冰川信息提取方法综述.docx
- 文档编号:29399261
- 上传时间:2023-07-23
- 格式:DOCX
- 页数:24
- 大小:120.72KB
冰川信息提取方法综述.docx
《冰川信息提取方法综述.docx》由会员分享,可在线阅读,更多相关《冰川信息提取方法综述.docx(24页珍藏版)》请在冰豆网上搜索。
冰川信息提取方法综述
基于遥感的冰川信息提取方法综述
全球气候环境变化及其影响己成为当今世界各国政府、科学家和政策决策者所共同关注的重大焦点问题。
政府间气候变化委员会(IPCC第四次评估报告指出巴过去100a)(1906、2005年)全球地表平均气温上升了0.74°C,而最近50a的升温速率儿乎是接近过去100a升温速率的两倍。
冰川对气候变化十分敏感,被视为气候变化的指示器,升温己导致全球大多数冰川在过去100多年里处于退缩状态,尤其是最近的儿十年呈加速退缩态势乩現尽管大量的冰储存于两极冰盖中,但山地冰川和冰帽的储量损失在过去几十年和未來一个世纪对海平面上升、区域水循环和水资源可获取性均有重要影响
青藏高原及其毗邻地区蕴藏着世界上两极之外最大的冰雪储量,被称为“第三极”,该区气候变化引发的冰川变化不仅影响到周边地区十个国家的15亿人口的农业、发电等生产活动的水资源供应3'6'门,而且会引发区域乃至北半球的大气环流格局的变化⑧,从而使其成为国际冰川变化研究的热点地区。
此外,青藏高原很多内陆湖泊近期水位上涨、湖泊面积增大导致草场淹没以及冰湖溃决和泥石流滑坡等山地灾害,对周边地区的生态与环境及农牧民的生活造成了严重影响⑼。
因此,监测青藏高原冰川变化时空分异特征,对于更加清楚地认识该地区对全球气候变化的响应具有重要的科学意义,对于及时提供湖泊水量变化信息,制定当地农牧民的应对措施具有重要的现实意义。
本文系统梳理和总结了国内冰川监测相关研究进展,并探讨了当前该领域研究的不足以及未来的研究方向,旨在为我国冰川变化监测提供有益借鉴。
一、传统野外监测
传统的冰川观测主要基于野外实地考察,开展较早。
世界上很多地区在一个多世纪以前就开始系统地观测冰川与冰盖的变化何。
1930s之前一直依靠实测冰川末端的变化或对比小冰期冰磧物的位置获得冰川变化的信息,1940s后期开始了冰川物质平衡研究,截止到2008年全球已获取了1803条冰川自19世纪后期的冰川长度变化和226条冰川过去60年内的物质平衡观测结果⑭,分别占1970s估计的全球冰川总数160000条“的1.1%和0.1%,观测数量很有限。
我国冰川研究事业开创于1958年祁连山冰川考察⑼,截止到2007年,基于野外考察共有27条冰川的长度变化和5条冰川的物质平衡的较长时间观测记录[12\分别为我国冰川总数46377问条的0.06%和0.01%,远低于前述全球尺度的相应观测比例,且没有一条位于我国冰川分布中心之一的喀喇昆仑地区。
实地观测通常在容易到达、安全且不是太大的冰川进行,不能代表所有冰川的规模、海拔分布、坡度和朝向。
所以,仅靠少数野外考察资料很难反映全球或区域尺度冰川变化的空间特征,所获得的冰川变化趋势及其对气候变化的响应的结论也难免存在局限性。
二、冰川面积变化遥感监测
遥感观测可以在瞬时获取较大范围的地面综合信息,适合对不同地理环境下的冰川变化进行长期而持续的监测,早期主要进行面积变化遥感研究。
1940s以后,人们可以借助于航空摄影技术测绘冰川末端位置[11]o1970s之后,随着卫星遥感技术的发展和观测精度的提高,陆地资源系列卫星(LandsatMSS、TM和ETM+)SPOT、ASTER>和ALOS等影像逐渐被应用于大尺度的冰川变化监测。
全球陆地冰空间监测组织(GLIMS)目前正致力于建立世界范围内的冰川变化记录。
我国雪冰遥感的研究工作始于70年代中后期,基于大量的遥感影像、航空像片和大比例尺地形图,完成了我国第一次的冰川编目
他,近期完成了第二次冰川编目,发现大致30年间冰川面积减少了17*—国内利用航空像片來进行冰川变化分析仅在少数地区开展曲,卫星遥感监测冰川面积变化是应用较多的手段,研究区己涉及祁连山比叭唐古拉山"划、昆仑山r喜马拉雅山少叭岗日嘎布山阿、喀喇昆仑山曲、念青唐古拉山时叭天山和横断山3等山系。
喀喇昆仑是西部重要的冰川分布中心之一,冰川覆盖度达23.42%,远高于其他山系问,但目前研究很少。
冰川面积变化无法充分反映冰川物质收支变动,末端前进并不意味着冰川储量增加,而可能是冰川自身物质的空间分布发生变化;面积不变也不代表冰川高程没有变化,也即冰储量没有变化。
冰川储量变化比面积变化对气候变化更敏感,有最直接的响应,理解冰川变化机制需要开展这方面的研究。
(一)冰雪冰川面积参数自动化提取
1.比值阈值法
数据源:
选用的数据包括大比例尺地形图根据数字地形图绘制本区高分辨率DEM;获取的正射纠正后LandsatTM遥感影像,多光谱空间分辨率为30m;中巴资源卫星影像,参考LandsatTM影像对中巴影像做正射纠正,多光谱空间分辨率为19.6m;ASTER遥感卫星影像,参考LandsatTM影像对其做正射纠正,多光谱空间分辨率为15m.选取的3个时期的影像云雪量都较少,比较适宜于冰雪及其表面盖物质的识别和研究冋。
所用的软件为ESRI公司的ArcGIS,ITTVisualInformationSolutions公司的ENVI图像处理软件和ERDAS公司的ERDAS图像处理软件。
研究方法与精度评估:
数字化地形图,并与同期获取的航空相片作纠正。
根据航测的地形图所的冰川面积所占总冰川面积比例,所以把数字化地形图得到的冰川边界作为研究区区的冰川边界,得出冰川面积。
与第一次冰川编目的数据如果不一致,可能是由于选用的数据源以及人为误差引起的。
用比值阈值法将冰川与非冰川区分开来。
TM影像的4波段/5波段被前人大量的运用,对于中巴影像,因为没有合适的波段进行比值运算,所以采用最为原始的且精度最高的人工解译;ASTER影像的3、4波段很类似于Landsat的4、5波段,所以我们选用3波段/4波段,也取得很理想的效果。
处理流程可分为4个步骤
(1)波段比值•波段比值法是利用冰在可见光波段的高反射和近红外波段的强吸收特性來区别冰与其它地物的。
我们选用两种比值方法:
波段3/波段5和波段4/波段5,经过结果比较,波段4/波段5更能区分冰与其它地物,所以选择波段4/波段5。
(2)确定阈值.不同的冰川类型所釆用的阈值可能不一样,许君利在塔里木河流域利用Land2satETM+得到阈值范围在2.6〜14.2之间。
经过多次的调试,确定2.3为最为有效的阈值。
(3)二值图像.如果比值图像的灰度值大于阈值,那么图像所对应的地方就是冰川,反之亦然,这样得到冰川掩膜的二值图像。
二值图像的边界是锯齿状的,在选择边界点时,选择像元的中心点,这样就可以把锯齿状边界圆滑。
(4)人工解译.因为比值阈值法很难识别阴影区和表磧,所以这些地方的边界需要在专家的指导下,参考DEM进行人工解译。
数字化和冰川人工解译都是在3个冰川解译专家独立完成平均结果后得到。
在很多情况下,GoogleEarth也是一个很好的参考工具。
对冰川边界的提取精度主要受传感器和图像配准误差的影响。
根据前人们的研究,每个冰川边界的不确定性可以用式
(1)来计算:
U厂尸+£⑴
式中:
UT为冰川终端长度的不确定值;入为原始图像像元的大小;£为各个图像与LandsatTM影像的配准误差。
通过式
(1)计算出时相的数据间的不确定值UT。
不同时间段图像配准的误差在一定程度上也很大的影响着冰川边界提取精度。
所以,我们把配准误差也算进來,变换式⑴得到式
(2),这样得到不同时相冰川面积提取的不确定值。
5=2比底^+匸⑵
2.雪盖指数法
雪盖指数是求解植被指数的延伸和应用推广,其原理是基于地物在某一波段强反射和在另一波段的强吸收特性。
阿基本运算如下:
NDSI=(CH(n)-CH(m))/(CH(n)-i-CH(m))
式中:
n、in分别代表雪的强反射与强吸收光谱波段号。
最常见的波段为2波段和5波段,如LandsatTM和NOAA/AVHRR等影像。
对于MODIS可选择超远红外波段作为强吸收光谱波段(第26波段,ll.ri2.6um)。
对于不同传感器的遥感数据,雪的NDSI临界值因不同的获取系统而各不相同。
NDSI临界值选择了一个较宽的范围,但雪盖面积计算值离差并不大,说明NDSI可以真正代表雪的反射特性并能有效地与其他地物区分。
3.监督分类与非监督分类法
监督分类是基于对训练样本区的釆样,对每一地物信息类的反射值生成一个统计特征。
通过检查逐个像元的发射值并确定它与哪个光谱特征最相似从而來对图像进行分类。
其中常用的分类器有最小距离分类器和最大似然分类器。
为保证分类的可行性,一般需要做尽可能多的野外调查工作。
一般以中分辨率成像光谱仪的MODIS图像进行监督分类(确定该实验区有实测的以雪为主的地物光谱反射曲线数据):
①建立积雪样本区,在DRISI图像处理软件环境下进行组文件查询,可以得到MODIS所有26幅图像同像元点的光谱反射值和其对应的曲线,从中可以选择趋势相近的若干类曲线。
通过实测典型积雪类型反射光谱曲线,对比分析后,粗选出经验性积雪类型像元。
②进行训练样本的再验证。
本幅图像的样本区最好是在是在无云、大气状况良好的条件下获取的,根据该地区冰川分布图、数字地形模型、风吹雪影响诸多因素和基于多次实地考察。
在积雪类型中剔除不符合或不确定的像元并确定满足与实测积雪反射光谱曲线相近条件的像元。
③重复①和②步骤。
最好釆样像元点的个数越多越好。
基于以上分析和结论,对遥感图像实施积雪分类可以通过以下几点实现:
①确定积雪范围:
积雪在可见波段的高反射率和红外波段的高吸收率,反映在图像上黑白对比强烈,可以容易得到;②在积雪区选择训练样本:
训练样本区应选取感性认识多、代表性广的区域;③建立积雪类型像元信号文件;④积雪分类:
利用最小距离法分类器进行监督分类。
4.地图信息图谱方法
地学信息图谱是陈述彭院士等前些年提出的新概念与新方法冏。
地学信息图谱其实是地图学更高层次的表现形式与分析研究手段,是由地图和地学图谱进一步发展而成,是信息时代的产物。
“图”主要是指空间信息图形表现形式的地图,还包括图像、图解等其他图形表现形式;“谱”是众多同类事物或现象的系统排列,是按事物特征或时间序列所建立的体系。
图谱兼有“图形”与“谱系”的双重特性。
地学信息图谱是由遥感、地图数据库、地理信息系统与数字地球的大量数字信息,经过图形思维与抽象概括,并以计算机多维动态可视化技术,显示地球系统及各要素和现象空间形态结构与时空变化规律的一种手段和方法。
同时这种空间图形谱系经过空间模型与地学认知的深入分析,可进行推理、反演与预测,形成对事物和现象更深层次的认识,有可能总结出重要的科学规律或规划决策的具体方案。
它主要有以下特点:
一是地图主要表示事物和现象的分布及其质量特征与数量指标的区域差异,而图谱能反映事物和现象形态结构、成因机制、组成物质、动态变化等综合性、复杂性规律,即通过图形特征与谱系结构的不同变化反映更深层次的规律。
而图谱往往以系列图形式表示时空动态变化,但也不局限于地图形式,有时以图像(如遥感图像)和图解、表格形式出现。
如色谱、地物光谱、动物图谱、植物图谱等。
二是地图表示事物和现象往往是经过了一定的抽象与概括(如居民地、道路分类分级、细小图斑的归并),而图谱比地图还要有更多的综合集成与抽象概括。
因此图谱的建立比编绘地图困难得多,除了必须拥有大量资料与数据外,还要深入地研究事物和现象的形成机制、演变过程、组成物质以及影响它的各种因素,特别是突出反映事物和现象的时空变化规律。
它与地学图谱相比有一些明显的优点:
地学图谱是以地图、遥感影像、调查统计资料为主,而数字地球的发展为地学信息图谱提供了极其丰富的、源源不断的数字化的信息源,为地学信息图谱的建立创造了良好的条件。
地学图谱以抽象概括的二维图形或以系列图形式表示事物和现象的动态变化,而地学信息图谱通过计算机可视化,显示事物和现象抽象概括的三维图形及空间动态变化,或随时间的多维图形连续序列变化。
即使图谱釆用地貌晕渲或透视写景方法显示三维立体效果,也只能固定一个或少数儿个透视方向。
而地学信息图谱可显示任一透视方向。
地学图谱在显示事物和现象的时空分布规律时,只能补充有限的插图、图表、数据。
而地学信息图谱拥有大型数据库作依托,可通过查询检索获取更多的相关信息与各种数据。
地学图谱只能表示最终结果,修改与更新资料比较困难。
而地学信息图谱可以通过交互式操作系统(人机对话),改变分类、分级,或改变数学模型与变量参数,或设定不同的边界条件,选择最佳决策方案。
而且在数据库与计算机支持下,比较容易更新与修改地学信息图谱的资料。
地学信息图谱可建立相应的数学模型,借助于较多的分析应用软件,提出各种具体明确的应用方案,而且可以进行动态模拟分析,地理过程分析,反演过去,预测未來。
5.多波段K-L变换方法
根据图像光谱统计特征,结合冰川在不同波段的光谱特征和对不同波段组合图像的对比研究,选择冰雪反射率高的
TM1〜M3进行冰川光谱特征分析,以TM5(R)4(G)3(B)波段组合图像进行冰川图像识别及不同地物的对比分析说。
另外,为提高图像的分辨率和满足勘察及制图精度,用TM5(R)4⑹3(B)波段组合通过HIS变换方法与TM8进行图像融合,图像地面分辨率提高到15m。
用相关程度高的TM5、7两波段进行直接KL变换,分析各主组分的特征向量值及主组分图像可知,第二主组分PC2中TM5、7波段的特征向量值高且符号相反,其光谱反差得到较大增强,图像中冰川形态特征清楚,冰川与冰雪、阴影、裸地的光谱差异明显,用该图像进行冰川的识别和信息提取能得到十分满意的效果。
再用TM5、7两个波段TM1、2、3、4中的一个、多个或全部波段组合进行KL变换,发现其最后一个主组分及主组分图像对冰川信息也都具有较好的反映。
并且最后一个主组分中TM5、7特征向量值为高值,符号相反,而其它波段的特征向量值均很小。
图像中冰川信息清楚,不同的是,当波段数为偶数时,特征向量值TM5为正TM7为负,冰川为深色调;而当波段数为奇数时,特征向量值TM5为负,TM7为正,冰川为浅色调。
比较TM5、7两波段组合与TM5、7和TM1、2、3、4的多波段组合,前者PC2图像对地形阴影信息的消除效果更好,图像中冰川周围易与冰川混淆的地形阴影儿乎完全消失,只残留一些冰崩、雪崩形成的呈眼眉状的冰裂隙,而这些大多是反映冰川积累区形态与特征所需的有用信息。
6.热红外遥感方法
Landsat4、5所搭载的TM6温度图像的反演。
Landsat4/5卫星分别于1982年7月16日和1984年3月1日进入预定轨道。
热红外波段地面分辨率为120m。
将图像亮度值DN6转换成辐射亮度L(TM6)其方程式为:
LJTA/6)=j(TM6)+(C-—)/255*DN6
上式中L臨为传器可探测的最大辐射亮度,单位为:
Wmsr'1um'1,即340K全辐射体发出的平均辐射亮度,为可探测的最小辐射亮度,即200K全辐射体发出的平均辐射亮度。
对于Landsat4>TM6,L込=1.5600,Loin=0.1238。
因此该式可写作:
Lb(TM6)0.1238+0.005632156*DN6
通过辐射亮度(LQ推算地表相对温度,即亮度温度。
其方程式为:
Th=c2r2/[in(卬r'/厶+i)]
上式中TB为地表温度(K),可令K^CxX-5,氐=5厂”,它们为校正系数对于TM6,Kt=60.776mWcm-2sr_1ym'1,&=1260.56K。
该式可写作:
TB=K2/111(1+KJG
TB=1260.56/[ln(l+60.776/Lb)]
选取ERDAS软件图像库中的lanier.img影像來实现这个算法。
该幅图像是一幅TM全波段图像,成像时间为1992年3月120o由第三章第五节Landsat系列卫星的历史,该图像可能是Landsat4TM所成图像,也有可能是LandsatSTM所成图像。
成像地点不详。
经过初步判读,该幅图像上有水体、植被和城镇。
第六波段的图像亮度值最小值为94,最大值为156,平均值为132.255o将TM6波段的图像亮度值转化为辐射亮度,并得到辐射亮度图像。
再将辐射亮度图像转化为亮度温度图像,这种假设所有地物比辐射率为均一值的算法比较简单,但是在精度方面可能存在着比较大的问题。
水体、植被和城镇的比辐射率是有差别的。
由于很难获得该地点的气温资料信息,所以对于真实精度的检验也很困难。
不过按照一般的气温规律,在3月份时,温度为22.778摄氏度是很有可能的
[58:
7.决策树自动阈值分类方法
本文以冰川和冰磧物的自动提取为例删。
(1)数据來源:
主要包括研究区DEM,大比例尺地形图和LandsatTM影像。
(2)方法路线:
数据的预处理阶段:
以地形图为地理参考坐标,对TM遥感图像进行儿何精校正和坐标归一化处理。
为了保证图像的可比性,需要在地形图和数字影像上选取一定数量的地面控制点和独立验证点,使配准精度控制在一个像元之内。
山地冰川受地形的强烈影响而导致的当地太阳入射角和高度角变化会影响到分类精度,所以进行地形纠正是十分必要的。
DEM能够有效地纠正地形的影响,故本文基于DEM数据,釆用Dozier提出的地形纠正公式对遥感图像进行了地形纠正。
0.57〜0.90<0非监督分类<24修整边界
数据分类阶段:
数据分类的具体方法步骤如下:
(1)计算图像的雪盖指数(NDSI)值,以0.57~0.90阈值分为两类:
冰川区(两阈值之间)和非冰川区。
(2)计算图像的归一化植被指数(NDVI)值,以0阈值分为两类:
植被区(大于阈值)和非植被区。
(3)由DEM提取坡度图,以坡度24b为阈值分为两类:
冰磧物覆盖区(小于阈值)和非冰磧物覆盖区。
(4)为了减少步骤(3)所产生的错误分类和噪声,首先对处于热红外波段的TM6进行插值,得到与TM其他波段具有相同空间分辨率的热图像;再对该热图像进行非监督分类,分类数为5,将非监督分类结果中第1类和最后一类进行合并,中间的三类进行合并,分为两类:
冰磧物覆盖区和非冰磧物覆盖区。
(5)将步骤(3)和(4)得出的分类结果进行叠置分析,为了有效去除边界存在的错误分类和噪声,由DEM提取剖面曲率图,人为手工沿曲率走势进行修正调整,删除边界曲率变化明显但坡度小于24度的像素,得到更为准确的冰磧物分布范围。
(6)将5)得到分类结果与
(1)和
(2)得到的分类结果进行叠置分析,得到一个综合的分类结果图。
用一个3@3的中值滤波器过滤以减少噪声。
为了去除与冰川及冰舌不相连的许多噪声像元,首先把冰磧物像素颜色值更改为冰川像素颜色值,通过GIS软件进行栅格矢量化,为矢量增加一个字段属性编号ClassNum,由于冰磧物覆盖冰舌和冰川连接在一块,因此只需要对很少儿个矢量多边形赋值该属性,本区仅为3个。
接着将之前的分类栅格图与该矢量图进行空间叠置,去除与矢量图中无编号多边形相对应的栅格像素,最后得到分类结果如图。
8.面向对象的信息提取方法
面向对象的影像分类,对难以到达和缺乏实地考察资料的区域进行冰川监测,遥感方法相对于传统的方法具有突出的优势。
传统的遥感分类方法包括人工目视解译、监督分类、非监督分类等画。
人工目视解译要求有丰富的专业经验和充足的野外实地调查资料,这种方法提取的冰川信息以高准确性而被国内外部分冰川学者所采用,但是,这种方法的生产效率低,应用于大面积的冰川变化研究成本太高,边界容易错位,地物定位精度低。
而以像元为基本单位的自动分类技术,如监督分类和非监督分类,只利用了像元的光谱信息,获得的结果十分有限,且“椒盐”效应突出。
面向对象分类技术集合临近像元为对象用來识别感兴趣的光谱要素,利用高分辨率的全色和多光谱数据的空间,纹理,和光谱信息來分割和分类的特点,以高精度的分类结果或者矢量输出。
它主要分成两部分过程:
影像对象构建和对象的分类。
面向对象的分类方法逐步成为目前主流的分类方法。
学者对这种方法多尺度、处理过程、模糊算法的理论和应用进行了报道,该方法相对传统的基于像元的监督分类可以有效的抑制“椒盐”效应,提高了分类精度,故釆用此方法提取大面积冰川信息。
图像分割
合并分块精炼分块
计算属性
定义要素
导出要素
查看报告和统计
完成
(二)总结:
冰川边界信息提取的几种方法对比经实践,得出:
阈值法操作简单,但是区分效果不明显。
雪盖指数阈值法比直接用阈值法要精确些。
非监督分类方法精度较低;监督分类方法准确度明显高于非监督分类,但是部分积雪和岩石还是容易被错分。
波段比值阈值法操作相对简单,精度较高。
基于目标的提取方法能更好的提取各种具有特征类型的地物,应用于冰川的提取具有较高精度。
实践结果表明,这种新方法能高效提取冰川,且能有效抑制云和雪的干扰,将逐步成为计算机自动解译冰川的主流方法。
决策树自动生成研究是现阶段及以后的一种趋势,但是从冰川提取结果上来看,决策树自动分类过程中无法识别样点数据中的误差,还是有明显的错分,因此结合数据挖掘算法,自动构建决策树是需要进一步研究解决的问题。
三、冰川体积变化遥感监测
相比传统的冰川面积和长度变化等二维参数遥感监测,冰川储量变化遥感研究起步较晚。
最初通常是利用存档的两期以上的航片或地形图获取冰川储量变化信息何,仅在有存档数据的地区进行。
近年來随着雷达技术的发展、激光高度计的应用、摄影测量技术与遥感科学的结合,促进了冰川储量变化研究的发展。
但部分卫星雷达测高(例如,ENVISAT和ERS)和卫星重力测量(GRACE)因分辨率较粗无法在山地冰川和小冰帽应用,主要用于南北极冰盖的监测。
在山地冰川储量遥感研究中应用较多的是SRTM数据和ASTER、ALOS与SP0TX0R0NA等立体像对,国外学者于2002年之后在高级别SCI期刊上发表了很名论著,并在第三极开展了相关工作
Q/。
我国学者在祁连山、念青唐古拉山网、喜马拉雅山隅⑼进行了一些储量遥感探索,有学者在唐古拉山何和祁连山皿也对部分冰川开展了基于差分GPS的冰川储量变化研究,但总体上看我国目前冰川储量遥感监测应用很少,缺乏大尺度的监测研究,发表在国际学术刊物上的研究论文也不多。
总之,传统的实地监测方法虽然比较精确和可靠,然而随着卫星遥感技术的进步,更多地和更高分辨率的雷达和光学影像可以用于冰川变化监测,更能发挥遥感监测快速、动态和范围大的特点。
近期兴起的多源数据结合使用,会弥补单源源数据的不足,发挥多源数据的综合优势,是未來的发展趋势。
山地冰川变化己引起国际上的广泛关注,开展冰川变化研究不仅关系到我国冰川变化研究的国际地位与影响,而且对评价气候环境变化对冰川水资源和水循环的影响具有重要意义。
下面就基于遥感冰川体积信息提取的主要几种方法做一个介绍。
(一)基于GIS和RS的冰川厚度计算方法
冰川厚度就是冰川表面与冰底间的垂直距离。
一般以钻孔法等在野外测定,或通过冰川平均厚度与冰川面积的关系等间接方法进行估算。
冰川平均厚度系冰川上若干测点冰厚的平均值,对判断冰的压力、对比冰量、计算冰川储水量均有重要意义。
目前,学者们根据需要主要用两种方式來获取冰川的厚度变化。
要探究冰川的确切厚度和冰川体积,搞清冰下地形,运用雷达数据直接测量冰川厚度。
(Petri,2010;Dalletal,2001;Engeset,2002;Gray,2001)
探究冰川体积变化量搞清对水资源的影响利用遥感光学影像生成数字高程模
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 冰川 信息 提取 方法 综述