自然资源部极地科学重点实验室极地多圈层研究团队在南极表面融水识别深度学习技术领域取得新进展
发布日期:2023-06-05 15:33:34
自然资源部极地科学重点实验室极地多圈层研究团队在南极表面融水识别深度学习技术领域取得新进展
在全球变暖背景下,极地冰盖/冰架的表面融化及其环境效应正日益引起广泛的关注。作为极区的一种特殊水文现象,表面融水的形成及其变化是冰盖对气候变化的反馈,也是冰盖表面消融的主要表现形式。对于南极冰盖来说,由于近地表气候过于寒冷,一般认为不会在夏季发生如格陵兰冰盖消融区那样的大范围持续性表面融化。在南极的大部分地区,表面融化是一个与温暖潮湿的空气平流过程相关的间歇性过程;而南极半岛比较特殊,那里相对温和的夏季气温能产生大范围的表面融化。表面融水主要通过以下三种途径影响南极冰盖的物质平衡:首先,表面融水通过裂缝排入冰盖或冰架底部,增强基底滑动和冰架底部融化,从而加快冰体流动,加剧冰盖的质量损失。此类现象在格陵兰冰盖较为普遍,在南极半岛也得到了证实;其次,融水在冰架表面形成径流,直接导致冰盖的质量损失;最后,融水在冰架表面汇聚成冰面湖,其填充和排水过程可能引发冰架崩解。在南极冰盖对全球气候变化影响的模拟研究中,尽管考虑到了表面融水的作用,然而由于忽略了表面融水的动态变化,使得模拟结果通常存在显著偏差。因此,量化南极表面大范围的融水年际分布差异,有助于提高数值模拟结果的准确性,进而厘清表面融水对南极冰盖的影响。
图1:带有注意力机制模块的U-Net模型的结构示意图。其中:a) 是模型的主要结构;b) 模型中注意力模块的结构;c) 和d) 分别描绘了模块中的通道注意力模块和空间注意力模块结构。四部分的关系在图中用虚线表示。
目前,基于遥感影像快速自动提取并量化南极表面水体是一项极富挑战的任务。刻画南极表面融水分布主要使用遥感卫星影像和归一化水体指数(NDWI)方法。然而,NDWI方法通常将雪泥、岩石、蓝冰和阴影等非水体特征识别为水体,因此对量化准确度有较大影响。最近,中国极地研究中心(中国极地研究所)(简称“极地中心”)自然资源部极地科学重点实验室极地冰盖多圈层相互作用与气候变化研究团队联合上海海洋大学信息学院张云教授团队,在地球科学和遥感领域期刊IEEE Transaction on Geoscience and Remote Sensing(IF=8.125,以下简称IEEE TGRS)上发表了基于深度学习方法进行南极表面融水快速自动识别的研究论文,并据此推断分析了2017-2022年Amery冰架表面融水的时空分布及其与气候变化要素的关系。
图2:深度学习模型对 Sentinel-2 图像(a, c, e, g)自动提取水体结果(b, d, f, h)
针对深度学习应用于南极表面水体识别的两个难点,即缺乏高质量标签数据集和选取合适的深度学习模型,该研究基于Sentinel-2多光谱卫星图像,使用NDWI及其人工修正的方法,建立了可信度较高的南极表面水体标签数据集。研究选择卷积神经网络U-Net模型,并针对Sentinel-2高时空分辨率的特点添加了带有注意力机制的相关模块(图1)。图2展示了从部分Sentinel-2图像进行表面水体自动提取的效果。提取结果表明,尽管这些位于Amery冰架不同位置的水体具有不同的形态,添加注意力机制模块的U-Net模型都能对其实现自动识别。例如,该模型既能对地形较为平坦区域的水体(图像背景干扰因素较少)进行提取,也能对细小密集的湖泊群(背景干扰相对较大)进行识别。U-Net对存在色差的拼接影像或表面起伏较大而空间分布又较为分散的影像也能进行较好地的水体提取。此外,相对于其他基于阈值法的水体提取方法,U-Net对岩石和水体的区分也更为准确。
图3:2017-2022年Amery冰架表面水体重现频率图
为了验证模型的可行性,该研究还针对测试数据集进行了验证。验证结果显示,U-Net提取水体平均准确率达到了0.9969。特别地,该研究还识别提取了2017-2022年连续6个年度Sentinel-2图像显示的Amery冰架区域表面水体,并对提取结果进行了分析。通过将六年间 1 月的 Amery 冰架表面水体识别结果进行叠加,按照像素值累加(“水”和“非水”像素的值分别定义为 1 和 0),得出2017-2022 年表面水体重现频率图,如图3 所示。重现频率最大值为 6(即2017-2022年6个年度的1月份都存在表面融水),最小值为0(即无融水)。经过分析发现,空间上,表面水体集中分布在 Amery 冰架 70-73°S 的内陆地区,占96%的表面水体集中在Amery冰架内陆地区;在距离Amery冰架接地线20 km以内的区域汇聚了93%的表面水体。时间上(图4),不同年份的表面水体面积变化较大,六年中的峰值出现在2017年,达到932.54 km2,最小值出现在2021年,只有58.34 km2。为了探究是哪些潜在因素影响Amery冰架表面水体的时空分布,该研究分析了六年间表面水体面积与南半球环状模(SAM)指数、温度、表面净辐射和降雪量等气候要素的关系。研究发现,表面融水面积与温度、降雪量显示了较强的相关性。当2017 年南极夏季的 SAM 指数处于负相位时,表面融水面积达到了六年间的峰值,2021 夏季的 SAM 指数处于正相位,表面融水面积达到最小值;表面融水的面积变化与反应南极气温变化的SAM 指数大致吻合,表明融水对温度变化的敏感性,它可能是南极对气候变化的一种响应。
图4:2017-2022年Amery冰架表面水体面积柱状图
上述IEEE TGRS论文第一作者为极地中心与上海海洋大学联合培养的硕士研究生牛立杭,通讯作者为极地中心、上海交通大学海洋学院(双聘)研究员唐学远。上海海洋大学信息学院张云教授与杨树瑚博士、中山大学测绘科学与技术学院郑雷副教授、同济大学与极地中心联合培养博士生王丽娟也参与了该项研究。该研究得到了国家自然科学基金(编号:42276257,41941006,41876230)等项目资助。
论文如下:
Lihang Niu, Xueyuan Tang*, Shuhu Yang, Yun Zhang, Lei Zheng and Lijuan Wang.Detection of Antarctic surface meltwater using Sentinel-2 remote sensing images via U-Net with attention blocks: A case study over the Amery Ice Shelf,IEEE Transactions on Geoscience and Remote Sensing,2023,DOI: 10.1109/TGRS.2023.3275076