一、背景
偶然搜文献的时候看到了这一篇,这是一本书中的一个章节,就专门写一篇文章介绍一下。作者是来自印度理工的Jagadeesh Thati, Samit Ari, 和Kajal Agrawal,文章内容也比较简单,故直接介绍。
下载链接:Extraction of glacial lakes in the Himalayan region using landsat imagery - ScienceDirect
二、冰湖提取算法的发展情况
早期,主要是手动编译(manual delineation techniques);
接着是波段相除(Band ratio approaches),主要涉及的多光谱的green, NIR和SWIR;
最近,多使用面向对象法(object-based image analysis);
目前,神经网络方法和非监督分类方法(artificial neural networks and other supervised classification techniques)取得了更好的效果。
三、冰湖提取的具体流程
这里以一种非监督分类方法为例,即ISODATA,它的流程图如下所示:
输入的数据为Landsat-8 OLI图像数据,它的具体处理流程介绍如下:
(1)DN转TOA辐射
这里需要用到Landsat的头文件,找到里面的一些参数,具体计算公式如下,该步骤可以再ENVI中进行:
(2)DN转TOA反射
辐射转反射,首先通过头文件中的参数,可以得到未经太阳高度角改正的参数:
然后再利用太阳高度角得到反射的结果:
(3)利用暗目标去除法做大气校正
由于大气散射的作用,图像中的暗目标的反射率可能不是0,可以以暗目标为标准对图像做大气校正,具体的校正公式如下:
(4)区域裁剪(可选)
根据自己区域的大小,对影像进行裁剪处理。
(5)计算MNDWI,增强水体信息
不多介绍,直接给出MNDWI的计算公式:
(6)用K-means聚类方法来提取冰湖
K-means聚类算法已经很成熟了,这一步在ENVI中可以直接做,下面给出K-means的具体计算流程:
(7)用ISODATA聚类方法来提取冰湖
ISODATA也可以再ENVI中直接做,具体计算流程为:
四、实验结果
以Imja冰川为例,它周围冰湖提取结果的示意图如下:
具体的量化分析结果如下:
其中FA,K和OA分别表示false alarm (FA), Kappa (K) coefficient, and overall accuracy(OA)。