冰湖是自末次冰期以来,全球气候逐渐变暖,冰川融化退缩,由于冰川作用和气候作用所形成的一类湖泊。冰湖是高原地区重要的水资源,在高亚洲地区广泛分布,包括阿尔泰,天山,昆仑山,喜马拉雅山,藏东南等地区。近些年来,随着全球气候的变暖,导致冰湖面积扩张、数量骤增,其伴随的冰湖溃决灾害的发生频次及危害程度也逐渐增加,这对下游区域的居民生命安全和财产安全带来了极大威胁。因此,利用遥感影像准确提取冰湖信息,实时监测冰湖状态,评估冰湖的潜在溃决风险,是探究高亚洲地区气候变化与水资源响应之间的关系、开展冰湖防灾减灾工作的重要依据之一。自上世纪60年代以来,遥感技术不断发展,由于具有空间分辨率高,覆盖范围广,重访周期短,易于观测地表的特点,使得遥感技术在识别、提取、监测冰湖的研究中表现出巨大的潜力。由于遥感影像中冰湖间光谱特征差异较大且冰湖面积较小,同时冰湖发育区内存在与冰湖光谱相似的地物,目前仍缺乏有效大范围提取冰湖信息的方法,因此,本研究基于Landsat-8 OLI遥感影像,展开对冰湖提取算法的研究,包括冰湖提取的特征选择,对传统阈值分割算法和模糊聚类算法的优化,并提出了基于“全局——局部”思路的改进C-V模型(Chang-Vasse model)冰湖提取算法TSCV(threshold and simplified C-V model)。本研究通过对遥感影像中冰湖信息的提取算法进行研究,获得以下成果及结论:1.针对冰湖的常见特征,包括波段反射特征,水体指数NDWI(normalized difference water index)特征,变换特征等23个特征,利用随机森林和基于树的方法进行特征选择实验,并考虑到Landsat波段数据的通用性及特征之间的相关性,最终将NDWI1作为冰湖的水体指数特征,并用于后续的冰湖提取实验。2.对两类基于像素的方法——阈值分割法及模糊聚类法进行优化,并引入“全局——局部”的思路对冰湖进行提取。传统的单阈值分割法难以获得全局的单一有效阈值,本实验将最优阈值迭代法引入冰湖提取中,通过多次迭代来确定每个水体单元的最优阈值,以此提高图像分割精度;而由于模糊聚类法难以对每一个冰湖单元进行准确的类别划分,因此本研究将半监督模型的思路引入到模糊聚类算法当中,即利用少量标记样本辅助模糊聚类,以提高分类的精度。3.本研究在一种基于区域的模型——C-V模型中引入符号压力函数,并保留梯度项,以简化模型,减少运算量,与“全局——局部”的思路相结合,提出了一种系统化的冰湖提取算法TSCV。TSCV是一种基于区域的模型,能够根据区域内的统计特征,有效识别弱边界信息,对易与背景混淆的小冰湖(面积小于0.1km~2)具有较好的提取效果。另外,TSCV具有较强的抗噪性,对异质区域难以形成稳定轮廓,一些与冰湖有着相似光谱的地物,如山体阴影,冰川,噪声等,往往无法获得闭合曲线,因此TSCV可避免这类地物的干扰,进一步提高冰湖提取的精度。