XiaoMi-AI文件搜索系统
World File Search System雪深
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。
地表洪水对空中积雪估计的影响...
摘要。机载雪深雷达观测数据（例如 NASA 的“冰桥行动” (OIB) 任务）最近已用于高度计得出的海冰厚度估计以及模型参数化。在北冰洋西部进行了许多比较机载和现场雪深测量的验证研究，证明了机载数据的实用性。但是，在北极的大西洋地区尚未进行验证研究。最近对该地区进行的观测表明，由于薄海冰上的深雪，雪冰状态发生了显著且主要的转变。在挪威年轻海冰、气候和生态系统 (ICE) 考察 (N-ICE2015) 期间，于 2015 年 3 月 19 日在斯瓦尔巴群岛北部地区进行了一项验证研究。这项研究在 OIB 飞越期间收集了地面真实数据。在二维 (2-D) 400 m × 60 m 网格上获得了雪和冰厚度测量值。从相邻浮冰现场收集的额外雪和冰厚度测量值有助于将在网格调查现场获得的测量值置于更区域性的环境中。由于相对较薄的海冰上普遍存在厚雪的情况，在 N-ICE2015 考察期间观察到了广泛的负干舷和积雪淹没。这些条件导致盐水渗入基底雪层并饱和。这导致机载雷达信号发生更多的弥散散射，从而可以很好地探测到雷达主散射地平线的位置
传感器 - ScienceOpen
摘要：本研究提出了一种新方法，利用无人机 (UAV) 成像联合评估积雪深度和冬季叶面积指数 (LAI)，后者是植被的结构特性，影响积雪和融雪。在冬季，评估了在捷克共和国舒马瓦国家公园 (Šumava NP) 内部分健康或受昆虫影响的挪威云杉林和草地覆盖区拍摄的一组多时间高分辨率数字表面模型 (DSM)（无雪和积雪条件），以评估积雪深度。无人机得出的 DSM 的分辨率为 0.73–1.98 cm/pix。通过减去 DSM，确定了积雪深度，并与在地面控制点 (GCP) 位置进行的手动雪深测量进行比较，均方根误差 (RMSE) 在 0.08 m 到 0.15 m 之间。将基于无人机的积雪深度与更密集的手动积雪深度测量网络进行比较分析，得出的 RMSE 在 0.16 m 到 0.32 m 之间。LAI 评估对于正确解释森林地区的积雪深度分布至关重要，它基于在森林状况下拍摄的俯视无人机图像。为了从俯视无人机图像中识别冠层特征，使用雪背景代替天空部分。参考了两种有效的冬季 LAI 检索常规方法，即 LAI-2200 植物冠层分析仪和数字半球摄影 (DHP)。与实地调查相比，冠层密度和地面特性对基于无人机成像的 DSM 评估准确性的影响显而易见。基于无人机的 LAI 值提供的估计值与 LAI-2200 植物冠层分析仪和 DHP 得出的值相当。与常规调查的比较表明，使用无人机摄影测量方法高估了春季积雪深度，低估了春季 LAI。由于积雪深度和 LAI 参数对于积雪研究至关重要，因此这种组合方法在未来将具有重要价值，可以简化雪深和雪动力学的 LAI 评估。
无人机安装的雪雷达系统
摘要：机载地面穿透雷达系统提供了一种安全且效率的方法，可在挑战性地形中测量雪深和积雪地层，并具有潜在的雪崩危险。雪花龙是一种定制的雪测量系统，其中包含一个未螺旋的航空车辆（UAV）平台和雷达有效载荷。专门设计用于在各种雪覆盖场景上进行雪调查，该系统具有针对此类任务的性能属性。在这里，我们介绍了完整系统的技术实施，再加上在Svalbard上进行的三个广泛的现场活动的验证结果。此外，我们还提供了对雪地无人机获得的雪地层测量结果的见解，并原位获得了雪轮剖分以进行比较分析。通过将雷达观测值与1673的共同位置测量降雪深度相关联，范围从5到200 cm，并揭示了高度的一致性，从而产生了r = 0.938的相关系数。雪花源是可靠有效的工具，可在坡度范围内协助当地的雪崩危险评估，其中有关积雪深度和结构的信息至关重要。