无人机遥感影像面向对象分类的冻土热融滑塌边界提取

全球气候变暖及人类活动导致青藏高原大面积冻土退化、热融滑塌等问题,严重影响了多年冻土区工程建设和生态环境。利用无人机高空间分辨率影像和面向对象分类技术进行了黑河上游俄博岭垭口冻土区热融滑塌监测实验,详细分析了最邻近、K-最邻近、决策树、支持向量机(support vector machine,SVM)和随机森林5种面向对象监督学习方法提取冻土热融滑塌边界的性能和精度,并使用野外实测数据对实验结果进行验证。结果表明,面向对象分析中分割尺度对热融滑塌提取结果影响较小,而不同组合的分类特征影响较大,因此选择合适的分类特征是关键; 5种分类方法的总体精度均在90%以上,其中SVM方法的Kappa系数高于其他4种分类方法,表明该方法在本次实验研究中更适合无人机遥感影像冻土热融滑塌边界提取。无人机高空间分辨率遥感与面向对象分类方法相结合在冻土热融滑塌监测中具有广阔的应用前景。     

基于Sentinel-1 SAR数据的黑河上游冻土形变时序InSAR监测

多年冻土活动层变化导致冻土区大范围地面变形，严重破坏区域内基础设施和水文地质条件，亟需加强活动层季节冻融过程的观测研究.本文提出一种基于分布式目标的小基线集时序InSAR（DSs-SBAS）的冻土形变监测方法.该方法采用分布式目标提取和特征值分解算法，并结合基于地温-形变约束关系的参考点选取新策略，提高了冻土形变监测结果的时空分辨率和可靠性.以祁连山黑河西支源头的野牛沟为研究区域，通过对27景Sentinel-1 SAR影像进行时序InSAR分析，获取了2014-2016年该区多年冻土的形变时间序列和年均形变速率，并利用Stefan模型联合地温数据估算其季节性形变幅度.实地踏勘和结果分析表明：（1）研究区大部分多年冻土处于稳定状态（-1.0~+1.0 cm·a^-1），在地形陡峭的南坡边缘及含冰量丰富的野牛沟河上游两侧沟底部分区域存在较大形变；（2）区域内冻土形变时间序列呈现年周期变化，冻土冻融形变存在季节性周期形变和季节性波动下沉两种形变特征，形变幅度和速率最大可达6.0 cm和-3.0 cm·a^-1；（3）不同区域的活动层冻结/融化始日和冻土形变存在明显差异，主要和冻土地貌、土壤类型以及活动层厚度有关.本文提出的方法在青藏高原多年冻土区大范围冻融监测和活动层厚度反演研究方面具有很大的应用潜力.     

大空间GPS网共模误差剔除研究

利用叠加滤波、PCA、KLE 3种方法对欧洲区域平均基线长度为2 000 km的大空间GPS网12个IGS站9 a（2006-01~2014-12）的观测数据进行处理，分析对比3种方法剔除共模误差的效果。结果显示，3种方法剔除百分比分别为25.87%、41.48%、35.72%，滤波后坐标精度明显提高；对于较大的GPS观测网，相对于叠加滤波，PCA和KLE法效果更好，可以显示不同站点的空间特征。