高分三号山地冰川表面运动提取与分析

张齐民， 闫世勇， 吕明阳， 张 露， 刘 广

（1.自然资源部国土环境与灾害监测重点实验室，江苏徐州 221116； 2.中国矿业大学环境与测绘学院，江苏徐州 221116；3.中国科学院空天信息创新研究院，北京 100094）

0 引言

近年来，全球气候变暖的进程日益加剧，作为气候变化研究的关键指标，山地冰川变化受到全世界人们的广泛关注。运动是冰川的重要特性之一，和气候因素、地形地势等存在直接关系，与冰川物质平衡变化密切相关［1-2］。相比于两极冰川，“世界第三极”—青藏高原地区的冰川对于气候变化的响应更为敏感［3-4］。以青藏高原为主的高海拔地区被称为亚洲高山区，其冰川的动态变化对该区域物质平衡及能量循环具有重要的影响，研究该地区冰川流速时空变化对于认识冰川动力学特征及其对气候变化的响应具有重要的意义［5-6］。

山地冰川所处区域气候条件恶劣，传统实地冰川运动测量方法难以广泛开展。遥感技术监测范围广、获取数据快、投入成本低，主要有光学遥感和雷达遥感两种观测方式。光学影像存档数据多，覆盖范围广，但光照、云雾等因素对其适用性有较大的限制，破坏了冰川监测的完整性［4］；相比较而言，合成孔径雷达（SAR）能全天时全天候对研究区进行监测，不受天气条件影响且拥有较高的时空分辨率，在冰川活动性监测中有较强的适用性，已成为研究冰川活动性重要的手段之一［7-9］。目前，亚洲高山区冰川运动信息的获取绝大多数采用国外遥感卫星数据，我国自主研制的遥感卫星数据在冰川运动监测中的应用较少，导致其在冰川活动性研究中科学价值无法充分体现。

基于SAR 影像强度信息的偏移量跟踪算法（pixel tracking，PT）是研究山地冰川运动的主要手段之一［10-12］，该方法无须进行复杂的相位解缠工作，对数据的时空基线要求较低，且能直接得到山地冰川在雷达方位向和距离向上的二维位移分布，对于流速较快的山地冰川运动而言具有较好的适用性［13-15］。PT 方法基于归一化互相关匹配算法（normalized cross correlation，NCC），计算精度较高且对高斯白噪声具有较强的抵抗作用，但其巨大的运算量导致效率低下，难以满足广域长周期冰川运动研究的需要［16］。另外，亚洲高山区海拔较高，地形起伏较大，导致偏移量跟踪监测结果中存在大量与地形相关的偏移量，雷达图像斜距投影的几何特点使得地形偏差效应表现的更为明显［4，17-18］。

为了充分发挥出我国遥感数据在冰川运动研究中的优势，及时准确地分析亚洲高山区典型冰川的活动性，本文选用2019—2020年获取的高分三号（GF-3）遥感影像，基于并行化偏移量跟踪技术，通过全局形变拟合估计、地形几何畸变校正和降噪滤波等处理后，提取了亚洲高山区典型冰川表面运动特征，为分析青藏高原地区冰川活动性与气候变化之间复杂的响应关系提供了更好的数据支持。同时，基于非冰川区稳定的假设，通过开展非冰川区偏移量残差统计分析，并对比GF-3 和Landsat-8 影像提取的冰川流速结果，评估我国遥感卫星数据在山地冰川运动监测中的适用性和可靠性。

1 研究区概况

亚洲高山区地域辽阔，受到地形因素、冰川自身属性与规模等影响，不同区域冰川末端的进退、面积变化及物质平衡等状况有所不同，不同地理单元的冰川运动分布具有不同特征，间接反映出不同区域气候的差异性［19］。本文选取了天山地区南以内里切克冰川（South Inylchek）、喀喇昆仑地区却哥隆玛冰川（Chogolungma）、巴尔托洛冰川（Baltoro）及横断山区的雅弄冰川（Yanong）进行综合分析（图1）。天山山脉是世界七大山系之一，极高的地形地貌和充足的降水为冰川发育提供了有利的条件，是我国最大的现代冰川作用区之一［20］；在全球变暖的大背景下，多数区域的冰川处于缓慢消融状态，而喀喇昆仑地区的冰川面积几乎不变，被称为“喀喇昆仑异常”现象［3］；横断山区位于青藏高原东南部，受海洋性季风气候的影响，雨季较长，该区域冰川物质平衡线较低，运动速度较快［21］。上述典型冰川所处区域空间跨度大、气候差异显著，且所选冰川具有一定的代表性，能够较好地反映出广域范围内冰川运动与气候变化之间的内在关联。本文根据典型冰川所在区域的气候特点，综合可利用的雷达遥感数据对冰川运动状况展开分析研究，其中冰川边界信息参照中国第二次冰川编目数据和RGI 6.0数据库。

图1 研究区冰川示意图Fig.1 Overview of the study area

2 数据源与研究方法

2.1 研究区数据

本研究选用2019—2020 年GF-3 卫星获取的FSI 模式SAR 数据开展亚洲高山区典型冰川表面运动分析工作。GF-3 是我国自主研制的首颗C 波段全极化星载SAR 卫星，最高分辨率可达1 m，重访周期为29 天。该卫星具有12 种常规成像模式，可满足不同尺度冰川运动特征提取的需要［15］。详细数据信息如表1 所示，由于研究区冰川数目较多，为方便起见，仅用相应一条主体冰川代表各个区域。此外，为更好地反映典型冰川运动与气候变化之间的响应关系，图2 给出研究区在研究周期内的气象资料，源自国家气象科学数据中心（http：//data. cma. cn）提供的中国地面气温、降水月值0.5°×0.5°格点数据集，产品已经过交叉验证和误差分析，质量状况良好［22-23］，可辅助于冰川运动的后续分析工作。

表1 研究区GF-3 SAR影像基本信息Table 1 Basic information of GF-3 satellite SAR image in the study area

图2 研究区气象资料：南以内里切克冰川（a）；却哥隆玛冰川（b）；巴尔托洛冰川（c）；雅弄冰川（d）Fig.2 Temperature and precipitation data of glacier region：South Inylchek gacier（a）；Chogolungma glacier（b）；Baltoro glacier（c）；Yanong glacier（d）

2.2 偏移量跟踪算法

对于流速较快的山地冰川而言，偏移量跟踪算法具有较强的适用性。该方法以归一化互相关算法为基础，利用主辅影像间非冰川区稳定特征点的亚像素级匹配结果，精确解算二者之间的几何变换模型，进而估算冰川运动分布。针对传统的偏移量跟踪算法计算效率较低的现状，本研究基于CUDA架构高性能计算实现了联合GPU 多运算核心和CPU 多线程的并行化偏移量算法，极大地提高了运行效率；此外，对于成像过程中由于卫星姿态及位置差异引入的全局性偏移量、冰川分布区高程变化引起的地形相关残差以及无关噪声等进行了相应的补偿，确保了冰川表面运动估计具有较高的准确性，其相应的数据处理流程如图3所示。

图3 并行化偏移量跟踪算法处理流程Fig.3 Flowchart of parallel program design of PT

归一化互相关算法是一种经典的统计匹配算法，通过计算模板图像和匹配图像之间的归一化互相关系数来决定各像素的匹配程度［24］。在初始匹配的过程中，首先在主影像上选取模板窗口，而后模板窗口在辅影像的搜索窗口内不断滑动，遍历计算模板窗口和搜索窗口的归一化互相关系数，得到相关矩阵并以其最大值对应的位置为最佳匹配窗口，得到相应的位移量，进而完成初级配准。为使配准精度能够达到亚像素级，还需要对影像和相关矩阵进行过采样处理。通过上述步骤能够获取研究区内各个模板的总体偏移量，其中包含冰川运动相关偏移量、因轨道差异而引入的全局偏移量、地形起伏带来的偏移量及噪声偏移量等信息。基于监测周期内非冰川区未发生移动的假设，精准地估算出冰川运动无关偏移量并对其进行补偿，进而得到可靠的冰川表面流速结果［25-26］。

在卫星成像时，由于传感器姿态和轨道差异导致的主辅影像中同名点偏移一般可以通过多项式拟合进行估计与补偿［27］。本研究采用随机抽样一致性算法（random sample consensus，RANSAC），通过不断的迭代来逐次确定符合变换模型的匹配点，并重新优化计算变换参数，最终在满足阈值条件时终止迭代计算［28］，准确拟合并去除卫星轨道和姿态等差异导致的全局形变，从而降低错误匹配点对估计全局变换参数的干扰［4，16］；此外，成像位置差异会导致偏移量跟踪结果中存在与地形相关的偏移量，一般来说，当两景影像垂直基线小于300 m 时，无需进行复杂的地形校正［14，29］。然而，受到GF-3 轨道稳定性、定位精度等方面的制约，本研究所选用的影像对垂直基线较长（表1），研究区地势起伏较大，亟需进行地形补偿工作。距离向地形起伏导致的偏移量与雷达成像的垂直基线长度及所在区域地形高差成正比，而方位向上地形偏移量则主要与所在区域的地形起伏、成像时主辅影像之间的轨道交角及卫星下视角有关［30］。基于外部DEM 数据和两景SAR 影像的空间基线信息，能够准确地获取地形起伏在各方向上产生的偏移，对结果进行地形效应补偿，从而准确地估计冰川表面运动。另外，研究区冰川表面积雪覆盖容易导致冰川运动场中存在大量的噪声，在保证冰川边缘位移信息的完整性和结果准确性的前提下，本文采取自适应中值滤波（rankedorder based adaptive median filter，RAMF）来削弱噪声的影响［16］。借助滤波窗口可变特点，RAMF 既能保证冰川偏移量信息的精度，又能适当地削弱噪声，在冰川运动信息提取中具有较高的实用价值。

3 结果与分析

3.1 偏移量跟踪算法优化分析

3.1.1 并行化偏移量跟踪算法处理分析

本研究数据处理平台内存为128 G，CPU 主频2.1 GHz，显卡内存12 GB，包含3840 个计算核心（CUDA），峰值浮点性能为12T Flops，CUDA计算能力为6.1，满足GPU 开发及大数据高性能计算的需要。为保证冰川表面运动采样点的可靠性，偏移量跟踪算法中各参数的选择和设定需要充分考虑研究区冰川运动特征、规模类型及其地表后向散射的稳定性。基于GPU 并行化偏移量跟踪算法与传统偏移量跟踪算法的参数设置及计算效率对比如表2所示，各冰川区图像尺寸及窗口大小均表示为长×宽，单位为像素。结果显示各影像对并行化加速比均超过20，极大地提高了计算效率，为大规模监测冰川运动时空变化特征提供了良好的硬件和软件保障。

表2 并行化PT算法加速效率对比参数设置Table 2 Efficiency comparison between traditional and parallel PT algorithm

3.1.2 冰川相关偏移量准确估计

采用RANSAC 算法对轨道相关的偏移量进行全局拟合估计，基于主辅影像的空间基线信息及外部DEM 对地形起伏引入的地形偏移量进行精确补偿，最后对上述结果进行滤波处理，完整地提取出亚洲高山区典型冰川表面运动分布特征。经过SAR影像高精度配准和全局形变估计与补偿之后，残余的误差主要为地形效应造成的偏差（图4）。黑色轮廓为冰川矢量边界，图4（a1）～（d1）为距离向结果，图4（a2）～（d2）为方位向结果，图示中正负号表示冰川运动方向。

图4 冰川区地形相关位移：南以内里切克冰川（a）；却哥隆玛冰川（b）；巴尔托洛冰川（c）；雅弄冰川（d）Fig.4 The topography-related displacement of glacier region：South Inylchek gacier（a）；Chogolungma glacier（b）；Baltoro glacier（c）；Yanong glacier（d）

据图4 可知，不同方向上地形相关偏移量差异性较大，距离向残余偏移量明显高于方位向，且随垂直基线的增大而增大，地形起伏严重的区域，造成的非冰川运动相关位移可达像素级。为进一步分析地形起伏对初始偏移量结果的影响，沿各区域非冰川区取一条剖面线（图1 中黄色虚线，方向为1→2），绘制距离向和方位向的地形效应偏差曲线如图5 所示。图5（a1）～（d1）为距离向结果，图5（a2）～（d2）为方位向结果，正负号表示方向。

图5 地形效应校正结果：南以内里切克冰川（a）；却哥隆玛冰川（b）；巴尔托洛冰川（c）；雅弄冰川（d）Fig.5 Correction results of topographic effects：South Inylchek gacier（a）；Chogolungma glacier（b）；Baltoro glacier（c）；Yanong glacier（d）

结果显示，在地形校正之前，由于研究区地势起伏过大且空间基线较长，偏移量结果受地形效应误差影响较为严重。距离向上地形偏移量与垂直基线及地势高低起伏成正比，在地势复杂的区域不可忽略其影响。南以内里切克冰川及却哥隆玛冰川区域，距离向上由地形效应所引起的误差在2 m左右，而巴尔托洛冰川及雅弄冰川区，由于周围地形起伏过大，在距离向上误差可达10 m 左右，基于外部DEM 和垂直基线数据对距离向地形偏差进行精确拟合后，非冰川区位移量结果整体趋于0，校正效果显著；方位向上各研究区由地形因素所带来的残差效应在0.5 m 左右，地形偏移量量级较小，对其进行地形校正之后整体结果更接近真实值。由于影响方位向地形偏移量大小的轨道交角及卫星入射角量级较小，一般情况下可以忽略该方向的地形效应残差影响［31］。

3.2 冰川运动分布

利用2019—2020 年覆盖研究区的GF-3 影像数据，基于改进的偏移量跟踪算法获取了典型冰川表面运动分布信息，将不同方向冰川流速合成二维平面流速图［图6（a）～（d）］。此外，为更好地分析冰川运动变化特征，自冰川下游至上游沿主干取一条剖面线（图1中红色曲线，方向为1→2），绘制相应区域冰川运动变化及高程变化曲线［图6（e）～（h）］。四个区域依次为南以内里切克冰川、却哥隆玛冰川、巴尔托洛冰川及雅弄冰川。

图6（a）、6（e）表示2019 年7 月—2020 年6 月天山地区南以内里切克冰川及其附近冰川运动分布情况。南以内里切克干流冰川整体上呈现为中上游流速较快，下游至末端流速较为缓慢的态势，冰川流速方向为自东向西，与整体高程下降趋势保持一致。距干流区末端8～25 km 处运动速率在30～35 cm·d-1左右，研究周期内累积位移量约为120 m；下游区域至冰川末梢（0～8 km）冰碛物覆盖现象严重且处于不断堆积的状态，阻碍冰川继续向前移动，加之基底地形较为平整，流速呈现出逐渐递减的态势。在距S1 点约8 km 处将冰川运动整体划分为两部分，自上游至该处前端流速较为稳定，而后出现小的流速峰值，最后流速逐渐减慢。该区域位于冰川主干与麦兹巴赫（Merzbacher）冰湖所在冰川分支的交界处，来自中上游的冰川不断输送至此，应力积累导致冰川运动速度有所加快，在向北转向麦兹巴赫冰湖处集中释放；转弯处至冰川末端则由于麦兹巴赫冰湖的分流作用及冰碛物不断堆积导致速度逐渐减小，其运动变化情况与之前学者研究成果基本一致［32-33］。

图6 典型冰川运动分布：南以内里切克冰川（a）（e）；却哥隆玛冰川（b）（f）；巴尔托洛冰川（c）（g）；雅弄冰川（d）（h）Fig.6 Distribution of ice motion on typical glacier：South Inylchek gacier（a）（e）；Chogolungma glacier（b）（f）；Baltoro glacier（c）（g）；Yanong glacier（d）（h）

图6（b）、6（f）表示2019 年7 月—2020 年5 月喀喇昆仑地区却哥隆玛冰川及周围冰川的运动分布情况。却哥隆玛冰川整体呈西北东南走向，主干区域运动场保持的比较完整，流速随海拔的降低逐渐减慢，最大高差超过1 000 m，冰川上游最大运动速率约为60 cm·d-1，末端流速约为15 cm·d-1。在距冰川末端剖线起点C1 约11 km、16 km 及20 km 处冰川速率明显高于周围区域，这三处是支流干流冰川的交汇点，来自西南部的支流汇入干流，使得交汇点处冰川速度激增。希斯帕尔冰川位于却哥隆玛冰川东北部，其走向规模与却哥隆玛冰川较为相似，但运动情况差异性较大。希斯帕尔冰川是该区域较为典型的跃动冰川，跃动周期较长，干流中部区域曾在2015—2016年间发生剧烈的跃动现象，期间观察到的最大流速约为14 m·d-1，表面特征前移量较大，其余时间均保持近乎静止的状态［34］。2019—2020 年研究周期内，中部跃动区流速较小，干流两端及支流处流速相对较大，约为15～20 cm·d-1左右。

图6（c）、6（g）展示了2019 年8 月—2020 年4 月喀喇昆仑地区巴尔托洛冰川的运动分布情况。该冰川是典型的树枝状冰川，干流支流层次分明，主干呈东西走向。受到影像数据覆盖范围的限制，本文研究范围主要位于巴尔托洛冰川中下游区域，即Urdukas 附近区域至冰川末端部分［27］。研究区冰川干流自东向西流速逐渐减小，远端最大流速达25 cm·d-1左右，冰川末梢最小流速低于5 cm·d-1，Wendleder、Sun 等人在该区域观察到类似的冰川运动情况［27，35］，同Mayer 等［36］采用GPS 进行实地测量的数据基本吻合，佐证了本研究的结果具有较高的可靠性。由于该区域地形高差较大，北侧支流平均速率高于南侧，在支流冰川与干流冰川交汇处冰川运动速率较高。此外，由于冰川中部消融区两侧山体的阻尼作用及冰川厚度向两侧减薄，流速在空间分布上呈现出由中间向两侧逐渐减弱的趋势，这与多数山地冰川运动规律特征相一致。

图6（d）、6（h）为横断山区雅弄冰川上游部分2020 年1 月—2020 年12 月的运动分布情况。冰川主冰流的速度约为35～60 cm·d-1，剖线Y1 点到Y2点运动速度先缓慢增加，后逐渐减小，最后急剧增加。剖线末端观察到最大运动速度约为62 cm·d-1，在海拔4 620 m 处观察到最小运动速度约为34 cm·d-1。第一速度峰值出现在约1.3 km 处，这可能是受到支流冰川汇入的影响；第二峰值速度出现在约3.6 km 处，高程变化是造成此现象的原因之一；在Y2 点处观察到流速最大值，结合光学影像分析可知，冰川干流上游被大量的积雪覆盖，夏季温度升高易产生积雪性融水，由于上游地区海拔较高，巨大的高差转换成融水的动能，使得该区域冰川流速达到峰值，该结果同前人的研究成果基本一致［37-38］。另外，受多种失相干因素的影响，冰川上游粒雪盆区域运动分布场受噪声影响较为严重。

3.3 冰川运动结果精度分析

冰川区海拔较高，地势险峻，气候条件恶劣，冰川流速野外实地验证工作难以有效开展，本文按照如下两种方式对流速结果的精度展开分析。

3.3.1 非冰川区残差统计分析

基于非冰川区在研究周期内保持稳定且未发生运动的基本假设，本研究均匀选取各区域非冰川覆盖区域进行残差统计，进而对流速提取精度进行评估，结果如图7 所示。在研究周期内冰川运动总体精度约为0.5 m，方差接近于0，残差结果整体呈正态分布，表明本研究的监测结果具有较高的准确性。

图7 非冰川区残余误差统计Fig.7 Histograms of the residual error in the non-glacial region

3.3.2 同期国外产品对比

Landsat、Sentinel和ALOS等系列卫星是亚洲高山区冰川运动提取的主要数据源。其中，Landsat影像存档数据多，覆盖范围广且分辨率适中，大量研究表明该数据在山地冰川运动提取研究中具有较强的适用性，是研究冰川运动学的重要遥感数据源［35，37，39］，美国航空航天局（NASA）以其为主要数据源制作了青藏高原地区1985—2018 年逐年冰川流速产品数据集（https：//its-live. jpl. nasa. gov/），可为GF-3 影像提取的冰川运动评估提供一定参考。2018 年产品数据集冰川流速与本文GF-3 冰川流速整体相同，空间分布趋于一致，仅在冰川支流区域及规模较小的区域吻合度较弱，该现象与所选研究周期和空间分辨率不完全一致密切相关。为更好地说明本文监测结果的准确性，选取准同期的Landsat-8 数据对研究区冰川同步进行流速提取工作，两种不同数据源沿冰川主干剖线的运动速度对比如图8所示。各研究区不同数据源影像提取的冰川流速结果高度吻合，变化趋势基本一致，两者的离差远小于冰川实际运动速率，表明本文监测结果具有良好的精准性，同时说明GF-3影像在冰川活动性监测中具有较强的适用性。

图8 多源遥感数据运动速度对比图：南以内里切克冰川（a）；却哥隆玛冰川（b）；巴尔托洛冰川（c）；雅弄冰川（d）Fig.8 The curves of ice velocity along the longitudinal profile in Fig.1 derived from GF-3 and Landsat-8：South Inylchek glacier（a）；Chogolungma glacier（b）；Baltoro glacier（c）；Yanong glacier（d）

4 讨论

4.1 冰川运动影响因素分析

亚洲高山区幅员辽阔，地形错综复杂，气候环境差异较大。本文所选的研究区遍及天山地区、喀喇昆仑地区以及横断山区，区域地理跨度大，在不同气候因素的作用下冰川流速空间分布具有一定的差异性。此外，受气候条件、冰川自身属性及地形地貌等因素的影响，不同地理单元的冰川流速、消融特征等存在显著性差异，相同区域不同规模和形态的冰川流速也存在明显区别，与冰川长度、面积、基底滑移、地表坡度、物质平衡等密切相关。

喀喇昆仑地区的却哥隆玛冰川及巴尔托洛冰川地理位置相近，但冰川运动情况却有所差异。由于数据覆盖范围受到限制，巴尔托洛冰川运动图所展示出的并不是全部主干，仅是整条干流的中下游，为此我们选用幅宽更大的Landsat-8影像同步进行准同期流速提取工作，结果表明主干区域流速分布在7～42 cm·d-1之间，与却哥隆玛冰川流速相比，在上游区域差异性较大。却哥隆玛冰川区周围的山体起伏较大，周围海拔较高的支流冰川汇入干流，加速了主干区域冰川的流速，流速特征改变明显。此外，冰川坡度、坡向的不同也是影响流速分布的主要因素［40］。文中获取了天山地区南以内里切克冰川及其周围的北以内里切克冰川（North Inylchek）、凯迪冰川（Kaindy）和托木尔冰川（Tomur）流速分布，对比可知，规模较小的凯迪冰川和托木尔冰川流速较小，南以内里切克冰川各支流冰川流速低于主干冰川，而北以内里切克冰川则处于近乎停滞状态。上述结果表明，同一区域内部不同冰川流速具有差异性，一般而言，大型冰川流速比小型冰川快，小型冰川对于气候的敏感程度较高。此外，冰川的属性、地形走势及高差变化等都会对冰川运动分布产生影响［41-42］。

4.2 GF-3影像适用性分析

为充分凸显我国自主研制的遥感卫星数据在冰川活动性研究中的优势及应用价值，选取两处典型区域对GF-3 和Landsat-8 影像获取的流速结果进行比较（图9），图9（a）、9（b）为南以内里切克南侧支流冰川及托木尔冰川，图9（c）、9（d）为巴尔托洛冰川部分区域。对比显示，不同遥感数据源获取的相同冰川区域运动分布在空间上高度一致，但细节方面有所不同（图中圈选区域）。高空间分辨率的GF-3 数据提取的冰川流速分布场在细节方面更为完整，较好地兼顾了小尺度冰川运动信息，有利于冰川跃动研究；而15 m空间分辨率的Landsat-8数据仅能获取流速较快、规模较大的冰川主干运动分布信息，无法完整的反映整个冰川区运动情况。此外，基于GF-3影像获取的运动分布场连续性更好，冰川支流汇入后对主干速度变化体现更加清晰，更加符合真实情况。上述对比表明分辨率更高的GF-3 影像在冰川运动监测中具有显著的优势，为基于我国遥感卫星数据的冰川运动研究提供了可靠的支撑。

图9 不同数据源流速提取对比分析：GF-3获取冰川流速结果（a）；Landsat-8获取流速结果（b）；GF-3获取冰川流速结果（c）；Landsat-8获取流速结果（d）Fig.9 The estimated average glacier velocity field from GF-3 and Landsat-8：the velocity extracted by GF-3（a）；the velocity extracted by Landsat-8（b）；the velocity extracted by GF-3（c）；the velocity extracted by Landsat-8（d）

5 结论

基于改进的偏移量跟踪技术和多景GF-3影像，高效地提取了2019—2020 年间天山地区南以内里切克冰川、喀喇昆仑地区却哥隆玛冰川及巴尔托洛冰川、横断山区雅弄冰川的表面运动特征，结果表明：

（1）GPU 并行化偏移量跟踪算法能有效地提高计算效率，通过弥补全局性位移和地形效应校正以及滤波降噪处理后，冰川表面流速结果的精确性得以大幅提升，冰川区运动分布形态更加直观。

（2）对比GF-3 影像及普适性较强的准同期Landsat-8 影像提取的冰川流速结果显示，二者的吻合程度较高，同时基于非冰川区未发生相关位移的假设开展残差统计分析，精度可达0.5 m，验证了本文结果的可靠性。

（3）GF-3 数据能够完整地提取冰川表面运动分布，凭借其高分辨率的特点在小尺度冰川运动获取过程中具有较大的优势，为小型冰川运动提取与分析以及冰川跃动研究提供了良好的数据支撑。

（4）受冰川自身属性以及外部地形地貌、气候等因素的影响，亚洲高山区内部各区域冰川活动性存在显著性差异，后期将继续搜集实测数据和冰川区气象资料，多维多层次分析冰川的运动规律和气候变化之间内在的响应机制，同时继续完善不同地理单元典型区域冰川的运动速度提取，为广域青藏高原地区冰川活动性研究奠定基础。

谨以此文纪念在慕士塔格科考中失踪的中国科学院青藏高原研究所林树标博士。

致谢：感谢中国科学院空天信息创新研究院（AIR）提供的GF-3 数据，国家气象科学数据中心（CMA）提供的研究区地面气象数据，美国航空航天局（NASA）提供的ASTER 30 m DEM 数据，美国地质勘探局（USGS）提供的Landsat-8 影像数据，中国科学院西北生态环境资源研究院提供的中国第二次冰川编目数据集。