冰川冻土, 2020, 42(4): 1101-1114 doi: 10.7522/j.issn.1000-0240.2020.0094

冰冻圈与全球变化

冰川运动速度研究： 方法、 变化、 问题与展望

管伟瑾,, 曹泊,, 潘保田

兰州大学 资源环境学院 西部环境教育部重点实验室，甘肃 兰州 730000

Research of glacier flow velocity： current situation and prospects

GUAN Weijin,, CAO Bo,, PAN Baotian

Key Laboratory of Western China’s Environmental Systems （Ministry of Education），College of Earth and Environmental Sciences，Lanzhou University，Lanzhou 730000，China

通讯作者: 曹泊， 副教授， 从事遥感应用与冰川变化研究. E-mail： caobo@lzu.edu.cn.

编委: 武俊杰

收稿日期: 2020-05-15   修回日期: 2020-09-27  

基金资助: 甘肃省科技重大专项.  18ZD2FA009
第二次青藏高原综合科学考察研究项目.  2019QZKK0205
兰州大学中央高校基本科研业务费专项资金项目.  lzujbky-2020-kb51

Received: 2020-05-15   Revised: 2020-09-27  

作者简介 About authors

管伟瑾（1994-），男，甘肃张掖人，2020年在兰州大学获硕士学位，现为兰州大学在读博士研究生，从事遥感应用与冰川变化研究.E-mail：guanwj17@lzu.edu.cn , E-mail：guanwj17@lzu.edu.cn

摘要

冰川运动将积累区获得的物质输送到消融区， 维持着冰川的动态平衡。近年来， 随着气候变化， 全球大部分冰川面临着剧烈的退缩， 而冰川运动变化则较为复杂， 引起了学者们的广泛关注。文章系统总结了近年来冰川运动速度的提取方法、 冰川运动速度时空分布与变化及其影响因素的相关研究进展。另外， 还探讨了目前冰川运动速度研究中存在的问题和未来的发展趋势。结果表明： 基于测杆的方法能够获得精度较高的测量数据， 但存在时间和空间上的局限性； 基于遥感数据自动化提取的方法应用广泛， 但影像之间的配准以及海量数据的计算是当前阶段制约冰川运动速度研究的主要问题； 近年来， 无人机和地基合成孔径雷达的应用为冰川运动速度研究提供了高精度的数据支撑， 但二者在冰川运动研究中的应用还不够广泛。冰川运动速度的分布及其变化在空间上存在明显差异， 冰川厚度的变化可能是全球大部分冰川运动速度变化的主要原因， 但在单个冰川系统上， 冰川运动速度变化较为复杂， 其原因还需要进一步探讨。遥感数据的不断丰富， 云计算平台的使用， 物联网、 无人机和地基合成孔径雷达等技术的不断普及， 以及星、 空、 地协同观测的出现将会极大促进未来冰川运动速度研究的发展。此外， 冰川动力学过程也将备受关注， 成为未来冰川运动研究的热点问题。

关键词： 冰川运动速度 ; 运动速度提取方法 ; 运动速度变化

Abstract

Glacier flow transports the mass obtained in the accumulation area to the ablation area， and controls the length， area， mass balance and thickness of a glacier， which is the key factor to control the advance and retreat of a glacier. In recent years， with the climate change， most of the glaciers in the world are retreating， but a glacier flow variation is more complex， which has attracted extensive attention of scholars. This paper systematically summarizes the extraction methods of glacier flow velocity， research progress on spatial distribution and change of glacier flow velocity， as well as its change with time and influencing factors in recent years， together with discussing the problems existing in the current glacier flow velocity research and the future development trend. The results show that the method based on the stakes can obtain the data with high accuracy， but it has limitations in time and space. At present， the method of automatic extracts glacier flow velocity based on remote sensing data has been widely used. However， the registration of images and the calculation of massive data are the main problems restricting the research of glacier flow velocity at the current stage. In recent years， unmanned aerial vehicles and ground-based synthetic aperture radar are increasingly applied to study on glaciology， providing high-precision data support for glacier flow velocity studies， but not widely enough. The spatial distribution of glacier flow velocity and its variation with time are different from space to space. The current results suggest that the change in thickness of glaciers is probably the main cause of flow velocity change in most glaciers around the world. However， the changes of glacier flow velocity are more complex on a single glacier system， and the reasons need further discussion. With the remote sensing data increasing and cloud computing platforms using， popularity of new technologies such as the Internet of things， unmanned aerial vehicles and ground-based synthetic aperture radar， as well as the emergence of coordinated satellite， air and earth observations， the study of glacier flow velocity will greatly promote in the future. In addition， the mechanism of glacier flow velocity and its dynamic process should be pay more attention to， as a hot topic in the future research of glaciology.

Keywords： glacier flow velocity ; extraction method of flow velocity ; variation of flow velocity

PDF (2949KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

管伟瑾, 曹泊, 潘保田. 冰川运动速度研究： 方法、 变化、 问题与展望[J]. 冰川冻土, 2020, 42(4): 1101-1114 doi:10.7522/j.issn.1000-0240.2020.0094

GUAN Weijin, CAO Bo, PAN Baotian. Research of glacier flow velocity： current situation and prospects[J]. Journal of Glaciology and Geocryology, 2020, 42(4): 1101-1114 doi:10.7522/j.issn.1000-0240.2020.0094

0 引言

冰川运动是冰川的基本特征之一， 也是冰川区别于其他自然冰体的重要标志［1-4］。冰川通过运动将积累区获得的物质输送到消融区， 维持着冰川的动态平衡［1-2］。冰川运动与冰川长度、 面积、 物质平衡、 厚度以及几何形态的变化息息相关［5-6］， 是认识冰川性质、 冰川变化的关键因素［7］， 也是冰川动力学与演化模型必不可少的参数之一［8］。近些年， 在气候变暖的大背景下， 冰川消融强烈［9-13］， 导致动力系统的不稳定性加剧， 冰川灾害发生的频率升高［14-15］。冰川运动的监测可以为冰川跃动、 冰崩等灾害事件的预警以及气候变化研究提供重要依据［14-21］。冰川运动的研究具有重要的意义。

早期冰川运动速度的获取方法主要是在冰川表面布设测杆进行实地观测。从20世纪70年代开始， 随着遥感技术的不断发展， 通过遥感数据获得高空间和时间分辨率冰川运动信息的方法得到了广泛的应用［6］。卫星遥感数据能够一次获取较大范围内（数百平方公里）的冰川运动速度， 但获取速度结果的分辨率因选用的数据而异， 一般在1~30 m［12，22-25］。近年来， 基于无人机和地基合成孔径雷达的冰川运动速度提取也逐渐得到学者们的关注。其中， 无人机能够获得小范围内（数平方公里）厘米级分辨率的冰川运动信息［26-27］， 地基合成孔径雷达更是能够获得更高分辨率（毫米级）的形变信息［28-33］。大量的研究显示， 冰川运动速度在空间上差异较大， 海洋型冰川的运动速度整体上大于大陆型冰川， 规模较大的冰川运动速度快于小冰川［12，34］。冰川运动速度在时间上的变化特征也存在较大差异， 近年来， 全球大部分地区冰川持续减速， 然而部分地区的冰川运动速度却略有加快［34］。部分学者认为冰川的运动速度主要受冰川的重力驱动， 冰川运动速度的变化主要是由冰川厚度的改变带来的［12，34］。

本文系统总结了冰川运动速度的提取方法、 冰川运动速度时空分布与变化及其影响因素的相关研究进展， 并对冰川运动速度研究存在的问题和未来的发展趋势进行了讨论， 以期为冰川运动速度的未来研究提供参考。

1 冰川运动速度获取方法

1.1　基于实测的冰川运动速度获取方法

传统的冰川运动速度研究主要是在冰川上布设测杆， 并对测杆位置进行长期、 连续的实地观测， 然后依据各测点的位置变化推算冰川运动速度。自1840年阿伽西建立第一个冰川监测站以来， 学者们就将冰川运动的观测当作冰川研究的主要内容。20世纪50年代至今， 我国在天山、 祁连山、 喜马拉雅山、 念青唐古拉山、 贡嘎山、 玉龙雪山以及喀喇昆仑山等地区进行了大量的观测研究， 积累了丰富的冰川运动速度观测资料（表1）。

表1   青藏高原及其周边地区有实测速度数据的冰川

Table 1  Glaciers， of which the flow velocity had been measured， in the Tibetan Plateau and its surrounding areas

地区冰川名称最早观测年份 或年代文献来源地区冰川名称最早观测年份 或年代文献来源
天山乌鲁木齐河源1号1959［35-36］喜马拉雅山绒布1950s［7，49］
奎屯河哈希勒根51号1999［37-39］枪勇1970s［7］
青冰滩72号2008［40-41］念青唐古拉山帕隆4号2006［7］
科其喀尔巴西2009［42-43］帕隆94号2006［7］
祁连山老虎沟12号1960s［44-45］贡嘎山海螺沟1981［7，50-51］
七一1960s［46］燕子沟2009［51］
羊龙河5号1960s［7］大/小贡巴2009［51］
水管河4号1960s［7，47］玉龙雪山白水1号2011［52-54］
宁缠河1号2010［47-48］喀喇昆仑山巴托拉1974［55-56］

新窗口打开| 下载CSV


实地观测获取冰川运动速度的方法能够最直接地获得精度较高的测量数据， 适合用于典型冰川的长期监测以及遥感反演结果的验证。然而， 受客观条件的限制， 测杆法难以对整个冰川表面进行观测， 且要耗费大量的人力物力， 难以大范围推广［7，40，47-48，57］。此外， 在山地冰川上， 受极端气候以及地形等条件的限制， 大部分冰川难以进行测杆观测， 截至2015年， 全球范围内仅有约166条冰川开展了实地观测［58］。

1.2　基于遥感数据的冰川运动速度提取方法

基于遥感数据的冰川运动速度提取方法使冰川运动速度的研究在时间和空间领域不断拓展， 逐渐成为冰川运动速度信息获取的重要手段。依据原理的差异， 可将其分为雷达差分干涉测量（Differential Interferometric Synthetic Aperture Radar， DInSAR）和特征跟踪（Feature Tracking）两类。

1.2.1　雷达差分干涉测量

DInSAR技术是基于合成孔径雷达复数影像包含的相位信息获取形变信息的一项技术， 是基于合成孔径雷达（Synthetic Aperture Radar， SAR）数据提取冰川运动速度的主要方法之一［59］。其基本思路是， 经过干涉处理的SAR影像， 在去除地形相位以及大气延迟和热噪声相位后， 进一步处理保留在干涉相位中的形变相位， 即可获得冰川表面的形变信息［60］。具体过程可分为以下5个步骤［60］： ①SAR影像配准； ②干涉生成； ③地形相位以及大气延迟和热噪声相位的去除； ④相位滤波和解缠； ⑤相位到形变信息的转换以及地理编码。

自1993年Goldstein等［60］首次通过DInSAR技术获取了南极Rutford冰川的流速以来， 基于星载SAR数据的DInSAR技术就开始应用在冰川运动速度研究中［61-65］。Cheng等［61］、 程晓等［63］通过DInSAR技术获取了南极格罗夫山地区冰川运动规律。周春霞等［65］通过DInSAR技术获取了东南极达尔克冰川运动速度。也有学者通过DInSAR技术获取了冰川的三维运动速度［66-67］。然而， 基于星载SAR数据的DInSAR技术获取冰川运动速度的方法大多适用于极地大陆冰川， 在地形复杂的山地冰川区， 因其规模较小， 地形复杂， 导致冰川表面失相干问题严重， 为冰川运动速度的获取带来困难， 应用相对较少［68-69］。另外， 几乎所有通过DInSAR技术获取冰川运动速度的研究均表明， 这一方法需要时间间隔较短的连续影像来保证干涉时影像对之间的相干性。因此， 基于星载SAR数据的DInSAR技术提取冰川表面位移的方法比较适合冰原地带、 短时间间隔（数天至数十天）的冰川运动速度提取。

此外， 先前的研究表明， 基于星载SAR数据的DInSAR技术获取冰川运动速度时， 若时间间隔超过一天， 波长较短的X波段就会在冰川表面出现明显的失相干， 较难实现差分干涉［70-71］。相较于X波段和C波段， 波长更长的L波段对冰雪的穿透性更强， 能够在干涉测量中获得更高的相干性［72］。因此， 在相同时间间隔内， L波段在通过DInSAR技术获取冰川运动速度时更有优势。

地基合成孔径雷达是近十年来发展起来的一种由星载、 机载合成孔径雷达发展而来的地面遥感成像系统。它在国外发展较早， 主要应用在变形监测当中， 能够对研究目标进行全天时、 全天候、 毫米级别的形变监测， 监测距离长达数公里。在早期的研究中， 主要用于滑坡监测， 但近年来也被应用于冰川运动速度提取［28-33］。Noferini等［28］获得了西欧Belvedere冰川连续一个月每半小时的冰川形变图， 发现地基合成孔径雷达能够有效获得冰川形变。Han等［29］通过地基合成孔径雷达对维多利亚地北部、 南极洲东部的Campbell冰川运动速度进行了观测， 11小时观测获得的差分干涉图显示， 冰川在雷达方向位移约为8 cm。Dematteis等［30］使用地基合成孔径雷达对位于勃朗峰意大利一侧的Planpincieux冰川进行了长时间的观测， 发现地基合成孔径雷达能够有效获得冰川形变， 但在气象条件多变的情况下监测结果较差。此外， 过高的分辨率使得结果中包含了大量与冰川运动无关的形变信息（如冰面差异融化、 表碛移动等）， 这些过多的细节特征反而会干扰冰川运动信息的提取。

1.2.2　特征跟踪

在早期研究中， 有学者通过人工识别和跟踪不同时期光学影像上冰川表面位移发生前后的相似特征来提取冰川表面运动速度［73-74］， 但这种方法工作量大且主观性太强， 因此误差也较大。

影像互相关（Cross-Correlation）和偏移量跟踪（Offset-Tracking）是当前研究中分别基于光学或SAR数据自动化识别并跟踪两景影像之间冰川表面位移发生前后的相似特征提取冰川表面运动速度的方法， 其观测精度在理论上能够达到1/10个像素大小［6，34，75］， 现已逐渐成为基于遥感数据冰川运动速度研究的主要手段。光学影像互相关和SAR偏移量跟踪方法的原理基本一致， 其核心思想是： 先对包含冰川区的两景影像进行常规的精确配准； 然后在两景配准后的影像上选择合适大小的窗口， 通过设置合适的步长， 在一定大小的搜索区域内滑动窗口， 进行互相关计算， 找到窗口内相关系数最大的两个点， 即为冰川位移发生前后的同名点； 计算同名点之间的偏移量， 即可获得同名点之间的实际位移量； 重复以上步骤， 即可获得整个冰川区在影像成像时间内的位移［76-77］（图1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   光学影像互相关和SAR偏移量跟踪原理（据文献［78］修改）

Fig.1   Optical image cross-correlation and SAR offset tracking schematic， quoted from Reference ［78］


光学影像互相关和SAR偏移量跟踪在提取冰川表面运动速度中各有优势， 在当前研究中得到了广泛的应用［22-23，79-84］。其中， 光学影像互相关方法具有数据源广泛、 覆盖范围大、 受地形限制小等优势， 但受天气条件影响明显， 适合年间隔的冰川表面运动速度提取， 在降水季节特征明显的地区尤为适用， 因为在不同年份相近时间积累/消融条件相似， 相似的表面特征有助于识别冰川表面位移变化前后的同名点； SAR数据受天气影响较小， 但时间间隔过长时， 较大的表面差异会使影像对之间出现失相关而无法有效获得冰川表面位移， 因此， SAR数据适合提取月尺度或季节尺度的冰川表面位移［6，71］。光学影像互相关和SAR偏移量跟踪两种方法详细介绍如下。

（1） 光学影像互相关

影像互相关是从光学影像自动获取冰川位移的有效方法， 其方法较多， 主要包括NCC （Normalized Cross-Correlation operated in the spatial domain）、 CCF （Cross-Correlation operated in the Frequency domain）、 PC （Phase Correlation operated in the frequency domain）、 CCF-O （Cross-Correlation operated in the Frequency domain on Orientation images）、 PC-O （Phase Correlation operated in the frequency domain on Orientation images）， 以及COSI-Corr （Co-registration of Optically Sensed Images and Correlation）软件包（ENVI环境下的可视化插件）中的相位相关算法［6，75，85］。依据工作空间的不同， 可将其分为在空间域进行互相关和在频率域进行互相关两类。空间域中进行互相关， 计算两景影像之间的相对位移是直接基于影像的像元值实现的， 而频率域中进行互相关， 计算两景影像之间的相对位移是将原始影像进行傅里叶变换后在频率域中互相关来实现的［75］。其中， 频率域中进行互相关， 具有计算结果较为准确、 受影像对比度影响小等优点， 在影像互相关时优先考虑， 但对噪声较为敏感， 较适用于质量较好的光学影像； 而空间域中进行互相关时， 对于同等质量的光学影像， 结果质量比在频率域互相关获得的结果质量差， 且当影像对比度较低时效果较差， 但较适合用于质量较差以及来源不同的影像［6，75］。此外， 定向图像在频率域中进行影像互相关， 可以避免Landsat 7影像条带对冰川运动速度提取的影响［71］。各方法工作空间、 原理及其优缺点如表2所示。其中， COSI-Corr软件包［86-87］能够实现亚像元级别的配准和影像互相关， 估计冰川运动速度的精度较高， 且在阴影和积雪区域同样能够获得较好的结果［6，75，85］， 已经得到了广泛的使用［88-91］。

表2   光学影像互相关的主要算法及比较［6，75，85］

Table 2  Optical image cross-correlation algorithms： principle and comparison［6，75，85］

域方法原 理优 点
空间域NCC在空间域中进行归一化互相关互相关是归一化的， 适合用于质量较差以及 来源不同的影像
频率域CCF在频率域中进行互相关计算结果较为准确， 受影像对比度影响小
PC在频率域中进行相位相关
CCF-O定向图像在频率域中进行互相关方向相关时可避免Landsat 7影像条带的影响
PC-O定向图像在频率域中进行相位相关
COSI-Corr在频率域中进行相位相关， 匹配的过程中使用最小二乘法重新加权精度高， 在阴影和积雪区域适用性较好

新窗口打开| 下载CSV


用于光学影像互相关的数据较多， 主要包括中分辨率的美国国家航空航天局（NASA）Landsat系列卫星影像、 美国国家航空航天局与日本通产省（METI）合作的ASTER卫星影像［42，79］， 以及高分辨率的法国国家空间研究中心（CNES）SPOT［22］、 Pléiades［23］等卫星影像。各数据源详细信息如表3所示。

表3   用于光学影像互相关的主要数据源情况

Table 3  Information of various data sources for optical image cross-correlation

卫星波段数分辨率/m重返周期/d起始年份
Landsat系列4~1115~7816~181972
ASTER1415~90161999
SPOT4~51~201986
Pléiades50.5~22011

新窗口打开| 下载CSV


其中， Landsat系列卫星影像是所有卫星遥感产品中时间跨度最长、 连续性最好的卫星遥感数据， 分辨率相对较高， 在冰川运动速度的提取以及时序分析中应用也最为广泛［12，34，92-96］。对于光学影像互相关时使用的波段， 有学者认为Landsat系列影像的全色波段能够获得更高质量的速度结果［95，97］， 也有学者指出可见光中波长较长的红光和近红外波段受到大气散射的影响较小， 适合作为光学影像互相关的输入波段［98-99］。Sam等［92］对Landsat 8影像不同波段提取冰川运动速度的能力进行了对比， 并利用实测数据对提取结果进行了验证， 发现全色波段适合无表碛区域的冰川运动速度提取， 短波红外波段适合有表碛区域的冰川运动速度提取。因此， 具体使用哪个波段， 需结合实际情况进行选择。比如， 在研究大范围的冰川运动速度空间差异时， 应依据表碛的分布情况进行波段选择； 而在利用Landsat系列影像进行长时间序列的速度分析时， 应选取不同Landsat传感器均有的红光和近红外波段， 以避免冰川运动速度提取时因波段不同引起的差异。

无人机具有方便携带运输、 无场地要求、 受天气影响小、 机动灵活、 分辨率高等优势。近年来， 无人机技术不断成熟， 其高分辨率的正射影像（DOM）和数字表面模型（DSM）数据使得获取高时空分辨率的冰川变化详细信息成为可能， 为现代冰川变化研究提供了新的见解［100-111］。Kraaijenbrink等［26］利用三次无人机测绘获得的DOM数据反演了尼泊尔Lirung冰川末端的表面运动速度， 发现在合适的窗口尺寸下， 基于影像互相关的方法能够从DOM数据中有效提取冰川位移。Rossini等［27］利用2016年7月和9月两次无人机任务获得的DOM和DSM数据， 通过影像互相关的方法获得了Morteratsch冰川消融区的运动速度， 并通过对不同方法的比较验证了结果的准确性， 认为无人机摄影测量可以在厘米级的空间分辨率下对冰川的复杂演化进行定性和定量评估。然而， 现有基于无人机的冰川运动速度研究相对较少。此外， 鉴于冰川区的巨大地形高差， 无人机大多只能作业于冰川末端， 难以覆盖整个冰川区。

（2） SAR偏移量跟踪

偏移量跟踪是从SAR影像自动获取冰川位移的有效方法， 有两种方法可获得距离向和方位向的偏移量。一种是基于强度图像， 该方法计算效率高且与两景影像之间的相干性无关； 另一种是基于影像对干涉相位， 要求两景单视复数图像之间存在较好的相干性。在实际研究中， 多使用强度图像进行偏移量跟踪。目前ENVI、 SNAP和GAMMA等SAR数据处理平台均集成了SAR偏移跟踪模块， 均可生成两幅SAR影像在距离向和方位向的偏移量以及相干性。其中， GAMMA［112］软件具有强大的雷达成像、 干涉、 差分干涉和地理编码功能， 也是目前认可度最高的SAR处理软件， 获得的偏移量跟踪结果精度较高， 在冰川运动速度提取中使用最为广泛。

用于SAR偏移量跟踪的数据主要包括欧洲航天局（ESA）ERS1/2［24］、 ENVISAT-ASAR［80，24］和Sentinel-1A/1B［19，25，113-114］， 日本ALOS-PALSAR数据［83，115-117］， 以及德国TerraSAR-X/TanDEM-X数据［118-121］， 各数据源具体参数如表4所示。此外， 基于国产SAR卫星数据的冰川运动速度研究也逐渐进入人们的视野［122］。

表4   用于SAR偏移量跟踪的主要数据源情况

Table 4  Information of various data sources for SAR offset tracking

卫 星波段极化方式分辨率/m重返周期/d在轨年份
ERS1/2-AMICVV<30351991/1995 - 2011
ENVISAT-ASARCHH或VV10~1 000352002 - 2012
ALOS-PALSARLHH或VV7~100462006 - 2011
TerraSAR-X/TanDEM-XXHH或VV1~16112007/2010 -
Sentinel-1A/1BC多极化5~40122014/2015 -

新窗口打开| 下载CSV


对于适合SAR偏移量跟踪数据的波段， L波段波长较长， 穿透性较强， 适合冰川运动速度的提取［123-124］。然而， 随着SAR数据的不断拓展， 发现波长更短的TerraSAR-X/TanDEM-X数据也能有效获得冰川运动速度［118-121］。因此， 适合偏移量跟踪的SAR数据波段有待进一步评估。

由于多种原因， 基于卫星遥感数据自动化提取的冰川运动速度结果中仍然会存在一些明显的误差， 需要对其进行过滤， 从而获得准确的冰川运动速度。不同研究处理误差的方法基本一致， 均包括相干性/信噪比滤波、 坡向滤波以及异常大值的去除等几个步骤。首先， 冰川运动速度提取时， 雷达差分干涉测量和SAR偏移量跟踪中的相干性以及光学影像互相关中的信噪比越低， 获得的位移越不可靠， 是减小冰川运动速度提取误差的重要依据。其次， 在理论上， 冰川实际位移方向在水平面上的投影与坡向的夹角不会大于90°， Ruiz等［23］认为， 去除夹角大于60°的部分不仅能有效去除阴影、 雪崩、 冰塔的倾斜和倒下的影响， 还能减小由相关性较差以及透射投影造成的误差。此外， 相干性/信噪比和坡向滤波后的位移结果中， 都存在一些由于刃脊和角峰岩体崩落造成的个别孤立的大值， 为了不影响冰川表面位移场模型的构建， 需将其去除。有学者认为， 获得的冰川位移结果在统计学上的离群值即为冰川位移结果中孤立的大值， 去除这些离群值即可有效减小这类误差［23，88］。

虽然自动化提取冰川运动速度的方法理论精度较高， 但可免费获得的影像分辨率往往较粗。对于一些年位移小于卫星影像格网单元长度的冰川， 需要对影像进行非常精确的配准才能获得较为理想的结果。然而， 影像之间的时间差异以及冰川周围的复杂状况使得高质量的配准难以实现。此外， 自动化提取冰川运动速度的方法计算量较大， 尤其在进行大空间尺度的速度制图或时序分析时， 数据量更为庞大， 对用于数据处理的设备要求较高， 制约了当前冰川运动速度的研究。

1.3　冰川运动速度获取方法小结

传统的在冰川上布设测杆， 并进行长期连续观测能够最直接地获得高精度的测量数据， 适合用于典型冰川的长期监测以及遥感反演结果的验证， 但由于客观条件的限制， 存在时间和空间上的局限性。随着遥感技术的发展， 目前自动化提取冰川运动速度的方法应用广泛， 逐渐成为冰川运动速度研究的重要手段， 使得冰川运动速度的研究在时间和空间上不断拓展， 精度也不断提高， 但影像之间的配准以及海量数据的计算是当前阶段制约冰川运动速度研究的主要问题。

基于SAR数据的DInSAR技术适合用于数天至数十天时间尺度的冰川运动速度提取， SAR偏移量跟踪适合用于月尺度或季节尺度的冰川运动速度提取， 而光学影像互相关适合用于年尺度的冰川运动速度提取。这三种方法各有优劣， 可以获得不同时间尺度的冰川运动速度。并且， 在无传统监测的冰川区， 三种方法还可以互相验证， 提高提取精度。

此外， 近年来， 无人机和地基合成孔径雷达在冰川研究中的不断应用， 为冰川运动速度研究提供了高精度的数据支撑。其中， 无人机具有机动灵活的特点， 但冰川区的巨大地形高差使得基于无人机冰川运动监测局限于冰川末端， 难以覆盖整个冰川区。地基合成孔径雷达能获得数小时或者数天内厘米甚至毫米级冰川运动速度结果， 为冰川运动速度的提取和监测提供了新的方法和思路， 但结果中过多的细节特征反而会干扰冰川运动信息的提取。因此， 二者在冰川运动研究中的应用还不够广泛。

2 冰川运动速度时空分布与变化及其影响因素

一般认为， 冰川速度的变化可以用重力驱动应力的变化来解释， 而重力驱动应力的变化在很大程度上是由冰厚的变化来控制［1-4］。随着全球气候的变化， 冰川普遍存在减薄退缩趋势［9，11，13，58］。因此， 大部分冰川呈现减速现象［12，34］。然而， 也有学者认为， 气温的变暖以及降水的增加， 会使得冰川底部温度升高以及底部含水量增加， 进而导致冰川底部摩擦力减小， 从而促使运动速度加快［125］。

Heid等［34］利用Landsat TM/ETM＋数据， 通过光学影像互相关的方法提取了全球冰川作用区中的帕米尔高原、 高加索山脉、 北美洲北部便士冰帽、 阿拉斯加山脉、 南美洲南部巴塔哥尼亚高原和喀喇昆仑山脉6个典型区域的冰川表面运动速度（图2）， 受控于影像质量， 各典型区域冰川运动速度的获取时间存在较大差异， 但仍可以发现明显的空间分布差异和变化特征： 位于海洋性气候区的巴塔哥尼亚高原以及阿拉斯加山脉冰川平均运动速度分别约为81.65 m·a-1和22.65 m·a-1， 大于其他位于大陆性气候区的冰川。在全球6个典型区域中， 帕米尔高原、 高加索山脉、 便士冰帽、 阿拉斯加山脉和巴塔哥尼亚高原的冰川呈减速趋势， 并认为减速主要是由于物质平衡持续为负导致的。其中， 帕米尔地区速度下降幅度最大， 每10年下降约43%； 便士冰帽、 巴塔哥尼亚高原和阿拉斯加地区每10年分别下降约22%、 20%、 11%； 高加索地区的下降速度最小， 每10年仅下降约8%。喀喇昆仑地区冰川呈加速趋势， 每10年增加约5%。也有学者通过光学影像和SAR数据获得了以上几个典型区域的冰川运动速度， 并对在空间和时间上的变化趋势进行了详细的讨论［93-94，116，118-119，126-129］， 结果与Heid等［34］获得的结果基本一致。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   全球典型冰川作用区冰川速度及其变化［34］

Fig.2   Mean flow velocity （A）， variation of mean flow velocity （B） and percentage of mean flow velocity variation （C） in the same typical glaciation regions of the world［34］


Dehecq等［12］通过2000 - 2017年覆盖青藏高原及其周边地区的近百万景Landsat光学影像， 提取了青藏高原及其周边地区约94%的冰川表面运动年速度， 并研究了其变化特征（图3）。2000 - 2017年多年运动速度的平均值显示： 海洋性气候控制地区冰川运动速度普遍较快， 念青唐古拉山冰川平均运动速度约为17.7 m·a-1； 亚大陆型冰川地区次之， 天山冰川平均运动速度约为15.6 m·a-1； 大陆性气候控制的高原内部冰川速度较慢， 平均运动速度约为8 m·a-1。位于大陆性气候区的昆仑山（西部）和喀喇昆仑地区冰川平均运动速度较快， 可能主要是该区域冰川规模较大导致的。在11个区域中， 有9个区域的冰川显示出持续的减速， 其中， 念青唐古拉山和Spiti-Lahaul地区冰川减速最为剧烈， 每10年分别下降约（37.2±1.1）%和（34.3±4.5）%； 位于喜马拉雅地区的西尼泊尔（West Nepal）、 东尼泊尔（East Nepal）以及不丹地区冰川速度减慢也较为显著， 每10年分别下降约（21.0±2.3）%、 （17.0±1.0）%和（14.5±1.3）%； 兴都库什山、 帕米尔高原、 天山以及青藏高原内部地区冰川也呈现减速的趋势， 其中天山下降速度最小， 每10年约（6.4±1.0）%。相比之下， 昆仑山（西部）和喀喇昆仑地区冰川运动速度略有加快， 每10年分别增加约（4.0±2.1）%和（3.6±1.2）%。也有学者通过光学影像和SAR数据获得了青藏高原及其周边地区小区域内的冰川运动速度， 并对在空间和时间上的变化趋势进行了详细的讨论， 在天山［130］、 喀喇昆仑山［93，116，127］、 昆仑山［24，80，124］、 喜马拉雅山［127，131-132］、 念青唐古拉山［133］以及青藏高原内部的新青峰和马兰冰帽［134］等地区均有涉及， 其结果与以上基本一致。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   青藏高原与周边地区冰川速度及其变化［12］

Fig.3   Mean flow velocity （A）， variation of mean flow velocity （B） and percentage of mean flow velocity variation （C） in the Tibetan Plateau and its surrounding areas［12］


在冰川运动速度变化的影响因素上， Dehecq等［12］与Heid等［34］观点一致， 均认为冰川运动速度变化受冰川厚度变化控制。然而， 随着研究的不断深入， 学者们发现， 对于单个冰川系统来说， 冰川运动速度变化较为复杂， 受多种因素影响。Horgan等［125］发现， 降雨会诱发大型入海冰川运动速度的加快； 但也有学者发现地表融化速度并不和冰川表面运动速度呈正相关， 当过多的融水进入冰内时， 融水会转换到冰下排水网络排出而不是停留在基底， 从而导致减速［98］。冰川积累区同一位置的冬季表面运动速度并不是总小于夏季， Usman等［116］发现， 冬季会发生加速， 这类加速具有周期性， 通常为几年， 而且积累区冬季的加速也会造成下一个夏季速度的增大。另外， 跃动冰川和存在冰崩风险的冰川运动速度在时间和空间上变化较大， 其运动速度变化特征及其动力学过程也被越来越多的学者所关注［24，135-138］。

3 目前研究存在的问题与未来的发展趋势

冰川运动速度研究已经取得大量成果， 但总结目前运动速度提取方法以及研究进展发现， 冰川运动速度的研究仍然存在以下几个问题：

（1） 基于遥感数据提取的冰川运动速度精度有待提高。遥感影像之间的时间差异以及冰川周围的复杂状况使得高质量的配准较难实现， 尤其对于通过无人机等不稳定的平台获取的影像， 存在明显的扭曲和偏移， 这为冰川运动速度的提取带来了较大的考验， 获得结果的精度有待提高， 准确性需进一步验证。另外， 基于不同数据源获得的冰川运动速度是否具有一致性与可比性， 其精度也有待验证。

（2） 处理平台的计算能力制约了冰川运动速度的提取。通过卫星遥感数据自动化提取冰川运动速度计算量大且往往要处理海量数据， 需要高性能的设备或云平台进行数据处理， 当前低效的数据处理方式制约了冰川运动速度的自动化提取。

（3） 冰川运动速度变化的原因及其背后隐藏的动力学过程还需进一步探讨。冰川的普遍减薄导致了全球大部分冰川呈减速趋势， 但在单个冰川系统上， 冰川运动速度变化较为复杂， 目前对这一过程仍然缺乏认识， 特别是基底的高压水对冰川运动速度的影响， 有待进一步研究。此外， 目前冰川运动速度的研究多关注于方法和大范围的速度制图， 而隐藏在运动速度变化背后的动力学机制需要在小范围内的冰川系统中， 结合长时间序列的冰川长度、 面积以及表面高程等几何形状变化参数进行细致的分析。

结合冰川运动速度研究现状， 本文总结其发展趋势如下：

在数据源上， 遥感数据的丰富使得选取数据时有了更多的选择， 获取的数据也更有针对性， 无人机以及地基合成孔径雷达技术的不断成熟将会为冰川运动速度的研究提供高精度的数据支撑。在方法上， 物联网技术的应用可以实现冰川表面的气温、 降水、 位置等要素的实时远程监测； 随着计算机技术的发展， 基于地理大数据云计算平台提取冰川运动速度的方法逐渐进入人们视野， 出现了光学影像获得的、 基本覆盖全球冰川的GoLIVE、 ITS_LIVE等冰川运动速度开源产品， 有学者利用这一数据对冰川运动速度的时空分布特征进行了研究， 然而， 二者分辨率较粗， 且数据精度因用于互相关的影像而异， 使用时这些问题还需进一步考虑［12，134，139-140］， 也有学者通过地理大数据云运算平台Google Earth Engine （GEE）对基于SAR数据的冰川运动速度提取进行了尝试［141］， 这一系列方法的使用将会极大地促进冰川运动速度研究； 此外， 随着冰川运动速度研究的不断成熟， 联合基于卫星、 航空器以及地面观测的协同、 多方位的速度研究已成必然。在研究内容上， 冰川运动速度变化的原因及其动力学过程将成为未来冰川学研究的热点。此外， 跃动冰川以及存在冰崩风险冰川的运动速度研究将备受关注。

参考文献

Cuffey K M， Paterson W S B. The physics of glaciers［M］. 4th ed. Amsterdam， the Netherlands： Elsevier， 2010.

[本文引用: 3]

Shi Yafeng， Huang Maohuan， Ren Binghui. The overview of glaciers in China［M］. Beijing： Science Press， 1988.

[本文引用: 1]

施雅风， 黄茂桓， 任炳辉. 中国冰川概论［M］. 北京： 科学出版社， 1988.

[本文引用: 1]

Qin Dahe， Yao Tandong， Ding Yongjian， et al. Glossary of cryospheric science［M］. Beijing： China Meteorological Press， 2016.

秦大河， 姚檀栋， 丁永建， 等. 冰冻圈科学辞典［M］. 北京： 气象出版社， 2016.

Qin Dahe， Yao Tandong， Ding Yongjian， et al. Introduction to cryospheric science［M］. Beijing： Science Press， 2017.

[本文引用: 2]

秦大河， 姚檀栋， 丁永建， 等. 冰冻圈科学概论［M］. 北京： 科学出版社， 2017.

[本文引用: 2]

Duan Jianping， Wang Lili， Ren Jiawen， et al.

Progress in glacier variations in China and its sensitivity to climatic change during the past century

［J］. Progress in Geography， 2009， 28（2）： 231 - 237.

[本文引用: 1]

段建平， 王丽丽， 任贾文， 等.

近百年来中国冰川变化及其对气候变化的敏感性研究进展

［J］. 地理科学进展， 2009， 28（2）： 231 - 237.

[本文引用: 1]

Paul F， Bolch T， Kääb A， et al.

The glaciers climate change initiative： methods for creating glacier area， elevation change and velocity products

［J］. Remote Sensing of Environment， 2015， 162： 408 - 426.

[本文引用: 9]

Jing Zhefan， Zhou Zaiming， Liu Li， et al.

Progress of the research on glacier velocities in China

［J］. Journal of Glaciology and Geocryology， 2010， 32（4）： 749 - 754.

[本文引用: 9]

井哲帆， 周在明， 刘力.

中国冰川运动速度研究进展

［J］. 冰川冻土， 2010， 32（4）： 749 - 754.

[本文引用: 9]

Li Huilin， Li Zhongqin， Shen Yongping， et al.

Glacier dynamic models and their applicability for the glaciers in China

［J］. Journal of Glaciology and Geocryology， 2007， 29（2）： 201 - 208.

[本文引用: 1]

李慧林， 李忠勤， 沈永平， 等.

冰川动力学模式及其对中国冰川变化预测的适应性

［J］. 冰川冻土， 2007， 29（2）： 201 - 208.

[本文引用: 1]

IPCC. Climate change 2013： the physical science basis［M］. Cambridge， UK： Cambridge University Press， 2013： 337 - 383.

[本文引用: 2]

Bolch T， Kulkarni A， Kääb A， et al.

The state and fate of Himalayan glaciers

［J］. Science， 2012， 336（6079）： 310 - 314.

Yao Tandong， Thompson L， Yang Wei.

Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings

［J］. Nature Climate Change， 2012， 2（9）： 663 - 667.

[本文引用: 1]

Dehecq A， Gourmelen N， Gardner A S， et al.

Twenty-first century glacier slowdown driven by mass loss in High Mountain Asia

［J］. Nature Geoscience， 2018， 12（1）： 22 - 27.

[本文引用: 10]

Wang Ninglian， Yao Tandong， Xu Baiqing， et al.

Spatiotemporal pattern， trend， and influence of glacier change in Tibetan Plateau and surroundings under global warming

［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1220 - 1232.

[本文引用: 2]

王宁练， 姚檀栋， 徐柏青， 等.

全球变暖背景下青藏高原及周边地区冰川变化的时空格局与趋势及影响

［J］. 中国科学院院刊， 2019， 34（11）： 1220 - 1232.

[本文引用: 2]

Wu Guangjian， Yao Tandong， Wang Weicai， et al.

Glacial hazards on Tibetan Plateau and surrounding alpines

［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1285 - 1292.

[本文引用: 2]

邬光剑， 姚檀栋， 王伟财， 等.

青藏高原及周边地区的冰川灾害

［J］. 中国科学院院刊， 2019， 34（11）： 1285 - 1292.

[本文引用: 2]

Yao Tandong， Yu Wusheng， Wu Guangjian， et al.

Glacier anomalies and relevant disaster risks on the Tibetan Plateau and surroundings

［J］. Chinese Science Bulletin， 2019， 64（27）： 2770 - 2782.

[本文引用: 1]

姚檀栋， 余武生， 邬光剑， 等.

青藏高原及周边地区近期冰川状态失常与灾变风险

［J］. 科学通报， 2019， 64（27）： 2770 - 2782.

[本文引用: 1]

Lv Mingyang， Lu Xiancai， Guo Huadong， et al.

A rapid glacier surge on Mount Tobe Feng， western China， 2015

［J］. Journal of Glaciology， 2016， 62（232）： 407 - 409.

Shangguan Donghui， Liu Shiyin， Ding Yongjian， et al.

Characterizing the May 2015 Karayaylak Glacier surge in the eastern Pamir Plateau using remote sensing

［J］. Journal of Glaciology， 2016， 62（235）： 944 - 953.

Tian Lide， Yao Tandong， Gao Yang， et al.

Two glaciers collapse in western Tibet

［J］. Journal of Glaciology， 2016， 63（237）： 194 - 197.

Zhang Meimei， Chen Fang， Tian Bangsen， et al.

Characterization of Kyagar Glacier and lake outburst floods in 2018 based on time-series Sentinel-1A data

［J/OL］. Water， 2020， 12（1） ［2020-11-24］. .

[本文引用: 1]

Hu Wentao， Yao Tandong， Yu Wusheng， et al.

Advances in the study of glacier avalanches in High Asia

［J］. Journal of Glaciology and Geocryology， 2018， 40（6）： 1141 - 1152.

胡文涛， 姚檀栋， 余武生， 等.

高亚洲地区冰崩灾害的研究进展

［J］. 冰川冻土， 2018， 40（6）： 1141 - 1152.

Yao Tandong， Wu Guangjian， Xu Baiqing， et al.

Asian water tower change and its impacts

［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1203 - 1209.

[本文引用: 1]

姚檀栋， 邬光剑， 徐柏青， 等.

“亚洲水塔”变化与影响

［J］. 中国科学院院刊， 2019， 34（11）： 1203 - 1209.

[本文引用: 1]

Berthier E， Vadon H， Baratoux D， et al.

Surface motion of mountain glaciers derived from satellite optical imagery

［J］. Remote Sensing of Environment， 2005， 95（1）： 14 - 28.

[本文引用: 3]

Ruiz L， Berthier E， Masiokas M， et al.

First surface velocity maps for glaciers of Monte Tronador， North Patagonian Andes， derived from sequential Pléiades satellite images

［J］. Journal of Glaciology， 2015， 61（229）： 908 - 922.

[本文引用: 4]

Yasuda T， Furuya M.

Dynamics of surge-type glaciers in West Kunlun Shan， Northwestern Tibet

［J］. Journal of Geophysical Research： Earth Surface， 2015， 120（11）： 2393 - 2405.

[本文引用: 4]

Nascetti A， Nocchi F， Camplani A， et al.

Exploiting Sentinel-1 amplitude data for glacier surface velocity field measurements： feasibility demonstration on Baltoro Glacier

［C/OL］// The International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences： vol XLI-B7. Hannover， Germany： ISPRS， 2016： 783 - 788 ［2020-11-24］. .

[本文引用: 2]

Kraaijenbrink P， Meijer S W， Shea J M， et al.

Seasonal surface velocities of a Himalayan glacier derived by automated correlation of unmanned aerial vehicle imagery

［J］. Annals of Glaciology， 2016， 57（71）： 103 - 113.

[本文引用: 2]

Rossini M， Di Mauro B， Garzonio R， et al.

Rapid melting dynamics of an alpine glacier with repeated UAV photogrammetry

［J］. Geomorphology， 2018， 304： 159 - 172.

[本文引用: 2]

Noferini L， Mecatti D， Macaluso G， et al.

Monitoring of Belvedere Glacier using a wide angle GB-SAR interferometer

［J］. Journal of Applied Geophysics， 2009， 68（2）： 289 - 293.

[本文引用: 3]

Han Hyangsun， Lee Hoonyol.

Motion of Campbell Glacier， East Antarctica， observed by satellite and ground-based interferometric synthetic aperture radar

［C/OL］// The 3rd Asia-Pacific International Conference on Synthetic Aperture Radar. Piscataway， NJ， USA： IEEE， 2011 ［2020-11-27］. .

[本文引用: 1]

Dematteis N， Luzi G， Giordan D， et al.

Monitoring Alpine glacier surface deformations with GB-SAR

［J］. Remote Sensing Letters， 2017， 8（10）： 947 - 956.

[本文引用: 1]

Gao Binbin， Jiang Liming， Liu Lin， et al.

The mountain glacier surface velocity monitoring by ground-based InSAR

［C］// 2015 Annual Meeting of Chinese Geoscience Union （CGU）. Beijing： China Peace Publishing House， 2016： 1854 - 1856. ［

高斌斌， 江利明， 柳林， 等.

地基InSAR监测山地冰川表面流速

［C］//2015中国地球科学联合学术年会. 北京： 中国和平音像电子出版社， 2016： 1854 - 1856.］

Liu Lin， Jiang Liming， Gao Binbin， et al.

Measuring mountain glacier flow velocity by means of ground-based InSAR

［J］. Bulletin of Surveying and Mapping， 2016（4）： 54 - 63.

柳林， 江利明， 高斌斌， 等.

山地冰川运动地基InSAR监测试验

［J］. 测绘通报， 2016（4）： 54 - 63.

Liu Longlong， Zhang Jixian， Zhao Zheng， et al.

Research status and prospects of GB-SAR deformation monitoring technology

［J］. Bulletin of Surveying and Mapping， 2019（11）： 1 - 7.

[本文引用: 2]

刘龙龙， 张继贤， 赵争， 等.

GB-SAR变形监测技术研究现状与展望

［J］. 测绘通报， 2019（11）： 1 - 7.

[本文引用: 2]

Heid T， Kääb A.

Repeat optical satellite images reveal widespread and long term decrease in land-terminating glacier speeds

［J］. The Cryosphere， 2012， 6（2）： 467 - 478.

[本文引用: 11]

Sun Zuozhe， Chen Yaowu， You Genxiang， et al.

Flow characteristics of Glacier No.1 at the headwater of Ürümqi River， Tianshan

［J］. Journal of Glaciology and Geocryology， 1985， 7（1）： 31 - 44.

[本文引用: 1]

孙作哲， 陈要武， 尤根祥， 等.

天山乌鲁木齐河源1号冰川的运动特征

［J］. 冰川冻土， 1985， 7（1）： 31 - 44.

[本文引用: 1]

Li Zhongqin， Han Tianding， Jing Zhefan， et al.

A summary of 40-year observed variation facts of climate and Glacier No.1 at headwater of Ürümqi River

［J］. Journal of Glaciology and Geocryology， 2003， 25（2）： 117 - 123.

[本文引用: 1]

李忠勤， 韩添丁， 井哲帆， 等.

乌鲁木齐河源区气候变化和1号冰川40 a观测事实

［J］. 冰川冻土， 2003， 25（2）： 117 - 123.

[本文引用: 1]

Zhang Hui， Li Zhongqin， Wang Puyu， et al.

Variation of Haxilegen No. 51 Glacier at the headwater of Kuytun River in Tianshan Mountains and its response to climate change

［J］. Arid Zone Research， 2015， 32（1）： 88 - 93.

[本文引用: 1]

张慧， 李忠勤， 王璞玉， 等.

天山奎屯哈希勒根51号冰川变化及其对气候的响应

［J］. 干旱区研究， 2015， 32（1）： 88 - 93.

[本文引用: 1]

Jiao Keqin， Jing Zhefan， Cheng Peng， et al.

Monitoring results on the Glacier No.51 at Haxilegen in the Kuytun River basin， Tianshan Mountains

［J］. Arid Land Geography， 2009， 32（5）： 733 - 738.

焦克勤， 井哲帆， 成鹏， 等.

天山奎屯河哈希勒根51号冰川变化监测结果分析

［J］. 干旱区地理， 2009， 32（5）： 733 - 738.

Jing Zhefan， Ye Baisheng， Jiao Keqin， et al.

Surface velocity on the Glacier No. 51 at Haxilegen of the Kuytun River， Tianshan Mountains

［J］. Journal of Glaciology and Geocryology， 2002， 24（5）： 563 - 566.

[本文引用: 1]

井哲帆， 叶柏生， 焦克勤， 等.

天山奎屯河哈希勒根51号冰川表面运动特征分析

［J］. 冰川冻土， 2002， 24（5）： 563 - 566.

[本文引用: 1]

Cao Min， Li Zhongqin，

Li Huilin

Features of the surface flow velocity on the Qingbingtan Glacier No.72， Tianshan Mountains［J］. Journal of Glaciology and Geocryology， 2011， 33（1）： 21 - 29.

[本文引用: 2]

曹敏， 李忠勤， 李慧林.

天山托木尔峰地区青冰滩72号冰川表面运动速度特征研究

［J］. 冰川冻土， 2011， 33（1）： 21 - 29.

[本文引用: 2]

Cao Min.

The surface velocity features at the Glacier No

.72， Qingbingtan， Tuomuer Peak［D］. Lanzhou： Northwest Normal University， 2011.

[本文引用: 1]

曹敏.

托木尔峰青冰滩72号冰川表面运动观测研究

［D］. 兰州： 西北师范大学， 2011.

[本文引用: 1]

Xu Junli， Zhang Shiqiang， Han Haidong， et al.

Change of the surface velocity of Koxkar Baxi Glacier interpreted from remote sensing data， Tianshan Mountains

［J］. Journal of Glaciology and Geocryology， 2011， 33（2）： 268 - 275.

[本文引用: 2]

许君利， 张世强， 韩海东， 等.

天山托木尔峰科其喀尔巴西冰川表面运动速度特征分析

［J］. 冰川冻土， 2011， 33（2）： 268 - 275.

[本文引用: 2]

Lu Hongli， Han Haidong， Xu Junli， et al.

Analysis of the flow features in the ablation zone of the Koxkar Glacier on south slopes of the Tianshan Mountains

［J］. Journal of Glaciology and Geocryology， 2014， 36（2）： 248 - 258.

[本文引用: 1]

鲁红莉， 韩海东， 许君利， 等.

天山南坡科其喀尔冰川消融区运动特征分析

［J］. 冰川冻土， 2014， 36（2）： 248 - 258.

[本文引用: 1]

Liu Yushuo.

Study on the surface velocity and change of the Laohugou Glacier No

12 in the Qilian Mountains［D］. Beijing： Graduate School of the Chinese Academy of Sciences， 2010.

[本文引用: 1]

刘宇硕.

祁连山老虎沟12号冰川表面运动速度与变化研究

［D］. 北京： 中国科学院研究生院， 2010.

[本文引用: 1]

Liu Yushuo， Qin Xiang， Du Wentao， et al.

Analysis of the movement features of the Laohugou Glacier No. 12 in the Qilian Mountains

［J］. Journal of Glaciology and Geocryology， 2010， 32（3）： 475 - 479.

[本文引用: 1]

刘宇硕， 秦翔， 杜文涛， 等.

祁连山老虎沟12号冰川运动特征分析

［J］. 冰川冻土， 2010， 32（3）： 475 - 479.

[本文引用: 1]

Wang Kun， Jing Zhefan， Wu Yuwei， et al.

Latest survey and study of surface flow features of the Qiyi Glacier in the Qilian Mountains

［J］. Journal of Glaciology and Geocryology， 2014， 36（3）： 537 - 545.

[本文引用: 1]

王坤， 井哲帆， 吴玉伟， 等.

祁连山七一冰川表面运动特征最新观测研究

［J］. 冰川冻土， 2014， 36（3）： 537 - 545.

[本文引用: 1]

Cao Bo， Wang Jie， Pan Baotian， et al.

Surface flow velocities of the Ningchanhe No.1 and Shuiguanhe No.4 Glaciers in the East Qilian Mountains

［J］. Journal of Glaciology and Geocryology， 2013， 35（6）： 1428 - 1435.

[本文引用: 3]

曹泊， 王杰， 潘保田， 等.

祁连山东段宁缠河1号冰川和水管河4号冰川表面运动速度研究

［J］. 冰川冻土， 2013， 35（6）： 1428 - 1435.

[本文引用: 3]

Cao Bo， Pan Baotian， Guan Weijin， et al.

Changes in ice volume of the Ningchan No.1 Glacier， China， from 1972 to 2014， as derived from in situ measurements

［J］. Journal of Glaciology， 2017， 63（242）： 1025 - 1033.

[本文引用: 2]

Shi Yafeng. Concise glacier inventory of China［M］. Shanghai： Shanghai Popular Science Press， 2008.

[本文引用: 1]

施雅风. 简明中国冰川目录［M］. 上海： 上海科学普及出版社， 2008.

[本文引用: 1]

Su Zhen， Song Guoping， Cao Zhentang.

Maritime characteristics of Hailuogou Glacier in the Gongga Mountains

［J］. Journal of Glaciology and Geocryology， 1996， 18（）： 51 - 59.

[本文引用: 1]

苏珍， 宋国平， 曹真堂.

贡嘎山海螺沟冰川的海洋性特征

［J］. 冰川冻土， 1996， 18（）： 51 - 59.

[本文引用: 1]

Zhang Guoliang.

The study of glacier changes in the Gongga Mountains

［D］. Lanzhou： Lanzhou University， 2012.

[本文引用: 3]

张国梁.

贡嘎山地区现代冰川变化研究

［D］. 兰州： 兰州大学， 2012.

[本文引用: 3]

Liu Li.

A comparative study of glacier velocity between Mt

Yulong Baishui No. 1 Glacier and Mt. Qilian Qiyi Glacier［D］. Beijing： Graduate School of the Chinese Academy of Sciences， 2012.

[本文引用: 1]

刘力.

玉龙雪山白水1号冰川与祁连山七一冰川运动速度对比研究

［D］. 北京： 中国科学院研究生院， 2012.

[本文引用: 1]

Liu Li， Jing Zhefan， Du Jiankuo.

A study of velocity of Baishui No

1 Glacier， Mt. Yulong［J］. Advances in Earth Science， 2012， 27（9）： 987 - 992.

刘力， 井哲帆， 杜建括.

玉龙雪山白水1号冰川运动速度测量与研究

［J］. 地球科学进展， 2012， 27（9）： 987 - 992.

Yan Xingguo.

The mass balance and surface velocity of Baishui River Glacier No

.1 in Yulong Snow Mountain［D］. Lanzhou： Northwest Normal University， 2018.

[本文引用: 1]

燕兴国.

玉龙雪山白水河1号冰川物质平衡与表面运动速度研究

［D］. 兰州： 西北师范大学， 2018.

[本文引用: 1]

Chinese Academy of Sciences. Lanzhou Institute of Glaciology and Cryopedology. Investigation and research on the Batora Glacier in the Karakoram Mountains［M］. Beijing： Science Press， 1980： 83 - 93.

[本文引用: 1]

中国科学院兰州冰川冻土研究所. 喀喇昆仑山巴托拉冰川考察与研究［M］. 北京： 科学出版社， 1980： 83 - 93.

[本文引用: 1]

Sun Zuozhe.

Glacial velocity measurements in the Karakoram Mountains

［J］. Journal of Glaciology and Geocryology， 1979， 1（2）： 33 - 38.

[本文引用: 1]

孙作哲.

喀喇昆仑山区的冰川运动速度测量

［J］. 冰川冻土， 1979， 1（2）： 33 - 38.

[本文引用: 1]

Yan Xingguo， Qi Cuishan， He Yuanqing， et al.

Analysis of surface flow velocity on the Baishui Glacier No. 1 during ablation period in the Yulong Mountain

［J］. Journal of Glaciology and Geocryology， 2017， 39（6）： 1212 - 1220.

[本文引用: 1]

燕兴国， 齐翠姗， 何元庆， 等.

玉龙雪山白水河1号冰川消融期表面流速特征分析

［J］. 冰川冻土， 2017， 39（6）： 1212 - 1220.

[本文引用: 1]

WGMS.

Global glacier change bulletin： No

.2 （2014 - 2015）［M］. Zurich： World Glacier Monitoring Service， 2017.

[本文引用: 2]

Huang Lei， Li Zhen， Zhou Jianmin， et al.

Glacier change monitoring using SAR： an overview

［J］. Advances in Earth Science， 2014， 29（9）： 985 - 994.

[本文引用: 1]

黄磊， 李震， 周建民， 等.

SAR监测冰川变化研究进展

［J］. 地球科学进展， 2014， 29（9）： 985 - 994.

[本文引用: 1]

Goldstein R M， Engelhardt H， Kamb B， et al.

Satellite radar interferometry for monitoring ice sheet motion： application to an Antarctic ice

［J］. Science， 1993， 262（5139）： 1525 - 1530.

[本文引用: 3]

Cheng Xiao， Xu Guanhua.

The integration of JERS-1 and ERS SAR in differential interferometry for measurement of complex glacier motion

［J］. Journal of Glaciology， 2006， 52（176）： 80 - 88.

[本文引用: 2]

Moll A， Braun M.

Determination of glacier velocities on King George Island （Antarctica） by DInSAR

［C/OL］// 2006 IEEE International Symposium on Geoscience and Remote Sensing. Geoscience and Remote Sensing Symposium. Piscataway， NJ， USA： IEEE， 2006 ［2020-11-27］. .

Cheng Xiao， Li Xiaowen， Shao Yun， et al.

DINSAR remote sensing study of glacier movement in the Groff Mountain region in Antarctica

［J］. Chinese Science Bulletin， 2006， 51（17）： 2060 - 2067.

[本文引用: 1]

程晓， 李小文， 邵芸， 等.

南极格罗夫山地区冰川运动规律DINSAR遥感研究

［J］. 科学通报， 2006， 51（17）： 2060 - 2067.

[本文引用: 1]

Zhou Jianmin， Li Zhen， Li Xinwu.

Application of tandem InSAR data to DEM generation and glacier motion detection for Qinghai-Tibet Plateau glacier

［J］. Chinese High Technology Letters， 2009， 19（9）： 964 - 970.

周建民， 李震， 李新武.

基于ERS tandem干涉数据提取青藏高原冰川地形和运动速度的方法

［J］. 高技术通讯， 2009， 19（9）： 964 - 970.

Zhou Chunxia， Deng Fanghui， Ai Songtao， et al.

Determination of ice-flow velocity at the polar record glacier and Dalk Glacier using DInSAR

［J］. Geomatics and Information Science of Wuhan University， 2014， 39（8）： 940 - 944.

[本文引用: 2]

周春霞， 邓方慧， 艾松涛， 等.

利用DInSAR的东南极极记录和达尔克冰川冰流速提取与分析

［J］. 武汉大学学报（信息科学版）， 2014， 39（8）： 940 - 944.

[本文引用: 2]

Joughin R， Kwok R， Fahnestock M.

Interferometric estimation of three-dimensional ice-flow ascending and descending passes

［J］. IEEE Transactions on Geoscience and Remote Sensing， 1998， 36： 25 - 37.

[本文引用: 1]

Samsonov S.

Three-dimensional deformation time series of glacier motion from multiple-aperture DInSAR observation

［J］. Journal of Geodesy， 2019， 93： 2651 - 2660.

[本文引用: 1]

Zhou Jianmin.

Analysis and extraction of mountain glacier parameters using SAR interferometry

［D］. Beijing： Institute of Remote Sensing Applications， Chinese Academy of Sciences， 2009.

[本文引用: 1]

周建民.

基于SAR干涉测量的山地冰川参数提取与分析

［D］. 北京： 中国科学院遥感应用研究所， 2009.

[本文引用: 1]

Yan Shiyong.

Research on extraction of alpine glacier surface movement by SAR remote sensing

［D］. Beijing： University of Chinese Academy of Sciences， 2013.

[本文引用: 1]

闫世勇.

山地冰川表面运动雷达遥感监测方法研究

［D］. 北京： 中国科学院大学， 2013.

[本文引用: 1]

Fallourd R， Harant O， Trouve E， et al.

Monitoring temperate glacier displacement by multi-temporal TerraSAR-X images and continuous GPS measurements

［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2011， 4（2）： 372 - 386.

[本文引用: 1]

Wang Qun.

Application of DInSAR and offset tracking techniques in monitoring mountain glacier velocity

［D］. Beijing： China University of Petroleum （Beijing）， 2018.

[本文引用: 3]

王群.

DInSAR和偏移量跟踪技术在山地冰川流速监测中的应用

［D］. 北京： 中国地质大学（北京）， 2018.

[本文引用: 3]

Rignot E， Echelmeyer K， Krabill W.

Penetration depth of interferometric synthetic-aperture radar signals in snow and ice

［J］. Geophysical Research Letters， 2001， 28（18）： 3501 - 3504.

[本文引用: 1]

Lucchitta B K， Ferguson H M.

Antarctica： measuring glacier velocity from satellite images

［J］. Science， 1986， 234（4780）： 1105 - 1108.

[本文引用: 1]

Young N.

Surface velocities of Denman Glacier， Antarctica， derived from Landsat imagery

［J］. Annals of Glaciology， 1989， 12： 218.

[本文引用: 1]

Heid T， Kääb A.

Evaluation of existing image matching methods for deriving glacier surface displacements globally from optical satellite imagery

［J］. Remote Sensing of Environment， 2012， 118： 339 - 355.

[本文引用: 7]

Scambos T A， Dutkiewicz M J， Wilson J C， et al.

Application of image cross-correlation to the measurement of glacier velocity using satellite image data

［J］. Remote Sensing of Environment， 1992， 42（3）： 177 - 186.

[本文引用: 1]

Strozzi T， Luckman A， Murray T， et al.

Glacier motion estimation using SAR offset-tracking procedures

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2002， 40（11）： 2384 - 2391.

[本文引用: 1]

Huang Lei， Li Zhen.

Comparison of SAR and optical data in deriving glacier velocity with feature tracking

［J］. International Journal of Remote Sensing， 2011， 32（10）： 2681 - 2698.

[本文引用: 2]

Kääb A.

Combination of SRTM3 and repeat ASTER data for deriving alpine glacier flow velocities in the Bhutan Himalaya

［J］. Remote Sensing of Environment， 2005， 94（4）： 463 - 474.

[本文引用: 2]

Yasuda T， Furuya M.

Short-term glacier velocity changes at West Kunlun Shan， Northwest Tibet， detected by synthetic aperture radar data

［J］. Remote Sensing of Environment， 2013， 128： 87 - 106.

[本文引用: 2]

Agarwal V， Bolch T， Syed T H， et al.

Area and mass changes of Siachen Glacier （East Karakoram）

［J］. Journal of Glaciology， 2017， 63（237）： 148 - 163.

Zhang Xiaobo， Zhao Xuesheng， Ge Daqing， et al.

Motion characteristics of the South Inilchek Glacier derived from new C-band SAR satellite

［J］. Geomatics and Information Science of Wuhan University， 2019， 44（3）： 429 - 435.

张晓博， 赵学胜， 葛大庆， 等.

利用新型C波段雷达卫星研究南伊内里切克冰川运动特征

［J］. 武汉大学学报（信息科学版）， 2019， 44（3）： 429 - 435.

Wang Xin， Liu Qionghuan， Jiang Lianghong， et al.

Characteristics and influence factors of glacier surface flow velocity in the Everest region， the Himalayas derived from ALOS/PALSAR images

［J］. Journal of Glaciology and Geocryology， 2015， 37（3）： 570 - 579.

[本文引用: 1]

王欣， 刘琼欢， 蒋亮虹， 等.

基于SAR影像的喜马拉雅山珠穆朗玛峰地区冰川运动速度特征及其影响因素分析

［J］. 冰川冻土， 2015， 37（3）： 570 - 579.

[本文引用: 1]

Liu Xingyue， Jiang Zongli， Liu Shiyin， et al.

An analysis of surface velocities on Yengisogat Glacier， Karakoram Mountains

［J］. Acta Geoscientica Sinica， 2018， 39（1）： 103 - 110.

[本文引用: 1]

刘星月， 蒋宗立， 刘时银， 等.

音苏盖提冰川表面流速特征分析

［J］. 地球学报， 2018， 39（1）： 103 - 110.

[本文引用: 1]

Kong Fansi， Qiao Gang， Wang Wei’an.

Comparison of four ice velocity measurement software based on optical remote sensing images

［J］. Chinese Science Paper Online， 2016， 9（12）： 1240 - 1252.

[本文引用: 4]

孔繁司， 乔刚， 王卫安.

基于光学影像的冰流速测量软件比较与分析

［J］. 中国科技论文在线， 2016， 9（12）： 1240 - 1252.

[本文引用: 4]

Leprince S， Ayoub F， Klinger Y， et al.

Co-Registration of Optically Sensed Images and Correlation （COSI-Corr）： an operational methodology for ground deformation measurements

［C］// 2007 IEEE International Geoscience and Remote Sensing Symposium. Piscataway， NJ， USA： IEEE， 2008： 1943 - 1946.

[本文引用: 1]

Ayoub F， Leprince S， Avouac J P， et al.

COSI-Corr： a software to monitor ground surface deformation from satellite imagery

［C/OL］// Fourth Annual International Planetary Dunes Workshop 2015 ［2020-11-27］. .

[本文引用: 1]

Scherler D， Leprince S， Strecker M.

Glacier-surface velocities in alpine terrain from optical satellite imagery： accuracy improvement and quality assessment

［J］. Remote Sensing of Environment， 2008， 112（10）： 3806 - 3819.

[本文引用: 2]

Scherler D， Bookhagen B， Strecker M R.

Hillslope-glacier coupling： the interplay of topography and glacial dynamics in High Asia

［J/OL］. Journal of Geophysical Research， 2011， 116（F2） ［2020-11-27］. .

Herman F， Anderson B， Leprince S.

Mountain glacier velocity variation during a retreat/advance cycle quantified using sub-pixel analysis of ASTER images

［J］. Journal of Glaciology， 2011， 57（202）： 197 - 207.

Paul F， Barrand N E， Baumann S， et al.

On the accuracy of glacier outlines derived from remote-sensing data

［J］. Annals of Glaciology， 2017， 54（63）： 171 - 182.

[本文引用: 1]

Sam L， Bhardwaj A， Singh S， et al.

Remote sensing flow velocity of debris-covered glaciers using Landsat 8 data

［J］. Progress in Physical Geography： Earth and Environment， 2015， 40（2）： 305 - 321.

[本文引用: 2]

Sun Yongling， Jiang Liming， Liu Lin， et al.

Spatial-temporal characteristics of glacier velocity in the central Karakoram revealed with

1999 - 2003 Landsat-7 ETM+ pan images［J/OL］. Remote Sensing， 2017， 9（10） ［2020-11-27］. .

[本文引用: 2]

Vijay S， Braun M.

Seasonal and interannual variability of Columbia Glacier， Alaska

（2011 - 2016）： velocityice， fluxmass， surface elevation and front position［J/OL］. Remote Sensing， 2017， 9（6） ［2020-11-27］. .

[本文引用: 1]

Altena B， Scambos T， Fahnestock M， et al.

Extracting recent short-term glacier velocity evolution over southern Alaska and the Yukon from a large collection of Landsat data

［J］. The Cryosphere， 2019， 13（3）： 795 - 814.

[本文引用: 1]

Tian Yi， Li Jianxue， He Qin， et al.

Extraction and analysis of the movement velocity of South Inerichek Glacier based on Landsat-8 OLI image

［J］. Technology Innovation and Application， 2017（20）： 8 - 10.

[本文引用: 1]

田毅， 李建学， 何秦， 等.

基于Landsat-8 OLI影像的南伊内里切克冰川运动速度提取与分析

［J］. 科技创新与应用， 2017（20）： 8 - 10.

[本文引用: 1]

Scherler D， Strecker M R.

Large surface velocity fluctuations of Biafo Glacier， central Karakoram， at high spatial and temporal resolution from optical satellite images

［J］. Journal of Glaciology， 2012， 58（209）： 569 - 580.

[本文引用: 1]

Schaffer N， Copland L， Zdanowicz C.

Ice velocity changes on Penny Ice Cap， Baffin Island， since the 1950s

［J］. Journal of Glaciology， 2017， 63（240）： 716 - 730.

[本文引用: 2]

Huang Lei， Li Zhen.

Mountain glacier flow velocities analyzed from satellite optical images

［J］. Journal of Glaciology and Geocryology， 2009， 31（5）： 935 - 940.

[本文引用: 1]

黄磊， 李震.

光学遥感影像的山地冰川运动速度分析方法

［J］. 冰川冻土， 2009， 31（5）： 935 - 940.

[本文引用: 1]

Westoby M J， Brasington J， Glasser N F， et al.

‘Structure-from-Motion’ photogrammetry： a low-cost， effective tool for geoscience applications

［J］. Geomorphology， 2012， 179： 300 - 314.

[本文引用: 1]

Immerzeel W W， Kraaijenbrink P D A， Shea J M， et al.

High-resolution monitoring of Himalayan glacier dynamics using unmanned aerial vehicles

［J］. Remote Sensing of Environment， 2014， 150： 93 - 103.

Diolaiuti G A.

High resolution mapping of glacier surface features： the UAV survey of the Forni Glacier （Stelvio National Park， Italy）

［J］. Geografia Fisica e Dinamica Quaternaria， 2015， 38（1）： 25 - 33.

Ryan J C， Hubbard A L， Box J E， et al.

UAV photogrammetry and structure from motion to assess calving dynamics at Store Glacier， a large outlet draining the Greenland ice sheet

［J］. The Cryosphere， 2015， 9（1）： 1 - 11.

Bhardwaj A， Sam L， Martin-Torres F， et al.

UAVs as remote sensing platform in glaciology： present applications and future prospects

［J］. Remote Sensing of Environment， 2016， 175： 196 - 204.

Dall’Asta E， Forlani G， Roncella R， et al.

Unmanned aerial systems and DSM matching for rock glacier monitoring

［J］. ISPRS Journal of Photogrammetry & Remote Sensing， 2017， 127： 102 - 114.

Gindraux S， Boesch R， Farinotti D.

Accuracy assessment of digital surface models from unmanned aerial vehicles’ imagery on glaciers

［J/OL］. Remote Sensing， 2017， 9（186） ［2020-11-27］. .

Seier G， Kellerer-Pirklbauer A， Wecht M， et al.

UAS-based change detection of the glacial and proglacial transition zone at Pasterze Glacier， Austria

［J/OL］. Remote Sensing， 2017， 9 ［2020-11-27］. .

Wigmore O， Mark B.

Monitoring tropical debris-covered glacier dynamics from high-resolution unmanned aerial vehicle photogrammetry， Cordillera Blanca， Peru

［J］. The Cryosphere， 2017， 11（6）： 2463 - 2480.

Bash E A， Moorman B J， Gunther A.

Detecting short-term surface melt on an Arctic glacier using UAV surveys

［J/OL］. Remote Sensing， 2018， 10（10） ［2020-11-27］. .

Davide F， Marco S， Manuel C， et al.

Combination of UAV and terrestrial photogrammetry to assess rapid glacier evolution and map glacier hazards

［J］. Natural Hazards & Earth System Sciences， 2018， 18（4）： 1055 - 1071.

Li Junli， Chen Xi， Bao Anming， et al.

Glacier hazard emergency monitoring of the Jiubie Peak in Kongur Mountains using unmanned aerial vehicle photogrammetry

［J］. Arid Land Geography， 2016， 39（2）： 378 - 386.

[本文引用: 1]

李均力， 陈曦， 包安明， 等.

公格尔九别峰冰川跃动无人机灾害监测与评估

［J］. 干旱区地理， 2016， 39（2）： 378 - 386.

[本文引用: 1]

Wegmüller U， Werner C L.

Gamma SAR processor and interferometry software

［C］// Proceedings of the 3rd ERS Symposium： ESA SP-414. Paris： European Space Agency， 1997： 1686 - 1692.

[本文引用: 1]

Wang Shizhe.

Estimation of glacier velocity over Tibetan Plateau

［D］. Nanjing： Nanjing University， 2019.

[本文引用: 1]

王仕哲.

青藏高原冰川流速估算

［D］. 南京： 南京大学， 2019.

[本文引用: 1]

Zhao Jiarui， Ke Changqing.

Flow velocity of the Pine Island Glacier， West Antarctica， derived from Sentinel-1 SAR data

［J］. Journal of Glaciology and Geocryology， 2019， 41（1）： 12 - 18.

[本文引用: 1]

赵家锐， 柯长青.

基于Sentinel-1 SAR数据的南极松岛冰川流速监测

［J］. 冰川冻土， 2019， 41（1）： 12 - 18.

[本文引用: 1]

Ruan Zhixing， Guo Huadong， Liu Guang， et al.

Glacier surface velocity estimation in the West Kunlun Mountain range from L-band ALOS/PALSAR images using modified synthetic aperture radar offset-tracking procedure

［J/OL］. Journal of Applied Remote Sensing， 2013， 8（1） ［2020-11-27］. .

[本文引用: 1]

Usman M， Furuya M.

Interannual modulation of seasonal glacial velocity variations in the Eastern Karakoram detected by ALOS-1/2 data

［J］. Journal of Glaciology， 2018， 64（245）： 465 - 476.

[本文引用: 3]

Wang Shizhe， Ke Changqing.

Distribution and variation of glacier velocity in Himalayas based on ALOS PALSAR

［J］. Remote Sensing Technology and Application， 2018， 33（5）： 170 - 183.

[本文引用: 1]

王仕哲， 柯长青.

基于ALOS PALSAR的喜马拉雅山冰川流速分布及变化

［J］. 遥感技术与应用， 2018， 33（5）： 170 - 183.

[本文引用: 1]

Floricioiu D， Eineder M， Rott H， et al.

Velocities of major outlet glaciers of the Patagonia Icefield observed by TerraSAR-X

［C］// 2008 IEEE International Geoscience and Remote Sensing Symposium： vol IV. Piscataway， NJ， USA： IEEE， 2008： 347 - 350.

[本文引用: 3]

Floricioiu D， Eineder M， Rott H， et al.

Surface velocity and variations of outlet glaciers of the Patagonia Icefields by means of TerraSAR-X

［C］// 2009 IEEE International Geoscience and Remote Sensing Symposium： vol II. Piscataway， NJ， USA： IEEE， 2009： 1028 - 1031.

[本文引用: 1]

Eineder M， Jaber W A， Floricioiu D， et al.

Glacier flow and topography measurements with TerraSar-X and TanDEM-X

［C］// 2011 IEEE International Geoscience and Remote Sensing Symposium. Piscataway， NJ， USA： IEEE， 2011： 3835 - 3838.

Vijay S， Braun M.

Seasonal changes of surface velocity and elevation of Columbia Glacier， Alaska using time-series TerraSAR-X/TanDEM-X data

［C］// General AssemblyEGU 2015： vol 17 ［2020-11-27］. .

[本文引用: 2]

Wang Qun， Zhang Yunling， Fan Jinghui， et al.

Monitoring the motion of the Yiga Glacier using GF-3 images

［J］. Geomatics and Information Science of Wuhan University， 2020， 45（3）： 460 - 466.

[本文引用: 1]

王群， 张蕴灵， 范景辉， 等.

利用高分三号影像监测依嘎冰川表面运动

［J］. 武汉大学学报（信息科学版）， 2020， 45（3）： 460 - 466.

[本文引用: 1]

Yasuda T， Furuya M.

Glacier surge in West Kunlun Shan， NW Tibet detected by synthetic aperture radar

［C］// 2013 Asia-Pacific Conference on Synthetic Aperture Radar. Piscataway， NJ， USA： IEEE， 2013： 61 - 62.

[本文引用: 1]

Yan Shiyong， Liu Guang， Wang Yunjia， et al.

Glacier surface motion pattern in the eastern part of West Kunlun Shan estimation using pixel-tracking with PALSAR imagery

［J］. Environmental Earth Sciences， 2015， 74（3）： 1871 - 1881.

[本文引用: 2]

Horgan H J， Anderson B， Alley R B， et al.

Glacier velocity variability due to rain-induced sliding and cavity formation

［J］. Earth & Planetary Science Letters， 2015， 432： 273 - 282.

[本文引用: 2]

Berti C， Ramage J M， Willis M J， et al.

Relation between glacier velocity， SAR glacier zones， and the timing of melting in the southern Patagonia Icefield

［C/OL］// AGU Fall Meeting 2012 ［2020-11-27］. .

[本文引用: 1]

Dehecq A， Gourmelen N， Trouve E.

Deriving large-scale glacier velocities from a complete satellite archive： application to the Pamir-Karakoram-Himalaya

［J］. Remote Sensing of Environment， 2015， 162： 55 - 66.

[本文引用: 2]

Nanni U， Scherler D， Ayoub F， et al.

Seasonal and annual variations of mountain glaciers surface velocity， implications for ice dynamic. Case study： Karakorum and Pamir

［C/OL］//EGU General Assembly 2017： vol 19 ［2020-11-27］. .

Wang Lei， Jiang Zongli， Liu Shiyin， et al.

Characteristic of glaciers’ movement along Karakoram Highway

［J］. Remote Sensing Technology and Application， 2019， 34（2）： 412 - 423.

[本文引用: 1]

王磊， 蒋宗立， 刘时银， 等.

中巴公路沿线冰川运动特征

［J］. 遥感技术与应用， 2019， 34（2）： 412 - 423.

[本文引用: 1]

Li Jia.

Deriving surface motion of mountain glaciers in Tian Shan from PLASAR images

［D］. Changsha： Central South University， 2012.

[本文引用: 1]

李佳.

利用SAR技术监测天山托木尔峰区冰川运动

［D］. 长沙： 中南大学， 2012.

[本文引用: 1]

Gusain H S， Sunita， Kumar K， et al.

Velocity and thickness estimation of a small glacier in Great Himalaya using optical remote sensing techniques

［C/OL］// XII International Conference on Antarctic Earth Sciences 2015 ［2020-11-27］. .

[本文引用: 1]

Jiang Lianghong.

Variation and implication of glaciers based on multi-source remote sensing data in central Himalaya

［D］. Xiangtan， Hunan： Hunan University of Science and Technology， 2015.

[本文引用: 1]

蒋亮虹.

基于多源遥感数据的喜马拉雅中段冰川变化监测与分析

［D］. 湖南湘潭： 湖南科技大学， 2015.

[本文引用: 1]

Fu Xiyou， Zhou Jianmin.

Long-term deceleration of glaciers in the eastern Nyainqentanglha Mountains， southeastern Tibetan Plateau， revealed from Landsat images

［J/OL］. Water， 2019， 11（11） ［2020-11-27］. .

[本文引用: 1]

Zhang Zhen， Liu Shiyin， Jiang Zongli， et al.

Glacier variations at Xinqingfeng and Malan ice caps in the inner Tibetan Plateau since 1970

［J/OL］. Remote Sensing， 2020， 12（3） ［2020-11-27］. .

[本文引用: 2]

Clarke G K C.

Fast glacier flow： ice streams， surging， and tidewater glaciers

［J］. Journal of Geophysical Research： Solid Earth， 1987， 92： 8835 - 8841.

[本文引用: 1]

Jiskoot H， Murray T， Luckman A.

Surge potential and drainage-basin characteristics in East Greenland

［J］. Annals of Glaciology， 2003， 36（1）： 142 - 148.

Yasuda T.

Winter speed-up of two surging glaciers in West Kunlun Shan， northwestern Tibet

［C/OL］// AGU Fall Meeting 2015 ［2020-11-27］. .

Gilbert A， Leinss S， Kargel J， et al.

Mechanisms leading to the 2016 giant twin glacier collapses， Aru range， Tibet

［J/OL］. The Cryosphere， 2018 ［2020-11-25］. .

[本文引用: 1]

Sam L， Bhardwaj A， Kumar R， et al.

Heterogeneity in topographic control on velocities of Western Himalayan glaciers

［J/OL］. Scientific Reports， 2018， 8 ［2020-11-25］. .

[本文引用: 1]

Zhang Shasha， Zhang Zhen， Liu Shiyin， et al.

Terrain dependence characteristics of glacier flow velocity in northwest of the Karakoram Mountains

［J］. Journal of Glaciology and Geocryology， 2019， 41（5）： 1015 - 1025.

[本文引用: 1]

张莎莎， 张震， 刘时银， 等.

喀喇昆仑山西北部冰川运动速度地形控制特征

［J］. 冰川冻土， 2019， 41（5）： 1015 - 1025.

[本文引用: 1]

Tullio M D， Nocchi F， Camplani A， et al.

Copernicus big data and google earth engine for glacier surface velocity field monitoring： feasibility demonstration on San Rafael and San Quintin Glaciers

［C/OL］// The International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences： vol XLII-3. Hannover， Germany： ISPRS， 2018： 289 - 294 ［2020-11-27］. .

[本文引用: 1]