删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于高分三号影像的2019–2020年高亚洲地区典型冰川表面流速数据集

本站小编 Free考研考试/2022-01-02

摘要&关键词
摘要：青藏高原又称世界“第三极”，是北半球中低纬度地区最大的现代冰川作用区，在全球气候系统中起着至关重要的作用。研究该地区冰川流速时空变化对于认识冰川动力学特征，及其对气候变化的响应具有重要的意义。而且长期冰川活动性监测对推动区域可持续发展、促进全球生态环境保护具有重要的指导作用。本文基于2019–2020年间覆盖目标区域典型冰川的高分三号(GF-3)影像, 借助改进的偏移量跟踪算法，通过精准地弥补全局性位移和地形效应以及滤波降噪处理后，得到了高亚洲地区典型冰川表面高精度运动数据集（GeoTIFF格式，32位浮点型）。采用GF-3卫星FSI成像模式SAR影像，计算结果空间分辨率约为12 m。非冰川区残差统计分析表明，研究周期内整体精度约为0.5 m。结果显示，研究区冰川表面运动大多呈现为积累区速度较快/消融区和末端运动速度慢的特点，个别中小型冰川具有相对较强的活动性，整体上与地势起伏和气候等因素存在一定的相关性。本数据集可作为青藏高原冰川物质平衡分析的基础数据，支撑高亚洲地区气候变化方面的研究，推动国产遥感数据在冰川活动性及气候变化研究中的深层次应用。
关键词：高亚洲地区；GF-3；冰川表面运动；偏移量跟踪算法

Abstract & Keywords
Abstract:?The Qinghai-Tibet Plateau, also known as the world’s “Third Pole”, is the largest modern glaciation region in the middle and low latitudes of the Northern Hemisphere, which plays an important role in the global climate system. It is of great significance to study the spatiotemporal changes of the glacier motion for understanding the dynamic characteristics of glaciers and its response to climate change. Besides, the long-term monitoring of glacier activity on the Qinghai-Tibet Plateau plays an important guiding role in promoting regional sustainable development and global ecological environment protection. This dataset is based on the SAR imagery of the High Mountain Asia acquired by GF-3 from 2019 to 2020. We adopted an improved pixel-tracking algorithm for calculation to obtain the dataset (GeoTiff format in 32-bit floating-point) of the distribution of glacier surface motion by precisely removing the global deformation, the topographic-related offset and the effect of the high-frequency noise. We sampled the SAR image of GF-3 satellite FSI imaging mode to keep the spatial resolution of the results around 12 m. The statistical analysis of the residual movement in the non-glacial region indicates that the overall accuracy is about 0.5 m. The results indicate that the glacier motion in the accumulation area is generally faster than that in the terminal or ablation part, and some small and medium-sized glaciers have relatively strong activities. Generally, the glacier surface motion reveals a positive correlation with topography and climate. The dataset can serve as the basis in the research on glacial mass balance in Qinghai-Tibet Plateau, provide statistical support to understand the relationship between ice and climate change in High Mountain Asia, and promote the in-depth application of domestic remote sensing data in glacier activity and climate change.
Keywords:?High Mountain Asia;?GF-3;?glacier surface motion;?pixel-tracking

数据库（集）基本信息简介
数据库（集）名称基于高分三号影像的2019–2020年高亚洲地区典型冰川表面流速数据集
数据作者张齐民、吕明阳、闫世勇
数据通信作者闫世勇（yanshiyong@cumt.edu.cn）
数据时间范围2019–2020年
地理区域地理范围为26°N–44°N，70°E–100°E，主要包含青藏高原地区的横断山脉、喜马拉雅山脉、天山山脉、帕米尔高原等区域。
空间分辨率12 m
数据量13.50 GB
数据格式*.tif（GeoTIFF，32-bit float）
数据服务系统网址http://www.doi.org/10.11922/sciencedb.j00001.00253
基金项目国家对地观测科学数据中心（NODAOP2020010）
数据库（集）组成本数据集共包含4个数据文件，其中：
1. Glacier Velocity文件夹为冰川表面速度场分布数据，数据量为2.915 GB；
2. Glacier Motion文件夹为冰川表面总位移量数据，数据量为2.915 GB；
3. Motion Azimuth文件夹为方位向位移量数据，数据量为3.835 GB；
4. Motion Range文件夹为距离向位移量数据，数据量为3.835 GB。

Dataset Profile
TitleA GF-3 imagery-based dataset of glacier surface motion distribution in High Mountain Asia during 2019–2020
Datacorresponding authorYAN Shiyong (yanshiyong@cumt.edu.cn)
Data authorsZHANG Qimin, LYU Mingyang, YAN Shiyong
Time range2019–2020
Geographical scope26°N–44°N, 70°E–100°E, mainly including: Hengduan Mountains, Himalaya Mountains, Tianshan Mountains and Pamirs regions
Spatial resolution12 m
Data volume13.50 GB
Data format*.tif (GeoTIFF，32-bit float)
Data service system< http://www.doi.org/10.11922/sciencedb.j00001.00253>
Source of fundingOpen Research Fund of National Earth Observation Data Center (No. NODAOP2020010).
Dataset compositionThe dataset consists of four data files:
1. “Glacier Velocity” for the data of glacier surface velocity (2.915 GB);
2. “Glacier Motion” for the total glacier displacement (2.915 GB);
3. “Motion Azimuth” for the azimuth direction displacement (3.835 GB);
4. “Motion Range” for the range direction displacement (3.835 GB).



引 言
随着全球气候变暖的进程日益加剧，作为气候变化的指示器之一，冰川已成为气候变化研究的关键指标[1-4]。相比于两极冰川，青藏高原地区的冰川对于气候变化的响应更为敏感，其升温速度是同期全球其他区域均值的两倍，冰川加速融化、冰川融水径流量显著增加，整体呈现出失衡的状况，因此研究青藏高原地区冰川流速时空变化对于认识该区域冰川动力学特征及其对气候变化的响应具有重要的意义[5-7]。冰川流速是冰川变化的一个重要参数，能够反映一段时间内冰川的活动性及其物质平衡情况。因而，冰川表面运动时空分布特征对于研究该区域的物质平衡具有重要指示作用[8-11]。
山地冰川所处区域往往气候条件恶劣，实地冰川运动监测成本高且难以在广泛开展。随着科技的进步和遥感技术的发展，基于遥感影像的冰川运动监测已成为研究冰川活动性的最为重要的手段，具有获取数据快、监测范围广、重访周期短等特点[12-15]，主要有光学遥感和雷达遥感两种观测方式。光学影像覆盖范围广，存档数据多，但大气和天气条件等因素对其适用性有较大的限制，高海拔冰川区常年积雪覆盖，易导致光学影像上出现过饱和现象，破坏冰川监测的完整性[9]。相比较而言，合成孔径雷达（SAR）具备全天时全天候的成像能力，不受天气影响且拥有较高的时空分辨率，在冰川活动性监测中有着较强的适用性[16]。
当前青藏高原冰川运动信息的获取绝大多数依赖国外遥感卫星数据，国产卫星遥感影像在冰川运动广域监测中的应用寥寥无几，导致其在冰川活动性研究中的价值难以体现。为了能够及时准确地了解青藏高原地区典型山地冰川的运动状况，凸显我国遥感数据在气候研究中的实际价值，本文选用2019–2020年获取的高分三号（GF-3）遥感数据影像，基于改进的并行化Pixel-Tracking（PT）技术[17-20]，通过复杂全局形变拟合估计、几何畸变校正和降噪滤波等处理[21-22]，获取了高亚洲地区典型冰川的表面流速，并以非冰川区残余位移量作为统计特征，判别和验证数据集产品的可靠性，最终实现基于国产高质量遥感影像的冰川流速数据集产品生成与应用推广，为青藏高原气候变化研究和冰川运动相关灾害预测提供更精准的数据支持。典型冰川分布如图1所示，其中冰川边界参照中国第二次冰川编目数据[23]。

1 ? 数据采集和处理方法
1.1 ? 数据源
GF-3卫星是中国自主研制的首颗民用C波段全极化星载卫星，重访周期为29天。因其全天时、全天候以及高空间分辨率的特点，在冰川运动监测中有着重要优势。GF-3卫星具有12种常规成像模式，最高分辨率可达1 m，最大幅宽约为650 km，可满足不同领域的需要[24]。本文选用2019–2020年覆盖研究区精细条带1模式(FSI)的SAR影像进行冰川运动提取，原始数据信息参数见表1，同时采用30 m分辨率的ASTER DEM数字表面模型数据辅助SAR影像配准和地理编码。




图1 ? 典型冰川分布示意图
表1 ? GF3雷达影像对参数信息
冰川信息成像时间轨道圈号垂直基线（米）时间基线（天）
TS-South Inylchek
（G080211E42128N）		2019-07-0115215?207348
2020-06-1320231
TS-Uker
（G080341E42280N）		2019-06-19151431184319
2020-05-0319641
HME-Duiya
（G086382E28331N）		2019-06-12149411086261
2020-02-2818703
HMM-Gangotri
（G079147E30802N）		2019-09-16163261497174
2020-03-0818833
HD-Yanong
（G096685E29331N）		2020-01-31182992172290
2020-11-1622479
Pamir-Kongur
（G075339E3856N）		2019-07-15154171299290
2020-04-3019597
InnerTP-Depchendak
（G080875E34263N）		2020-01-0317896322116
2020-04-2819568
Karakoram-Baltoro
（G076367E35737N）		2019-08-01156622642261
2020-04-1819424
Karakoram-Siachen
（G077129E35401N）		2019-07-15154171714261
2020-04-0119180
Karakoram-Chogo
（G075218E35874N）		2019-07-2715590830290
2020-05-1219770
ESTP-Gangtuo
（G094906E29855N）		2019-07-0715302811319
2020-05-2119899


1.2 ? 数据处理方法和流程
本研究利用覆盖研究区典型山地冰川的多期GF-3遥感影像，采用改进的PT算法高精度监测冰川表面运动的空间分布。基于非冰川区在监测周期内未发生移动的假设，精确地估算出全局轨道相关偏移量、地形起伏相关偏移量和噪声偏移量等无关信息，并对其进行补偿，最终得到冰川区较为可靠的流速结果。PT算法利用影像强度信息的归一化互相关算法（Normalized Cross Correlation，NCC）进行影像配准，通过计算主副影像模板的相关程度来实现亚像素级配准。该方法精度高，但计算效率低，巨大的运算量对于青藏高原广泛分布的典型冰川区流速提取工作来说十分不利[17]。为此本文利用图形处理器（Graphics Processing Unit，GPU）良好的性能实现了PT算法的并行化改进，极大提高了运行效率，为冰川表面运动的时序监测提供了技术保障。本研究技术路线如图2所示。




图2 ? 基于GF-3影像的冰川流速提取流程示意图
1.2.1 ? 基于RANSAC的全局形变估计
两次或多次成像过程中，卫星姿态及位置差异会引入轨道相关的全局性偏移量，一般采用二次多项式函数模型进行拟合和补偿[25]。为了降低匹配噪声点和冰川区匹配点给全局模型参数估计造成的不利影响，本文假设非冰川区域在观测周期内未发生位移且面积占比较大，利用随机抽样一致性算法（Random Sample Consensus，RANSAC），通过不断迭代确定符合模型的匹配点，并重新计算变换参数，最终在满足阈值条件时终止迭代计算[26]，由此可以获得变换模型参数并去除轨道相关的偏移量。该方法能够在提高计算效率的同时保证全局形变参数估计的精确性，从而准确补偿因卫星轨道及传感器姿态差异而导致的整体性位移。

1.2.2 ? 基于外部DEM的地形校正
研究区地形复杂多变，冰川分布区高差大，卫星对冰川区成像时的位置差异会引入与地形相关的偏移量，进而降低冰川运动监测的准确性[27]。一般而言，方位向的地形偏移量主要与所在区域的地形起伏、成像时轨道交角及卫星入射角有关，而距离向地形起伏导致的偏移量则与垂直基线长度呈正比[21]。基于外部DEM数据和两景SAR影像的空间基线情况，能够准确获取地形起伏在距离向和方位向所产生的偏移，对全局形变校正后的偏移量进行精确的地形补偿，可进一步提高冰川表面运动估计的准确性。

1.2.3 ? 冰川运动分布滤波与去噪
由于数据质量和处理方法等各因素的限制，经全局形变补偿和地形效应校正后得到的偏移量分布仍然不同程度地受到误配点噪声影响，因此有必要开展冰川运动信息滤波。在冰川运动分布场中，斑点噪声属于高频信息，可以通过低通滤波手段来削弱噪声。然而冰川的边缘信息也属于高频信号，为了保证冰川边缘位移细节信息的完整性和最终结果的准确性，本文采取自适应中值滤波（Ranked-order based Adaptive Median Filter，RAMF）来削弱噪声的影响，借助滤波窗口可变的特点，RAMF既能保证冰川偏移量信息的精度，又能适当地过滤噪声，在冰川运动提取中具有较好的应用价值[17]。



2 ? 数据样本描述
2019–2020年高亚洲地区典型冰川表面运动分布数据集所用数据为GF-3 FSI精细条带模式数据，冰川运动结果以GeoTiff格式分别存储在4个不同文件夹中，存储格式为32位浮点型。文件命名由三个部分组成。其中前两个部分形式如下：AREA_YYYYMMDD-YYYYMMDD，AREA表示冰川名称或区域，YYYYMMDD-YYYYMMDD表示研究时间段。第三部分表示冰川运动结果的不同类型：VEL表示冰川表面的平均流速，单位为cm/d，存放在Glacier Velocity文件夹中；DIS表示相应冰川表面位移量数据，单位为m，存放于Glacier Motion文件夹中；DRan表示相应冰川距离向位移量数据，单位为m，存放于Range Motion文件夹中；DAzi表示相应冰川方位向位移量数据，单位为m，存放于Azimuth Motion文件夹中。图3为冰川表面运动数据样本展示，(a)(b)(c)(d)分别为South Inylchek冰川的距离向位移量、方位向位移量、合成方向累积位移量及平均流速示意图。累计位移量单位为m，正负号表示方向；平均流速单位为cm/d，黑色轮廓为冰川边界。

（a）


（b）


（c）


（d）


图3 ? 典型冰川表面运动分布示意图

3 ? 数据质量控制和评估
为保证冰川表面运动采样点的可靠性，偏移量跟踪算法中匹配模板和搜索步长等参数的选择和设定需要充分考虑研究区冰川规模、运动特征及其地表后向散射的稳定性。根据研究区的冰川规模大小，分别设定为：模板窗口128×128像素，采样窗口5×5像素。搜索窗口的选择需要根据不同区域冰川的运动量来进行相应的调整，从而保证匹配结果具有较高可靠性，进而获取冰川区完整的位移量分布信息。
为了得到更为可靠的偏移量结果，本文以模板匹配过程中的统计特性对GF-3影像对中目标点进行质量评估，采用归一化互相关系数和协方差作为判别条件，反映相应区域的匹配质量。此外，本文基于RANSAC算法的全局形变估计，有效改正了因轨道和卫星成像姿态差异带来的偏差。同时，给出基于外部DEM的地形误差校正方法和相应数据处理流程，以此来弥补复杂地形带来的误差。高亚洲地区地形复杂，气候多变，常年受积雪覆盖和降水等因素的影响，偏移量跟踪结果不可避免地受到噪声干扰，本文采用RAMF算法进行滤波处理，可以有效削弱噪声对于结果的影响，提升冰川运动监测结果的质量。
冰川区气候条件恶劣，高寒高海拔交通不便，难以广泛开展冰川流速野外验证。因此，为进一步验证冰川运动结果的可靠性，本文基于非冰川区在监测周期内稳定的合理假设，利用偏移量跟踪结果中非冰川区的残余位移量进行精度分析[24,28]。本文不同研究区内非冰川覆盖区域的残差统计直方图如图4所示，均值及方差见表2。非冰川区残差统计分析表明，在研究周期内冰川运动总体精度约为0.5 m。该精度已基本满足实际需要，具有一定的可靠性和准确性。




图4 ? 非冰川区残余误差直方图
表2 ? 非冰川区误差统计表（m）
冰川信息影像对均值方差
TS-South Inylchek
（G080211E42128N）		20190701_202006130.620.07
TS-Uker
（G080341E42280N）		20190619_202005030.500.05
HME-Duiya
（G086382E28331N）		20190612_202002280.360.04
HMM- Gangotri
（G079147E30802N）		20190916_202003080.490.02
HD-Yanong
（G096685E29331N）		20200131_202011160.700.13
Pamir-Kongur
（G075339E3856N）		20190715_202004300.330.01
InnerTP-Depchendak
（G080875E34263N）		20200103_202004280.250.02
Karakoram-Baltoro
（G076367E35737N）		20190801_202004180.670.05
Karakoram-Siachen
（G077129E35401N）		20190715_202004010.630.09
Karakoram-Chogo
（G074991E35994N）		20190727_202005120.820.14
ESTP-Gangtuo
（G094906E29855N）		20190707_202005210.560.08


4 ? 数据价值
随着对地观测技术的不断发展，遥感已经成为研究冰川性质及其动态变化特征的重要技术手段。当前，青藏高原冰川运动信息数据集多来自国外遥感卫星影像，我国高质量遥感影像在该区域的应用十分稀少，未能充分挖掘和体现国产遥感数据在冰川活动性研究中的应用价值。本文基于C波段GF-3雷达影像的FSI模式数据提取了青藏高原地区典型山地冰川表面2019–2020年运动分布，一定程度上填补了青藏高原地区没有国产遥感卫星广域冰川流速数据集的空白，凸显出我国遥感数据在气候研究中的应用价值。此外，通过全面了解冰川运动情况，能更好地开展我国冰川资源的调查，为合理利用青藏高原地区冰川资源提供必要的基础信息。

5 ? 数据使用方法和建议
2019–2020年高亚洲地区典型冰川表面运动分布结果数据存储格式为32 位浮点型 GeoTiff栅格数据，地理坐标系为WGS-1984，ArcMap等GIS软件或ENVI、PIE等软件均支持该数据的读取和操作，其中冰川流速数据单位为cm/d，累计位移量数据单位为m。研究人员可根据需要灵活选择数据，也可根据当前或后期的冰川运动监测结果，开展青藏高原典型冰川区表面应力分布分析与研究工作。

致 谢
感谢中国科学院空天信息创新研究院（AIR）提供的GF-3数据，美国航空航天局（NASA）网站提供的ASTER 30 m DEM 数据，中国科学院寒区旱区环境与工程研究所提供的中国第二次冰川编目数据集。


[1]
SINGH D K, THAKUR P K, NAITHANI B P, et al. Spatio-temporal analysis of glacier surface velocity in dhauliganga basin using geo-spatial techniques[J]. Environmental Earth Sciences, 2021, 80(1): 1–16. DOI:10.1007/s12665-020-09283-x.

+?CSCD?·?Baidu Scholar

[2]
张生鹏, 周中正, 赵利江, 等. 基于SAR偏移量跟踪法提取岗纳楼冰川流速[J]. 测绘通报, 2020(11): 33–38. DOI:10.13474/j.cnki.11-2246.2020.0350.

+?CSCD?·?Baidu Scholar

[3]
张齐民, 郑一桐, 张露, 等. 基于时序像素跟踪算法的南伊内里切克冰川运动提取与特征分析[J]. 遥感技术与应用, 2020, 35: 1273–1282.

+?CSCD?·?Baidu Scholar

[4]
YANG L Y, ZHAO C Y, LU Z, et al. Three-dimensional time series movement of the Cuolangma glaciers, southern Tibet with sentinel-1 imagery[J]. Remote Sensing, 2020, 12(20): 3466. DOI:10.3390/rs12203466.

+?CSCD?·?Baidu Scholar

[5]
ZHAO X R, WANG X, WEI J F, et al. Spatiotemporal variability of glacier changes and their controlling factors in the Kanchenjunga region, Himalaya based on multi-source remote sensing data from 1975 to 2015[J]. Science of the Total Environment, 2020, 745: 140995. DOI:10.1016/j.scitotenv.2020.140995.

+?CSCD?·?Baidu Scholar

[6]
WU K P, LIU S Y, ZHU Y, et al. Dynamics of glacier surface velocity and ice thickness for maritime glaciers in the southeastern Tibetan Plateau[J]. Journal of Hydrology, 2020, 590: 125527. DOI:10.1016/j.jhydrol.2020.125527.

+?CSCD?·?Baidu Scholar

[7]
SHUKLA A, GARG P K. Spatio-temporal trends in the surface ice velocities of the central Himalayan glaciers, India[J]. Global and Planetary Change, 2020, 190: 103187. DOI:10.1016/j.gloplacha.2020.103187.

+?CSCD?·?Baidu Scholar

[8]
井哲帆, 周在明, 刘力. 中国冰川运动速度研究进展[J]. 冰川冻土, 2010, 32(4): 749–754.

+?CSCD?·?Baidu Scholar

[9]
YAN S Y, ZHENG Y T, LI Y, et al. A spatio-temporal variation analysis of Fedchenko and Grumm-Grzhimaylo glacier motion pattern with an efficient pixel-tracking method on spaceborne SAR imagery[J]. Environmental Earth Sciences, 2019, 78(20): 1–10. DOI:10.1007/s12665-019-8610-8.

+?CSCD?·?Baidu Scholar

[10]
YELLALA A, KUMAR V, H?GDA K A. Bara Shigri and Chhota Shigri glacier velocity estimation in western Himalaya using Sentinel-1 SAR data[J]. International Journal of Remote Sensing, 2019, 40(15): 5861–5874. DOI:10.1080/01431161.2019.1584685.

+?CSCD?·?Baidu Scholar

[11]
管伟瑾, 曹泊, 潘保田. 冰川运动速度研究: 方法、变化、问题与展望[J]. 冰川冻土, 2020, 42(4): 1101–1114. DOI:10.7522/j.issn.1000-0240.2020.0094.

+?CSCD?·?Baidu Scholar

[12]
STROZZI T, KOURAEV A, WIESMANN A, et al. Estimation of Arctic glacier motion with satellite L-band SAR data[J]. Remote Sensing of Environment, 2008, 112(3): 636–645. DOI:10.1016/j.rse.2007.06.007.

+?CSCD?·?Baidu Scholar

[13]
张晓博, 赵学胜, 葛大庆, 等. 利用新型C波段雷达卫星研究南伊内里切克冰川运动特征[J]. 武汉大学学报·信息科学版, 2019, 44(3): 429–435. DOI:10.13203/j.whugis20160538.

+?CSCD?·?Baidu Scholar

[14]
赵家锐, 柯长青. 基于sentinel-1SAR数据的南极松岛冰川流速监测[J]. 冰川冻土, 2019, 41(1): 12–18. DOI:10.7522/j.issn.1000-0240.2018.0506.

+?CSCD?·?Baidu Scholar

[15]
ROUYET L, LAUKNES T R, CHRISTIANSEN H H, et al. Seasonal dynamics of a permafrost landscape, Adventdalen, Svalbard, investigated by InSAR[J]. Remote Sensing of Environment, 2019, 231: 111236. DOI:10.1016/j.rse.2019.111236.

+?CSCD?·?Baidu Scholar

[16]
黄磊, 李震, 周建民, 等. SAR监测冰川变化研究进展[J]. 地球科学进展, 2014, 29(9): 985–994. DOI:10.11867/j.issn.1001-8166.2014.09.0985.

+?CSCD?·?Baidu Scholar

[17]
郑一桐. 面向山地冰川运动监测的SAR偏移量跟踪算法并行化设计与实现[D]. 徐州: 中国矿业大学, 2019.

+?CSCD?·?Baidu Scholar

[18]
HUANG L, LI Z. Comparison of SAR and optical data in deriving glacier velocity with feature tracking[J]. International Journal of Remote Sensing, 2011, 32(10): 2681–2698. DOI:10.1080/01431161003720395.

+?CSCD?·?Baidu Scholar

[19]
STROZZI T, LUCKMAN A, MURRAY T, et al. Glacier motion estimation using SAR offset-tracking procedures[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2384–2391. DOI:10.1109/TGRS.2002.805079.

+?CSCD?·?Baidu Scholar

[20]
YAN S Y, RUAN Z X, LIU G, et al. Deriving ice motion patterns in mountainous regions by integrating the intensity-based pixel-tracking and phase-based D-InSAR and MAI approaches: a case study of the chongce glacier[J]. Remote Sensing, 2016, 8(7): 611. DOI:10.3390/rs8070611.

+?CSCD?·?Baidu Scholar

[21]
YAN S Y, GUO H D, LIU G, et al. Mountain glacier displacement estimation using a DEM-assisted offset tracking method with ALOS/PALSAR data[J]. Remote Sensing Letters, 2013, 4(5): 494–503. DOI:10.1080/2150704X.2012.754561.

+?CSCD?·?Baidu Scholar

[22]
王群, 范景辉, 周伟, 等. DEM辅助偏移量跟踪技术的山地冰川运动监测研究[J]. 国土资源遥感, 2018, 30: 167–173.

+?CSCD?·?Baidu Scholar

[23]
刘时银, 姚晓军, 郭万钦, 等. 基于第二次冰川编目的中国冰川现状[J]. 地理学报, 2015, 70(1): 3–16. DOI:10.11821/dlxb201501001.

+?CSCD?·?Baidu Scholar

[24]
王群, 张蕴灵, 范景辉, 等. 利用高分三号影像监测依嘎冰川表面运动[J]. 武汉大学学报·信息科学版, 2020, 45(3): 460–466. DOI:10.13203/j.whugis20190036.

+?CSCD?·?Baidu Scholar

[25]
闫世勇. 山地冰川表面运动雷达遥感监测方法研究[D]. 北京: 中国科学院大学, 2013.

+?CSCD?·?Baidu Scholar

[26]
CHUM O. Two-view geometry estimation by random sample and consensus[D]. Prague: Czech Technical University in Prague, 2005.

+?CSCD?·?Baidu Scholar

[27]
SHORT N H, GRAY A L. Glacier dynamics in the Canadian High Arctic from RADARSAT-1 speckle tracking[J]. Canadian Journal of Remote Sensing, 2005, 31(3): 225–239. DOI:10.5589/m05-010.

+?CSCD?·?Baidu Scholar

[28]
周建民, 张鑫, 刘志平, 等. 高分一号山地冰川运动速度提取与分析[J]. 遥感学报, 2021, 25: 530–538.

+?CSCD?·?Baidu Scholar


数据引用格式
张齐民, 吕明阳, 闫世勇. 基于高分三号影像的2019–2020年青藏高原典型冰川表面流速数据集[DB/OL]. Science Data Bank, 2021. (2021-05-14). DOI: 10.11922/sciencedb.j00001.00253.

稿件与作者信息

论文引用格式
张齐民, 吕明阳, 闫世勇. 基于高分三号影像的2019–2020年青藏高原典型冰川表面流速数据集[J/OL]. 中国科学数据, 2021, 6(3). (2021-06-01). DOI: 10.11922/csdata.2021.0028.zh.
张齐民Zhang Qimin

主要承担工作：数据筛选，数据处理，论文撰写。
（1996—），男，山东省济南市人，硕士研究生，研究方向为雷达遥感与冰川变化研究。

吕明阳Lyu Mingyang

主要承担工作：数据筛选，论文撰写与修改。
（1991—），男，吉林省松原市人，博士，助理研究员，研究方向为全球气候变化与冰川运动。

闫世勇Yan Shiyong

主要承担工作：SAR 数据处理整体方案设计，论文修改。
yanshiyong@cumt.edu.cn
（1982—），男，江苏省徐州市人，博士，副教授，研究方向为雷达遥感应用研究。


相关话题/数据 运动 遥感 信息 冰川
  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
    考试优惠券 本站小编 Free壹佰分学习网 2022-09-19
  • 基于动物志的鸟类形态特征数据集
    摘要&关键词摘要：基于动物志的鸟类形态特征数据集是在对《中国动物志鸟纲第七卷》相关文字记录数字化处理后，利用专门工具对内容进行提取得到的。本数据集包含书中记录的夜鹰目、雨燕目、咬鹃目、佛法僧目、啄木鸟目（鴷形目）共计5目13科85种鸟类，其每条记录都是对各物种/亚种不同性别各发育阶段的形态、生物学、 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 全球科学数据出版发展态势分析
    摘要&关键词摘要：科学数据出版是推动科学数据共享，实现科学数据价值最大化的重要方式。本文通过对全球科学数据出版数据进行分析，探求全球科学数据出版发展态势。对WebofScience数据库中的数据论文和数据集记录进行检索，通过数据统计方法从时间、国家/地区、研究方向、出版来源、影响力等维度进行分析。从 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 中巴经济走廊泥石流分布及特征数据集
    摘要&关键词摘要：本数据集是基于历史资料收集、野外实地调查和遥感影像解译，结合数字地形图（DEM）和地质图，得到最新的中巴经济走廊范围内的泥石流编目和分布及特征信息。泥石流主要分布在中巴经济走廊的巴基斯坦北部山区和中国境内部分，范围在34.0°N–39.5°N、71.0°E–77.0°E内，包括昆仑 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1961–2015年中巴经济走廊SPEI干旱指数数据集
    摘要&关键词摘要：干旱指数数据集是干旱研究的基础。中巴经济走廊干旱灾害发生频繁，制作该区域干旱指数数据集对干旱监测及其风险评估具有重要的科学意义。本数据集基于中巴经济走廊1961–2015年逐日降水和气温栅格数据，计算得到不同时间尺度（1–24个月）标准化降水蒸散发指数（SPEI）。验证表明本数据集 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 中巴经济走廊瓜达尔港所在莫克兰海域地质与地球物理、海洋灾害数据集
    摘要&关键词摘要：北印度洋莫克兰海域位于巴基斯坦和伊朗海岸带南缘，是“一带一路”重要港口瓜达尔港所在区域。该区域地质构造特征独特、海洋灾害频发。收集整理这一区域的基础地质地球物理数据和海洋灾害数据可以为“中巴经济走廊”的安全建设提供基础数据背景的支撑。本数据集包含该海域1992–2016年巨浪、19 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1961–2015年中巴经济走廊极端低温事件数据集
    摘要&关键词摘要：气候变化背景下，全球极端低温事件频发，严重影响了人类社会经济的发展。准确识别极端低温事件是减轻和抵御极端低温灾害的关键。本文基于中巴经济走廊地区格点化（0.25°×0.25°）逐日最低气温数据，通过计算极端低温阈值、剔除高温地区、识别不同持续时间极端低温事件，制作了1961–201 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1961–2019年新疆高温热浪数据集
    摘要&关键词摘要：气候变化背景下，高温热浪频繁发生，对人体健康、生态环境及社会经济造成严重影响。本文基于新疆地区105个气象站1961–2019年逐日最高气温和相对湿度数据，采用热浪指数作为判别标准，制作了新疆高温热浪数据集。本数据集包括各站点每年发生热浪的频次、累计天数及热浪初日与终日。依据现有文 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1970–2020年中巴经济走廊典型崩塌、滑坡空间分布及属性数据集
    摘要&关键词摘要：中巴经济走廊是中国对外交流的重要陆上通道，穿越青藏高原、帕米尔高原、西昆仑山、喀喇昆仑山等构造活动强烈、冰川作用活跃的区域，走廊内崩塌、滑坡等地质灾害发育威胁该区人类活动安全及中巴公路等工程的正常建设和运行。本研究针对走廊区域（中国新疆喀什和巴基斯坦全境）的典型崩塌、滑坡灾害，通过 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1954–2018年南小河沟流域董庄沟控制站径流泥沙观测数据集
    摘要&关键词摘要：董庄沟流域作为黄土高塬沟壑区南小河沟流域水土流失及水土保持研究的非治理对比观测沟，在1954–2018年期间开展了降水、径流、泥沙的长期观测。其中降水量数据时段序列为1954–1958年，1964–1965年，2004–2018年；径流和泥沙数据为1954–1965年，2005–2 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1988–2018年喜马拉雅山中部龙巴萨巴冰川变化数据集
    摘要&关键词摘要：冰湖接触型冰川广泛分布于喜马拉雅山地区，受末端冰湖影响，该类冰川对气候变化的响应较其他类型的冰川更为敏感。本数据集基于冰川厚度估算数据和冰湖雷达测深数据，构建了龙巴萨巴冰川/冰湖底部地形（GeoTIFF格式，32位浮点型数据）；基于LandsatTM\ETM+\OLI遥感影像，获取 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.