研究玉龙雪山冰尘的理化特征及其微观形貌，不仅可以揭示区域内冰尘的形成机理、来源和影响因素等，更为进一步理解影响冰川消融的机制提供了科学依据。以2023年8～9月在玉龙雪山冰川区消融冰表面采集的冰尘样品为研究载体，分析了冰尘的理化特征和形成机制，讨论了冰尘对冰川融化和冰川区碳循环的潜在影响。通过对冰尘样品进行粒度测试，对总有机碳和微观形貌进行分析，发现冰尘中矿物颗粒体积粒径分布众数介于2～28μm，分布结构较为单一，主要源于粉尘沉降和局地岩石风化；雪冰样品中冰尘的总有机碳含量相对较高，且冰尘总有机碳含量随海拔降低而增加（采样点海拔范围在4 500～4 700 m），表明夏季冰川强烈消融对溶解性有机物质的输送和空间分布存在显著影响；冰尘微观形貌主要表现为致密泥质结构，无机物质和有机物质外观特征明显，内部存在不均匀且形态复杂的孔隙，分形维数较高，介于1.600 8～1.845 6，同时冰尘能谱分析检出了丰富的C、Si、O和Al等元素，表明冰尘中富含碳酸盐、硅酸盐和有机质等物质，这与冰川消融密切相关。研究结果有利于与其他冰川相关研究进行对比分析，对研究其他冰川冰尘理化特征及微观形貌具有指导意义...
在20世纪20年代，内蒙古地区建立的气象站开始观测冻土数据信息，经过几十年的观测资料积累，为研究北方地区冻土变化特征打下了坚实的基础。气候环境和地形条件的共同影响，使得土壤冻结的季节性变化特征极为显著，且对气候变化的反应极为敏感。为全面了解冻土变化特征及对农业生产的影响，以充分利用光热资源，不断挖掘农业生产潜力，本文重点分析了呼和浩特赛罕区的冻土变化特征及其对农业生产的影响，选用呼和浩特赛罕区基准气候站1991年～2023年9月到次年4月（5～8月无冻土）逐日冻土深度及逐年冻土初日和终日资料，利用统计学方法分析了呼和浩特赛罕区的最大冻土深度、冻土初日和终日变化特征，同时分析了冻土变化对农业的影响。
在20世纪20年代，内蒙古地区建立的气象站开始观测冻土数据信息，经过几十年的观测资料积累，为研究北方地区冻土变化特征打下了坚实的基础。气候环境和地形条件的共同影响，使得土壤冻结的季节性变化特征极为显著，且对气候变化的反应极为敏感。为全面了解冻土变化特征及对农业生产的影响，以充分利用光热资源，不断挖掘农业生产潜力，本文重点分析了呼和浩特赛罕区的冻土变化特征及其对农业生产的影响，选用呼和浩特赛罕区基准气候站1991年～2023年9月到次年4月（5～8月无冻土）逐日冻土深度及逐年冻土初日和终日资料，利用统计学方法分析了呼和浩特赛罕区的最大冻土深度、冻土初日和终日变化特征，同时分析了冻土变化对农业的影响。
极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）因其成像不受环境、时间和气候影响的优势而备受冰川识别领域研究人员的关注。然而，现有的研究并不能充分挖掘双极化SAR影像中的冰川散射特征。针对这一问题，提出了一个基于双极化Sentinel-1 A数据的冰川分类网络S1-UNet，利用双极化SAR数据中的散射特性，实现了对冰川区域的自动提取。引入了注意力特征融合模块增强图像的低级特征与高级特征之间的关联性；采用了改进的空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）模块获取图像不同尺度的散射特征信息；实验结果表明，与其他语义分割和冰川识别网络相比，S1-UNet模型的性能最好，交并比、精确率分别为94.57%、97.82%，召回率达到96.79%。
极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）因其成像不受环境、时间和气候影响的优势而备受冰川识别领域研究人员的关注。然而，现有的研究并不能充分挖掘双极化SAR影像中的冰川散射特征。针对这一问题，提出了一个基于双极化Sentinel-1 A数据的冰川分类网络S1-UNet，利用双极化SAR数据中的散射特性，实现了对冰川区域的自动提取。引入了注意力特征融合模块增强图像的低级特征与高级特征之间的关联性；采用了改进的空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）模块获取图像不同尺度的散射特征信息；实验结果表明，与其他语义分割和冰川识别网络相比，S1-UNet模型的性能最好，交并比、精确率分别为94.57%、97.82%，召回率达到96.79%。
极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）因其成像不受环境、时间和气候影响的优势而备受冰川识别领域研究人员的关注。然而，现有的研究并不能充分挖掘双极化SAR影像中的冰川散射特征。针对这一问题，提出了一个基于双极化Sentinel-1 A数据的冰川分类网络S1-UNet，利用双极化SAR数据中的散射特性，实现了对冰川区域的自动提取。引入了注意力特征融合模块增强图像的低级特征与高级特征之间的关联性；采用了改进的空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）模块获取图像不同尺度的散射特征信息；实验结果表明，与其他语义分割和冰川识别网络相比，S1-UNet模型的性能最好，交并比、精确率分别为94.57%、97.82%，召回率达到96.79%。
极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）因其成像不受环境、时间和气候影响的优势而备受冰川识别领域研究人员的关注。然而，现有的研究并不能充分挖掘双极化SAR影像中的冰川散射特征。针对这一问题，提出了一个基于双极化Sentinel-1 A数据的冰川分类网络S1-UNet，利用双极化SAR数据中的散射特性，实现了对冰川区域的自动提取。引入了注意力特征融合模块增强图像的低级特征与高级特征之间的关联性；采用了改进的空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）模块获取图像不同尺度的散射特征信息；实验结果表明，与其他语义分割和冰川识别网络相比，S1-UNet模型的性能最好，交并比、精确率分别为94.57%、97.82%，召回率达到96.79%。
利用近10 a G6京藏高速沿线自动气象站与交通气象站逐时观测资料，分析G6呼和浩特—卓资县—集宁区段(简称G6呼集段)道路结冰的时空特征及影响因子的变化规律。结果表明：10—次年4月为G6呼集段道路结冰易发期，通过分析“冰点”温度变化，G6呼集段呼和浩特至集宁方向路面温度(简称路温)和气温呈先陡降再缓升的U型特征，卓资段为U型底部，呼市至卓资、集宁段结冰日数呈现“少、多、少”分布，卓资段最先达到结冰气象条件。降雪、积雪是引发该路段道路结冰的主要诱因，年均40次，占比89%,降雪结冰主要发生于11至次年3月，傍晚至凌晨为结冰高发时段，结冰过程持续5～30 h;积雪结冰的特点是时间短，冰面浅薄。降水和高湿引起的道路结冰年均不到5 d,占比11%,主要发生于秋冬、冬春交替夜晚。日最低气温主要集中于06—07时，白天路温高于气温，两者变化趋势一致，其温差从日出至日落呈先增后减，夜晚气温略高于路温，温差稳定。通过路温和气温的变化关系总结出不同区段、时期的温差公式，利用高分辨率气温数据实现路温精准监测，达到及时预警的目的。
利用近10 a G6京藏高速沿线自动气象站与交通气象站逐时观测资料，分析G6呼和浩特—卓资县—集宁区段(简称G6呼集段)道路结冰的时空特征及影响因子的变化规律。结果表明：10—次年4月为G6呼集段道路结冰易发期，通过分析“冰点”温度变化，G6呼集段呼和浩特至集宁方向路面温度(简称路温)和气温呈先陡降再缓升的U型特征，卓资段为U型底部，呼市至卓资、集宁段结冰日数呈现“少、多、少”分布，卓资段最先达到结冰气象条件。降雪、积雪是引发该路段道路结冰的主要诱因，年均40次，占比89%,降雪结冰主要发生于11至次年3月，傍晚至凌晨为结冰高发时段，结冰过程持续5～30 h;积雪结冰的特点是时间短，冰面浅薄。降水和高湿引起的道路结冰年均不到5 d,占比11%,主要发生于秋冬、冬春交替夜晚。日最低气温主要集中于06—07时，白天路温高于气温，两者变化趋势一致，其温差从日出至日落呈先增后减，夜晚气温略高于路温，温差稳定。通过路温和气温的变化关系总结出不同区段、时期的温差公式，利用高分辨率气温数据实现路温精准监测，达到及时预警的目的。
利用近10 a G6京藏高速沿线自动气象站与交通气象站逐时观测资料，分析G6呼和浩特—卓资县—集宁区段(简称G6呼集段)道路结冰的时空特征及影响因子的变化规律。结果表明：10—次年4月为G6呼集段道路结冰易发期，通过分析“冰点”温度变化，G6呼集段呼和浩特至集宁方向路面温度(简称路温)和气温呈先陡降再缓升的U型特征，卓资段为U型底部，呼市至卓资、集宁段结冰日数呈现“少、多、少”分布，卓资段最先达到结冰气象条件。降雪、积雪是引发该路段道路结冰的主要诱因，年均40次，占比89%,降雪结冰主要发生于11至次年3月，傍晚至凌晨为结冰高发时段，结冰过程持续5～30 h;积雪结冰的特点是时间短，冰面浅薄。降水和高湿引起的道路结冰年均不到5 d,占比11%,主要发生于秋冬、冬春交替夜晚。日最低气温主要集中于06—07时，白天路温高于气温，两者变化趋势一致，其温差从日出至日落呈先增后减，夜晚气温略高于路温，温差稳定。通过路温和气温的变化关系总结出不同区段、时期的温差公式，利用高分辨率气温数据实现路温精准监测，达到及时预警的目的。