SAR偏移量技术和光学偏移量技术是冰川运动监测重要的技术手段,但目前对于融合不同平台的影像进行三维形变的研究较少。文章选取2019年11月至2021年1月西藏聂拉木县希夏邦马峰地区的大型冰川作为研究对象,基于方差分量估计融合该研究区的Sentinel-1与Landsat8两种数据进行冰川的三维位移解算,选取了同一时期的光学影像对偏移量估计结果进行对比分析,同时选取稳定区域进行精度评估,分析该方法在冰川运动监测中的适用性和精确性。结果表明,该冰川在2019年11月至2021年1月,联合解算的东西向最大流速为21 cm/d,南北向最大流速为68 cm/d,垂直向最大流速为17 cm/d。对比单一影像获取的冰川位移结果,多影像联合解算方法,能够弥补SAR数据的失相干和光学数据的低质量像元值的不足,获得更加完整和详细的冰川信息,监测结果精度更高。可为利用不同平台的数据联合监测山地冰川的多维度和高精度变化提供参考和技术支持。

SAR偏移量技术和光学偏移量技术是冰川运动监测重要的技术手段,但目前对于融合不同平台的影像进行三维形变的研究较少。文章选取2019年11月至2021年1月西藏聂拉木县希夏邦马峰地区的大型冰川作为研究对象,基于方差分量估计融合该研究区的Sentinel-1与Landsat8两种数据进行冰川的三维位移解算,选取了同一时期的光学影像对偏移量估计结果进行对比分析,同时选取稳定区域进行精度评估,分析该方法在冰川运动监测中的适用性和精确性。结果表明,该冰川在2019年11月至2021年1月,联合解算的东西向最大流速为21 cm/d,南北向最大流速为68 cm/d,垂直向最大流速为17 cm/d。对比单一影像获取的冰川位移结果,多影像联合解算方法,能够弥补SAR数据的失相干和光学数据的低质量像元值的不足,获得更加完整和详细的冰川信息,监测结果精度更高。可为利用不同平台的数据联合监测山地冰川的多维度和高精度变化提供参考和技术支持。

云检测阈值自动生成(CDAG)算法是一种自动生成阈值的云检测方法,这种方法是使用预先准确确定出云和晴空像元的AVIRIS高光谱数据模拟出不同传感器的云和晴空像元数据,据此生成它们的云检测阈值。这种方法具有自动化程度高、云检测效果好等优点。但是在原数据库的构建中,由于AVIRIS数据集中雪像元较少,导致云和雪的识别存在较大的误差。为了解决该问题,从待测数据中提取大量不同类型的雪像元,加入模拟得到的多光谱数据集中,生成新的云检测阈值,阈值生成中使用了单波段反射率、多波段反射率组合参数等作为云检测算法的输入参数。使用2013—2017年青藏高原地区多景典型Landsat8陆地成像仪(Operational Land Imager, OLI)影像进行实验验证。结果显示,在积雪覆盖的区域平均云像元识别正确率达到93.11%,对包括雪在内的晴空像元的漏判率降低到4.35%,表明此方法能有效避免雪的影响,实现高精度的云检测。

云检测阈值自动生成(CDAG)算法是一种自动生成阈值的云检测方法,这种方法是使用预先准确确定出云和晴空像元的AVIRIS高光谱数据模拟出不同传感器的云和晴空像元数据,据此生成它们的云检测阈值。这种方法具有自动化程度高、云检测效果好等优点。但是在原数据库的构建中,由于AVIRIS数据集中雪像元较少,导致云和雪的识别存在较大的误差。为了解决该问题,从待测数据中提取大量不同类型的雪像元,加入模拟得到的多光谱数据集中,生成新的云检测阈值,阈值生成中使用了单波段反射率、多波段反射率组合参数等作为云检测算法的输入参数。使用2013—2017年青藏高原地区多景典型Landsat8陆地成像仪(Operational Land Imager, OLI)影像进行实验验证。结果显示,在积雪覆盖的区域平均云像元识别正确率达到93.11%,对包括雪在内的晴空像元的漏判率降低到4.35%,表明此方法能有效避免雪的影响,实现高精度的云检测。