引用本文
王思胜, 江利明, 孙永玲, 柳林, 孙亚飞, 汪汉胜. 基于ALOS PALSAR数据的山地冰川流速估算方法比较——以喀喇昆仑地区斯克洋坎力冰川为例[J]. 国土资源遥感, 2016,28(2): 54-61
WANG Sisheng, JIANG Liming, SUN Yongling, LIU Lin, SUN Yafei, WANG Hansheng. Evaluation of methods for deriving mountain glacier velocities with ALOS PALSAR images:A case study of Skyang glacier in central Karakoram[J]. REMOTE SENSING FOR LAND & RESOURCES,2016,28(2): 54-61  
Permissions
Copyright©2016, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于ALOS PALSAR数据的山地冰川流速估算方法比较——以喀喇昆仑地区斯克洋坎力冰川为例
王思胜1,2,3, 江利明1, 孙永玲1,2, 柳林1,2, 孙亚飞1,2, 汪汉胜1
1.中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室,武汉 430077
2.中国科学院大学,北京 100049
3.西安市勘察测绘院,西安 710054
江利明(1976-),男,博士生导师,主要从事InSAR大地测量与卫星遥感方面的研究。Email:jlm@whigg.ac.cn。

第一作者简介: 王思胜(1987-),男,硕士研究生,主要从事基于主/被动遥感影像的冰流速提取应用研究。Email:wangsisheng12@mails.ucas.ac.cn。

收稿日期: 2014-10-15
基金项目: 国家自然科学基金项目(编号: 41274024,41321063和41431070)、中科院百人计划项目(编号: Y205771077)、国家“973”计划课题(编号: 2012CB957702)和中国科技部-欧洲空间局“龙计划”第三期项目(编号: 10674)共同资助
摘要

冰川表面流速是进行冰川动力学和物质平衡研究的关键参数之一。合成孔径雷达(SAR)影像作为能大范围提取山地冰川表面流速的重要数据源,利用其进行冰川流速估算目前主要有差分InSAR(D-InSAR)法、多孔径InSAR(MAI)法和SAR偏移量追踪(offset tracking)法3种。其中,MAI法是为了克服D-InSAR对雷达方位向(along-track)形变不敏感而发展的一种新的InSAR技术。以喀喇昆仑山中部地区的斯克洋坎力冰川为例,选取了2008年2景间隔46 d的L波段ALOS PALSAR数据,利用上述3种方法分别进行冰川流速提取实验,讨论了3种方法在山地冰川表面流速监测中的适用性和局限性。结果表明,D-InSAR和MAI方法都能够精确提取距离向和方位向的冰川流速信息,但对相干性均要求较高; 在低相干区域,SAR偏移量追踪方法也能够获取更为可靠的方位向和距离向二维冰川流速的速度场,但该方法在冰川表面特征不明显的地区受到一定限制。

关键词: 冰川表面流速; 差分InSAR; 多孔径InSAR(MAI); 偏移量追踪; ALOS PALSAR影像; 斯克洋坎力冰川
中图分类号:TP 79 文献标志码:A 文章编号:1001-070X(2016)02-0054-08 doi: 10.6046/gtzyyg.2016.02.09
Evaluation of methods for deriving mountain glacier velocities with ALOS PALSAR images:A case study of Skyang glacier in central Karakoram
WANG Sisheng1,2,3, JIANG Liming1, SUN Yongling1,2, LIU Lin1,2, SUN Yafei1,2, WANG Hansheng1
1. State Key Laboratory of Geodesy and Earth’s Dynamics, Institute of Geodesy and Geophysics, Chinese Academy of Sciences,Wuhan 430077, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
3. Xi’an Geotechnical Investigation and Surveying Mapping Institute, Xi’an 710054, China
Abstract

Glacier surface velocity is one of the key parameters of glacier dynamics and mass balance. Synthetic aperture radar (SAR) image is an important data source to derive the glacier surface velocity. Now, methods for estimating glacier velocities mainly include Differential Interferometric techniques (D-InSAR), Multiple Aperture InSAR (MAI) and offset tracking. Among them, MAI is a new InSAR technology to overcome the drawback of D-InSAR which is not sensitive to radar azimuth (along-track) deformation. In this study, two ALOS PALSAR L band images which acquired 46 days apart were selected to derive glacier surface velocities of Skyang glacier in the central Karakoram based on the above three methods. In addition, the applications and limitations of the three methods in detecting glacier surface velocities are discussed. The results show that D-InSAR and MAI methods accurately detect displacements in range and azimuth direction respectively, but they all require high coherence. However, in areas of low coherence, offset tracking method achieves more reliable results; moreover, it can obtain two-dimensional glacier velocity field in both range and azimuth direction. Nevertheless, it is limited in the areas which lack feature points.

Keyword: glacier surface velocities; D-InSAR; multiple aperture interferometric(MAI); offset tracking; ALOS PALSAR image; Skyang glacier
0 引言

山地冰川虽然仅占全球冰储量的3%, 但由于地处比极地冰盖更为温暖的气候环境且规模较小, 因此对温度更为敏感, 在当前气候条件下退缩很快, 对全球海平面上升具有重要的影响[1]。据国际政府间气候变化专业委员会第5次评估报告[2], 2005— 2009年期间, 山地冰川的总体物质平衡为-301± 135 Gt/a, 相当于对海平面的贡献为0.83± 0.37 mm/a。研究山地冰川变化对全球变暖的响应越来越重要。

山地冰川表面流速(以下简称冰流速)监测为冰川动力学和物质平衡研究提供了重要参数, 同时也为气候变化以及自然灾害的预警提供了重要依据[3]。随着卫星遥感技术的进步, 特别是雷达卫星技术的发展, 大范围、高精度、全天时、全天候的冰川变化监测已成为可能。目前, 利用SAR影像估算山地冰流速的主要方法有差分InSAR(D-InSAR)法、多孔径InSAR(multiple aperture interferometric, MAI)法和SAR偏移量追踪(offset tracking)法3种。其中, D-InSAR技术在冰川学中最具开创意义的应用是Goldstein等[4]在1993年利用ERS-1 SAR数据, 在南极成功获取了垂直方向精度为1.5 mm和水平方向精度为4 mm的冰川运动信息。此后, 众多研究人员相继利用该技术对山地冰川变化进行了研究, 并且从冰川动态、物质平衡等不同角度对该技术在山地冰川中的应用进行了讨论[1, 5, 6, 7]。MAI技术是为了克服D-InSAR对雷达方位向(along-track)形变不敏感而发展的一种新的InSAR方法, 它是由Bechor等[8]于2006年为获取高精度方位向形变而提出的。该技术虽然发展较晚, 但已成功应用于冰帽和山地冰川监测的研究中[9- 10]。SAR偏移量追踪技术与前2种技术相比, 受时间去相干的影响较小, 相隔数年、甚至数十年的影像都可以用于冰流速测量[11]。因此, 很多学者利用该技术监测冰川运动。Rignot等[12]于2011年主要基于SAR偏移量追踪技术完成了全南极表面的冰流图。同时, 该技术在阿尔卑斯山、喜马拉雅山等山地冰川的应用也非常广泛[13, 14, 15, 16]。

本文以喀喇昆仑山中部地区的斯克洋坎力冰川为研究区, 选取2008年获取的2景间隔46 d的L波段ALOS PALSAR影像, 利用上述3种方法提取冰流速, 并探讨每种方法在山地冰流速估算方面的适用性和局限性。

1 SAR影像的冰流速估算方法
1.1 D-InSAR方法

D-InSAR方法是通过对不同时间获取的雷达影像进行干涉处理, 产生相位差, 进而得到2幅干涉相位图, 其中一幅包含地形相位和形变事件引起的形变相位, 另一幅只包含地形相位, 通过差分处理, 去除地形相位, 得到研究区的形变相位。地形相位的去除一般可以采用两轨法和三轨法。由于三轨法容易引入解缠相位误差[17], 因此, 本文采用两轨法。图1为D-InSAR基本原理几何示意图。

图1 D-InSAR基本原理几何示意图Fig.1 Differential Interferometric SAR geometry

图1中, S1和S2分别是形变发生前后获取的2景SAR影像的卫星位置; P和P'分别是形变发生前后地物点的位置; r1和r2分别表示形变发生前后卫星到地物点的距离; B为2颗卫星的间距, 称之基线距。假定地物点在雷达视线方向的变化大小为△ r, 则2个天线接收同一地物的回波信号的路径差可表示为

△ r=|r2|-|r1|=BLOS , (1)

式中BLOS为基线距的雷达视线向的分量。由于路径差产生的相位差可表示为

φ = 4πλ(r2-r1)= (2)

从式(2)可以看出, 干涉相位可以表示为地形相位和形变相位之和。利用外部DEM可以模拟出P点的地形相位, 进行差分处理就可得到雷达视线向的形变相位△ φdisp18, 表示为

△ φ disp= 4πλ△ r 。 (3)

从式(3)可以看出, 形变相位△ φ disp不随空间基线长度的变化而变化, 其引起2π 相位变化所需的雷达视线向位移, 即形变敏感度为λ /2。

1.2 MAI方法

MAI方法是将方位向合成孔径分为前视和后视2个子孔径分别成像, 得到前视和后视SAR影像对; 再对前视和后视影像分别进行干涉处理得到前视和后视的干涉图; 然后对其进行差分处理, 得到多孔径雷达干涉图。该方法可以直接获取雷达方位向的形变信息[8]。MAI的成像几何关系如图2所示。

图2 MAI成像几何示意图[8]Fig.2 Multiple aperture interferometric SAR geometry

图2中, S为卫星的位置, θ SQ为雷达中心波束的指向角, α 为雷达波束角。为了分别形成前视、后视干涉图, 需要将雷达波束分为前、后2部分, 这样前视就形成了一个新的中心波束指向角θ SQ+β 。一般采用半波束宽, 那么β = α4。假设方位向发生形变为x, 那么前视(φ f)、后视(φ b)的干涉相位分别为

φf=-4πxλsin(θSQ+α4)φb=-4πxλsin(θSQ-α4), (4)

对φ f和φ b进行差分处理, 得到的差分相位为

φ MAI=φ f-φ b=- 4πxλ2sin α4cos θ SQ , (5)

由于θ SQ和α 都特别小, 因此可以近似得到sin α4≈ α4, cos θ SQ≈ 1。并且雷达波束角α = λL, 其中: λ 为波长; L为雷达天线的长度。这样公式(5)就可以表达为

φ MAI=φ f-φ b=- 2πLx 。 (6)

因此得到雷达方位向形变为

x=- L2πφ MAI 。 (7)

从式(7)可以看出, 方位向的形变与干涉相位之间的关系仅仅依赖于雷达天线, 可以简化后续的数据处理。

1.3 偏移量追踪方法

偏移量追踪方法的原理: 在连续的影像上具有持续存在的可被识别的特征, 通过测量特征的位移计算出2幅影像的偏移量。假设参考影像和匹配影像是不同时间点t1和t2获得的影像, 参考影像中特征点P1在t1时刻的坐标为(x1, y1), 匹配影像中其同名点P2在t2时刻的坐标为(x2, y2), 2幅影像都是同一坐标系下严格的正射影像, 没有投影误差和几何扭曲。在这种情况下, 根据

△ d= △x2+△y2=(x2-x1)2+(y2-y1)2(8)

计算出位置差异△ d, 从而得出空间位移和物体表面的运动特性。对于提取山地冰川的表面流动信息, 可以计算出冰川的流速v和流向θ [19], 即

v= △d△t= △dt2-t1, (9)

θ =arctan △y△x。 (10)

偏移量追踪方法的关键步骤是参考影像和匹配影像的同名点识别。目前, 图像匹配算法大致有以下几种[20]: 归一化互相关算法、频率域互相关算法、频率域相位相关算法、方位图像上频率域互相关算法和方位图像上频率域相位相关算法等。其中归一化互相关算法是图像匹配中的经典算法之一, 在目标跟踪、物体识别和影像匹配等领域应用较广。其互相关系数计算方程为

cci, j= ∑k, l(s(i+k, j+l)-μs)(r(k, l)-μr)∑k, l(s(i+k, j+l)-μs)2∑k, l(r(k, l)-μr)2, (11)

式中: (i, j)为点在寻找图像的坐标; (k, l)为点在模板图像的坐标; r为模板图像的像素值, s为寻找图像的像素值; μ r为模板图像的平均像素值; μ s为寻找图像的平均像素值。通过该函数的峰值就可以计算出模板图像在寻找图像中的位移量。

2 研究区概况与数据源

选择位于中国与巴基斯坦交界处的斯克洋坎力冰川作为研究区。该冰川地处世界第2高峰乔戈里峰东部, 发源于海拔7 485 m的斯克杨康格里峰北坡, 长约18.75 km, 冰川面积134 km2, 主要补给来自冬季降雪, 是典型的夏季消融型冰川, 运动速度较为缓慢[21]。由于海拔高、气候环境恶劣、地理环境复杂, 迄今为止, 该冰川实地观测资料稀少, 可用的高质量ALOS PALSAR数据不多, 因此, 本文仅挑选了一对质量较好间隔46 d的PALSAR数据进行实验研究(图3)。

图3 斯克洋坎力冰川PALSAR影像强度图Fig.3 Skyang glacier PALSAR image

该数据为ALOS星L波段合成孔径雷达传感器(PALSAR)获取的精细波束单极化模式(FBS)数据, 极化方式为HH, 分辨率约4.5 m(方位向)× 7 m(距离向), 重访周期为46 d, 合成孔径雷达数据参数见表1。L波段穿透能力较强, 回波来自比地表更深的冰雪层, 在一定的时期内能保持较好的相干性。此外, 采用90 m分辨率的SRTM-C DEM数据, 用于去除地形相位以及地理编码。

表1 研究区ALOS PALSAR数据参数 Tab.1 Parameters of ALOS PALSAR data in study area

考虑到D-InSAR和MAI 2种方法对相干性要求较高, 选择冰流速较小的冬季能更好地保持2幅影像的相干性。已有研究结果表明[16, 22, 23, 24], 利用相隔46 d的PALSAR数据能够有效监测高亚洲山地冬季的冰川流速。

3 结果分析与讨论
3.1 冰流速估算结果

分别采用二轨法D-InSAR, MAI和偏移量追踪方法获取了斯克洋坎力冰川相隔46 d的表面流速结果。通过干涉相干性和非冰川区统计指标对冰川流动状态进行定性和定量分析, 并对不同方法提取的方位向、距离向冰川流动结果进行了比较, 探讨了各自在山地冰流速监测方面的适用性和局限性。由于该冰川地形崎岖, 而且受高海拔自然条件的限制, 至今还没有实地观测资料, 本文采用与相干性较高的非冰川区域监测结果相比较的方法进行冰流速精度评估。

为了便于与偏移量追踪方法估算的距离向冰流速结果进行比较, 图4(a)是经雷达视线向换算成距离向D-InSAR冰川年均流速, 沿着方位向和距离向得到的冰流速为正值, 相反方向为负值。

图4 二轨法D-InSAR方法结果Fig.4 Results of 2-pass D-InSAR method

由图4(a)可知, D-InSAR获取的冰川运动结果整体较小, 冰川最大的流速为27.16 m/a, 最小的流速为-5.95 m/a, 平均流速为5.39 m/a。这主要因为该冰川总体流向是由SE方向朝NW方向, 而D-InSAR获得视线向形变在距离向上要比方位向更敏感, 即SN方向(方位向)的位移在雷达视线向上贡献甚微。由于冰碛物的存在, 冰川消融区及冰舌附近相干性较高(图4(b)), 而在更大范围的积累区, 积雪覆盖且流速较快引起失相干严重, 这是导致本文D-InSAR年均流速估算误差大于其他2种方法的主要原因。图5分别为MAI方位向冰川运动结果及前视和后视相干图。

图5 MAI方法结果Fig.5 Results of MAI method

对比D-InSAR获取的距离向冰流速结果(图4(a)), 该冰川在方位向上的运动更快, 最大流速为73.54 m/a, 最小流速为-4.06 m/a, 平均流速为15.25 m/a。从2幅影像的MAI干涉相干图可以得出, 相干性随着冰流运动方向逐渐减小, 这个特征正好符合MAI提取的表面运动特征, 冰流从冰川前端(SE)流向末端(NW), 并且速度逐渐减小, 在冰川末端达到最低。利用稳定区域的非冰川运动结果估算出MAI的平均误差为1.98 m/a, 均方根误差为2.61 m/a。MAI和D-InSAR方法一样, 结果的精度受限于相干性。

利用偏移量追踪方法提取的结果如图6所示。

图6 偏移量追踪方法结果Fig.6 Results of offset tracking method

本文选取的搜索窗口大小为64× 128, 滑动窗口为16× 32。偏移量追踪方法获取的方位向冰流速结果(图6(b)), 与MAI方法在整体上较为一致, 但由于MAI方法无须使用搜索窗口, 冰川运动的细节信息在MAI结果中得到更好的保留; 另外, SN方向的支流冰川偏移量追踪结果接近于0(图6(b)黑圈内), 故MAI获得的结果更为可靠。在距离向冰流速结果中(图6(a)), 相比D-InSAR方法, 由于不受时间相干的影响, 偏移量追踪方法获得结果更为完整。

表2 3种方法冰川年均流速的统计结果及误差评估 Tab.2 Statistical results and error evaluation for three methods(m· a-1)

表2中的前3列是3种方法冰川年均流速的统计结果, 后2列是对比非冰川区统计结果进行的精度评估。其中统计数据和精度评估数据都是由间隔46 d的冰川运动转换成年均流速后的估算结果。从误差统计可知, 3种方法中偏移量追踪方法的估算误差最小。其原因一方面是由于此类山地冰川的冰面存在很多冰裂隙, 冰舌末端被表碛覆盖, 这些特征有利于偏移量追踪方法的特征匹配, 提高了特征点追踪算法的精度; 另一方面, 偏移量追踪方法对时间相干性不敏感, 且无需进行相位解缠。因此在相干性较低的情况下, 偏移量追踪相对于D-InSAR和MAI方法, 估算误差较小。

表2显示, D-InSAR方法估算的冰川平均年均流速为5.39 m/a, 年均流速的均方根中误差达到了2.85 m/a, 为年均流速的52.8%; 而MAI和偏移量追踪方法的年均流速均方根中误差分别为平均年均流速的17.1%和16.1%, 都小于D-InSAR方法。主要原因如下: ①由于2幅影像相隔时间较长, 相干性整体偏低; ②因为该冰川总体流向是由SE方向朝NW方向运动, 而D-InSAR获得视线向形变在距离向上要比方位向更敏感, 即SN方向(方位向)的位移在雷达视线向上贡献甚微; ③该影像的分辨率约4.5 m(方位向)× 7 m(距离向), 距离向分辨率相对来说较低, 从而导致D-InSAR获取距离向冰川运动的精度降低。

从3种方法获取的年均流速可以看出, 斯克洋坎力冰流速与冰川表面地形存在一定关系。在积累区, 冰川地势陡峭, 高差超过了400 m, 在重力的作用下冰川快速运动。从3种方法提取的冰流速结果来看, 该区域的年均冰流速度约为16 m/a。在消融区, 由于地势相对比较缓和, 导致冰流速度急剧下降, 年均流速约为7 m/a。

3.2 对比分析与讨论

3.2.1 距离向冰流结果对比分析

为了进一步定量比较D-InSAR和偏移量追踪方法获取的距离向冰流速, 图7给出了两者差值的处理结果。

图7 偏移量追踪与D-InSAR距离向冰流速的差值分布Fig.7 Differences distribution map of glacier velocity in range direction between offset tracking and D-InSAR

从图7中可以得出, 2种方法冰流速差异较大的区域主要位于冰川积累区。从上节分析可知, 这主要与冰流的流向和相干性有关。为了更加直观地反映出2种方法在距离向提取冰川运动的差异, 选取有代表性的主冰川中线剖面线结果进行比较(图8)。

图8 偏移量追踪与D-InSAR方法主冰川中线剖面线结果比较Fig.8 Centre-line velocities profiles from results of offset tracking and D-InSAR

从图8可看出, 2种结果差别较大, 特别是在冰川消融区, 主要原因是D-InSAR在该区域失相干严重, 影响了冰流速估算结果。

3.2.2 方位向冰流结果对比分析

图9是MAI 与偏移量追踪方法获取的方位向冰流速差值结果。

图9 MAI与偏移量追踪方位向冰流速的差值分布Fig.9 Differences distribution map of glacier velocity in azimuth direction between MAI and offset tracking

从图9可知, 2种方法提取的方位向冰流速信息结果很接近, 大部分差值在[-3, 5] m/a之间, 说明2种方法均能有效提取该冰川方位向的年均流速。同样, 选取有代表性的主冰川中线剖面线结果进行比较, 如图10所示, 2种结果的冰川年均流速大小及趋势基本一致, 特别在冰川积累区, 两者较为吻合。

图10 MAI与偏移量追踪方法主冰川中线剖面线的结果比较Fig.10 Centre-line velocities profiles from results of MAI and offset tradeing

从上述分析可知, 3种方法得到的距离向和方位向冰流速估算结果总体趋势上大致相似, 但各自的适用性和局限性有一定差别。一般而言, 干涉测量方法具有更高的估算精度和更好的细节保持能力, 但由于46 d的时间间隔较长, 2幅影像的相干性有所降低, 尤其是冰川积累区失相干严重, 从而影响了D-InSAR和MAI 2种方法的估算结果。偏移量追踪方法不受时间相干性的影响, 精度能达到亚像元级别, 特别对于存在冰面裂隙和表碛覆盖的山地冰川而言, 在长时间基线数据条件下, 该方法较D-InSAR和MAI方法更具稳定性, 更适合山地冰流速监测。但在一些冰流速较小或无明显地面特征的裸露冰区域, 偏移量追踪方法会存在较大误差, 而且该方法对细节保持得不够好, 因此需要用D-InSAR和MAI方法作为补充。随着越来越多高空间分辨率、更短重访周期SAR卫星的发射, 尤其随着类似ERS-1/2串行模式的SAR卫星星座的发展, SAR影像在山地冰川的相干性和细节信息保持方面都将会得到很大提高, 应用偏移量追踪、D-InSAR和MAI方法获取高精度的距离向和方位向冰流速, 联合3种方法精密反演三维冰川表面运动场, 将会大大促进山地冰川动力学的研究。

4 结论

利用D-InSAR、MAI和偏移量追踪3种方法分析了一对冬季相隔46 d的ALOS PALSAR影像, 提取了斯克洋坎力冰川距离向和方位向的表面位移, 并进行了对比分析, 主要结论如下:

1)D-InSAR和MAI 2种方法分别能够获取距离向和方位向的冰流速结果。相比于偏移量追踪方法, 这2种InSAR方法能更好地保持和提取出冰川运动的细小信息, 但受限于SAR影像时间去相干的影响。本文中由于2幅影像相隔时间较长, 相干性整体偏低, 最终导致D-InSAR和MAI方法的结果精度都低于偏移量追踪方法。随着高空间分辨率、更短重访周期的新一代SAR卫星的发展, 这一问题有望得到解决。

2)偏移量追踪方法可以同时获取方位向和距离向的二维冰流速信息, 并且不受时间去相干影响, 克服了D-InSAR和MAI技术的应用局限, 而且具有亚像元估算精度, 在低相干情况下, 更适合于山地冰川冰流运动的监测。但该方法在一些没有明显地面特征(如裂隙、冰碛物)的洁净冰川区域, 冰流速提取结果会受噪声的严重干扰, 误差较大。

3)在本文研究案例中, 斯克洋坎力冰川在冬季冰流速较为稳定, 综合MAI和偏移量追踪2种方法的统计结果表明, 沿冰川流动方向最大年均流速约为71m/a, 平均年均流速约为14 m/a。

The authors have declared that no competing interests exist.

参考文献
[1] 李治国. 山地冰川变化监测研究综述[J]. 国土与自然资源研究, 2012(2): 94-96.
Li Z G. Review of mountain glaciers monitoring[J]. Territory and Natural Resources Study, 2012(2): 94-96. [本文引用:2]
[2] David G V, Josefino C C. Observation: Cryosphere[M]//IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working GroupⅠto the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013. [本文引用:1]
[3] 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.
Huang L, Li Z. 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]
[4] Goldstein R M, Engelhardt H, Kamb B, et al. Satellite radar interferometry for monitoring ice sheet motion: Application to an Antarctic ice stream[J]. Science, 1993, 262(5139): 1525-1530. [本文引用:1]
[5] Kenyi L W, Kaufmann V. Measuring rock glacier surface deformation using SAR interferometry[C]//Eighth International Conference on Permafrost. Zürich, 2003, 1: 537-541. [本文引用:1]
[6] Joughin I, Smith B E, Abdalati W. Glaciological advances made with interferometric synthetic aperture radar[J]. Journal of Glaciology, 2010, 56(200): 1026-1042. [本文引用:1]
[7] 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.
Li J. Deriving Surface Motion of Mountain Glaciers in Tian Shan from PLASAR Images[D]. Changsha: Central South University, 2012. [本文引用:1]
[8] Bechor N B, Zebker H A. Measuring two-dimensional movements using a single InSAR pair[J]. Geophysical Research Letters, 2006, 33(16): L16311. [本文引用:2]
[9] Gourmelen N, Kim S W, Shepherd A, et al. Ice velocity determined using conventional and multiple-aperture InSAR[J]. Earth and Planetary Science Letters, 2011, 307(1/2): 156-160. [本文引用:1]
[10] Hu J, Li Z W, Li J, et al. 3-D movement mapping of the alpine glacier in Qinghai-Tibetan plateau by integrating D-InSAR, MAI and offset-tracking: Case study of the Dongkemadi glacier[J]. Global and Planetary Change, 2014, 118: 62-68. [本文引用:1]
[11] Bolch T, Buchroithner M, Pieczonka T, et al. Planimetric and volumetric glacier changes in the Khumbu Himal, Nepal, since 1962 using Corona, land sat TM and ASTER data[J]. Journal of Glaciology, 2008, 54(187): 592-600. [本文引用:1]
[12] Rignot E, Mouginot J, Scheuchl B. Ice flow of the Antarctic ice sheet[J]. Science, 2011, 333(6048): 1427-1430. [本文引用:1]
[13] Bindschadler R, Vornberger P, Blankenship D, et al. Surface velocity and mass balance of ice streams D and E, West Antarctica[J]. Journal of Glaciology, 1996, 42(142): 461-475. [本文引用:1]
[14] 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]
[15] Copland L, Pope S, Bishop M P, et al. Glacier velocities across the central Karakoram[J]. Annals of Glaciology, 2009, 50(52): 41-49. [本文引用:1]
[16] 蒋宗立, 刘时银, 许君利, 等. 应用SAR特征匹配方法估计音苏盖提冰川表面流速[J]. 冰川冻土, 2011, 33(3): 512-518.
Jiang Z L, Liu S Y, Xu J L, et al. Using feature-tracking of ALOS PALSAR images to acquire the Yengisogat glacier surface velocities[J]. Journal of Glaciology and Geocryology, 2011, 33(3): 512-518. [本文引用:2]
[17] Kimura H, Yamaguchi Y. Detection of land slide areas using satellite radar interferometry[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(3): 337-344. [本文引用:1]
[18] 周建民, 李震, 李新武. 基于ALOS/PALSAR数据雷达干涉测量的中国西部山谷冰川冰流运动规律研究[J]. 测绘学报, 2009, 38(4): 341-347.
Zhou J M, Li Z, Li X W. Research on rules of the valley glacier motion in western China based on ALOS/PALSAR interferornetry[J]. Acta Geodaetica et Cartographica Sinica, 2009, 38(4): 341-347. [本文引用:1]
[19] 刘毅. 基于光学遥感影像特征匹配的南极冰川流速测量方法研究[D]. 上海: 同济大学, 2014.
Liu Y. Method for Glacier Velocity Measurement in Antarctic Based on Feature Matching of Remote Sensing Images[D]. Shanghai: Tongji University, 2014. [本文引用:1]
[20] 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:1]
[21] 张祥松. 喀喇昆仑山音苏盖提冰川及其邻近冰川的近期变化[J]. 冰川冻土, 1980, 2(3): 12-16.
Zhang X S. Recent variations of the Insukati glacier and adjacent glaciers in the Karaoram Mountains[J]. Journal of Glaciology and Geocryology, 1980, 2(3): 12-16. [本文引用:1]
[22] Ruan Z X, Guo H D, Liu G D, 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]. Journal of Applied Remote Sensing, 2014, 8(1): 084595. [本文引用:1]
[23] Li J, Li Z W, Ding X L, et al. Investigating mountain glacier motion with the method of SAR intensity-tracking: Removal of topographic effects and analysis of the dynamic patterns[J]. Earth-Science Reviews, 2014, 138: 179-195. [本文引用:1]
[24] Quincey D J, Copland L, Mayer C, et al. Ice velocity and climate variations for Baltoro glacier, Pakistan[J]. Journal of Glaciology, 2009, 55(194): 1061-1071. [本文引用:1]