, CHENG X, et al. Mapping blue-ice areas in Antarctica using ETM+ and MODIS data[J]. Annals of Glaciology, 2014, 55(66): 129-137.

36 LIU Y, MOORE J C, CHENG X, et al. Ocean-driven thinning enhances iceberg calving and retreat of Antarctic ice shelves[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(11): 3263-3268.

37 JAWAK S D, LUIS A J. Applications of WorldView-2 satellite data for extraction of polar spatial information and DEM of Larsemann Hills, East Antarctica[C]//International Conference on Fuzzy Systems and Neural Computing, February 20, 2011, HongKong. [S.l.]: IEEE, c2011: 148-151.

38 KANG J, CHENG X, HUI F M, et al. An accurate and automated method for identifying and mapping exposed rock outcrop in Antarctica using landsat 8 images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(1): 57-67.

39 MCFEETERS S K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425-1432.

40 HE H, CHENG X, LI X L, et al. Aerial photography based census of Adélie Penguin and its application in CH4and N2O budget estimation in Victoria Land, Antarctic[J]. Scientific Reports, 2017, 7: 12942.

41 PERAZZI F, KRAHENBUHL P, PRITCH Y, et al. Saliency filters: Contrast based filtering for salient region detection[C]//2012 IEEE Conference on Computer Vision and Pattern Recognition, June 16-21, 2012, Providence, RI. [S.l.]: IEEE, c2012: 733-740.

EXTRACTION OF SEASONAL SURFACE ABLATION ZONES IN THE DALK GLACIER (ANTARCTICA) BASED ON LANDSAT-8 IMAGES

Qu Yutong1,2, Cheng Xiao1,2,3,4, Liu Yan1,2,4

(1State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science(GCESS), Beijing Normal University, Beijing 100875, China;2University Corporation for Polar Research (UCPR), Beijing 100875, China;3School of Geomatics Science and Technology, Sun Yat-sen University, Zhuhai 519082, China;4Southern Marine Science and Engineering Guangdong Laboratory, Zhuhai 519082, China)

Ice sheet surface ablation is a sensitive indicator of climate change and global warming. The melting of ice and snow will reduce the surface albedo and affect the global energy balance. Surface melt water will increase the propagation of cracks, reduce the stability of the ice shelf and affect the material balance of the ice sheet. At present, the lack of high-temporal resolution data on the distribution of ablation zones limits the in-depth exploration of the mechanism and spatial-temporal characteristics of Antarctic ice sheet ablation. Focusing on the research of the extraction of the large-scale ablation zone(blue ice, wet snow and melt water) of the Antarctic ice sheet, an automatic ablation zone extraction method based on theice(Modified Normalized Difference Water Index Adapted for Ice,) is proposed. Using Landsat-8 data with a resolution of 30 m at 18 scenes from September 2016 to April 2017, theicethreshold automatically extracted from the ablation zone was obtained, and the seasonal ablation information extraction and analysis with high spatial resolution were realized by taking the Dalk Glacier in the east Antarctic as an example. The results show that: Under the condition of less cloud and terrain shadow interference, theicecalculated based on the Landsat-8 reflectance data uses a single threshold (0.136) to extract the ablation zone with an accuracy of 67.7% —94.2%, and the average accuracy is 81.5 %; The ablation area of Dalk Glacier and the mean value oficein the ablation zone show obvious seasonal spatiotemporal changes; Ablation occurred no later than the earlier time of Landsat-8 data observation (September 7); Ablation first appeared and mainly occurred at the eastern ground line where the terrain dropped sharply.

Antarctica, Dalk Glacier, ablation,ice

2019年6月收到來稿, 2019年10月收到修改稿

國家重點(diǎn)研發(fā)計劃項目(2016YFA0600103)、國家自然科學(xué)基金(41830536, 41676176, 41676182, 41406211)和錢學(xué)森空間技術(shù)實驗室基金資助

璩榆桐, 女, 1995年生。碩士研究生, 主要從事極地冰蓋凍融研究。E-mail: qu.yt@foxmail.com

劉巖, E-mail: lyxixi_2003@163.com

10. 13679/j.jdyj.20190029