天山位于亚欧大陆中部，是现代冰川的主要分布区之一，该地区冰川融水形成了数量多且分布广泛的冰湖。冰湖是气候变化的重要指示器，也是中国西北干旱与半干旱地区重要的地表水及地下水供给来源。由于地形因素和地物光谱特征的影响，使用单一的水体指数进行遥感影像的冰湖提取时，难以较好地区分出冰湖、山体阴影和积雪。本研究以天山地区为研究区，基于Google Earth Engine云平台，以Landsat 8遥感影像为数据源，根据冰湖的空间位置（缓冲区范围）、地形特征（坡度、高程）以及光谱特征，构建了冰湖决策树提取方法，并与NDWI（归一化水体指数）、MNDWI（改进的归一化水体指数）阈值法进行了精度比较。结果表明：决策树法能够有效减小山体阴影和积雪影响，更有效地提取冰湖信息，提取结果总体精度为89.14%,Kappa系数为0.783,F1分数为87.85%。结合了空间位置、地形特征和光谱特征的决策树方法为冰湖的动态监测与研究分析提供了一种较为高效的提取方法。

天山位于亚欧大陆中部，是现代冰川的主要分布区之一，该地区冰川融水形成了数量多且分布广泛的冰湖。冰湖是气候变化的重要指示器，也是中国西北干旱与半干旱地区重要的地表水及地下水供给来源。由于地形因素和地物光谱特征的影响，使用单一的水体指数进行遥感影像的冰湖提取时，难以较好地区分出冰湖、山体阴影和积雪。本研究以天山地区为研究区，基于Google Earth Engine云平台，以Landsat 8遥感影像为数据源，根据冰湖的空间位置（缓冲区范围）、地形特征（坡度、高程）以及光谱特征，构建了冰湖决策树提取方法，并与NDWI（归一化水体指数）、MNDWI（改进的归一化水体指数）阈值法进行了精度比较。结果表明：决策树法能够有效减小山体阴影和积雪影响，更有效地提取冰湖信息，提取结果总体精度为89.14%,Kappa系数为0.783,F1分数为87.85%。结合了空间位置、地形特征和光谱特征的决策树方法为冰湖的动态监测与研究分析提供了一种较为高效的提取方法。

冰湖是气候变化的重要指示器，在全球变暖的背景下，冰湖的持续监测对区域水资源管理以及高山地区防灾减灾具有重要意义。受冰川消融和气候影响，冰湖边界会发生季节性和年际变化。已有冰湖制图的研究，往往要首先确定遥感影像上每个冰湖的位置，然后获取其精细边界。近年来，不同区域的冰湖编目数据日益增加，提供了大量的冰湖历史边界。对这些位置已知的冰湖进行监测只需提取其当前边界，而历史边界可以作为冰湖迭代边界的起点，从而加速冰湖编目数据的更新。本研究以喜马拉雅山脉成像条件较好的488个冰湖和受积雪、冰冻、云、山体阴影影响的80个冰湖作为研究对象，将前者按照面积大小分成3类，基于1990年冰湖编目数据提供的历史边界信息，对比了人工阈值法、OTSU阈值法、U-NET、双峰迭代法、OTSU迭代法和C-V迭代法在2014年后Landsat-8 OLI影像上的冰湖提取结果。结果表明：OTSU迭代法、C-V迭代法能有效利用冰湖缓冲区内的统计信息，取得的F1分数高达88.89%和89.30%，显著优于人工阈值法、OTSU阈值法和双峰迭代法，也能较完整地提取冰冻状态和云覆盖的冰湖；对于积雪覆盖下的冰湖，C-V迭代法的提取精...

冰湖是气候变化的重要指示器，在全球变暖的背景下，冰湖的持续监测对区域水资源管理以及高山地区防灾减灾具有重要意义。受冰川消融和气候影响，冰湖边界会发生季节性和年际变化。已有冰湖制图的研究，往往要首先确定遥感影像上每个冰湖的位置，然后获取其精细边界。近年来，不同区域的冰湖编目数据日益增加，提供了大量的冰湖历史边界。对这些位置已知的冰湖进行监测只需提取其当前边界，而历史边界可以作为冰湖迭代边界的起点，从而加速冰湖编目数据的更新。本研究以喜马拉雅山脉成像条件较好的488个冰湖和受积雪、冰冻、云、山体阴影影响的80个冰湖作为研究对象，将前者按照面积大小分成3类，基于1990年冰湖编目数据提供的历史边界信息，对比了人工阈值法、OTSU阈值法、U-NET、双峰迭代法、OTSU迭代法和C-V迭代法在2014年后Landsat-8 OLI影像上的冰湖提取结果。结果表明：OTSU迭代法、C-V迭代法能有效利用冰湖缓冲区内的统计信息，取得的F1分数高达88.89%和89.30%，显著优于人工阈值法、OTSU阈值法和双峰迭代法，也能较完整地提取冰冻状态和云覆盖的冰湖；对于积雪覆盖下的冰湖，C-V迭代法的提取精...