<em id="lj1v3"><b id="lj1v3"></b></em>

    <i id="lj1v3"></i>

        <i id="lj1v3"><b id="lj1v3"><progress id="lj1v3"></progress></b></i>

        <video id="lj1v3"></video>
        <video id="lj1v3"></video>

                    <i id="lj1v3"><ol id="lj1v3"><progress id="lj1v3"></progress></ol></i>
                    青藏高原雪、冰和環境數據集專題 I 區論文(評審中) ? 版本 ZH2
                    下載
                    基于高分三號影像的2019–2020年青藏高原典型冰川表面流速數據集
                    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
                    极速快三
                    1208 11 0
                    摘要&關鍵詞
                    摘要:青藏高原,又稱世界“第三極”,是北半球中低緯度地區最大的現代冰川作用區,在全球氣候系統中起著至關重要的作用,研究該地區冰川流速時空變化對于認識冰川動力學特征及其對氣候變化的響應具有重要的意義,而且長期冰川活動性監測對推動區域可持續發展、促進全球生態環境保護具有重要的指導作用。本文基于20192020年間覆蓋目標區域典型冰川的高分三號(GF-3)影像, 借助改進的偏移量跟蹤算法,通過精準地彌補全局性位移和地形效應以及濾波降噪處理后,得到了青藏高原典型冰川表面高精度運動數據集(GeoTIFF格式32位浮點型)。采用GF-3衛星FSI成像模式SAR影像,計算結果空間分辨率約為12 m非冰川區殘差統計分析表明在研究周期內其總體精度約為0.5 m。結果顯示青藏高原典型冰川表面運動大多呈現為積累區速度較快消融區和末端運動速度慢的特點個別中小型冰川具有相對較強的活動性,整體上與地勢起伏和氣候因素存在一定的相關性。本數據集可作為青藏高原冰川物質平衡分析的基礎數據支撐高亞洲區域氣候變化方面的研究,推動國產遙感數據在冰川活動性及氣候變化研究中的深層次應用。
                    關鍵詞:青藏高原;GF-3;冰川表面運動;偏移量跟蹤算法
                    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
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱基于高分三號影像的20192020年青藏高原典型冰川表面流速數據集
                    數據作者張齊民、呂明陽、閆世勇
                    數據通信作者閆世勇(yanshiyong@cumt.edu.cn)
                    數據時間范圍20192020年
                    地理區域地理范圍為26°N–44°N,70°E–100°E,主要包含青藏高原地區的橫斷山脈、喜馬拉雅山脈、天山山脈、帕米爾高原等區域。
                    空間分辨率12 m
                    數據量5.85GB
                    數據格式*.tif(GeoTIFF,32-bit float)
                    數據服務系統網址http://www.sciencedb.cn/dataSet/handle/j00001.00253
                    基金項目國家對地觀測科學數據中心(NODAOP2020010)
                    數據庫(集)組成本數據集共包含2個數據文件,其中:
                    1. Glacier Velocity文件夾為冰川表面速度場分布數據,數據量為2.925GB;
                    2. Glacier Motion文件夾為冰川表面累積位移量數據,數據量為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
                    隨著全球氣候變暖的進程日益加劇,作為氣候變化的指示器之一,冰川已成為氣候變化研究的關鍵指標[1,2,3,4 ]。相比于兩極冰川,青藏高原地區的冰川對于氣候變化的響應更為敏感,其升溫速度是同期全球其他區域均值的兩倍,冰川加速融化、冰川融水凈流量顯著增加,整體呈現出失衡的狀況,因此研究青藏高原地區冰川流速時空變化對于認識該區域冰川動力學特征及其對氣候變化的響應具有重要的意義[5,6,7 ]。冰川流速是冰川變化的一個重要參數,能夠反映一段時間內冰川的活動性及其物質平衡情況且已有相關研究表明,冰川流速的加快是其物質損失的主要原因[8]。因而,冰川表面運動時空分布特征對于研究該區域的物質平衡具有重要的指示作用[9,10,11,12 ]。
                    山地冰川所處區域往往氣候條件惡劣,實地冰川運動監測成本高且難以在青藏高原廣泛開展。隨著科技的進步和遙感技術的發展,基于遙感影像的冰川運動監測已成為研究冰川活動性的最為重要的手段,具有獲取數據快、監測范圍廣、重訪周期短等特點[13,14,15,16 ]。但當前青藏高原冰川運動信息的獲取絕大多數依賴國外遙感衛星數據,我國高質量遙感影像在冰川運動廣域監測中的應用寥寥無幾,導致其在冰川活動性研究中價值難以體現,造成大量高質量國產遙感數據資源的浪費。
                    為了能夠及時準確地了解青藏高原地區典型山地(圖1)冰川的運動狀況,凸顯我國遙感數據在氣候研究中的實際價值,本文選用20192020年獲取的高分三號(GF-3)遙感數據影像,基于改進的并行化Pixel-Tracking(PT)技術[17,18,19,20 ],通過復雜全局形變擬合估計、幾何畸變校正和降噪濾波等處理[21-22],獲取了青藏高原典型冰川的表面流速,并以非冰川區殘余位移量作為統計特征,判別和驗證數據集產品的可靠性,最終實現基于國產高質量遙感影像的冰川流速數據集產品生成與應用推廣,為青藏高原氣候變化研究和冰川運動相關災害預測提供更精準的數據支持。


                    圖1 ? 青藏高原區域示意圖
                    1 ? 數據采集和處理方法
                    1.1 ? 數據源
                    GF-3衛星是中國自主研制的首顆C波段全極化星載衛星,重訪周期為29天。因其全天時全天候以及高空間分辨率的特點,在冰川運動監測中有著重要優勢。GF-3衛星具有12種常規成像模式,最高分辨率可達1 m,最大幅寬約為650 km,可滿足不同領域的需要。本文選用2019 – 2020年覆蓋研究區精細條帶1模式(FSI)的SAR影像進行冰川運動提取,原始數據信息參數見表1,同時采用30 m分辨率的ASTER DEM數字表面模型數據輔助SAR影像配準和地理編碼。
                    表1 ? GF3雷達影像對參數信息
                    冰川信息成像時間軌道圈號垂直基線(米)時間基線(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 ? 數據處理方法和流程
                    本研究利用覆蓋青藏高原典型山地冰川的多期GF-3遙感影像,采用改進的PT算法高精度監測冰川表面運動的空間分布?;诜潜▍^在監測周期內未發生移動的假設,精確地估算出全局軌道相關偏移量、地形起伏相關偏移量和噪聲偏移量等無關信息并對其進行補償,最終得到冰川區較為可靠的流速結果。PT算法利用影像強度信息的歸一化互相關算法(Normalized Cross Correlation,NCC)進行影像配準,通過計算主副影像模板的相關程度來實現亞像素級配準。該方法精度高,但計算效率低,巨大的運算量對于青藏高原廣泛分布的典型冰川區流速提取工作來說十分不利。為此本文利用GPU良好的性能實現了PT算法的并行化改進,極大提高了運行效率,為冰川表面運動的時序監測提供了技術保障。本文方法相關的技術路線如圖2所示。


                    圖2 ? 基于國產遙感影像的冰川流速提取流程示意圖
                    1.2.1 ? 基于RANSAC的全局形變估計
                    兩次或多次成像過程中,衛星姿態及位置差異會引入軌道相關的全局性偏移量,一般采用二次多項式函數模型進行擬合和補償。為了降低匹配噪聲點給全局模型參數估計造成的不利影響,本文利用隨機抽樣一致性算法(Random Sample Consensus,RANSAC),通過不斷的迭代來逐次確定是否為符合模型的匹配點,并重新計算變換參數,最終在滿足閾值條件時終止迭代計算。假設非冰川區域在觀測周期內未發生位移,由此可以獲得變換模型參數并去除軌道相關的偏移量。該方法能夠在提高計算效率的同時保證全局形變參數估計的精確性,從而準確補償因衛星軌道及傳感器姿態差異而導致的整體性位移。
                    1.2.2 ? 基于外部DEM的地形校正
                    青藏高原地區地形復雜多變,冰川分布區高差大,衛星對冰川區成像時的位置差異會引入與地形相關的偏移量,進而降低冰川運動監測的準確性。一般而言,方位向的地形偏移量主要與所在區域的地形起伏、成像時軌道交角及衛星入射角有關,而距離向地形起伏導致的偏移量則與垂直基線長度成正比?;谕獠緿EM數據和兩景SAR影像的空間基線情況,能夠準確獲取地形起伏在距離向和方位向所產生的偏移,對全局形變校正后的偏移量進行精確的地形補償,可進一步提高冰川表面運動估計的準確性。
                    1.2.3 ? 冰川運動分布濾波與去噪
                    由于數據質量和處理方法等各因素的限制,經全局形變補償和地形效應校正后得到的偏移量分布仍然不同程度地受到誤配點噪聲影響,因此有必要開展冰川運動信息濾波。在冰川運動分布場中,斑點噪聲屬于高頻信息,可以通過低通濾波手段來削弱噪聲然而冰川的邊緣信息也屬于高頻信號為了保證冰川邊緣位移細節信息的完整性和最終結果的準確性,本文采取自適應中值濾波(Ranked-order based Adaptive Median Filter,RAMF)來削弱噪聲的影響,借助濾波窗口可變特點,RAMF既能保證冰川偏移量信息的精度,又能適當地過濾噪聲,在冰川運動提取中具有較好的應用價值。
                    2 ? 數據樣本描述
                    20192020年青藏高原典型冰川表面運動分布數據集所用數據為GF-3 FSI精細條帶模式數據,冰川運動結果分別存儲在2個不同文件中一是研究區域內冰川表面運動速率數據,存儲格式為32位浮點型GeoTiff格式,命名規則為AREA_YYYYMMDD-YYYYMMDD_VEL.tif,表示某研究區某時間段內冰川表面的運動速度,單位為cm/d,存放在Glacier Velocity文件夾中二是相應冰川的表面累積位移量數據,存儲格式為32位浮點型 GeoTiff格式,命名規則為AREA_YYYYMMDD-YYYYMMDD_DIS.tif,單位為m,存放于Glacier Motion文件夾中。圖3為冰川表面運動數據樣本展示,圖 3(a)(b)(c)分別為天山地區、喀喇昆侖山地區和喜馬拉雅山中段地區冰川的累積滑動量,冰川主干位移量大小分別約為120 m、100 m及15 m,圖 3(d)(e)(f)分別為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之間。

                    (a)


                    (b)


                    (c)


                    (d)


                    (e)


                    (f)

                    圖3 ? 青藏高原部分典型冰川表面運動分布示意圖
                    3 ? 數據質量控制和評估
                    為保證冰川表面運動采樣點的可靠性,偏移量跟蹤算法中匹配模板和搜索步長等參數的選擇和設定需要充分考慮研究區冰川規模、運動特征及其地表后向散射的穩定性。根據研究區的冰川規模大小,分別設定為:模板窗口128×128像素,采樣窗口5×5像素。搜索窗口的選擇需要根據不同區域冰川的運動量來進行相應的調整,從而保證匹配結果具有較高可靠性,進而獲取冰川區完整的位移量分布信息。
                    為了得到更為可靠的偏移量結果,本文以模板匹配過程中的統計特性對GF-3影像對中目標點進行質量評估,采用歸一化互相關系數和協方差作為判別條件,反映相應區域的匹配質量。此外,本文基于RANSAC算法的全局形變估計,有效改正了因軌道和衛星成像姿態差異帶來的偏差同時,給出基于外部DEM的地形誤差校正方法和相應數據處理流程,以此來彌補復雜地形帶來的誤差。青藏高原地區地形復雜,氣候多變,常年受積雪覆蓋和降水等因素的影響,偏移量跟蹤結果不可避免地受到噪聲干擾,本文采用RAMF算法進行濾波處理,可以有效削弱噪聲對于結果的影響,提升冰川運動監測結果的質量。
                    青藏高原冰川區氣候條件惡劣,高寒高海拔交通不便,難以廣泛開展冰川流速野外驗證。因此,為進一步驗證冰川運動結果的可靠性,本文基于非冰川區在監測周期內穩定的合理假設,利用偏移量跟蹤結果中非冰川區的殘余位移量進行精度分析。本文不同研究區內非冰川覆蓋區域的殘差統計直方圖如圖4所示,均值及方差見表2非冰川區殘差統計分析表明,在研究周期內冰川運動總體精度約為0.5 m該精度已基本滿足實際需要,具有一定的可靠性和準確性。


                    圖4 ? 非冰川區殘余誤差直方圖
                    表2 ? 非冰川區誤差統計表(m)
                    冰川信息影像對均值方差
                    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 ? 數據價值
                    隨著對地觀測技術的不斷發展,遙感已經成為研究冰川性質及其動態變化特征的重要技術手段。當前,青藏高原冰川運動信息數據集多來自國外遙感衛星影像,我國高質量遙感影像在該區域的應用十分稀少,未能充分挖掘和體現國產遙感數據在冰川活動性研究中的應用價值。本文基于C波段GF-3雷達影像的FSI模式數據提取了青藏高原地區典型山地冰川表面20192020年運動分布,一定程度上填補了青藏高原地區沒有國產遙感衛星廣域冰川流速數據集的空白,凸顯出我國遙感數據在氣候研究中應用價值。此外,通過全面了解冰川運動情況,能更好地開展我國冰川資源的調查,為合理利用青藏高原地區冰川資源提供必要的基礎信息。
                    5 ? 數據使用方法和建議
                    20192020年青藏高原典型區域冰川表面運動分布結果數據存儲格式為32 位浮點型 GeoTiff柵格數據,地理坐標系為WGS-1984,ArcMap等GIS軟件或ENVI、PIE等軟件均支持該數據的讀取和操作,其中冰川流速數據單位為cm/d,累計位移量數據單位為m。表面流速及位移量反映的是距離向和方位向運動合成后的冰川運動分布,研究人員可根據需要靈活選擇數據,也可根據當前或后期的冰川運動監測結果,開展青藏高原典型冰川區表面應力分布分析與研究工作。
                    致 謝
                    感謝中國科學院空天信息創新研究院(AIR)提供的GF-3數據,美國航空航天局(NASA)網站提供的ASTER 30 m DEM 數據,中國科學院寒區旱區環境與工程研究所提供的中國第二次冰川編目數據集。
                    [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]
                    張生鵬, 周中正, 趙利江, 等. 基于SAR偏移量跟蹤法提取崗納樓冰川流速[J]. 測繪通報, 2020(11): 33-38.
                    [3]
                    張齊民, 鄭一桐, 張露, 等. 基于時序像素跟蹤算法的南伊內里切克冰川運動提取與特征分析[J]. 遙感技術與應用, 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, 劉力. 中國冰川運動速度研究進展[J]. 冰川凍土, 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, H?GDA 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]
                    管偉瑾, 曹泊, 潘保田. 冰川運動速度研究: 方法、變化、問題與展望[J]. 冰川凍土, 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]
                    張曉博, 趙學勝, 葛大慶, 等. 利用新型C波段雷達衛星研究南伊內里切克冰川運動特征[J]. 武漢大學學報·信息科學版, 2019, 44(3): 429-435.
                    [15]
                    趙家銳, 柯長青. 基于Sentinel-1SAR數據的南極松島冰川流速監測[J]. 冰川凍土, 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]
                    鄭一桐. 面向山地冰川運動監測的SAR偏移量跟蹤算法并行化設計與實現[D]. 徐州: 中國礦業大學, 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, 范景輝, 周偉, 等. DEM輔助偏移量跟蹤技術的山地冰川運動監測研究[J]. 國土資源遙感, 2018, 30(3): 167-173.
                    數據引用格式
                    張齊民, 呂明陽, 閆世勇. 基于高分三號影像的2019–2020年青藏高原典型冰川表面流速數據集[DB/OL]. Science Data Bank, 2021. (2021-05-14). DOI: 10.11922/sciencedb.j00001.00253.
                    稿件與作者信息
                    論文引用格式
                    張齊民, 呂明陽, 閆世勇. 基于高分三號影像的2019–2020年青藏高原典型冰川表面流速數據集[J/OL]. 中國科學數據, 2021. (2021-05-07). DOI: 10.11922/csdata.2021.0028.zh.
                    張齊民
                    Zhang Qimin
                    主要承擔工作:數據篩選,數據處理,論文撰寫。
                    (1996—),男,山東省濟南市人,碩士研究生,研究方向為雷達遙感與冰川變化研究。
                    呂明陽
                    Lyu Mingyang
                    主要承擔工作:數據篩選,論文撰寫與修改。
                    (1991—),男,吉林省松原市人,博士,助理研究員,研究方向為全球氣候變化與冰川運動。
                    閆世勇
                    Yan Shiyong
                    主要承擔工作:SAR 數據處理整體方案設計,論文修改。
                    yanshiyong@cumt.edu.cn
                    (1982—),男,江蘇省徐州市人,博士,副教授,研究方向為雷達遙感應用研究。
                    出版歷史
                    I區發布時間:2021年5月14日 ( 版本ZH2
                    參考文獻列表中查看
                    中國科學數據
                    csdata