冰川是影响气候变化的主要因素，合成孔径雷达(SAR)不仅具有较高空间分辨率和多极化等特点，而且对冰雪融化引起的介电常数变化较为敏感，已成为山地冰川表面消融变化监测的重要数据源。基于Sentinel-1时序数据，提出了一种综合应用多时相多极化SAR变化检测算法和Sigmoid函数的冰川表面消融监测方法。以祁连山老虎沟12号冰川为研究区，利用“中心线—圆”方法获得的冰川东、西支64个样区，通过各点2019—2020年124个时相的SAR后向散射系数变化特征确定了7个典型样区及2019和2020年冰川消融期；基于同轨道参考影像与多时相融雪影像对比，分别获得变化监测影像VV和VH极化后向散射系数，对其进行权重组合后提取湿雪像元；通过Sigmoid函数并结合湿雪平均海拔高度提取干雪，从而得到2年冰川消融期内16个时相的冰川表面干湿雪分布。利用2019年09月01日无人机数字正射影像(DOM)以及与Sentinel-1邻近日期5景Sentinel-2影像对提取结果进行精度验证，并结合冰川上气象站点气温和降水数据对误差结果进行深入分析。实验结果表明，该方法能够有效提取冰川表面干、湿雪分布，总体分类精...

冰川是影响气候变化的主要因素，合成孔径雷达(SAR)不仅具有较高空间分辨率和多极化等特点，而且对冰雪融化引起的介电常数变化较为敏感，已成为山地冰川表面消融变化监测的重要数据源。基于Sentinel-1时序数据，提出了一种综合应用多时相多极化SAR变化检测算法和Sigmoid函数的冰川表面消融监测方法。以祁连山老虎沟12号冰川为研究区，利用“中心线—圆”方法获得的冰川东、西支64个样区，通过各点2019—2020年124个时相的SAR后向散射系数变化特征确定了7个典型样区及2019和2020年冰川消融期；基于同轨道参考影像与多时相融雪影像对比，分别获得变化监测影像VV和VH极化后向散射系数，对其进行权重组合后提取湿雪像元；通过Sigmoid函数并结合湿雪平均海拔高度提取干雪，从而得到2年冰川消融期内16个时相的冰川表面干湿雪分布。利用2019年09月01日无人机数字正射影像(DOM)以及与Sentinel-1邻近日期5景Sentinel-2影像对提取结果进行精度验证，并结合冰川上气象站点气温和降水数据对误差结果进行深入分析。实验结果表明，该方法能够有效提取冰川表面干、湿雪分布，总体分类精...

土壤水分是水文循环、生态环境、气候变化等研究中的关键参数，获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义，同时也是研究的难点。基于时间序列（2019年至2020年）的Sentinel-1雷达数据和Sentinel-2光学数据，构建了地表土壤水分的雷达与光学数据协同反演模型，即裸土条件下地表土壤水分的变化检测方法，并利用归一化植被指数对植被影响进行校正，实现了青藏高原多年冻土区（五道梁）100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证，结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间，无偏均方根误差介于0.031 m3/m3与0.073 m3/m3之间，土壤水分变化与区域降水事件和特征密切相关，验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。

土壤水分是水文循环、生态环境、气候变化等研究中的关键参数，获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义，同时也是研究的难点。基于时间序列（2019年至2020年）的Sentinel-1雷达数据和Sentinel-2光学数据，构建了地表土壤水分的雷达与光学数据协同反演模型，即裸土条件下地表土壤水分的变化检测方法，并利用归一化植被指数对植被影响进行校正，实现了青藏高原多年冻土区（五道梁）100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证，结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间，无偏均方根误差介于0.031 m3/m3与0.073 m3/m3之间，土壤水分变化与区域降水事件和特征密切相关，验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。