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。

冰川是冰冻圈的重要部分,对局地乃至全球气候变化响应敏感。冰裂隙作为冰川表面上显著的特征,对于认识冰川的状态、稳定性以及内部应力有着重要的作用。针对冰川冰裂隙高精度快速识别提取问题,本文以玉龙雪山白水河1号冰川为研究对象,使用无人机航拍获取的0.12 m分辨率的正射影像,应用U-Net深度学习网络开展白水河1号冰川的冰裂隙的智能提取研究。使用U-Net网络提取冰裂隙的精度高于传统的Canny算子以及SVM算法,总体精度可高达93%,且U-Net网络泛化能力强。提取结果表明,白水河1号冰川冰裂隙主要为横向裂隙,伸展裂隙以及雁行裂隙,呈现随海拔降低,冰裂隙逐渐由横向裂隙变化为伸展裂隙的趋势,通过不同时期提取结果对比,发现冰裂隙数量和平均长度均有增加。基于无人机影像和深度学习方法的冰裂隙智能提取研究,可为监测冰川变化及其与气候变化的关系提供技术支撑。

冰裂隙是极地冰盖重要的表面特征参数，是冰盖内应力的外在表现，对冰盖的稳定性具有重要的影响。近几十年来随着卫星遥感技术的快速发展，冰裂隙的探测方法和相关研究也不断进步，多种卫星技术的冰裂隙时空探测方法同时取得了进展。介绍极地冰盖冰裂隙特征探测方法的进展情况，归纳和总结国内外利用光学遥感数据、微波遥感数据、高度计数据等多源遥感技术探测极地冰盖冰裂隙水平和垂直特征的方法，并探讨极地冰盖冰裂隙遥感探测的研究重点和面临的挑战。

每年夏季，格陵兰冰盖表面消融产生大量融水。冰面融水由冰面河输送，存储在冰面湖或注水冰裂隙中，形成了规模庞大、结构复杂的水文系统。然而，目前研究对全格陵兰冰面融水空间分布的理解十分有限。文章利用134景10 m空间分辨率的Sentinel-2遥感影像，提取了2019年消融旺盛期格陵兰冰面融水遥感信息；进一步，对比分析了遥感观测的冰面融水分布与区域大气气候模型（regional atmospheric climate model, RACMO）模拟的冰面融水径流量。结果表明：（1）2019年消融旺盛期，格陵兰冰面融水面积为9 900.9 km2,融水体积为6.8 km3;（2）格陵兰冰面融水的空间分布差异较大，呈现明显的“西多东少”“北多南少”的态势；（3）格陵兰冰面融水主要由冰面河组成，冰面河占冰面融水总体积的57.1%,其次是注水冰裂隙（25.6%）和冰面湖（17.3%）;（4）RACMO在多数流域准确模拟了冰面融水径流区域。研究反映了高分辨率遥感在格陵兰冰面水文研究中的应用潜力，提升了对冰面融水输送与存储等关键水文过程的理解。

山地冰川冰裂隙分布及其变化动态对于研究冰川动力学过程、冰川消融及其产汇流以及冰川失稳诱发灾害等具有重要意义。2016–2021年间，对贡嘎山东坡海螺沟冰川消融区开展了无人机重复航测，获取了冰川下游约4 km冰舌段各年消融期的高分辨率正射影像。基于配准的影像，对海螺沟冰舌段的冰裂隙进行了目视解译并矢量化，形成2016–2021年海螺沟冰川消融区冰裂隙空间分布数据，初步分析了冰裂隙的分布特征模式及其年际间的变化。本数据集包含对冰裂隙的长度及其延伸方向等的空间信息属性，是针对我国西部典型海洋型冰川的首套冰川结构及其变化相关调查结果，可为深入研究海洋型冰川动态、冰川结构变化及其水文和动力过程影响以及评估冰川未来演化趋势等提供参考。