面向?qū)ο?改進(jìn)冰雪指數(shù)法消除冰湖干擾提取冰川邊界的優(yōu)越性分析
——以各拉丹冬冰川為例

楊 佳， 薛莎莎， 蘇永恒， 任慶福

（1.航天宏圖信息技術(shù)股份有限公司，北京 100195；2.上海宏圖空間網(wǎng)絡(luò)科技有限公司，上海 201702）

0 引言

全球氣候變化是當(dāng)今世界各國(guó)關(guān)注的焦點(diǎn)問(wèn)題，世界氣象組織（World Meteorological Organization，WMO）在《2020年全球氣候狀況報(bào)告》中指出，2020年全球氣候變化進(jìn)一步惡化，隨著全球氣溫的升高、冰川融化退縮、海平面上升，對(duì)社會(huì)經(jīng)濟(jì)發(fā)展及生態(tài)系統(tǒng)造成嚴(yán)重影響［1］。冰川作為其重要指標(biāo)器，是全球氣候變化的研究熱點(diǎn)［2］。冰川消融不僅會(huì)造成海平面上升，而且會(huì)在內(nèi)陸引起冰崩、冰湖潰決等災(zāi)害，這對(duì)區(qū)域生態(tài)環(huán)境以及人類(lèi)社會(huì)生活均會(huì)造成巨大影響［3］，因而實(shí)時(shí)監(jiān)測(cè)冰川范圍變化具有重要意義［4］。冰川范圍監(jiān)測(cè)的傳統(tǒng)研究方法需要進(jìn)行野外考察，外業(yè)調(diào)查的方法對(duì)冰川局部范圍變化的精確分析具有一定優(yōu)勢(shì)，但存在監(jiān)測(cè)范圍較小、耗時(shí)費(fèi)力等問(wèn)題。遙感數(shù)據(jù)具有時(shí)間連續(xù)，空間覆蓋廣，數(shù)據(jù)獲取方便等特點(diǎn)，基于遙感數(shù)據(jù)監(jiān)測(cè)冰川一定程度上彌補(bǔ)了傳統(tǒng)方法的不足［5］。

基于光學(xué)影像的常規(guī)遙感監(jiān)測(cè)方法主要包括冰雪指數(shù)閾值法［6］以及特征分類(lèi)法［7］。冰雪指數(shù)閾值法基于冰雪在可見(jiàn)光波段的高反射率和近紅外波段的低反射率，進(jìn)行波段組合以及閾值設(shè)定獲取冰川范圍信息，具有簡(jiǎn)易、快速、相對(duì)準(zhǔn)確的優(yōu)勢(shì)，在冰川監(jiān)測(cè)中得到廣泛應(yīng)用［8］。Huang等［9］使用“多時(shí)態(tài)最小NDSI復(fù)合法”實(shí)現(xiàn)了清潔冰川和非季節(jié)性積雪的提取，對(duì)于NDSI指數(shù)閾值法無(wú)法直接區(qū)分冰川與冰湖的問(wèn)題，使用湖泊邊界數(shù)據(jù)集對(duì)研究區(qū)影像進(jìn)行湖泊掩膜處理，從而消除了冰湖對(duì)提取結(jié)果的影響；季漩等［10］提出增強(qiáng)型雪被指數(shù)（ENDSI）提取了崗加曲巴冰川山體陰影區(qū)的冰川范圍；劉凱等［11］通過(guò)比值閾值法和目視解譯法提取冰川邊界，分析了1993—2015年喀喇昆侖山努布拉流域的冰川變化特征。以上冰雪指數(shù)閾值法的應(yīng)用，從結(jié)果而言均實(shí)現(xiàn)了冰川范圍提取，但未能從根本上解決冰雪指數(shù)閾值法無(wú)法直接區(qū)分冰川與冰湖的問(wèn)題。特征分類(lèi)法主要包括監(jiān)督分類(lèi)、非監(jiān)督分類(lèi)、面向?qū)ο蠓诸?lèi)、機(jī)器學(xué)習(xí)分類(lèi)。Aniya等［12］通過(guò)非監(jiān)督分類(lèi)方法提取Patagonia冰原的冰川信息；彥立利等［13］基于面向?qū)ο蟮姆诸?lèi)方法對(duì)瑪納斯河上游區(qū)域的冰川及常年積雪進(jìn)行邊界提??；王忠武等［14］提出一種上下文感知深度學(xué)習(xí)語(yǔ)義分割網(wǎng)絡(luò)法消除了冰湖及山體陰影的影響完成了冰川范圍提取。以上特征分類(lèi)法的應(yīng)用，同樣實(shí)現(xiàn)了冰川范圍提取，但仍普遍存在同譜異物現(xiàn)象。為解決以上常規(guī)遙感監(jiān)測(cè)方法存在的問(wèn)題，本文以L(fǎng)andsat-8數(shù)據(jù)為基礎(chǔ)，根據(jù)冰雪的光敏波段以及OLI（operational land imager）傳感器的波段特征構(gòu)建可區(qū)分冰川、冰湖的改進(jìn)冰雪指數(shù)，然后在此基礎(chǔ)上將改進(jìn)冰雪指數(shù)融入面向?qū)ο蠓诸?lèi)法中提出面向?qū)ο?改進(jìn)冰雪指數(shù)法。以各拉丹冬冰川作為試驗(yàn)區(qū)，運(yùn)用此方法識(shí)別冰川邊界，并將此區(qū)域的青藏高原冰川數(shù)據(jù)產(chǎn)品及常規(guī)遙感監(jiān)測(cè)方法提取結(jié)果作為參考數(shù)據(jù)，驗(yàn)證方法的有效性和穩(wěn)健性。

1 研究區(qū)與數(shù)據(jù)

各拉丹冬冰川位于青海省格爾木市唐古拉山鎮(zhèn)，屬于內(nèi)陸高寒地區(qū)，地理位置為33°00′～33°40′N(xiāo)、90°45′～91°20′E［15］，東西寬約30 km，南北長(zhǎng)約50 km。該地區(qū)常年氣溫在0℃以下，年降水量?jī)H200 mm，且90%集中在5—9月［16］。唐古拉山境內(nèi)有現(xiàn)代冰川1 530條，總面積約2 313 km［17］，各拉丹冬冰川群是其中最大的冰川群。各拉丹冬冰川群中有三個(gè)較大冰川群［18］（圖1），其冰川融水是長(zhǎng)江源頭重要的補(bǔ)給來(lái)源，本研究以這三個(gè)冰川群為研究對(duì)象。

圖1 研究區(qū)位置及冰川分布Fig.1 Location and glacier distribution of the study area

本研究的基礎(chǔ)數(shù)據(jù)為L(zhǎng)andsat-8 OLI數(shù)據(jù)、青藏高原2017年冰川數(shù)據(jù)產(chǎn)品——TPG2017。它來(lái)自國(guó)家青藏高原科學(xué)數(shù)據(jù)中心（http：//data.tpdc.ac.cn/zh-hans/），此數(shù)據(jù)集是基于2017年的Landsat-8 OLI數(shù)據(jù)，通過(guò)目視解譯法獲得的冰川范圍數(shù)據(jù)產(chǎn)品。

Landsat-8數(shù)據(jù)來(lái)自USGS（https：//earthexplorer.usgs.gov/），Landsat-8 OLI傳感器與Landsat-7 ETM+傳感器的波段相比新增了海藍(lán)波段（433～453 nm）以及短波紅外波段（2 100～2 300 nm）。Landsat-8影像基于以下幾個(gè)方面進(jìn)行篩選：①影像時(shí)間各拉丹冬冰川為夏季積累型冰川，影像獲取時(shí)間應(yīng)處于或接近于冰川的消融末期；②影像質(zhì)量研究區(qū)夏秋兩季降水較多，云遮擋無(wú)法避免，篩選云量較少的影像；③山體陰影影響太陽(yáng)高度角大較時(shí)，山體陰影較小，因而盡量選擇太陽(yáng)高度角大的影像。綜合以上，選取2017年10月7日的一景Landsat-8數(shù)據(jù)（條帶號(hào)為138/37）作為試驗(yàn)數(shù)據(jù)，該影像云量?jī)H為0.25%，太陽(yáng)高度角達(dá)47.5°影像質(zhì)量較好，滿(mǎn)足研究需求。

2 原理與方法

2.1 光譜分析

遙感影像中的冰川信息主要是通過(guò)冰川表層積雪的光譜特性及其差異來(lái)反映，不同光譜通道獲取到的冰川信息與冰川表層積雪的特征狀態(tài)（融雪狀態(tài)、雪粒徑）密切相關(guān)。不同融雪狀態(tài)下冰雪的光譜曲線(xiàn)［圖2（a）］存在明顯差異，隨著融雪程度的加深，冰雪中含水量增多，冰雪反射率不斷降低，光譜曲線(xiàn)走勢(shì)也趨于平緩；不同粒徑冰雪的光譜曲線(xiàn)［圖2（b）］隨著雪粒徑增大，反射率降低。

圖2 冰雪光譜曲線(xiàn)Fig.2 Spectral curve of ice and snow：different snow melting conditions（a）and different particle sizes（b）

冰雪在不同的特征狀態(tài)下，光譜曲線(xiàn)存在不同，但其“峰—谷”總體變化趨勢(shì)表現(xiàn)一致，同時(shí)具有明顯的共性特征：①隨著波長(zhǎng)的增加，冰雪反射率整體呈下降趨勢(shì)，在藍(lán)光波段出現(xiàn)峰值，近紅外長(zhǎng)波波段出現(xiàn)谷底；②在可見(jiàn)光波段（390～780 nm），冰雪反射率整體較高且相對(duì)穩(wěn)定，在藍(lán)光波段出現(xiàn)峰值，且隨波長(zhǎng)的增長(zhǎng)逐漸降低；③在近紅外短波波段（780～1 100 nm），冰雪反射率逐漸降低；④在近紅外長(zhǎng)波波段（1 100～2 526 nm），冰雪反射率急劇下降，尤其在水的吸收帶（1 400 nm、1 940 nm）反射率降至谷底。

由冰雪光譜曲線(xiàn)的共性特征可知冰川在藍(lán)光波段具有強(qiáng)反射特性，近紅外長(zhǎng)波波段具有強(qiáng)吸收特性。冰雪和水體在近紅外長(zhǎng)波波段反射率差別較大，特別是在1 100～2 500 nm波段，I類(lèi)水體反射率很低幾乎趨近于0；由此可基于藍(lán)光波段和近紅外長(zhǎng)波波段區(qū)分冰川、冰湖。

2.2 Landsat-8冰川識(shí)別指標(biāo)

冰川遙感識(shí)別指標(biāo)多為綠波段和短波紅外波段構(gòu)建的冰雪指數(shù)，此冰雪指數(shù)一定程度上可以提取冰川范圍，但是仍存在地物錯(cuò)分問(wèn)題，尤其是難以區(qū)分冰川和冰湖。由2.1節(jié)光譜曲線(xiàn)特征分析可知，冰川識(shí)別的遙感敏感波段為藍(lán)光波段和近紅外長(zhǎng)波波段，這兩個(gè)波段可明顯區(qū)分冰川、冰湖，本研究依此構(gòu)建改進(jìn)冰雪指數(shù)。

以L(fǎng)andsat-8為數(shù)據(jù)源，根據(jù)OLI傳感器各波段的光譜范圍，將ρCoastal、ρSWIR1分別作為藍(lán)波段、近紅外長(zhǎng)波波段。對(duì)于冰川范圍的提取，僅用個(gè)別波段或多個(gè)波段數(shù)據(jù)的對(duì)比分析來(lái)提取冰川邊界具有一定的局限性，因此選用波段組合的方式（減、除、線(xiàn)性組合），獲得對(duì)冰川狀態(tài)信息具有表征意義的數(shù)值，由此提出如下三種改進(jìn)的冰雪指數(shù)（表1）。

表1 改進(jìn)的冰雪指數(shù)Table 1 The improved ice and snow indexes

2.3 特征分類(lèi)

基于規(guī)則的面向?qū)ο蠓诸?lèi)法是通過(guò)影像分割將影像分為若干同質(zhì)性像元組成的影像對(duì)象，然后將影像對(duì)象作為分析單元，綜合分析其光譜特征、紋理特征形成對(duì)象特征知識(shí)庫(kù)，最后在此基礎(chǔ)上進(jìn)行目標(biāo)信息的提取。此方法在高海拔區(qū)域的冰川識(shí)別方面較傳統(tǒng)分類(lèi)方法精度更高［19］。采用基于規(guī)則的面向?qū)ο蠓诸?lèi)法對(duì)冰雪指數(shù)閾值法進(jìn)行優(yōu)化和綜合即面向?qū)ο?改進(jìn)冰雪指數(shù)法，進(jìn)一步明確冰湖和冰川的邊界，精確提取冰川范圍。

面向?qū)ο?改進(jìn)冰雪指數(shù)法技術(shù)流程（圖3）如下：對(duì)預(yù)處理后的Landsat-8數(shù)據(jù)使用三種改進(jìn)冰雪指數(shù)（RSI、NDSI*、DSI）分別提取冰川范圍，篩選出最優(yōu)的冰雪指數(shù)影像，并將其與多光譜影像進(jìn)行波段合成構(gòu)建冰川特征影像，然后結(jié)合紋理和光譜等規(guī)則，提取冰川范圍信息。

圖3 面向?qū)ο?改進(jìn)冰雪指數(shù)法技術(shù)流程Fig.3 Technical flowchart of the object-oriented-improved ice and snow index method

3 數(shù)據(jù)處理與結(jié)果分析

3.1 冰川特征影像

本研究使用的Landsat-8影像數(shù)據(jù)級(jí)別為L(zhǎng)1T，經(jīng)過(guò)了系統(tǒng)輻射校正和地面控制點(diǎn)幾何校正，并且完成了數(shù)字高程模型（DEM）校正處理。因此在數(shù)據(jù)預(yù)處理過(guò)程中，僅需進(jìn)行輻射定標(biāo)、大氣校正等處理。本研究使用PIE-Basic6.0軟件對(duì)Landsat-8 OLI影像進(jìn)行預(yù)處理，消除大氣和光照等因素對(duì)地物反射的影響，提高影像質(zhì)量。預(yù)處理后，為了方便展開(kāi)對(duì)各拉丹冬冰川范圍的識(shí)別，對(duì)影像進(jìn)行了裁剪，保留研究區(qū)內(nèi)較大的三條冰川及其周邊區(qū)域，然后進(jìn)行冰雪指數(shù)閾值提取，并將提取結(jié)果與原始影像疊加對(duì)比，通過(guò)人機(jī)交互的方式確定三種冰雪指數(shù)的閾值取值范圍。根據(jù)以往研究經(jīng)驗(yàn)，在各指數(shù)閾值范圍內(nèi)，以0.05為間隔，目視解譯原始影像冰川范圍與冰雪指數(shù)提取結(jié)果的重疊度，獲得各冰雪指數(shù)最優(yōu)提取結(jié)果（圖4）。

圖4 冰雪指數(shù)提取結(jié)果Fig.4 Extraction results based on ice and snow indexes：original image（a），extraction results of RSI（b），extraction results of NDSI*（c）and extraction results of DSI（d）

對(duì)比分析提取結(jié)果發(fā)現(xiàn)，三種指數(shù)均可很好地區(qū)分云和冰川，但是在冰川與冰湖的識(shí)別上，DSI提取結(jié)果明顯優(yōu)于其他。為了進(jìn)一步評(píng)價(jià)提取結(jié)果精度，將三種冰雪指數(shù)提取結(jié)果分別與TPG2017進(jìn)行對(duì)比，以漏分誤差、總體精度為指標(biāo)，篩選最優(yōu)冰雪指數(shù)影像。各冰雪指數(shù)提取結(jié)果的精度如表2所示。

表2 冰雪指數(shù)提取結(jié)果的精度Table 2 Accuracy of extraction results based on ice and snow indexes

綜合以上，DSI冰雪指數(shù)不但可區(qū)分冰川和云以及冰湖，而且提取結(jié)果總體精度最高，因而選擇其作為最優(yōu)冰雪指數(shù)提取結(jié)果。對(duì)經(jīng)大氣校正后的Landsat-8數(shù)據(jù)使用Band4、Band3、Band2進(jìn)行波段合成處理形成多光譜影像，然后將其與DSI冰雪指數(shù)影像再次進(jìn)行波段合成，獲得冰川特征影像。

3.2 冰川提取

采用面向?qū)ο?改進(jìn)冰雪指數(shù)法，將DSI冰雪指數(shù)影像和多光譜影像進(jìn)行波段合成構(gòu)建特征影像，根據(jù)特征影像的波段特征，劃分到不同的規(guī)則下并建立規(guī)則屬性，然后各自設(shè)置合適的閾值范圍，獲得最優(yōu)的冰川提取結(jié)果。面向?qū)ο?改進(jìn)冰雪指數(shù)冰川提取的過(guò)程如下。

3.2.1 創(chuàng)建影像對(duì)象

創(chuàng)建影像對(duì)象的過(guò)程包括影像分割和合并。冰川在遙感影像中與其背景環(huán)境差異顯著，因而采用邊緣檢測(cè)分割算法，基于影像中相鄰區(qū)域像元的光譜、紋理特征，調(diào)整分割參數(shù)實(shí)現(xiàn)不同尺度影像對(duì)象邊界的分割，從而產(chǎn)生由細(xì)到粗的多尺度分割結(jié)果。影像分割時(shí)，一個(gè)特征對(duì)象可能會(huì)被分成很多個(gè)部分，合并算法可解決這個(gè)問(wèn)題，冰川像元具有連續(xù)性、紋理性較強(qiáng)的特征，所以采用Full Lambda Schedule算法［20］進(jìn)行合并。分割合并參數(shù)閾值的設(shè)定，對(duì)冰川對(duì)象內(nèi)部的差異性以及冰川對(duì)象與其他地物類(lèi)別之間的異質(zhì)性均存在較大影響［21］，如表3所示進(jìn)行多次試驗(yàn)，結(jié)果如圖5所示。當(dāng)冰川對(duì)象邊界清晰，影像對(duì)象不破碎且不包括其他類(lèi)別地物時(shí)，確定最優(yōu)組合分割合并閾值組合（70，98）。

圖5 影像分割結(jié)果Fig.5 Image segmentation results：Combination 1（a），Combination 2（b），Combination 3（c）and Combination 4（d）

表3 分割合并算法的閾值組合Table 3 Threshold combination of segmentation and merge algorithm

3.2.2 特征提取

根據(jù)特征影像的波段特征，在不同的規(guī)則下建立規(guī)則屬性［22］，多光譜影像數(shù)據(jù)集中的藍(lán)波段在Texture規(guī)則下構(gòu)建Texture Range屬性，DSI冰雪指數(shù)波段在Spectral規(guī)則下構(gòu)建Spectral Mean規(guī)則屬性，然后在此基礎(chǔ)上各自設(shè)置合適的閾值范圍（表4），從而獲得最優(yōu)的冰川提取結(jié)果。

表4 屬性閾值范圍Table 4 Attribute threshold range

3.2.3 結(jié)果對(duì)比分析

將TPG2017冰川數(shù)據(jù)產(chǎn)品作為參考，對(duì)比分析面向?qū)ο?改進(jìn)冰雪指數(shù)法的冰川提取結(jié)果。結(jié)果表明，面向?qū)ο?改進(jìn)冰雪指數(shù)法的總體精度高達(dá)97.26%，漏分誤差為2.74%（表5），將二者疊加在原始影像上［圖6（a）］，可直觀(guān)看到在冰川邊界細(xì)節(jié)的識(shí)別上，面向?qū)ο?改進(jìn)冰雪指數(shù)法提取結(jié)果更為精準(zhǔn)。

表5 冰川提取結(jié)果的精度Table 5 Accuracy of glacier extraction results

圖6 冰川提取結(jié)果對(duì)比Fig.6 Comparison of glacier extraction results between the object-oriented-improved ice and snow index method with TPG2017（a）and conventional remote sensing methods（b）

將面向?qū)ο?改進(jìn)冰雪指數(shù)法冰川提取結(jié)果與NDSI閾值法以及面向?qū)ο蠓诸?lèi)法的冰川提取結(jié)果相對(duì)比［圖6（b）］，與NDSI閾值法相比，面向?qū)ο?改進(jìn)冰雪指數(shù)法的提取結(jié)果，很好地區(qū)分了冰川與冰湖，冰川邊界較為平滑，邊界細(xì)節(jié)部分的識(shí)別也更為準(zhǔn)確，零星分布的碎片化區(qū)域更少，冰川范圍提取結(jié)果的總體精度提高了0.12%；與面向?qū)ο蠓诸?lèi)冰川提取結(jié)果相比，面向?qū)ο?改進(jìn)冰雪指數(shù)法可以更好地區(qū)分云與冰川，總體精度提高了0.38%。

面向?qū)ο?改進(jìn)冰雪指數(shù)法綜合了改進(jìn)冰雪指數(shù)和面向?qū)ο蠓诸?lèi)法的優(yōu)點(diǎn)，同時(shí)也彌補(bǔ)了傳統(tǒng)遙感監(jiān)測(cè)方法的不足，與傳統(tǒng)冰雪指數(shù)閾值法相比，此方法精準(zhǔn)地識(shí)別了冰川與冰湖的邊界，并解決冰雪指數(shù)閾值法難以識(shí)別的“胡椒鹽效應(yīng)”，實(shí)現(xiàn)冰川邊界的精確提?。慌c面向?qū)ο蠓诸?lèi)的方法相比，此方法一定程度上解決了面向?qū)ο蠓诸?lèi)法同譜異物的問(wèn)題。

4 結(jié)論

針對(duì)傳統(tǒng)遙感監(jiān)測(cè)方法存在的地物錯(cuò)分、同譜異物問(wèn)題，本研究分析冰雪光譜特征提出改進(jìn)冰雪指數(shù)，并以L(fǎng)andsat-8影像為基礎(chǔ)數(shù)據(jù)，采用面向?qū)ο?改進(jìn)冰雪指數(shù)法提取各拉丹冬冰川范圍，然后將提取結(jié)果分別與青藏高原2017年冰川數(shù)據(jù)產(chǎn)品、NDSI閾值法提取結(jié)果、面向?qū)ο蠓诸?lèi)法提取結(jié)果進(jìn)行對(duì)比分析，結(jié)論如下：

（1）冰雪在藍(lán)光波段具有強(qiáng)反射特性，在近紅外長(zhǎng)波波段具有強(qiáng)吸收特性，這兩個(gè)波段為冰川識(shí)別的敏感波段，其不僅對(duì)冰川具有較高的辨識(shí)度，而且在區(qū)分冰川與冰湖方面也有明顯效果。分析Landsat-8 OLI傳感器的波段特征，其冰川敏感波段為Coastal波段、SWIR1波段。

（2）針對(duì)Landsat-8數(shù)據(jù)的冰川敏感波段提出了三種改進(jìn)冰雪指數(shù)RSI、NDSI*、DSI。以各拉丹冬冰川為試驗(yàn)區(qū)，基于三種改進(jìn)冰雪指數(shù)提取冰川范圍，并將提取結(jié)果分別與青藏高原2017年冰川數(shù)據(jù)產(chǎn)品進(jìn)行對(duì)比分析，結(jié)果表明三種冰雪指數(shù)均很好地提取了冰川邊界，提取精度均達(dá)到95%以上，在易混淆地物識(shí)別方面，三種指數(shù)均可區(qū)分云和冰川，但是在冰川與冰湖的區(qū)別上，DSI冰雪指數(shù)明顯優(yōu)于其他。

（3）采用面向?qū)ο?改進(jìn)冰雪指數(shù)法提取各拉丹冬冰川范圍，提取結(jié)果的總體精度高達(dá)97.26%，與傳統(tǒng)NDSI閾值法、面向?qū)ο蠓诸?lèi)法提取結(jié)果相比精度均獲得一定的提高。此方法綜合了冰雪指數(shù)閾值提取法和面向?qū)ο蠓诸?lèi)法的優(yōu)點(diǎn)，彌補(bǔ)了二者的缺陷，更為精確地識(shí)別了冰川邊界。

（4）面向?qū)ο?改進(jìn)冰雪指數(shù)法一定程度上解決了冰川提取過(guò)程中同譜異物的問(wèn)題，特別是對(duì)于冰湖與冰川的區(qū)分。但仍存在一些不足，本研究原始數(shù)據(jù)篩選的是冰川消融末期且太陽(yáng)高度角較高的影像，對(duì)冰川區(qū)和非冰川區(qū)積雪難以區(qū)分的現(xiàn)象以及陰影區(qū)冰川難識(shí)別的問(wèn)題未作詳細(xì)考慮。后續(xù)，針對(duì)以上不足，擬采用多源遙感數(shù)據(jù)（高分辨率影像、DEM等），融合多元冰川特征指標(biāo)，進(jìn)一步完善面向?qū)ο?改進(jìn)冰雪指數(shù)法，力求從根本上解決潔凈冰川分類(lèi)的難點(diǎn)問(wèn)題。