青藏高原雪、冰和环境数据集专题 I 区论文(评审中) 版本 ZH2
下载
基于高分三号影像的2019–2020年青藏高原典型冰川表面流速数据集
A dataset of glacier surface motion distribution in Qinghai-Tibet Plateau region during 2019–2020 with GF-3 imagery
 >>
: 2021 - 05 - 07
: 2021 - 05 - 14
: 2021 - 05 - 14
1247 14 0
摘要&关键词
摘要:青藏高原,又称世界“第三极”,是北半球中低纬度地区最大的现代冰川作用区,在全球气候系统中起着至关重要的作用,研究该地区冰川流速时空变化对于认识冰川动力学特征及其对气候变化的响应具有重要的意义,而且长期冰川活动性监测对推动区域可持续发展、促进全球生态环境保护具有重要的指导作用。本文基于20192020年间覆盖目标区域典型冰川的高分三号(GF-3)影像, 借助改进的偏移量跟踪算法,通过精准地弥补全局性位移和地形效应以及滤波降噪处理后,得到了青藏高原典型冰川表面高精度运动数据集(GeoTIFF格式32位浮点型)。采用GF-3卫星FSI成像模式SAR影像,计算结果空间分辨率约为12 m非冰川区残差统计分析表明在研究周期内其总体精度约为0.5 m。结果显示青藏高原典型冰川表面运动大多呈现为积累区速度较快消融区和末端运动速度慢的特点个别中小型冰川具有相对较强的活动性,整体上与地势起伏和气候因素存在一定的相关性。本数据集可作为青藏高原冰川物质平衡分析的基础数据支撑高亚洲区域气候变化方面的研究,推动国产遥感数据在冰川活动性及气候变化研究中的深层次应用。
关键词:青藏高原;GF-3;冰川表面运动;偏移量跟踪算法
Abstract & Keywords
Abstract: The Qinghai-Tibet Plateau, also known as the world’s “Third Pole”, is the largest modern glaciation region in the middle and low latitudes of the Northern Hemisphere, which plays an important role in the global climate system. It is of great significance to study the spatiotemporal changes of the glacier velocity for understanding the dynamic characteristics of glaciers and demonstrate the response of glaciers to climate change. Besides, the long-term monitoring of glacier activity on the Qinghai-Tibet Plateau is essential to promote ecological environment protection. Based on the SAR imagery of the Qinghai-Tibet Plateau region acquired by GF-3 from 2019 to 2020 along with an improved pixel-tracking algorithm, the distribution of ice surface motion is obtained. The accurate velocity of the glacier surface (GeoTiff format in 32-bit floating-point) was extracted by precisely removing the global deformation, the topographic-related offset and the effect of the high-frequency noise. And the spatial resolution of the final result is around 12 m by sampling interval of GF-3 with FSI imaging mode. An overall accuracy of about 0.5 m is given by the statistical analysis of the residual movement in the non-glacial region. The results demonstrate that the glacier velocity in the accumulation area is generally faster than that in the terminal or ablation part, some small and medium-sized glaciers have relatively strong activities. Generally, the ice velocity reveals a positive correlation with topography and climate. The dataset could serve as the basis in research of glacial mass balance in Qinghai-Tibet Plateau, providing statistical support to understand the relationship between ice and climate change in High Mountain Asia. Finally, this study could promote the application of domestic remote sensing data in glacier activity and climate change on a deeper level.
Keywords: Qinghai-Tibet Plateau; GF-3;; ice surface motion;  pixel-tracking
数据库(集)基本信息简介
数据库(集)名称基于高分三号影像的20192020年青藏高原典型冰川表面流速数据集
数据作者张齐民、吕明阳、闫世勇
数据通信作者闫世勇(yanshiyong@cumt.edu.cn)
数据时间范围20192020年
地理区域地理范围为26°N–44°N,70°E–100°E,主要包含青藏高原地区的横断山脉、喜马拉雅山脉、天山山脉、帕米尔高原等区域。
空间分辨率12 m
数据量5.85GB
数据格式*.tif(GeoTIFF,32-bit float)
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/j00001.00253
基金项目国家对地观测科学数据中心(NODAOP2020010)
数据库(集)组成本数据集共包含2个数据文件,其中:
1. Glacier Velocity文件夹为冰川表面速度场分布数据,数据量为2.925GB;
2. Glacier Motion文件夹为冰川表面累积位移量数据,数据量为2.925GB。
Dataset Profile
TitleA dataset of glacier surface motion distributionin Qinghai-Tibet Plateau region during 20192020 with GF-3 imagery
Data corresponding authorYAN Shiyong (yanshiyong@cumt.edu.cn)
Data author(s)ZHANG Qimin, LYU Mingyang, YAN Shiyong
Time range20192020
Geographical scopeGeographical scope 26°N–44°N, 70°E–100°E. Including: Hengduan Mountains, Himalaya Mountains, Tianshan Mountains and Pamirs regions.
Spatial resolution12m
Data volume5.85GB
Data format*.tif(GeoTIFF,32-bit float)
Data service system<http://www.sciencedb.cn/dataSet/handle/j00001.00253>
Source of fundingOpen Research Fund of National Earth Observation Data Center (No. NODAOP2020010)
Dataset compositionThe dataset consists of two data files: “Glacier Velocity” stores data of glacier surface velocity, and “Glacier Motion” stores of glacier displacement.
引 言
随着全球气候变暖的进程日益加剧,作为气候变化的指示器之一,冰川已成为气候变化研究的关键指标[1,2,3,4 ]。相比于两极冰川,青藏高原地区的冰川对于气候变化的响应更为敏感,其升温速度是同期全球其他区域均值的两倍,冰川加速融化、冰川融水净流量显著增加,整体呈现出失衡的状况,因此研究青藏高原地区冰川流速时空变化对于认识该区域冰川动力学特征及其对气候变化的响应具有重要的意义[5,6,7 ]。冰川流速是冰川变化的一个重要参数,能够反映一段时间内冰川的活动性及其物质平衡情况且已有相关研究表明,冰川流速的加快是其物质损失的主要原因[8]。因而,冰川表面运动时空分布特征对于研究该区域的物质平衡具有重要的指示作用[9,10,11,12 ]
山地冰川所处区域往往气候条件恶劣,实地冰川运动监测成本高且难以在青藏高原广泛开展。随着科技的进步和遥感技术的发展,基于遥感影像的冰川运动监测已成为研究冰川活动性的最为重要的手段,具有获取数据快、监测范围广、重访周期短等特点[13,14,15,16 ]。但当前青藏高原冰川运动信息的获取绝大多数依赖国外遥感卫星数据,我国高质量遥感影像在冰川运动广域监测中的应用寥寥无几,导致其在冰川活动性研究中价值难以体现,造成大量高质量国产遥感数据资源的浪费。
为了能够及时准确地了解青藏高原地区典型山地(图1)冰川的运动状况,凸显我国遥感数据在气候研究中的实际价值,本文选用20192020年获取的高分三号(GF-3)遥感数据影像,基于改进的并行化Pixel-Tracking(PT)技术[17,18,19,20 ],通过复杂全局形变拟合估计、几何畸变校正和降噪滤波等处理[21-22],获取了青藏高原典型冰川的表面流速,并以非冰川区残余位移量作为统计特征,判别和验证数据集产品的可靠性,最终实现基于国产高质量遥感影像的冰川流速数据集产品生成与应用推广,为青藏高原气候变化研究和冰川运动相关灾害预测提供更精准的数据支持。


图1   青藏高原区域示意图
1   数据采集和处理方法
1.1   数据源
GF-3卫星是中国自主研制的首颗C波段全极化星载卫星,重访周期为29天。因其全天时全天候以及高空间分辨率的特点,在冰川运动监测中有着重要优势。GF-3卫星具有12种常规成像模式,最高分辨率可达1 m,最大幅宽约为650 km,可满足不同领域的需要。本文选用2019 – 2020年覆盖研究区精细条带1模式(FSI)的SAR影像进行冰川运动提取,原始数据信息参数见表1,同时采用30 m分辨率的ASTER DEM数字表面模型数据辅助SAR影像配准和地理编码。
表1   GF3雷达影像对参数信息
冰川信息成像时间轨道圈号垂直基线(米)时间基线(天)
TS-South Inylchek
(G080211E42128N)
2019-07-0115215-207348
2020-06-1320231
TS-Uker
(G080341E42280N)
2019-06-19151431184319
2020-05-0319641
HME Duiya
(G086382E28331N)
2019-06-12149411086261
2020-02-2818703
HMM
(G079147E30802N)
2019-09-16163261497174
2020-03-0818833
HD-Yanong
(G096685E29331N)
2020-01-31182992172290
2020-11-1622479
Pamir-Kongur
(G075339E3856N)
2019-07-15154171299290
2020-04-3019597
InnerTP-Depchendak
(G080875E34263N)
2020-01-0317896322116
2020-04-2819568
Karakoram-Baltoro
(G076367E35737N)
2019-08-01156622642261
2020-04-1819424
Karakoram-Siachen
(G077129E35401N)
2019-07-15154171714261
2020-04-0119180
Karakoram-Chogo
(G075218E35874N)
2019-07-2715590830290
2020-05-1219770
ESTP-Gangtuo
(G094906E29855N)
2019-07-0715302811319
2020-05-2119899
1.2   数据处理方法和流程
本研究利用覆盖青藏高原典型山地冰川的多期GF-3遥感影像,采用改进的PT算法高精度监测冰川表面运动的空间分布。基于非冰川区在监测周期内未发生移动的假设,精确地估算出全局轨道相关偏移量、地形起伏相关偏移量和噪声偏移量等无关信息并对其进行补偿,最终得到冰川区较为可靠的流速结果。PT算法利用影像强度信息的归一化互相关算法(Normalized Cross Correlation,NCC)进行影像配准,通过计算主副影像模板的相关程度来实现亚像素级配准。该方法精度高,但计算效率低,巨大的运算量对于青藏高原广泛分布的典型冰川区流速提取工作来说十分不利。为此本文利用GPU良好的性能实现了PT算法的并行化改进,极大提高了运行效率,为冰川表面运动的时序监测提供了技术保障。本文方法相关的技术路线如图2所示。


图2   基于国产遥感影像的冰川流速提取流程示意图
1.2.1   基于RANSAC的全局形变估计
两次或多次成像过程中,卫星姿态及位置差异会引入轨道相关的全局性偏移量,一般采用二次多项式函数模型进行拟合和补偿。为了降低匹配噪声点给全局模型参数估计造成的不利影响,本文利用随机抽样一致性算法(Random Sample Consensus,RANSAC),通过不断的迭代来逐次确定是否为符合模型的匹配点,并重新计算变换参数,最终在满足阈值条件时终止迭代计算。假设非冰川区域在观测周期内未发生位移,由此可以获得变换模型参数并去除轨道相关的偏移量。该方法能够在提高计算效率的同时保证全局形变参数估计的精确性,从而准确补偿因卫星轨道及传感器姿态差异而导致的整体性位移。
1.2.2   基于外部DEM的地形校正
青藏高原地区地形复杂多变,冰川分布区高差大,卫星对冰川区成像时的位置差异会引入与地形相关的偏移量,进而降低冰川运动监测的准确性。一般而言,方位向的地形偏移量主要与所在区域的地形起伏、成像时轨道交角及卫星入射角有关,而距离向地形起伏导致的偏移量则与垂直基线长度成正比。基于外部DEM数据和两景SAR影像的空间基线情况,能够准确获取地形起伏在距离向和方位向所产生的偏移,对全局形变校正后的偏移量进行精确的地形补偿,可进一步提高冰川表面运动估计的准确性。
1.2.3   冰川运动分布滤波与去噪
由于数据质量和处理方法等各因素的限制,经全局形变补偿和地形效应校正后得到的偏移量分布仍然不同程度地受到误配点噪声影响,因此有必要开展冰川运动信息滤波。在冰川运动分布场中,斑点噪声属于高频信息,可以通过低通滤波手段来削弱噪声然而冰川的边缘信息也属于高频信号为了保证冰川边缘位移细节信息的完整性和最终结果的准确性,本文采取自适应中值滤波(Ranked-order based Adaptive Median Filter,RAMF)来削弱噪声的影响,借助滤波窗口可变特点,RAMF既能保证冰川偏移量信息的精度,又能适当地过滤噪声,在冰川运动提取中具有较好的应用价值。
2   数据样本描述
20192020年青藏高原典型冰川表面运动分布数据集所用数据为GF-3 FSI精细条带模式数据,冰川运动结果分别存储在2个不同文件中一是研究区域内冰川表面运动速率数据,存储格式为32位浮点型GeoTiff格式,命名规则为AREA_YYYYMMDD-YYYYMMDD_VEL.tif,表示某研究区某时间段内冰川表面的运动速度,单位为cm/d,存放在Glacier Velocity文件夹中二是相应冰川的表面累积位移量数据,存储格式为32位浮点型 GeoTiff格式,命名规则为AREA_YYYYMMDD-YYYYMMDD_DIS.tif,单位为m,存放于Glacier Motion文件夹中。图3为冰川表面运动数据样本展示,图 3(a)(b)(c)分别为天山地区、喀喇昆仑山地区和喜马拉雅山中段地区冰川的累积滑动量,冰川主干位移量大小分别约为120 m、100 m及15 m,图 3(d)(e)(f)分别为上述冰川的流速分布,主干流速主要位于3040 cm/d、3035 cm/d以及710 cm/d之间。

(a)


(b)


(c)


(d)


(e)


(f)

图3   青藏高原部分典型冰川表面运动分布示意图
3   数据质量控制和评估
为保证冰川表面运动采样点的可靠性,偏移量跟踪算法中匹配模板和搜索步长等参数的选择和设定需要充分考虑研究区冰川规模、运动特征及其地表后向散射的稳定性。根据研究区的冰川规模大小,分别设定为:模板窗口128×128像素,采样窗口5×5像素。搜索窗口的选择需要根据不同区域冰川的运动量来进行相应的调整,从而保证匹配结果具有较高可靠性,进而获取冰川区完整的位移量分布信息。
为了得到更为可靠的偏移量结果,本文以模板匹配过程中的统计特性对GF-3影像对中目标点进行质量评估,采用归一化互相关系数和协方差作为判别条件,反映相应区域的匹配质量。此外,本文基于RANSAC算法的全局形变估计,有效改正了因轨道和卫星成像姿态差异带来的偏差同时,给出基于外部DEM的地形误差校正方法和相应数据处理流程,以此来弥补复杂地形带来的误差。青藏高原地区地形复杂,气候多变,常年受积雪覆盖和降水等因素的影响,偏移量跟踪结果不可避免地受到噪声干扰,本文采用RAMF算法进行滤波处理,可以有效削弱噪声对于结果的影响,提升冰川运动监测结果的质量。
青藏高原冰川区气候条件恶劣,高寒高海拔交通不便,难以广泛开展冰川流速野外验证。因此,为进一步验证冰川运动结果的可靠性,本文基于非冰川区在监测周期内稳定的合理假设,利用偏移量跟踪结果中非冰川区的残余位移量进行精度分析。本文不同研究区内非冰川覆盖区域的残差统计直方图如图4所示,均值及方差见表2非冰川区残差统计分析表明,在研究周期内冰川运动总体精度约为0.5 m该精度已基本满足实际需要,具有一定的可靠性和准确性。


图4   非冰川区残余误差直方图
表2   非冰川区误差统计表(m)
冰川信息影像对均值方差
TS-South Inylchek
(G080211E42128N)
20190701_202006130.620.07
TS-Uker
(G080341E42280N)
20190619_202005030.500.05
HME-Duiya
(G086382E28331N)
20190612_202002280.360.04
HMM
(G079147E30802N)
20190916_202003080.490.02
HD-Yanong
(G096685E29331N)
20200131_202011160.700.13
Pamir-Kongur/Qimugan
(G075339E3856N)
20190715_202004300.330.01
InnerTP-Depchendak
(G080875E34263N)
20200103_202004280.250.02
Karakoram-Baltoro
(G076367E35737N)
20190801_202004180.670.05
Karakoram-Siachen
(G077129E35401N)
20190715_202004010.630.09
Karakoram-Chogo
(G074991E35994N)
20190727_202005120.820.14
ESTP-Gangtuo
(G094906E29855N)
20190707_202005210.560.08
4   数据价值
随着对地观测技术的不断发展,遥感已经成为研究冰川性质及其动态变化特征的重要技术手段。当前,青藏高原冰川运动信息数据集多来自国外遥感卫星影像,我国高质量遥感影像在该区域的应用十分稀少,未能充分挖掘和体现国产遥感数据在冰川活动性研究中的应用价值。本文基于C波段GF-3雷达影像的FSI模式数据提取了青藏高原地区典型山地冰川表面20192020年运动分布,一定程度上填补了青藏高原地区没有国产遥感卫星广域冰川流速数据集的空白,凸显出我国遥感数据在气候研究中应用价值。此外,通过全面了解冰川运动情况,能更好地开展我国冰川资源的调查,为合理利用青藏高原地区冰川资源提供必要的基础信息。
5   数据使用方法和建议
20192020年青藏高原典型区域冰川表面运动分布结果数据存储格式为32 位浮点型 GeoTiff栅格数据,地理坐标系为WGS-1984,ArcMap等GIS软件或ENVI、PIE等软件均支持该数据的读取和操作,其中冰川流速数据单位为cm/d,累计位移量数据单位为m。表面流速及位移量反映的是距离向和方位向运动合成后的冰川运动分布,研究人员可根据需要灵活选择数据,也可根据当前或后期的冰川运动监测结果,开展青藏高原典型冰川区表面应力分布分析与研究工作。
致 谢
感谢中国科学院空天信息创新研究院(AIR)提供的GF-3数据,美国航空航天局(NASA)网站提供的ASTER 30 m DEM 数据,中国科学院寒区旱区环境与工程研究所提供的中国第二次冰川编目数据集。
[1]
SINGH D K, THAKUR P K, NAITHANI B P, et al. Spatio-temporal analysis of glacier surface velocity in dhauliganga basin using geo-spatial techniques[J]. Environmental Earth Sciences, 2021, 80(1): 1-16.
[2]
张生鹏, 周中正, 赵利江, 等. 基于SAR偏移量跟踪法提取岗纳楼冰川流速[J]. 测绘通报, 2020(11): 33-38.
[3]
张齐民, 郑一桐, 张露, 等. 基于时序像素跟踪算法的南伊内里切克冰川运动提取与特征分析[J]. 遥感技术与应用, 2020, 35(6): 1273-1282.
[4]
YANG L Y, ZHAO C Y, LU Z, et al. Three-dimensional time series movement of the Cuolangma glaciers, southern Tibet with sentinel-1 imagery[J]. Remote Sensing, 2020, 12(20): 3466.
[5]
ZHAO X R, WANG X, WEI J F, et al. Spatiotemporal variability of glacier changes and their controlling factors in the Kanchenjunga region, Himalaya based on multi-source remote sensing data from 1975 to 2015[J]. Science of the Total Environment, 2020, 745: 140995.
[6]
WU K P, LIU S Y, ZHU Y, et al. Dynamics of glacier surface velocity and ice thickness for maritime glaciers in the southeastern Tibetan Plateau[J]. Journal of Hydrology, 2020, 590: 125527.
[7]
SHUKLA A, GARG P K. Spatio-temporal trends in the surface ice velocities of the central Himalayan glaciers, India[J]. Global and Planetary Change, 2020, 190: 103187.
[8]
RIGNOT E, KANAGARATNAM P. Changes in the velocity structure of the Greenland Ice Sheet[J]. Science (New York, N Y), 2006, 311(5763): 986-990.
[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.
[10]
YAN S Y, ZHENG Y T, LI Y, et al. A spatio-temporal variation analysis of Fedchenko and Grumm-Grzhimaylo glacier motion pattern with an efficient pixel-tracking method on spaceborne SAR imagery[J]. Environmental Earth Sciences, 2019, 78(20): 1-10.
[11]
YELLALA A, KUMAR V, HØGDA K A. Bara Shigri and Chhota Shigri glacier velocity estimation in western Himalaya using Sentinel-1 SAR data[J]. International Journal of Remote Sensing, 2019, 40(15): 5861-5874.
[12]
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.
[13]
STROZZI T, KOURAEV A, WIESMANN A, et al. Estimation of Arctic glacier motion with satellite L-band SAR data[J]. Remote Sensing of Environment, 2008, 112(3): 636-645.
[14]
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.
[15]
赵家锐, 柯长青. 基于Sentinel-1SAR数据的南极松岛冰川流速监测[J]. 冰川冻土, 2019, 41(1): 12-18.
[16]
ROUYET L, LAUKNES T R, CHRISTIANSEN H H, et al. Seasonal dynamics of a permafrost landscape, Adventdalen, Svalbard, investigated by InSAR[J]. Remote Sensing of Environment, 2019, 231: 111236.
[17]
郑一桐. 面向山地冰川运动监测的SAR偏移量跟踪算法并行化设计与实现[D]. 徐州: 中国矿业大学, 2019.
[18]
HUANG L, LI Z. Comparison of SAR and optical data in deriving glacier velocity with feature tracking[J]. International Journal of Remote Sensing, 2011, 32(10): 2681-2698.
[19]
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.
[20]
YAN S Y, RUAN Z X, LIU G, et al. Deriving ice motion patterns in mountainous regions by integrating the intensity-based pixel-tracking and phase-based D-InSAR and MAI approaches: a case study of the chongce glacier[J]. Remote Sensing, 2016, 8(7): 611.
[21]
YAN S Y, GUO H D, LIU G, et al. Mountain glacier displacement estimation using a DEM-assisted offset tracking method with ALOS/PALSAR data[J]. Remote Sensing Letters, 2013, 4(5): 494-503.
[22]
王群, 范景辉, 周伟, 等. DEM辅助偏移量跟踪技术的山地冰川运动监测研究[J]. 国土资源遥感, 2018, 30(3): 167-173.
数据引用格式
张齐民, 吕明阳, 闫世勇. 基于高分三号影像的2019–2020年青藏高原典型冰川表面流速数据集[DB/OL]. Science Data Bank, 2021. (2021-05-14). DOI: 10.11922/sciencedb.j00001.00253.
稿件与作者信息
论文引用格式
张齐民, 吕明阳, 闫世勇. 基于高分三号影像的2019–2020年青藏高原典型冰川表面流速数据集[J/OL]. 中国科学数据, 2021. (2021-05-07). DOI: 10.11922/csdata.2021.0028.zh.
张齐民
Zhang Qimin
主要承担工作:数据筛选,数据处理,论文撰写。
(1996—),男,山东省济南市人,硕士研究生,研究方向为雷达遥感与冰川变化研究。
吕明阳
Lyu Mingyang
主要承担工作:数据筛选,论文撰写与修改。
(1991—),男,吉林省松原市人,博士,助理研究员,研究方向为全球气候变化与冰川运动。
闫世勇
Yan Shiyong
主要承担工作:SAR 数据处理整体方案设计,论文修改。
yanshiyong@cumt.edu.cn
(1982—),男,江苏省徐州市人,博士,副教授,研究方向为雷达遥感应用研究。
出版历史
I区发布时间:2021年5月14日 ( 版本ZH2
参考文献列表中查看
中国科学数据
csdata