公共文化服务平台

搜索到185篇“ 山地冰川“的相关文章

山地冰川冰湖变化及其溃决洪水遥感监测研究进展: 2024年; 冰湖作为冰川融水主要储蓄载体,能在一定程度延缓区域冰川淡水资源流失,但也为冰湖溃决洪水(Glacial Lake Outburst Floods,GLOFs)、滑坡、泥石流等山地灾害发生提供了孕灾场所,是众多山地冰川灾害链的重要环节。升温、极端气候变化扰动下,冰川物质亏损/减薄速率进一步加剧,冰湖形态变化速率加快、GLOFs发生频次与规模有所提升、灾害影响效应愈发显著,对高海拔山地冰川区下游居民生命财产和基础设施安全带来潜在风险。鉴于此,本文以冰湖与GLOFs研究为主题,首先,通过冰湖研究文献计量分析确定了近些年研究热点专题;其次,围绕山地冰川冰湖与GLOFs研究的3个主要方向:冰湖与GLOFs遥感监测、冰湖时空演化与冰川变化分析及未来潜在冰湖探测、冰湖灾害风险评估与GLOFs案例研究,遴选10项重要专题内容,分门别类、系统梳理总结、剖析了国内外研究进展,阐述了当下研究存在不足;最后,针对所选专题结合技术发展趋势与研究热点问题,围绕冰湖形态信息与GLOFs智能提取、冰川-冰(前/面)湖系统演化及其气候变化响应关系、冰湖监测预警与灾害防治内容,对未来研究做了一定展望,以期为山地冰川冰湖灾害管理与适应性规划提供借鉴与参考。; 李晓恩刘易江利明黄荣刚周志伟庞校光; 关键词：遥感监测气候变化响应

基于深度学习的山地冰川表面裂隙提取方法——以青藏高原东南部雅弄冰川为例: 2024年; 冰川表面裂隙对于分析冰川的运动状态、稳定性、物质平衡以及内部和表面应力有着非常重要的作用。利用无人机搭载的高分辨率相机进行航测,可以精确获取复杂冰川表面地形的细微特征。本文以青藏高原东南部岗日嘎布山的雅弄冰川为研究对象,使用大疆M300 RTK无人机航拍获取到0.03 m空间分辨率的正射影像,采用深度学习网络模型开展冰川表面裂隙的自动提取研究。结果表明,使用本文提出的CBAM-UNet模型提取冰裂隙的性能优于经典U-Net、DeepLabV3+、PSPNet和HRNet等模型,提取的冰裂隙精确率可达到90.74%。受雅弄冰川运动的影响和地形因素制约,冰川末端主要涵盖了横向裂隙、伸展裂隙、雁列裂隙、边缘裂隙等四种冰裂隙类型以及少量分布的冰崖裂隙,基本成片分布在变化剧烈的冰川区。基于高分辨率无人机影像和深度学习的冰川表面裂隙智能提取方法,可为监测冰川变化及其与气候变化的响应提供新的技术手段。; 段云鹏吴坤鹏刘时银扈芷婷杨欣肖乐天高永鹏; 关键词：正射影像无人机遥感

基于Sentinel-1时序数据的山地冰川表面消融变化研究--以老虎沟12号冰川为例: 2024年; 冰川是影响气候变化的主要因素,合成孔径雷达(SAR)不仅具有较高空间分辨率和多极化等特点,而且对冰雪融化引起的介电常数变化较为敏感,已成为山地冰川表面消融变化监测的重要数据源。基于Sentinel-1时序数据,提出了一种综合应用多时相多极化SAR变化检测算法和Sigmoid函数的冰川表面消融监测方法。以祁连山老虎沟12号冰川为研究区,利用“中心线-圆”方法获得的冰川东、西支64个样区,通过各点2019-2020年124个时相的SAR后向散射系数变化特征确定了7个典型样区及2019和2020年冰川消融期;基于同轨道参考影像与多时相融雪影像对比,分别获得变化监测影像VV和VH极化后向散射系数,对其进行权重组合后提取湿雪像元;通过Sigmoid函数并结合湿雪平均海拔高度提取干雪,从而得到2年冰川消融期内16个时相的冰川表面干湿雪分布。利用2019年09月01日无人机数字正射影像(DOM)以及与Sentinel-1邻近日期5景Sentinel-2影像对提取结果进行精度验证,并结合冰川上气象站点气温和降水数据对误差结果进行深入分析。实验结果表明,该方法能够有效提取冰川表面干、湿雪分布,总体分类精度OA高达96%,Kappa系数高达0.84。老虎沟12号冰川消融期及覆盖各类型消融变化规律存在年际变化:2019年冰川的消融期为5月初至9月中下旬,2020年的消融期为6月中下旬至9月初;2019年从消融季开始,冰川表面干雪面积迅速减小,而湿雪与冰川冰面积在整个消融期均较大,但随着强降雪出现,干雪面积骤然上升,2020年冰川冰和湿雪面积变化明显,冰川冰面积持续增加,湿雪面积持续减小,而干雪面积在高海拔区趋于稳定。; 张彦丽陈刚马亚龙胡嘉正马宇鹏张丽萍; 关键词：后向散射系数

山地冰川中流线自动提取方法研究: 2023年; 冰川是冰冻圈的重要组成部分,被誉为气候变化的“指示器”和“预警器”。而冰川中流线则是反映冰川几何形态的关键参数之一,是确定冰川长度随时间变化、分析冰川运动速度场和估算冰川体积等的一个重要参量。本文基于泰森多边形法,结合冰川表面地形特征,从形态学角度提出了一种山地冰川中流线自动化快速提取的新方法。本方法根据数字高程模型数据分别以冰川矢量边界线上局部最高点和最低点为起始点和终点,并结合提取冰川中心线的方法提取冰川的中流线。将本方法应用于青藏高原1014条山地冰川中,自动生成了相应的冰川中流线2114条,提取成功率为100%。通过将本文所提方法与Kienholz方法所提取的冰川中流线的平均长度进行比较,发现本文方法和Kienholz方法所提取冰川中流线的平均长度比为0.98,具有很高的一致性。另外,对于不同类型冰川的中流线提取,我们引入了Zhang方法和Kienholz方法与本文方法的提取结果进行了对比,结果表明本方法提取结果覆盖更全。本文所提方法可基于冰川编目数据中的冰川矢量边界线数据和数字高程模型数据,在无人工参与的情况下,实现对冰川中流线的自动化快速提取。; 张一新周建民桑文刚李震黄磊鲁安新; 关键词：山地冰川中心线

基于深度学习的积雪覆盖区山地冰川识别研究被引量：1: 2023年; 全球变暖导致冰川急剧退缩,及时的冰川监测和制图至关重要,而积雪覆盖一直是冰川识别的重要影响因素。以喀喇昆仑区域为例,选择春季Landsat-8 OLI、Sentinel-1和DEM数据,结合其光谱反射率、SAR散射以及地形等特征,基于不同主干网络的U-Net和DeepLabv3+深度学习方法,使用不同样本尺寸,不同特征组合进行冰川识别对比研究。结果表明:①对于256×256、512×512和1024×1024像素样本尺寸,训练样本尺寸越大,空间上下文信息越丰富,识别精度越高,冰川末端范围更为精确。②基于MobileNet、VGGNet、ResNet以及EfficientNet主干提取网络的U-Net语义分割网络中,VGG19主干网络识别精度最好,且优于DeepLabv3+网络结果,其F1值(F1-Score)为0.8996,均交并比(Mean Intersection over Union,mIoU)为0.8754,总体精度可达0.9484,在山体阴影、冰雪融水、薄雾覆盖和冰冻湖泊区域识别效果均较好。③随着训练特征数量的减少,精度随之降低,地形特征对于提高冰川识别精确度作用显著,SAR特征则可提升召回率。研究证明了深度学习方法识别积雪覆盖的山地冰川的可行性,为山地冰川快速大面积识别的模型选择和参数设置提供了可靠的参考依据。; 王晶晶柯长青陈军; 关键词：山地冰川主干网络

基于地理属性特征的山地冰川物质平衡监测方法及系统: 本发明公开一种基于地理属性特征的山地冰川物质平衡监测方法及系统，涉及山地冰川监测技术领域，方法包括：基于地理信息系统技术，根据数字高程模型数据和矢量边界数据，确定目标山地冰川区域的地理属性特征；基于卫星测高数据、数字高程...; 孙章丽周帅波谢锦鹏

适于长期观测的山地冰川基底水压和滑移速度测量装置: 本发明公开的适于长期观测的山地冰川基底水压和滑移速度测量装置，属于测量领域，包括铠装电缆、上球盖、下球体、橡胶套、隔板、水压传感器、摩擦螺钉、编码器、卷筒安装板、电缆卷筒和滑环，上球盖和下球体固定连接构成一个中空的圆球体...; 蒲焘范晓鹏康世昌郑晓辉黄冠华

深度U-Net网络在遥感山地冰川边界分割中的应用: 2023年; 冰川变化会对当地的气候环境、水资源环境产生重要影响,随着遥感技术的发展,通过遥感图像进行冰川提取成为相关研究的主要手段,相比于人工目视解释法会出现的耗时长、效率低、主观因素大等问题,深度学习有着一定的优势。该文基于传统U-Net语义分割网络进行冰川分割,但因受限于冰川训练集缺失,真彩色图像在冰川地区进行分割会有较大的干扰,无法凸显冰川的特征,冰川分割效率较低。因此,利用冰川的矢量数据,基于Landsat 8遥感卫星图像,建立成对的假彩色冰川分割训练集,充分利用遥感多波段图像的优势,强化冰川特征信息。同时,通过添加不同波段组合的假彩色图像,丰富冰川的分割信息,并利用Inception v1深度学习模块将两种特征信息进行融合,提升冰川分割的准确性。实验结果表明,所提方法可以有效分割出冰川范围,相比于其他深度学习方法,分割准确性有了一定的提高。; 王宇轩姜博刘成于涛陈晓璇袁玉芳汪霖; 关键词：山地冰川

丝绸之路经济带新疆段山地冰川变化及对气候的响应: 丝绸之路经济带新疆段是绿色丝绸之路上的重要交通要道，区域内的冰川是经济发展和农业建设的主要淡水资源，对维系区域的生态平衡及社会经济可持续发展具有重要意义。在全球变暖背景下，弄清丝绸之路经济带新疆段的冰川变化有助于了解区域...; 徐颂; 关键词：山地冰川气候响应

基于空地协同的山地冰川连续探测系统: 2023年; 针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题,提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先,该系统中无人机可适应高原山地低压、大风环境,无人车可在低温环境、冰雪表面长时间行驶,相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型,且不造成大幅精度损失。其次,所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型,并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构,其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明,提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带,提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。; 钟继康李鹏李鹏杨丽英杨丽英; 关键词：人机协同多机协同增量式学习移动机器人

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈