冰川相分类自动化：泛欧样本的基准数据集与深度学习基线

《Science of Remote Sensing》：Automating glacier facies classification: Benchmark dataset and deep learning baseline from pan-European sample

　　

面向欧洲的冰川相（glacier facies）自动化分类研究构建了迄今最大的欧洲冰川相数据集：涵盖8个类别、137 000余个标签和31条冰川。采用置信学习（confident learning）后，总体和类别层面分别最多可清除16%和29%的模糊标签。一个简单的基线卷积神经网络（convolutional neural network, CNN）取得了82%的宏平均F1分数（macro-F1）。由此生成的冰川相产品与表面物质平衡（surface mass balance, SMB）显著相关（r = 0.65–0.79）。

论文解读

**1. 研究背景与目标**

冰川是气候变化最敏感的标志之一，其面积和物质平衡变化被视作全球变暖的明确证据。在欧洲，冰川区域受局地气候、地形和地质条件的影响呈多样化特征，监测冰川对认识区域水资源、海平面上升贡献以及冰川湖溃决洪水等灾害风险具有重要意义。冰川相（glacier facies）指冰川表面具有不同积雪和冰性质的空间分区，其分布可反映积累与消融过程。冰川雪盖图是物质平衡研究的重要输入，常被用于雪线高度（snowline altitude, SLA）法、积累区比率（accumulation area ratio, AAR）法以及雪盖面积-高程与表面物质平衡（surface mass balance, SMB）的关系建模。粒雪（firn）变化与SMB长期趋势相关，附加冰（superimposed ice）会延缓物质平衡对增温的响应，表碛（debris）和冰面湖则控制辐射传输和消融速率。因此，系统测绘这些类别对于改进冰川SMB模型具有重要价值。

目前，基于光学影像的冰川相识别仍面临挑战：湿雪、粒雪和裸冰在原始影像中光谱相似，细小过渡难以划界。虽然卷积神经网络（convolutional neural network, CNN）已被用于亚区域尺度的冰川相分类，但现有研究多聚焦单一类别，依赖有限且未公开的数据集，缺乏对未见过冰川或区域迁移能力的严格测试，也缺少可公开获取的大规模基准。为填补这一空白，该研究构建了覆盖泛欧样本的最大冰川相光学代理数据集，并提供简单CNN基线模型，以推动自动化冰川相制图的发展。

**2. 研究方法概述**

研究以31条冰川（分布于比利牛斯山、阿尔卑斯、斯堪的纳维亚、冰岛和斯瓦尔巴）的Landsat 5/7/8/9和Sentinel-2光学影像为数据源，结合哥白尼数字高程模型（Copernicus DEM）派生的高程、坡度、山体阴影、阴影掩膜和距边界距离；冰川轮廓来自全球陆地冰空间测量（GLIMS）数据库并经人工或GlaViTU修正。三位冰川学家在92幅场景中人工标注137 592个点，共8个类别（冰、雪、粒雪、似再冻结冰、表碛、阴影、水、云）。技术路线采用类VGG CNN和焦点损失（focal loss），通过嵌套交叉验证获得样本外预测，用置信学习清理标签，并用核岭回归校准预测置信度；最后以世界冰川监测服务处（WGMS）的SMB记录进行线性回归一致性检验。

**3. 主要研究结果**

**3.1 分类性能与置信学习效果**

在四种特征组合中，包含光学、高程、坡度、阴影掩膜、山体阴影和距边界距离的完整特征集在未剪枝原始测试数据上取得最高的宏平均F1分数（74%）；相比未使用置信学习的模型，各类别F1分数提升约0–24%。在置信学习剪枝后的评估中，简单基线CNN的宏平均F1分数达82%，总体准确率为98%。混淆矩阵显示，冰、雪、表碛、粒雪和阴影类别分类精度较高；常见混淆包括雪与粒雪、粒雪与冰、冰与似再冻结冰，水易与暗色目标或似再冻结冰混淆，云则易被归入云层下可见的类别。

**3.2 分区与传感器稳健性**

按区域和传感器分别评估后，F1分数与样本量呈中等正相关（r_s = 0.52, p ? 0.01；r_s = 0.41, p = 0.0169）。冰川级宏平均F1分数为82.3% ± 10.5%。样本量充足的区域和传感器均表现稳定（F1分数 ≥ 74%），说明模型无需针对特定冰川调整即可迁移到不同环境。

**3.3 预测置信度校准**

通过核岭回归将原始自置信度映射到观测精度后，整体期望校准误差（expected calibration error, ECE₁₀₀）从11.6%降至4.0%。对冰、雪、表碛和阴影的校准误差较为满意（5.6%–6.7%）；粒雪、似再冻结冰、水和云的校准误差仍超过10%。校准后的置信度可用于标识低置信区域并辅助质量控制。

**3.4 定性结果评估与失效模式**

定性评估显示，预测图与专家标注在整体空间格局上高度一致，高不确定性集中在雪-粒雪和粒雪-冰过渡带。两个典型失效案例为：Langjokull 2000场景中大量雪被预测为粒雪，论文推测可能与影像异常辐射、表面粉尘沉积或原始标签不一致有关，且这些标签大多被置信学习剪除；Adler 2011场景中，新雪覆盖使不同表面光谱趋同，模型产生了雪、粒雪和冰的混合预测。

**3.5 分类产品的时间变异性**

多日期场景显示，分类所得的雪区变化与同年观测的SMB一致。Kesselwand F的雪线高度从2000年到2015年逐渐升高，对应更负的SMB和减少的雪盖；Kronebreen和Engabreen在雪线较低、雪盖较广的年份，SMB负值较轻。Corbassiere的Sentinel-2与Landsat 8相差一天获取的影像产生了几乎相同的冰川相空间分布，雪线高度分别为3322.5 m和3352.5 m，表明分类流程在不同光学传感器之间具有良好一致性。

**3.6 表面物质平衡一致性检验**

以CNN提取特征驱动的全局线性模型重建SMB，与WGMS实测值的Pearson相关系数为r = 0.65，均方根误差（RMSE）为0.60 m w.e.；按单冰川分别标定模型后，相关性提升至r = 0.79，RMSE降至0.28 m w.e.。该结果表明，自动生成的冰川相图可作为SMB估计的有效输入；但论文强调，该实验属于示例性外部一致性检验，并非完整的SMB反演。

**4. 讨论与结论**

讨论部分指出，模型稳健性依赖数据可用性；样本量与F1分数正相关，扩充数据集是合理的后续方向。由于标签本质上是由光学影像推断的表面类别代理，雪-粒雪、粒雪-冰边界存在固有模糊性，即使经过专家交叉检查和置信学习，标签噪声仍难以完全消除。置信学习作为数据中心的AI方法，