基于Landsat-8的南极蓝冰提取

韦屹程晓刘岩,4惠凤鸣璩榆桐,4

研究论文

基于Landsat-8的南极蓝冰提取

韦屹1程晓2,3,4刘岩1,4惠凤鸣2,3,4璩榆桐1,4

(1北京师范大学全球变化与地球系统科学研究院遥感科学国家重点实验室, 北京 100875;2中山大学测绘科学与技术学院, 广东 珠海 519082;3南方海洋科学与工程广东省实验室, 广东 珠海 519082;4中国高校极地联合研究中心, 北京 100875)

蓝冰是南极特殊的地表特征, 其低反照率影响着其所在区域乃至整个南极的能量平衡。蓝冰表面消融导致老旧冰层出露, 使其成为研究古气候理想场地。此外, 表面致密坚硬的蓝冰更是建立冰上机场的优选地址。本文提出了快速、有效、自动的蓝冰组合指数法, 将蓝冰指数与阴影指数进行结合来提取南极蓝冰分布。更新的蓝冰数据为南极表面能量平衡变化研究、古气候学研究和蓝冰机场选址提供了新的数据基础。我们利用蓝冰组合指数法对2017—2019年的940景Landsat-8数据进行批量处理, 获取南极82.5°S以北区域的蓝冰分布图, 并用2014年MODIS雪粒径数据获取82.5°S以南的蓝冰分布进行补充得到全南极蓝冰分布。结果表明, 基于Landsat-8的组合指数法南极蓝冰提取结果平均精度可达0.87, 与前人结果具有很好的空间一致性。全南极蓝冰面积为1.7×105km2, 91.4 %的蓝冰分布在东南极。南极蓝冰主要分布在内陆冰原岛峰、山区的裸岩附近以及近海岸的内陆区域, 其中, 60.4%分布在距离海岸线200 km以内的区域。

南极 蓝冰 Landsat-8 组合指数法

0 引言

南极蓝冰具有平坦、坚硬、波纹状的特征[1], 其反照率在0.55～0.66[2]之间, 低于雪(反照率约0.8); 吸收太阳的短波辐射量是雪的近两倍[1], 其表面以升华消融为主, 使得它的表面温度明显高于周围雪面(图1)。虽然蓝冰区面积仅占整个南极大陆约1%的面积[1,3], 但由于自身低反照率、表面升华消融的特性, 使蓝冰区成为了影响区域表面能量平衡、气候状况的因素; 此外, 作为冰川冰, 蓝冰较为致密坚硬, 且出露冰面的老旧, 对冰上机场建立[4-8]和古气候研究[4,9-12]具有重要意义, 因而受到科学家们的广泛关注[13-16]。进行全南极蓝冰覆盖范围的提取是研究蓝冰形成机理、变化趋势及其气候敏感性等研究的基础。

图1 南极蓝冰.图片引自Bintanja等[17]

Fig.1.Antarctic blue ice.Cited from Bintanja et al[17]

本文基于其光谱特性, 提出了南极蓝冰提取的组合指数法, 利用Landsat-8数据进行2017—2019年南极蓝冰分布提取, 并用MOA雪粒径产品对Landsat-8无法覆盖的南极区域进行补充, 获得了新的全南极蓝冰分布数据。新的南极蓝冰数据可以作为未来蓝冰发展趋势预测、南极表面能量平衡模型研究的基础数据, 同时可服务于古气候学和蓝冰机场选址。

1 研究数据

本研究选用2017—2019年期间覆盖南极82.5°S以北区域的、无云或少云(云量小于20%)的940景Landsat-8影像。夏季裸露蓝冰面积最大, 因此影像获取时间以南极夏季为主, 在夏季影像缺失、质量不佳的区域采用其他月份数据补充, 由影像季节差异造成的结果误差在选取试验区阈值中加以考虑。最终选取的影像在南极夏季(11月至次年1月)共762景, 南极春季(8月至10月)共105景、南极秋季(2月至4月)共73景(图2)。数据来自美国地质调查局(USGS)网站(https:// glovis.usgs.gov)。对于82.5°S以南Landsat-8数据无法覆盖的地区, 采用MOA雪粒径产品(2014)加以补充, 数据来自美国冰雪中心(http://nsidc.org)。

2 研究方法

由于南极地物覆盖类型较为单一, 本研究将南极地表覆盖划分为雪、蓝冰和裸岩。而在利用遥感影像进行地物判别的过程中, 需要考虑卫星在低太阳高度角成像时造成的阴影误差, 因此我们根据蓝冰呈蓝色、反照率低、近红外波段吸收强烈的特性, 利用蓝冰在蓝光波段反射率高、近红外反射率降低幅度大于其他地物, 通过波段归一化差值比法对蓝冰进行提取和确定。

2.1 基于Landsat-8影像的蓝冰提取

2.1.1 组合指数法

组合指数法是结合蓝冰指数和阴影指数对南极蓝冰进行提取的方法。其中, 蓝冰指数是基于蓝冰与其他地物在蓝光和近红外波段的地物光谱特性差异而通过归一化后获取的, 而阴影指数则依据地物光谱特性中的蓝光反射率的差异而得到的。

Brown和Scambos[24]证明了归一化冰雪指数NDSI (Normalized Difference Snow Index)可以用于蓝冰范围变化的长期监测。归一化冰雪指数是指绿光和近红外波段反射率之差与两者之和的比值。由于当时研究所用的遥感数据为Landsat-5, TM (Thematic Mapper)传感器的蓝光波段存在大气散射问题, 且MSS (Multispectral Scanner) 传感器图像中没有蓝光波段, 他们指出将方法中的绿光换成蓝光可以提升蓝冰的提取精度。随着遥感卫星技术的发展, Landsat-8弥补了蓝光波段的缺失, 璩瑜桐等[25]利用Landsat-8蓝光波段及近红外波段的归一化差值比进行东南极达尔克冰川季节性表面消融区的提取, 平均提取精度达81.5%, 他们在指数精度评估时选取的真值目标为消融区, 未区分消融区中的蓝冰、湿雪、融水。本文利用Landsat-8蓝光波段反射率blue及近红外波段反射率nir的归一化差值比进行蓝冰提取, 在精度评估时选择基于专家经验解译的蓝冰区作为真值区域, 因而根据提取目标的变更, 将其定义为归一化蓝冰指数(Normalized Difference Blue ice Index,)。

图2 研究采用的Landsat-8影像数据索引图

Fig.2.Index map of Landsat-8 image data

将归一化蓝冰指数提取蓝冰结果最佳时所对应的作为蓝冰提取的最优阈值blueice。大面积的蓝冰提取需要考虑阈值的普适性, 因此, 我们选取均匀分布在南极的多个试验区来得到不同的blueice, 通过加权平均来得到最终的蓝冰指数值, 用以进行蓝冰的大范围提取。影像云和阴影的影响会造成蓝冰区的错分和漏分[25]。我们通过选择无云、少云影像来减少由云带来的影响, 同时利用Landsat-8影像的阴影光谱特征[26-27]建立阴影指数[27-28]来去除阴影的影响。

2.1.2 蓝冰指数阈值的获取

（5）矿物标志: 铌钽矿主要呈块状、颗粒状、针状、片状等赋存于钠长石化、白云母化及长石石英颗粒较粗的伟晶岩中，根据勘查资料分析，块状、颗粒状、针状、片状铌钽矿物出现的地段，往往能形成较富的矿体，因此块状、颗粒状、针状、片状铌钽矿及电气石的出现是本区的直接找矿标志。

由于全南极影像受获取时间、成像时的大气因素、地形效果等因素的影响, 为了使提取方法具有更强的普适性, 需要综合考虑不同空间的影像成像效果对蓝冰提取阈值产生的影响。基于此, 我们借鉴了惠凤鸣等[22]的训练样本区选择, 确定了均匀分布在全南极14个试验区, 其空间分布情况如图3所示, 试验区影像信息如表1所示。

为确定每一个试验区的蓝冰提取最优阈值blueice, 本研究采用精度值法来进行分类结果评估, 用精确率(, Precision)和召回率(, Recall)两个度量值来进行精度评价, 精确率是提取出的实际正确信息占被认为提取正确信息的比率(用户精度), 召回率是提取出正确信息占总样本的比率(制图精度)。我们将目标像元分为四类:、、、。其中是指蓝冰区被正确提取为蓝冰区的像元数,是指非蓝冰区被正确提取为非蓝冰区的像元数,是指非蓝冰区被错提为蓝冰区的像元数,是指蓝冰区被错提为非蓝冰区的像元数。

图3 14景试验区空间分布图

Fig.3.Spatial distribution of 14 scene test areas

表1 14景试验区影像信息

、两者取值在0和1之间, 其值越接近1, 说明精度越高。我们通常希望两者结果同时越高越好, 但它们在某些情况下是矛盾的, 为此, 本研究引入了机器学习综合评价指标值法(- Measure), 对精确率和召回率进行加权调和平均。

值综合了精确率和召回率的结果, 当值较高时说明试验方法有效。其中参数的值取决于、的重要性, 由于本研究中蓝冰区的制图精度和用户精度同样重要, 因此定义=1。

试验选取的验证样本均为5×5个像元, 本研究基于专家经验的目视判别选取试验区影像中随机分布的40个蓝冰区验证样本、40个非蓝冰区验证样本, 通过值法来确定试验区最佳阈值。按表1中的试验区序号顺序, 将每一个试验区的取值范围为[0.01,0.4], 以0.001为步长, 分别计算不同的归一化蓝冰指数和分类结果的值, 获取样本区-值曲线, 并选取值达到最大值时的阈值为该区域蓝冰提取最优阈值blueice(图4)。

图4 试验区7影像阈值选取试验NDBI-F值曲线

Fig.4.Experiment of image threshold selection on Test Area 7

根据14个试验区得到不同的blueice值, 通过加权平均得到蓝冰指数:

blueice()为14个试验区的归一化蓝冰指数最优阈值,max()为每景影像最优阈值所对应的最大值。

2.2 基于MOA雪粒径影像的蓝冰提取

由于Landsat-8卫星无法覆盖南极洲82.5°S以南区域, 对于此部分缺失的数据利用MOA雪粒径(2014)数据进行补充, 借鉴Scambos等[21]的蓝冰提取方法, 认为雪粒径大于400 μm的区域为蓝冰区, 进行了蓝冰数据的补充提取。

本文利用Landsat- 8影像数据和MOA雪粒径数据进行全南极蓝冰提取。对于Landsat-8数据, 先将影像(Digital Number)值转换为大气表观反射率, 依据反射率计算试验区的归一化蓝冰指数, 然后依据14个试验区并结合样本目视解译结果, 确定各试验区的蓝冰提取最优阈值blueice, 再加权平均获取最终的蓝冰指数的唯一值, 最后结合蓝冰指数和阴影指数得到组合指数来对南极蓝冰进行大范围、批量的提取; 对于MOA雪粒径数据则利用雪粒径大小特征来获取蓝冰数据。具体的技术流程详见图5。

3 结果

3.1 基于组合指数法蓝冰提取结果的精度评估

14个试验区的蓝冰指数最优阈值blueice及其对应的值如图6a所示, 最终确定蓝冰指数为0.123。

在各试验区归一化蓝冰指数最佳阈值的精度验证中,max() 值高于70.3%, 均值为88.9%; 精确率高于57.0%, 均值为86.9%; 召回率高于85.8%, 均值为94.8%。而利用单一蓝冰指数> 0.123获取蓝冰精度验证中,max()值高于68.3%, 均值为85.6%; 精确率高于58.2%, 均值为81.7%; 召回率高于61.7%, 均值为91.7%。

同样地, 依据阴影与其他地物的光谱差异来确定, 我们综合考虑了南极不同地物实测真值[20, 22]、影像中不同地物的反射率对比[27,29]来确定蓝冰与阴影及其他地物在蓝光波段的差异, 并将蓝光波段反射率作为阴影指数, 参考惠凤鸣等、Tschudi等的经验[22,29]将阴影指数的阈值确定为> 0.8。基于此, 蓝冰提取的组合指数法为:> 0.123且> 0.8。

图5 全南极蓝冰分布获取技术流程图

Fig.5.Technical flow chart of acquisition of blue ice distribution across the Antarctic

Fig.6.Optimal blue ice index threshold and precision comparison.a) optimal blue ice index threshold and correspondingvalue in the test area; b) comparison diagram of blue ice extraction precision between the blue ice index and the blue ice combined index method

利用组合指数法对14景试验区进行蓝冰提取验证, 从精度验证结果来看(图6b), 平均精确率从单一蓝冰指数法的81.7%提升到了87.2%; 从目视判别验证来看(图7), 蓝冰组合指数法能够较好地去除云、阴影, 比仅用蓝冰指数法的提取结果准确度更高。

总体来看, 组合指数法不仅能够保证蓝冰提取的普适性, 而且一定程度上去除了影像的云、阴影, 保证了蓝冰提取结果的精度。

图7 试验区2的蓝冰提取目视判别验证.a)试验区影像, 显示方式为波段(7,5,2)对应(红绿蓝)标准差拉伸增强图像; b)黄色为单一蓝冰指数T法蓝冰提取结果; c)红色为组合指数法蓝冰提取结果; d),e),f)为试验区中A区域对应放大图

Fig.7.Visual discrimination verification of blue ice extraction from the test area 2.a) image of the test area, displayed as standard deviation enhanced images of bands (7,5,2) (red, green and blue); b) yellow areas are blue ice extraction results by the blue ice indexmethod; c) red areas are blue ice extraction results by the combined index method; d),e) and f) are the enlarged images corresponding to region A in the test area

3.2 基于组合指数法的南极蓝冰提取结果

运用蓝冰组合指数法对南极Landsat-8影像进行批处理, 最终得到南极蓝冰面积为1.434× 105km2, 利用MOA雪粒径数据计算出南极82.5°S以南分布面积为2.66×104km2的蓝冰。综上可见, 2017—2019年全南极蓝冰面积为1.7×105km2, 占南极洲总面积的1.21% (图8)。

整体上看, 本文得出的全南极蓝冰数据与Winther等[3]发表的结果[1.2(0.8%)×105～ 2.41(1.6%)×105km2]相符; 而与惠凤鸣等[22]蓝冰提取结果(2.345×105km2), 刘芮希[23]的全南极蓝冰分布数据(2.532×105km2)存在一定差距。根据分析, 我们认为, 这个差距是由于数据源、研究方法不一致带来的, 本研究所采用的Landsat-8数据比惠凤鸣等采用的Landsat-7和刘芮希所用的MODIS数据质量更高, Landsat-8 OLI包括了Landsat-7 ETM+传感器所有的波段, 并对波段进行了重新调整, 如第5波段(0.845～0.885 μm)排除了0.825 μm处水汽吸收特征, 且空间分辨率高于MODIS数据, 此外组合指数法能够对云、阴影进行一定程度的去除, 蓝冰提取精度更高, 得到的蓝冰面积小于他们的结果。从典型区域的蓝冰获取结果来看, 本研究提取到兰伯特冰川蓝冰面积为2.47×104km2, 而Yu等[18]对该区域的蓝冰提取结果为2.04×104km2。本文得到格罗夫山蓝冰面积为714.9 km2, 该数值与前人的结果相近: Scambos等[21]利用MODIS得到的这一区域蓝冰面积为745.3 km2, 鄂栋臣等[30]和惠凤鸣等[22]利用Landsat-7影像得到的格罗夫山蓝冰面积分别为601.9 km2、624.2 km2。在数据结果对比上, 本研究结果与前人研究结果基本相符, 具有较高可信度。

南极蓝冰在东南极分布较多, 主要集中在毛德皇后地、兰伯特冰川、维多利亚地和横贯山脉, 同时在东南极海岸附近区域也有出露, 面积达到1.554×105km2, 占全南极蓝冰总面积的91.4%; 而在西南极和南极半岛, 蓝冰则集中分布于近海岸区域, 其面积远小于东南极地区(表2)。

图8 全南极蓝冰提取结果图

Fig.8.Extraction results of blue ice on the Antarctic continent

表2 蓝冰提取结果对比表

通过对比发现, 本研究基于Landsat-8(2017—2019)和MOA雪粒径(2014)所得的蓝冰分布结果和惠凤鸣等基于Landsat-7(1999—2003)和MOA雪粒径(2003/04)的蓝冰结果(图9), 虽然各自采用的不同时期、不同影像、不同方法来提取蓝冰, 但蓝冰在全南极的分布位置基本吻合(如图9蓝色区域); 但不同区域的蓝冰出露情况、蓝冰的面积大小存在一定差异。蓝冰面积在东南极有所减少, 而在西南极和南极半岛的分布少量增加(表2); 全南极蓝冰分布面积减少了5.5×104km2, 不同年际的蓝冰分布差异也从侧面印证了蓝冰数据的更新对南极蓝冰研究来说是必要的。快速、便捷的蓝冰获取方法是数据更新的基础, 本研究提出的组合指数法能够基于Landsat-8数据快速、有效地对南极蓝冰进行获取, 可以作为今后蓝冰数据更新的简捷方式。

4 结论与讨论

本文基于蓝冰光谱特征, 提出了蓝冰提取的组合指数法, 利用2017—2019年的Landsat-8影像对南极蓝冰进行提取, 并利用MOA雪粒径数据获取南极地区82.5°S以南蓝冰进行数据补充, 最后得到了面积为1.7×105km2的全南极蓝冰分布数据(图10)。经试验证明, 在选取少云或无云、合适太阳高度角的影像数据时, 采用组合指数> 0.123、> 0.8进行蓝冰自动提取的精度可达87.2%。其中, 蓝冰指数的确定综合考虑了均匀分布在全南极的14个试验区的最优蓝冰指数阈值, 试验样本和验证样本均匀、随机分布, 试验结果可信度高。综上, 本文认为组合指数法能够简便而准确地获取南极蓝冰分布情况, 提取结果较单一阈值提取法更精确。

图9 蓝冰范围分布对比图

Fig.9.Comparison of blue ice range distribution

图10 南极蓝冰在裸岩、近海岸区域分布图

Fig.10.Distribution map of Antarctic blue ice on the exposed rock and near the coast

我们将所得的全南极蓝冰的分布情况与裸岩分布进行了对比, 如图10所示。其中, 裸岩分布采用南极研究科学委员会(Scientific Committee on Antarctic Research, SCAR)管理和维护的南极数字数据库(Antarctic Digital Database, ADD)中基于Landsat-8 影像自动提取的裸岩数据(http:// www.add.scar.org/)。我们可以看到蓝冰分布与裸岩分布相邻度较高, 表明蓝冰多出现在裸岩出露的冰原岛峰区域或山区, 这是由于凛冽的狂风让岛峰或山区附近蓝冰表面的雪无法堆积, 即狂风为山地区域蓝冰的出露提供了条件[1]。另一方面, 从海岸线至内陆200 km的这一区域占全南极面积的26.18%, 而该区域的蓝冰占全南极蓝冰的60.41%, 可见蓝冰在近海岸区域分布较广。这是因为近海岸区域消融明显, 消融会带来局部温度的升高, 有利于促使蓝冰表面升华消融的发生, 对蓝冰的出露有正反馈作用。

本研究主要利用了Landsat-8光学影像数据。虽然尽量选择无云、少云的卫星影像进行蓝冰提取, 但南极半岛区域等沿海区域受云影响较大, 且海岸附近区域消融情况发生概率高, 融水、湿雪、融池等地物在光谱上也呈蓝色, 由此降低了目视判别精度, 对提取结果造成一定的误差。未来开展更精细的南极蓝冰提取, 需要进一步参考更加详实的实地考察所得的南极地物光谱数据, 以此为基础对蓝冰进行更深入的光谱特征研究, 进而得到更准确的全南极蓝冰分类, 为蓝冰对南极区域气候、表面能量平衡的进一步研究提供更夯实的数据基础。

1 BINTANJA R.On the glaciological, meteorological, and climatological significance of Antarctic blue ice areas[J].Reviews of Geophysics, 1999, 37(3): 337-359.

2 WARREN S G, BRANDT R E.Comment on “Snowball Earth: A thin-ice solution with flowing sea glaciers” by David Pollard and James F.Kasting[J].Journal of Geophysical Research: Atmospheres, 2006, 111(C9): C09016.

3 WINTHER J G, JESPERSEN M N, LISTON G E.Blue-ice areas in Antarctica derived from NOAA AVHRR satellite data[J].Journal of Glaciology, 2001, 47(157): 325-334.

4 SINISALO A, MOORE J C.Antarctic blue ice areas—Towards extracting palaeoclimate information[J].Antarctic Science, 2010, 22(2): 99-115.

5 SWITHINBANK C.Ice runways in the Heritage Range, Antarctica [M].Annals of Glaciology, 1987, 14: 211-215.

6 MELLOR M, SWITHINBANK C.Airfields on Antarctic glacier ice [R].Hanover, United States: Cold Regions Research and Engineering Lab, 1989: 89-121.

7 SWITHINBANK C.Potential airfield sites in Antarctica for wheeled aircraft [R].Hanover, United States: Cold Regions Research and Engineering Lab, 1991: 91-124

8 CASASSA G, RIVERA A, ACUÑA C, et al.Elevation change and ice flow at Horseshoe Valley, Patriot Hills, West Antarctica[J].Annals of Glaciology, 2004, 39: 20-28.

9 SINISALO A.Geophysical exploration of Antarctic blue ice areas for paleoclimate applications[J].Anthropologist, 2007, 14(2):141-148.

10 POPP T, SOWERS T, DUNBAR N, et al.Radioisotopically dated climate record spanning the last interglacial in ice from Mount Moulton, West Antarctica [C].Proceedings of the AGU Fall Meeting Abstracts, 2004.

11 CUSTER S E.Eemian record of18Oatmand CH4correlated to the Vostok EGT4 timescale from the Moulton Blue Ice Field, West Antaretica [D].State College: Pennsylvania State University, 2006: 1-46.

12 SINISALO A, GRINSTED A, MOORE J.Dynamics of the Scharffenbergbotnen blue-ice area, Dronning Maud Land, Antarctica[J].Annals of Glaciology, 2004, 39: 417-422.

13 BINTANJA R, VAN DEN BROEKE M R.The climate sensitivity of Antarctic blue-ice areas[J].Annals of Glaciology, 1995, 21: 157-161.

14 BINTANJA R, JONSSON S, KNAP W H.The annual cycle of the surface energy balance of Antarctic blue ice[J].Journal of Geophysical Research: Atmospheres, 1997, 102(D2): 1867-1881.

15 BINTANJA R.Surface heat budget of Antarctic snow and blue ice: Interpretation of spatial and temporal variability[J].Journal of Geophysical Research: Atmospheres, 2000, 105(D19): 24387-24407.

16 VAN DEN BROEKE M R, BINTANJA R.Summertime atmospheric circulation in the vicinity of a blue ice area in Queen Maud Land, Antarctica[J].Boundary-Layer Meteorology, 1995, 72(4): 411-438.

17 BINTANJA R, REIJMER C H, HULSCHER S J M H.Detailed observations of the rippled surface of Antarctic blue-ice areas[J].Journal of Glaciology, 2001, 47(158): 387-396.

18 YU J, LIU H X, WANG L, et al.Blue ice areas and their topographical properties in the Lambert glacier, Amery Iceshelf system using Landsat ETM+, ICESat laser altimetry and ASTER GDEM data[J].Antarctic Science, 2012, 24(1): 95-110.

19 JAWAK S D, LUIS A J.Application of high-resolution multispectral data for mapping blue ice areas in the Antarctic environment[C]//Khanbilvardi R, Ganju A, Rajawat A S (Editors).Proc SPIE 9877, 2016, 9877: 346-354.DOI: 10.1117/12.2222770.

20 LUIS A L, PANDIT P H, JAWAK S D.Extraction of blue ice area using albedo value derived from Landsat-8 satellite data[J].The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, XLII-5: 549-552.

21 SCAMBOS T A, HARAN T M, FAHNESTOCK M A, et al.MODIS-based Mosaic of Antarctica (MOA) data sets: Continent-wide surface morphology and snow grain size[J].Remote Sensing of Environment, 2007, 111(2-3): 242-257.

22 HUI F M, CI T, CHENG X, et al.Mapping blue-ice areas in Antarctica using ETM+ and MODIS data[J].Annals of Glaciology, 2014, 55(66): 129-137.

23 刘芮希.基于多源遥感数据的南极蓝冰和冰面湖变化监测[D].武汉: 武汉大学, 2018: 16-26.

24 BROWN I C, SCAMBOS T A.Satellite monitoring of blue-ice extent near Byrd Glacier, Antarctica[J].Annals of Glaciology, 2004, 39: 223-230.

25 璩榆桐, 程晓, 刘岩.基于Landsat-8的东南极达尔克冰川季节性表面消融信息提取[J].极地研究, 2020, 32(2): 164-176.

26 NI Y, HE G, JIANG W.A novel method of cloud and shadow extraction with multi-temporal Landsat8 OLI images[J].The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2017, XLII-2/W7: 1301-1305.

27 季漩, 陈云芳, 罗贤, 等.Landsat 8 OLI影像的高原山地阴影区冰川识别方法[J].光谱学与光谱分析, 2018, 38(12): 3857-3863.

28 康婧, 程晓, 刘岩, 等.南极地区Landsat8卫星影像的阴影检测方法[J].北京师范大学学报(自然科学版), 2017, 53(2): 187-193.

29 TSCHUDI M A, MASLANIK J A, PEROVICH D K.Derivation of melt pond coverage on Arctic sea ice using MODIS observations[J].Remote Sensing of Environment, 2008, 112(5): 2605-2614.

30 鄂栋臣, 张辛, 王泽民, 等.利用卫星影像进行南极格罗夫山蓝冰变化监测[J].武汉大学学报(信息科学版), 2011, 36(9): 1009-1011.

Extraction of Antarctic blue ice based on Landsat-8 imagery

Wei Yi1, Cheng Xiao2,3,4, Liu Yan1,4, Hui Fengming2,3,4, Qu Yutong1,4

(1State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science (GCESS), Beijing Normal University, Beijing 100875, China;2School of Geospatial Engineering and Science, Sun Yat-sen University, Zhuhai 519082, China;3Southern Marine Science and Engineering Guangdong Laboratory, Zhuhai 519082, China;4University Corporation for Polar Research (UCPR), Beijing 100875, China)

Blue ice, a special surface feature of Antarctica, plays an important role in affecting the energy balance at regional to continental scales owing to its low albedo.Its surface ablation leads to the exposure of old ice, making the blue ice an ideal site for paleoclimate study.In addition, blue ice areas are the preferred landing areas for aircrafts because of its high density and hardness.In this study, we propose a rapid, effective, and automatic blue ice extraction method based on a combined index.Using Landsat-8 imagery, we combined the blue ice index and shadow index to derive the Antarctic blue ice distribution.These updated Antarctic blue ice data provide a new resource for studying the Antarctic surface energy balance, paleoclimatology, and selecting blue ice airport sites.We extracted the blue ice locations north of 82.5°S on the Antarctic from 940 scenes of Landsat-8 imagery between 2017 and 2019, while the blue ice locations south of 82.5°S on the Antarctic were extracted from MODIS snow particle size data from 2014.These data were used to map the blue ice distribution over the whole of Antarctica.Results showed that using Landsat-8 imagery, the average accuracy of the blue ice combined index method reached 0.87.The resulting blue ice distribution on the Antarctic is spatially consistent with previous results.The total area of Antarctic blue ice is about 1.7 ×105km2, 91.4% of which occurs in East Antarctica.Blue ice areas mainly exist near exposed nunataks or mountains, as well as coastal areas.About 60.4% of the Antarctic blue ice occurs within the inland from its coastline to 200 km southward.

Antarctic, blue ice, Landsat-8, combined index method

2021年1月收到来稿, 2021年3月收到修改稿

韦屹, 女, 1995年生。硕士研究生, 主要从事南极蓝冰研究。E-mail: wee_37@163.com

程晓, E-mail: Chengxiao9@mail.sysu.edu.cn

10.13679/j.jdyj.20210003