XiaoMi-AI文件搜索系统
World File Search System冰川
海拔 4863 米的 Chhota Shigri 冰川冰碛（印度喜马拉雅山脉西部）冬季雪面能量平衡和升华的 11 年记录
图 1. (A) Chhota Shigri 冰川集水区，显示 AWS-M（红点）、AWS-G（橙点；中间消融区）和 Geonor T-200B 自动降水计（绿点）的位置。冰川轮廓是使用 2014 年 Pléiades 图像得出的（Azam 等人，2016 年）。背景是 2020 年 9 月 12 日的 Pléiades 正射影像（版权所有 CNES 2020，发行空客 D&S）。(B) 喜马拉雅西部 Chhota Shigri 冰川地区的位置。(C) Chandra 盆地地图，标有 Chhota Shigri 集水区（红色矩形）。海拔基于 110
世界冰川清单，版本 1 用户指南
7 冰川和雪原 形状不定的小冰块，位于洼地、河床或受保护的斜坡上，由某些年份的雪堆、雪崩和/或特别严重的积雪形成。通常看不到明显的流动模式；并且至少连续存在两年。
秘鲁冰川的能量和质量平衡
秘鲁的大部分人口和经济活动集中在干燥的沿海平原和安第斯山脉西坡，这些地区依赖科迪勒拉山脉作为重要的径流来源 (Vergara et al., 2007)。冰川径流对维持秘鲁的水资源至关重要，特别是在旱季 (约 5 月至 10 月)。全球约 70% 的热带冰川 (约 1,603 平方公里，RGI 6.0) 位于秘鲁，主要分布在三个地区：南纬 13° 以北的西科迪勒拉山脉，被划分为北部湿润外热带地区 (包括我们的第一个研究区域，瓦拉斯附近的布兰卡山山脉)；南纬 13° 以南的东科迪勒拉山脉，被划分为南部湿润外热带地区 (包括我们的第二个研究区域，库斯科附近的维尔卡诺塔山山脉)；最后是南纬 15° 以南的西科迪勒拉山脉的冰川，被归类为干燥的外热带地区（Sagredo & Lowell，2012 年；Seehaus 等，2019 年）。
避免进行冰川钻孔的热点钻孔
在几小时至几天内冷冰中的水孔中充满水的钻孔，并且先前尝试用防冻剂保持开放的尝试，从而使泥浆有效地冻结了孔，甚至更快地冻结了孔。因此，反冻作作为稳定热水钻孔的一种方法。在热点钻孔中，在钻孔过程中没有将外部水添加到孔中，因此在钻孔继续向下融化时，可以使用较早的防冻剂注射。在这里，我们使用圆柱形Stefan模型来探索代表热点钻孔的参数空间内的泥浆形成。我们发现，较早的注射正时正常通过注入足够的防冻剂来完全避免泥浆，从而使钻孔穿过钻的半径。与热水钻孔一样，替代方法是在防冻注射后强迫在孔中混合，以确保将冰重新冻结到钻孔壁上，而不是在溶液中以泥浆的形式进行重新冻结。
空间技术在冰湖溃坝防洪减灾中的应用：以伊姆扎冰川湖为例
气候变化已成为 21 世纪的热点问题之一。根据政府间气候变化专门委员会 (IPCC) 的定义，气候变化是“直接或间接归因于人类活动改变全球大气成分的气候变化，并且是在可比时间段内观察到的自然气候变化之外的气候变化”（IPCC，2020 年）。其直接影响包括全球气温升高、极端或低降雨量以及冰川融化加速，从而导致冰川湖溃决洪水 (GLOF)。潜在危险附近的当地人民是受气候变化影响最大的人。它不仅会造成经济损失，还会改变当地的地形、改变社会结构并造成可能需要几代人才能恢复的长期生计问题。
使用低成本无人机和运动结构方法快速、高分辨率绘制冰川地貌图的操作框架
摘要：本研究提出了使用廉价无人机和运动结构法快速、高分辨率绘制冰川地貌的操作框架。拟议的工作流程包括七个阶段：（1）准备和选择合适的平台；（2）运输；（3）初步现场活动（包括可选的地面控制点收集）；（4）飞行前设置和检查；（5）执行任务；（6）数据处理；（7）测绘和变化检测。挪威斯瓦尔巴群岛 Hørbyebreen 冰川前陆的测绘案例研究说明了拟议框架的应用。使用消费级四轴飞行器（DJI Phantom）收集数据，并使用运动结构法处理图像。由此产生的正射影像（1.9 厘米地面采样距离 - GSD）和数字高程模型（7.9 厘米 GSD）用于详细绘制与冰川相关的地貌。它证明了所提出的框架的适用性，可以使用低成本方法绘制并潜在地监测快速演变的冰川前环境中的详细变化。其涵盖多个方面，确保所提出的框架具有通用性，并可应用于更广泛的环境。
地面 SfM–MVS 监测冰川的适用性...
摘要。随着运动结构 (SfM) 和密集图像匹配 (如多视角立体成像 (MVS)) 等计算机视觉算法的最新发展，基于照片的表面重建正迅速成为地球科学许多领域中激光雷达 (光检测和测距) 的替代勘测技术。这项研究的目的是测试地面 SfM-MVS 方法是否适用于计算 2.1 平方公里冰川的大地质量平衡以及探测位于意大利东部阿尔卑斯山的邻近活岩冰川的表面位移。这些照片是在 2013 年和 2014 年使用数字消费级相机在单日实地调查中拍摄的。机载激光扫描 (ALS，也称为机载激光雷达) 数据被用作基准，以估计摄影测量数字高程模型 (DEM) 的准确性和该方法的可靠性。 SfM-MVS 方法能够重建高质量的 DEM，所提供的冰川和冰缘过程估计值与使用 ALS 可实现的估计值类似。在冰川外的稳定基岩区域，2013 年和 2014 年 SfM-MVS DEM 与 ALS DEM 之间的高程差的平均值和标准差分别为 − 0.42 ± 1.72 和 0.03 ± 0.74 m。两种方法下冰川高程损失和增益的总体模式相似，范围在 − 5.53 至 + 3.48 m 之间。在岩石冰川区域，高程差小于
DEMMIN – 使用建模和遥感数据演示生物量潜力评估的试验场 Erik Borg 博士 *) 、Holger Maass *) 、Edgar Zabel **) *) 德国航空航天中心 (DLR)、德国遥感数据中心 (DFD) **) 兴趣小组 Demmin Kalkhorstweg 53 D- 17235 Neustrelitz 与会议 2 相关 摘要：通过“全球环境和安全监测 (GMES)”倡议，欧盟 (EU) 和欧洲航天局 (ESA) 制定了一项雄心勃勃的计划，利用空间遥感技术以及其他数据源和监测系统为欧洲市场提供各种环境、经济和安全方面的创新服务。为了实现这一目标，必须实施自动化的实时和近实时基础设施，以便自动处理遥感数据。空间段和地面段的必要开发和实施已经在推进中。将开发用于获取增值产品的自动化处理链和处理器，特别是开发用于校准和验证遥感任务的测试站点。海报介绍了 DLR 测试站点 DEMMIN（持久环境多学科监测信息网络），它是校准和验证生物质和生物能源增值数据产品、区域规模生物质模型（如 BETHY/DLR）的先决条件，并展示了在实践中使用遥感数据和产品获取生物质潜力的可能性。考虑到这一背景，该演示文稿介绍了 DLR 的测试站点 DEMMIN，包括其特定的区域特征、现场测量仪器和现有数据库。测试站点 DEMMIN 是一个密集使用的农业区，位于德国东北部梅克伦堡-前波美拉尼亚州德明镇附近（距柏林以北约 180 公里）。自 1999 年以来，DLR 与 Demmin 利益集团 (IG Demmin) 一直保持着密切的合作。DEMMIN 的范围从北纬 54°2 ′ 54.29 ″、东经 12°52 ′ 17.98 ″ 到北纬 53°45 ′ 40.42 ″、东经 13°27 ′ 49.45 ″。IG Demmin 由 5 家农业有限责任公司组成，占地约 25,000 公顷农田。该地貌属于上一次更新世 (Pommersches stadium) 形成的北德低地。其特点是冰川河流沉积物和冰川湖沼沉积物以及反映在略微起伏的地貌中的冰碛。土壤基质以壤土和沙壤土为主，与纯沙斑或粘土区域交替出现。试验场的海拔高度约为 50 米，试验场东南部托伦塞河沿岸有一些坡度较大的山坡（12°）。年平均气温为 7.6 至 8.2°C。降水量约为 500 至 650 毫米。由于微地形，气候条件在局部范围内可能存在很大差异。该地区的田地面积很大，平均为 80 - 100 公顷。主要种植的作物是冬季作物，覆盖该地区近 60% 的田地。玉米、甜菜和土豆约占 13%。由于 DLR 与 IG Demmin 的合作，科学家们得到了农民的支持，并为他们的调查提供了重要信息。例如，数字准静态数据（如土壤图、地块图）或数字动态数据（如产量图和应用图）。除了数据库之外，DEMMIN 还实现了农业气象网络，它可以自动测量影响成像过程的所有农业气象参数，同时进行空间或机载遥感。
DEMMIN – 使用建模和遥感数据演示生物量潜力评估的试验场 Erik Borg 博士 *) 、Holger Maass *) 、Edgar Zabel **) *) 德国航空航天中心 (DLR)、德国遥感数据中心 (DFD) **) 兴趣小组 Demmin Kalkhorstweg 53 D- 17235 Neustrelitz 与会议 2 相关 摘要：通过“全球环境和安全监测 (GMES)”倡议，欧盟 (EU) 和欧洲航天局 (ESA) 制定了一项雄心勃勃的计划，利用空间遥感技术以及其他数据源和监测系统为欧洲市场提供各种环境、经济和安全方面的创新服务。为了实现这一目标，必须实施自动化的实时和近实时基础设施，以便自动处理遥感数据。空间段和地面段的必要开发和实施已经在推进中。将开发用于获取增值产品的自动化处理链和处理器，特别是开发用于校准和验证遥感任务的测试站点。海报介绍了 DLR 测试站点 DEMMIN（持久环境多学科监测信息网络），它是校准和验证生物质和生物能源增值数据产品、区域规模生物质模型（如 BETHY/DLR）的先决条件，并展示了在实践中使用遥感数据和产品获取生物质潜力的可能性。考虑到这一背景，该演示文稿介绍了 DLR 的测试站点 DEMMIN，包括其特定的区域特征、现场测量仪器和现有数据库。测试站点 DEMMIN 是一个密集使用的农业区，位于德国东北部梅克伦堡-前波美拉尼亚州德明镇附近（距柏林以北约 180 公里）。自 1999 年以来，DLR 与 Demmin 利益集团 (IG Demmin) 一直保持着密切的合作。DEMMIN 的范围从北纬 54°2 ′ 54.29 ″、东经 12°52 ′ 17.98 ″ 到北纬 53°45 ′ 40.42 ″、东经 13°27 ′ 49.45 ″。IG Demmin 由 5 家农业有限责任公司组成，占地约 25,000 公顷农田。该地貌属于上一次更新世 (Pommersches stadium) 形成的北德低地。其特点是冰川河流沉积物和冰川湖沼沉积物以及反映在略微起伏的地貌中的冰碛。土壤基质以壤土和沙壤土为主，与纯沙斑或粘土区域交替出现。试验场的海拔高度约为 50 米，试验场东南部托伦塞河沿岸有一些坡度较大的山坡（12°）。年平均气温为 7.6 至 8.2°C。降水量约为 500 至 650 毫米。由于微地形，气候条件在局部范围内可能存在很大差异。该地区的田地面积很大，平均为 80 - 100 公顷。主要种植的作物是冬季作物，覆盖该地区近 60% 的田地。玉米、甜菜和土豆约占 13%。由于 DLR 与 IG Demmin 的合作，科学家们得到了农民的支持，并为他们的调查提供了重要信息。例如，数字准静态数据（如土壤图、地块图）或数字动态数据（如产量图和应用图）。除了数据库之外，DEMMIN 还实现了农业气象网络，它可以自动测量影响成像过程的所有农业气象参数，同时进行空间或机载遥感。
加拿大冰川国家公园的雪崩地形建模
第四章：雪崩的统计偏差建模.....................................................................................................................91 4.1 简介..............................................................................................................................91 4.2 数据来源回顾..............................................................................................................93 4.3 alpha-beta 偏差模型................................................................................................96 4.4 数据集描述.........................................................................................................................98 4.4.1 异常值的识别.........................................................................................................98 4.4.2 残差的正态分布检验....................................................................................100 4.4.3 用于回归分析的数据集的描述性统计.............................................................101 4.4.4 回归模型变量之间的相关性....................................................................104 4.5 方法.............................................................................................................................107 4.5.1 雪崩剖面和确定最佳拟合模型.....................................................................108 4.5.2 Alpha-beta滑行模型结果................................................................................................110 4.6 验证...................................................................................................................115 4.7 将三个预测因子（公式 4.6）应用于高速公路雪崩路径的示例......................................................................................................116 4.8 在偏远地区仅应用 beta 值的示例（公式 4.7）.............................................................119 4.9 讨论......................................................................................................................119 4.9.1 潜在的错误来源....................................................................................................123