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。

全球气候变暖及人类活动导致青藏高原大面积冻土退化、热融滑塌等问题,严重影响了多年冻土区工程建设和生态环境。利用无人机高空间分辨率影像和面向对象分类技术进行了黑河上游俄博岭垭口冻土区热融滑塌监测实验,详细分析了最邻近、K-最邻近、决策树、支持向量机(support vector machine,SVM)和随机森林5种面向对象监督学习方法提取冻土热融滑塌边界的性能和精度,并使用野外实测数据对实验结果进行验证。结果表明,面向对象分析中分割尺度对热融滑塌提取结果影响较小,而不同组合的分类特征影响较大,因此选择合适的分类特征是关键; 5种分类方法的总体精度均在90%以上,其中SVM方法的Kappa系数高于其他4种分类方法,表明该方法在本次实验研究中更适合无人机遥感影像冻土热融滑塌边界提取。无人机高空间分辨率遥感与面向对象分类方法相结合在冻土热融滑塌监测中具有广阔的应用前景。