论文部分内容阅读
山地冰川不仅是重要的气候指示器,还是地球上最大的淡水资源库。我国拥有世界上面积最大的山地冰川。进入20世纪以来,在气候日益变暖的背景下,全球冰川面临退缩消融的状态,这引发了全世界对其的关注。冰川退缩消融,随之衍生冰崩、冰川跃动、冰川泥石流、冰湖溃决等一系列次生冰川灾害,严重威胁着附近及中下游居民的人身和财产安全。由于山地冰川地形崎岖、海拔高、气候条件恶劣,无法进行大面积的冰川变化实地调查。遥感因其数据日益丰富、可获得性强、价格低廉成为研究冰川变化必不可少的手段。如何处理大量遥感影像数据和准确获取遥感影像中的地物信息是利用遥感影像的关键任务。利用深度学习可以快速对遥感图像目标进行识别,加快遥感图像处理效率,快速准确地处理大量数据。ENVI深度学习模块的发行为深度学习在遥感影像领域的广泛应用打开了大门。本文以祁连山地区、喀喇昆仑山地区以及念青唐古拉山为研究区,通过资料收集、数据处理等手段,分析研究区冰川分布特征,分别使用比值法、雪盖指数法、传统监督分类方法的神经网络法、最大似然法以及ENVI深度学习等多种冰川提取方法对研究区进行冰川信息提取。本文的主要研究内容概括如下:(1)阐述了传统冰川提取方法如比值法、雪盖指数法、传统监督分类方法的最大似然法以及神经网络法的原理、应用及其存在问题。(2)利用ENVI深度学习方法对研究区进行遥感影像冰川提取应用研究。围绕训练模型参数以及ROI样本集的构建建立一系列对照试验,探讨ENVI深度学习模型在冰川自动提取中的最佳参数模型以及ROI构建方法,实验证明了ENVI深度学习方法在提取冰川研究中的可行性。(3)将ENVI深度学习方法得到的分类图像与传统冰川提取方法得到遥感图像进行对比分析,得出ENVI深度学习方法相对于其他冰川提取方法的优势和劣势。针对ENVI深度学习方法中存在的问题提出改进的措施和建议。