一、文献情况介绍

博主一直在做冰湖提取方面的相关研究，偶然看到这篇文献，觉得还不错，特此写一篇文章记录并解读该文献。

这篇文献是2018年9月发表在IJRS上的一篇文章，文章针对受山体阴影影像的冰湖对象，提出了相应的提取算法。

International journal of remote sensing(IJRS)是SCI期刊，17-18年的影响因子为1.78，所属领域为“工程技术”。

文献的引用格式：

Junli Li, Timothy A. Warner, Yu Wang, Jie Bai & Anming Bao (2018): Mappingglacial lakes partially obscured by mountain shadows for time series and regional mappingapplications, International Journal of Remote Sensing, DOI: 10.1080/01431161.2018.1516314

文献的链接：

https://doi.org/10.1080/01431161.2018.1516314

文献的下载地址：

https://www.researchgate.net/publication/327783277_Mapping_glacial_lakes_partially_obscured_by_mountain_shadows_for_time_series_and_regional_mapping_applications

二、文章导读

冰湖信息的准确提取能够有效监测冰川的物质盈亏，而山体阴影与冰湖具有相似的光谱特性，往往影响冰湖的准确提取。针对这个问题，文章基于先前发表的冰湖提取方法GLILM (Glacial lake iterative local mapping)，对光谱影像进行log变换，并结合 ，来减弱阴影的影响。文章以中亚天山地区为实验区，实验的结果表明该方法能够有效提取山体阴影影响下的水体。

另外，作者也提到了该方法存在的问题：

Our method does not map fully shaded lakes, but in our experience, relatively few glacial lakes are completely shaded in satellite images during months when the water is not frozen.

即该方法对于阴影完全遮挡的冰湖无法处理，不过这类冰湖非常少。

三、实验过程介绍

1.概念解释——受阴影影响的冰湖

首先作者介绍了阴影的概念，阴影分为自阴影（self-shadows）和投射阴影（cast shadows），这两种阴影与冰湖的关系如下图所示：

文章主要关注投射阴影下的冰湖（即图中的Lake a）。作者给出了一些这类冰湖在遥感影像中的示意图：

作者通过文献得知，太阳高度角和阴影之间是存在一定关系的：

                                                            

                                                                  

                                                                             

                                                                          

这些公式不用理解，其中最关键的是：

即阴影长度在每年是呈周期性变化，因此对某一个冰湖进行时间序列分析，其6-12月的阴影变化如下：

2.文章贡献

首先该文章是基于局部冰湖提取算法而展开的，该方法具体可以参见文献：

李均力, 盛永伟, 骆剑承. 喜马拉雅山地区冰湖信息的遥感自动提取[J]. 遥感学报, 2011, 15(1): 29-43

或是参见我的博客：

https://blog.csdn.net/z704630835/article/details/81876680

该方法的思路是首先对全局冰湖进行粗提取，然后再粗提取的基础上，为每个冰湖建立缓冲区，每个缓冲区内冰湖和背景的NDWI分布符合双峰分布的特征，因此再利用双峰分布的方法对冰湖进行精确提取。

文章在此方法的基础上做了两点改进：

（1）log变换去阴影

去阴影的思路一般有两种，分别是地形校正和图像增强。地形校正常采用物理模型或者经验模型，图像增强常采用直方图变换，线性拉伸，非线性变换等方式。

均方根拉伸（Square Root Stretch，SRS）和log变换（Logarithmic Transformation，LT），这两种方法都能够扩大低范围亮度值而抑制高范围亮度值，从而达到减弱阴影的效果。

SRS and LT stretches are both direct grayscale transformations that expand low-range brightness values, and compress high-range brightness values (Russ 2002), and therefore are particularly appealing as potential transformations for dealing with shadows.

作者在实验的过程中发现log变换更有效一些，log变换的定义方式为：

                                                              

其中各项的定义如下：

下图为不同的图像增强方法处理冰湖，从（h）中可以看到，Log变换后，阴影覆盖下的冰湖变得非常清晰：

（2）修改的冰湖指数

前面说到log变换可以有效去除阴影的影像，据此，作者提出了能够去除阴影的冰湖指数，其定义为：

                                                              

其中，LT表示log变换； 表示反射率，blue表示转换TOA后的蓝色波段反射率，NIR表示转换TOA后的近红外波段反射率。TOA(top of atmosphere)指天顶反射率，也可以理解为入瞳处的反射率。

为了说明该指数优于传统的水体指数，作者进行了实验：

实验结果表明该方法处理后，这类阴影下的冰湖的NDWI分布可呈现出明显的双峰分布特点。

3.冰湖提取方法

实验的处理思路与“全局——局部”的冰湖提取算法类似，其流程图为：

具体实现细节：

（1）数据预处理（Data source and pre-processing）：关键为DN值转TOA

（2）阴影湖泊识别与非阴影湖泊的制图（Sunlit lake mapping and shaded lake identification with GLILM method）：关键是将阴影湖泊标记为half-lake

（3）Log变换去阴影（LT-based de-shading）

（4）阴影冰湖制图（Mapping of shaded glacial lakes with a local segmentation）

（5）后处理（Final glacial lake mapping）：合并两类冰湖的提取结果

作者使用Landsat TM影像（30m）进行实验，用SPOT-5（2.5m）进行验证，实验的精度达到了98%。

4.文章后续

当然，总的说来该方法还是比较简单的，仅凭这个方法是难以支撑一篇SCI容量，因此作者又加上了对地区的时间序列分析，这里不再多做介绍，直接上图，作者的试验区示意图：

作者的时间序列分析结果示意图：

结论（LTSLM指long time series lake mapping）：

Figure 16 illustrates how the LTSLM lake time series illuminates regional hydrologic trends. The LTSLM shows a trend of increasing annual total lake area (Figure 16(a)) and number of lakes (Figure 16(b)) over the last 27 years, and these trends are very similar to that of the reference data, despite LTSLM missing a small number of lakes each year, as documented in Table 2. The LTSLM lake areas show a linear correlation with the reference data, with a root-mean-square error (RMSE) of 5.7 ha, as shown in Figure 16(c).

四、小结

作为一篇标准的SCI论文，作者首先简要介绍了冰湖提取的重要性以及冰湖提取的难点——山体阴影的影响；作者针对这类问题，提出了新的冰湖提取方法；该方法在原有方法的基础上，进行了两处关键改进；作者用改进后的算法进行简单实验，并对结果进行精度分析；最后作者将该方法用于整个天山地区的时间序列分析，分析其变化趋势，并得到最终结论——该方法能过够有效用于大区域制图。

阅读更多