以新疆昌吉回族自治州春季2010—2022年逐日MODIS积雪产品提取的积雪边缘线高度数据与气象站点观测的温度、降水以及坡度为主要数据源，利用积雪持续时间比率法、空间插值法、回归分析法等方法分析昌吉州春季积雪边缘线高度的空间分布规律及其影响因素。结果表明：近13年昌吉州春季积雪边缘线高度缓慢上升，平均积雪边缘线高度2010年最低(2 574.7 m),2012年最高(2 912.7 m)。在春季积雪边缘线高度场上，昌吉州南部山区积雪边缘线高度等值线分布密集，且变化梯度较大；北塔山区域分布较稀疏。温度、降水和坡度对昌吉州春季积雪边缘线高度的相对贡献率分别为32.2%、63.7%和4.1%,且在不同区域其相对贡献率存在差异。降水是影响昌吉州春季积雪边缘线高度的主要因素，昌吉州东部山区(阜康市至木垒县)最为明显，其次为西部山区(玛纳斯县至昌吉市),最后为北塔山区域，相对贡献率分别为73.3%、62.8%、57.5%。
以新疆昌吉回族自治州春季2010—2022年逐日MODIS积雪产品提取的积雪边缘线高度数据与气象站点观测的温度、降水以及坡度为主要数据源，利用积雪持续时间比率法、空间插值法、回归分析法等方法分析昌吉州春季积雪边缘线高度的空间分布规律及其影响因素。结果表明：近13年昌吉州春季积雪边缘线高度缓慢上升，平均积雪边缘线高度2010年最低(2 574.7 m),2012年最高(2 912.7 m)。在春季积雪边缘线高度场上，昌吉州南部山区积雪边缘线高度等值线分布密集，且变化梯度较大；北塔山区域分布较稀疏。温度、降水和坡度对昌吉州春季积雪边缘线高度的相对贡献率分别为32.2%、63.7%和4.1%,且在不同区域其相对贡献率存在差异。降水是影响昌吉州春季积雪边缘线高度的主要因素，昌吉州东部山区(阜康市至木垒县)最为明显，其次为西部山区(玛纳斯县至昌吉市),最后为北塔山区域，相对贡献率分别为73.3%、62.8%、57.5%。
以新疆昌吉回族自治州春季2010—2022年逐日MODIS积雪产品提取的积雪边缘线高度数据与气象站点观测的温度、降水以及坡度为主要数据源，利用积雪持续时间比率法、空间插值法、回归分析法等方法分析昌吉州春季积雪边缘线高度的空间分布规律及其影响因素。结果表明：近13年昌吉州春季积雪边缘线高度缓慢上升，平均积雪边缘线高度2010年最低(2 574.7 m),2012年最高(2 912.7 m)。在春季积雪边缘线高度场上，昌吉州南部山区积雪边缘线高度等值线分布密集，且变化梯度较大；北塔山区域分布较稀疏。温度、降水和坡度对昌吉州春季积雪边缘线高度的相对贡献率分别为32.2%、63.7%和4.1%,且在不同区域其相对贡献率存在差异。降水是影响昌吉州春季积雪边缘线高度的主要因素，昌吉州东部山区(阜康市至木垒县)最为明显，其次为西部山区(玛纳斯县至昌吉市),最后为北塔山区域，相对贡献率分别为73.3%、62.8%、57.5%。
以新疆昌吉回族自治州春季2010—2022年逐日MODIS积雪产品提取的积雪边缘线高度数据与气象站点观测的温度、降水以及坡度为主要数据源，利用积雪持续时间比率法、空间插值法、回归分析法等方法分析昌吉州春季积雪边缘线高度的空间分布规律及其影响因素。结果表明：近13年昌吉州春季积雪边缘线高度缓慢上升，平均积雪边缘线高度2010年最低(2 574.7 m),2012年最高(2 912.7 m)。在春季积雪边缘线高度场上，昌吉州南部山区积雪边缘线高度等值线分布密集，且变化梯度较大；北塔山区域分布较稀疏。温度、降水和坡度对昌吉州春季积雪边缘线高度的相对贡献率分别为32.2%、63.7%和4.1%,且在不同区域其相对贡献率存在差异。降水是影响昌吉州春季积雪边缘线高度的主要因素，昌吉州东部山区(阜康市至木垒县)最为明显，其次为西部山区(玛纳斯县至昌吉市),最后为北塔山区域，相对贡献率分别为73.3%、62.8%、57.5%。
以新疆昌吉回族自治州春季2010—2022年逐日MODIS积雪产品提取的积雪边缘线高度数据与气象站点观测的温度、降水以及坡度为主要数据源，利用积雪持续时间比率法、空间插值法、回归分析法等方法分析昌吉州春季积雪边缘线高度的空间分布规律及其影响因素。结果表明：近13年昌吉州春季积雪边缘线高度缓慢上升，平均积雪边缘线高度2010年最低(2 574.7 m),2012年最高(2 912.7 m)。在春季积雪边缘线高度场上，昌吉州南部山区积雪边缘线高度等值线分布密集，且变化梯度较大；北塔山区域分布较稀疏。温度、降水和坡度对昌吉州春季积雪边缘线高度的相对贡献率分别为32.2%、63.7%和4.1%,且在不同区域其相对贡献率存在差异。降水是影响昌吉州春季积雪边缘线高度的主要因素，昌吉州东部山区(阜康市至木垒县)最为明显，其次为西部山区(玛纳斯县至昌吉市),最后为北塔山区域，相对贡献率分别为73.3%、62.8%、57.5%。
针对传统的花杆测量法、GPS实测法在南极冰架高程变化监测上的覆盖范围小、操作难度大和安全成本高以及基于SAR差分干涉冰雪表面高程测量易失相干等问题。基于亚米级卫星激光测高数据ICESat/GLAS与ICESat-2/ATLAS重叠点法和克里金插值法，对Amery冰架近15年高程变化进行监测。为了纵向比较，本文以2003～2018年、2004～2019年和2005～2020年3组15年周期数据进行高程变化监测。实验结果表明：在近15年里Amery冰架冰雪物质积累区域大于减少区域，高程变化主要分布在0～±2 m之间，在冰架与大洋接壤区域高程显著升高近40 m。从3组数据纵向对比分析发现，Amery冰架中部区域高程变化相对稳定，边缘区域受接壤冰盖影响年际波动相对较大。
针对传统的花杆测量法、GPS实测法在南极冰架高程变化监测上的覆盖范围小、操作难度大和安全成本高以及基于SAR差分干涉冰雪表面高程测量易失相干等问题。基于亚米级卫星激光测高数据ICESat/GLAS与ICESat-2/ATLAS重叠点法和克里金插值法，对Amery冰架近15年高程变化进行监测。为了纵向比较，本文以2003～2018年、2004～2019年和2005～2020年3组15年周期数据进行高程变化监测。实验结果表明：在近15年里Amery冰架冰雪物质积累区域大于减少区域，高程变化主要分布在0～±2 m之间，在冰架与大洋接壤区域高程显著升高近40 m。从3组数据纵向对比分析发现，Amery冰架中部区域高程变化相对稳定，边缘区域受接壤冰盖影响年际波动相对较大。
针对传统的花杆测量法、GPS实测法在南极冰架高程变化监测上的覆盖范围小、操作难度大和安全成本高以及基于SAR差分干涉冰雪表面高程测量易失相干等问题。基于亚米级卫星激光测高数据ICESat/GLAS与ICESat-2/ATLAS重叠点法和克里金插值法，对Amery冰架近15年高程变化进行监测。为了纵向比较，本文以2003～2018年、2004～2019年和2005～2020年3组15年周期数据进行高程变化监测。实验结果表明：在近15年里Amery冰架冰雪物质积累区域大于减少区域，高程变化主要分布在0～±2 m之间，在冰架与大洋接壤区域高程显著升高近40 m。从3组数据纵向对比分析发现，Amery冰架中部区域高程变化相对稳定，边缘区域受接壤冰盖影响年际波动相对较大。
偏移量追踪技术不易失相关，是利用光学与SAR卫星影像监测冰川流速的主要手段。该技术通过互相关方法获得像素级偏移量，并通过插值算法达到亚像素级别。实地测量冰川流速不易获取，难以用于验证亚像素级算法精度，因此本文采用图像处理方法对其精度进行分析。本研究以格陵兰Petermann和Kangerlussuaq冰川为例，通过模拟实验设定偏移量场并生成模拟的偏移影像，将COSI-Corr、autoRIFT和ImGRAFT等偏移量追踪软件得到的结果与设定偏移量场对比，而后使用三次函数拟合判断是否存在系统误差，并通过拟合函数的反函数对其进行校正。结果表明COSI-Corr软件的偏移结果的亚像素级系统误差较小，而autoRIFT和ImGRAFT存在一定的亚像素级系统误差且与实验区无关。autoRIFT的亚像素级系统偏差最大，校正后其单方向RMSE平均提升了0.0054 pixels(px)，提升率约为11%；而ImGRAFT(CCF-O)和ImGRAFT(NCC)的单方向RMSE平均分别提升了0.0014 px和0.0012 px，提升率较小。经校正后，autoRIFT精度最优，Petermann和Ka...
偏移量追踪技术不易失相关，是利用光学与SAR卫星影像监测冰川流速的主要手段。该技术通过互相关方法获得像素级偏移量，并通过插值算法达到亚像素级别。实地测量冰川流速不易获取，难以用于验证亚像素级算法精度，因此本文采用图像处理方法对其精度进行分析。本研究以格陵兰Petermann和Kangerlussuaq冰川为例，通过模拟实验设定偏移量场并生成模拟的偏移影像，将COSI-Corr、autoRIFT和ImGRAFT等偏移量追踪软件得到的结果与设定偏移量场对比，而后使用三次函数拟合判断是否存在系统误差，并通过拟合函数的反函数对其进行校正。结果表明COSI-Corr软件的偏移结果的亚像素级系统误差较小，而autoRIFT和ImGRAFT存在一定的亚像素级系统误差且与实验区无关。autoRIFT的亚像素级系统偏差最大，校正后其单方向RMSE平均提升了0.0054 pixels(px)，提升率约为11%；而ImGRAFT(CCF-O)和ImGRAFT(NCC)的单方向RMSE平均分别提升了0.0014 px和0.0012 px，提升率较小。经校正后，autoRIFT精度最优，Petermann和Ka...