评估无人机激光扫描监测冰川在高时空分辨率的流程和交互
纳撒尼尔·r·Baurley
克里斯托弗Tomsett
简·k·哈特- 地理和环境科学,南安普顿大学,南安普顿,英国
“飞行器(无人机),结合结构与运动(SfM)摄影测量,已成为建立工具重建冰川和ice-marginal地形,然而,方法是高度依赖于几个因素,所有这些都可以在冰川环境中高度可变。然而,最近的技术进步,相关的主要的小型化等新载荷紧凑型激光扫描仪(LS),提供了潜在的新机会,冰冻圈调查。确实,UAV-LS系统显示承诺在林业,河流,和雪深的研究,但迄今为止尚未部署在冰川的设置方法。因此,在这项研究中,我们评估的适用性UAV-LS冰川研究通过调查短期冰面高程的变化,产犊前几何和裂缝形态near-terminus积极裂冰冰川冰岛东南部的地区。我们进行了重复调查0.1公里2地区冰川sub-daily,每日和每周的时间间隔,生产直接地理坐标点云在非常高的空间分辨率(> 300分的平均水平−2在40 m飞行高度)。我们的数据使我们能够:1)精确地图表面高度变化(平均误差在0.1米),2)重建的几何和演化一个活跃的崩解,3)产生更准确的估计流失的冰裂冰的体积,和4)更好的检测表面裂缝形态,提供未来提取范围大小、深度和提高监测他们的进化。我们也比较我们的结果使用UAV-SfM并行数据,进一步强调了我们的方法的相对优势和冰川学的适用性。因此,我们的研究强调了UAV-LS冰川研究的潜力,特别是对于调查冰川质量平衡,改变冰动力学和冰川崩解行为,因此我们建议它有一个重要的角色在推进我们的知识,和监控的能力,快速变化的冰川环境在未来。
1介绍
现在普遍认识到,世界上几乎所有的∼198000个冰川正在经历广泛的撤退,以应对持续和更密集的全球气候变暖Truffer Motyka, 2016;Farinotti et al ., 2019;Zemp et al ., 2019)。这个撤退将对未来产生重大影响淡水供应(大约三分之一的世界人口生活在glacierised流域),水力发电(由冰川融水美联储)和全球海平面上升(冰川预计将大大有助于在未来世纪)(鲨鱼肉和典当,2018;Farinotti et al ., 2019;香农et al ., 2019)。结果,需要更详细和深入的冰川监测准确量化和计划他们的未来模式的质量损失和撤退(保罗et al ., 2015;Chernos et al ., 2016;文澜et al ., 2019)。
然而,这种气候和冰川的响应之间的关系更复杂的冰川终止在水里,因为在这些设置通常是撤退而不是由一个额外的和非常重要的质量损失机制称为产犊(沃伦和科克布莱德,2003年;Howat et al ., 2007;Benn Astrom, 2018)。的确,崩解可以解耦的行为冰川从气候变化而出现的由于反馈在水深或冰川几何崩解,意义这样的冰川可能贡献不成比例的全球海平面,相比仅由气候(Howat et al ., 2008;Carrivick粗花呢,2013;Baurley et al ., 2020)。这样的冰川,因此,必须监控,大多数的我们对这些流程的理解源于卫星遥感的应用在一系列空间和时间尺度上(例如,王et al ., 2018;神和Sugiyama, 2018;戴尔et al ., 2019)。然而,相对粗糙的空间和时间分辨率的数据,及其对云层,可以限制他们的适用性当监测变化好空间和时间尺度(Lemos et al ., 2018;文澜et al ., 2019)。尽管近年来进步对高分辨率卫星重复间隔较短,仍然很难调查短期变化冰川崩解行为单独使用卫星遥感(例如,Sugiyama et al ., 2015;Altena Kaab, 2017;如何et al ., 2019)。
损毁之后出现的飞行器(无人机)近年来在冰冻圈研究提供良好的替代由于其能力提供快速评估冰川表面动力学以极高的空间(cm)和时间(sub-daily)决议(怀特黑德et al ., 2013;瑞安et al ., 2015;Chudley et al ., 2019)。这种方法有几个优点,最主要的一个是,它非常适合进行快速重复调查的冰面由于能力部署无人机系统“随需应变”(Immerzeel et al ., 2014;罗西尼et al ., 2018)。这使冰川学家有机会进行每周、每天、甚至sub-daily调查的冰面在高空间分辨率,增强我们的能力来监控和量化快速变化的冰川景观和将来会如何回应(例如,瑞安et al ., 2015;Benoit et al ., 2019;谷鲁斯et al ., 2019)。
绝大多数冰河学研究迄今已利用无人机已经这么做了结合(相对)低成本结构与运动(SfM)摄影测量,它允许orthomosaics和数字高程模型的生成(民主党)的冰表面和周围的形态以极高的分辨率(例如,Bash et al ., 2018;罗西尼et al ., 2018;Benoit et al ., 2019;杨et al ., 2020)。然而,SfM高度依赖特性检测能力,照明条件下,地面控制点的位置(gcp),和被调查的表面,在其他方面,这些都可以限制因素测量在冰川环境(东京et al ., 2014;Piermattei et al ., 2015;Gindraux et al ., 2017;Fugazza et al ., 2018)。这种现象尤为明显。在冰川崩解面前阴影,裂缝形态、各种相机角度的需要,和缺乏gcp由于难接近,可以显著降低建模精度(例如,瑞安et al ., 2015;Chudley et al ., 2019;Jouvet et al ., 2019)。
然而,最近在无人机测绘科技进步可能允许一些上述局限性的克服。例如,开发和小型化的紧凑型激光扫描仪等新载荷和运动单位提供了新的机会冰冻圈动态的准确调查(Chudley et al ., 2019;雅各布斯et al ., 2021)。此外,增强的发展定位和运动单位上这些无人机系统允许实施一项新技术,称为直接运用。这使cm-scale精度可以得到而不需要一个广泛的网络的部署陆基gcp(例如,Benassi et al ., 2017;van der Sluijs et al ., 2018),消除的一个关键的限制UAV-SfM冰川学的方法(Chudley et al ., 2019;杨et al ., 2020)。
到目前为止,这些在新开发的应用程序从林业研究河走廊监控(例如,Jaakkola et al ., 2010;林et al ., 2011;Flener et al ., 2013;华莱士et al ., 2014;Resop et al ., 2019;Tomsett Leyland, 2021)。然而,他们部署在冰冻圈的研究仍然是有限的,与研究迄今为止仅仅关注积雪深度映射(例如,困难et al ., 2020;雅各布斯et al ., 2021)。因此,有必要检查可能使用无人机的好处激光扫描(UAV-LS)在冰川的研究中,因为这样的系统有潜力提供新的见解冰川过程(例如,表面高程变化和崩解)这将是具有挑战性的捕获使用传统UAV-SfM或卫星遥感(Chudley et al ., 2019;Jouvet et al ., 2019;Śledźet al ., 2021)。
在这项研究中,我们评估的适用性UAV-LS作为调查的方法短期冰面高程的变化,产犊前几何和裂缝形态的进行重复调查崩解Fjallsjokull面前,冰岛东南部lake-terminating冰川。我们比较我们的发现对那些通过电流产生UAV-SfM技术,与UAV-LS获得数据,讨论这两种技术的潜在益处和局限,因此,进一步确定方法在冰川研究的潜力。我们所知,这是第一个评估UAV-LS动态监测的冰川环境中,与本研究旨在强调冰川学家进行研究方法的相对优势在相似的环境中。
2研究网站
Fjallsjokull (64°01′N, 16°25 W′)是一个easterly-flowing山麓冰川出口位于南部瓦特纳冰川冰盖的斜坡上,冰岛东南部(图1)(埃文斯和Twigg, 2002年;戴尔et al ., 2019)。2010年,∼44.6公里的冰川覆盖面积2,有一个体积为7.0公里3和∼12.9公里(Hannesdottir et al ., 2015)。像许多冰川在冰岛,Fjallsjokull经历了相当大的经济衰退在上个世纪,撤退∼1.7公里在1934年和2019年之间(Hannesdottir et al ., 2015;WGMS 2020),一个特别加强撤退的速度观察自2000年代初(戴尔et al ., 2019;钱德勒et al ., 2020)。
图1。(一)Fjallsjokull在冰岛的位置,(B)内瓦特纳冰川冰帽。(C)Fjallsjokull和Fjallsarlon截至2021年7月。红盒子划定的区域覆盖的无人机进行调查研究。这是相同的程度上所示图2一个。背景是一个滤波器从07/07/2021伪彩色PlanetScope收购。(D)现场的照片部分产犊Fjallsjokull面前,取自附近的侧碛2021年7月15日。图像的中心的产犊前∼15 - 20米高,在这个地区,我们的无人机调查扩展。
这揭示了大量过量下蚀作用持续回落,达到的最大深度∼206,∼3公里宽,∼4公里长(Magnusson et al ., 2012;戴尔et al ., 2019)。这种过量下蚀作用导致的出现发展的大冰前的湖Fjallsarlon(∼3.7公里22018年),第三大冰岛东南部,冰川目前终止(Guðmundsson et al ., 2019;钱德勒et al ., 2020)。最近的研究戴尔et al。(2019)表明深冰川下的地形和持续扩张Fjallsarlon已经成为重要的控制对整个冰流速度和冰川的冰解动力学,特别是过去∼20年,需要进一步研究这个快速变化和高度动态的冰川(Guðmundsson et al ., 2019;钱德勒et al ., 2020)。
3材料和方法
3.1无人机设计
本研究使用相同的无人机设置中描述Tomsett和Leyland (2021),展示收集的能力挑战河流环境中的地形数据的准确性低于0.1米。概述的方法和处理以下,进行更详细的描述传感器集成和后处理方法中给出Tomsett和Leyland (2021)。
UAV-LS使用调速发电机VLP-16冰球Lite激光扫描仪紧凑,功耗低,重量轻(0.59公斤),使其适合基于无人机部署。传感器收集到300000分每秒100米的标定精度±0.03米(调速发电机激光雷达,2018)。的研究Glennie等。(2016)表明,传感器是稳定在一系列温度,使其适用于冰冻圈的研究。每秒脉冲信号提供给激光扫描仪校准内部时钟和避免漂移,这20分钟的飞行后,如果及时矫正,可能导致高达0.37米的位置误差在5 m s(当飞行−1)。
位置和姿态数据通过一个Applanix APX-15惯性运动单元(IMU),专门为无人机设计的集成。200 Hz的高数据收集率使它适用于直接运用应用程序,进行后期处理精度的X, Y,和Z的飞机0.02 - -0.05 m,横滚和俯仰的精度0.025°,航向精度0.08°(Applanix 2018)。单个Tallysman TW3882双重阶段GNSS天线是用来提供位置数据APX-15单元,安装在无人机和配有安装板,以避免信号干扰多路径错误(例如,Jouvet et al ., 2019)。迷你电脑是用来记录传入的激光扫描仪的数据存储在本地,从乌兹别克斯坦伊斯兰运动以及收集数据。个人电脑访问通过远程连接到外部的笔记本电脑,用来检查数据捕获每个航班的开始和结束。这是坐落在一个先生盒子IMU和电池组,激光扫描仪的安装外部。
传感器盒是部署在收M600 Pro,一个强大的超重无人机能够负载6公斤,根据负载之间的飞行时间15 - 25分钟(收,2022)。当前配置是能够收集20分钟的数据在一个航班(包括初始化)。传感器盒安装板,放置在扫描仪前主体的无人机,以避免任何阴影,并允许它扫描在轨道两侧的无人机垂直于旅行的方向。安装板是装有缓冲器,以减少振动旅行从无人机传感器,它可以减少精度(林et al ., 2011)。之间的偏移量传感器测量在实验室和实地调查之间保持一致,与定位凸耳确保一致的激光扫描仪放置传感器盒。总重量(包括多光谱相机没有利用这项研究)来到约2.6公斤(图2 b)。
图2。(一)地图说明调查的角度的飞行线路和区域覆盖在这个研究。起飞和降落点(TOL)是由白色的星。背景是一个UAV-SfM orthomosaic从2021年7月8日。(B)我们定制的无人机系统。调查箱,激光扫描仪连接,可以看到在无人机的身体。这个配置是用于所有调查。(C)示例图像的每个M600之前初始化过程进行调查,由Applanix推荐。
3.2数据收集
在这项研究中,调查路线是预先计划使用收GroundStation Pro软件,使用waymarked路线飞行,在冰川。为了获得一个合适的数据量来解决冰川表面和产犊前,有必要飞尽可能靠近冰川。然而,这将增加碰撞的风险由于高表面形貌,尤其是对研究区北部程度。所做的初步调查结果,进行生产在高海拔原始模型的飞行线路可以调整。这些调整允许更高的合点密度和减少任何方向错误的影响通过减少的距离(见表面激光扫描仪的兴趣Tomsett Leyland, 2021)。
四个平行飞行线路被空运产犊前(图2一个),第一个在相同的高度随着产犊前(离地面15米(榴弹炮)]为了捕捉其复杂形态从斜的角度来看,在随后的三个被空运在冰川(35 - 45米的榴弹炮)地图表面特征(如裂缝),典型的UAV-SfM调查和收集可比数据(例如,海拔高度变化)。虽然飞行高度不应影响定位传感器的准确性,或传感器的精度范围,任何瞄准线校准错误和提高激光足迹大小传播错误与传感器的距离(Tomsett Leyland, 2021),因此降低飞行高度可能会更好。航班飞行在5米−1占地约0.1公里2。调查也是为了确保足够的稳定的地面区域附近冰川评估时序模型一致性,关键参数当调查形态学改变。调查进行单独的三天确定sub-daily,每日和每周的变化。这些调查的日期和时间中可以看到表1。为了一致性,调查进行了大约在同一时间在上午和下午,最后一天早上只有一个调查。
表1。无人机的细节调查2021年7月8日和15日之间进行。UAV-SfM调查,全面覆盖∼0.9公里2研究区获得了事业三个个人调查,导致总飞行时间∼50分钟。
3.3现场工作流程
为了获得无人机运动(PPK)数据进行后期处理,当地基站成立至少4 h在每一天。冗余的目的,两个基站在这项研究中,使用徕卡GS1200和EMLID达到平日。每个基站都建立在一个区域稳定的地面,从冰川∼200晴空视图和超过10 m两国为了避免任何潜在的干扰。天线的高度高出地面也记录了每个基站允许精密单点定位(PPP)后处理使用AUSPOS在线工具箱(https://gnss.ga.gov.au/auspos)。
在起飞之前,5 - 10分钟热身期乌兹别克斯坦伊斯兰运动需要为了提高后处理的准确性。起飞然后手动执行,允许对无人机的稳定性检查和IMU的初始化。这个初始化是由飞向前和向后,然后一边到另一边以积极的方式,调整IMU和校准指南针飞行前(图2 c)。然后调查自主飞行。飞行路径已经完成后,初始化过程被重复,在着陆之前手动无人机。乌兹别克斯坦伊斯兰运动然后离开继续测井资料另一个5 - 10分钟的热身阶段。这是重复的五个调查航班在3天。
3.4 UAV-LS数据的处理
处理进行的原始UAV-LS数据包括三个主要步骤:1)位置数据的后期处理,2)运用激光扫描的回报,3)最后的点云数据的校准和细化。
创建高度精确的PPK位置数据强烈依赖于用户基站的位置准确。因此,原始位置基站数据第一次被纠正之前使用AUSPOS在线工具箱用于完善无人机的位置数据。无人机位置加工进行Applanix PosPac软件,使用向前和向后卡尔曼滤波估计的位置精度在每个航班的时间(金姆和爆炸,2019年;Scherzinger和赫顿,2021年)。一旦完成,修正后的数据可以导出为一个时间序列文件,包括位置、方向和随后的每个航班的错误,在200赫兹的频率。
这些数据是匹配的记录时间戳为每个发射激光扫描仪,这每一个点都可以转化为现实世界的坐标,并使用欧拉角转换调整激光扫描仪时的方向射击。这使得每个激光扫描返回地理与无人机在飞行的位置。生成的点云被导出为文本文件。
最后,每个点云是精制使用LiDAR360计划。飞行线路已导入,分段去除转折点。这些可以进行校准过程,每个航线有其取向调整来减少生成的点云表面的变化。一旦这个过程完成,点云CloudCompare软件(内打扫干净了CloudCompare 2020)使用手动和自动删除异常点统计离群值技术。这个过程被重复每个飞行。
3.5数据质量评估
一些研究利用激光扫描方法在冰雪上,从基于无人机的平台(例如,困难et al ., 2020;Koutantou et al ., 2021),以及地面和机载测量(例如,Joerg et al ., 2012;布勒公司et al ., 2016;费舍尔et al ., 2016;徐et al ., 2019)。这里使用的设置也被证明是准确的在植被小于±0.1米河走廊(Tomsett Leyland。,2021年),提供了潜在的准确性的信心冰冻圈系统部署的应用程序。
为了评估的准确性设置在目前的研究中,七个地面控制点(3.5中描述的UAV-SfM调查部署)被用来比较UAV-LS处理数据。由于样本量有限gcp的比较值和正常平均绝对偏差(NMAD)每天的报告错误,以及中值,NMAD, 68.3%,和95%置信区间的所有数据了Hohle和Hohle (2009)和Bash et al。(2020)更好的分析误差的非正态分布。
传感器应用的一个关键方面是它的精度,能够多次测量同一表面,产生一致的结果。评估,稳定的地面地形进行重复评估。它使用的原则,调查之间的地形应该是一致的,表明任何变化的不确定性系统。这反过来会影响数据集的信心水平和层次的变化,可以解决。事实上,如前所述,一个广泛的地面控制网无法部署由于冰川表面的相对难接近(常见问题进行无人机调查时在冰川环境中,例如,Chudley et al ., 2019),这意味着这种稳定地评估是必要的,以确定点云中的任何错误。
对于这个评估,无冰的侧缘的冰川附近稳定的地面被选中包含浅和陡峭的地形和存在于所有点云。这个地区被从每个点云提取同时避免任何潜在的稳定程度的差异。一旦选择,每个点云是差的在CloudCompare其他人以成对的方式,使用M3C2算法开发的瘟疫周et al。(2013)。这允许误差评估通过比较中值错误,NMAD,以及想象他们的分布。这些错误可以被用来识别调查之间的最小变化检测阈值,确保任何差异出现在点云代表实际的改变。
3.6 UAV-SfM(实地调查和处理)
平行于UAV-LS数据的收集,每日UAV-SfM意象也获得冰川的覆盖更大的区域,包括地区包含UAV-LS调查,使用收激发2配有20-megapixel Zenmuse驱车相机(收2022)。调查每天进行一次之后第一个UAV-LS调查,允许直接比较不同天的变化。然而,每天只有一个航班进行,这意味着sub-daily变化不能使用UAV-SfM方法评估。对这些调查中给出了进一步的细节表2。
表2。飞行参数时使用的任务的细节UAV-SfM调查在这个研究。
无人机也有直接的运用能力,提供的EMLID达到M +模块和一个外部天线,允许每个图像的时间戳和坐标记录作为一个立场文件进行后期处理位置精度为0.01米(Jouvet et al ., 2019;EMLID 2022)。冗余,然而,一个小的网络部署十个地面控制点(gcp)也在稳定的地面附近的侧缘冰川确保一个良好的传播在X, Y, Z的飞机。这些gcp离开现场研究期间的持续时间,以及他们的位置记录在现场使用徕卡GS15(< 0.01米的精度)7月3日。最后调查7月15日,一个破相机之间的电缆和GNSS模块意味着没有位置或时间戳信息都被记录下来,并且从这一天获得的图像只有使用gcp地标。
精确后处理GNSS无人机获取的数据,每个调查的位置信息导入RTKPOST_QT (https://docs.emlid.com/emlid-studio/)。这是使用与相关的后续处理基站文件更新无人机跟踪文件和每个获得图像的位置信息提供相机位置精确到< 0.05米(EMLID 2022)。每个图像集然后导入Agisoft Metashape图像对齐,用稀疏的点云第一次生成。密集点云被构造使用“积极”深度过滤设置,是常见的冰川研究(例如,东京et al ., 2014;Jouvet et al ., 2019;Bash et al ., 2020),在生产之前民主党为每个调查的一天。没有后续的网格或密集的云进行平滑。这些被出口点密度的475分−2浓密的云层,和0.05米的一项决议民主党与UAV-LS允许比较数据。精度评估是表现在同一地区的稳定的地面UAV-LS基础方法,评估时间调查结果的一致性直接使用这些运用方法。这使得之间直接比较两种方法在相同时间段的兴趣。
3.7 glacier-specific产品的处理
评估的适用性UAV-LS冰川研究作为一种工具四个不同的分析是进行生产一套glacier-specific产品:1)表面高程的变化,2)产犊前几何形状的变化,3)估计崩解卷和4)裂缝形态和检测。在可能的情况下,每组的分析设计,这样就可以将比目前的高分辨率方法获得的数据在类似的空间和时间尺度上,特别是UAV-SfM(见3.6节)。在这一过程中,我们希望强调的一些领域的使用UAV-LS可能允许更大的洞察力关键冰川过程,和冰川研究更一般的,比这些当前高分辨率的方法。
3.7.1表面高程的变化
计算冰面高程的变化,2.5 d民主党差分利用,即民主党早些时候减去从后者民主党检索空间垂直变化的分布式映射。这项研究,时间调查sub-daily am-pm(9日),每天(8日),和每周(8到15),代表三个不同的时间间隔的测试方法的适用性。然后我们计算总量的变化发生在冰表面的每个三个时间段进行调查。这是通过将每个像素值转换为一个卷(乘以0.00252基于DEM分辨率为0.05米),在那之前总结每个时间段的像素值。
进一步测试UAV-LS是否适合量化冰面高程的变化,我们比较这些数据使用UAV-SfM民主党产生每日和每周的时间(如前所述没有进行使用UAV-SfM sub-daily调查方法)。这是第一次剪匹配的程度各自UAV-LS-derived民主党,在加工之前如上所述计算总时间的体积变化。
所有时间、高程变化只是决心是真实的如果是大于NMAD计算两者之间的精度评估调查中问题。这允许更大程度的信心被观察到的是真正的改变,和错误的调查被用来定义置信区间。这些限制是反映在体积计算,只有细胞变化超过这个阈值被用来确定体积变化。
3.7.2章产犊前几何形状的变化
评估产犊前几何形状的变化,变化检测之间进行连续产犊方面为同一时期作为地表高程变化的调查分析。这是通过第一次选择指向冰川终点站,之前删除任何点背后的冰面立即崩解,点在水面,从周围的冰碛和任何点,只留下冰川的垂直冰解面。然而,因为每个产犊前有一个变量点密度根据其位置相对于无人机飞行线(即前面没有调查之间保持稳定),云间比较并不可行,因为这可能导致错过点由于缺乏一个点在一个比另一个扫描。
克服这一点,一个网格创建为每个产犊前使用泊松重建在CloudCompare (Kazhdan,霍普,2013年)。这使得创建一个连续的表面沿着冰川,它可以比后续点云使用cloud-to-mesh差分。在这样做之前,任何点密度较低的区域(例如<每平方米6到8分)从随后的网状网重建信心,因此研究结果的准确性,将会降低。这使得一些地区之间不同的调查日期没有比较,然而。又做比较来确定变化sub-daily,每日和每周的时间表。
除了这个,分析产犊前的形状是如何改变,几何分析垂直冰解面进行。这涉及CloudCompare环境中利用函数进行表面可变性分析整个冰解面中概述海克et al。(2016),提供洞察其断裂和高度可变性质。这是上执行相同的分割点云被用于位置变化分析,与可变性测量大2 m焦区。2米的搜索半径被选为了识别终端面临大规模的变化,这可能与崩解的事件。
3.7.3估计个人崩解的事件
最重要的一个因素的变化产犊前几何是个体产犊事件的发生。评估地面上的冰的体积迷失在这样的事件,在CloudCompare进行3 d体积计算。首先,结果表面高程和产犊前几何分析是用来确定哪些地方大崩解事件发生。冰的部分,这些事件中丧生的被分开的主要点云为了重建这些块的外表面使用泊松重建CloudCompare环境中(Kazhdan,霍普,2013年)。这些外表面被用来计算的内部体积块冰,体积,因此,地面上的失去了那段时间。
作为比较,2.5 d体积光栅为基础的方法进行,即表面分为一系列的一组区域的像素,和这些像素的深度用来确定体积每像素,这些积累之前创建一个总量。这种方法是在UAV-LS和UAV-SfM相同区域的点云的三维重建。没有3 d方法可以进行UAV-SfM数据但是,因为产犊前没有完全解决SfM算法使用的测量参数。在每个场景中,使用一组湖水平的最低海拔冰川的前面,有一个等价的连续表面用于三维重建的基础这两种方法之间的一致性。
使用一个全3 d方法的主要优势而不是2.5 d方法是3 d方法可以占突出的元素崩解前后表面的复杂性。在这样的情况下,2.5 d方法将错误包括所有领域的“空气”过剩下的冰川,而3 d方法不会。然而,值得注意的是,这种方法是相当多的计算量,因此,这种方法只应用在产犊前的三个部分。
评估的不确定性量的计算,为2.5 d方法类似的方法被用来作为表面高程分析,即NMAD被用来评估不确定性的影响合成体积计算。3 d的方法方法更具挑战性,特别是考虑到复杂的表面性质。最优方法将运行多次体积计算的误差精度评估随机应用于每一个点。然而,这将是计算密集型和不可能与当前自动化工作流。相反,使用一个简单的假设基于卷。对于每个块,计算量被用来估计一个球体的半径相同的大小。这是然后调整为每周通过添加NMAD值变化,和这个球体的体积计算。因此,不同的是,表明产生的不确定性误差设置。
3.7.4裂缝形态和检测
比较的能力UAV-LS和UAV-SfM数据准确重建的裂缝形态、横断面垂直于表面的冰流提取点云,横断面宽度为0.5米,使足够的点密度。这些截面提取三个地点,包括裂缝密度、深度,和长度,以及来自不同领域的崩解,包含各种各样的形态。所有提取横截面的航班7月9日进行,使用UAV-LS早上飞行数据。提取的扫描被直观地比较和分析,与特定的焦点给裂缝深度的调查,评估两种方法之间的差异。
4的结果
4.1数据质量评估
精度评估结果中可以看到表3。,“F1”指的是飞行的一天(早上进行),和“F2”是指飞行两天(下午进行)。总的来说,方向和大小测量表面点之间的差异和UAV-LS相似的航班在9日和F1 8日。F2 8日的减少值误差是误导,因为这显示了一个大偏离一致的差异出现在其他四个航班,和有一个更大的NMAD 0.115 m。同样,飞行15日的平均会增加抵消-0.192显示性能的变化,然而NMAD值仍在相同的数量级为其他航班,不包括F2 8日。总的来说,使用列出的置信区间Hohle和Hohle (2009),68.3%的误差范围内0.118米(0.189米F2 8日inc .)和95%的错误属于一系列0.276米(0.399米F2 8日inc .)。低NMAD值0.05 - -0.01 m的这个数据集意味着强劲数据可以用来评估现实的变化,与真实值< 0.1 m抵消。
表3。精度评估的结果比较每个调查地面控制点(gcp)放在稳定的地面附近的冰川。这些都是用来评估每天每个调查的准确性,和调查的整体精度的总和。值标记为*代表统计,值F2 8日已被移除,由于随机误差引入整个调查,讨论了4.1。
结果的精度评估UAV-LS数据(图3)显示值大致符合预期的系统,和小于利率变化预期研究的网站(不包括F2 8日,检查下面),支持上述论断,足够的数据质量评估冰河学随不同时间尺度变化。对比F1 8日,9日航班显示很好的协议,与平均海拔差异小于0.1 m和低至-0.004米。这些调查的变化也很小,与NMADs海拔0.048米至0.077米之间。
图3。UAV-LS调查的结果精度评估,计算M3C2对比每个调查地区的稳定。中位数[1]和NMAD[2]提供错误的左下矩阵,与68.3%[3]和95%[4]分位数,代表的范围的百分比数据中。直方图显示这些错误的分布位于矩阵的右上角。总的来说,计算误差很低(< 0.23米),表明良好的相互协议,并使用这些方法与以前的研究一致。
单一飞行15日进行,似乎有一致的负偏移量相比,所有其他的航班进行调查期间,平均偏移量为-0.152——0.248 m F1相比,8日,9日航班,可能有一些潜在的原因。可能这个错误的突出原因是位置后处理,解决的准确性Z方向是传统上最复杂,错误在分米常见,特别是在高纬度地区哪里有天空中没有卫星区域与大多数卫星接近地平线(Hugenholtz et al ., 2016;Swaszek et al ., 2018)。这是特别重要的减少数量的卫星定位高在地平线上降低了接收机的能力来确定它的位置,特别是在Z方向(Karaim et al ., 2018;Swaszek et al ., 2018)。图4显示了卫星位置和海拔的差异相对于研究网站9日和7月15日。从这个,虽然都有一个良好的范围在卫星高度角,与海拔高度接近90°开销在9日的传播研究周围的卫星网站9日更好。这是被研究的缺乏卫星北站点,仅略高于80°15日没有卫星区,而在9日不到40°。也有可能错误记录基站高度高出地面,以及任何后期处理错误从有限的卫星定位、可能传播到进行后期处理的解决方案。这是由错误的传播被小的准确度和精密度的评估在15日(0.082米和0.159米),而一个随机增加或non-consistent错误可能会看到一个错误值的变化(例如F2 8日,图3)。结果,稳定地从15日补丁匹配那些在9日和F1 8日在CloudCompare使用迭代最近点算法。这些补偿结合精度评估的结果导致7月15日的云被垂直抵消+ 0.2米,是常见的在这种情况下(例如,Lallias-Tacon et al ., 2014;威廉姆斯et al ., 2018;Parente et al ., 2019)。
图4。位置的GPS、GLONASS和伽利略卫星在天上的时候测量9日和7月15日。可见卫星的高度角设置至少20°占谷两侧相邻的冰川将限制视角。卫星位置的变化可以看出,这可能影响准确地确定激光扫描仪的位置,减少的数量高(接近十字丝)和北(0/360°)卫星。数据来源:https://www.gnssplanning.com。
当比较F2 8日之间的误差和所有其他航班日期,有大型数据不一致,与中位数和NMAD错误值的0.420和0.288 m,分别。此外,有大量增加分位数的值相比其他调查日期(> 0.9),暗示更大的错误。这些比较显示多个峰值,表明GNSS数据或校准程序导致了最后的点云被错误地解决。检查估计错误位置进行后期处理的质量数据F2 8日(图5),有大的波动位置精度,主要的Z的方向,这很有可能导致最终的点云精度差异。这些可以看到当比较处理高程值F2 8日和9日F1。飞行高度的一致性是原来两个数据集相似,然而,当有一个垂直后处理的质量,减少飞行高度变得更加多样,从9日停止跟踪的高度。正是因为这一原因,第二个调查8日被撤所有后续分析。
图5。顶部面板说明了传感器的后续处理高程上的整个调查对F2 8th和F1 9th。在F1的9th保持稳定的海拔和光滑的不同规定的飞行高度之间的转换,F2 8th更贫穷的工作比较,特别是对飞行的结束。以下面板显示估计标准差经常的位置精度,北航,海拔,在F2的持续时间7月8日。无人机的位置是解决直到中途飞行,进行后期处理位置出现更大的不确定性,具有类似的不确定性经常和北航大约0.05的数据,但与0.31年的高程数据。这伴随着增加变异性进行后期处理的高程数据,提供进一步的依据从我们删除这个调查分析。
这里给出的错误价值观重要的是显示良好的协议与一些先前的研究在冰冻圈的研究,利用UAV-LS和直接运用方法,以及一个类似的精度评估的方法。例如,困难et al . (2020)获得的值在0.09和0.10之间,和0.13和0.16 m开放和植被被白雪覆盖的地区分别在两个网站在加拿大大草原。同样的,Koutantou et al。(2021)获得的值介于0.10和0.19米的积雪深度映射的调查在平面和陡峭的瑞士阿尔卑斯山的森林区域。冰冻圈以外的研究,这种设置报告精度在0.04和0.1之间(例如,林et al ., 2019;德雷尔et al ., 2021;Tomsett Leyland, 2021),我们的数据显示符合当前的方法。
相比之下,稳定地进行精度评估的结果UAV-SfM数据显示类似的一致性水平的调查(图6)。8日和9日,中值点之间的误差是-0.096米(∼3德牧)的NMAD±0.13米,表明表面之间的差异很小在稳定的地面。然而,对于飞行15日,直接运用是不可能的,只能用于运用目的,gcp平均误差和误差的变化增加,0.235(7.5德牧)m和NMAD超过0.25米。虽然15日的68.3%分位数只有0.15 - -0.2米高,95%分位数的高一个数量级。这些错误的分布一致显示显著的变化值,超过1米及以下的区别调查,而在8日和9日,这些错误被更紧密地聚集在中位数错误。结果,比较了7月15日的解释应该更高程度的不确定性,比那些利用调查从8日和9日。
图6。结果UAV-SfM精度评估的数据,在同一地区进行地面用于UAV-LS数据稳定。对比于8日和9日数据显示良好的协议,与较低的平均误差,然而,与7月15日显示更高的平均误差和错误值的变化更大,表明糟糕的模型的性能。此前,中位数[1],NMAD[2],68.3%的[3]分位数,95%[4]分位数的错误。
重要的是,错误从8日和9日显示良好的协议与以前的研究在冰川学进行自己的UAV-SfM调查在飞行高度进行类似,而从15也显示相当不错的协议。在这些研究中,报告错误的范围是1.5到∼6乘以德牧,每个各自的飞行高度调查范围50米和135米之间Wigmore和马克,2017年;Bash et al ., 2018,2020年;罗西尼et al ., 2018;谷鲁斯et al ., 2019;雪et al ., 2021)。
总的来说,准确评估的结果表明,所有调查的错误发现在这两种方法都小于预期变化感兴趣的在每一个时期,因此可接受的范围内。例如,UAV-SfM调查在2019年7月和9月和2021年7月Baurley (2022)Fjallsjokull,表明这个地区正在经历∼0.38 d−1表面变薄,∼0.5 d−1额位置的变化。这意味着生成的点云,民主党从这些调查结果可以可靠地用来进行进一步分析几种不同的冰河学过程。
4.2表面高程的变化
表面高程的变化发生在每一个时期的兴趣UAV-LS和UAV-SfM差民主党(图7),虽然表面变化的模式和大小变化之间的两种方法的结果。总体而言,这些变化观察到使用UAV-LS民主党更一致,而那些观察到使用UAV-SfM民主党多变量、大极端两个时间段之间的调查。
图7。结果表面高度变化的分析,利用DEM进行差分化为不同时间段UAV-LS和UAV-SfM-derived民主党。上面的面板显示空间在冰川表面高程的变化差异。地区灰色代表改变以下NMAD分析每个比较中概述图4和图6。这些灰色地带中突出显示直方图面板、显示的像素数量变化小于传感器的精度。总量变化每个时间段也显示旁边的分布变化,以及得失总在每个时间段分别为每个方法。下面这个净体积变化不包括任何改变每一对调查之间的检测极限,即不包括灰色区域内变化。
4.2.1 Sub-daily准备改变
Sub-daily变化观察到重复调查9日低调,很少表面高程的变化发生在这一时期。有证据表明稍微积极变化的研究大部分地区(0.01 -0.2),尽管大多数小于检测极限基于这些调查日期。然而,对研究的南部边缘地区,可以观察到小区域的海拔损失,可能代表崩解的事件。有趣的是,这些事件所带来的损失总量小于总表面获得观察研究地区,与冰表面增厚∼6269米3在这段时间。
4.2.2每日变化
向南部的研究程度地区,UAV-LS和UAV-SfM数据都表现出相对较少的表面高程的变化,与一些小的领域在冰川冰在UAV-LS损失数据。然而,北部的这个位置,面积的特点是相对较高的负表面存在UAV-LS数据变化,超过1米的海拔损失是观察到的地方,而类似的模式也强调UAV-SfM同期的数据。相比之下,对研究区域的中心UAV-LS数据的特点是面积增加表面海拔,0.4到1.2米的积极变化记录,但没有这样的模式中观察到UAV-SfM数据。更北的地方,这两种方法捕捉大崩解事件发生在这个地区的终点站,但只有UAV-LS再次强调更大的地表高程的变化对研究地区的最高程度。同时两种方法准确地识别变量的大量冰川区,并展示视觉相似的模式,由此导致净容积损失几乎是两倍的UAV-SfM方法∼13500米3相比,∼8500米3UAV-LS数据。直方图和净亏损,并获得这段暗示这两种方法都已经确定了类似的冰量损失,然而,净容积损失的差异可能是因为SfM方法不检测任何区域的表面获得发生在这一时期。
4.2.3每周变化
UAV-LS和UAV-SfM数据集显示相当大的差异模式之间的表面海拔8日和15日。两种方法准确地检测到两个主要产犊的事件发生在研究地区在这段时间里,虽然他们也能够捕捉复杂的变化发生在大量冰川区向中间和上部区域研究的地区。然而,尽管UAV-LS负表面变化的数据突显出一个总体模式研究地区在这段时间里,UAV-SfM数据说明相反。UAV-LS数据,这种模式可能是由于表面烧蚀的组合(例如,Purdie et al ., 2008;Trussel et al ., 2013)和动态反馈结果从崩解过程(例如,Tsutaki et al ., 2013;Shapero et al ., 2016),导致冰面薄,而一些小的变化也可能来自冰的平流down-glacier(如裂缝)通过时间(Wigmore和马克,2017年)。
相比之下,UAV-SfM数据中观察到的模式可能是由于缺乏GNSS输入直接运用在调查15日。这个柱状图可以看出,净收益和损失的条形图图7,似乎有一个积极的转变的结果,更大的浓度的积极的改变对北方冰川末端的程度。gcp的南部附近放置在稳定地面接地,这个调查很可能从模型转换到现实世界坐标导致倾斜或模型的成拱作用距离gcp,随着距离的增加模型不确定性在冰川(例如,詹姆斯和罗布森,2012年;米凯莱蒂et al ., 2015),减少对这些观察的信心。这导致了整体体积获得对研究地区∼3500米3,而UAV-LS数据整体体积减少∼60000米3是观察到的。
总的来说,净变化体积的准确性无法证实,因为没有直接测量可以被冰川的表面。然而,这些结果同样重要的是突出的地区,调查了在相同的日子里,有两种不同的方法,体积变化的数量级差异可以发现尽管类似的视觉模式的变化被观察到。
4.3产犊前几何形状的变化
的位置和几何形状的变化产犊前sub-daily,每天和每周为周期所示图8。应该注意的是,由于UAV-SfM调查不充分捕捉冰川的前面(因为所有图像获得从最低点的角度来看),这种分析只是UAV-LS数据上执行。
图8。(一)产犊的位置的变化感兴趣的三个时期。棕色,灰色,蓝色区域表示崩解事件,改变低于检测水平设置的这两个调查,分别的终点站和地区推进。空白数据是由于一个数据点密度不足以准确插入崩解。(B)产犊前几何变化在三个时期的兴趣。几何图形的代表表面变化每个时间段结束时显示。值用黄色表明更高程度的表面变化,少这样一个平面,深蓝色表明光滑,平坦的表面。地区点密度太低的获得一个精确的表示表面已被移除。给出表面变化没有规模,是基于特征值的比较从主成分分析获得的几何云周围的一个点(见海克et al ., 2016)。
sub-daily变化说明产犊前的位置在此期间变化很少,类似于地表高程变化的结果分析。然而,在这个总体模式几个小裂冰事件还可以看到发生在这段时间里,所表示的补丁的棕色顶部的崩解。
相比之下,更大的可变性产犊前观察到的位置在每天的时间。例如,几个崩解事件发生在这段时间里,造成高达5米的终点站在有些地方,与这些事件相应的质量损失接近这些地区观察到终点站地表高程变化分析。对产犊前的中心区域的局部的终点站也可以观察到,然而,大部分冰川前在这段期间内保持稳定或经历了变化小于UAV-LS提供的检测方法的最低水平。
最后,周期间的监控,几个特别大崩解事件发生,再次与这些相应的紧密的结果表面高程分析。这些事件的长度在50 - 100之间,导致局部的终点站衰退超过10米的地方。除了这些大型活动,终点站撤退几个较小的地区,以及终点前进,也可以观察到在整个长度的崩解。如此复杂的模式终点站进退是两个过程的结果:1)冰川崩解,这导致终点站退去,和2)冰速度,推动产犊前(Benn et al ., 2007)。的确,生产使用的距离值这一分析,以及M3C2软件,我们已经能够计算的平均速度∼0.6 d−1在产犊前,尽管全面分析超出了本文的范围,这一发现进一步强调了潜在的应用方法为未来的研究。
当评估产犊前的几何形状的变化情况,值得注意的是,有相当大的变化在整个长度的终点站(图8 b)。在每个时期,大部分的终点站的特点是高表面变化,特别是对研究地区的南部和北部(左和右的分别图),反映了冰解面断裂和不均匀的特性。有趣的是,这些区域的位置配合的裂冰事件所示图8高,表明表面变化都使得这些地区更容易断裂传播,因此崩解(Mallalieu et al ., 2020),以及崩解事件离开冰解面骨折。相比之下,这些地区表现出较低的表面变化,从而反映出流畅的冰解面(例如,对研究的中部和北部地区),似乎很好地反映这些地区经历了终点站的终点站在这一时期,可能反映他们可比无感受性。
4.4评估个人的裂冰事件
裂冰体积估计的结果分析表明,相比3 d测量体积,2.5 d估计似乎高估了冰的体积,已经失去了整体(表4)。只有1块记录体积较小的冰正在失去使用2.5 d,而不是3 d的方法,与估计体积减少4.1%的损失。此外,当使用UAV-SfM数据来估计崩解卷,它导致了更高比例的差异比UAV-LS容积损失,与冰体积估计18.2%的差异。
表4。描述性统计显示体积损失有关的三个产犊街区所示图9。对于每个事件,卷计算使用3 d和2.5 d技术UAV-LS和UAV-SfM数据集。百分比差异列2.5 d量指的是区别UAV-LS和UAV-SfM UAV-LS 3 d体积的方法。±值根据每周的NMAD值变化检测图3和图6。
重要的是要注意,在比较时是有限制的UAV-LS 3 d和UAV-SfM 2 d数据,可变性的方法和采集的数据使它具有挑战性,以确定这些差异的确切性质。当比较两个UAV-LS方法的性能时,块1有一个平滑和均匀垂直冰解面比高度变量和不均匀的脸的特点是块2和3,如所示图9。这支持3 d体积方法可能更合适,因为它可以占悬冰,以及更复杂的表面特征,当积累了大面积可以导致体积估计显著差异。
图9。(一)块1,一个高大的冰块位于深冰川北部地区研究的网站,(B)块2,冰层较薄的部分在前面的一系列大型平行的裂缝,(C)块3,短,但更大的冰扩展部分南缘的冰川(D)概述崩解块的位置1,2,3,用于评估个体产犊事件的比较。
相比之下,当比较2.5 d数据从两种方法,值得注意的是,使用不同的数据源来研究同一地区经历着相同的形态的变化可能导致结果不紧密的协议。在缺乏可靠的地面实况数据来确定这些事件的大小,很难断言这两种方法是最适合的裂冰量的准确量化。然而,UAV-LS方法重建的能力个人的3 d几何产犊块表明这可能是最准确的方法估计的裂冰的体积。这个分析也强调理解方法论的影响的重要性,和对结果的影响。
相关的不确定性量计算两个数量级小于估计损失在几乎所有的例子。的例外是1块3 d方法,置信区间是少一个数量级,但仍相当于在±5%的原始估计体积。错误的影响较小的3 d体积计算不是线性的,因此,同样的绝对值的不确定性将会产生更大的影响更小的块。这种效应不存在在2.5 d的方法。更高的体积计算的不确定性也将一定程度上是由于使用的简单方法。无论如何,较低的不确定性值相对于块大小提供了使用这些方法在未来的信心。
4.5裂缝形态和检测
从UAV-LS和提取的横截面UAV-SfM点云中可以看到图10,三个横断面显示冰川表面的相对位置。这两种方法之间最显著的区别是他们重建崩解的能力方面,与变量点密度两种方法在不同横断面之间解决。的确,在所有三个横断面,产犊前只有部分UAV-SfM数据重建,而完全重建UAV-LS数据。这是横断面为1,即SfM努力重建UAV-LS的过剩,可以观察到数据,导致在垂直剖面的差距,这个问题存在一个类似的程度上横断面2和3。我们注意到在这个研究UAV-SfM调查可能更好地重建产犊前他们从最低点和non-nadir角度被抓获。然而,这是不可能的,由于无人机和相机模型设置使用,与有限的电池寿命,同时它也往往更具挑战性的收购两种图像类型在一项调查中由于需要高重叠和像素间距不同的相机角度在这些鳞片。这是在5.1节详细讨论。
图10。横切整个冰川从UAV-LS(棕色)和UAV-SfM(蓝色)7月9日的点云。每一横断面妥协的不同地区冰川的特点是不同的裂缝形态。每个样的位置在冰川表面可以看到在左边的面板。较低的面板显示了上面的飞行路径的每一横断面(规模)来说明这两个传感器的位置mid-survey相对于裂缝网络,在每个样指示传感器位置之间的良好一致性。
相比之下,冰川的表面重建整体,提供类似的资料UAV-LS和UAV-SfM方法,与各种不同的裂缝形态。然而,个人裂缝深度检测的能力之间的不一致的方法。对于大型的裂缝,UAV-LS和UAV-SfM挑选的位置和跟踪的上半部分裂缝的墙壁,最深的裂缝是重建UAV-LS一般在更大程度上,比如在横断面1。然而,有限的表面反射的激光扫描仪由于不同入射角度的UAV-LS调查意味着一些最深的裂缝和墙壁没有完全解决UAV-SfM相比,横断面1中也可以看到。
相比之下,当调查小裂缝和表面特性,有更大的区别在这两种方法的性能。UAV-LS似乎能更好地检测这些小的表面形态的变化,而样2的插图所示。事实上,UAV-LS重建几个小裂缝在这个样,不过,同样是这些特性UAV-SfM一直平滑的方法,把他们从分析。这是最有可能造成的滤波和平滑算法在SfM处理工作流(Westoby et al ., 2012;史密斯和Vericat, 2015年;詹姆斯et al ., 2017),但是当聚合在大面积或净体积变化检测表面的裂缝时,可能会降低最终结果的准确性。
同样值得注意的是,不同的裂缝检测将依赖视角的平台(即。、裂缝是否在无人机或视野的边缘)。图10说明了近似飞行的无人机方法相对于冰面,并在大多数情况下UAV-LS重叠和UAV-SfM飞行线大致相同。因此,可以认为任何飞行线路上的差异并不是一个主要因素观察重建两种方法之间的差异。
5讨论
本研究的总体目标是评估的适用性UAV-LS冰川研究通过调查各种冰川过程在不同时间分辨率。在本节中,我们首先比较性能的新的基于UAV-LS方法UAV-SfM的更成熟的方法,之前评估的一些当前UAV-LS冰川应用的局限性,之后我们终于提出了一些未来工作的方向可能受益于UAV-LS的使用。
5.1比较UAV-LS UAV-SfM监测冰川变化的方法
本研究的主要目的是突出的潜力UAV-LS冰川研究通过比较完善和UAV-SfM的常用方法。这样可以了解哪些方法可能是最合适的,根据用户的需求,他们正在研究开发的过程。在此,从第四节讨论不同的输出,评论UAV-LS和UAV-SfM方法的适用性。
冰川表面的裂缝形态的理解可以用来通知几个不同的缓慢过程,如它的速度和整体构造演化,以及预测的裂冰事件和冰川崩解的稳定性更普遍的是,在许多其他的(例如,Benn et al ., 2007;Tsutaki et al ., 2013;詹宁斯et al ., 2014;Benn Astrom, 2018)。然而获得裂缝的详细数据结构是很困难的。利用UAV-SfM时,虽然可以重建裂缝当有大分离对立的墙壁和足够的照明(图10样,1),间距较小的区域和照明条件不佳的裂缝重建,趋于平滑或完全错过了(图10样,2)(Bemis et al ., 2014;瑞安et al ., 2015;Mallalieu et al ., 2017)。这也加剧了飞行线路,虽然高重叠在UAV-SfM建议,在这项研究中,这并不总是可能的,导致裂缝的墙壁没有足够的探测特性重建(Westoby et al ., 2012;Mallalieu et al ., 2017;Chudley et al ., 2019)。
相比之下,主动而不是被动遥感UAV-LS意味着广泛一致的点覆盖收购不管环境条件,同时多视点的功能也不是精确重建所需(李et al ., 2019;困难et al ., 2020)。因此,较小的形态学变化,如裂隙错过了SfM方法更好的重建,同时该方法也通常能够更好地重建最深的裂缝的形态。这不仅有助于提高我们的知识,这些特性如何形成和演变的冰面上随着时间的推移,但还将提供进一步的洞察关键控制这些特性对其他重要冰河学过程,如产犊(尼克et al ., 2010;Benn Astrom, 2018)。然而,入射角(即高的地方。,not perpendicular to the surface), as would be expected in deep crevasses, the ability of the scanner to detect laser returns is reduced, noticeable in both transects 1 and 2 of图10。无论如何,对这项研究提出的横断面使用UAV-LS还演示了我们的检测能力的改善和重建裂缝形态在当前UAV-SfM方法,特别是考虑到类似的飞行线路。这赞同那些先前的研究在冰川学,也说明了困难重建裂缝深度使用UAV-SfM时(例如,瑞安et al ., 2015;Chudley et al ., 2019)。
旁边的能力和相关的冰表面重建表面特性,一个同样重要的区域调查和调查是产犊前本身。准确地重建这些地区仍在冰川学一致的挑战,最低点视角的卫星图像,以及许多UAV-SfM调查,使他们很难重建由于变量和演变特性,大悬臂,和不一致的几何(Mallalieu et al ., 2017;Chudley et al ., 2019)。迄今为止,大多数研究在冰川学,利用UAV-SfM一如既往使用最低点或略off-nadir相机角度,以确保最优图像覆盖,重叠,和一致的像素大小(例如,瑞安et al ., 2015;罗西尼et al ., 2018;杨et al ., 2020)。然而,由于产犊方面在本质上是复杂的,几米的高度变化在相对较小的部分图像,重建这些地区使用UAV-SfM可以带来一些挑战。这是为图10,这说明了一个不完整的重建的冰川从UAV-SfM面前,尤其是在那些地区几何是最复杂的。此外,虽然可以在一定程度上解决这个问题使用专用non-nadir摄影航线,由于复杂的自然产犊前几个通过在不同海拔高度必须确保完成重建。
一样的重建表面的裂缝,这是由于不同的被动和主动传感两种方法的本质,即UAV-LS可以检测功能在一个通过由于降低飞行高度,360°激光扫描仪的数据捕获视角(Resop et al ., 2019;困难et al ., 2020)。这个改善点密度和允许附近的完整重建崩解。的主要优势是,它提供了一个完整的视图在不同的时间尺度空间不同额变化。例如,不是连续测量差异额的位置,可以确定额地位如何改变,在不同高度的,冰川方面,提供一个2 d而不是1 d的角度变化。因此,分析表面的复杂性(图8 b)和随后的额变化(图8)可以调查。重要的是要注意,我们UAV-SfM nadir-facing调查设计,因此,并不完全代表的潜在能力的方法充分捕捉崩解。然而,虽然相机系统可以安装在平衡环将允许冰川non-nadir图像前,随后匹配这个意象与最低点图像捕获从上面冰川需要足够的重叠和像素分辨率的匹配(Westoby et al ., 2012;米凯莱蒂et al ., 2015),需要非常详细的飞行计划和可能限制区域覆盖的调查。这也许解释了为什么没有研究到目前为止一直试图捕捉产犊前使用最低点和non-nadir意象的组合,但我们认为这应该是未来研究的当务之急。因此,根据我们的数据,面临额外的困难当部署UAV-LS超出了在这种情况下能够获得增加产犊前点密度,特别是潜在的困难相比,获取合适的图像从UAV-SfM产犊前重建。
准确重建的一个关键好处产犊前是能够计算sub-aerial冰的体积中丢失个人崩解事件。通常,估计也是损失2.5 d方法进行,即产犊块discretised成2 d网格在计算每个网格的体积相比,基础水平(在这种情况下湖表面)和总结。这提供了一个有效的方法计算量,并且已经使用跨地貌的应用程序(例如,惠顿et al ., 2010;威廉姆斯,2012;怀特黑德et al ., 2013;Jouvet et al ., 2019)。然而,考虑到复杂的裂冰的性质方面,它可以假定2.5 d方法可能会高估的实际体积sub-aerial冰迷路。体积的差异之间的三种方法,因此,正如所料,最低的数量为每个块发现3 d方法总的来说,这是更好地轮廓形状的表面下,不包括空空气过剩。相比之下,发现最大的冰损失估计为2.5 d方法使用UAV-LS和UAV-SfM方法,然而,估计量都高于后者。
这可能是由于UAV-LS探测的能力更大的表面变化和更好地识别边缘的崩解,而UAV-SfM会缓和一些变化(例如,史密斯和Vericat, 2015年;詹姆斯et al ., 2017;Mallalieu et al ., 2017)。有趣的是,减少表面变化块1 (图9)表明,哪里有有限的结构复杂性,那些块2.5 d的方法是适当的估算sub-aerial卷,在最小的体积估计的三种方法之间的不同。然而,值得注意的是,该方法不仅用于确定体积损失重要,而且原始数据源使用,大裂冰的体积差异2.5 d UAV-LS和UAV-SfM方法观察,对未来调查的总冰损失发生在冰川崩解的面前。需要注意的是,所有这些方法只考虑sub-aerial部分的冰,和越来越复杂的3 d表面点云计算密集型和需要手动检查,两者都是面临的问题不是2.5 d的方法。
以上讨论的三个分析绑定到变量民主党差分的结果分析,说明图7。从这些数据所能观察到的是,这两种方法都充分捕捉大冰损失的变化发生在产犊前在每天和每周的比较,相似的位置和震级记录。这是预期这两种方法的检测水平低于的大小变化观察到在每个时期(Baurley (2022)观察到∼0.38 d−1表面变薄在这个地区在2021年7月)。然而,当分析每日变化,高程的变化观察到整个冰川地区比UAV-SfM UAV-LS更大,虽然没有广泛的地面真理不能肯定地说哪种方法产生了最准确的结果。然而,根据裂缝检测分析,UAV-LS数据一直是显示检测更多的小裂缝特性,以及改善的深度最深的裂缝可以重建。重建,增强能力的真正高度冰面表明海拔高度的变化从UAV-LS获得的数据是一个对现实更好的表示。这对评估净体积变化,表面平滑SfM可能无法考虑任何额外的损失或收益。此外,在日常UAV-LS数据比较,中部地区的冰川显示一个整体,如果不是非常轻微,增加表面高程不被UAV-SfM同期的数据。类似的模式也观察到每日在额叶的位置比较分析,说明了提前的终点站在这个中央位置,进一步表明这种变化被UAV-LS比较好。这个地区的冰川冰面的冰川比其他部分更少,因此这可能减少探测特性的表面重建通过SfM处理例程(Westoby et al ., 2012;Bemis et al ., 2014;Bash et al ., 2020),因此低估了真正的这个地区的冰川表面的高度。
相反,增加整体表面高程观测UAV-SfM数据在每周的比较是有可能的结果缺乏直接的运用能力和后续对gcp的依赖。事实上,考虑到趋势观察到在其他时间段,以及如何表面消融,动态反馈,和冰平流都将导致冰川变薄(Purdie et al ., 2008;Trussel et al ., 2013;Tsutaki et al ., 2013;Shapero et al ., 2016;Wigmore和马克,2017年),这个净增长不太可能是现实的表示。在缺乏直接的运用,最终模型的质量生产使用UAV-SfM高度依赖的数量和分布gcp用于georeference图像(詹姆斯和罗布森,2014年;Sanz-Ablanedo et al ., 2018)。这些gcp理想情况下应该分布在研究网站,包括研究的外缘区域,以减少模型变形(如。詹姆斯和罗布森,2012年,2014年;米凯莱蒂et al ., 2015;Gindraux et al ., 2017)。然而,放置gcp冰川环境中以这种方式在逻辑上是不切实际的和具有挑战性的,与大多数研究日期而不是把它们沿横向冰川的边缘(例如,Immerzeel et al ., 2014;瑞安et al ., 2015),是在这项研究完成的。重要的是,调查的精度评估15日表示更高程度的可变性,以及增加平均误差直接地理坐标的图像相比,即使稳定地用于评估是gcp接近。因此,可能与gcp的距离增加,模型的准确性成为减少,而不是完全依赖图像重建算法精确定位和重建而不是gcp冰川表面。这说明,尽管UAV-SfM仍然可以产生足够的模型输出没有直接运用能力,重复模型之间的一致性可能会减少,导致更少的信心观察变化。
5.2当前UAV-LS冰川应用的局限性
无声的这项研究的结果明显突出的优点UAV-LS用于冰川研究,它也遭受一些局限性,可以大致分成以下几类:1)后勤问题,2)导航和定位问题,3)地形和分类问题,4)成本问题和5)与天气有关的问题。这些在下面把将简单地加以讨论。
总的来说,一个主要的限制是空间之间的权衡的区域调查和解决了数据(雅各布斯et al ., 2021)。UAV-LS航班通常在低高度和飞行速度产生高密度点云,尽管有限的电池寿命也减少的最大可能范围调查区域(华莱士et al ., 2014;困难et al ., 2020)。同时增加了飞行高度和速度可以扩展的空间范围的调查,这减少点密度,减少表面重建的准确性(Resop et al ., 2019;雅各布斯et al ., 2021)。此外,正如前面所讨论的方法,增加飞行高度可以导致错误由于孔径角偏差和激光足迹大小(图11 b, C)。SfM相比,获得同一点密度UAV-LS系统用在这里必须飞低得多,增加相同的横断面研究领域;然而当飞行在相同的高度,SfM需要两倍飞行线路使用我们设置由于高重叠的需求(图11)。不同飞行高度的影响UAV-LS准确度和精密度可能需要进一步调查提供指导该领域的最佳实践的方法。相比,因为UAV-SfM有一个广泛的知识基础来支持它的使用,只需要一个无人机平台和一个相机在它的基本配置中,这样的系统可以轻松快速地部署到地图大部分地区,与固定翼系统能够映射10平方公里的适当权限(飞行史密斯et al ., 2016;Jouvet et al ., 2019;困难et al ., 2020)。例如,在本研究UAV-LS数据破坏∼0.1公里的一个领域2,而平行UAV-SfM调查能够覆盖∼0.9公里2收集数据,一个类似的空间和时间分辨率冰川表面。因此,考虑对调查区域的大小一样重要的过程被研究在选择这两种方法使用。然而,值得注意的是,关于无人机持续的技术改进电池性能,以及固定翼平台的多功能性,是允许增加飞行时间(雅各布斯et al ., 2021)。现成的UAV-LS包包括固定翼和旋转翼飞机系统现在能够飞行超过40分钟(例如,收M300, FIXAR 007垂直起落,格尔RiCOPTER),帮助解决空间周围的限制程度,大大增加了在每个调查覆盖面积。
图11。(一)的影响不同飞行高度飞行线路UAV-LS所需的数量和UAV-SfM调查。这表明在相同的高度飞行时,有一个要求SfM调查有更多的飞行线路对于一个给定的区域,但合成点密度更大。相反,对于类似的点密度产生的处理,UAV-SfM调查可以在更高的飞行高度,飞行需要较少的飞行线路感兴趣的特定区域。(B)不同孔径的影响校准错误生成的点云(这些通常是最具挑战性的测量准确)。箭头显示的方向飞行,橙色和紫色的扫描轮廓与一个积极的和消极的,球场上,或标题错误,分别在扫描坐标系。这些错误的方向显示在每个方向的激光扫描仪用于这项研究。(C)中概述的错误吗(B)传播与调查高度的榴弹炮。中概述的真正的表面是黑色的,与5°应用于大约20辊旋转,40和60米的飞行高度。出站时错误指的是卷飞到页面,而返回错误是当页面的飞出。这说明了如何确定这些错误,随后占,最好的缓解这些错误解决降低飞行高度。
UAV-LS的一个重要限制是依赖直接运用能力以获得一个完整的点云处理,错误的位置和姿态数据直接影响模型输出(Pilarska et al ., 2016;Dharmadasa et al ., 2022)。如果没有收到,GNSS或定位数据和大满贯的点密度不够大(同步位置和映射)算法物理定位输入那些激光扫描数据(德尔·佩鲁贾et al ., 2019),然后创建最终点云。如果GNSS信号强度很低,可见卫星的数量减少,或有可怜的卫星星座几何,那么无人机的位置不会准确地定义在后处理(大厅et al ., 2010;Karaim et al ., 2018)。这是很重要的,作为一个足够数量的卫星必须不断地观察到为了获得高位置精度(Karaim et al ., 2018;Chudley et al ., 2019)。同样,额外的GPS误差也可以引进多路径错误,时钟偏差和大气条件,如微分影响对流层或电离层延迟(Pilarska et al ., 2016;Chudley et al ., 2019),所有这些都需要占在传感器设置和设计,以及在调查计划。演示了在这项研究中,尽管UAV-SfM也可以影响上述条件,点云代应该有选择GNSS数据不可用,有方法能够重建场景没有任何先验知识的相机位置,只需要几个gcp粗对齐模型真实世界坐标(例如,Westoby et al ., 2012)。同时可以利用gcp UAV-LS调查来提高模型精度和纠正任何系统性偏差(例如,困难et al ., 2020;Dharmadasa et al ., 2022),他们包容不会解决上述需要高质量的GNSS数据。
因地形限制被调查也必须占在任务规划。例如,减少激光返回的数量,获得从高发病率的角度将导致更加一致的点云密度在最后(认为et al ., 2013;Dharmadasa et al ., 2022这里展示),当重建的下游最深的裂缝。一致的点间距产生所需的场景也最终表面模型,以及进行几何分析(Dharmadasa et al ., 2022信心),减少点密度减少甚至完全消除区域分析结果。这是观察到这里额位置变化分析sub-daily和日常比较地区的冰川前由于点密度不足。然而,这些可以通过详细的飞行计划,以确保克服扫描角度和重叠是充分为了允许获得高质量的点云(认为et al ., 2013;Dharmadasa et al ., 2022)。
主要障碍限制UAV-LS的使用,特别是关于适用性和社区吸收,所需的大量的设备投资和处理软件。例如,使用的系统困难et al . (2020)成本∼£195000(∼221000美元/∼€222000),同时采用Resop et al。(2019)成本∼£130000(∼150000美元/∼€151000)。现在可以使用现成的系统在该地区的∼£20000 /∼∼22000美元(€23000)等制造商TOPODRONE (https://topodrone.com),但仍然是一个相当大的费用相比UAV-SfM设置通常成本几千英镑的顺序(如。做饭,2017;Jouvet et al ., 2019;雪et al ., 2021)。采购等综合系统才可能大,资金雄厚,许多研究项目,这意味着他们仍然是一个不可行的选项直到成本进一步降低Torresan et al ., 2018)。这里使用的系统的总体成本是∼£25000 2017年(∼28000美元/∼€29000),当时的成本远远低于购买现成的UAV-LS,更昂贵的比系统部署在最近的UAV-SfM研究(如。罗西尼et al ., 2018;van der Sluijs et al ., 2018;Chudley et al ., 2019;杨et al ., 2020)。建设一个定制的解决方案基于现成的组件,近年来降低成本,对于大多数用户来说是可行的能够创建自定义SfM设置。这个设置的详细描述中可以找到Tomsett和Leyland (2021)。然而,这仍然需要密集的投资从用户财务SfM设置成本相比,和组装所需的时间,过程,和测试系统。因此,UAV-LS为许多用户可能遥不可及,剩下UAV-SfM最可行的选择。
无人机方法相比,卫星图像的一个主要优点是能够捕获数据当卫星可能经历沉重的云层。然而,无人机的方法仍然可以受到特定的天气条件下,与任何形式的降水或雾影响无人机和传感器性能(伊利et al ., 2017;雅各布斯et al ., 2021),强风影响无人机轨迹的稳定性和减少电池寿命(Bhardwaj et al ., 2016)。在冰川环境中,甚至在天风预计将较低,无人机可以受到强大的重力风(瑞安et al ., 2015;Jouvet et al ., 2019)。因此,不利天气条件会影响测量的重复性无人机平台,特别是在日常sub-daily间隔,这可以极大地影响这些领域活动仅仅关注无人机作为一种数据收集方法。
5.3未来工作的方向
很明显从之前的分析和讨论,UAV-LS拥有巨大的潜力来改善我们的理解的几个冰川过程。它允许冰面高程的变化可以更准确地量化,由于内表面特征的改进映射生成的民主党UAV-SfM相比。反过来,这可以充分利用高分辨率DEM差分来评估表面烧蚀率和年度质量平衡(Immerzeel et al ., 2014;Bhardwaj et al ., 2016),尤其是当结合新的UAV-LS系统提供的飞行时间越长,使用这些数据有可能通知区域融化模型。
表面烧蚀率和质量平衡的评估也可以用来了解冰川的当前和未来的动态行为更准确(保罗et al ., 2015;文澜et al ., 2019)。例如,增加稀释land-terminating冰川通常是一个整体放缓和潜在的经济停滞的前体(例如,Heid Kaab, 2012;Dehecq et al ., 2019),而在冰川崩解通常表示一个开关更动态的质量损失机制,通过动态变薄等过程(例如,Trussel et al ., 2013;神和Sugiyama, 2018)。量化这种动态变化的能力是关键对于理解未来的冰川质量损失,从而准确、深入监控是至关重要的。
该方法也可以用来评估裂冰活动,在频率和幅度,在高时间分辨率和精度远高于估计相比,由2.5 d UAV-SfM或延时摄影(例如,Mallalieu et al ., 2017;Jouvet et al ., 2019)。准确地量化裂冰对我们理解有关键影响的动态和未来潜在的反应这样的冰川,作为增加崩解活动通常是由于冰速度和撤退率增加,表明冰川的动态行为的改变正在进行中(例如,神和Sugiyama, 2018;Baurley et al ., 2020)。我们还表明,合理的速度可以从LS提取点云,进一步强调方法的潜力,为未来的研究提供范围。初步分析在此也说明视觉额可变性和崩解活动之间的关系,与UAV-LS提供新的机会调查这额几何关系和崩解活动范围的时空尺度。
同样,改进的几何分析从UAV-LS数据也可以用于半自动裂缝描述,的形态学重建和跟踪。这将允许大小,重要的是,裂缝的深度估计,进而可以帮助我们预测未来的时机和巨大潜力,崩解事件(瑞安et al ., 2015;Benn Astrom, 2018)。能够更准确地描述和重建裂缝形态,以及跟踪他们的运动和演化,可能对我们的理解具有重要影响的裂缝理论,以及冰川崩解的潜在稳定(Benn et al ., 2007;尼克et al ., 2010)。
最后,UAV-LS也可以利用冰川灾害评估在个体在高山,高山冰川盆地规模设置。尽管爆发洪水等灾害,冰雪崩或冰蛀牙是正常的崩溃发生在这样的环境中,有明确的证据表明,气候变化是增加这些危害发生的可能性(例如,Azzoni et al ., 2017;Fugazza et al ., 2018;王et al ., 2018)。因此,UAV-LS提供的高分辨率映射可以帮助支持目前的风险管理策略,允许更精确的监测危险出现在这些山区环境中,特别是在特征稀疏地区的积雪SfM方法是有限的。
6结论
在这项研究中,我们评估UAV-LS冰川研究的适用性进行重复调查∼0.1公里2Fjallsjokull的地区积极冰川崩解冰岛东南部。在这一过程中,我们已经成功部署的研究首次证明UAV-LS系统在一个活跃的冰川环境中,调查不同的过程发生在near-terminus地区冰川崩解。在这项研究中允许自定义无人机用于捕获和一代的密集点云(> 300分−2在40米的飞行高度)的冰面和崩解,在日常,sub-daily,和每周的时间间隔,提供洞察冰川过程在高空间和时间分辨率。
我们的结果显示:1)表面高程的变化near-terminus地区空间变量,可能由表面的融化和动态反馈相关崩解过程,以及冰的平流向前线;2)的几何产犊前不断进化响应崩解事件或局部的进步,即使在sub-daily时间表;3)如何从UAV-LS生成的点云可以用来更精确地估计的体积sub-aerial流失的冰裂冰;和4),该方法也可以用来更好的检测表面裂缝形态,提供未来的开采规模和深度范围以及提高监测他们的进化。这是可以通过UAV-LS产生的高准确性和一致性的数据集,计算错误远低于变化观察到冰川末端的大小,同时也提供初步见解冰川在这些不断变化的几何尺度,尤其是沿着崩解。
尽管UAV-LS中仍然存在局限性,例如收购的成本和空间范围的调查,这些都是需要解决的开始。重要的是,这两个区域被调查,被调查的过程,将决定最合适的方法为个人研究项目的数据收集,并与所有测量方法在冰川学、地貌学和更广泛地说,一个解决方案的方法是不可行的。尽管如此,UAV-LS有可能帮助我们理解许多冰川过程在范围广泛的应用程序,尤其是冰川质量平衡,冰动力学和崩解行为,证明它有一个重要的角色在推进我们的知识和能力来监控,快速变化的冰川环境在未来。
数据可用性声明
在这项研究中提出的数据集可以在下面找到在线存储库:https://doi.org/10.5281/zenodo.7018549。
作者的贡献
NB和CT设计研究,进行实地调查和处理,分析了无人机数据。所有作者的写作和编辑的手稿。
资金
Fjallsjokull的田野调查,NB得到了达德利邮票纪念奖(研究生研究奖)的一部分从皇家地理学会(IBG),和一个探险队从珠穆朗玛峰基金会的资助。CT是由自然环境研究理事会和工程和物理科学研究理事会资助资金通过下一代无人驾驶系统科学(关系)博士训练中心授予数量1937474。
确认
所有作者承认两个匿名评论者的评论大大提高稿件的质量。NB和CT希望感谢瓦特纳冰川国家公园提供了一个研究许可证允许进行研究。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
Altena B。,和Kääb, A. (2017). “Glacier ice loss monitored through the Planet CubeSat constellation,” in2017年第九届国际研讨会在分析多瞬时遥感图像(MultiTemp)(比利时布鲁日:IEEE),1 - 4。doi: 10.1109 / Multi-Temp.2017.8035235
Applanix, (2018)。APX-15无人机数据表。(在线)。可以在:https://www.applanix.com/downloads/products/specs/APX15_UAV.pdf(2022年7月25日,访问)。
Azzoni, r S。Fugazza D。Zennaro, M。Zucali, M。,D’Agata, C., Maragno, D., et al. (2017). Recent structural evolution of Forni glacier tongue (Ortles-Cevedale group, central Italian Alps).j .地图13 (2),870 - 878。doi: 10.1080 / 17445647.2017.1394227
Bash,大肠。,Moorman, B. J., and Gunther, A. (2018). Detecting short-term surface melt on an Arctic Glacier using UAV surveys.远程Sens。10 (10),1547 - 1617。doi: 10.3390 / rs10101547
Bash,大肠。,Moorman, B. J., Menounos, B., and Gunther, A. (2020). Evaluation of SfM for surface characterization of a snow-covered glacier through comparison with aerial lidar.j .无人阿明费。系统。8 (2),119 - 139。doi: 10.1139 / juvs - 2019 - 0006
Baurley: R。,Robson, B. A., and Hart, J. K. (2020). Long-term impact of the proglacial lake Jökulsárlón on the flow velocity and stability of Breiðamerkurjökull glacier, Iceland.地球上冲浪。的过程。Landf。45 (11),2647 - 2663。doi: 10.1002 / esp.4920
比,美国P。,Micklethwaite, S., Turner, D., James, M. R., Akciz, S., Thiele, S. T., et al. (2014). Ground-based and UAV-based photogrammetry: A multi-scale, high-resolution mapping tool for structural geology and paleoseismology.j . Struct。青烟。69年,163 - 178。doi: 10.1016 / j.jsg.2014.10.007
Benassi F。,Dall’Asta, E., Diotri, F., Forlani, G., Morra di Cella, U., Roncella, R., et al. (2017). Testing accuracy and repeatability of UAV blocks oriented with GNSS-supported aerial triangulation.远程Sens。9 (2),172 - 223。doi: 10.3390 / rs9020172
Benn, d . I。,和Åström, J. A. (2018). Calving glaciers and ice shelves.放置。X3 (1),1513819。doi: 10.1080 / 23746149.2018.1513819
Benn, d . I。,沃伦,c R。,和Mottram, R. H. (2007). Calving processes and the dynamics of calving glaciers.地球科学牧师。82 (3 - 4),143 - 179。doi: 10.1016 / j.earscirev.2007.02.002
Benoit, L。,Gourdon, A., Vallat, R., Irarrazaval, I., Gravey, M., Lehmann, B., et al. (2019). A high-resolution image time series of the Gorner Glacier-Swiss Alps-derived from repeated unmanned aerial vehicle surveys.地球系统。科学。数据11 (2),579 - 588。doi: 10.5194 / essd - 11 - 579 - 2019
Bhardwaj,。,山姆,L。,Martín-Torres, F. J., and Kumar, R. (2016). UAVs as remote sensing platform in glaciology: Present applications and future prospects.远程参议员包围。175年,196 - 204。doi: 10.1016 / j.rse.2015.12.029
布勒公司Y。,Adams, M. S., Bösch, R., and Stoffel, A. (2016). Mapping snow depth in alpine terrain with unmanned aerial systems (UASs): Potential and limitations.冰冻圈10 (3),1075 - 1088。doi: 10.5194 / tc - 10 - 1075 - 2016
Carrivick, j·L。,和Tweed, F. S. (2013). Proglacial lakes: Character, behaviour and geological importance.皮疹。科学。牧师。78年,34-52。doi: 10.1016 / j.quascirev.2013.07.028
钱德勒b M。、埃文斯、d J。,Chandler, S. J., Ewertowski, M. W., Lovell, H., Roberts, D. H., et al. (2020). The glacial landsystem of Fjallsjökull, Iceland: Spatial and temporal evolution of process-form regimes at an active temperate glacier.地貌学361年,107192 - 107228。doi: 10.1016 / j.geomorph.2020.107192
Chernos, M。,Koppes, M., and Moore, R. D. (2016). Ablation from calving and surface melt at lake-terminating Bridge Glacier, British Columbia, 1984–2013.冰冻圈10 (1),87 - 102。doi: 10.5194 / tc - 10 - 87 - 2016
Chudley, T。,Christoffersen, P., Doyle, S. H., Abellan, A., and Snooke, N. (2019). High accuracy UAV photogrammetry of ice sheet dynamics with no ground control.冰冻圈13 (3),955 - 968。doi: 10.5194 / tc - 13 - 955 - 2019
CloudCompare (2020)。14 CloudCompare版本。(在线)。可以在:https://www.danielgm.net/cc/(2022年7月17日,访问)。
认为,j·S。,Painter, T. H., and Finnegan, D. C. (2013). Lidar measurement of snow depth: A review.j . Glaciol。59 (215),467 - 479。jog12j154 doi: 10.3189/2013
Dehecq,。,Gourmelen, N., Gardner, A. S., Brun, F., Goldberg, D., Nienow, P. W., et al. (2019). Twenty-first century glacier slowdown driven by mass loss in High Mountain Asia.Geosci Nat。12 (1),27。doi: 10.1038 / s41561 - 018 - 0271 - 9
▽佩鲁贾,B。,Giannetti F。Chirici, G。,和Travaglini, D. (2019). Influence of scan density on the estimation of single-tree attributes by hand-held mobile laser scanning.森林10 (3),277。doi: 10.3390 / f10030277
戴尔,R。,Carr, R., Phillips, E., and Russell, A. J. (2019). Response of glacier flow and structure to proglacial lake development and climate at Fjallsjökull, south-east Iceland.j . Glaciol。65 (250),321 - 336。doi: 10.1017 / jog.2019.18
Dharmadasa, V。Kinnard C。,和Baraër, M. (2022). An accuracy assessment of snow depth measurements in agro-forested environments by UAV lidar.远程Sens。14(7),1649年。doi: 10.3390 / rs14071649
收。(2022)。激发2。(在线)。可以在:https://www.dji.com/uk/inspire-2(2022年6月20日访问)。
收。(2022 b)。矩阵600 Pro。(在线)。可以在:https://www.dji.com/uk/matrice600-pro/info规格(6月23日访问,2022)。
德雷尔,。,Janßen, J., Kuhlmann, H., and Klingbeil, L. (2021). Quality analysis of direct georeferencing in aspects of absolute accuracy and precision for a UAV-based laser scanning system.远程Sens。13(18),3564年。doi: 10.3390 / rs13183564
伊利,j . C。,Graham, C., Barr, I. D., Rea, B. R., Spagnolo, M., and Evans, J. (2017). Using UAV acquired photography and structure from motion techniques for studying glacier landforms: Application to the glacial flutes at Isfallsglaciären.地球上冲浪。的过程。Landf。42 (6),877 - 888。doi: 10.1002 / esp.4044
EMLID (2022)。EMLID范围。(在线)。可以在:https://emlid.com/reach/(2022年6月20日访问)。
埃文斯·d·J。,和Twigg, D. R. (2002). The active temperate glacial landsystem: A model based on breiðamerkurjökull and Fjallsjökull, Iceland.皮疹。科学。牧师。21 (20 - 22),2143 - 2177。doi: 10.1016 / s0277 - 3791 (02) 00019 - 7
Farinotti D。鲨鱼肉,M。,Fürst, J. J., Landmann, J., Machguth, H., Maussion, F., et al. (2019). A consensus estimate for the ice thickness distribution of all glaciers on Earth.Geosci Nat。12 (3),168 - 173。doi: 10.1038 / s41561 - 019 - 0300 - 3
费舍尔,M。鲨鱼肉,M。,Kummert, M., and Hoelzle, M. (2016). Application and validation of long-range terrestrial laser scanning to monitor the mass balance of very small glaciers in the Swiss Alps.冰冻圈10 (3),1279 - 1295。doi: 10.5194 / tc - 10 - 1279 - 2016
Flener C。,Vaaja, M., Jaakkola, A., Krooks, A., Kaartinen, H., Kukko, A., et al. (2013). Seamless mapping of river channels at high resolution using mobile LiDAR and UAV-photography.远程Sens。5 (12),6382 - 6407。doi: 10.3390 / rs5126382
Fugazza D。,Scaioni, M., Corti, M., D'Agata, C., Azzoni, R. S., Cernuschi, M., et al. (2018). Combination of UAV and terrestrial photogrammetry to assess rapid glacier evolution and map glacier hazards.Nat。危害地球系统。科学。18日,1055 - 1071。doi: 10.5194 / nhess - 18 - 1055 - 2018
Gindraux, S。伯施,R。,和Farinotti D。(2017). Accuracy assessment of digital surface models from unmanned aerial vehicles’ imagery on glaciers.远程Sens。9 (2),186 - 215。doi: 10.3390 / rs9020186
Glennie C。,Kusari, A., and Facchin, A. (2016). Calibration and stability analysis of the VLP-16 laser scanner.Int,拱。Photogramm。远程参议员口角。正,科学。40岁的则高达55 -。doi: 10.5194 / isprs -档案- xl - 3 - w4 - 55 - 2016
谷鲁斯,a。R。,Bertschinger, T. J., Kummer, C. M., Erlwein, S., Munz, L., and Philipp, A. (2019). The potential of low-cost UAVs and open-source photogrammetry software for high-resolution monitoring of alpine glaciers: A case study from the kanderfirn (Swiss alps).地球科学9 (8),356。doi: 10.3390 / geosciences9080356
Guðmundsson, S。Bjornsson, H。的困扰,Palsson F。,Magnusson, E。,Sæmundsson, Þ., and Jóhannesson, T. (2019). Terminus lakes on the south side of Vatnajökull ice cap, SE-Iceland.Jokull69年,猴。
海克尔是T。,Wegner, J. D., and Schindler, K. (2016). “Contour detection in unstructured 3D point clouds,” in《IEEE计算机视觉与模式识别会议,1610 - 1618。
大厅,k W。,Gagliardi, P., and Lawton, D. C. (2010). GPS accuracy part 2: RTK float versus RTK fixed. [online].船员研究报告(卡尔加里:机组人员1 - 8)22日。可以在:https://www.crewes.org/Documents/ResearchReports/2010/CRR201029.pdf(2022年7月21日通过)。
Hannesdottir, H。Bjornsson, H。的困扰,Palsson F。,Aðalgeirsdóttir, G., and Guðmundsson, S. (2015). Changes in the southeast Vatnajökull ice cap, Iceland, between∼ 1890 and 2010.冰冻圈9 (2),565 - 585。doi: 10.5194 / tc - 9 - 565 - 2015
难,P。,Pomeroy, J. W., and Helgason, W. D. (2020). Improving sub-canopy snow depth mapping with unmanned aerial vehicles: Lidar versus structure-from-motion techniques.冰冻圈14 (6),1919 - 1935。doi: 10.5194 / tc - 14 - 1919 - 2020
Heid, T。,和Kääb, A. (2012). Evaluation of existing image matching methods for deriving glacier surface displacements globally from optical satellite imagery.远程参议员包围。118年,339 - 355。doi: 10.1016 / j.rse.2011.11.024
Hohle, J。,和Höhle, M. (2009). Accuracy assessment of digital elevation models by means of robust statistical methods.远程Sens ISPRS j .摄影测量。64 (4),398 - 406。doi: 10.1016 / j.isprsjprs.2009.02.003
如何,P。,Schild, K. M., Benn, D. I., Noormets, R., Kirchner, N., Luckman, A., et al. (2019). Calving controlled by melt-under-cutting: Detailed calving styles revealed through time-lapse observations.安。Glaciol。60 (78),20-31。doi: 10.1017 / aog.2018.28
Howat, i M。,Joughin, I., Fahnestock, M., Smith, B. E., and Scambos, T. A. (2008). Synchronous retreat and acceleration of southeast Greenland outlet glaciers 2000–06: Ice dynamics and coupling to climate.j . Glaciol。54 (187),646 - 660。doi: 10.3189 / 002214308786570908
Howat, i M。,Joughin, I., and Scambos, T. A. (2007). Rapid changes in ice discharge from Greenland outlet glaciers.科学315 (5818),1559 - 1561。doi: 10.1126 / science.1138478
Hugenholtz C。、棕色、O。,Walker, J., Barchyn, T., Nesbit, P., Kucharczyk, M., et al. (2016). Spatial accuracy of UAV-derived orthoimagery and topography: Comparing photogrammetric models processed with direct geo-referencing and ground control points.Geomatica70 (1),21 - 30。doi: 10.5623 / cig2016 - 102
鲨鱼肉,M。,和Hock, R. (2018). Global-scale hydrological response to future glacier mass loss.Nat,爬。张。8 (2),135 - 140。doi: 10.1038 / s41558 - 017 - 0049 - x
Immerzeel, W W。,Kraaijenbrink, P. D. A., Shea, J. M., Shrestha, A. B., Pellicciotti, F., Bierkens, M. F. P., et al. (2014). High-resolution monitoring of Himalayan glacier dynamics using unmanned aerial vehicles.远程参议员包围。150年,93 - 103。doi: 10.1016 / j.rse.2014.04.025
Jaakkola,。Hyyppa, J。Kukko,。Yu, X。,Kaartinen, H., Lehtomäki, M., et al. (2010). A low-cost multi-sensoral mobile mapping system and its feasibility for tree measurements.远程Sens ISPRS j .摄影测量。65 (6),514 - 522。doi: 10.1016 / j.isprsjprs.2010.08.002
雅各布斯,j . M。,Hunsaker, A. G., Sullivan, F. B., Palace, M., Burakowski, E. A., Herrick, C., et al. (2021). Snow depth mapping with unpiloted aerial system lidar observations: A case study in durham, New Hampshire, United States.冰冻圈15 (3),1485 - 1500。doi: 10.5194 / tc - 15 - 1485 - 2021
詹姆斯·m·R。,和Robson, S. (2014). Mitigating systematic error in topographic models derived from UAV and ground-based image networks.地球上冲浪。的过程。Landf。39 (10),1413 - 1420。doi: 10.1002 / esp.3609
詹姆斯·m·R。罗布森,S。,和史密斯·m·W。(2017). 3-D uncertainty-based topographic change detection with structure-from-motion photogrammetry: Precision maps for ground control and directly georeferenced surveys.地球上冲浪。的过程。Landf。42 (12),1769 - 1788。doi: 10.1002 / esp.4125
詹姆斯·m·R。,和Robson, S. (2012). Straightforward reconstruction of 3D surfaces and topography with a camera: Accuracy and geoscience application.j .地球物理学。Res。117 (F3)。jf002289 doi: 10.1029/2011
詹宁斯,美国J。,Hambrey, M. J., and Glasser, N. F. (2014). Ice flow-unit influence on glacier structure, debris entrainment and transport.地球上冲浪。的过程。Landf。39 (10),1279 - 1292。doi: 10.1002 / esp.3521
Joerg, p . C。,Morsdorf, F., and Zemp, M. (2012). Uncertainty assessment of multi-temporal airborne laser scanning data: A case study on an Alpine glacier.环境遥感127年118 - 129。doi: 10.1016 / j.rse.2012.08.012
Jouvet G。,Weidmann, Y., van Dongen, E., Luethi, M., Vieli, A., and Ryan, J. (2019). High-endurance UAV for monitoring calving glaciers: Application to the inglefield bredning and eqip sermia, Greenland.前面。地球科学。(洛桑)。7,保护主义。doi: 10.3389 / feart.2019.00206
Karaim, M。,Elsheikh, M., Noureldin, A., and Rustamov, R. B. (2018). “GNSS error sources,“ in多功能操作和GPS的应用。编辑b·r·鲁斯塔姆和a . m . Hashimov(伦敦:IntechOpen),69 - 85。
Kazhdan, M。,和Hoppe, H. (2013). Screened Poisson surface reconstruction.ACM反式。图。32 (3),1-13。doi: 10.1145/2487228.2487237
金,Y。,和Bang, H. (2019). “Introduction to Kalman filter and its applications,” in介绍和卡尔曼滤波器的实现。编辑器f . Govaers(伦敦:IntechOpen),7-22。doi: 10.5772 / intechopen.80600
国王,O。,Dehecq,。,Quincey, D., and Carrivick, J. (2018). Contrasting geometric and dynamic evolution of lake and land-terminating glaciers in the central Himalaya.水珠。星球。改变167年,46-60。doi: 10.1016 / j.gloplacha.2018.05.006
Koutantou, K。,Mazzotti, G., and Brunner, P. (2021). UAV-Based lidar high-resolution snow depth mapping in the Swiss alps: Comparing flat and steep forests.Int,拱。Photogramm。远程参议员口角。正,科学。43岁,477 - 484。doi: 10.5194 / isprs档案- xliii b3 - 2021 - 477 - 2021
瘟疫周,D。,Brodu, N., and Leroux, J. (2013). Accurate 3D comparison of complex topography with terrestrial laser scanner: Application to the Rangitikei canyon (NZ).远程Sens ISPRS j .摄影测量。82年,选手。doi: 10.1016 / j.isprsjprs.2013.04.009
Lallias-Tacon, S。Liebault F。,和Piégay, H. (2014). Step by step error assessment in braided river sediment budget using airborne LiDAR data.地貌学214年,307 - 323。doi: 10.1016 / j.geomorph.2014.02.014
就业。,Shepherd, A., McMillan, M., and Hogg, A. E. (2018). Seasonal variations in the flow of land-terminating glaciers in Central-West Greenland using Sentinel-1 imagery.远程Sens。10(12),1878年。doi: 10.3390 / rs10121878
李,Z。,Tan, J., and Liu, H. (2019). Rigorous boresight self-calibration of mobile and UAV LiDAR scanning systems by strip adjustment.远程Sens。11(4),442年。doi: 10.3390 / rs11040442
林,y . C。,Cheng, Y. T., Zhou, T., Ravi, R., Hasheminasab, S. M., Flatt, J. E., et al. (2019). Evaluation of UAV LiDAR for mapping coastal environments.远程Sens。11(24),2893年。doi: 10.3390 / rs11242893
林,Y。,Hyyppa, J., and Jaakkola, A. (2011). Mini-UAV-borne LIDAR for fine-scale mapping.IEEE Geosci。远程参议员。8 (3),426 - 430。doi: 10.1109 / LGRS.2010.2079913
Magnusson, E。的困扰,Palsson F。,Björnsson, H., and Guðmundsson, S. (2012). Removing the ice cap of öræfajökull central volcano, SE Iceland: Mapping and interpretation of bedrock topography, ice volumes, subglacial troughs and implications for hazards assessments.Jokull62年,131 - 150。
Mallalieu, J。,Carrivick, j·L。昆西,d J。,和史密斯·m·W。(2020). Calving seasonality associated with melt-undercutting and lake ice cover.地球物理学。卷。gl086561 47 (8)。doi: 10.1029/2019
Mallalieu, J。,Carrivick, j·L。昆西,d J。史密斯,m . W。,和James, W. H. (2017). An integrated Structure-from-Motion and time-lapse technique for quantifying ice-margin dynamics.j . Glaciol。63 (242),937 - 949。doi: 10.1017 / jog.2017.48
米凯莱蒂,N。,Chandler, J. H., and Lane, S. N. (2015). Investigating the geomorphological potential of freely available and accessible structure-from-motion photogrammetry using a smartphone.地球上冲浪。的过程。Landf。40 (4),473 - 486。doi: 10.1002 / esp.3648
文澜,R。,Mouginot, J., Rabatel, A., Jeong, S., Cusicanqui, D., Derkacheva, A., et al. (2019). Mapping surface flow velocity of glaciers at regional scale using a multiple sensors approach.远程Sens。11(21),2498年。doi: 10.3390 / rs11212498
尼克,f M。,van der Veen, C. J., Vieli, A., and Benn, D. I. (2010). A physically based calving model applied to marine outlet glaciers and implications for the glacier dynamics.j . Glaciol。56 (199),781 - 794。doi: 10.3189 / 002214310794457344
Parente, L。,Chandler, J. H., and Dixon, N. (2019). Optimising the quality of an SfM-MVS slope monitoring system using fixed cameras.传真电报。矩形。34 (168),408 - 427。doi: 10.1111 / phor.12288
保罗,F。,Bolch, T., Kääb, A., Nagler, T., Nuth, C., Scharrer, K., et al. (2015). The glaciers climate change initiative: Methods for creating glacier area, elevation change and velocity products.远程参议员包围。162年,408 - 426。doi: 10.1016 / j.rse.2013.07.043
Piermattei, L。Carturan, L。,和Guarnieri, A. (2015). Use of terrestrial photogrammetry based on structure-from-motion for mass balance estimation of a small glacier in the Italian Alps.地球上冲浪。的过程。Landf。40 (13),1791 - 1802。doi: 10.1002 / esp.3756
Pilarska, M。,Ostrowski, W., Bakuła, K., Górski, K., and Kurczyński, Z. (2016). The potential of light laser scanners developed for unmanned aerial vehicles: The review and accuracy.Int,拱。Photogramm。远程参议员口角。正,科学。42岁,87 - 95。doi: 10.5194 / isprs档案-四十二章2 - w2 - 87 - 2016
Purdie, h·L。,Brook, M. S., and Fuller, I. C. (2008). Seasonal variation in ablation and surface velocity on a temperate maritime glacier: Fox Glacier, New Zealand.Arct。Antarct。高山。Res。40 (1),140 - 147。doi: 10.1657 / 1523 - 0430 (06 - 032) [PURDIE] 2.0.CO; 2
Resop, j . P。,Lehmann, L., and Hession, W. C. (2019). Drone laser scanning for modeling riverscape topography and vegetation: Comparison with traditional aerial lidar.无人驾驶飞机3(2),35岁。doi: 10.3390 / drones3020035
罗西尼,M。,Di Mauro, B., Garzonio, R., Baccolo, G., Cavallini, G., Mattavelli, M., et al. (2018). Rapid melting dynamics of an alpine glacier with repeated UAV photogrammetry.地貌学304年,159 - 172。doi: 10.1016 / j.geomorph.2017.12.039
瑞安,j . C。,Hubbard, A. L., Box, J. E., Todd, J., Christoffersen, P., Carr, J. R., et al. (2015). UAV photogrammetry and structure from motion to assess calving dynamics at Store Glacier, a large outlet draining the Greenland ice sheet.冰冻圈9,1 - 11。doi: 10.5194 / tc - 9 - 1 - 2015
神,D。,和Sugiyama, S。(2018). Ice front and flow speed variations of marine-terminating outlet glaciers along the coast of Prudhoe Land, northwestern Greenland.j . Glaciol。64 (244),300 - 310。doi: 10.1017 / jog.2018.20
Sanz-Ablanedo E。钱德勒,j . H。,Rodríguez-Pérez, J. R., and Ordóñez, C. (2018). Accuracy of unmanned aerial vehicle (UAV) and SfM photogrammetry survey as a function of the number and location of ground control points used.远程Sens。10 (10),1606 - 1619。doi: 10.3390 / rs10101606
Scherzinger B。,和Hutton, J. (2021). Applanix in-fusion technology explained. [online]. Available at:https://www.applanix.com/pdf/Applanix_IN-Fusion.pdf(7月25日访问,2022)。
香农。史密斯,R。,Wiltshire, A., Payne, T., Huss, M., Betts, R., et al. (2019). Global glacier volume projections under high-end climate change scenarios.冰冻圈13日,325 - 350。doi: 10.5194 / tc - 13 - 325 - 2019
Shapero, d R。Joughin,我。R., Poinar, K., Morlighem, M., and Gillet-Chaulet, F. (2016). Basal resistance for three of the largest Greenland outlet glaciers.j .地球物理学。研究地球冲浪。121 (1),168 - 180。jf003643 doi: 10.1002/2015
Śledź,S。,Ewertowski, M., and Piekarczyk, J. (2021). Applications of unmanned aerial vehicle (UAV) surveys and Structure from Motion photogrammetry in glacial and periglacial geomorphology.地貌学378年,107620年。doi: 10.1016 / j.geomorph.2021.107620
史密斯·m·W。,Carrivick, j·L。,和Quincey, D. J. (2016). Structure from motion photogrammetry in physical geography.掠夺。理论物理。Geogr。地球环境。40 (2),247 - 275。doi: 10.1177 / 0309133315615805
史密斯·m·W。,和Vericat, D. (2015). From experimental plots to experimental landscapes: Topography, erosion and deposition in sub-humid badlands from structure-from-motion photogrammetry.地球上冲浪。的过程。Landf。40 (12),1656 - 1671。doi: 10.1002 / esp.3747
Sugiyama, S。,神,D。、Tsutaki年代。,Maruyama, M., and Sawagaki, T. (2015). Glacier dynamics near the calving front of Bowdoin Glacier, northwestern Greenland.j . Glaciol。61 (226),223 - 232。jog14j127 doi: 10.3189/2015
Swaszek, p F。,Hartnett, R. J., Seals, K. C., Siciliano, J. D., and Swaszek, R. (2018). “Limits on GNSS performance at high latitudes,” in2018年interna学报》上一对研究所的技术会议导航,160 - 176。
Tomsett C。,和Leyland, J. (2021). Development and testing of a UAV laser scanner and multispectral camera system for eco-geomorphic applications.传感器21(22),7719年。doi: 10.3390 / s21227719
东京,t . N。,Midgley, N. G., Graham, D. J., and Labadz, J. C. (2014). The potential of small unmanned aircraft systems and structure-from-motion for topographic surveys: A test of emerging integrated approaches at cwm idwal, north wales.地貌学226年,35-43。doi: 10.1016 / j.geomorph.2014.07.021
Torresan C。伯顿,。,Carotenuto, F., Chiavetta, U., Miglietta, F., Zaldei, A., et al. (2018). Development and performance assessment of a low-cost UAV laser scanner system (LasUAV).远程Sens。10(7),1094年。doi: 10.3390 / rs10071094
Truffer, M。,和Motyka, R. J. (2016). Where glaciers meet water: Subaqueous melt and its relevance to glaciers in various settings.启“。54 (1),220 - 239。rg000494 doi: 10.1002/2015
Trussel, b . L。,Motyka, R. J., Truffer, M., and Larsen, C. F. (2013). Rapid thinning of lake-calving yakutat glacier and the collapse of the yakutat icefield, southeast Alaska, USA.j . Glaciol。59 (213),149 - 161。j0g12j081 doi: 10.3189/2013
Tsutaki, S。,Sugiyama, S。,Nishimura, D., and Funk, M. (2013). Acceleration and flotation of a glacier terminus during formation of a proglacial lake in Rhonegletscher, Switzerland.j . Glaciol。59 (215),559 - 570。jog12j107 doi: 10.3189/2013
van der Sluijs, J。Kokelj, s V。弗雷泽,r . H。,Tunnicliffe, J., and Lacelle, D. (2018). Permafrost terrain dynamics and infrastructure impacts revealed by UAV photogrammetry and thermal imaging.远程Sens。10 (11),1734 - 1830。doi: 10.3390 / rs10111734
调速发电机激光雷达(2018)。冰球数据表。(在线)。可以在:https://velodynelidar.com/products/puck/(访问:7月14日,2022)。
华莱士,L。,Lucieer, A., and Watson, C. S. (2014). Evaluating tree detection and segmentation routines on very high resolution UAV LiDAR data.IEEE反式。Geosci。远程Sens。52 (12),7619 - 7628。doi: 10.1109 / TGRS.2014.2315649
沃伦,c R。,和Kirkbride, M. P. (2003). Calving speed and climatic sensitivity of New Zealand lake-calving glaciers.安。Glaciol。36岁,173 - 178。doi: 10.3189 / 172756403781816446
Westoby, m . J。,Brasington, J., Glasser, N. F., Hambrey, M. J., and Reynolds, J. M. (2012). ‘Structure-from-Motion’ photogrammetry: A low-cost, effective tool for geoscience applications.地貌学179年,300 - 314。doi: 10.1016 / j.geomorph.2012.08.021
惠顿,j . M。,Brasington, J., Darby, S. E., and Sear, D. A. (2010). Accounting for uncertainty in DEMs from repeat topographic surveys: Improved sediment budgets.地球上冲浪。的过程。Landf。35 (2),136 - 156。doi: 10.1002 / esp.1886
怀特黑德,K。,Moorman, B. J., and Hugenholtz, C. H. (2013). Brief Communication: Low-cost, on-demand aerial photogrammetry for glaciological measurement.冰冻圈7 (6),1879 - 1884。doi: 10.5194 / tc - 7 - 1879 - 2013
Wigmore, O。,和Mark, B. G. (2017). Monitoring tropical debris-covered glacier dynamics from high-resolution unmanned aerial vehicle photogrammetry, Cordillera Blanca, Peru.冰冻圈11日,2463 - 2480。doi: 10.5194 / tc - 11 - 2463 - 2017
威廉姆斯,j·G。、伐木工人。哈迪,r . J。、脑、m . J。,和Afana, A. A. (2018). Optimising 4-D surface change detection: An approach for capturing rockfall magnitude–frequency.地球上冲浪。力学。6 (1),101 - 119。doi: 10.5194 / esurf - 6 - 101 - 2018
徐,C。,李,Z。,Li, H., Wang, F., and Zhou, P. (2019). Long-range terrestrial laser scanning measurements of annual and intra-annual mass balances for Urumqi Glacier No. 1, eastern Tien Shan, China.冰冻圈13 (9),2361 - 2383。doi: 10.5194 / tc - 13 - 2361 - 2019
天雪,Y。,Jing, Z., Kang, S., He, X., and Li, C. (2021). Combining UAV and Landsat data to assess glacier changes on the central Tibetan Plateau.j . Glaciol。67年,862 - 874。doi: 10.1017 / jog.2021.37
杨,W。,Zhao, C., Westoby, M., Yao, T., Wang, Y., Pellicciotti, F., et al. (2020). Seasonal dynamics of a temperate Tibetan glacier revealed by high-resolution UAV photogrammetry and原位测量。远程Sens。12 (15),2389。doi: 10.3390 / rs12152389
关键词:从运动的“飞行器、激光扫描、结构(SFM),表面高程变化,冰川崩解,冰川动力学、冰川监测
引用:Baurley NR、Tomsett C和哈特JK(2022)评估无人机激光扫描监测冰川在高时空分辨率的流程和交互。前面。远程Sens。3:1027065。doi: 10.3389 / frsen.2022.1027065
收到:2022年8月24日;接受:2022年10月31日;
发表:2022年12月12日。
编辑:
马特Westoby英国诺森布里亚大学版权Baurley©2022, Tomsett和哈特。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:纳撒尼尔·r·Baurleyn.baurley@soton.ac.uk
__这些作者对这项工作同样做出了贡献,分享第一作者