1 Einleitung
Der Alpine Gletschersee (auch als Gletschersee bezeichnet) ist ein natürlicher Wasserkörper in der alpinen Umgebung, der durch Gletschererosion, Eismorren-Blockierung und Gletscherschmelzwasser-Zusammenführung gebildet wird.施雅风，2011；姚晓军 等，2017；Yao等，2018）。 Vor dem Hintergrund der globalen Erwärmung treiben der schnelle Rückzug der Gletscher und die Schmelzwasserversorgung das Zahlenwachstum und die Flächenentwicklung der Gletschersee zusammen.邬光剑 等，2019；张国庆 等，2022）。 Als Beispiel in Hochasien zeigt die Katalogierung 2018, dass die Zahl der Gletscherseen in der Region 30.121 erreicht hat, mit einer Gesamtfläche von mehr als 2.080 km² und einer durchschnittlichen jährlichen Flächenwachstumsrate von etwa 15,2% zwischen 1990 und 2018.Wang等，2020）。 Diese Seen übernehmen eine entscheidende Sparfunktion während der Trockenwasserperiode und sind eine wichtige Garantie für die Wasserversorgung und Wassersicherheit stromabwärts in Gebieten wie den "Asiatischen Wasserturm".朱立平 等，2019；Nüsser和Schmidt，2017）； Doch mit dem anhaltenden Verlust von Gletschermaterial steigen die Wasserspeicher der Gletschersee, was zu einer erheblich erhöhten Gefahr von Überschwemmungen führt, die zu einer zunehmenden Bedrohung für die nachgelagerte Infrastruktur und die Wohngebiete führen, und die Unsicherheit für die regionale Wassersicherheit steigt.周玉杉 等，2024；姚檀栋和姚治君，2010；Ahmed，2025）。 Daher ist eine systematische Überwachung von Gletscherseen dringend notwendig.
Gletschersee sind sehr empfindlich auf Temperatur- und Niederschlagsveränderungen, und Veränderungen in Größe, Wasserhöhe und Eiszeit spiegeln den Rückzug der Gletscher und die Veränderungen der regionalen Energie- und Feuchtigkeitsbedingungen direkt wider und liefern wichtige Beweise für die Erfassung von Signalen des Klimawandels.Nie等，2021；Zhang等，2024）。 Noch wichtiger ist, dass das Klima der Gletschersee die Energie- und Wasserzyklusprozesse auf saisonaler Ebene direkt charakterisiert und ein wichtiger Indikator für die Bewertung der Verfügbarkeit von Wasserressourcen, der Trockenwesserversorgungskapazität und der Katastrophenfruchtbarkeitsbedingungen ist (C und Priyadharsini, 2025;Kaushik等，2022）。 Untersuchungen haben gezeigt, dass die Eisschmelzezeit in den Alpenseen systematisch vorwärts geht, was hauptsächlich mit dem Rückgang des Schneefalls im Winter und der Erwärmung im Frühjahr verbunden ist.Preston等，2016）； Anomalien beim Schmelzen von Eis treten oft gleichzeitig mit einer plötzlichen Ausdehnung des Gletschersees auf, was ein frühes Warnsignal für Wochen bis Monate vor dem Auftreten von Überschwemmungen liefert.Baig等，2020）。 Darüber hinaus können sich die Ausdehnung des Gletschersees und Veränderungen in der Konnektivität auch auf Abflussprozesse und Erosionsmuster auswirken, was die Sicherheit weiter beeinflusst.Tian等，2015）。 Diese wissenschaftlichen Werte unterstreichen die Notwendigkeit einer kontinuierlichen und systematischen Überwachung von Gletscherseen.
Gletscherseen sind in der Regel in schwer zugänglichen Berggebieten verteilt, in denen häufig Nebel besteht, was die Fernerkundung zu einem notwendigen Mittel macht.李均力 等，2011；闫斌 等，2022）。 Unter den vielen Datenquellen der Fernmessung bietet SAR eine bessere kontinuierliche Überwachung (卢文路 等，2020）。 Ruhiges Wasser zeigt sich in Radarbildern als niedrige Rückstreuung, die die genaue Identifizierung und Darstellung der Seeuferlinie erleichtert; Verschiedene Differenzen in der Streuung können verwendet werden, um den Eisschmelzprozess des Sees zu beschreiben (Jawak等，2015）。 Derzeit wurden auf der Grundlage von Sentinel-1-Zeitreihenstreuungscharakteristiken erfolgreich für die quantitative Inversion und den Aufbau langfristiger meteorologischer Sequenzen für das Einfrieren / Aufschmelzen von Gletscherseen verwendet.Murfitt和Duguay，2021）。 Allerdings sind die Merkmale der rückwärtigen Radarstreibung komplexer und vager als die Merkmale der Gletschersee, die durch optische Fernerkennung beobachtet werden. Obwohl die Kreuzpolarisierung den Reichtum der SAR-Bildcharakteristiken erweitert, ist es immer noch schwierig, traditionelle SAR-Methoden effektiv zu unterscheiden (Jawak等，2015）。
Angesichts der Einschränkungen der SAR-Unterscheidung von Gletschersee-spezifischen Zuständen werden in diesem Artikel als Ergänzung die Kohärenzinformationen eingeführt, die von Synthetic Aperture Radar Interference Measurement Data (InSAR) bereitgestellt werden. Die InSAR-Kohärenz ist empfindlich auf Veränderungen der dielektrischen Eigenschaften der Gletschersee-Oberfläche und kann die Informationsdimension des Gletschersees weiter erweitern. Derzeit wurden Studien durchgeführt, die die InSAR-Kohärenz für die Studie von Schmelz- und Wiedergefrierprozessen in den südlichen arktischen Gletscherseen anwenden, aber die Erforschung ihrer Anwendung auf alpine Gletscherseen ist immer noch gering.Li等，2021）。 Zu diesem Zweck wählte die Studie benachbarte, aber mit erheblichen Unterschieden in den Schmelzecharakteristiken auftretende Alpenglischer Seen, Konotsu und Ranotsu, für eine kontinuierliche Überwachung mit Informationen über die Rückstreuungstensität und die Interferenzkohärenz des Sentinel-1-Satelliten und eine umfassende Analyse in Verbindung mit der ERA5-Land-Re-Analyse der Klimadaten, um den zyklischen Veränderungsprozess des Schmelzwassers des Alpenglischers tiefer zu untersuchen.
2 Forschungsbereiche und Daten
2.1 Beitrag, Langtso Gletschersee Forschungsgebiet
Auswahl der Forschungsgebiete Zwei Gletschersee in der Nähe des Dorfes Raegu im Osten der Autonomen Region Tibet, Changdu (Fig. 1）。 Die beiden Seen befinden sich am vorderen Rand des Palong Tibet Upstream Yalong Gletschers und der Lao Ancient Glacier Group und gehören zum Gebiet der Alpine Gletscher-Gletschersee, das vom Monsun erheblich beeinflusst wurde. Die mehrjährigen durchschnittlichen Klimacharakteristiken, die auf hochauflösenden Klimadaten basieren, zeigen, dass die Region das ganze Jahr über niedrige Temperaturen hat: die Temperaturen liegen bis zu -26 ° C und maximal nur 8 ° C; Die Oberflächentemperaturschwankungen sind starker, bis zu -30 ° C und bis zu 13 ° C. Die jährliche Niederschlagsmenge beträgt etwa 200-300 mm, konzentriert sich auf die wärmere Jahreszeit und zeigt erhebliche Phänomene mit der Hitze (Dai等，2022；Fick和Hijmans，2017）。
Die beiden Seen unterscheiden sich erheblich in der räumlichen Lage und der hydrologischen Konnektivität: Conto liegt westlich von Langtso, unmittelbar neben der modernen Gletscherzunge des Yalon-Gletschers, und gehört zu den Eiskontaktseen, die direkt mit dem Gletscherende in Kontakt stehen.谢自楚和刘潮海，2010）。 Langtso liegt auf der westlichen Seite des Tonga-Gletschers und ist ein relativ unabhängiger geschlossener Gletschersee, der keine stabile oberflächenhydraulische Verbindung mit der aktiven Eiszunge hat. Daher können die Wassereingänge, die Eismischungsbedeckung und der Zustand der Seeoberfläche während der Schmelzsaison und der Nicht-Schmelzsaison unterschiedliche SAR-Echointensiten und interferenzkohärente Reaktionen zeigen.Dai等，2022）。
2.2 Forschungsdaten
Die Kerndatenquellen für diese Studie sind die bipolarisierten SAR-Daten des Interferenzbereidenmodus (IW) des Satelliten Sentinel-1 der Europäischen Weltraumorganisation, der im C-Band mit einer Breite von ca. 250 km und einer Entfernungsskala von ca. 10 m verfügt über eine Beobachtungsfähigkeit rund um den Tag, um die Auswirkungen von Nebel und Lichtunterschieden effektiv zu überwinden. Die Bipolarisierungskanäle VV und VH verbessern die Trennbarkeit zwischen Wasser, Eis und Schnee und rauen Oberflächen erheblich und eignen sich daher besonders für die Langzeitüberwachung von Gletscherseen in hohen Höhen. Seit dem Start hat Sentinel-1 seit 2015 ununterbrochen hohe Frequenzen erreicht und bietet einen zuverlässigen Datensatz für die Untersuchung von Zeitreihenbereichsveränderungen.
Um die Genauigkeit der Interpretation von Flächenvänderungen zu gewährleisten und eine Unsicherheitsanalyse durchzuführen, wurden in dieser Studie folgende Zusatzdaten eingeführt:
(1) Multi-Source-optische Fernerkundungsbilder: Sentinel-2 hat eine räumliche Auflösung von 10 m und eine Wiederbesuchszyklus von 5 d; Landsat 8 hat eine räumliche Auflösung von 30 m und eine Wiederbesuchszyklus von 16 d; außerdem wurden PlanetScope-Daten eingeführt, deren räumliche Auflösung 3-5 m erreicht, um tägliche Beobachtungen zu ermöglichen. Die drei ergänzen sich in Bezug auf die räumliche Auflösung und die Wiederzugriffsfähigkeit zur Extraktion und Überprüfung der Grenzen von Gletscherseen für optische Wege.
(2) ERA5-Land-Re-Analysedaten: Tag für Tag mit GEE (Google Earth Engine), veröffentlicht vom Europäischen Zentrum für Mittelfristige Wettervorhersage mit einer horizontalen Auflösung von 0,25°. Präzise Übereinstimmung mit dem Transitzeitpunkt von Sentinel-1, um eine Korrelation zwischen der rückwärtigen Streuung und den nachfolgenden Faktoren zu etablieren, Signalanormalien zu erkennen und eine Korrelationsanalyse für Gletschersee zu dienen.
über die Alaska Satellite Facility (ASF); [2025-09-11]) sammelte insgesamt 30 Aufstieg-SAR-Bilder und 31 Abstieg-SAR-Bilder. Mit der Plattform GEE (Google Earth Engine) wurden 72 Bilder von Sentinel-2, 12 Bilder von Landsat 8 und 84 Bilder von PlanetScope aufgenommen. Nach der Behandlung der Wolkenmaske durch den Dunkelgang (Abschnitt 3.2) wurden die optischen Bilder des Gletschersees, die durch den Wolkennebel verdeckt wurden, entfernt und schließlich 64 effektive Bilder ausgewählt.
3 Forschungsmethoden
3.1 Vorverarbeitung von SAR-Daten
SAR-Datenverarbeitung mit kommerzieller Radarsoftware GAMMA (Werner等，2000）。 Zunächst erhalten Sie Sentinel-1 A/B monooptische Mehrzahl (SLC) Daten; Anschließend werden Subpixel-Zuordnungen für Gleichspurbilder durchgeführt (Genauigkeit besser als 0,2 Pixel). Um Flecken zu verringern und ungefähre quadratische Bodenbilder zu erhalten, werden zugeordnete monooptische Mehrfachbilder in Entfernung und Richtung jeweils 5:1 skaliert. Multioptische Intensitätsbilder werden durch Strahlung als Rückstreuungskoeffizient gekennzeichnet und entsprechend式（1）Konvertieren in Dezibel (dB):
in der Form,für die Konstante,Für die Metastärke eines Multivision-Bildes,Ein lokaler Eintrittswinkel. Der Interferenzkohärenzkoeffizient ist der Wert des wiederkehrenden Korrelation-Koeffizienten von zwei monooptischen komplexen Bildern, die den gleichen Bereich abdecken, der geschätzt wird wie folgt:
in der Form,Als Bildkohärenter Wert,undMehrzahlwerte von zwei monooptischen Bildern,Reproduzierte Konjugation.Zeigt den Durchschnitt des Platzes in einem 3 x 3-Pixel-Metafenster an. Insgesamt wurden 59 kohärente Bilder (basierend auf zeitlich benachbarten SAR-Bildern mit einem Zeitintervall von 12 d) basierend auf monooptischen Mehrfachbildinterferenzpaaren erhalten, einschließlich 29 Aufstiegsszenen und 30 Abfahrtsszenen. Die Rückstreuungstärke und die kohärenten Bilder werden mit UTM-Projektion unter dem WGS84-Benchmark geocodiert mit 10 m x 10 m Pixeln. Für die erhaltenen SAR-Daten der gleichen Umlaufbahn werden zwei benachbarte Bilder in chronologischer Reihenfolge zu einem Interferenzpaar gekoppelt, um die Kohärenzberechnung durchzuführen. Die zeitliche Basislinie beträgt maximal 12 d und die vertikale Basislinie maximal 300 m. Die Kohärenzberechnung verwendet ein Schätzungsfenster von 5 x 5 Pixeln, um die Schätzungsgenauigkeit zu gewährleisten, während die räumliche Auflösung ausgewogen wird. Zur Unterdrückung von interferierendem Phasengeräusch wird während der Verarbeitung ein Goldstein-Filter zur Phasenentgeräuschung angewendet.
3.2 Dunkle Wolkenmaske
Durch die Störung des Wolkennebels ist das Forschungsgebiet in optischen Bildern schlecht sichtbar. Als Antwort auf dieses Problem wird in diesem Artikel ein optisches Bild mit mehreren Quellen verwendet, um einen effektiveren Zugang zu Gletscherseeinformationen durch eine verbesserte zeitliche Auflösung zu ermöglichen. Dies führt jedoch zu einer Verwirrung der Bildinformationen, die unterschiedliche Bilder bei der Verarbeitung unterschiedliche Cloud-Erkennungsalgorithmen aufrufen und PlanetScope fehlt an professionellen Cloud-Nebel-Erkennungsalgorithmen. Um eine universelle und effektive Wolkennebelmaske zu erhalten, wurde in diesem Artikel eine Methode zur Erkennung von Wolkennebel auf der Grundlage des RGB-Dunkelkanals erstellt. Der Dark Channel Priority ist eine empirische Hypothese, die davon ausgeht, dass ein RGB-Band eines Bildes ohne Nebelverschmutzung in der Natur einen kleineren Wert haben muss, der sich an oder gleich Null befindet.He等，2011）。 Insbesondere kann der Dark Channel Priority Algorithmus wie folgt ausgedrückt werden:
in der Form,Repräsentiert den Standort.FarbkanaleDer Pixelwert,bedeutet, dassals zentrale Nachbarschaft. Weiter kann die Erddurchlässigkeit durch die folgende Formel ermittelt werden:
in der Form,Die Position ist inDer Pixelwert eines wolkigen Bildes,Die Position ist inDer Pixelwert des wolkenlosen Bildes,Repräsentiert die Durchlässigkeit, deren Bereich [0, 1] ist,Es handelt sich um globales atmosphärisches Licht, das in der Regel den Bereich des Bildes mit der höchsten Helligkeit und der nahe weißen Farbe als Schätzung des atmosphärischen Lichts auswählt. Die detaillierte Berechnung der Durchlässigkeit und die Optimierung des Leitfilters finden Sie in der Forschung von Ho Keming et al. (He等，2011 (Dieser Artikel wird nicht mehr aufgeführt. Auf der Grundlage mehrerer Tests wirdDas Meta ist als Wolkennebel-Meta gekennzeichnet, um die Planet-Wolkenmaske einfach und effizient zu erhalten.
3.3 Zeitreihenextraktion von Gletscherseen
Die Leistung von Gletscherseen in SAR-Bildern zeigt erhebliche saisonale Unterschiede, die hauptsächlich von der Bildung und dem Auflösen von Eis auf der Oberfläche des Sees abhängen. Zur quantitativen Analyse der Auswirkungen von Seeeis auf die rückwärtigen Radar-Streuungscharakteristiken und das Flächensignal wurde in diesem Artikel die Zeitreihenextraktion und -verifizierung der Gletschersee auf der Grundlage der Bipolarisierungszeitreihen Sentinel-1 VV/VH durchgeführt.
Auf dem technischen Weg nutzt das Team den bestehenden Forschungsrahmen (Wu等，2024，2025 ) mit einfachem linearen iterativen Cluster-Algorithmus SNIC im Kern: Zunächst kombinieren Sie VV- und VH-Bandeingänge mit unterschiedlichen Polarisationsinformationen, um einen Dual-Channel-Charakteristikraum zu bilden; Anschließend wird eine räumlich-spektrale Clusterierung auf der Grundlage der lokalen Homogenität des Bildes durchgeführt, die schließlich die Elemente in zwei Kategorien von Wasserkörpern und Nicht-Wasserkörpern unterteilt, um die Grenzen des Gletschersees automatisch zu extrahieren. SNIC verfügt sowohl über einen Grenzbegrenzungsmechanismus als auch über adaptive Samendichte-Einstellungsfähigkeit, die automatisch heterogene Gebiete aufgrund von Texturdifferenzen aufteilt und somit ideal für Randverschwimmtheit oder schwache Signalisituationen in den Gefriers-/Aufschmelzungsphasen von alpinen Gletscherseen geeignet ist.
Spezifische Prozesse wieFig. 2gezeigt. Zunächst wird die kontinuierlich verteilte Gletschersee-Entität in unabhängige Analyseeinheiten aufgeteilt, um sicherzustellen, dass jeder Seekörper eine erkennbare Doppelspitzenverteilung innerhalb eines lokalen statistischen Bereichs darstellt; Zweitens wird festgestellt, dass die extremen Werte an beiden Enden des Radar-Rückstreuungshistogramms einen vergrößernden Effekt auf den Clusterfehler haben, die mittleren 98% des Bildes beibehalten und den höchsten und niedrigsten Prozentsatz der jeweiligen 1% des Offclusterwerts beseitigen, um die Rand-Aggression zu unterdrücken und die Diskretität des Clusters zu verbessern; Schließlich werden die Schnittbildfragmente für jeden Seekörper berechnet, eine kontinuierliche Zeitreihe von Wasserkörpersmasken ausgegeben und die Flächenveränderungen berechnet, um die quantitative Überwachung des gesamten Prozesses des Auftretens und Verschwindens von Seeeis abzuschließen.
4 Ergebnisse
4.1 SAR-Bild der Größenveränderung des Gletschersees
Auf der Grundlage des in diesem Artikel vorgeschlagenen Algorithmus zur Extraktion von Gletscherseen wurden Informationen über die dynamischen Veränderungen des Gletschersees im Zeitraum vom 1. Januar 2020 bis zum 1. Januar 2021 erhalten. Um die Genauigkeit der Vektorierungsergebnisse sicherzustellen, wurden die Extraktionsergebnisse manuell überprüft und korrigiert. Korrekturprinzip: Gebiete im ergänzenden Bild mit Gletschersee-Charakteristiken, die jedoch nicht automatisch erkannt werden; Entfernen Sie Missverständnisse, die nicht die Eigenschaften eines Gletschersees aufweisen. Wenn die Oberfläche des Sees gefriert ist, wird das SAR-Bild nicht als Gletschersee identifiziert, da es aufgrund der Eisbedeckung schwierig ist, einen Gletschersee von einem nicht-Gletscherseegebiet zu unterscheiden. Das optische Bild kann aufgrund seiner offensichtlichen Grenzeigenschaften noch als Gletschersee erkannt werden. Die Korrektur erfolgt mittels einer Vektorkorrektur mit einem einzelnen Spieler und einer Überprüfung mit mehreren Spielern, um sicherzustellen, dass die Ergebnisse der Korrektur den wahren Grenzanforderungen entsprechen.
Statistische Veränderungen der GletscherseeFig. 3gezeigt. Nach saisonalen Merkmalen des tibetischen Klimas (史继清 等，2018Die durchschnittlichen Anfangsdaten der vier Jahreszeiten sind 25. Februar (Frühjahr), 31. Mai (Sommer), 15. September (Herbst) und 28. November (Winter).Fig. 3Es zeigt sich, dass die auf SAR-Bildern basierende Beitragsfläche erhebliche saisonale Schwankungen aufweist: Frühjahr expandiert, Sommer und Herbst erreichen ihren Höhepunkt und Winter schrumpft. Die Fläche ist relativ stabil, ohne deutliche saisonale Veränderungen. Es ist bemerkenswert, dass die SAR-Aufnahmen vom 1. Mai 2020 zeigen, dass die Beitragsfläche auf 0,14 km² gesunken ist. Leider fehlen zuverlässige optische Bilddaten bis zum 1. Mai 2020. Nur zwei PlanetScope-Bilder vom 21. April und 10. Mai zeigten keine deutlichen Änderungen in der Form des Beitrags.
Um zu untersuchen, warum sich die Fläche des Gletschersees in SAR-Bildern erheblich saisonal ändert, vergleicht dieser Artikel die optischen Bilder mit dem SAR-Bild in benachbarten Zeiten. wieFig. 4Wie gezeigt, wird das SAR-Bild im Wasserkörper reflektiert, was zu einer schwächeren Intensität des Echosignals führt, die durch eine verringerte Helligkeit des Bildes gekennzeichnet ist, während das schwimmende Eis, das Eismorid usw. rauer sind, und das stärkere Echosignal wird durch eine erhöhte Helligkeit des Bildes gekennzeichnet. Sowohl im Frühjahr Konzo als auch in Ranzo ist schwimmendes Eis vorhanden, und die Merkmale des Gletschersees in den SAR-Bildern sind im Vergleich zu den optischen Bildern deutlich vermindert. Im Sommer werden die Merkmale des Gletschersees deutlicher, wenn die Gletschersee auf dem SAR-Bild dem optischen Bild am nächsten liegen, aber immer noch ein Teil des schwebenden Eises oder der Eismoren vorhanden ist. Mit dem Herbst sanken die Temperaturen allmählich und das Eisen auf dem See trat wieder auf. Im Winter ist der Beitrag vollständig gefroren, aber der Eisteil des Sees hat immer noch einige ähnliche Seecharakteristiken, nach der Beobachtung der zentralen Region der Seeoberfläche ist der See flach und hat keine Verunreinigungen wie Eismorine, die zu glatte Oberfläche erzeugt eine Spiegelreflexion ähnlicher Wasserkörper, was zu einer niedrigeren Signalstärke des Gletschersees in den SAR-Bildern führt.
4.2 Änderungen der Radareigenschaften im SAR-Bild
Die Ergebnisse zeigten, dass die tatsächlichen Flächenveränderungen von Tsoto und Ranzo während der Beobachtungszeit geringer waren und die Flächenschwankungen der SAR-Bilder hauptsächlich auf Änderungen der elektromagnetischen Streueigenschaften zurückzuführen waren, die durch das Eisen der Seeoberfläche verursacht wurden, was zu systematischen Abweichungen der Flächeninterpretation führte. Zur quantitativen Analyse der Auswirkungen des Eisprozesses auf die SAR-Bildcharakteristiken basiert die Studie auf dem Planetenbild von Konuto und Rancho vom 26. August 2020, um die Grenze des Gletschersees Vektor zu extrahieren (im Folgenden gemeinsam als "Benchmark-Vektor" bezeichnet) und SAR-Zeitreihendaten im Rahmen dieses Benchmark-Vektors zu verwenden. Die Gesetze der rückwärts spreienden Reaktion der beiden Seen in VV- und VH-Polarisationsmodalitäten sowie im Aufstieg- und Ablaufbeobachtungsmodus wurden systematisch analysiert.
Fig. 5undFig. 6Darstellung der zeitlichen Evolution der Intensität der rückwärts verteilten Streuung in den beiden Seeregionen:Fig. 5undFig. 6Darstellung des Zeitreihendurchschnitts des Koeffizienten der rückwärtigen Streuung in der Region des Gletschersees, wobei die Schattenbereiche den Bereich der Datenschwankungen repräsentieren;Fig. 5undFig. 6Charakterisiert die statistische Verteilung der durchschnittlichen Intensität in verschiedenen Monaten. Die Ergebnisse zeigten, dass es erhebliche Unterschiede zwischen den beiden Seen in verschiedenen Polarisationsmustern gibt, und die VV-Polarisation ist im Allgemeinen etwa 6-10 dB höher als die VH-Polarisation. Dieses Phänomen entspricht der Theorie der Streuung der Oberfläche des Wasserkörpers: Unter glatten Wasseroberflächenbedingungen wird das Radarsignal von Spiegelreflexionen dominiert, und das Verhältnis der Polarisationsrichtung ist niedriger, was zu einer deutlich schwächeren Echoenergie des VH-Kanals der Kreuzpolarisierung führt als der VV-Kanal der horizontalen Polarisation (Kirby等，2024）。 Die Beobachtungen zeigen, dass im VV-Polarisationsmodus die durchschnittliche Intensität der Zeitreihenfolge der beiden Seesteigbahnen konsistent ist, mit einer Differenz von etwa 2 bis 4 dB, aber es gibt eine systematische Verschiebung in einem bestimmten Zeitraum, die möglicherweise mit Eintrittswinkelunterschieden, beobachteten geometrischen Konfigurationen und projizierten Verzerrungen durch Geländeneigungen verbunden ist. Im VH-Polarisationsmodus ist der Unterschied in der durchschnittlichen Intensität der Steigbahn deutlicher und die Schwankungen der Zeitreihenfolge verstärken sich, insbesondere im April-September, was darauf hindeutet, dass die Kreuzpolarisierung eine höhere Empfindlichkeit für Eis-Wasser-Phasenwechselprozesse hat.
Die saisonale Entwicklung der rückwärtigen Streuung kann das Klima des Gletschersees deutlicher abbilden: (1) April bis September ist die Schmelzephase, die Intensität der rückwärtigen Streuung fällt steil ab, wobei der Rückgang der VH-Polarisierung besonders deutlich ist, diese Phase entspricht dem Schmelzen von Eis und Schnee, der Exposition von Flüssigen Wasserkörpern und der Verstärkung der Spiegelreflexion. (2) November bis Februar des nächsten Jahres ist die Gefrierperiode, in dieser Phase erhöht sich die Eisrauheit und die Zerstreuung von Schnee, die Intensität der Rückstreuung erholt. (3) Die Übergangsperioden im März und Oktober weisen große Zeitreihenschwankungen auf, die die Instabilität und Komplexität des Eis-Wasser-Phasenwechsels widerspiegeln. Der Seevergleich zeigt: die Standardabweichung der Streuungstärke nach dem Beitrag von 4-6 dB, die starke saisonale Evolution; Die Langtso-Standardabweichung von 2 bis 4 dB zeigt, dass die Sequenz stabiler ist, was darauf hindeutet, dass die geographische Umgebung geschlossener und die hydrologischen Bedingungen relativ stabiler sind. Um die Eigenschaften der VV- und VH-polarisierten Gletschersee besser darzustellen,Fig. 5undFig. 6Die Intensitätsverteilung basiert auf einem monatlichen Durchschnitt (Fig. 5undFig. 6）。
4.3 SAR interferiert mit Kohärenzveränderungen
Unter den Bedingungen des C-Band Sentinel-1 12 d-Wiederbesuchs ist das offene Wasser durch Spiegelreflexionen und Windwellen schnell verändert, mit niedriger Intensität und nahezu nuller Kohärenz (Antonova等，2016）。 Neues dünnes Eis oder schnell wachsende / verschmolzene Eiskörper können zwar eine erhöhte Reflexionssignalintensität auf offenem Wasser haben, aber ihre Struktur ändert sich schnell mit dem Wasserzustand und zeigt sich immer noch als geringe Kohärenz. Wenn die Temperatur sinkt, verlangsamt sich die Eisbewegung allmählich, und seine inneren strukturellen Veränderungen neigen auch zur Stabilisierung, wie Küsteneis, stabiles dickes Eis, wird die Kohärenz zu diesem Zeitpunkt erheblich erhöht werden.Tian等，2015）。
Fig. 7Dargestellt ist die zeitliche Intensitätswerte und die Interferenzkohärenz von Beitrag- und Landbahnbildern von Ranzo. Die Interferenzkohärenz wird mit einem Box-Liniendiagramm gezeichnet, um die Kohärenzverteilung aller Bilder im Referenzvektorbereich zu zeigen, und das Reflexionssignal wird immer noch mit einem Foldliniendiagramm gezeichnet, um den Intensitätsmittelwert im Referenzvektorbereich zu zeichnen, um den Kontrast zu der Interferenzkohärenz zu bilden. Beiträge (Fig. 7、 （b））， Die Kohärenz verteilte sich in den Monaten Januar-März und November-Dezember deutlich höher als in anderen Monaten, mit einem Durchschnittswert von etwa 0,2 und drei Viertel-Quintilen zwischen 0,25 und 0,3, was darauf hindeutet, dass der Beitrag zu einer größeren Bandbreite von stabilem Küsteneis oder dickem Eis in diesem Zeitraum bildete. Zwischen April und September blieb die Interferenzkohärenz auf einem niedrigen Niveau mit einem Durchschnittswert von ungefähr 0,15 und drei Viertel des Quintals lag in der Nähe von 0,2, wenn es wahrscheinlich nur dünnes Eis oder offenes Wasser gab. Für Lango (Fig. 7、 （d））， Langtso hat eine allgemeine geringe Kohärenz über das ganze Jahr mit einem Durchschnittswert von ungefähr 0,15, drei Viertel des Quartils liegen in der Nähe von 0,2, nur ein geringer Anstieg zwischen Januar und März und November und Dezember, seine Eisfläche hat stärkere Veränderungen im Vergleich zu den Beiträgen und eine begrenzte stabile Eisabdeckung.
5 Diskussionen
5.1 Auswirkungen des Klimas auf die Charakteristik des SAR-Gletschersees
Die post-SAR-Streuungssignaländerungen, die durch das Eisen von Gletscherseen verursacht werden, sowie die Evolution der Interferenzkohärenz sind eng mit klimatischen Faktoren verbunden, von denen die Auswirkungen der Temperatur am direktesten und deutlichsten sind.Fig. 8Auf der Grundlage der täglichen aggregierten Daten des GEE-Aufrufs ERA5-Land wurden die Temperaturen von 2 m und die Oberflächentemperaturen im Forschungsgebiet im Zeitraum 2020-2021 ermittelt. Die Ergebnisse zeigen, dass die Temperaturen in der Region das ganze Jahr über niedrig sind: Mindestens -26 ° C, höchstens nur 8 ° C; Die Oberflächentemperaturschwankungen sind häufiger, bis zu -30 ° C und bis zu 13 ° C. Beide Trends der saisonalen Veränderungen waren im Wesentlichen konsistent, nach März schrittweise erwärmt, erreichte den Spitzenwert im August und September, und ging anschließend schnell zurück, bis November auf den Durchschnitt des Märzes herab. Die Temperaturreihenfolge zeigt, dass die Temperaturen seit dem 20. Mai über 0 ° C bleiben und bis zum 18. Oktober anhalten. Im Gegensatz dazu wurde der Beitrag zur optischen Bilddarstellung am 10. Mai abgeschlossen, möglicherweise früher, aber es fehlt effektive Bildunterstützung; Das Gefrieren fand am 19. November statt, während die Bilder vom 16. November noch nicht gefriert sind.
Die SAR-Intensität der Beiträge nahm Mitte März deutlich ab und stieg bis Anfang November allmählich an. Dieses Phänomen ist eng mit einer Veränderung der Eisdicke verbunden, bei der Radarwellen innerhalb eines bestimmten Dickenbereichs durch die Eisschicht gelangen können. Theoretisch kann die Durchdringtiefe des C-Bandes in Trockeneis unter trockenen Kältebedingungen mehrere Meter erreichen; Aber in der praktischen Anwendung, wenn die Dicke der Eisschicht eine bestimmte Schwelle überschreitet, erzeugt der reflektierende Echo von der Eis-Gas-Schnittstelle und der Eis-Wasser-Schnittstelle eine Phasendifferenz und erfüllt die Absenkungsbedingungen, was zu einer signifikanten Verringerung des effektiven Echos von der Wasseroberfläche führt.Ferro-Famil和Gay，2016）。 Aus diesem Grund führt die Dickung des Eiskörpers in der Regel zu einer Erhöhung der SAR-Intensität, die sich umgekehrt als eine Abnahme der Intensität manifestiert. Der Beitrag zeigt typische Eigenschaften des statischen Wassers, wobei das Seeeis in flachen Gewässern nahe der Küste dicker ist und das Seeeis in tiefen Gewässern dünner ist. Sein physikalischer Mechanismus besteht darin, dass die Wärmekapazität in flachen Gewässern niedriger ist, der Winter schneller abkühlt und die anfängliche Eiszeit früher ist als in Tiefwasserregionen; Der Seekern ist tiefer, der Wasserkörper speichert mehr Unterwärme, der Einfrierprozess ist verzögert und die gebildete Eisschicht ist relativ dünn.
Um den Zusammenhang zwischen dem Beitrag und den SAR-Bildcharakteristiken und den Klimafaktoren des Langtso-Gletschersees weiter zu untersuchen, erstellt dieser Artikel ein Thermogramm auf der Grundlage des Pearson-Korrelationskoeffizienten (Fig. 9 ), um den Mechanismus der Wirkung der Klimabedingungen auf die Eigenschaften der Mikrowellenstreuung von Gletscherseen aufzudecken.
Durchschnittliche SAR-Intensität (Fig. 9Es gibt deutliche Unterschiede in der Korrelation zwischen den verschiedenen Klimafaktoren. Die Korrelation zwischen der Lufttemperatur und der Oberflächentemperatur von 2 m ist relativ schwach mit einem negativen Korrelationskoeffizienten von -0,33 bzw. -0,27. Die Korrelationen zu den Beiträgen waren deutlich negativ mit Korrelationskoeffizienten von -0,75 bzw. -0,73. Die Erwärmung führt zu einer Erhöhung der Eisschmelzung und des Feuchtigkeitsgehalts, ändert die dielektrische Konstante und die Oberflächenrauhe und erhöht den Anteil des offenen Wassers, um die Rückstreuungstärke zu unterdrücken. Es ist bemerkenswert, dass die Eisdicke des Sees und die Schneedecke auch starker mit der Rückstreuungstärke von SAR korreliert sind, die möglicherweise aus den körperlichen Streuungseigenschaften der Schneebedeckung und der elektromagnetischen Absorption des nassen Schnees entstehen, um die Echoenergie zu reduzieren. Im Gegensatz dazu ist die lineare Korrelation zwischen durchschnittlicher Windgeschwindigkeit, Gesamtniederschlag und Intensität schwach, was darauf hindeutet, dass ihre direkten linearen Auswirkungen auf die Intensität der rückwärtigen Streuung begrenzt sind.
Die Interferenzkohärenz reagiert weniger auf die meisten Klimafaktoren als auf die Intensitätsmerkmale, wobei der absolute Korrelationskoeffizient im Allgemeinen unter 0,25 liegt, was darauf hindeutet, dass die Interferenzkohärenz eher durch die grundlegenden Abstände zwischen zwei SAR-Abbildungen und drastische Veränderungen der physikalischen Eigenschaften der Oberfläche selbst dominiert werden kann, während die durchschnittliche Zustandskohärenz mit diesen Klimafaktoren geringer ist. Die Lufttemperatur von 2 m ist jedoch mittelständisch negativ mit der Oberflächentemperatur und der Interferenzkohärenz verbunden. Die Kohärenz des Langotsees beträgt -0,47 bzw. 0,46 und ist sogar etwas höher als die Korrelation des Konotsees. Eine erhöhte Temperatur verringert die Interferenzkohärenz des SAR-Signals erheblich, und das schnelle Schmelzen von Eis, eine Änderung des Schneewasserzustands oder eine Verformung der Oberfläche durch eine erhöhte Temperatur kann zu einer drastischen Veränderung der Oberflächenstreuungseigenschaften während der beiden SAR-Aufnahmen führen, was zu einer erheblichen räumlichen und zeitlichen Deskohärenz führt.
Daher sollte bei der Extraktion der Gletscherseefläche mit SAR-Bildern die Zeit mit hohen Temperaturen und einem erheblichen Anteil an offenem Wasser bevorzugt gewählt werden, um die Störungen der Interpretation des Wassers durch die Eisstreuung des Sees zu verringern. Bei der Aufmerksamkeit auf die Entwicklung des Seeeises ist es ratsam, die Rückstreuungstärke und die Interferenzkohärenz gemeinsam zu analysieren, um den Raumbereich des Seeeises zu bestimmen, stabile Eiskörper zu identifizieren und die relative Eisdicke und die mechanische Stabilität zu ermitteln.
5.2 Beurteilung des Gletschersee-Zustands auf der Grundlage der Schwelle der Stärke-Kohärenz-Kombination
Insgesamt kann das SAR-Bild den Gefrierzustand des Wassers durch Echointensitätsänderungen effektiv erkennen, während die Kohärenz eine Dimension der „Stabilität“ zur Überwachung des Gefrierschmelzens von Gletscherseen bietet, die die Intensität ergänzt, um weiterhin festzustellen, ob stabile Eiskörper im See vorhanden sind. Aufgrund der Spiegelreflexionseigenschaften des Wasserkörpers sind die Kreuzpolarisierten VH-Kanäle empfindlicher auf Wasserveränderungen. In den Gewässern könnte die Verstärkung des SAR-Echosignals auf ein Gefrieren des Gletschersees hinweisen; Basierend auf dem SAR-Bild von Tsutsu und der Interferenzkohärenz kann der Gletschersee-Zustand verwendet werdenTable 1Dargestellt wird eine Unterscheidung durchgeführt, bei der die Kohärenz durch eine kurzfristige Interferenzkohärenz mit einem Zeitraum von 12 d gekennzeichnet ist. Diese Schwelle wurde mehrfach statistisch getestet und im Vergleich zu optischen Fernerkundungsbildern ausgewählt, um das Eisgebiet von Koto und Rancho effektiver zu beschreiben. Spezifische Klassifizierungsergebnisse wieFig. 10Wie gezeigt, zeigt das Diagramm die Klassifizierungsergebnisse der Gletschersee in den Aufstiegsbildern. Es ist wichtig zu beachten, dass die Ursachen für die Erhöhung des Gletschersees komplexer sind, z. B. die erhöhte Oberflächenrauheit durch Windwellen kann auch zu einer verstärkten Streuung führen, so dass es schwierig ist, Fehler vollständig zu vermeiden.
Table 1 Parameter settings for determining glacial lake states from SAR imagery
| 类型 | 强度范围/dB | 相干性范围 |
|---|
| 开阔水体 | VH≤-4 | 相干性均值≤0.15 |
| 薄冰 | -20≤H≤-24 | 相干性均值≤0.15 |
| 稳定冰 | VH≥-20 | 相干性均值≥0.15 |
Diese Schwelle ist empirisch festgelegt und erfordert weitere Tests und Anpassungen bei der Migration zu anderen Gletscherseegeln. Darüber hinaus basiert die in diesem Artikel verwendete Interferenzkohärenz auf benachbarten SAR-Bildern mit einem Zeitintervall von 12 d. Obwohl dickes Eis längere Zeit aufrechterhalten kann, verringert die Formierung des Eiskörpers während des Zerstörungsprozesses die Kohärenz erheblich. Daher können solche Kohärenzindikatoren mit zeitlichen Differenzen nur qualitativ verwendet werden, um festzustellen, ob stabiles dickes Eis vorhanden ist, und sind nicht ausreichend, um eine quantitative Identifizierung zu unterstützen. Durch die Verkürzung der Interventionszeitgrundlage, z. B. durch die Verwendung eines Multi-Empfängersatelliten wie TanDEM-X zur Verbesserung der Kohärenz, können offenes Wasser, dünnes Eis und stabiles dickes Eis effektiver unterschieden werden.
6 Schlussfolgerungen
Dieser Artikel basiert auf Sentinel-1 SAR-Daten und überwacht die interjährlichen Veränderungen in der Wasserfläche von Koto und Rancho im Jahr 2020 und wählt optische Bilder aus mehreren Quellen, die keine Wolken haben, um die Auswirkungen des Eiszerstörungsprozesses auf die rückwärts verteilte SAR-Bildung zu untersuchen. Die Ergebnisse zeigten, dass Langtso das ganze Jahr über eine stabile Flächenleistung in SAR-Bildern verzeichnete, während der Beitrag erhebliche saisonale Schwankungen mit einer Fläche von 1,85 bis 2,65 km² im Bereich der Gletscherseewasser zeigte, im Vergleich zu einer Fläche von 2,6 bis 2,8 km² in den optischen Bildern.
Eine weitere Analyse der SAR-Nachstreuungscharakteristiken zeigte, dass die Eisbedeckung des Sees von November bis März des nächsten Jahres beigetragen wurde, was zu einem Verschwinden der offenen Wassercharakteristiken des Gletschersees führte, was zu einer saisonalen Unterschätzung der Extraktion von SAR-Wassermassen führte. Um die Reaktionsmechanismen von SAR-Signalen auf See-Eis zu untersuchen, implementierte diese Studie eine zwei-zwei-Differential-Interferenzbehandlung auf benachbarte Zeitreihenbilder von SAR und ergänzte den Mangel an SAR-Intensität in der Dimension der Zeitstabilität mit der Interferenzkohärenz. Statistische Merkmale zeigen, dass bei VH≤-24 dB, VV≤-16 dB und Kohärenz≤0,15, kann effektiv unterscheiden Beto und Ranzo See Eis und offenes Wasser. Zur gleichen Zeit bestätigten die Daten der ERA5-Land-Nachanalyse, dass saisonale Schwankungen der regionalen Temperatur der dominierende Faktor für die Veränderung der Charakteristik des SAR-Signals waren: Mitte Mai bis Mitte Oktober blieben die Temperaturen und die Oberflächentemperaturen über 0 ° C, was der Auffrostzeit der Seeoberfläche entspricht, die optisch beobachtet wurde; Mit sinkenden Temperaturen ist der See nach November wieder gefroren. Der SAR-Intensitätswert und der Pearson-Korrelationskoeffizient für die Temperatur erreichten -0,75, was bestätigt, dass die erhöhte Temperatur dazu beiträgt, das Eis des Sees zu schmelzen und das Eis zu verdünnen, was die effektive Streuffläche des Radars verringert, was zu einer Verringerung der gesamten Echointensität führt.
Insgesamt enthüllt dieser Artikel die grundlegenden Fehlerquellen von SAR-Bildern bei der Überwachung von Gletscherseen, analysiert das System die Mikrowellen-Reaktionsmerkmale der Rückstreuung von Kobato und Ranzo und schlägt eine Methode zur Unterscheidung von Gletscherseen und Seeisen auf der Grundlage der Intensitäts-Kohärenzschwelle vor, die einen praktikablen technischen Weg zur dynamischen Überwachung von Gletscherseen unter saisonalen Schmelzbedingungen bietet. Angesichts der Vielfalt der Gletschersee auf dem Tibetischen Plateau in Bezug auf Höhe, Klima und Schmelzecharakteristiken muss die Anwendbarkeit dieser Methode für Gletschersee in einem größeren Umfang weiter geprüft und optimiert werden.
