用于改进北极冰川雪层结构分析的野外与模拟探地雷达（GPR）数据

《Cold Regions Science and Technology》：Field and simulated Ground Penetrating Radar (GPR) Data for improved snow structure analysis on Arctic glacier

　　

本研究将现场GPR剖面与雪坑分析得出的地层进行了整合。
雷达波的传播是根据由密度推导出的雪层介电常数进行模拟的。
现场与模拟GPR数据之间的共同信号峰值被进行了匹配。
GPR振幅峰值与表现出强烈介电对比的层界面相对应。
超过50%的信号峰值对应于雪盖中冰体形成的界面。

引言

如今，包括地球物理数据在内的远程获取环境数据已经广泛可获取（Alfonsi等，2022；Wagner和Uhlemann，2021）。这些数据具有广泛的应用范围、非侵入性、快速且经济高效获取以及广泛的空间覆盖等优势（例如Hauck和Kneisel，2008；Reynolds，2011；Schrott和Sass，2008）。相反，其主要局限在于需要对原位测量进行标定和验证，或通过互补的地球物理方法确认结果（例如Parsekian等，2015；Sharma，1997；Soupios和Kokinou，2016）。地球物理数据提供了地下物理性质变异性的关键信息（Reynolds，2011），这些信息与研究介质的特性直接相关（例如矿物组成、密度、含水量、孔隙度、内部颗粒组织；参见Jarzyna等，2012；Schrott和Sass，2008；Stewart，1999）。对于利用电磁辐射的探地雷达（GPR）方法而言，地下内部结构是根据控制信号传播和反射的层的电磁特性差异来刻画的（Baker等，2007）。一个关键挑战仍然是将电磁勘探得出的地下介电特性与其他物理参数进行关联。解决这一问题需要对地球物理数据集与原位现场测量或替代地球物理技术进行严格的比较分析验证（Bristow和Jol，2003）。

大约四十年来，GPR测量一直被用于测定雪深，主要在山区（例如Machguth等，2006；Singh等，2017）、极地（例如Dunse等，2008；Grabiec等，2011）和亚极地区（例如Marchand等，2003；Sand和Bruland，1998）。在这些地区，长期且大量的积雪是一个关键的环境组成部分，它制约着水文学、地貌学、土壤过程和地方生态学（Ignatiuk等，2023；Winther等，2003）。雪深测量在各种地面上进行，从固体岩石或沉积物地面（例如Gacitúa等，2013；Wainwright等，2017），到河流（例如Richards等，2023）、湖泊（例如Pouw等，2023）和海冰（例如Pfaffhuber等，2017），再到冰川表面（例如Dunse等，2008；Grabiec等，2011；Gusmeroli等，2014；Laska等，2017）。雪深数据的验证通常较为简单，因为它仅限于使用雪崩探针、雪坑或钻孔进行点深度测量。此外，雪-基底界面的识别由于雪与下伏地面之间相对介电常数（εr）的显著差异产生的强烈信号反射而得以简化（Grabiec等，2011；Griessinger等，2018；St. Clair和Holbrook，2017）。

GPR系统的技术进步，现已能够实现更高垂直分辨率的探测，促进了利用雷达探测揭示的雪盖地层进行更详细的研究（Harper和Bradford，2003；Heilig等，2009；Kachniarz等，2023；Yamamoto等，2004；Zabel等，1995）。此类方法特别适用于冰川化地区，在这些地区，构成雪柱的各个层厚度超过GPR系统的垂直分辨率。将GPR剖面的结构与冰川上层的物理性质（特别是层密度）联系起来，使得可以利用积雪高峰期获取的GPR探测来识别前一个夏季的表面和冬季质量平衡（Kohler等，1997）。

对由GPR信号振幅变异性得出的地层分层进行验证，需要将这些剖面与在相似空间和时间尺度上进行的详细雪盖分析（包括密度波动、粒径和形状、湿度和硬度）进行锚定（Kachniarz等，2023）。由于雪盖的结构复杂性和时空变异性，此类同步的GPR和比较数据集仍然稀缺。然而，没有这些综合数据，任何关于GPR信号振幅变异性与雪盖内部结构或物理性质之间关系的结论都仍然是推测性的。

在冰冻圈研究中，GPR结果的可解释性可以通过gprMax模拟得到有效增强（例如Brandt等，2009；Catania等，2008；Langhammer等，2017；Ogier等，2023；Santin等，2024）。通过该软件建模的雷达信号被定义为SGPR（模拟GPR）。在雪盖研究中，SGPR支持雪深的验证和雪-冰界面的划分（Matsumoto等，2019）。使用gprMax的高级应用包括基于实验数据对通过雪盖传播的GPR信号进行正演建模（Lee和Wang，2009；Wang，2007），以及从现场GPR调查中正演建模雪深和相对介电常数（Wang，2007）。

解释GPR数据集中记录的地层仍然是一个关键挑战。本研究旨在通过使用源自原位测量的综合定量程序集，展示GPR剖面属性与雪盖结构之间的关系。通过解决以下研究问题来实现这一目标：（1）是否纳入雪的基本物理性质（特别是其可变的密度剖面），可以实现雪盖地层与相应GPR剖面之间的可靠关联；（2）雪盖中建模的雷达信号在多大程度上反映了GPR现场测量中捕获的实际结构；（3）哪些雪盖物理性质对于有效协调模拟GPR信号与经验现场数据至关重要。为此，从雪剖面分析结果中生成了合成雷达信号，并与共位的现场GPR剖面段进行比较，以识别相关特征。将现场GPR数据的波形振幅变异性与源自原位雪坑的合成剖面进行比较，提供了一个更加可靠解释雪盖性质的稳健框架。这种方法利用了同一变量（信号振幅）的定量度量，与传统解释方法形成对比，后者将不同且难以比较的指标结合起来，例如直接将GPR振幅变异性与雪密度、颗粒性质和硬度相关联（例如Dunse等，2008；Kachniarz等，2023；Yamamoto等，2004）。本研究采用的将雪剖面数据与GPR段联系的方法完全依赖于标准的原位雪坑测量方案（Gallet等，2018），不需要额外的仪器来直接测量雪盖介电常数（例如Harper和Bradford，2003；Kohler等，1997）。本文提出的将雪性质与GPR数据稳健联系起来的方法，通过有限数量的参考雪坑支持，使得这些性质可以沿整个雷达剖面进行空间外推。对于受监测的冰川化地区，如斯瓦尔巴群岛的Hansbreen（Grabiec等，2011；Laska等，2022a），这种方法可以显著扩展环境数据的空间覆盖范围，超越离散参考点，如雪坑和自动气象站。在其他雪盖对水文学、地貌学、生态学或社会经济发挥关键作用的地区，这些确立的关系突显了用高效GPR调查补充离散点测量的价值。最终，雪数据增强的空间表征可以带来更精确的冰川质量平衡评估（例如McGrath等，2018；Uszczyk等，2019），而在非冰川化流域中，本文提出的框架可以有效应用于量化雪水当量或总储水量（例如Holbrook等，2016；Sand和Bruland，1998；St. Clair和Holbrook，2017）。

研究区

本研究在位于斯匹次卑尔根岛南部的Wedel Jarlsberg Land的Hansbreen冰川进行（图1）。Hansbreen是一个中等规模的入海冰川（面积约51.3 km2），平衡线海拔平均海拔约360 m a.s.l.，1.7 km宽的末端注入Hansbukta，Hornsund峡湾的一部分（B?aszczyk等，2019；Grabiec等，2012）。主冰流呈南北走向，并与多条支流冰川汇合；更

获取雪盖特征（雪坑）与GPR剖面的协同数据

在以下章节中，现场探测获得的雷达数据称为FGPR（现场GPR；图2C）。尽管雪剖面数据集和FGPR探测数据集范围广泛，但本研究需要提取时间上和空间上协同的数据对。这一要求极大地限制了可用的数据群体。要使雪剖面与FGPR探测可以直接比较，各自测量之间的时间一致性至关重要。差异

结果展示：总体描述

本研究结果被汇编为17组FGPR和SGPR的并列时间序列（图2展示了代表性的并列时间序列；见图4为FGPR和SGPR的AEV并列图）。这些结果代表了不同观测季节和Hansbreen区域的雪层及其下伏冰川冰或粒雪。并列图数量最多的是2008年（5组），2011年和2018年各有4组，2016年有3组，2019年有1组。结果最常涉及H4区域（7

模拟GPR信号与现场GPR信号之间的一般差异以及准确再现SGPR信号的局限性

FGPR和SGPR雷达信号的变异性应在所调查环境（特别是雪盖）的背景下考虑，以及GPR信号模拟和GPR现场测量的条件。AEV剖面的明显二分性与被探测或模拟的结构相关。上部时间段以较高的AEV为特征，对应于雪层，而下部时间段代表下伏冰或粒雪。

更高的信号

结论

17组由FGPR段和来自雪坑的雪物理性质组成的配对比较提供了一个独特的数据集，可作为冰川上浅层GPR探测的解释密钥。这些数据的价值在于其广泛的时间跨度（11年），涵盖了具有不同气象和雪盖条件的季节，以及在极地冰川所有海拔范围和冰川岩相（积累区和消融区）的空间分布具有代表性，以及

CRediT作者贡献声明

Mariusz Grabiec：撰写——审阅与编辑，撰写——初稿，可视化，验证，方法论，调查，形式分析，数据整理，概念化。Micha? Laska：撰写——审阅与编辑，调查，数据整理。Dariusz Ignatiuk：撰写——审阅与编辑，调查，数据整理。

资助

现场数据收集和/或处理获得了以下资助：波兰-挪威研究合作计划（AWAKE2项目 Pol Nor/198675/17/2013）在波兰国家研究与发展中心框架内的资助，波兰-挪威资助（AWAKE项目 PNRF-22-AI-1/07），波兰科学与高等教育部（GLACIODYN No. IPY/269/2006），波兰国家研究与发展中心（SvalGlac项目 No. NCBiR/PolarCLIMATE-2009/2-2/2010），欧盟第七框架计划

利益冲突声明

作者声明他们没有已知的可能影响本文报告工作的竞争性经济利益或个人关系。

致谢

这些测量是西里西亚大学（卡托维茨）极地研究中心科学活动的一部分进行的，使用了西里西亚大学极地实验室提供的现场设备，包括GPR系统、GNSS接收器、雪地车和通信设备。特别感谢Dariusz Puczko、Tomasz Budzik、Barbara Barzycka和Aleksander Uszczyk，他们共同进行了现场雷达探测并支持其采集。我们感谢波兰极地

Mariusz Grabiec|Micha? Laska|Dariusz Ignatiuk