2015年東帕米爾高原克拉牙依拉克冰川躍動數據集

2015年東帕米爾高原克拉牙依拉克冰川躍動數據集
作者:張震 劉時銀 魏俊鋒
2018年10月31日
本作品收錄於《中國科學數據
張震, 劉時銀, 魏俊鋒. 2015年東帕米爾高原克拉牙依拉克冰川躍動數據集[J/OL]. 中國科學數據, 2018. (2018-10-31). DOI: 10.11922/csdata.2018.0009.zh.


摘要&關鍵詞

編輯

摘要:2015年5月東帕米爾高原克拉牙依拉克冰川(38°35′6″N–38°44′48″N,75°7′47″E–75°22′29″E)發生躍動,給當地牧民生產、生活帶來一定的損失。加強對躍動冰川的監測和分析,對冰川躍動機理和災害預警預報研究具有重要意義。本研究收集了冰川躍動期間Landsat 8影像,基於特徵匹配法提取了克拉牙依拉克冰川2015年4月13日至7月11日表面運動速度數據集(GeoTIFF格式,32位浮點型),空間分辨率為240 m,冰川運動速度誤差最高為±0.42 m d-1。根據躍動前後的2013年和2015年兩期質量較好的ASTER立體像對數據生成的DEM,提取了克拉牙依拉克冰川高程變化數據(GeoTIFF格式,32位浮點型),空間分辨率為30 m,經非冰川區域的高程殘差統計,冰川高程變化誤差為±0.7 m。本數據集可以作為躍動冰川的本底調查資料,也可以作為冰川動力學模型的輸入,為冰川躍動研究提供基礎數據支撐。另外,躍動冰川的監測結果有助於冰川災害預警預報研究,為中巴經濟走廊的經濟社會發展提供數據支撐。

關鍵詞:帕米爾;躍動冰川;冰川表面運動;冰川高程變化;Landsat;ASTER;克拉牙依拉克冰川

Abstract & Keywords

編輯

Abstract: Karayaylak Glacier (38°35′6″N–38°44′48″N, 75°7′47″E–75°22′29″E) is located in the northern slope of Jiubie Peak of Kongur Mountains, eastern Pamir, China. Its surge in May 2015 brought property losses to local residents. To enhance the monitoring and analysis of the surged glacier has important practical significance for exploring the glacier surge mechanism and for establishing a disaster early-warning mechanism. This study obtained the surface velocities of Karayaylak Glacier from April 13, 2015 to July 11, 2015 from Landsat images by using feature-tracking method. With a spatial resolution of 240 m, these data were stored in GeoTiff format in 32-bit floating point. A statistical analysis indicates that the results have an overall accuracy of less than ± 0.42 m d-1. The elevation change between 2013 and 2015 was also obtained from ASTER-derived DEM. With a spatial resolution of 240 m, the data were stored in GeoTiff format in 32-bit floating point. A statistical analysis of the residual error in non-glacial areas indicates that the results have an overall accuracy of about ± 0.7 m. The dataset can serve as the basis for investigating surged glaciers in this region, or as input data for building glacier dynamic models. It provides statistical support for glacier surge research. In addition, the monitoring data not only support further research in risk assessment and the early warning of glacier disasters, but also ensure the economic and social development of China–Pakistan Economic Corridor.

Keywords: Pamir, glacier surge; glacier surface velocity; glacier elevation change; Landsat; ASTER; Karayaylak Glacier

數據庫(集)基本信息簡介

編輯
數據庫(集)名稱 2015年東帕米爾高原躍動冰川數據集
數據作者 張震、劉時銀、魏俊鋒
數據通信作者 劉時銀(shiyin.liu@ynu.edu.cn)
數據時間範圍 2013–2015年
地理區域 北緯38°35′6″–38°44′48″,東經75°7′47″–75°22′29″
空間分辨率 30 m、240 m
數據量 0.4 MB
數據格式 *.tif
數據服務系統網址 http://www.sciencedb.cn/dataSet/handle/572
基金項目 國家自然科學基金項目(41701087,41671066);科技部科技基礎性工作專項項目(2013FY111400);雲南大學引進人才項目(YJRC3201702);國際合作項目(131C11KYSB20160061-4)。
數據庫(集)組成 數據集由兩部分組成,一是冰川表面運動速度數據集;二是冰川表面高程變化數據集。文件夾名稱分別為Velocity和ElevationChange。

Dataset Profile

編輯
Title Dataset of the May 2015 Karayaylak Glacier surge in eastern Pamir
Data corresponding author Liu Shiyin (shiyin.liu@ynu.edu.cn)
Data authors Zhang Zhen, Liu Shiyin, Wei Junfeng
Time range 2013 – 2015
Geographical scope 38°35′6″–38°44′48″N,75°7′47″–75°22′29″E
Spatial resolution 30 m, 240 m
Data volume 0.4 MB
Data format *.tif
Data service system http://www.sciencedb.cn/dataSet/handle/572
Sources of funding National Natural Science Foundation of China (41701087,41671066); Fundamental Work Program of the Ministry of Science and Technology of China (MOST) (2013FY111400); New Talents Research Program of Yunnan University (YJRC3201702); and International Collaboration Project (131C11KYSB20160061-4).
Dataset composition The dataset consists of 2 subsets titled 「Velocity」 and 「ElevationChange」, which record glacier surface velocity data and glacier elevation change data, respectively.


引 言

編輯

躍動冰川是具有間歇性和周期性快速運動的冰川,其在躍動期間運動速度突然加快並引起冰川物質快速轉移和冰體重新分布。冰川躍動時不僅可能淹沒下游森林、道路、村莊、草場等,而且可能帶來河道阻塞、冰湖潰決、泥石流、冰崩等災害,嚴重威脅生命和財產安全[1]。世界主要冰川作用區均有躍動冰川的報道,帕米爾和喀喇崑崙山地區冰川躍動較為頻繁[2][3]。2015年5月,東帕米爾高原公格爾山九別峰北坡克拉牙依拉克冰川西支(圖1)突然發生躍動,造成阿克陶縣61戶牧民房屋受損,上百頭牲畜失蹤,部分草場被淹沒。該躍動事件不僅受到新聞媒體和科研工作者的廣泛關注,而且發生在中巴經濟走廊穿越區、絲綢之路經濟帶上重要交通區域,賦予了本研究重要的現實意義。為認識常態冰川和躍動冰川的控制機理和準確識別躍動冰川過程,需要針對已發生躍動的冰川建立動力學模型。在建模的過程中,冰川運動速度和冰川高程變化數據是不可或缺的。由於冰川所處環境惡劣,野外觀測困難,並且缺乏定位觀測,因此遙感成為監測躍動冰川的主要手段[4][5]。基於遙感影像的冰川表面運動速度是指兩期或者多期影像的同名特徵點在單位時間內的位移變化。基於遙感方法獲取冰川運動速度和冰川高程變化均在冰川研究中取得了廣泛應用[6][7]

克拉牙依拉克冰川位於東帕米爾高原公格爾山九別峰(海拔7530 m)北坡,總長度約20.3 km。根據我國第二次冰川編目數據[8],該冰川面積115.6 km2,是東帕米爾高原最大的冰川。該冰川覆蓋大量表磧,表磧覆蓋率約為22.3%,冰川雪線高度4220 m,末端海拔2817 m。本文利用Landsat 8影像提取了克拉牙依拉克冰川躍動期間冰川表面平均運動速度數據,並且利用ASTER立體像對提取了躍動前後的高程變化,採用方法均已得到大量驗證[6][7],獲取數據可靠,可為進一步研究躍動冰川提供必要支撐。


圖片

圖1 克拉牙依拉克冰川地理位置示意圖


1 數據採集和處理方法

編輯

1.1 數據源與數字高程模型(DEM)的提取

編輯

本研究收集了躍動前後(2015年4月13日至2015年7月11日)Landsat 8衛星影像(表1),用於提取冰川表面運動速度。採用2013年6月11日和2015年6月17日獲取的ASTER L1A立體像對數據,分別在ENVI中提取數字高程模型(DEM)。平面控制坐標來源於Landsat影像,高程坐標來源於地形圖DEM,坐標系設置為WGS1984 UTM 43N,空間分辨率設為30 m。


表1 研究採用的數據

數據 時間 最優分辨率(m) 目的
Terra ASTER 2013年6月11日 15 提取DEM
Terra ASTER 2015年6月17日 15 提取DEM
Landsat OLI 2015年4月13日 15 提取表面運動速度
Landsat OLI 2015年4月29日 15 提取表面運動速度
Landsat OLI 2015年5月8日 15 提取表面運動速度
Landsat OLI 2015年5月15日 15 提取表面運動速度
Landsat OLI 2015年7月11日 15 提取表面運動速度
中國第二次冰川編目 2009年 / 冰川邊界參考
Landsat OLI 2013年10月9日 15 控制點平面參考
地形圖 1971–1976年 1∶50 000(比例尺) 控制點高程參考


1.2 數據處理方法和流程

編輯

1.2.1 冰川運動速度數據處理方法和流程

編輯

冰川表面運動速度是通過不同時相影像之間冰川表面特徵的位移量計算獲得的。對於光學影像來說,其位移量可以通過加州理工學院開發的COSI-CORR(Co-registration of Optically Sensed Images and Correlation)軟件包獲取。COSI-CORR基於IDL開發併集成於ENVI軟件中,在ENVI 5.0版本中支持ENVI classic(ENVI經典界面)。本研究採用2014年10月更新的版本(下載地址:http://www.tectonics.caltech.edu/slip_history/spot_coseis/download_software.html)。COSI-CORR根据光学遥感图像的特征匹配及互相关计算位移信息,其原理是基于频域互相关算法求影像的偏移量[9]。所有的相位相關依賴於傅立葉變換理論:一對影像的相對偏移量通過傅里葉變換的相位差進行提取。用i1 和i2 代表兩景影像,x和y為坐標值,△x 和△y 代表偏移量,那麼:

\({i}_{2}\left(x,y\right)={i}_{1}\left(x-{△}_{x},y-{△}_{y}\right)\) (1)

用I1 和I2 分別代表通過傅立葉移位定理得到的傅里葉變換,可以表示為:

\({I}_{2}\left({\mathrm{\omega }}_{x},{\omega }_{y}\right)={I}_{1}\left({\omega }_{x},{\omega }_{y}\right){e}^{-j\left({\omega }_{x}{△}_{x}+{\omega }_{y}{△}_{y}\right)}\) (2)

ωx 和ωy 分別代表行和列上的頻率變量,e為自然常數,j表示虛數形式。因此圖像i1 和i2 標準互功率譜(C)可以表示為:

\({C}_{{i}_{1}{i}_{2} }\left({\omega }_{x},{\omega }_{y}\right)=\frac{{I}_{1}\left({\omega }_{x},{\omega }_{y}\right){I}_{2}^{*}\left({\omega }_{x},{\omega }_{y}\right)}{\left|{I}_{1}\left({\omega }_{x},{\omega }_{y}\right){I}_{2}^{*}\left({\omega }_{x},{\omega }_{y}\right)\right|}={e}^{j\left({\omega }_{x}{△}_{x}+{\omega }_{y}{△}_{y}\right)} \) (3)

其中*表示復共軛。通過將標準互功率譜進行傅里葉逆變換(\({\mathcal{F}}^{-1}\)),便可得到狄拉克δ(Dirac delta)函數\(\delta \left(x+{△}_{x},y+{△}_{y}\right)\):

\({\mathcal{F}}^{-1}\left\{{e}^{j\left({\omega }_{x}{△}_{x}+{\omega }_{y}{△}_{y}\right)}\right\}=\delta \left(x+{△}_{x},y+{△}_{y}\right)\) (4)

通過找到\(\delta \)函數的峰值位置來確定△x 和△y 。當偏移量為亞像元級別時,這個峰值就不是狄拉克δ(Dirac delta)函數了,而是下採樣的狄利克雷(Dirichlet kernel)函數。因此COSI-CORR的相位相關方法可分為兩個步驟:(1)通過計算圖像的互功率譜的線性相位重構圖像的相對偏移;(2)通過嚴格的相關峰值的位置確定圖像的相對偏移量。在計算相對偏移量前需要對其中的一景影像做正射校正處理,然後以正射影像作為基準影像對另外一景影像進行配准處理。本研究採用的Landsat數據均從美國地質調查局(USGS)獲取,所有數據均由USGS採用的GLS2005全球陸地控制點系統進行了正射校正。郭萬欽等[10]對其校正精度進行了驗證,結果顯示USGS提供的正射校正後的Landsat遙感影像具有相當高的校正精度,大部分影像校正精度都在半個像元左右,部分影像甚至達到1/6~1/10左右的精度。因此,認為Landsat影像的正射校正精度滿足表面運動速度分析。本研究採用Landsat OLI第8波段(全色波段,空間分辨率為15 m),在COSI-CORR計算相關係數時採用頻率域算法,參考窗口設為128,搜索窗口設為32,獲得的位移數據有3個圖像組成:東西向位移(EW)、南北向位移(NS)以及信噪比(SNR)。本研究採用SNR≥0.9部分並剔除雲和陰影覆蓋部分,最後即可得到冰川表面運動場的信息。

1.2.2 高程變化數據處理方法和流程

冰川高程變化由躍動前後兩景ASTER DEM求差值即可獲取。不同ASTER DEM可能存在空間匹配誤差,求差運算前按照圖2的流程消除該部分誤差。理論上空間匹配造成的高程誤差(dh)可採用公式(5–6)進行描述[7]

\(\frac{dh}{\mathit{tan}\left(\alpha \right)}=a*\mathit{cos}\left(b-\phi \right)+c\) (5)

\(c=\frac{\stackrel{-}{dh}}{tan\left(\stackrel{-}{\alpha }\right)}\) (6)

其中α為坡度,\(\phi \)為坡向,\(\stackrel{-}{dh}\)為不同DEM整體高程差異,代表垂直偏移量,\(\stackrel{-}{\mathrm{\alpha }}\)為基準DEM提取的平均坡度。參數a、b、c可以通過回歸分析獲取。不同DEM數據間X、Y、Z方向上的偏移校正量可採用公式(7–9)獲取:

\(X=a*sin\left(b\right)\) (7)

\(Y=a*cos\left(b\right)\) (8)

\(Z=c*tan\left(\stackrel{-}{\alpha }\right)\) (9)

選擇無冰區穩定地形對如上述過程進行迭代,當dh的標準差減小幅度小於2%或者(X2+Y2 )小於0.25即可完成迭代。在校正的過程中,選擇高程偏差的5%和95%分位數以剔除異常值的影響[11]

2 數據樣本描述

編輯

由於受積累區雲雪影響,數據結果不理想,並且躍動發生在消融區,因此本研究只提取了消融區部分的數據。本數據集的數據均存儲為GeoTIFF格式,數據類型為32位浮點型,分為兩個文件夾存儲,分別為冰川運動速度(Velocity)和冰川高程變化(ElevationChange)。前者文件夾中含有5個文件,命名規則為YYYYMMDD_YYYYMMDD_velocity.tif,表示兩個時間間隔冰川表面運動速度,單位m d-1,結果顯示如圖3。後者文件夾中只有一個文件(ElevationChange.tif),該文件為2013–2015年冰川表面高程變化,單位為m,數據結果顯示如圖4(圖3和圖4均是通過ArcGIS渲染得到的)。


圖片

圖2 DEM空間匹配校正主要流程示意圖[9]


圖片

圖片

圖片

圖片

圖3 冰川運動速度(底圖為SRTM生成的山體陰影,冰川邊界來源於我國第二次冰川編目數據集[13])


圖片

圖4 冰川高程變化(底圖為SRTM生成的山體陰影,冰川邊界來源於我國第二次冰川編目數據集[13])


3 數據質量控制和評估

編輯

表面運動速度的誤差可用公式(10)和(11)評估:

\(E_{d}=\sqrt {E_{1}^{2}+E_{2}^{2}}\) (10)

\(E_{v}=E_{d}/d\) (11)

式中Ed 和Ev 分別為兩時間間隔的位移與速度的誤差;E1 和E2 分別是東西向和南北向位移誤差,d為兩日期相隔的天數。本研究對遙感結果中無冰區穩定地形區域東西向和南北向位移偏移進行統計(表2),發現無冰區穩定地形的東西向和南北向偏移平均值均接近於0。本文假定無冰區穩定地形東西向和南北向理論上不發生偏移,其實際的偏移量可作為位移變化殘差,並認為冰川區域與無冰區殘差相似。因此本文將無冰區東西向和南北向偏移的標準差作為E1 和E2 ,估計冰川區表面運動速度的誤差(表2)。對於SNR<0.9的部分,用空值表示。


表2 冰川運動速度誤差統計表

數據對 無冰區穩定地形東西向偏移平均值(m) 無冰區穩定地形東西向偏移標準差(m) 無冰區穩定地形南北向偏移平均值(m) 無冰區穩定地形南北向偏移標準差(m) 冰川運動速度誤差(m d'-1'
20150413_20150429 0.4 4.2 0.6 4.5 ±0.38
20150429_20150508 0.1 3.6 0.8 3.3 ±0.54
20150508_20150515 1.8 4.3 1.1 3.7 ±0.81
20150515_20150711 1.2 4.8 0.7 4.9 ±0.12
20150413_20150711 0.3 5.3 2.1 5.7 ±0.09


配准後的兩期DEM差值結果在無冰區是趨向於0的,本文假定理論上無冰區高程變化值為0,其實際結果可認為是DEM高程差的殘差。高程變化的誤差(σ)可以根據經空間匹配校正後兩期DEM的無冰區平均高程差(MED)和標準差(STDV無冰區 )進行評估[12]

圖片 (12)

圖片 (13)

其中SE為引入的中間變量即標準平均誤差(Standard error of the mean),N為包含的像元數,為了消除空間自相關影響,按600 m進行採樣,N值為採樣的像元數。最終結果顯示,無冰區殘差平均值(MED)減少到0.39 m,高程變化的誤差(σ)為±0.70 m。受雲的影像,部分像元值為空值。

4 數據價值

編輯

冰川運動速度遙感監測主要分為基於光學影像或者SAR圖像的特徵匹配法和雷達干涉測量法。受衛星重訪周期的限制,冰川區獲取高相干圖像較為困難。特徵匹配法在山地冰川上多有研究,被證明了可靠性,其所得結果與野外花杆測量一致[13]。冰川高程變化遙感監測最為成功的方法是本研究使用的大地測量法。大地測量法所需要的DEM主要來源於光學立體像對和雷達干涉測量的方法。雷達干涉測量限制於相干性和對冰雪可能的穿透,光學立體像對需要視覺對比度較優,受積雪等因素限制。本研究只考慮消融區部分,視覺對比度較優,所得結果可靠。因此,本研究結果在一定程度上為缺乏野外觀測的躍動冰川研究提供數據支撐。

冰川表面運動速度數據和高程變化數據均是研究冰川物質平衡、冰川動力學模型、冰川災害預警預測的基礎數據。本研究利用Landsat 8影像提取了冰川躍動期間的運動速度數據,反映了冰川躍動前後的運動特徵;並利用ASTER立體像對數據提取了躍動前後的高程變化數據,反映了冰體重新分布的特徵。二者為躍動冰川動力學模型的發展提供基礎數據。

5 數據使用方法和建議

編輯

2015年東帕米爾高原躍動冰川數據集所有數據存儲格式均為GeoTIFF格式,空間坐標係為WGS1984 UTM 43N。ArcGIS、SuperMap、ENVI、ERDAS等常用的GIS與遙感軟件均支持該數據的讀取和操作。冰川運動速度日變化值以影像的像元值表示,單位m d-1,空間分辨率為240 m;冰川高程年變化值以影像的像元值表示,單位為m,空間分辨率為30 m。本研究數據集的空洞建議採用空間插值的方法進行處理,可將數據集應用於冰川動力學模型,研究冰川躍動規律。

致 謝

編輯

感謝USGS提供的Landsat、SRTM 1數據,感謝NASA EARTHDATA提供ASTER數據,感謝寒區旱區科學數據中心提供中國第二次冰川編目數據集。

參考文獻

編輯
  1. MEIER M F, POST A S. What are glacier surges?[J]. Canadian Journal of Earth Sciences, 1969, 6(4): 807-817.
  2. KOTLYAKOV V M, OSIPOVA G B, TSVETKOV D G. Monitoring surging glaciers of the Pamirs, central Asia, from space[J]. Annals of Glaciology, 2008, 48(1): 125-134.
  3. SEVESTRE H, BENN D I. Climatic and geometric controls on the global distribution of surge-type glaciers: implications for a unifying model of surging[J]. Journal of Glaciology, 2015, 61 (228): 646-662.
  4. QUINCEY DJ, BRAUN M, GLASSER NF, et al. Karakoram glacier surge dynamics[J]. Geophysical Research Letters, 2011, 38: 1-6.
  5. WENDT A, MAYER C, LAMBRECHT A, et al. A Glacier Surge of Bivachny Glacier, Pamir Mountains, Observed by a Time Series of High-Resolution Digital Elevation Models and Glacier Velocities[J]. Remote Sensing, 2017, 9: 388.
  6. ^ 6.0 6.1 YAN S Y, LI Y, RUAN Z X, et al. Wavelet-Based Topographic Effect Compensation in Accurate Mountain Glacier Velocity Extraction: A Case Study of the Muztagh Ata Region, Eastern Pamir[J]. Remote Sensing, 2017, 9(7): 967.
  7. ^ 7.0 7.1 7.2 NUTH C, KÄÄB A. Co-registration and bias corrections of satellite elevation datasets for quantifying glacier thickness change[J]. The Cryosphere, 2011, 5: 271-290.
  8. 劉時銀, 姚曉軍, 郭萬欽, 等. 基於第二次冰川編目的中國冰川現狀[J]. 地理學報, 2015, 70(1): 3-16.
  9. LEPRINCE S, BARBOT S, AYOUB F, et al. Automatic and Precise Orthorectification, Coregistration, and Subpixel Correlation of Satellite Images, Application to Ground Deformation Measurements[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45: 1529-1558.
  10. 郭萬欽, 劉時銀, 許君利, 等. 木孜塔格西北坡魚鱗川冰川躍動遙感監測[J]. 冰川凍土, 2012, 34: 765-774.
  11. PIECZONKA T, BOLCH T, WEI J, et al. Heterogeneous mass loss of glaciers in the Aksu-Tarim Catchment (Central Tien Shan) revealed by 1976 KH-9 Hexagon and 2009 SPOT -5 stereo imagery[J]. Remote Sensing of Environment, 2013, 130: 233-244.
  12. BOLCH T, PIECZONKA T, BENN D I. Multi-decadal mass loss of glaciers in the Everest area (Nepal Himalaya) derived from stereo imagery[J]. The Cryosphere, 2011, 5: 349-358.
  13. 許君利, 張世強, 韓海東, 等. 天山托木爾峰科其喀爾巴西冰川表面運動速度特徵分析[J]. 冰川凍土, 2011,33(2): 268-275.

數據引用格式

編輯

張震, 劉時銀, 魏俊鋒. 2015年東帕米爾高原克拉牙依拉克冰川躍動數據集[DB/OL]. Science Data Bank, 2018. (2018-10-31). DOI: 10.11922/sciencedb.572.


 

本作品在「知識共享-署名 4.0 國際」協議下發表。

Public domainPublic domainfalsefalse