基于高分辨率无人机影像的小型山地冰川表面流速测量：遥感特征追踪技术比较研究

《Remote Sensing Applications: Society and Environment》：Comparison of remote sensing feature tracking techniques using high-resolution UAV images for small mountain glacier surface velocity measurement

本文系统评估了四种遥感特征追踪方法（COSI-Corr、IMCORR、GIV、CARST）在伊朗Alamkouh冰川流速监测中的性能。研究通过无人机影像（2018-2020）发现，频率域方法COSI-Corr在碎屑覆盖型冰川中误差最低（RMSE±0.11），且非冰川区流速直方图最接近正态分布，为小型高山冰川动态研究提供了方法优选依据。

　　

Highlight

GSV图谱质量

基于四种方法生成的Alamkouh冰川表面流速（GSV）图谱如图3所示。信噪比（SNR）低于95%的区域以灰色标示，同时将流速超过2米/年的区域归为异常值（同为灰色）。除低信噪比影响外，冰崖、冰面湖等表面特征也会导致局部速度异常，例如冰崖因吸热效应可能加速移动，而冰面湖周边则因吸热或排水引发沉降。

结果的空间分析

冰川运动在研究区内呈现非均匀性，沿冰川流线及边缘存在显著速度波动。通过绘制三条横向剖面和一条纵向剖面（沿最长流线），图6展示了四种特征追踪方法（COSI-Corr、CARST、GIV、IMCORR）的流速剖面对比。纵向剖面显示冰川中段流速最高（约0.6-0.8米/年），向末端逐渐减缓；横向剖面则揭示冰川中心流速高于两侧，且冰崖分布区速度波动剧烈。COSI-Corr与CARST结果平滑度最佳，而IMCORR和GIV在剖面中出现较多噪声峰谷，可能与空间域算法的敏感性有关。

结论

高山冰川表面流速测量是冰川学与滑坡运动分析的关键指标，直接反映冰川活动性与消融速率。针对不同冰川类型（海洋性、高山性、北极等）、规模及运动速度，现有GSV评估工具需根据数据时空分辨率择优使用。本研究证实，对于小型碎屑覆盖型冰川，频率域方法COSI-Corr误差控制最优（RMSE±0.11，MAD 0.17），其非冰川区流速分布更接近正态曲线；而空间域方法（如IMCORR）虽计算高效，但易受表面纹理干扰。未来需结合冰川形态特征（如冰崖占比、碎屑厚度）进一步优化算法适应性。