Lambert冰川-Amery冰架系统(Lambert Glacier-Amery Ice Shelf system, 简称Lambert冰川流域)是南极冰盖最大的冰流系统之一,对南极冰盖物质平衡状态有着非常重要的影响(任贾文等,2002;温家洪等,2007).Lambert冰川流域位于67°S—82°S、40°E—95°E,发源地为南极冰盖最高点——Dome A,主要由Lambert、Mellor和Fisher三大冰川支流和近海的多个小支流构成,总面积达1.55×106 km2,约占南极冰盖总面积的12.5%.Lambert冰川流域内陆地区地形较为平坦,高程由内陆向近海逐渐下降,坡度同时呈现逐渐增大的趋势,至接地线附近坡度达到最大(超过10°).
数字高程模型(DEM)是进行南极冰盖研究的基础数据.测高卫星是建立南极冰盖DEM的主要数据来源.随着卫星测高技术的发展,国内外学者建立了多个南极冰盖DEM(Zwally et al., 1983, 1987, 1997;Bamber, 1994;Bamber et al., 1997, 2009;Liu et al., 1999;DiMarzio et al., 2007;Helm et al., 2014;李斐等,2017;Slater et al., 2018).然而,研究表明,在南极冰盖边缘和坡度较大的地区,现有南极DEM的高程误差超过了150 m(Bamber and Gomez-Dans, 2005;Helm et al., 2014;李斐等,2017),极大地限制了其应用.
2010年,欧洲空间局(ESA)成功发射了新一代雷达测高卫星CryoSat-2,主要用于全球冰冻圈监测(Wingham et al., 2006).CryoSat-2卫星的轨道倾角为92°,观测范围达到88°S/N,较之前的测高卫星有了较大提升;同时搭载了最新的合成/孔径干涉雷达高度计SIRAL(SAR/Interferometric Radar Altimeter),提升了冰盖边缘和坡度较大区域的观测精度.
Fricker等(2000)利用1994年4月至1995年3月期间的ERS-1数据建立了5 km分辨率的Lambert冰川流域DEM,并利用GPS实测数据对DEM进行了验证,DEM的精度约为12.2±14.8 m.但是,ERS-1数据空间分辨率较低,且在冰盖边缘和坡度较大的区域高程精度较差.本文基于CryoSat-2波形数据,通过对CryoSat-2数据进行波形重跟踪和坡度改正,研究建立Lambert冰川流域DEM,并对DEM精度进行验证分析.
1 数据和方法 1.1 CryoSat-2数据在构建Lambert冰川流域DEM时,采用2017年1月至2018年1月一个完整周期的CryoSat-2 L1b数据.图 1为2017年1月Lambert冰川流域内CryoSat-2卫星轨迹分布情况.在Lambert冰川流域,CryoSat-2卫星采用两种观测模式:在内陆冰盖区域,采用LRM(Low Resolution Mode)模式,如图 1中灰色轨迹所示;在冰盖边缘和Amery冰架区域采用SARIn(Synthetic Aperture Interferometric)模式,如图 1中黑色轨迹所示.
在非海洋表面区域,受不同反射面的影响,测高波形存在变形,从而影响了其高程观测精度,因此需要对其波形前缘中点进行重跟踪,获取距离改正值,即为波形重跟踪处理(郭金运等,2010;Xiao et al., 2017).目前,波形重跟踪方法可以分为两种,一种是基于经验的方法,如重心偏移方法(Offset Center of Gravity, OCOG)、阈值法等,另一类是基于模型的方法,如β参数法.其中,OCOG方法利用经验公式对波形数据进行处理,得到波形重心的位置、波形宽度、振幅,并计算出波形前缘中点的位置(Wingham et al., 1986).阈值法先通过利用波形振幅和合适的阈值系数确定阈值,然后查找刚好大于阈值的波形采样所对应的距离门编号,并根据阈值前后两个波形采样振幅,内插得到波形前缘中点的位置(Davis, 1997).阈值法的关键是选取合适的阈值系数,通常选取10%、25%、50%.β参数法根据布朗模型,选取适合的函数模型和参数来拟合测高波形(Martin et al., 1983).根据模型参数的个数可以分为5参数法和9参数法;根据模型的形式,β参数法又可以分为线性形式、指数形式和混合形式.
利用交叉点方法对OCOG法、阈值法和β参数法对CryoSat-2波形的适用性进行了比较分析.其中,阈值法分别选取10%、25%以及50%的阈值系数,β参数法采用了线性5-β算法和指数5-β算法.基于以下准则进行重跟踪方法的比较:
(1) 交叉点处高程差的RMS值;
(2) 数据利用率,即成功完成重跟踪的波形数与总波形数的比值.
表 1为利用不同重跟踪方法处理之后得到的交叉点处高程差的RMS值和数据利用率,图 2为不同重跟踪方法处理之后交叉点处高程差分布图.在利用β参数法进行波形重跟踪时,需要利用最小二乘法进行迭代计算,会出现法方程无法求逆或者解算参数数值与实际参数意义存在偏离的现象,因此会出现数据利用率低的情况.由表 1可知,对LRM波形而言,指数5-β算法的重跟踪效果最好,但是其数据利用率较低,仅有15.1%;线性5-β算法的重跟踪效果仅次于指数5-β算法,且数据利用率达到98.9%,因此最终选择线性5-β算法对LRM波形进行重跟踪处理.在利用指数5-β算法对SARIn波形进行重跟踪时,数据利用率不足1%,因此对其结果未做统计.在冰盖边缘地区,当阈值系数为25%时,阈值法对SARIn波形的重跟踪效果最好;而在Amery冰架,OCOG方法的重跟踪效果最好.与β参数法不同,OCOG方法和阈值法属于经验方法,没有明确的物理意义,但是解算稳定,速度较快.因此,最终分别选用阈值法和OCOG方法对冰盖边缘和Amery冰架上的SARIn波形数据进行重跟踪处理.
南极冰盖表面存在一定的坡度,使得卫星测高数据含有坡度误差.在CryoSat-2 L2数据中,对于SARIn模式的观测数据,CryoSat-2采用其相干相位进行坡度改正.因此,对于SARIn数据,本文直接采用L2数据中的坡度改正结果.而对于LRM观测数据,采用李斐等(2017)的迭代算法进行坡度改正.如图 3所示,在进行三次迭代计算后,相邻迭代得到的DEM残差区域稳定,因此最终选择第三次迭代完成后得到的LRM数据用于Lambert冰川流域DEM的生成.
利用克里金插值方法对坡度改正后的数据进行插值.插值过程中,搜索半径设为5 km,搜索方向为八方向.当单个方向内搜索的高程点数小于3时,则不使用该方向内的高程点;当超过2个方向内无高程点可用时,将插值点的高程值设为空值.对于高程值为空的插值点,将搜索半径扩大至25 km进行重新插值填补.最终得到500 m分辨率的Lambert冰川流域DEM——LAS DEM(图 4).图 5为利用Lambert冰川流域DEM生成的坡度图.Lambert冰川流域内陆地区地形较为平坦,整体地势从内陆冰盖区域向Amery冰架逐渐倾斜,坡度同时呈现逐渐增大的趋势.地表坡度在接地区达到最大值,该区域是Lambert冰川、Mellor冰川、Collins冰川、Gevsen冰川和Fisher等几大冰川的汇合处.在内陆冰盖的绝大部分区域,地表坡度小于0.25°.图 6为放大后的Amery冰架DEM,图中两条灰色直线为Amery冰架的横向和纵向剖面线.Amery冰架表面大部分高程值低于150 m,表面坡度小于0.1°.图 7为Amery冰架横向(由东向西)和纵向(由南向北)高程剖面图.由图 7可知,Amery冰架整体地形较为平坦,横向高程较为稳定,高程在70~82 m范围内;在冰架南端纵向高程达到最大,约为260 m,并由南向北逐渐降低,到冰架最北端达到最低值.
分别采用ICESat和GPS数据对DEM精度进行验证,并与两种基于CryoSat-2数据的全南极冰盖DEM(Helm et al., 2014;李斐等,2017)进行对比.
其中,用于DEM精度验证的ICESat数据采集于2008年两个观测周期(2008-02-17—2008-03-21,2008-11-25—2008-12-17).参考李斐等(2016)的数据筛选方法对ICESat数据进行了筛选,剔除了观测质量较差的测高数据.
用于验证的GPS数据分布如图 8所示,主要来源于三种测量任务.其中GPS data1采集于1994/95年,由澳大利亚南极考察队沿着2500 m等高线采集得到(Manson et al., 2000),共有73个点.GPS data2由中国南极考察队于2004/05年在中山站至Dome A断面采集得到(Zhang et al., 2008),共有28个点.GPS data3由中国南极考察队于2009/10年在Amery冰架上采集得到,共有5个点.
用于对比验证的两个DEM分别是CS-2 DEM 2014和CS-2 DEM 2017.其中,CS-2 DEM 2014是由Helm等利用2012年1月至2013年1月的CryoSat-2 L1b数据建立的全南极冰盖DEM,覆盖范围为60°S—90°S,分辨率为1 km.Helm等利用ICESat数据对CS-2 DEM 2014进行了精度验证,DEM的高程误差约为3.5±15 m.CS-2 DEM 2017是由李斐等利用2012年12月至2015年1月的CryoSat-2 L2数据建立的1 km分辨率的全南极冰盖DEM,DEM的整体精度约为0.730±8.398 m,在冰穹顶部区域,DEM精度优于1 m;在冰架上,DEM精度约为4 m;在内陆冰盖大部分地区,DEM精度优于10 m.
2.2 验证结果与分析表 2为ICESat和GPS数据对三种DEM验证的结果.根据ICESat数据的验证结果,LAS DEM精度约为0.293±2.621 m,优于另外两种CryoSat-2 DEM.GPS数据验证结果也表明LAS DEM精度优于另外两种DEM,在2500 m等高线沿线,LAS DEM的高程精度约为5.012 m;在中山站至Dome A断面,LAS DEM的精度约为4.227 m;在Amery冰架上,LAS DEM的精度约为0.772 m.CS-2 DEM 2017直接采用了CryoSat-2 L2数据产品,未对波形重跟踪方法进行研究.在CS-2 DEM 2014建立过程中利用阈值重跟踪方法对CryoSat-2波形数据进行处理,但是在处理过程中,没有考虑不同类型的CryoSat-2波形特征差异.本文在对CryoSat-2波形进行重跟踪处理时,根据测量模式和区域的不同,将CryoSat-2波形分为三类,对不同类型的波形分别采用了最佳的波形重跟踪方法,进而提高了DEM的高程精度.
图 9和图 10分别是ICESat数据和GPS数据与LAS DEM高程差异分布图.根据图 9,LAS DEM中较大的高程误差主要集中于Amery冰架接地区.该区域为Lambert冰川、Mellor冰川、Collins冰川、Gevsen冰川和Fisher几大冰川与Amery冰架汇合处,地势复杂,坡度较大.表面坡度产生的主应力使得冰流速在接地区较大.复杂的地形和快速的冰流是造成接地区DEM精度较低的主要原因.在高程较高的内陆冰盖和Amery冰架上,DEM高程精度优于2 m.由图 10可知,GPS高程与LAS DEM吻合较好,大部分点的高程差在±5 m以内,高程偏差较大的点主要集中于近海岸处.
本文利用CryoSat-2 L1b波形数据建立了Lambert冰川流域500 m分辨率的DEM.由于测高卫星返回波形在冰盖区域存在变形,需进行波形重跟踪处理.前人在对CryoSat-2波形数据重跟踪时,仅采用单一的重跟踪方法进行处理,并没有考虑不同类型的CryoSat-2波形特征差异.本文针对不同类型的CryoSat-2波形数据,利用交叉点分析方法对OCOG、阈值法和β参数法等重跟踪方法进行了对比,选取了最佳的重跟踪方法对CryoSat-2数据进行了处理.利用坡度改正后的数据,选用克里金插值方法建立了500 m分辨率的Lambert冰川流域DEM.最后,利用ICESat数据以及中国和澳大利亚南极考察队采集的GPS数据对DEM进行了精度验证,并与两种基于CryoSat-2数据的全南极冰盖DEM进行了对比.结果表明:本文建立的LAS DEM的整体精度约为0.29±2.7 m;在冰盖内陆地区,LAS DEM的高程误差在2 m之内;在Amery冰架上,DEM精度约为1 m;在冰架接地区,受复杂地形和快速冰流的影响,DEM精度较低.LAS DEM的精度优于两种全南极DEM,说明本文采用的波形重跟踪处理策略能够提高CryoSat-2高程点的精度.
致谢 感谢欧洲空间局(ESA)提供的CryoSat-2数据,美国国家雪冰数据中心(NSIDC)提供的ICESat数据,Helm等提供的CS-2 DEM 2014.
Bamber J, Gomez-Dans J L. 2005. The accuracy of digital elevation models of the Antarctic continent. Earth and Planetary Science Letters, 237(3-4): 516-523. DOI:10.1016/j.epsl.2005.06.008 |
Bamber J L. 1994. A digital elevation model of the Antarctic ice sheet derived from ERS-1 altimeter data and comparison with terrestrial measurements. Annals of Glaciology, 20: 48-54. DOI:10.3189/1994AoG20-1-48-54 |
Bamber J L, BindschadIer R A. 1997. An improved elevation dataset for climate and ice-sheet modeling:Validation with satellite imagery. Annals of Glaciology, 25: 430-444. |
Bamber J L, Gomez-Dans J L, Griggs J A. 2009. A new 1 km digital elevation model of the Antarctic derived from combined satellite radar and laser data-Part 1:Data and methods. The Cryosphere, 3(1): 101-111. DOI:10.5194/tc-3-101-2009 |
Davis C H. 1997. A robust threshold retracking algorithm for measuring ice-sheet surface elevation change from satellite radar altimeter. IEEE Transactions on Geoscience and Remote Sensing, 35(4): 974-979. DOI:10.1109/36.602540 |
DiMarzio J, Brenner A, Schutz R, et al. 2007. GLAS/ICESat 500 m Laser Altimetry Digital Elevation Model of Antarctica. Boulder, Colorado, USA: National Snow and Ice Data Center (NSIDC), Digital Media.
|
Fricker H A, Hyland G, Coleman R, et al. 2000. Digital elevation models for the Lambert Glacier-Amery Ice Shelf system, East Antarctica, from ERS-1 satellite radar altimetry. Journal of Glaciology, 46(155): 553-560. DOI:10.3189/172756500781832639 |
Guo J Y, Gao Y G, Chang X T, et al. 2010. Optimal threshold algorithm of EnviSat waveform retracking over coastal sea. Chinese Journal of Geophysics (in Chinese), 53(4): 807-814. DOI:10.3969/j.issn.0001-5733.2010.04.005 |
Helm V, Humbert A, Miller H. 2014. Elevation and elevation change of Greenland and Antarctica derived from CryoSat-2. The Cryosphere, 8(4): 1539-1559. DOI:10.5194/tc-8-1539-2014 |
Li F, Yuan L X, Zhang S K, et al. 2016. Mass change of the Antarctic ice sheet derived from ICESat laser altimetry. Chinese Journal of Geophysics (in Chinese), 59(1): 93-100. DOI:10.6038/cjg20160108 |
Li F, Xiao F, Zhang S K, et al. 2017. DEM development and precision analysis for Antarctic ice sheet using CryoSat-2 altimetry data. Chinese Journal of Geophysics (in Chinese), 60(5): 1617-1629. DOI:10.6038/cjg20170501 |
Liu H X, Jezek K C, Li B Y. 1999. Development of an Antarctic digital elevation model by integrating cartographic and remotely sensed data:a geographic information system based approach. Journal of Geophysical Research:Solid Earth, 104(B10): 23199-23213. DOI:10.1029/1999JB900224 |
Manson R, Coleman R, Morgan P, et al. 2000. Ice velocities of the Lambert Glacier from static GPS observations. Earth, Planets and Space, 52(11): 1031-1036. DOI:10.1186/BF03352326 |
Martin T V, Zwally H J, Brenner A C, et al. 1983. Analysis and retracking of continental ice sheet radar altimeter waveforms. Journal of Geophysical Research:Oceans, 88(C3): 1608-1616. DOI:10.1029/JC088iC03p01608 |
Ren J W, Allison I, Xiao C D, et al. 2002. Mass balance of the Lambert Glacier basin, East Antarctica. Science in China Series D:Earth Sciences, 45(9): 842-850. DOI:10.1007/BF02879518 |
Slater T, Shepherd A, McMillan M, et al. 2018. A new digital elevation model of Antarctica derived from CryoSat-2 altimetry. The Cryosphere, 12(4): 1551-1562. DOI:10.5194/tc-12-1551-2018 |
Wen J H, Jezek K C, Csathó B M, et al. 2007. Mass budgets of the Lambert, Mellor and fisher Glaciers and basal fluxes beneath their flowbands on Amery Ice Shelf. Science in China Series D:Earth Sciences, 50(11): 1693-1706. DOI:10.1007/s11430-007-0120-y |
Wingham D J, Rapley C G, Griffiths H. 1986. New techniques in satellite altimeter tracking systems.//International Geoscience and Remote Sensing Symposium (IGARSS'86) On Remote Sensing: Today's Solutions for Tomorrow's Information Needs. Zurich, Switzerland, 1339-1344.
|
Wingham D J, Francis C R, Baker S, et al. 2006. CryoSat:A mission to determine the fluctuations in Earth's land and marine ice fields. Advances in Space Research, 37(4): 841-871. DOI:10.1016/j.asr.2005.07.027 |
Xiao F, Li F, Zhang S K, et al. 2017. Analysis of waveform retracking methods in Antarctic ice sheet based on Cryosat-2 data.//ISPRS Geospatial Week 2017, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science, XLⅡ-2(W7): 1561-1567.
|
Zhang S K, E D C, Wang Z M, et al. 2008. Ice velocity from static GPS observations along the transect from Zhongshan station to Dome A, East Antarctica. Annals of Glaciology, 48(1): 113-118. |
Zwally H J, Bindschadler R A, Brenner A C. 1983. Surface elevation contours of Greenland and Antarctic Ice Sheets. Journal of Geophysical Research, 88(C3): 1589-1596. DOI:10.1029/JC088iC03p01589 |
Zwally H J, Bindschadler R, Major J A, et al. 1987. Ice measurements by GEOSAT radar altimetry. Johns Hopkins APL Technical Digest, 8(2): 251-254. |
Zwally H J, Brenner A C, DiMarzio J, et al. 1997. Ice sheet topography, slopes and flow directions from ERS altimetry.//The 3rd ERS Symposium. Florence, Italy: Euro Space Agency.
|
郭金运, 高永刚, 常晓涛, 等. 2010. 近岸海域EnviSat卫星测高波形重定的Threshold优化算法. 地球物理学报, 53(4): 807-814. DOI:10.3969/j.issn.0001-5733.2010.04.005 |
李斐, 袁乐先, 张胜凯, 等. 2016. 利用ICESat数据解算南极冰盖冰雪质量变化. 地球物理学报, 59(1): 93-100. DOI:10.6038/cjg20160108 |
李斐, 肖峰, 张胜凯, 等. 2017. 基于CryoSat-2测高数据的全南极冰盖DEM的建立与精度评估. 地球物理学报, 60(5): 1617-1629. DOI:10.6038/cjg20170501 |
任贾文, Allison I, 效存德, 等. 2002. 东南极冰盖Lambert冰川流域的物质平衡研究. 中国科学(D辑:地球科学), 32(2): 134-140. |
温家洪, Jezek K C, Csathó B M, 等. 2007. 南极Lambert, Mellor和Fisher冰川的物质平衡及Amery冰架底部物质通量的估算. 中国科学(D辑:地球科学), 37(9): 1192-1204. |