冰川流域孕災環境及災害的天空地協同智能監測模式與方向

吳立新，李 佳，苗則朗，王 威，陳必焰，李志偉，戴吾蛟，許文斌

1.中南大學地球科學與信息物理學院，湖南 長沙 410083；2.中南大學地災感知認知預知研究室，湖南 長沙 410083

中國大陸冰川十分發育，西部地區共有山地冰川48 571條，覆蓋陸地面積51 840.11 km2[1]。山地冰川不僅是局部水循環和局部氣候的重要調節劑，而且是氣候干旱地區無可替代的水資源。山地冰川壯麗多姿、令人向往，還是獨特的旅游資源和地理景觀。因此，山地冰川兼具環境要素、自然資源和地理景觀的多重屬性。但是，山地冰川對全球氣候變化十分敏感。隨著中國西部氣候逐漸由干冷型向暖濕型轉變[2]，山地冰川消融加劇，越來越多的冰川及冰川流域正在成為重大災害的驅動因子與孕育環境[3]。

冰川躍動是冰川災害的一種重要形式，是重力作用下冰川前進動力和阻力平衡被打破，冰川物質快速重布但總質量不變的運動現象[4]。山地冰川躍動時表面流速急劇上升，大量固體物質從高海拔位置轉移到低海拔位置，進而演化成冰崩或冰川泥石流。冰川躍動機制主要分為“熱力學控制”和“水文學控制”兩種。其中，“熱力學控制”是指冰川底部溫度因物質累積和摩擦熱達到壓融點，底部形成潤滑面，基底滑動隨著潤滑面擴張而持續增強，直至躍動發生[5-6]。“水文學控制”是指冰川底部水壓持續升高并突破極限而躍動[7]。由于冰川體及其下游的冰磧物質量巨大，且海拔高、勢能大，冰崩、冰川躍動及其引發的冰川泥石流可直接摧毀和吞噬冰川流域內及流域谷口附近的基礎設施與人居環境。中國天山、喜馬拉雅山和念青唐古拉山發育了大量復合型和海洋型冰川[8]。外部液態水(包括冰面融水和雨水)進入這些冰川底部后，可能導致底部水壓突破臨界值而觸發冰川災害。因此，在藏東南氣候暖濕化背景下，喜馬拉雅山東段和念青唐古拉山的冰川泥石流災害頻率會持續增加。針對冰川流域進行災害風險評估與防災減災，以及在冰川泥石流災害發生后進行應急處理，已成為國家及當地政府部門的重要工作內容。

冰川災害一般具有鏈式發育特點，現有單一、常規的地災觀測手段[9-10]均無法滿足冰川流域孕災環境及災害發展過程的精準與完備性監測需求。傳統的泥石流監測方法，幾乎沒有顧及冰川流域上游復雜地形和陡峭山坡的動態變化[11]；現有針對地質滑坡和礦區邊坡災害的天空地一體化監測方法[12-13]，因孕災環境的巨大差異而不能直接或有效應地用于冰川流域。在對藏東南典型冰川流域及災害實地考察的基礎上，本文介紹冰川流域孕災環境與災害的智能監測需求，提出基于天空地協同的智能化監測技術模式，旨在快速、準確、全面獲取冰川流域災害風險識別和災害應急處置所需的基礎空間數據與關鍵信息，對于推動現代測繪技術在我國西部地區防災減災和交通要道(如川藏鐵路、川藏公路)安全保障工作中的新應用，具有重要的科技價值和戰略意義。

1 冰川流域災害監測的技術難點

波密縣天摩溝是藏東南典型冰川泥石流災害發育點之一。2007年9月4日、2010年7月25—31日、9月5—8日，2018年7月11—15日，天摩溝發生過大規模冰川泥石流災害，多次嚴重損毀由東進藏咽喉要道(318國道)。天摩溝流域面積約18 km2，地形極為復雜險峻，主溝長7.1 km，溝口海拔2460 m，頂峰海拔5560 m，流域平均坡度39.8°[14]。流域內發育的現代冰川總面積4.7 km2，冰川末端海拔約3800 m[14]。野外科考照片顯示(圖1)：天摩溝冰川上游地形陡峭、積雪豐富、云霧繚繞；冰川厚度大，冰川物質與周圍基巖顏色區別較明顯；冰川流域槽谷空間狹窄，邊坡陡峭；邊坡裸露、質地松散，顯性及隱性泥石流物源極為豐富；下游植被茂密，谷口堆積大型扇形堰塞體。由于地形極為險峻，觀測人員及地面設備雖可進入山谷下游短暫作業，但極難到達冰川槽谷中游乃至冰川之上。因此，對于類似于天摩溝這樣的復雜冰川流域，任何單一的衛星遙感、無人機遙感和地面觀測平臺和技術手段，均無法實現時空連續覆蓋與精準可靠監測。因此大量復雜冰川流域災害監測是測繪領域有待開辟的新戰場。

圖1 西藏波密縣天摩溝冰川流域及災害照片(拍攝于2020年10月)

結合對藏東南多個冰川流域與災害點的實地考察結果分析，發現與一般地質滑坡、泥石流、礦區邊坡監測技術相比，冰川災害監測具備以下基本特征：①監測范圍更廣，單一冰川流域面積可達10～103km2；②監測對象復雜，不僅包括位于冰川流域上游的粒雪盆與冰斗冰川、流域中游的冰蝕崖與陡坡、流域下游的槽谷與溜坡，還包括流域內的冰磧物、崩滑堆積體、冰磧湖，以及流域谷口的堰塞體等；③監測對象極不穩定，冰川流域形變速度快、崩塌多，監測對象的表面發射與吸收特性變化大，對遙感監測技術要求更高；④監測環境惡劣，地形復雜、云霧繚繞，海拔高、溫度低、坡度大，監測對象距離人員可達位置一般超過5 km，有效觀測視場十分窄小。因此，冰川流域孕災環境及災害監測對天空地網協同觀測的要求更高、更迫切，亟須發展智能化協同觀測技術。

2 冰川流域可用的現代測繪技術

現代測繪技術的快速發展為山地冰川流域孕災環境與災害的智能監測提供了可能。本文重點介紹3類可用于冰川流域的測繪技術，包括：①衛星觀測技術，含合成孔徑雷達(synthetic aperture radar,SAR)和光學遙感技術；②航空觀測技術，含無人機(unmanned aerial vehicle，UAV)熱紅外遙感、UAV光學遙感和UAV激光雷達(LiDAR)；③地面觀測技術，含地基三維激光掃描(terrestrial laser scanning,TLS)、測量機器人等。本文擇要對以上可用測繪技術的優缺點進行分析。

2.1 可用的衛星遙感技術

2.1.1 衛星SAR技術

由于SAR衛星信號可以穿透云霧、覆蓋范圍廣、分辨率較高，在大面積和長時段目標高程變化觀測方面有明顯優勢。通過SAR影像獲取冰川流域的DEM，再與歷史高程數據配準后差分，可獲取災害點冰川厚度變化和邊坡高程變化[9,15]。但是，目前在軌SAR衛星大多采用重軌單發單收干涉模式，受大氣變化、地表散射特征變化以及地表形變影響較大，無法獲取高精度DEM；同步雙軌單發雙收雖然不受大氣、地表散射特征變化以及地表形變(如冰川流動)的影響，無須地面控制點即可獲取較高精度DEM，但目前可用的在軌民用星載同步雙軌單發雙收干涉SAR(interferometry SAR, InSAR)數據源僅有TanDEM-X影像，導致觀測時間不夠靈活。

基于相位信息的差分干涉(differential InSAR,D-InSAR)技術能獲取地表在雷達視線向(LOS)的形變觀測值，可用于滑坡形變和冰川運動監測[16-18]，但其受目標散射特征變化、形變梯度和大氣變化影響較大[19]。在D-InSAR技術基礎上發展起來的時序InSAR技術(包括基于單主影像的PS-InSAR和基于多主影像的SBAS-InSAR)，通過對多景SAR影像進行特定條件干涉組合來削弱大氣變化和時空去相干對干涉相位的影響，可獲取更高精度的地表形變[20-22]。目前，該技術監測地質滑坡和礦區邊坡穩定性的國內外案例雖然較多[10,13,19-20,23-25]，但對目標散射穩定性要求較高，僅適合簡單地表覆蓋條件，無法用于冰川流域的復雜地表環境。相比于D-InSAR技術，基于影像強度信息的匹配跟蹤技術(intensity tracking)理論上監測精度更低，但受目標表面散射變化和形變梯度影響較小，且不受水汽變化影響，適合冰川運動和大型滑坡監測。基于單影像對，intensity tracking技術能獲取目標在LOS向和方位向的形變觀測值[26-28]；若對同一軌道的多影像對進行小基線集強度跟蹤(intensity tracking-SBAS)處理，則可在一定程度上提升時序形變監測精度[29]。雖然該技術在單一方向上的形變估計精度不及時序InSAR技術，但可基于單個衛星的升軌和降軌影像集獲取真三維形變時間序列，有利于準確掌握目標動態，是相位失相干時的形變監測有效技術[30]，在冰川躍動和滑坡監測方面已有一些成功案例[30-32]。

總體來說，經過40多年的發展，SAR技術在大氣誤差改正、軌道誤差改正、低相干區測量、多維形變測量、時空分辨率改善等方面均取得了長足的進步[22]，但由于采用斜距成像方式，SAR技術(包括intensity tracking在內)監測冰川泥石流災害體時不可避免地受險峻地形、高坡角和南北坡向限制。

2.1.2 光學遙感技術

由于光學影像紋理清晰，通過對比不同時期的光學影像的分類與解譯結果，可獲取冰川面積、末端位置變化、邊坡裂縫變化、物源種類和面積等信息，為泥石流形成機制分析提供證據支持[12,14,28,33-34]。基于空間前方交匯原理，光學遙感攝影測量技術可從立體像對提取DEM。將攝影測量獲取的DEM與歷史DEM配準后再差分，也可獲取冰川的厚度變化和邊坡高程變化[35-36]。由于光學衛星立體像對數據源豐富，影像幅寬較大，且光學DEM不受冰面信號穿透影響，目前星載光學DEM差分是估計高分辨冰川厚度變化的主流方法[37-40]。但是，光學信號受云霧干擾，而且冰川積累區表面的新降雪會導致表面缺乏紋理特征，星載攝影測量技術可能因立體影像無法匹配而失效。

基于光學影像的互相關匹配可獲取目標二維形變。類似SAR intensity tracking技術，光學影像匹配的核心步驟是尋找主輔影像中的同名點，通過計算同一框架下主輔影像上同名點之間的坐標偏差來獲取目標形變量。同名點定位可直接基于像元亮度值進行，其原理與SAR影像intensity tracking同名點定位過程相似，也可基于像元亮度值轉化的頻率域相位值來開展[41]。得益于星下點成像方式，山地條件下光學影像比SAR影像的畸變程度小得多。對于陡坡滑移形變和冰川流動形變估計來說，光學影像匹配比SAR intensity tacking更穩健，而且數據源更豐富。目前該方法在滑坡和冰川形變監測中均有較多應用案例[32,42-47]。但是，類似于攝影測量技術，光學影像匹配技術也會因云霧和降雪而失效。

2.2 可用的航空遙感技術

2.2.1 UAV熱紅外遙感

高位陡峭坡體的凍融風化和溝谷邊坡的冰川融水侵蝕，是冰川泥石流災害崩滑物源產生的重要原因，而陡峭坡體凍融風化程度和溝谷邊坡融水侵蝕程度均與介質的滲水率或含水量直接關聯。通過現場觀察或多光譜影像分析，一般難以區分物源區的含水量、孔隙度與風化程度。熱紅外成像技術利用目標與周圍物體之間的亮溫差異，基于紅外輻射能量密度分布進行熱成像識別與特性分析。由于水的熱容量和熱傳導性能明顯高于巖土介質，太陽照射時含水或滲水巖土目標的溫度上升速度明顯慢于干燥目標，尤其慢于破碎及疏松多孔的干燥目標。此外，由于水分蒸發時需要吸收熱量，導致目標表面溫度降低，無熱源時含水量較高的坡體溫度也比其他部位更低。

基于上述目標特性，可利用熱紅外遙感探測滲水的陡峭坡體和凍融風化巖體對象，識別物源區的崩塌隱患體，分析物源區的風化程度和松散程度[48-51]。熱紅外相機既可架設于地面，也可搭載于UAV上進行長距離成像觀測，作業方式較靈活，成本較低。但是，熱紅外遙感只能反映崩塌隱患區的空間分布與變化，無法定量估計潛在物源體積。

2.2.2 UAV光學遙感

UAV攝影測量機動靈活、成本低、時空分辨率高，被廣泛用于地質勘查和災害監測。UAV攝影測量原理與航空攝影測量原理類似，利用共面條件方程來獲取像片間的相對位置關系：將所有像片納入到統一的空中三角測量模型中，利用UAV配套的RTK信息和少量地面控制點來求解像片的外方位元素；再通過同名點空間前方交會解算像元點的地面坐標，生成目標區高分辨率數字表面模型(DSM)和數字正射影像(DOM)[52]。通過對高分辨率DOM時間序列進行目視解譯，可初步檢測邊坡地形地貌條件、溝內松散物源種類(包括冰磧物、崩滑物源、溝內堆積物源[14,53])、物源組成(包括黏土顆粒、砂土顆粒、礫石顆粒[11])和物源移動情況，以及邊坡滑移垮塌情況[54-57]。

由于UAV影像的空間分辨率為厘米至分米級(取決于相機像素與成像距離)，可據此發現高分衛星難以感知的地表裂紋[58]。通過對UAV影像進行運動結構恢復(structure from motion,SfM)可獲取災區影像三維場景和DSM，估計滑動的物源體積，有助于災情調查[59]。通過差分不同時期UAV光學相機獲取的山谷DSM，可精細估計地面高程變化和邊坡形變；若結合與DSM處于同一格網下的DOM分類結果，還可定量估計冰川、崩滑物源、溝內堆積物源等目標的體積變化，精準掌握冰川物質和溝內物源的移動情況[60-64]。但是，UAV光學遙感也受云霧和地表積雪影響，且光學信號無法穿透植被獲取地面信息。此外，UAV本身還受飛行條件、續航能力和航高限制，在高山地區的作業能力受到制約。

2.2.3 UAV LiDAR系統

現有的UAV LiDAR系統集LiDAR、CCD相機、GNSS、慣性測量系統于一體，可以精確獲取高分辨DEM、DSM和DOM。因系統自帶定位定向裝置，無須布設地面控制點，只需在測區周圍安置1臺以上GPS基準站即可。LiDAR主動發射激光信號，無須影像匹配而直接獲取地表點三維坐標，在夜晚或者地表積雪時也能工作。由于激光束可穿透稀疏植被(冰川流域植被區以灌木為主)，LiDAR可獲取邊坡地表三維形態[65]。若將UAV LiDAR系統獲取的正射影像與三維點云相融合，還可獲取隱患滑坡體輪廓，估算潛在泥石流物源量[12,66-69]。通過差分不同時期UAV LiDAR獲取的山谷DSM，也可精細估計地面高程變化和邊坡形變；若再結合與DSM處于同一格網下的DOM分類結果，則可進一步估算冰川、崩滑物源、溝內堆積物源等目標的體積變化[70-71]。但是，UAV LiDAR系統作業成本較高，其CCD獲取的是小相幅影像，生成DSM和DOM是兩個獨立過程，存在二者的匹配問題。此外，UAV LiDAR系統也受水汽云霧影響，對山區蒸發水汽的敏感度要大于UAV攝影測量。

2.3 可用的地面觀測技術

2.3.1 TLS技術

星載和UAV測量手段在冰川流域陡坡地區的有效觀測數據較少。攜帶較方便的TLS是一種重要的補充測量手段。通過地面掃描獲取目標區的三維位置點云和表面紋理信息，可實現目標區三維建模與地物識別[72]。通過配準和差分不同時期獲取的TLS點云，可精確估計冰川末端的厚度變化、溝谷邊坡崩滑量、溝谷邊坡侵蝕量、溝谷內堆積物源體積及山谷邊坡形變[65,73-76]。結合多期TLS和UAV LiDAR觀測數據對冰川泥石流災害發生前后溝谷內堆積物源體積和邊坡崩滑量變化進行精細估計，有助于建立冰川流域氣溫、降水與泥石流規模之間的關系。但是，TLS信號易受地物遮擋，觀測范圍有限，且需觀測人員攜帶設備進入泥石流溝內作業，受可達地點、海拔高度和監測環境制約較大。

2.3.2 測量機器人技術

測量機器人也稱自動全站儀，可在固定站點連續觀測工作模式下實現無人值守、目標自動識別、自動跟蹤觀測與數據處理[77]。除全自動化外，該技術比GNSS更為靈活，比TLS更具近實時觀測能力，已在工程設施變形監測、邊坡穩定性監測等方面得到了較廣泛應用[78-80]。利用該技術固定站點的點群目標精密實時觀測能力，可以實現對冰川末端、堆積物源體邊緣、滑塌體、危巖等重點對象或關鍵特征點的位移變化進行遠程自動化觀測，并進行崩滑智能預警。但是，測量機器人觀測范圍和有效距離受冰川流域的復雜地形影響，因此需要提前鎖定靶區并優化部署觀測站的位置。

綜上，鑒于山地冰川流域地形地貌、目標地物及與監測條件的極端復雜性與多變性，任何單一手段及常規方法均難以完成冰川流域孕災環境及災害的精準感知任務。亟須采用智能化技術、協同多種現代測繪遙感手段，開展基于天空地網協同的冰川流域孕災環境與災害智能監測方法、模式與關鍵技術研究。

3 天空地協同的冰川流域智能監測技術

3.1 監測內容與質量要求

冰川泥石流是冰川流域的典型地災現象，其發生主要包含以下機制[3,11,14,33,53,81-85]：①強降雨過程中冰川發生躍動/冰崩，移動冰體對冰川下游V型溝谷兩側和底部巖土層產生削蝕作用，觸發山谷兩側滑坡或垮塌，碎冰體、冰磧物、崩滑物源、溝道堆積物源組成的固體混合物在雨水和冰川融水沖刷下形成泥石流；②冰川末端大規模移動前進，冰體阻塞相鄰山谷的河道，形成堰塞湖，后期冰壩潰決形成山谷洪水，進而轉為泥石流；③冰川發生躍動或崩塌時，移動冰體摧毀前方冰磧湖的壩體，潰決洪水轉化為泥石流；④冰川發生躍動/崩塌后，碎冰體及各種物源組成的混合物堆積在山谷中，后期雨水和冰川融水沖刷使混合物堆積體失穩，形成泥石流；⑤冰川融水和寒凍風化長期侵蝕高位陡峭山坡，在降雨或其他外力作用下陡崖崩滑，被雨水和冰川融水裹挾而從高處傾瀉而下，形成泥石流；⑥冰川融水長期侵蝕溝谷邊坡，在降雨或其他外力作用下邊坡崩滑，形成臨時沖溝攔擋壩，隨著水位升高，臨時壩體潰決，雨水和冰川融水裹挾著各種物源從高處傾瀉而下，形成泥石流。盡管冰川泥石流的發生條件和普通泥石流一樣，都需要陡峭的地形、豐富的松散固體物源和充足的水源[86]，但冰川泥石流啟動的降雨量閾值遠低于一般降雨型泥石流[14]。此外，由于冰體對河床有鏟削作用、冰川融水對高位陡坡有侵蝕作用，冰川泥石流的物質來源途徑比一般降雨型泥石流更多，物源累積更快，危害更大。

冰川在躍動/崩塌之前的表面流速會明顯增加，部分冰川還會有明顯的局部增厚和末端前進現象，近期發生了末端躍動/崩塌的冰川，其下游的面積和厚度會顯著增加[28]。因此，圍繞冰川主體對象，冰川分布、冰川流速與厚度變化、冰磧湖邊界等是冰川流域孕災環境監測的基本要素。此外，冰川周圍高位陡坡的穩定性、沖溝邊坡的穩定性、流域內巖土體的崩滑情況、溝內物源的堆積情況等，是冰川流域孕災環境監測的重要內容。與此相關的隱患坡體面積與形變速度、崩滑物源體積、冰磧物體積、溝內堆積物源體積變化等，也是冰川流域孕災環境監測的基本要素。根據冰川流域監測對象的空間尺度和變化幅度，結合冰川泥石流災害研究、過程模擬與風險分析的數據要求[32,61-62,76,87-88]，本文總結了冰川流域孕災環境與災害的監測對象、幾何要素與質量要求，見表1。

表1 冰川流域孕災環境與災害的監測內容與質量要求

3.2 天空地協同內涵

針對冰川流域復雜地形條件和冰川泥石流災害的監測內容與質量要求，本文提出冰川流域孕災環境與災害監測的天空地協同內涵，包括平臺協同、時間協同、參數協同和尺度協同4個方面。

(1)平臺協同。首先，需要突破單一手段、單一平臺的局限，構建基于天基平臺(高分辨率SAR和光學衛星)、空基平臺(UAV攝影測量、UAV LiDAR和UAV熱紅外)、地基平臺(TLS和測量機器人)的天空地多平臺立體觀測體系。針對冰川流域地形條件、目標特征和監測要求，發揮各平臺優勢，進行點與面、高精度重點區和低精度全覆蓋區的有機結合，實現對冰川流域孕災環境與災害監測基本要素與重要內容的全覆蓋，并對各平臺觀測范圍的重疊部分進行交叉驗證與互補增強，提高時空覆蓋度和觀測精度。

(2)時間協同。在基于衛星遙感進行冰川流域整體觀測的基礎上，一方面要根據冰川流域內不同隱患區的災害發育態勢進行監測資源優化配置，以高效率、低成本、高精度監測為目標，實現重要隱患區與災害點的連續監測和聚焦監測，近實時地獲取災害隱患態勢研判與災害鏈風險分析所需基礎數據與關鍵信息；另一方面，針對重特大災害事件與應急搶險救援行動，必要時要根據衛星過境或者UAV作業時間，采用天空，或天地，或空地，或天空地觀測手段同步作業，確保多平臺觀測結果相互驗證、及時可靠。

(3)參數協同。基于上述天空地測繪遙感手段，協同獲取冰川流域關鍵點位、冰川邊界與冰面高程信息，以及冰面正射影像、泥石流物源區三維場景、DEM、DOM、DSM、熱紅外影像等表觀數據，進而反演冰川厚度變化、冰川邊界變化、冰川表面流速變化、冰川周圍高位陡坡形變、溝內邊坡形變、崩滑物源體積、堆積物源體積變化、冰磧湖/堰塞湖面積變化等空間要素，以及邊坡巖體風化程度、物源組成等物理要素，同步獲取冰川流域關鍵點位的氣溫與降雨數據，以及流域及周邊的外部環境要素(如地震活動)，以便開展冰川流域災害科學研究和災害風險分析。

(4)尺度協同。根據不同任務需求、不同冰川流域、不同災害現象，基于監測任務進行大尺度(如藏東南地區)、中尺度(如藏東南交通要道兩側10～20 km緩沖區)、小尺度(單一冰川流域或災害隱患區)的冰川流域孕災環境與災害監測資源配置與協同方案設計，既能進行大尺度的區域孕災環境調查與災害隱患排查以及中尺度的危險流域與災害隱患區鎖定，又能進行小尺度的災變過程聚焦與災害事件應急，進而從不同時空尺度有效獲取冰川流域孕災環境的本底信息、災變影響因素與驅動因子變化，以及災害與災情動態變化。

3.3 天空地協同智能監測技術模式

基于現代測繪遙感手段的天空地協同監測是全面獲取和精準掌握冰川流域地形地貌、地表形變及災害物源信息與變化態勢的有效手段，但其協同監測方式與數據處理過程需要智能化，尤其需要引入相關知識(包括冰川流域形變特征、冰川泥石流形成與發育過程、冰川泥石流災害鏈演化規律，以及地質巖土知識、自然地理學知識、氣象水文學知識、災害學知識等)作為4項協同的信息基礎與知識引導。本文針對監測內容、難點與特殊性，提出任務驅動、知識引導和天空地協同的冰川流域孕災環境與災害智能監測技術模式(圖2)。

圖2 冰川流域孕災環境與災害的天空地協同智能監測技術模式

知識引導和智能規劃旨在建立科學有效的天空地協同智能監測系統。該系統應可根據具體任務需求與冰川流域觀測條件，自動搭建天空地協同觀測方案；進而根據觀測獲得的流域地形、地表形變速度、水汽分布、物源態勢信息，對觀測資源與協同作業模式及時進行動態優化；智能化模塊指揮任務執行單元自動執行協同觀測方案和動態優化，從而降低觀測指揮者的決策難度，提高協同觀測的科學性與觀測數據的有效性。

3.4 智能監測初步方案

顧及觀測區域的空間尺度與觀測數據的時效性，本文將冰川流域孕災環境與災害智能監測任務分為3個基本類型：A類——面向單一冰川流域災變過程情景模擬的協同觀測；B類——面向冰川流域群孕災環境差異與風險分析的協同觀測；C類——面向冰川泥石流災害事件應急響應的協同監測。針對3類基本任務，提出不同任務驅動的天空地協同智能監測初步方案：

A類監測方案：旨在精細獲取單一冰川流域孕災環境本底信息與災變過程表觀數據。顧及相關監測技術的優缺點和表1所列監測質量要求，協同監測方案為：①通過天基平臺和空基平臺獲取冰川流域地形與地表覆蓋、冰川流速與消融速度——優先采用SAR和InSAR技術獲取冰川流域地形、冰川表面高程、冰面坡度、冰川消融速度，以及冰川躍動/崩塌物質體積，以光學遙感技術進行協同，采用光學遙感技術獲取冰川、冰磧湖或堰塞湖面積；②通過空基平臺獲取冰川下游槽谷三維模型，反演沖溝長度、溝床比降、山體坡度等關鍵孕災環境要素——優先使用UAV LiDAR技術，以UAV光學影像SfM三維重構技術進行協同；③通過空、地平臺獲取溝內冰磧物體積、崩滑物源體積、溝內堆積物源體積，判識物源組成——優先使用UAV光學影像SfM三維重構技術估計物源體積，以UAV LiDA、TLS技術進行協同，優先使用UAV光學遙感解譯判識物源組成，以野外采樣和地球物理勘探技術進行協同。

B類監測方案：旨在獲取和分析大范圍內多個冰川流域、多個災害要素的長期變化信息。協同監測方案為：①首先，通過天基平臺觀測冰川和冰川湖長期動態變化——優先采用SAR和InSAR技術獲取冰川流域地形、冰川表面高程、冰面坡度、冰川消融速度，以及冰川躍動/崩塌物質體積，以光學遙感技術進行協同，采用光學遙感技術獲取冰川、冰磧湖或堰塞湖面積及其邊界長期變化；②其次，對衛星觀測結果進行綜合分析，解譯識別危險冰川流域與災害隱患區；③進而，通過天基、空基平臺對危險流域與隱患區進行重點監測——優先采用InSAR時序形變估計技術監測崩滑隱患區，以UAV熱紅外災變體探測和UAV光學遙感影像解譯進行協同。

C類監測方案：旨在冰川流域災害發生后及時為國家及地方政府的應急救災提供數據保障與信息支持。協同監測方案為：①通過天基和空基平臺識別受災范圍、受損程度與泥石流堰塞體，確定救災處置對象和優先級別——優先使用高分辨光學衛星影像解譯技術，以高分辨SAR衛星影像解譯和UAV光學影像解譯技術進行協同；②通過空基、地基平臺監測流域山谷中堆積物源剩余量和分布情況，以及溝谷邊坡穩定性，識別災害鏈及短期二次災害風險，確保救援隊伍安全——優先使用UAV光學遙感SfM三維重構技術調查山谷堆積物源剩余量和分布，以UAV LiDAR和TLS進行協同，使用UAV熱紅外災變體探測技術確定崩滑隱患區，優先使用UAV光學/LiDAR DSM差分來精確估計隱患邊坡的形變量，以測量機器人形變監測進行協同，識別崩滑風險；③通過天基、空基平臺監測山谷冰川邊界、厚度和流速變化，確定近期是否存在二次躍動可能，識別中長期二次災害風險，為受損基礎設施修護和重建提供時間節點信息參考——優先使用光學衛星遙感影像解譯和跟蹤冰川邊界變化，以UAV光學影像解譯進行協同，優先使用衛星InSAR DEM差分技術和SAR影像匹配技術估計冰川厚度變化和流速變化，以衛星光學DEM差分技術和影像匹配技術進行協同，條件允許時還可采用UAV光學/LiDAR DSM差分技術進行輔助協同。

3.5 智能化工作方向

現有的天空地協同監測方法用于復雜多變的冰川流域孕災環境與災害監測時，缺乏智能化技術，難以滿足實際需求。需要引入地學、氣象水文學和冰川災害學知識，并結合任務需求，開發任務驅動的協同規劃智能模型、數據融合處理智能方法、災害態勢分析智能技術，形成天空地協同的智能監測系統。為此，本文提出針對不同監測任務的智能化工作方向。

A類任務：以現場可達、結果精準、成本較低為準則，根據冰川流域的具體觀測條件(例如海拔位置、地形地貌、云霧覆蓋、人員及設備可達性)、觀測目標屬性(例如尺寸大小、形變速度、表面坡度和朝向、表面覆蓋物、表面散射特征穩定性)、基礎數據集質量(歷史地形數據、存檔衛星影像、可編程衛星影像)等，以時空協同、互補增強為目標，構建復合型多目標協同規劃模型，設計多源融合智能算法；突破監測資源時空分配和協同模式動態優化的智能瓶頸，實現多平臺、多尺度、多參數協同智能監測，保障冰川流域災害情景模擬所需基礎數據的精準獲取。

B類任務：以作業便捷高效、時空覆蓋度高、總體成本低為準測，結合區域地理地貌、地質水文及氣象學知識，構建邊際效益最大化協同規劃模型；根據冰川流域群孕災環境的共性特征與個體差異、冰川泥石流災害隱患區的空間分布與發育特征等，對有限的時間、人力、和觀測資源進行時空智能分配，實現各類觀測資源的應用效益最大化，保障冰川流域群孕災環境差異分析與風險識別所需基礎數據的全面獲取。

C類任務：以監測及時、要素完備為準則，結合災害發生和災害鏈時空演化知識，構建時效性最佳的協同規劃模型，設計相應的智能算法；根據災害點觀測條件、觀測目標屬性、基礎數據集等，智能分配效率最優的傳感器和效果最佳的監測模式，對災情評估與災害態勢研判亟需的空間信息和關鍵要素進行近實時、全覆蓋、高精度監測，保障災情研判與搶險救災所需關鍵數據的聚焦獲取。

4 結論與展望

冰川流域地形險峻、地表覆蓋復雜，冰川泥石流災害危害大、致災因素多。冰川流域孕災環境與災害的智能監測需求迫切，對觀測數據的點面融合、時空互補、參數增強和精度提升的要求遠高于地質滑坡和露天礦邊坡。充分發揮現代測繪遙感技術的各項優勢及其協同能力，構建冰川流域孕災環境與災害的天空地協同智能監測技術體系，具有挑戰性與前瞻性。天空地協同監測資源的優化配置、觀測工作的任務驅動、規劃模型的自動生成、監測數據的信息融合、災害演化的態勢研判等，均是智能化的重要方向。亟須面向冰川流域的不同監測任務，研發相應的天空地協同智能規劃模型、設計智能算法、開發智能平臺，以滿足防災減災、應急保障和科學研究的重大需求。

在氣候暖濕化背景下，藏東南交通要道面臨冰川災害嚴重威脅。圍繞平臺協同、時空協同、參數協同、尺度協同開展藏東南冰川流域孕災環境及冰川泥石流災害隱患區智能監測研究，具有典型性與代表性。整合可用的衛星遙感、UAV遙感和地基觀測資源，構建天空地協同的智能監測技術體系，實現冰川流域孕災環境、變化態勢與災害事件智能監測，是獲取藏東南減災防災、風險分析和應急處置所需空間基礎信息數據的必由之路。隨著質量更好、分辨率更高的衛星數據越來越豐富，功能更強、性價比更優的現代測繪儀器(如UAV-SAR)的不斷涌現，新數據新設備必將在冰川流域孕災環境與災害觀測中有用武之地。本文提出的方法與模式也將與時俱進，不斷修正和完善。