EN中文

PROGRESS IN GEOGRAPHY >

2021 , Vol. 40 >Issue 9: 1581 - 1589

DOI: https://doi.org/10.18306/dlkxjz.2021.09.012

Industrial Applications of UAV

High-resolution monitoring of glacier dynamics based on unmanned aerial vehicle survey in the Meili Snow Mountain

  • WU Kunpeng , 1, 2, 3 ,
  • LIU Shiyin , 1, 2, 3, * ,
  • ZHU Yu 1 ,
  • XIE Fuming 1 ,
  • GAO Yongpeng 1
Expand
  • 1. Institute of International Rivers and Eco-Security, Yunnan University, Kunming 650091, China
  • 2. Yunnan Key Laboratory of International Rivers and Transboundary Eco-Security, Yunnan University, Kunming 650091, China
  • 3. State key Laboratory of Cryospheric Sciences, Northwest Institute of Eco-Environment and Resources, CAS, Lanzhou 730000, China

Received date: 2020-08-03

  Revised date: 2020-09-29

  Online published: 2021-11-28

Supported by

National Natural Science Foundation of China(41801031)

National Natural Science Foundation of China(41761144075)

Natural Science Foundation of Yunnan Province(202001BB050068)

The State Key Laboratory of Cryospheric Science Foundation(SKLCS-OP-2019-07)

The Second Tibetan Plateau Scientific Expedtion and Research Program(2019QZKK0208)

A Grant for Talent Introduction of Yunnan University(YJRC3201702)

Copyright

Copyright reserved © 2021
Fold

Abstract

The glaciers of the Meili Snow Mountain are now rapidly retreating and thinning, owing to climate change. The main aim of this study was to monitor the dynamics of the Mingyong Glacier in the Meili Snow Mountain based on unmanned aerial vehicle (UAV) survey and UBase. The result of the digital surface model (DSM) in the Mingyong Glacier terminus shows that the surface morphology has a significant difference between the upper and lower sections. The lower section was covered by a large amount of debris, and a few crevasses developed along the direction of glacier flow. Little debris was found in the upper section, and a lot of transverse crevasses developed there. A mean ice thinning of 1.67 m was observed in the terminus of the Mingyong Glacier from November 2018 to November 2019, and surface lowering was heterogeneous. There were positive and negative alternations in surface lowering in the upper section, surface thinning was observed in the middle section, while a significant thickening was observed in the lower section. Compared with glacier changes in other areas in the High Asia Mountains, the Meili Snow Mountain was the region with the most significant glacier surface elevation change.

Key words： unmanned aerial vehicle; photogrammetry; glacier; Meili Snow Mountain

Cite this article

WU Kunpeng , LIU Shiyin , ZHU Yu , XIE Fuming , GAO Yongpeng . High-resolution monitoring of glacier dynamics based on unmanned aerial vehicle survey in the Meili Snow Mountain[J]. PROGRESS IN GEOGRAPHY, 2021 , 40(9) : 1581 -1589 . DOI: 10.18306/dlkxjz.2021.09.012

冰川是冰冻圈系统重要组成部分,它的变化是气候变化的重要指标[1],对区域水资源也有重要影响[2]。IPCC评估报告指出,1901—2012年全球地表和海洋表面平均温度上升了0.89°C(0.69~1.08°C)[3]。在全球变暖的背景下,全球绝大部分地区的冰川处于退缩状态[4,5],并引发不同程度的冰川灾害事件[6,7,8]。对冰川动态变化的监测、探讨冰川与气候变化的关系、认识冰川水资源及其引发的冰川灾害具有重要意义,可以为区域经济建设、灾害防治、水循环和全球变化研究提供重要的科学支撑。
冰川动态变化的监测方法分为传统的定位观测和基于遥感的动态监测[9,10,11,12]。传统的定位观测利用花杆和雪坑直接实地测量获取冰川表面物质收支状况,精度较高,但受地形和人力的限制,只能监测极其有限面积[11]。近年来卫星遥感技术飞速发展,具有立体成像能力的高空间分辨率卫星数据的发布和解密,以及微波遥感全天时、全天候及几乎不受云、雨影响的优势,多源遥感数据推动了区域尺度乃至全球尺度的冰川物质平衡监测研究[9,10]。基于遥感技术的冰川物质平衡估算方法,主要有:利用大地测量法计算冰川表面高程变化并转换为冰川物质平衡[13,14]、利用卫星测高技术计算冰川表面高程变化趋势[15,16]及利用卫星重力技术计算重力场变化以获取冰川物质平衡[17]等。
位于横断山区的梅里雪山地区,是我国海洋型冰川重要发育区[18]。受西南季风的影响,该地区常年被云雾、积雪覆盖,获取高质量的光学遥感影像较为困难。梅里雪山地区山高谷深,微波遥感测量在地形复杂的区域获取的图像具有透视收缩、叠掩、阴影等缺点[13,14]。卫星测高技术和卫星重力技术受自身分辨率的影响,难以获取该地区高精度的冰川物质平衡结果。因此,对于梅里雪山地区冰川表面高程变化的认识有待进一步提高。
近年来,随着无人机(unmanned aerial vehicle,UAV)技术的不断完善,可以在不同空间尺度上连续获取高时空分辨率的影像。无人机航测正射影像和数字地表模型(digital surface model, DSM)能够更好地反映冰川表面特征,在冰川末端进退、冰川运动速度、表面高程变化及表碛、冰崖、冰面湖塘等研究中应用广泛[19,20,21,22]。梅里雪山地区受气候与地形的影响,定位监测难度较大,光学遥感和微波遥感难以满足研究需求。中小型无人机摄影测量具有成像分辨率高、成本低等优点,可以选择合适的时间窗口,在地形复杂的区域进行云下作业,在海洋型冰川的动态变化监测工作中,具有较大潜力[23,24]。本文选取梅里雪山地区明永冰川末端,开展无人机摄影测量,估算冰川消融区表面高程变化,监测冰川动态变化,进一步理解梅里雪山地区海洋型冰川对气候变化的响应过程。

1 研究区概况

梅里雪山位于云南省迪庆藏族自治州德钦县,呈北北西—南南东向伸展,耸立于怒江以东、澜沧江以西(图1)。该山系由几座海拔6000 m以上的高峰组成,其中位于梅里雪山中段的卡瓦格博峰,海拔6740 m,为该地区最高峰。梅里雪山地区山高坡陡,峡长谷深,从河谷到主峰的水平距离较小,印度洋季风带来的湿润水汽能从三江谷地向北深入,形成丰沛的降水,发育规模巨大的现代海洋型冰川[25]。
图1 梅里雪山地区及明永冰川地理位置

注:图a底图为Landsat 8影像,图b底图为高分1号影像。

Fig.1 Overview of the Meili Snow Mountain and Mingyong Glacier

梅里雪山地区属高原性寒温带山地季风气候,全年温度较低,干湿季分明。由于该地区纬度较低,加之山高谷深、垂直高差较大的影响,梅里雪山地区的气候垂直变化显著,低海拔与高海拔极端气候特征较为明显。降水主要集中在海拔3000 m以上的亚高山和高山地带,属寒温带、亚寒带或寒带气候;在海拔2500 m以下的地带则少雨干旱,属北亚热带或南温带气候[26]。
中国第一次冰川编目数据表明,梅里雪山地区发育现代冰川47条,面积147.02 km2。横断山区冰舌末端海拔最低的海洋型冰川——明永冰川(也称奶诺戈汝冰川)位于梅里雪山东坡,冰川面积12.55 km2,长11.5 km,从海拔6000多m呈弧形向下延伸到2600 m的原始森林地带。明永冰川后壁陡峭,有大量的冰、雪崩补给。根据1991年中日联合登山队遭遇雪崩事件推测,明永冰川冰舌上部运动速度为533 m/a左右[27]。受气候变化影响,1998—2002年明永冰川末端以后退为主,冰川末端海拔上升30 m[28]。

2 数据与方法

2.1 无人机航测及控制测量

针对梅里雪山地区山高谷深、航空遥感影像数据质量低的缺点,本文选取明永冰川末端开展无人机摄影测量。使用大疆创新科技有限公司(DJI)PHANTOM 4 RTK (P4R)无人机,该机型配备1英寸CMOS、有效像素2000万的影像传感器,单次飞行最大作业面积约1 km2(飞行高度182 m,即地面分辨率约5 cm/pixel)。该机型采用GPS+Galileo+BeiDou高精度卫星定位,定位精度在水平方向±1 cm,垂直方向±1.5 cm (https://www.dji.com/cn/phantom-4-rtk/info#specs)。配备使用中海达UBase接收机,该接收机在RTK工作模式下,水平精度为±1 cm,垂直精度±2 cm (https://www.zhdgps.com/template/productShow.aspx?id=100000129187137&m=137002&fl=100000002134849&class=100000002186264)。
研究小组于2018年11月9日在梅里雪山地区明永冰川末端开展了3个架次飞行,测区覆盖面积1.26 km2,第一个飞行架次航高120 m,第二个飞行架次航高200 m,第三个飞行架次航高300 m,航向与旁向重叠度均为90%(图2)。P4R无人机搭配中海达UBase及其相应的动态后处理技术(Post Processed Kinematic,PPK)处理软件,在高差大的复杂地区,平面精度能够达到3~10 cm,高程精度5~15 cm。为进一步提高精度,无人机航测与地面控制测量同步进行。利用苏州一光A90 GPS设备,采用RTK方式获取地面控制点的三维信息,其中水平精度±2 cm,垂直精度±3 cm。但由于冰川表面地形复杂,在测区较高海拔区域,冰裂隙发育,因此相控点均位于冰川末端位置。相控点分布不均匀,不利于提高影像数据精度,因此同步进行地面控制测量获取的相控点用于影像数据精度评估。由于地面控制点均位于冰川表面,其位置会随着冰川运动而发生改变,因此地面控制点只用于2018年11月9日获取的影像数据精度评估。为监测冰川动态变化,于2019年11月12日再次对明永冰川末端开展了3个架次飞行,飞行参数保持一致。
图2 梅里雪山地区明永冰川末端无人机航线及相控点分布

注:底图为高分1号影像。

Fig.2 Route and ground control points of UAV at the terminal of the Mingyong Glacier

2.2 数据处理

P4R航测任务完成后,通过高精度双频PPK算法对无人机数据进行处理,能够获得无人机相机拍照时刻的高精度位置信息。解算过程均在PISHON E-View软件中完成,通过导入UBase基站静态文件、无人机相机移动站文件和拍照点时刻文件、相片文件夹,输入基站坐标及高度信息,解算获得相片POS点空间信息。
无人机数据后处理的基本步骤包括空中三角测量、影像密集匹配、正射校正与镶嵌、数字表面模型(DSM)构建等。首先,对多视影像联合平差,结合无人机POS系统自带的外方位元素,提取相同特征点(Tie Point),建立区域网平差的误差方程,解算相片的外方位元素和加密点的物方坐标[29]。然后,多视影像密集匹配,获取高密度点云,构建TIN网。最后,生成正射校正影像与DSM。DSM不仅包含区域自然地貌形态信息,还包含测区内建筑物与树木等高度信息,但冰川表面形态单一,DSM可用于冰川表面动态监测。采用Context Capture (CC)软件,加载无人机相片及POS信息,提交空中三角测量解算,获取相片外方位元素并生成密集点云。基于空中三角测量解算结果和点云数据,构建三维TIN,生成正射校正相片与DSM,具体流程如图3所示。最终,得到了地面分辨率为5 cm的正射影像及DSM影像。
图3 无人机摄影测量数据处理流程

Fig.3 Processing workflow of UAV aerial survey data

2.3 精度评估

无人机航测获得的正射校正影像、DSM影像与相控点的精度通过平均误差(EM)和均方根误差(ER)来表示:
E M = ∑ i = 1 n P i ' - P i n
E R = ∑ i = 1 n P i ' - P i 2 n
式中: P i为GNSS RTK测量的相控点值, P i '为影像匹配相应位置值, n为测点数。
通过5个相控点的精度检测,无人机航测获得的正射影像,平面精度在X方向为±0.055 m,在Y方向为±0.110 m,DSM影像的高程精度为 ±0.310 m(表1)。
表1 正射影像、DSM影像与相控点精度对比

Tab.1 Accuracy of orthoimage, DSM and control points (m)

相控点ID X方向 Y方向 Z方向
1 0.228 0.026 -0.570
2 0.120 0.007 0.457
3 -0.034 -0.248 -0.377
4 -0.170 0.413 0.431
5 -0.161 -0.140 -0.423
平均误差(EM) ±0.003 ±0.012 ±0.096
均方根误差(ER) ±0.055 ±0.110 ±0.310
2期DSM数据覆盖范围一致,差分计算得到的冰川表面高程变化数据,其精度可通过非冰区高程差进行评估。但由于梅里雪山地区冰川为海洋型冰川,冰川末端多数延伸至较低海拔,两侧山谷上发育茂密的森林。DSM数据包含植被高度信息,不同时间段存在显著差异。通过对正射影像的检查,冰川边界周边一定范围内为裸露的基岩,该部分区域可认为在长时间范围内保持不变。为有效评估冰川表面高程变化数据,利用冰川边界向外缓冲80 m,确保缓冲区不包括易发生形变的地貌形态,计算该区域的2期DSM数据高程差。统计显示,稳定非冰川区面积为235428.7 m2;2期DSM数据的垂直误差为±0.05 m,标准差为±0.15 m,高程差较为稳定,说明2次无人机航测获取的数据适合用于冰川动态监测。

3 结果与讨论

3.1 无人机航测影像

利用P4R无人机搭配中海达UBase及其相应的PPK处理软件、CC空三解算软件,得到地面分辨率为5 cm的正射影像及DSM影像(图4)。
图4 2019年11月12日无人机获取的(a)正射影像和(b)DSM影像

Fig.4 Orthoimage and DSM image acquired by UAV on November 12, 2019

正射影像显示(图4a),航测区面积1265475.9 m2,其中冰川区面积280553.7 m2,占整个测区面积的22%。航测冰川区表面形态在不同位置有显著差别,航测冰川区中下部大量表碛覆盖,有少量沿冰川主流线方向发育的裂隙;航测冰川区中上部表碛覆盖较少,大量横向裂隙发育。DSM影像显示(图4b),航测冰川区中下部地形平缓,中上部地形显著抬升。测区山谷形态限制冰川发育,从冰川边界形态可以看出,航测冰川区上部较宽,中部狭窄,加之冰川表面坡度较大,冰川运动速度较快,使得大量裂隙横向发育;航测冰川区中部狭窄,下部较宽,加之冰川表面坡度较小,冰川运动速度较慢,少量裂隙纵向发育。

3.2 冰川动态监测

研究小组于2018年11月9日和2019年11月12日分别对明永冰川末端进行了无人机航拍,2期航拍时间间隔可认为是一个完整年。对2期DSM数据进行差分计算,得到冰川表面高程变化的空间分布(图5)。
图5 明永冰川末端表面高程变化

Fig.5 Surface elevation changes at the terminal of the Mingyong Glacier

2018年11月至2019年11月,梅里雪山地区明永冰川末端表面高程平均变化-1.67 m(图5c)。冰川表面高程变化空间分布差异显著,在航测冰川区上部高程差存在正负交替现象,航测冰川区中部以减薄为主,而航测冰川区下部以增厚为主(图5d)。航测冰川区上部高程差正负交替,但平均高程变化-1.91 m。出现正负交替的高程差,主要原因在于该位置横向裂隙大量发育并伴随着冰川向下游的流动,高程差的正负交替反映裂隙的位置变动及冰崖崩塌等现象。航测冰川区中部以减薄为主,且呈现显著减薄特征,主要是由于该区域有大量表碛覆盖,对冰川消融具有加速作用。航测冰川区下部以增厚为主,是由于在航测时间段内,明永冰川末端发生了规模较大的雪崩事件,冰川末端为主要雪崩体堆积区。从明永村村民处了解到,2019年1—3月,梅里雪山地区遭遇暴风雪,明永村积雪累计达到60~70 cm。4月初明永冰川末端发生雪崩,雪崩体将冰川末端谷底几乎填平,从冰川末端自动气象站及树木受损情况可以得知,此次雪崩事件规模巨大,对冰川末端有显著影响。
由于在研究初始阶段发生雪崩事件,冰川末端被雪崩体完全覆盖,且在研究时间段末期,雪崩体并未消融殆尽,因此冰川末端未发生进退变化。2期航测正射影像间隔时间较长,冰川表面发生显著变化,难以获取相同特征点,因此该数据不能用于冰川表面运动速度的提取。但从冰川表面高程变化,尤其是航测区上部高程差正负交替可知,航测冰川区上部运动速度较大,随着海拔降低,冰川运动速度逐渐减小。
对区域性或单条冰川研究表明,随着海拔的升高,冰川表面高程变化逐渐减小[14,22]。但仅从消融区末端分析,随着海拔的升高,海洋型冰川表面高程减薄逐渐增加[30]。明永冰川航测区表面高程变化与区域性冰川表面高程变化规律具有较高的一致性。在海拔2700~3300 m之间,随着海拔的升高,明永冰川航测区表面高程变化愈显著,总体变化趋势为-0.33 m/50 m(图5d)。

3.3 典型山地冰川表面高程变化对比

随着遥感技术的发展,区域性冰川变化研究成果越来越多[9,10,13-16]。为进一步研究梅里雪山地区冰川变化特征,收集了高亚洲地区典型山地冰川变化情况,与本研究进行对比分析(表2)。研究发现,梅里雪山地区冰川表面高程变化是整个高亚洲地区最显著的地区。相对天山(-0.40 ± 0.22 m·a-1)[31]、喀喇昆仑山(-0.33 ± 0.16 m·a-1)[15]、唐古拉山(-0.68 ± 0.35 m·a-1)[32]等地,梅里雪山地区冰川表面高程变化幅度较大,与念青唐古拉山(-1.50 ± 0.15 m·a-1)[30]冰川表面高程变化较一致。这表明,21世纪以来,高亚洲地区海洋型冰川正经历显著的表面高程减薄过程。
表2 高亚洲地区典型山地冰川变化

Tab.2 A summary of glacier surface elevation changes in the High Asia Mountains

研究区 时段 冰川表面高程
变化/(m·a-1)		 文献来源
天山 2000—2012年 -0.40 ± 0.22 [31]
帕米尔 2000—2011年 -0.02 ± 0.13 [15]
喀喇昆仑山 2000—2011年 -0.33 ± 0.16 [15]
西昆仑山 2003—2009年 0.04 ± 0.29 [32]
青藏高原内流区 2003—2009年 -0.05 ± 0.26 [32]
唐古拉山 2003—2009年 -0.68 ± 0.35 [32]
喜马拉雅山 2003—2009年 -1.15 ± 0.44 [32]
念青唐古拉山 2000—2014年 -1.50 ± 0.15 [30]
梅里雪山 2018—2019年 -1.67 ± 0.05 本文

4 结论

无人机航测正射影像和数字地表模型能够较好地反映冰川表面特征,在冰川末端进退、冰川运动速度、表面高程变化及表碛、冰崖、冰面湖塘等研究中有广泛的应用前景。本文对梅里雪山地区明永冰川末端开展了2期无人机摄影测量,用于估算冰川消融区表面高程变化,监测冰川动态变化,主要结论如下:
(1) 冰川区表面形态在不同位置有显著差别,航测冰川区中下部大量表碛覆盖,有少量沿冰川主流线方向发育的裂隙;航测冰川区中上部表碛覆盖较少,大量横向裂隙发育。
(2) 2018年11月—2019年11月,明永冰川末端表面高程平均变化-1.67 m。冰川表面高程变化空间分布差异显著,在航测冰川区上部高程差存在正负交替现象,航测冰川区中部以减薄为主,而航测冰川区下部以增厚为主。
(3) 与高亚洲地区其他山系冰川变化对比,梅里雪山地区是冰川表面高程变化最显著的地区。21世纪以来,高亚洲地区海洋型冰川正经历显著的表面高程减薄。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Oerlemans J. Extracting a climate signal from 169 glacier records[J]. Science, 2005, 308:675-677.

PMID

[2]
Immerzeel W W, van Beek L P H, Bierkens M F P. Climate change will affect the Asian water towers[J]. Science, 2010, 328:1382-1385.

DOI PMID

[3]
IPCC. Climate change 2013: The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge, UK: Cambridge University Press, 2013.

[4]
秦大河, 姚檀栋, 丁永建, 等. 冰冻圈科学概论[M]. 北京: 科学出版社, 2017.

[ Qin Dahe, Yao Tandong, Ding Yongjian, et al. Introduction to cryosphere science. Beijing, China: Science Press, 2017. ]

[5]
姚檀栋, 邬光剑, 徐柏青, 等. “亚洲水塔”变化与影响[J]. 中国科学院院刊, 2019, 34(11):1203-1209.

[ Yao Tandong, Wu Guangjian, Xu Baiqing, et al. Asian water tower change and its impacts. Bulletin of Chinese Academy of Sciences, 2019, 34(11):1203-1209. ]

[6]
Bhambri R, Scott Watson C, Hewitt K, et al. The hazardous 2017-2019 surge and river damming by Shispare Glacier, Karakoram[J]. Scientific Reports, 2020, 10(1):4685. doi: 10.1038/s41598-020-61277-8.

DOI PMID

[7]
崔鹏, 郭晓军, 姜天海, 等. “亚洲水塔”变化的灾害效应与减灾对策[J]. 中国科学院院刊, 2019, 34(11):1313-1321.

[ Cui Peng, Guo Xiaojun, Jiang Tianhai, et al. Disaster effect induced by Asian water tower change and mitigation strategies. Bulletin of Chinese Academy of Sciences, 2019, 34(11):1313-1321. ]

[8]
邬光剑, 姚檀栋, 王伟财, 等. 青藏高原及周边地区的冰川灾害[J]. 中国科学院院刊, 2019, 34(11):1285-1292.

[ Wu Guangjian, Yao Tandong, Wang Weicai, et al. Glacial hazards on Tibetan Plateau and surrounding alpines. Bulletin of Chinese Academy of Sciences, 2019, 34(11):1285-1292. ]

[9]
Shean D E, Bhushan S, Montesano P, et al. A systematic, regional assessment of high mountain Asia glacier mass balance[J]. Frontiers in Earth Science, 2020, 7:363. doi: 10.3389/feart.2019.00363.

DOI

[10]
IMBIE Team. Mass balance of the Greenland Ice Sheet from 1992 to 2018[J]. Nature, 2020, 579:233-239.

DOI

[11]
Yao T D, Thompson L, Yang W, et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2012, 2:663-667.

DOI

[12]
Zemp M, Huss M, Thibert E, et al. Global glacier mass changes and their contributions to sea-level rise from 1961 to 2016[J]. Nature, 2019, 568:382-386.

DOI

[13]
Ke L H, Song C Q, Yong B, et al. Which heterogeneous glacier melting patterns can be robustly observed from space? A multi-scale assessment in southeastern Tibetan Plateau[J]. Remote Sensing of Environment, 2020, 242, 111777. doi: 10.1016/j.rse.2020.111777.

DOI

[14]
Wu K P, Liu S Y, Jiang Z L, et al. Glacier mass balance over the central Nyainqentanglha Range during recent decades derived from remote-sensing data[J]. Journal of Glaciology, 2019, 65:422-439.

DOI

[15]
Gardelle J, Berthier E, Arnaud Y, et al. Region-wide glacier mass balances over the Pamir-Karakoram-Himalaya during 1999-2011[J]. The Cryosphere, 2013, 7(4):1263-1286.

DOI

[16]
Kääb A, Berthier E, Nuth C, et al. Contrasting patterns of early twenty-first-century glacier mass change in the Himalayas[J]. Nature, 2012, 488:495-498.

DOI

[17]
Jacob T, Wahr J, Pfeffer W T, et al. Recent contributions of glaciers and ice caps to sea level rise[J]. Nature, 2012, 482:514-518.

DOI

[18]
施雅风, 刘朝海, 王宗太, 等. 简明中国冰川目录 [M]. 上海: 上海科学普及出版社, 2005.

[ Shi Yafeng, Liu Chaohai, Wang Zongtai, et al. Concise glacier inventory of China. Shanghai, China: Shanghai Popular Science Press, 2005. ]

[19]
Immerzeel W W, Kraaijenbrink P D A, Shea J M, et al. High-resolution monitoring of Himalayan glacier dynamics using unmanned aerial vehicles[J]. Remote Sensing of Environment, 2014, 150:93-103.

DOI

[20]
Kraaijenbrink P D A, Shea J M, Pellicciotti F, et al. Object-based analysis of unmanned aerial vehicle imagery to map and characterise surface features on a debris-covered glacier[J]. Remote Sensing of Environment, 2016, 186:581-595.

DOI

[21]
Wigmore O, Mark B. Monitoring tropical debris-covered glacier dynamics from high-resolution unmanned aerial vehicle photogrammetry, Cordillera Blanca, Peru[J]. The Cryosphere, 2017, 11:2463-2480.

DOI

[22]
Yang W, Zhao C X, Westoby M, et al. Seasonal dynamics of a temperate Tibetan glacier revealed by high-resolution UAV photogrammetry and in situ measurements[J]. Remote Sensing, 2020, 12:2389. doi: 10.3390/rs12152389.

DOI

[23]
车彦军, 王世金, 刘婧. 无人机在冰川复杂地形监测中的应用: 以玉龙雪山白水河1号冰川为例[J]. 冰川冻土, 2020, 42(4):1391-1399.

[ Che Yanjun, Wang Shijin, Liu Jing. Application of Unmanned Aerial Vehicle (UAV) in the glacier region with complex terrain: A case study in Baishui River Glacier No.1 located in the Yulong Snow Mountain. Journal of Glaciology and Geocryology, 2020, 42(4):1391-1399. ]

[24]
刘宇硕, 秦翔, 郭万钦, 等. 控制点布设对冰川区无人机摄影测量精度的影响[J]. 遥感学报, 2020, 24(2):161-172.

[ Liu Yushuo, Qin Xiang, Guo Wanqin, et al. Influence of the use of photogrammetric measurement precision on low-altitude micro-UAVs in the glacier region. Journal of Remote Sensing, 2020, 24(2):161-172. ]

[25]
蓝永如, 刘高焕, 邵雪梅. 近40a来基于树轮年代学的梅里雪山明永冰川变化研究[J]. 冰川冻土, 2011, 33(6):1229-1234.

[ Lan Yongru, Liu Gaohuan, Shao Xuemei. Variation of the Melang Glacier in Mount Kawa Karpo in the past 40 years, based on Dendrochronolog. Journal of Glaciology and Geocryology, 2011, 33(6):1229-1234. ]

[26]
欧晓昆, 张志明, 王崇云. 梅里雪山植被研究 [M]. 北京: 科学出版社, 2006.

[ Ou Xiaokun, Zhang Zhiming, Wang Chongyun. Vegetation research in Meili Snow Mountain. Beijing, China: Science Press, 2006. ]

[27]
郑本兴, 赵希涛, 李铁松, 等. 梅里雪山明永冰川的特征与变化[J]. 冰川冻土, 1999, 21(2):145-150.

[ Zheng Benxing, Zhao Xitao, Li Tiesong, et al. Features and fluctuation of the Melang Glacier in the Mainri Mountain. Journal of Glaciology and Geocryology, 1999, 21(2):145-150. ]

[28]
谢自楚, 刘潮海. 冰川学导论 [M]. 上海: 上海科学普及出版社, 2010.

[ Xie Zichu, Liu Chaohai. The introduction of glacier. Shanghai, China: Shanghai Popular Science Press, 2010. ]

[29]
卞敏, 徐亮, 骆元鹏, 等. 空地一体精细化三维模型构建方法[J]. 测绘通报, 2019(7):83-86.

[ Bian Min, Xu Liang, Luo Yuanpeng, et al. Method of refined 3D model construction of space-ground integration. Bulletin of Surveying and Mapping, 2019(7):83-86. ]

[30]
Wu K P, Liu S Y, Jiang Z L, et al. Recent glacier mass balance and area changes in the Kangri Karpo Mountains from DEMs and glacier inventories[J]. The Cryosphere, 2018, 12:103-121.

DOI

[31]
Li J, Li Z W, Zhu J J, et al. Early 21st century glacier thickness changes in the Central Tien Shan[J]. Remote Sensing of Environment, 2017, 192:12-29.

DOI

[32]
Neckel N, Kropáček J, Bolch T, et al. Glacier mass changes on the Tibetan Plateau 2003-2009 derived from ICESat laser altimetry measurements[J]. Environmental Research Letters, 2014, 9:014009. doi: 10.1088/1748-9326/9/1/014009.

DOI

Options
Outlines

/

〈 〉