XiaoMi-AI文件搜索系统
World File Search System雪深
飞机进行空间连续积雪深度测绘... - TC
图 1。研究区域概览：2017 年飞机生成的积雪深度图（黑色）、2018 年积雪深度图范围（蓝色）以及 2019 年、2020 年和 2021 年各自航班得出的积雪深度区域（红色；对应于主要研究区域）。此外，还显示了 2018 年和 2021 年 UAS 覆盖的参考数据区域（绿色）。插图中的红色多边形描绘了瑞士主要研究区域的位置（地图来源：联邦地形局）。140
通过无人机航拍确定积雪深度分布...
确定积雪深度的空间分布不仅对于与饮用水供应或水力发电相关的民用目的至关重要，而且对于雪、水文和环境研究中的多种应用也至关重要。然而，积雪深度在空间和时间上都变化很大。因此，传统和最先进的积雪监测方法并不总是能够捕捉到如此高的空间变化，除非采用非常昂贵的解决方案。在这项研究中，我们提出了一种新方法，旨在通过利用地球科学研究环境中的两种低成本和新兴技术来提出解决问题的方法；运动结构 (SfM) 数字摄影测量和无人机 (UAV)。这些技术相结合的优点在于，它们可以以较低的运行成本和较少的工作量提供大面积的精确高分辨率数字高程模型 (DEM)。所提出的方法将利用这一资产，在地理参考雪面（雪 DEM）与其相应的底层地形（地形 DEM）之间进行减法，从而提供雪深分布图。为了在小规模上测试所提出方法的可行性和效率，在上述背景下调查了六个不同的积雪区域。这些区域的面积从 900 到 51,000 平方米不等，其中两个位于斯瓦尔巴群岛朗伊尔城附近，四个位于西格陵兰岛安登峡湾附近。调查在雪面类型、底层地形复杂性、亮度条件和所用设备方面有所不同，以评估该方法的适用范围。结果呈现为六张雪深分布图，并通过比较估计的雪深和一组质量控制点上探测到的雪深来验证。根据区域不同，探测到的雪深与估计的雪深之间的平均差异从最佳情况的 0.01 米到最坏情况的 0.19 米不等，同时空间分辨率范围从 0.06 到 0.1 米。彻底调查了每种情况的误差源，并评估了通过使用雪面和相应的底层地形中可见的公共地面控制点对 DEM 进行地理配准可以进一步减轻误差。在进行的测试中，该方法没有受到该区域的任何特定表面特征或任何调查条件的特别限制。尽管是在小规模区域进行测试，但通过考虑这些初步结果，该方法有可能成为一种简化程序，允许重复绘制雪动态图，同时降低运行成本，并且不会放弃获得高精度和高分辨率。
山区积雪深度的海拔依赖性 - TC
摘要。海拔高度对降水和降雪的数量和分布模式有重大影响。许多研究确定了正海拔梯度，通常基于稀疏降水站或雪深测量数据。我们对海拔 - 雪深关系进行了系统评估。我们分析了在季节性积雪量最大时通过遥感获取的七个山区面积雪深数据。将雪深平均到 100 m 海拔带，然后与各自的海拔水平相关联。评估在三个尺度上进行：（i）完整数据集（10 km 尺度）、（ii）子集水区（km 尺度）和（iii）坡度横断面（100 m 尺度）。我们表明，所有尺度的大多数海拔-积雪深度曲线都具有单一形状。平均积雪深度随海拔高度增加，直至达到一定水平，此时积雪深度达到明显峰值，然后在最高海拔处下降。我们用通常为正的降雪海拔梯度来解释这种典型形状，该梯度受积雪覆盖和地形相互作用的影响。这些过程包括降水的优先沉积和风、滑坡和雪崩对雪的重新分布。此外，我们表明，平均积雪深度峰值的海拔水平与岩石的主要海拔水平（如果存在）相关。