一、文獻情況介紹

博主一直在做冰湖提取方面的相關研究，偶然看到這篇文獻，覺得還不錯，特此寫一篇文章記錄並解讀該文獻。

這篇文獻是2018年9月發表在IJRS上的一篇文章，文章針對受山體陰影影像的冰湖物件，提出了相應的提取演算法。

International journal of remote sensing(IJRS)是SCI期刊，17-18年的影響因子為1.78，所屬領域為“工程技術”。

文獻的引用格式：

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

文獻的連結：

https://doi.org/10.1080/01431161.2018.1516314

文獻的下載地址：

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

二、文章導讀

冰湖資訊的準確提取能夠有效監測冰川的物質盈虧，而山體陰影與冰湖具有相似的光譜特性，往往影響冰湖的準確提取。針對這個問題，文章基於先前發表的冰湖提取方法GLILM (Glacial lake iterative local mapping)，對光譜影像進行log變換，並結合

另外，作者也提到了該方法存在的問題：

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.

即該方法對於陰影完全遮擋的冰湖無法處理，不過這類冰湖非常少。

三、實驗過程介紹

1.概念解釋——受陰影影響的冰湖

首先作者介紹了陰影的概念，陰影分為自陰影（self-shadows）和投射陰影（cast shadows），這兩種陰影與冰湖的關係如下圖所示：

文章主要關注投射陰影下的冰湖（即圖中的Lake a）。作者給出了一些這類冰湖在遙感影像中的示意圖：

作者通過文獻得知，太陽高度角和陰影之間是存在一定關係的：

這些公式不用理解，其中最關鍵的是：

即陰影長度在每年是呈週期性變化，因此對某一個冰湖進行時間序列分析，其6-12月的陰影變化如下：

2.文章貢獻

首先該文章是基於區域性冰湖提取演算法而展開的，該方法具體可以參見文獻：

李均力, 盛永偉, 駱劍承. 喜馬拉雅山地區冰湖資訊的遙感自動提取[J]. 遙感學報, 2011, 15(1): 29-43

或是參見我的部落格：

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

該方法的思路是首先對全域性冰湖進行粗提取，然後再粗提取的基礎上，為每個冰湖建立緩衝區，每個緩衝區內冰湖和背景的NDWI分佈符合雙峰分佈的特徵，因此再利用雙峰分佈的方法對冰湖進行精確提取。

文章在此方法的基礎上做了兩點改進：

（1）log變換去陰影

去陰影的思路一般有兩種，分別是地形校正和影象增強。地形校正常採用物理模型或者經驗模型，影象增強常採用直方圖變換，線性拉伸，非線性變換等方式。

均方根拉伸（Square Root Stretch，SRS）和log變換（Logarithmic Transformation，LT），這兩種方法都能夠擴大低範圍亮度值而抑制高範圍亮度值，從而達到減弱陰影的效果。

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.

作者在實驗的過程中發現log變換更有效一些，log變換的定義方式為：

其中各項的定義如下：

下圖為不同的影象增強方法處理冰湖，從（h）中可以看到，Log變換後，陰影覆蓋下的冰湖變得非常清晰：

（2）修改的冰湖指數

前面說到log變換可以有效去除陰影的影像，據此，作者提出了能夠去除陰影的冰湖指數，其定義為：

其中，LT表示log變換；表示反射率，blue表示轉換TOA後的藍色波段反射率，NIR表示轉換TOA後的近紅外波段反射率。TOA(top of atmosphere)指天頂反射率，也可以理解為入瞳處的反射率。

為了說明該指數優於傳統的水體指數，作者進行了實驗：

實驗結果表明該方法處理後，這類陰影下的冰湖的NDWI分佈可呈現出明顯的雙峰分佈特點。

3.冰湖提取方法

實驗的處理思路與“全域性——區域性”的冰湖提取演算法類似，其流程圖為：

具體實現細節：

（1）資料預處理（Data source and pre-processing）：關鍵為DN值轉TOA

（2）陰影湖泊識別與非陰影湖泊的製圖（Sunlit lake mapping and shaded lake identification with GLILM method）：關鍵是將陰影湖泊標記為half-lake

（3）Log變換去陰影（LT-based de-shading）

（4）陰影冰湖製圖（Mapping of shaded glacial lakes with a local segmentation）

（5）後處理（Final glacial lake mapping）：合併兩類冰湖的提取結果

作者使用Landsat TM影像（30m）進行實驗，用SPOT-5（2.5m）進行驗證，實驗的精度達到了98%。

4.文章後續

當然，總的說來該方法還是比較簡單的，僅憑這個方法是難以支撐一篇SCI容量，因此作者又加上了對地區的時間序列分析，這裡不再多做介紹，直接上圖，作者的試驗區示意圖：

作者的時間序列分析結果示意圖：

結論（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、小結

作為一篇標準的SCI論文，作者首先簡要介紹了冰湖提取的重要性以及冰湖提取的難點——山體陰影的影響；作者針對這類問題，提出了新的冰湖提取方法；該方法在原有方法的基礎上，進行了兩處關鍵改進；作者用改進後的演算法進行簡單實驗，並對結果進行精度分析；最後作者將該方法用於整個天山地區的時間序列分析，分析其變化趨勢，並得到最終結論——該方法能過夠有效用於大區域製圖。