基于遥感图像的山地冰川识别方法对比

研究识别山地冰川面积对预测全球气候变化和洪水灾害具有重要意义。在总结国内外山地冰川识别方法的基础上,以各拉丹冬冰川及其周围冰川群作为研究对象,基于有关遥感数据对比分析了目前计算冰川面积的9种主要方法,包括比值法、雪盖指数法(NDSI)、非监督分类方法、监督分类方法、面向对象分类方法和神经网络分类方法,并基于混淆矩阵对这些分类方法进行了精度评价。结果表明:神经网络分类方法的总体分类精度为99.372%,比值法和NDSI的总体分类精度分别为99.370%和99.359%,最大似然分类方法、SVM分类方法和面向对象分类方法的总体分类精度均高于98%,最小距离分类方法的漏分率最高为34.51%,非监督分类方法的漏分率和错分率分别为11.07%和11.31%。试验结果表明:神经网络分类方法的整体冰川提取效果好,可以区分水体、积雪和冰;比值法和NDSI识别裸冰效果好,但无法区分水体和冰。最大似然分类方法、SVM和面向对象分类方法的整体冰川提取效果较好;最小距离分类方法容易将部分冰川区域漏分为非冰川区域;非监督分类方法容易错分冰川区和非冰川区。