出版日期: 2018-01-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20186313
2018 | Volumn22 | Number 1
上一篇 | 下一篇

利用Landsat 8和TerraSAR-X影像研究老虎沟12号冰川运动特征

张晓博¹ , 赵学胜¹ , 葛大庆² , 刘斌² , 张玲² , 李曼² , 王艳²

1. 中国矿业大学(北京) 地球科学与测绘工程学院，北京 100083

2. 中国国土资源航空物探遥感中心，北京 100083

收稿日期: 2016-08-31; 优先数字出版日期: 2018-01-01

基金项目: 国家自然科学基金(编号：41504048)；高等学校博士学科点专项科研基金(编号：20130023110001)

第一作者简介: 张晓博(1989—　)，女，博士研究生，研究方向为InSAR技术和地表形变监测。E-mail：xiaobozhang1989@hotmail.com

中图分类号: P228

文献标识码: A

摘要

采用归一化互相关算法精确配准Landsat 8影像得到了2014年—2016年不同季节冰川的运动速率，并利用其热红外波段对不同时刻的地表温度进行反演；通过强度追踪法处理TerraSAR-X影像得到了2008年4月—10月不同时段的冰川运动速率。两种数据得到的结果表明：冰川末端流速较小，中部流速增大，流速从轴部向两侧递减；冬季流速明显小于夏季，变化趋势与温度变化具有一致性。冰川西侧分支的移动速率相对较大，从Landsat 8和TerraSAR-X提取的最大速率分别为2.56 m·d^-1和2.74 m·d^-1。最后对稳定区域的冰川流速进行统计，结果显示Landsat 8提取的冰川流速精度控制在1—9 cm·d^-1，基于TerraSAR-X的强度追踪法提取移动速率的精度控制在2 cm·d^-1，验证了两种数据监测冰川移动的可靠性。

关键词

冰川运动, 归一化互相关, 影像配准, Landsat 8, TerraSAR-X

Monitoring displacement of Laohugou glacier No. 12 based on Landsat 8 and TerraSAR-X images

ZHANG Xiaobo¹ , ZHAO Xuesheng¹ , GE Daqing² , LIU Bin² , ZHANG Ling² , LI Man² , WANG Yan²

1.College of Geoscience and Surveying Engineering, China University of Mining and Technology (Beijing), Beijing 100083, China

2.China Aero Geophysical Survey and Remote Sensing for Land and Resources, Beijing 100083, China

Abstract

The flow velocity of a glacier is not uniform in time and space. Thus, the flow characteristics of glaciers should be detected to fully monitor their situation through satellite images. In this study, we use the Normalized Cross Correlation (NCC) algorithm and the intensity tracking method to study the spatial distribution characteristics of Laohugou glacier No. 12 in Gansu province, to explore the relationship between glacier flow velocity and temperature, and to evaluate error sources and precision using Landsat 8 and SAR images. The flow velocities of different seasons between 2014 and 2016 are obtained from Landsat 8 images in the NCC registration algorithm. The land surface temperature is inversed from the TIRS band. Flow velocities from April to October 2008 are retrieved from TerraSAR-X images under an intensity tracking method. Results of the two types of data show that the velocity at the glacier terminal is lower than that in the central area and that it decreases from the axis to both sides. Flow velocity is faster in summer than in winter, and its trend is consistent with temperature changes. Moreover, the velocity at the west branch is relatively large, and the maximum velocities extracted from Landsat 8 and TerraSAR-X are 2.56 m·d^-1 and 2.74 m·d^-1, respectively. Finally, the reliability of monitoring glacier flow based on the two types of data is demonstrated by using the mean and standard deviation in the stable zones. Considering these values, we find that the velocity accuracy for Landsat 8 is between 1 and 9 cm·d^-1 and that it is better than the other type of data by approximately 2 cm·d^-1. Our methods can effectively monitor glacier flow conditions, and reliability evaluation shows that the velocity accuracy is up to several centimeters per day. The comparisons indicate that radar images are especially sensitive to surface deformation due to their high spatial resolution. The SNR of optical images is also relatively high to improve integrity. Therefore, the two types of data can be used in combination to extract glacier flow information comprehensively.

Key words

glacier motion, NCC ( Normalized Cross Correlation), image registration, Landsat 8, TerraSAR-X

1 引　言

在全球气候变暖，冰川退缩的背景下，冰川灾害在世界各地多次发生。研究冰川运动、分析冰川的时空变化对及时预测冰川相关灾害的发生具有重要的意义。山地冰川对气候变化尤其敏感，IPCC提出山区的冰川变化可用于指示气候变化(Mcavaney，2001)。但山地冰川人迹罕至，这在一定程度上限制了人类开展冰川研究，遥感技术的出现使得研究人员能够全面地了解冰川的状况。

星载遥感数据是冰川测图和冰川监测的重要数据源，对近几十年来全球冰川调查取得实质性进展起到至关重要的作用。目前，监测冰川运动所使用的星载遥感数据主要有光学影像和SAR影像。利用光学遥感影像监测冰川动态变化是20世纪80年代以来冰川学研究中有效且成本较低的方法之一(曹泊等，2011)，大量存档和正在接收的遥感影像促使该方法在冰川监测方面快速发展，GLIMS (Global Land Ice Measurements from Space)就是主要利用ASTER和Landsat ETM+数据对全球冰川进行监测调查的计划(Kieffer 等，2000)。基于SAR影像的差分雷达干涉测量目前主要用于极地冰川的运动研究(Quincey 等，2009)，对于中国西部规模较小形变较大的山谷冰川，一般采用偏移量追踪技术，该技术解决了传统差分雷达干涉测量面对冰川快速运动导致失相干的问题，其测量精度虽不如雷达干涉测量技术，但对于低相干区域仍然适用(Gray 等，1998)。

冰川移动速率在时间和空间上具有不均一性，因此利用卫星影像探测冰川的运动特征具有非常重要的意义。本文的重点是利用归一化互相关配准算法和强度追踪法分别对光学影像和SAR影像进行处理，以研究甘肃省老虎沟12号冰川移动的空间分布特征，探讨冰川运动速率与温度之间的关系，并对两种数据监测冰川运动的误差源和精度进行分析评估。

2 研究区和数据

老虎沟12号冰川，又称透明梦柯冰川(冰川编号：5Y448D0012)，位于甘肃省蒙古族自治县境内，该冰川面积约21.9 km²，是祁连山区最大的双支山谷冰川(周建民等，2009)，具体位置和范围见图1。该冰川所在区域有典型的大陆性气候特征(杜文涛等，2008)，最高气温出现在7月，最低气温出现在1月，夏季平均温度超过0 ℃。透明梦柯冰川作为西部戈壁荒漠中最大的冰川，在孕育河西走廊生命绿洲中发挥着极其重要的作用。

图 1 老虎沟12号冰川地理位置

Fig. 1 Location of Laohugou glacier No.12

本研究基于Landsat 8影像、TerraSAR-X影像和30 m分辨率的SRTM高程数据。Landsat系列卫星保持了数据的延续性，其中Landsat ETM+和Landsat OLI影像具有较高分辨率，然而Landsat ETM+机载扫描仪校正器自2003年5月出现了异常，导致此后获取的图像出现条带丢失。因此，选择使用Landsat 8数据，轨道号为136033，下载于USGS网站。Landsat 8影像空间分辨率为15 m，遥感影像经过校正并使用UTM投影和WGS84椭球体。TerraSAR-X是德国于2007年成功发射的首颗雷达成像卫星，本文收集了10景stripmap模式的右视升轨TerraSAR-X数据，接收时间自2008年4月至2008年10月，覆盖范围约40×40 km，空间分辨率达2 m，重访周期为11 d。

为了有效地提取冰川运动信息，影像对的时间间隔不能过短以保证时间段内产生的位移大于配准精度，同时也不能过长以至于地表变化过大导致地物特征无法匹配；对于光学遥感数据，要求影像获取时刻的云量在30%以下。为了研究冰川运动与季节之间的关系，利用多主影像的方法进行配对。

3 研究方法

通过对比影像差异计算地面移动是一种高效的测量方法，本文主要的数据处理流程见图2。用于冰川监测的遥感影像需要经过辐射校正和几何校正等预处理。辐射校正侧重改正像元的属性值，消除仪器增益、照明状态、大气等干扰；而几何校正主要纠正各种因素引起的几何变形，侧重像元位置的变化。另外，对于地形起伏较大的区域需进行正射校正处理，以消除地势引起的误差，校正后的影像经配准可直接获取位移的水平分量。

利用遥感影像监测冰川移动的核心是影像配准，即通过对比不同时相的两幅经过精确纠正处理的影像中同名点位置差别获取冰川运动信息。配准算法分为块配准和特征配准两种，其中块配准方法更适用于对冰川的运动监测，因为冰川的边缘特征不明显(Kääb 等，2014)。用于冰川研究的影像块匹配方法主要有CCF、PC、CCF-O和NCC (Leprince 等，2007；Rolstad 等，1996；Debella-Gilo and Kääb，2011；Haug 等，2010)。Heid等通过不同配准方法的对比实验发现，NCC算法在监测细长型冰川时比其他匹配方法效果更好(Heid和Kääb，2012)。

图 2 数据处理流程图

Fig. 2 Data processing flow chart

图 3 NCC算法示意图

Fig. 3 NCC algorithm diagram

归一化互相关(NCC)算法是一种经典的基于灰度的图像配准方法，归一化可以消除照明状态不同对影像对比带来的影响，使得不同情况下求得的相关系数有可比性。如图3所示，参考影像R，搜索影像S，(x, y)为参考模板的像元位置，(x–u, y–v)为搜索像元位置，r和s分别为参考模板和搜索像元的像元值，u_r和u_s分别为模板窗口和搜索窗口的像元平均值。NCC方法计算的最佳匹配为互相关最大时所对应的位置，NCC相关系数计算公式为

$\rho (x,y) = \frac{{\sum\nolimits_{x,y} {(r(x,y) - {u_r})(s(x - u,y - v) - {u_s})} }}{{{{(\sum\nolimits_{x,y} {{{(r(x,y) - {u_r})}^2}} \sum\nolimits_{x,y} {{{(s(x - u,y - v) - {u_s})}^2}} )}^{1/2}}}}$

(1)

配准过程中，若设置的参考模板过小，则不能准确的提取地面相似性最大化位置；若参考模板过大，则会降低配准精度，并且计算效率相对较低。实际计算过程中，为了得到准确的配准结果，采用试验的方法设置窗口参数，即随着窗口增大冰川区域的流速不再增大时为最佳窗口尺寸。本文Landsat 8数据整体配准采用两步迭代的方法，首次以影像分辨率进行计算，然后将影像过采样为1/8个像元再次精确配准；基于NCC算法的局部配准计算偏移量时，参考模板设置为16个像元，搜索窗口为100个像元。为了提高计算效率，每隔100 m计算一个像元的偏移量，最后根据相关系数和最大最小流速阈值对得到的结果进行筛选。

根据使用的SAR数据不同，偏移量追踪技术分为相干性追踪法和强度追踪法，其中强度追踪法更适用于快速流动和影像时间间隔较长的情况(Strozzi 等，2002)。强度追踪法借鉴了传统的光学图像配准方法，首先基于轨道参数和DEM进行SAR影像整体配准，然后选用大小合适的滑动窗口对过采样的图像进行强度互相关计算，互相关系数达到峰值时窗口的距离即为像元的偏移量。但是，卫星过境时轨道偏移和传感器姿态不一致，导致不同时相的影像存在偏移拉伸等变化，因此配准得到的偏移量包括轨道误差、电离层相位延迟和地表冰川运动等。其中，电离层相位延迟对波长较短的X波段影像数据的影响可以忽略(Gray 等，2000)，主辅影像配准偏移量中的轨道趋势。可用线性函数进行估计，最后通过滤波去除其他噪声引起的偏移量。

相比于光学影像，SAR强度影像的噪声水平较高，在TerraSAR-X影像进行NCC配准时，模板窗口要大于光学影像设置的尺寸(Kääb 等，2014)。本文处理TerraSAR-X影像时，使用的搜索窗口尺寸为256个像元，对应地面距离约480 m。强度追踪法可监测偏移量的大小是过采样之后像元大小的整数倍，测量精度依赖于雷达图像的空间分辨率和影像配准精度。一般情况下，该方法的形变监测精度是所用SAR影像空间分辨率的1/10—1/30(Simons和Rosen，2007)。

4 研究结果分析

4.1 Landsat 8影像监测结果

利用重复轨道获取的中等分辨率遥感影像监测冰川流速，是通过对单个波段的图像匹配及特征点追踪进行估算。本文利用自2014年以来跨越不同季节的8景Landsat 8影像，求取不同时间段的冰川流速。图4为不同观测时间段的日平均速度分布图，底图为冰川流动速率，箭头表示流动方向。

从整体分布来说，冰川末端流速较小，中部流速增大，流速从轴部向两侧递减。冰川的流动方向大致为由南向北，与图1中地势变化一致。4组影像对的冰川流速结果可用于解释流速在时间上的变化，2014-04-08—2014-05-26时间段内冰川东西两支均有流速较大的像元，最大流速达2.49 m·d^-1，速率大于1 m·d^-1的像元占9%；2014-07-29—2014-08-14和2015-08-17—2015-09-18两个时间段内流速较大的像元明显增多，速率大于1 m·d^-1的像元比例分别提升至30%和32%，最大速率为2.56 m·d^-1；2016-01-08—2016-01-24时间段内整个区域较稳定，没有明显移动。

基于光学影像进行偏移量计算的误差主要取决于配准算法的精度、像元定位精度及DEM误差引入的影像配准误差。为了评价本文基于Landsat 8影像的NCC配准算法提取冰川流速的精度，选取冰川末端稳定的基岩区域，并对该区域内不同时期的冰川流速结果进行统计，移动速率的平均值和标准差如表1。其中，移动速率的平均值在0.01119—0.09264 m·d^-1之间，标准差在0.00821—0.04612，表明该方法的精度在1—9 cm·d^-1范围内。误差较大的两组分别为2014-04-08—2014-05-26和2015-08-17—2015-09-18，主要由于这两组影像对的时间间隔较长导致地面目标变化过大。

表 1 Landsat 8移动速率精度评估
Table 1 Accuracy evaluation of flow velocity from Landsat 8

下载CSV

影像对	平均值/(m·d^-1)	标准差
2014-04-08—2014-05-26	0.09264	0.01904
2014-07-29—2014-08-14	0.01119	0.01860
2015-08-17—2015-09-18	0.05955	0.04612
2016-01-08—2016-01-24	0.01542	0.00821

为了直观表达冰川移动与季节之间的关系，基于Landsat 8 热红外波段利用辐射传输方程进行地表温度反演，得到全影像覆盖的地表温度。由于TIRS传感器工作失常，导致2015年以后获得的热红外波段无数据，因此本文反演了2014年4景数据的地表温度，所用地面温度反演方法的精度达1 ℃(Yu 等，2014)。图5可直观看到该地区不同季节的温度变化，其中4月份温度相对较低，7月份温度达到最高，8月份整体温度有所回落。结合不同时段的冰川运动速率图，发现温度较高的时间段流速较大。

4.2 SAR影像监测结果

基于SAR数据的强度追踪法可提取方位向和距离向的2维形变场，其中，方位向为卫星飞行方向，距离向为雷达视线向。为了便于与Landsat 8的结果进行对比分析，将距离向分量和方位向分量合成为水平移动量，进而得到运动速率。本文利用多主影像得到不同时间段的冰川变化情况，用于分析冰川变化与季节的关系。图6为主辅影像获取时间段内的冰川流速，底图为Landsat 8的RGB合成影像。

整体而言，冰川西侧分支的移动速率相对较大，东侧分支在整个研究时间段内有一定的形变，但是移动速率较小。从时间上来说，4月份冰川东西两支均出现形变，6月份之后，开始发生多处形变，且形变位置发生变化，趋势上与季节温度变化保持一致。从量级上看，在2008-04-18—2008-04-29期间，冰川研究区内移动速率均小于1 m·d^-1，整个区域差异性不明显；2008-07-15—2008-07-26时段内，多处移动速率大于1 m·d^-1，主要分布在冰川西侧分支，其中最大移动速率达2.74 m·d^-1；在2008-08-17—2008-08-28、2008-08-28—2008-09-19和2008-09-19—2008-10-11共3个时段内，移动速率小于0.1 m·d^-1的像元比例分别占70% 、87%和91%，冰川移动速率出现明显减小的趋势。

图 4 利用Landsat 8影像得到的不同时间段的冰川流速图

Fig. 4 Glacier flow velocity in different periods using Landsat 8 images

图 5 不同时刻的地表温度示意图

Fig. 5 Land surface temperature images

图 6 利用TerraSAR-X得到的冰川流速图

Fig. 6 Glacier flow velocity using TerraSAR-X images

在海拔较高的区域，6月—8月的运动速率图出现了空白区和流速不连续的杂乱值，主要由于夏季冰川移动较快，并且伴有表面冰雪消融加剧的现象，使得目标表面的特性在夏季极其不稳定，在影像上表现为信噪比较低。为了提高计算的准确性，强度追踪法仅对影像上超过信噪比阈值的像元进行运算，所以在夏季往往只能提取到冰川部分区域的移动信息。

本文利用强度追踪法进行偏移量计算的主要误差来源是影像配准。TerraSAR-X影像整体配准基于30 m分辨率的SRTM高程数据，配准误差小于0.1个像元，对应地面约0.2 m，因此，配准引入的运动速率误差小于1 cm·d^-1。为了评价本文基于TerraSAR-X影像的强度追踪法提取冰川流速的精度，同样选取冰川末端稳定的基岩区域，并对该区域内不同时期的冰川流速结果进行统计，移动速率的平均值和标准差如表2。其中，移动速率的平均值在0.00531—0.01885 m·d^-1之间，标准差在0.00283—0.03069，表明该方法的精度控制在2 cm·d^-1，略优于Landsat 8的移动速率精度。

表 2 TerraSAR-X移动速率精度评估
Table 2 Accuracy evaluation of flow velocity from TerraSAR-X

下载CSV

影像对	平均值/(m·d^-1)	标准差
2008-04-18—2008-04-29	0.00808	0.00580
2008-06-01—2008-06-23	0.00531	0.00283
2008-06-23—2008-07-15	0.00783	0.00349
2008-07-15—2008-07-26	0.00882	0.00536
2008-07-26—2008-08-17	0.00669	0.00444
2008-08-17—2008-08-28	0.00942	0.00588
2008-08-28—2008-09-19	0.00832	0.00621
2008-09-19—2008-10-11	0.01885	0.03069

5 结　论

使用光学影像和SAR影像对老虎沟12号冰川进行了研究，基于归一化互相关算法精确配准Landsat 8影像得到了2014年—2016年不同季节冰川的运动速率，并利用强度追踪法处理TerraSAR-X影像得到了2008年4月至10月不同时段的冰川运动速率，得出以下结论：

(1)通过对光学遥感数据和SAR数据得到的不同时段的冰川流速进行对比分析发现，冬季流速明显小于夏季，变化趋势与反演的地表温度变化具有一致性。

(2)在空间分布上，冰川末端流速较小，中部流速增大，流速从轴部向两侧递减；流动方向大体由南向北，与该地区的地势变化保持一致。

(3)在计算精度评估方面，Landsat 8提取的冰川流速精度在1—9 cm·d^-1，基于TerraSAR-X的强度追踪法提取运动速率的精度控制在2 cm·d^-1，验证了两种数据监测冰川移动的可靠性。

(4)雷达影像因其空间分辨率较高对地表微小形变更敏感；而光学影像信噪比相对较高，对区域运动研究的完整性较好。因此，综合使用两种数据能更全面的提取冰川运动信息，以达到更好的应用效果。

研究工作说明光学影像和SAR影像可以很好的应用于山谷冰川运动监测，下一步工作将进行中国西部大空间尺度的冰川运动特征分析，找出更具普遍意义的规律和结论。

参考文献(References)

Cao B, Wang J, Zhang C, Zhang G L and Pan B T. 2011. The remote sensing in research of modern glacier changes. Remote Sensing Technology and Application, 26 (1): 52–59. [DOI: 10.11873/j.issn.1004-0323.2011.1.52] ( 曹泊, 王杰, 张忱, 张国梁, 潘保田. 2011. 遥感技术在现代冰川变化研究中的应用. 遥感技术与应用, 26 (1): 52–59. [DOI: 10.11873/j.issn.1004-0323.2011.1.52] )

Debella-Gilo M and Kääb A. 2011. Sub-pixel precision image matching for measuring surface displacements on mass movements using normalized cross-correlation. Remote Sensing of Environment, 115 (1): 130–142. [DOI: 10.1016/j.rse.2010.08.012]

Du W T, Qin X, Liu Y S and Wang X F. 2008. Variation of the Laohugou glacier No. 12 in the Qilian mountains. Journal of Glaciology and Geocryology, 30 (3): 373–379. ( 杜文涛, 秦翔, 刘宇硕, 王旭峰. 2008. 1958–2005年祁连山老虎沟12号冰川变化特征研究. 冰川冻土, 30 (3): 373–379. )

Gray A L, Mattar K E, Vachon P W, Bindschadler R, Jezek K C, Forster R and Crawford J P. 1998. InSAR results from the RADARSAT Antarctic mapping mission data: estimation of glacier motion using a simple registration procedure//Proceedings of 1998 IEEE International Geoscience and Remote Sensing Symposium Proceedings. Seattle, WA, USA: IEEE, 3 : 1638–1640. [DOI: 10.1109/IGARSS.1998.691662]

Gray A L, Mattar K E and Sofko G. 2000. Influence of ionospheric electron density fluctuations on satellite radar interferometry. Geophysical Research Letters, 27 (10): 1451–1454. [DOI: 10.1029/2000GL000016]

Haug T, Kääb A and Skvarca P. 2010. Monitoring ice shelf velocities from repeat MODIS and Landsat data-a method study on the Larsen C ice shelf, Antarctic Peninsula, and 10 other ice shelves around Antarctica. The Cryosphere Discussions, 4 (1): 31–75. [DOI: 10.5194/tcd-4-31-2010]

Heid T and Kääb A. 2012. Evaluation of existing image matching methods for deriving glacier surface displacements globally from optical satellite imagery. Remote Sensing of Environment, 118 : 339–355. [DOI: 10.1016/j.rse.2011.11.024]

Kääb A, Bolch T, Casey K A, Heid T, Kargel J S, Leonard G J, Paul F and Raup B H. 2014. Glacier mapping and monitoring based on spectral data//Kargel J S, Leonard G J, Bishop M P, Kääb A and Raup B H. Global Land Ice Measurements from Space. Heidelberg: Springer: 75–104

Kieffer H, Kargel J S, Barry R, Bindschadler R, Bishop M, MacKinnon D, Ohmura A, Raup B, Antoninetti M, Bamber J, Braun M, Brown I, Cohen D, Copland L, DueHagen J, Engeset R V, Fitzharris B, Fujita K, Haeberli W, Hagen J O, Hall D, Hoelzle M, Johansson M, Kaab A, Koenig M, Konovalov V, Maisch M, Paul F, Rau F, Reeh N, Rignot E, Rivera A, De Ruyter de Wildt M, Scambos T, Schaper J, Scharfen G, Shroder J, Solomina O, Thompson D, van der Veen K, Wohlleben T and Young N. 2000. New eyes in the sky measure glaciers and ice sheets. Eos, Transactions American Geophysical Union, 81 (24): 265–271. [DOI: 10.1029/00EO00187]

Leprince S, Barbot S, Ayoub F and Avouac J P. 2007. Automatic and precise orthorectification, coregistration, and subpixel correlation of satellite images, application to ground deformation measurements. IEEE Transactions on Geoscience and Remote Sensing, 45 (6): 1529–1558. [DOI: 10.1109/TGRS.2006.888937]

Mcavaney B J, Covey C, Joussaume S, Kattsov V, Kitoh A, Ogana W and Zhao Z C. 2001. Contribution of working group I to the third assessment report of the intergovernmental panel on climate change. UK: Cambrige University Press.

Quincey D J, Luckman A and Benn D. 2009. Quantification of Everest region glacier velocities between 1992 and 2002, using satellite radar interferometry and feature tracking. Journal of Glaciology, 55 (192): 596–606. [DOI: 10.3189/002214309789470987]

Rolstad C, Amlien J, Hagen J and Lundén B. 1996. Visible and near-infrared digital images for determination of ice velocities and surface elevation during a surge on Osbornebreen, a tidewater glacier in Svalbard. Annals of Glaciology, 24 : 255–261.

Simons M and Rosen P A. 2007. Interferometric synthetic aperture radar geodesy//Gerald S, ed. Treatise on Geophysics. Amsterdam: Elsevier: 391–446 [DOI: 10.1016/B978–044452748-6.00059–6]

Strozzi T, Luckman A, Murray T, Wegmuller U and Werner C L. 2002. Glacier motion estimation using SAR offset-tracking procedures. IEEE Transactions on Geoscience and Remote Sensing, 40 (11): 2384–2391. [DOI: 10.1109/TGRS.2002.805079]

Yu X L, Guo X L and Wu Z C. 2014. Land surface temperature retrieval from Landsat 8 TIRS—Comparison between radiative transfer equation-based method, split window algorithm and single channel method. Remote Sensing, 6 (10): 9829–9852. [DOI: 10.3390/rs6109829]

Zhou J M, Li Z and Li X W. 2009. Research on rules of the valley glacier motion in western China based on ALOS/PALSAR interferometry. Acta Geodaetica et Cartographica Sinica, 38 (4): 341–347. [DOI: 10.3321/j.issn:1001-1595.2009.04.010] ( 周建民, 李震, 李新武. 2009. 基于ALOS/PALSAR雷达干涉数据的中国西部山谷冰川冰流运动规律研究. 测绘学报, 38 (4): 341–347. [DOI: 10.3321/j.issn:1001-1595.2009.04.010] )

摘要

关键词