高级合成孔径雷达(ASAR)具有穿云透雾全天候工作的能力，可在恶劣天气下快速获取积雪覆盖信息，监测危害程度优势明显。通过分析积雪的微波散射机理，利用ENVISATASAR交替极化数据，采用BP神经网络分类方法进行雪盖信息提取，针对山区特殊地形影响的情况，预处理中采用DEM等辅助数据进行地形校正，然后对校正后的多极化数据进行监督分类。通过实测数据对比验证，实验对雪盖的划分精度达到了87.143%,表明恶劣天气下，SAR数据用于雪盖信息提取与传统光学及被动微波遥感方法相比，具有较大优势。
高级合成孔径雷达(ASAR)具有穿云透雾全天候工作的能力，可在恶劣天气下快速获取积雪覆盖信息，监测危害程度优势明显。通过分析积雪的微波散射机理，利用ENVISATASAR交替极化数据，采用BP神经网络分类方法进行雪盖信息提取，针对山区特殊地形影响的情况，预处理中采用DEM等辅助数据进行地形校正，然后对校正后的多极化数据进行监督分类。通过实测数据对比验证，实验对雪盖的划分精度达到了87.143%,表明恶劣天气下，SAR数据用于雪盖信息提取与传统光学及被动微波遥感方法相比，具有较大优势。
高级合成孔径雷达(ASAR)具有穿云透雾全天候工作的能力，可在恶劣天气下快速获取积雪覆盖信息，监测危害程度优势明显。通过分析积雪的微波散射机理，利用ENVISATASAR交替极化数据，采用BP神经网络分类方法进行雪盖信息提取，针对山区特殊地形影响的情况，预处理中采用DEM等辅助数据进行地形校正，然后对校正后的多极化数据进行监督分类。通过实测数据对比验证，实验对雪盖的划分精度达到了87.143%,表明恶劣天气下，SAR数据用于雪盖信息提取与传统光学及被动微波遥感方法相比，具有较大优势。
中国第二次冰川编目的部分数据用第一次冰川编目替代，这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣，常年多云层覆盖，无法获取有效的光学影像，缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题，对Unet模型进行压缩，通过修改样本尺寸、卷积核数量和优化器等模型参数，提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征，选用45景ENVISAT ASAR影像和NASA DEM，基于Unet及其压缩网络进行深度学习，参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读，完成了未更新编目的冰川边界提取及修正，并对属性进行了更新。结果表明：基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区，共有冰川8 374条，总面积5 622.65±303.58 km2，误差占总冰川面积的5.4%，整体呈退缩状态，冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据，可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。
中国第二次冰川编目的部分数据用第一次冰川编目替代，这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣，常年多云层覆盖，无法获取有效的光学影像，缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题，对Unet模型进行压缩，通过修改样本尺寸、卷积核数量和优化器等模型参数，提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征，选用45景ENVISAT ASAR影像和NASA DEM，基于Unet及其压缩网络进行深度学习，参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读，完成了未更新编目的冰川边界提取及修正，并对属性进行了更新。结果表明：基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区，共有冰川8 374条，总面积5 622.65±303.58 km2，误差占总冰川面积的5.4%，整体呈退缩状态，冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据，可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。
中国第二次冰川编目的部分数据用第一次冰川编目替代，这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣，常年多云层覆盖，无法获取有效的光学影像，缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题，对Unet模型进行压缩，通过修改样本尺寸、卷积核数量和优化器等模型参数，提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征，选用45景ENVISAT ASAR影像和NASA DEM，基于Unet及其压缩网络进行深度学习，参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读，完成了未更新编目的冰川边界提取及修正，并对属性进行了更新。结果表明：基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区，共有冰川8 374条，总面积5 622.65±303.58 km2，误差占总冰川面积的5.4%，整体呈退缩状态，冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据，可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。
Permafrost in Qinghai-Tibet Plateau (QTP) has been suffering from global warming in recent years, characterized by the deepening of the permafrost active layer. Seasonal changes in permafrost are usually reflected as ground surface deformation, which can be monitored by multi-temporal interferometric synthetic aperture radar (MT-InSAR) technology. Owing to the extreme environment in the QTP, there are few ground-based deformational observation data available, and records of permafrost monitoring by MT-InSAR with ground validation are limited. Here we present a study of surface deformation monitoring for permafrost with MT-InSAR technology validated by a large number of in-situ observations compared with the previous published results. In this study, a small baseline subset (SBAS) method was used with ENVISAT ASAR data in WuDaoLiang, QTP, to acquire the surface deformation and to analyze the corresponding characteristics. The results were first validated with 24 GNSS leveling observation points along the Qinghai-Tibet Railway, including numeric validation (e.g., statistics and KS test) between the InSAR derived deformation and the time-interpolated GNSS leveling values, and the variation trend of the two deformation sequences during a permafrost deformation period, at each observation point. Considering both the differences in magnitudes and trends, the deformation at 22 out of 24 points detected by InSAR corresponded well to the GNSS observation series over one year, which indicates the reliability of MTInSAR for permafrost monitoring. After validation, the amplitudes and linear velocity of the InSAR deformation in this region were calculated and analyzed, together with selected points in different types of terrain. Generally, in the deformation map, most pixels show a trend of periodic and seasonal displacement, uplift in winter and subsidence in summer, with amplitudes of 3-10 mm in most regions. The deformation in mountain areas is less than that of flat lands in amplitude, and shows more randomness in periodic characteristics. Meanwhile, some points with obvious settlement have been detected, probably corresponding with permafrost degradation.
青藏铁路多年冻土区域路基稳定性关系到青藏铁路能否长期安全运营,因此对铁路沿线冻土区进行形变监测有着非常重要的意义。近年来,雷达差分干涉测量(D-InSAR)技术已发展成为监测地表形变的一项重要技术手段。本文利用此技术结合重复轨道ENVISAT ASAR雷达影像数据,获取青藏铁路羊八井-当雄区冻土形变结果,所得形变结果与冻土冻胀融沉的物理变化规律非常符合,说明采用D-InSAR技术提取铁路沿线冻土区域大范围地表形变信息的效果良好。
青藏铁路多年冻土区域路基稳定性关系到青藏铁路能否长期安全运营,因此对铁路沿线冻土区进行形变监测有着非常重要的意义。近年来,雷达差分干涉测量(D-InSAR)技术已发展成为监测地表形变的一项重要技术手段。本文利用此技术结合重复轨道ENVISAT ASAR雷达影像数据,获取青藏铁路羊八井-当雄区冻土形变结果,所得形变结果与冻土冻胀融沉的物理变化规律非常符合,说明采用D-InSAR技术提取铁路沿线冻土区域大范围地表形变信息的效果良好。
青藏铁路多年冻土区域路基稳定性关系到青藏铁路能否长期安全运营,因此对铁路沿线冻土区进行形变监测有着非常重要的意义。近年来,雷达差分干涉测量(D-InSAR)技术已发展成为监测地表形变的一项重要技术手段。本文利用此技术结合重复轨道ENVISAT ASAR雷达影像数据,获取青藏铁路羊八井-当雄区冻土形变结果,所得形变结果与冻土冻胀融沉的物理变化规律非常符合,说明采用D-InSAR技术提取铁路沿线冻土区域大范围地表形变信息的效果良好。