在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60～43 mm/y，均值为～7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能...
在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60～43 mm/y，均值为～7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能...
在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60～43 mm/y，均值为～7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能...
在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60～43 mm/y，均值为～7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能...
针对全球导航定位系统反射信号干涉测量(GNSS-IR)单颗卫星数据反演积雪深度存在精度和可靠性低的问题，本文提出一种基于随机森林的多星数据融合GNSS-IR积雪深度反演算法，将不同卫星视角下的信噪比数据通过决策树随机定权达到融合，进而实现积雪深度的反演。为了验证本文提出算法的可靠性，采用多元线性回归算法开展对比分析，实验结果表明：本文提出的算法能够有效反演积雪深度，反演结果与实测值的相关性相较于多元线性回归反演结果相关性提升了10%,均方根降低了46%,表明了本文提出的方法能够有效地反演积雪深度。
针对全球导航定位系统反射信号干涉测量(GNSS-IR)单颗卫星数据反演积雪深度存在精度和可靠性低的问题，本文提出一种基于随机森林的多星数据融合GNSS-IR积雪深度反演算法，将不同卫星视角下的信噪比数据通过决策树随机定权达到融合，进而实现积雪深度的反演。为了验证本文提出算法的可靠性，采用多元线性回归算法开展对比分析，实验结果表明：本文提出的算法能够有效反演积雪深度，反演结果与实测值的相关性相较于多元线性回归反演结果相关性提升了10%,均方根降低了46%,表明了本文提出的方法能够有效地反演积雪深度。
针对全球导航定位系统反射信号干涉测量(GNSS-IR)单颗卫星数据反演积雪深度存在精度和可靠性低的问题，本文提出一种基于随机森林的多星数据融合GNSS-IR积雪深度反演算法，将不同卫星视角下的信噪比数据通过决策树随机定权达到融合，进而实现积雪深度的反演。为了验证本文提出算法的可靠性，采用多元线性回归算法开展对比分析，实验结果表明：本文提出的算法能够有效反演积雪深度，反演结果与实测值的相关性相较于多元线性回归反演结果相关性提升了10%,均方根降低了46%,表明了本文提出的方法能够有效地反演积雪深度。
冰川物质平衡是反映冰川消融与积累关系的重要指标，也是联系冰川与气候变化的纽带，对于评估冰川动态变化具有十分重要的意义。马兰山冰川位于青藏高原北部，作为东昆仑山系中消融最为剧烈的冰川之一，为了评估其在全球气候变暖背景下的物质平衡变化，利用TerraSAR-X/TanDEM-X合成孔径雷达数据、ICESat-2激光雷达高度计数据、SRTM DEM数据，基于合成孔径雷达干涉测量和激光雷达测高技术对其2000年—2020年高程变化进行了研究，并估算了物质平衡。结果表明：近20年来，该区域41条冰川平均表面高程变化-5.64±0.96 m，物质平衡为-0.24±0.06 m·w·e/a，呈明显负平衡状态。其中，2000年—2012年冰川的消融速度（-0.30±0.04 m·w·e/a）要略快于2012年—2020年消融速度（-0.22±0.11 m·w·e/a）。结合GPCC (Global Precipitation Climatology Centre)降水与GHCN＿CAMS (Global Historical Climatology Network)气温再分析数据集可知：自2000年以...
冰川物质平衡是反映冰川消融与积累关系的重要指标，也是联系冰川与气候变化的纽带，对于评估冰川动态变化具有十分重要的意义。马兰山冰川位于青藏高原北部，作为东昆仑山系中消融最为剧烈的冰川之一，为了评估其在全球气候变暖背景下的物质平衡变化，利用TerraSAR-X/TanDEM-X合成孔径雷达数据、ICESat-2激光雷达高度计数据、SRTM DEM数据，基于合成孔径雷达干涉测量和激光雷达测高技术对其2000年—2020年高程变化进行了研究，并估算了物质平衡。结果表明：近20年来，该区域41条冰川平均表面高程变化-5.64±0.96 m，物质平衡为-0.24±0.06 m·w·e/a，呈明显负平衡状态。其中，2000年—2012年冰川的消融速度（-0.30±0.04 m·w·e/a）要略快于2012年—2020年消融速度（-0.22±0.11 m·w·e/a）。结合GPCC (Global Precipitation Climatology Centre)降水与GHCN＿CAMS (Global Historical Climatology Network)气温再分析数据集可知：自2000年以...
冰川物质平衡是反映冰川消融与积累关系的重要指标，也是联系冰川与气候变化的纽带，对于评估冰川动态变化具有十分重要的意义。马兰山冰川位于青藏高原北部，作为东昆仑山系中消融最为剧烈的冰川之一，为了评估其在全球气候变暖背景下的物质平衡变化，利用TerraSAR-X/TanDEM-X合成孔径雷达数据、ICESat-2激光雷达高度计数据、SRTM DEM数据，基于合成孔径雷达干涉测量和激光雷达测高技术对其2000年—2020年高程变化进行了研究，并估算了物质平衡。结果表明：近20年来，该区域41条冰川平均表面高程变化-5.64±0.96 m，物质平衡为-0.24±0.06 m·w·e/a，呈明显负平衡状态。其中，2000年—2012年冰川的消融速度（-0.30±0.04 m·w·e/a）要略快于2012年—2020年消融速度（-0.22±0.11 m·w·e/a）。结合GPCC (Global Precipitation Climatology Centre)降水与GHCN＿CAMS (Global Historical Climatology Network)气温再分析数据集可知：自2000年以...