针对仅利用单轨道SAR卫星只能获取地表沿着雷达视线向(LOS)的变形，而无法准确描述多年冻土垂直向的季节性冻胀和融沉的问题，本文利用短基线干涉测量(SBAS-InSAR)技术，并联合地表二维形变解算模型和时间序列分解模型，获得了青藏廊道唐古拉山至楚玛尔河路段2020年6月—2023年6月的垂向形变时间序列及其季节性形变幅度，分析季节性形变时空分布特征及其对气候变化的响应。研究结果表明，研究区的垂向形变速率为-41～32 mm/a,东西向形变速率为-33～34 mm/a,季节性形变幅度为0～41 mm;垂向形变较大的路段集中在五道梁、北麓河、风火山、乌丽、沱沱河及通天河等地，主要以沉降为主，形变速率超过了-15 mm/a,相应地，这些区域的季节性形变也较大，形变幅度超过15 mm;不同地表覆盖类型季节性形变差异明显，高寒草甸区季节性形变幅度高于高寒荒漠与河漫滩区；地表温度和降水是影响冻土区季节性形变的主要外部因素，其造成的季节性形变时滞2～3个月。
针对仅利用单轨道SAR卫星只能获取地表沿着雷达视线向(LOS)的变形，而无法准确描述多年冻土垂直向的季节性冻胀和融沉的问题，本文利用短基线干涉测量(SBAS-InSAR)技术，并联合地表二维形变解算模型和时间序列分解模型，获得了青藏廊道唐古拉山至楚玛尔河路段2020年6月—2023年6月的垂向形变时间序列及其季节性形变幅度，分析季节性形变时空分布特征及其对气候变化的响应。研究结果表明，研究区的垂向形变速率为-41～32 mm/a,东西向形变速率为-33～34 mm/a,季节性形变幅度为0～41 mm;垂向形变较大的路段集中在五道梁、北麓河、风火山、乌丽、沱沱河及通天河等地，主要以沉降为主，形变速率超过了-15 mm/a,相应地，这些区域的季节性形变也较大，形变幅度超过15 mm;不同地表覆盖类型季节性形变差异明显，高寒草甸区季节性形变幅度高于高寒荒漠与河漫滩区；地表温度和降水是影响冻土区季节性形变的主要外部因素，其造成的季节性形变时滞2～3个月。
针对仅利用单轨道SAR卫星只能获取地表沿着雷达视线向(LOS)的变形，而无法准确描述多年冻土垂直向的季节性冻胀和融沉的问题，本文利用短基线干涉测量(SBAS-InSAR)技术，并联合地表二维形变解算模型和时间序列分解模型，获得了青藏廊道唐古拉山至楚玛尔河路段2020年6月—2023年6月的垂向形变时间序列及其季节性形变幅度，分析季节性形变时空分布特征及其对气候变化的响应。研究结果表明，研究区的垂向形变速率为-41～32 mm/a,东西向形变速率为-33～34 mm/a,季节性形变幅度为0～41 mm;垂向形变较大的路段集中在五道梁、北麓河、风火山、乌丽、沱沱河及通天河等地，主要以沉降为主，形变速率超过了-15 mm/a,相应地，这些区域的季节性形变也较大，形变幅度超过15 mm;不同地表覆盖类型季节性形变差异明显，高寒草甸区季节性形变幅度高于高寒荒漠与河漫滩区；地表温度和降水是影响冻土区季节性形变的主要外部因素，其造成的季节性形变时滞2～3个月。
积雪是全球能量平衡、气候变化的重要物理变量,遥感技术是积雪监测的主要手段。作为主动微波遥感的主要技术之一,合成孔径雷达(SAR)可以不受天气条件影响成像反演积雪深度。早期的SAR空间分辨率高但时间分辨率低,无法进行雪深的时间序列反演,随着新一代SAR卫星的研制与发射,时间分辨率有了较大提高,为雪深的时间序列分析提供了支持。研究选用高分辨率Sentinel-1数据,基于D-InSAR技术,通过相位离散指数阈值提取,结合光学影像以及高相干系数区校正解缠相位,探索了时间序列雪深反演方法,成功反演了新疆北部乌苏地区积雪积累期11 d的雪深分布,根据积雪站点逐日实测雪深资料探讨了雪深反演误差来源。结果表明:(1)通过相位离散指数阈值提取并结合光学影像以及高相干系数区校正解缠相位,可以得到较好的雪深反演结果;(2)雪深整体反演结果精度相关系数R为0.93,均方根误差RMSE为3.98 cm,平均相对误差MAPE为25.49%;(3)由于像对相干性和积雪内部性质的差异,积雪较浅时反演精度较高,多数反演雪深值低于雪深实测值,当站点观测雪深大于17 cm时开始出现大的误差,最大误差约为7.3 cm。差异...
积雪是全球能量平衡、气候变化的重要物理变量,遥感技术是积雪监测的主要手段。作为主动微波遥感的主要技术之一,合成孔径雷达(SAR)可以不受天气条件影响成像反演积雪深度。早期的SAR空间分辨率高但时间分辨率低,无法进行雪深的时间序列反演,随着新一代SAR卫星的研制与发射,时间分辨率有了较大提高,为雪深的时间序列分析提供了支持。研究选用高分辨率Sentinel-1数据,基于D-InSAR技术,通过相位离散指数阈值提取,结合光学影像以及高相干系数区校正解缠相位,探索了时间序列雪深反演方法,成功反演了新疆北部乌苏地区积雪积累期11 d的雪深分布,根据积雪站点逐日实测雪深资料探讨了雪深反演误差来源。结果表明:(1)通过相位离散指数阈值提取并结合光学影像以及高相干系数区校正解缠相位,可以得到较好的雪深反演结果;(2)雪深整体反演结果精度相关系数R为0.93,均方根误差RMSE为3.98 cm,平均相对误差MAPE为25.49%;(3)由于像对相干性和积雪内部性质的差异,积雪较浅时反演精度较高,多数反演雪深值低于雪深实测值,当站点观测雪深大于17 cm时开始出现大的误差,最大误差约为7.3 cm。差异...
【目的】探究利用时序形变分形特征识别高山冰川区滑坡的方法并分析其适用性。【方法】基于查莫利滑坡及其相邻冰川的形变时间序列描述其斜率（平均形变速率）及分形特征差异，利用聚类分析区分滑坡区域与冰川并进行影响因素分析。【结果】与冰川相比，滑坡的形变时序具有较高的分形维数和较低的分形拟合优度。虽然滑坡与冰川在形变时序的斜率（平均形变速率）上也存在较大差异，但仅使用形变速率难以对滑坡进行聚类识别，准确率仅为61.70%；而使用形变时序的分形指标（包括分形维数和分形拟合优度）可将聚类分析的准确率显著提升至近84.00%。基于形变时序分形特征进行高山冰川区滑坡识别的适用性，根本原因在于滑坡和冰川在物质组成、影响因素和发展演化等方面存在差异。相较冰川，滑坡物质组成更复杂、更易受多种因素影响、形变时序的波动性更强。【结论】利用形变时序分形特征能够成功识别高山冰川区滑坡，在全球变暖背景下，该方法预期可为高山冰川区的滑坡识别、进而为高山冰川区的防灾减灾提供一定的支撑。
【目的】探究利用时序形变分形特征识别高山冰川区滑坡的方法并分析其适用性。【方法】基于查莫利滑坡及其相邻冰川的形变时间序列描述其斜率（平均形变速率）及分形特征差异，利用聚类分析区分滑坡区域与冰川并进行影响因素分析。【结果】与冰川相比，滑坡的形变时序具有较高的分形维数和较低的分形拟合优度。虽然滑坡与冰川在形变时序的斜率（平均形变速率）上也存在较大差异，但仅使用形变速率难以对滑坡进行聚类识别，准确率仅为61.70%；而使用形变时序的分形指标（包括分形维数和分形拟合优度）可将聚类分析的准确率显著提升至近84.00%。基于形变时序分形特征进行高山冰川区滑坡识别的适用性，根本原因在于滑坡和冰川在物质组成、影响因素和发展演化等方面存在差异。相较冰川，滑坡物质组成更复杂、更易受多种因素影响、形变时序的波动性更强。【结论】利用形变时序分形特征能够成功识别高山冰川区滑坡，在全球变暖背景下，该方法预期可为高山冰川区的滑坡识别、进而为高山冰川区的防灾减灾提供一定的支撑。
【目的】探究利用时序形变分形特征识别高山冰川区滑坡的方法并分析其适用性。【方法】基于查莫利滑坡及其相邻冰川的形变时间序列描述其斜率（平均形变速率）及分形特征差异，利用聚类分析区分滑坡区域与冰川并进行影响因素分析。【结果】与冰川相比，滑坡的形变时序具有较高的分形维数和较低的分形拟合优度。虽然滑坡与冰川在形变时序的斜率（平均形变速率）上也存在较大差异，但仅使用形变速率难以对滑坡进行聚类识别，准确率仅为61.70%；而使用形变时序的分形指标（包括分形维数和分形拟合优度）可将聚类分析的准确率显著提升至近84.00%。基于形变时序分形特征进行高山冰川区滑坡识别的适用性，根本原因在于滑坡和冰川在物质组成、影响因素和发展演化等方面存在差异。相较冰川，滑坡物质组成更复杂、更易受多种因素影响、形变时序的波动性更强。【结论】利用形变时序分形特征能够成功识别高山冰川区滑坡，在全球变暖背景下，该方法预期可为高山冰川区的滑坡识别、进而为高山冰川区的防灾减灾提供一定的支撑。
深入分析青藏铁路运营对西藏经济发展的影响，对于充分发挥青藏铁路在促进区域经济可持续发展方面具有重要意义。文章依据皮尔逊相关系数结合时间序列分析和对比分析法建立青藏铁路运营与西藏三次产业发展关系分析模型，从而定性与定量分析青藏铁路运营对西藏经济发展的影响。选取客货运量与三次产业实际值相关程度进行定性分析，并利用青藏铁路运营前数据预测2007—2018年西藏三次产业数据，依据实际值与预测值作差与作商计算各产业贡献值与贡献度进行定量分析。结果显示：旅客周转量和铁路货物周转量与三次产业之间在1%显著水平上的相关性较强；青藏铁路对于第一产业的贡献度仍处于上升阶段，而对于第二产业与第三产业的贡献度呈现下降趋势。青藏铁路运营对西藏三次产业经济发展起到积极促进作用，将助力于西藏人民美好生活的实现。
深入分析青藏铁路运营对西藏经济发展的影响，对于充分发挥青藏铁路在促进区域经济可持续发展方面具有重要意义。文章依据皮尔逊相关系数结合时间序列分析和对比分析法建立青藏铁路运营与西藏三次产业发展关系分析模型，从而定性与定量分析青藏铁路运营对西藏经济发展的影响。选取客货运量与三次产业实际值相关程度进行定性分析，并利用青藏铁路运营前数据预测2007—2018年西藏三次产业数据，依据实际值与预测值作差与作商计算各产业贡献值与贡献度进行定量分析。结果显示：旅客周转量和铁路货物周转量与三次产业之间在1%显著水平上的相关性较强；青藏铁路对于第一产业的贡献度仍处于上升阶段，而对于第二产业与第三产业的贡献度呈现下降趋势。青藏铁路运营对西藏三次产业经济发展起到积极促进作用，将助力于西藏人民美好生活的实现。