喜马拉雅地区冰湖提取的一般流程——以ISODATA和K-means非监督分类方法为例

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)。