-
青藏高原被称作“世界屋脊”，是全球海拔最高、面积最大的高原。它不仅是南北极以外现代冰川分布最多的地区，也是中国第四纪冰川遗迹最丰富的地区（Lehmkuhl et al.，2005）。古冰川遗迹记录了过去冰川的变化，可用于重建古冰川特征，是研究第四纪环境演变的重要依据（施雅风等，2006），对其进行研究，能够为了解冰川演化过程提供证据（赵井东等，2009），对于揭示全球环境变化规律、构建第四纪冰川演化历史，以及洞悉过去环境变化起着至关重要的作用（ 王建等，2012; 姚檀栋等，2017）。
-
冰碛垄是由冰川活动携带的物质沉积下来而成的垄状堆积体，是典型的第四纪冰川遗迹，对认识冰川的历史活动具有重要意义，是研究古冰川和恢复古地理环境的重要依据; 研究冰碛垄的位置、规模、形态等特征，可以推断出古冰川的活动范围、强度以及古地理环境的变迁情况。刘斌等（2009）、胡恩等（2010）通过后差分 GPS 测量方法分别对祁连山 6 条冰碛垄、珠穆朗玛峰北坡绒布河谷的冰碛地貌进行了实地测量和研究。冰川槽谷是冰川侵蚀形成的典型古冰川遗迹，McGee 于 1883 年首次提出“U”形这一术语来描述冰川槽谷的地貌特征，利用这种 U 形侵蚀模式分析了冰川槽谷形成的主要原因（McGee，1894）。 20 世纪初，Davis 引入悬链线形方程的数理统计方法来描述冰川槽谷的形态，进一步将其形态近似为抛物线形或 U 形（Davis，1916），与河流作用形成的 V 形谷地作了区分，自此开始了冰川槽谷定量化研究。随着研究的深入，Svensson（1959）提出幂函数（y = axb）模型以应对悬链线形方程的复杂性，实现了冰川槽谷近似抛物线形特征的量化描述，该模型的有效性通过瑞典北部 Lapporton 冰川槽谷得到充分验证。此后，这一模型得到了广泛运用（Graf，1970; 刘耕年，1989）。 Graf（1970） 深入探讨了 Beartooth 山脉东南角几个山谷河道深度、宽度与水流量之间的联系，提出了冰川槽谷宽深比（FR）的概念，使冰川槽谷形态定量化描述更为科学。 2018 年，Zimmer 等（2018） 在研究美国内华达山脉第四纪冰川侵蚀地貌特征时，基于谷地形态提出了的 V 指数（V-index）模型，并证明此方法在描述冰川作用谷地形态时适用的槽谷形态更多，计算效率更高。已有学者（葛润泽等，2021; 张威等，2022）将该方法运用于他念他翁山、唐古拉山等地的冰川槽谷横剖面形态分析中，均取得较好的结果。
-
高分辨率、高精度的数字正射影像图（ digital orthophoto map，DOM）和数字高程模型（ digital elevation modal，DEM）可以精细刻画地貌景观，精确测量地表形变（张会平等，2006; 曹鹏举等，2021）。使用传统地面观测方法（如手持式全球导航卫星系统设备）在野外对地貌进行测绘，定位精度通常限制在几米之内，需要通过额外测量（如差分全球定位系统、实时动态全球定位系统或全站仪）进行补充，才能实现更高的精度（Benjamin et al.，2018）。用这种方式获得地貌信息，对于研究人员来说工作量大、测量点的精度低、效率低、成本高。随着遥感技术的发展，卫星遥感产品在一定程度上克服了实地观测空间代表性差的缺陷，但大部分卫星遥感产品具有空间分辨率相对较低、受云层及山体阴影的影响、时效性相对较差等问题，难以满足详细地貌研究的要求（Nuimura et al.，2012）。近年发展的无人机技术作为一种新兴测量手段，具有观测时间灵活、产品精度高的独特优势，可以较好地弥补地面观测与卫星遥感监测方面的不足，并且后期处理过的影像拥有高精度的地形、地物信息和和清晰的纹理细节（Lehmann et al.，2016）。无人机获取高分辨率的 DEM、 DOM 数据常用方法有运动恢复结构（Structure from Motion，SfM）技术和激光雷达（ Light detection and ranging，LiDAR）技术，已被地貌学、水文学、农业和林业等多个领域采用（Swinfield et al.，2019）。 SfM 技术是通过传统的摄影测量法使用光学遥感图像来提取地表高程信息，但生成 DEM 依赖于同名点匹配，对于地物特征不明显地区可能会导致点云位置精度不高。 LiDAR 技术是一种安装在飞机上的主动遥感技术，利用飞行中的传感器发送和接收激光信号来获取高程信息（ Liao Jianghua et al.，2021），可穿透植被覆盖层，提供快速、高分辨率和精确的三维地形点云（张永庭等，2018），可在微地貌尺度上获得更详细的地貌特征信息（Haddad et al.，2012; Salisbury et al.，2012; Zielke et al.，2012）。将无人机 LiDAR 技术运用至冰川地貌研究中，能够排除地形环境和光照条件的影响获得分辨率极高（厘米级）的冰川地貌 DOM 和 DEM 数据。近年来，前人对冰川槽谷、冰碛垄等古冰川地貌的研究多基于卫星遥感影像（ Fu Ping et al.，2012; Liu Jinhua et al.，2017; Wang Jie et al.，2018; 康乐，2019），但受到遥感影像分辨率的限制，难以刻画出更高精度的微地貌信息。如果运用无人机 LiDAR 技术，人们能更便捷地收集到更精确的数据，从而能够对小型冰川地貌和过程进行非常详细的研究（Sledz et al.，2021）。
-
位于青藏高原东南缘的稻城古冰帽，地处沙鲁里山中部高原面，主体由稻城县和理塘县之间的海子山夷平面及其残丘组成，其南部的库照日保留有横断山区已发现的最老冰碛垄（周尚哲等，2004），该区域保存大量古冰川遗迹，是研究第四纪冰川年代学、冰川地貌学的理想区域。郑本兴等（1995）描述了稻城古冰帽地区冰川地貌分布情况，绘制出稻城古冰帽地区末次冰期冰川及冰帽地貌分区图; Fu Ping 等（2012，2013）利用遥感影像数据识别了沙鲁里山区域的冰碛垄、冰川谷等冰川地貌类型，深入分析了这些地貌的分布特征，并绘制了古冰川地貌图。崔海涛等（2023） 进一步细化识别稻城古冰帽的冰碛垄、冰川槽谷、冰川湖、羊背岩等地貌，提供了更高分辨率的稻城古冰帽冰川地貌制图。
-
尽管前人对于区域冰川地貌数字化研究做了大量工作，但是对于冰碛垄小尺度的冰川地貌形态特征需要进一步研究。因此，本研究利用由无人机 LiDAR 技术获得的库照日地区高精度 DEM、DOM 数据，对库照日冰碛垄及其槽谷出口围成谷地进行地貌特征分析。同时利用 ArcGIS Pro 等制图软件，依托无人机高精度数据进行库照日地区的地形地貌制图，显著提升冰川地貌制图的可靠性和精度，藉此希望能促进冰川地貌学研究的发展。
-
1 研究区概况
-
稻城古冰帽位于青藏高原东南缘，四川省西部（29°02′~30°08′ N，99°48′~100°50′ E）（图1），坐落于横断山脉中沙鲁里山中部高原区，绝大部分区域隶属于海子山自然保护区。研究区北部毗邻毛垭坝盆地和理塘盆地，东部与无量河断裂带和甲洼—康嘎盆地相接，南部以稻城河断裂带为界，西部与稻城河谷和希曲相邻（郑本兴等，1995）。稻城古冰帽主体位于甘孜州南部，包含稻城县、理塘县之间的海子山夷平面和残丘（许刘兵等，2004），呈西北—东南走向（ NW—SE），面积达 3600 km2，平均海拔在4500 m 左右。目前整个稻城古冰帽区已无现代冰川，第四纪时该区曾多次冰川发育并保留着冰川槽谷、古冰斗、冰碛垄等各种冰川侵蚀堆积地貌（崔海涛等，2023）。
-
图1 川西稻城古冰帽位置示意图（张志刚等，2023）
-
Fig.1 The location of paleo-Daocheng ice cap, western Sichuan (Zhang Zhigang et al., 2023&)
-
库照日位于稻城古冰帽南缘稻城断陷河谷（29°7′N，100°12′E），距离稻城县约 12 km，位于稻城河北岸，研究区附近的稻城气象站的多年平均气温为 5.47~6.90℃，多年平均降水量约 675 mm。约有 6~7 列冰碛垄分布，明显辨认的有 K-M1、K-M2、K-M3、K-M4、K-M5、K-M6 垄（图2），其中最外侧的深风化红色的 K-M6 垄，被认为是横断山区已发现的最老冰碛垄（周尚哲等，2004）。
-
2 数据与方法
-
2.1 数据来源
-
本次无人机影像数据采集的工作于 2022 年 6 月使用搭载禅思 L1 镜头的 DJI M300 RTK 完成。禅思 L1 由 Livox 激光雷达、测绘相机、高精度惯导、三轴云台等模块组成，有效像素可达 2000 万，最多支持 3 回波扫描模式，其点云数据率可高达每秒 48× 10 4 点。选择晴天时飞行以获得清晰的影像，考虑到库照日冰碛垄所处地形起伏较大，航线采用仿地飞行，设置相对航高 100 m，L1 倾角 90°，旁向重叠度 60%，航向重叠度 60%，平均飞行速度 6.89 m / s，点云密度 221 / m 2，照片数 498 张，照片分辨率为 5472×3648，地面分辨率 1 cm。
-
使用大疆智图软件，新建激光雷达点云项目，选择存储库照日无人机原始数据的文件夹，将获取的点云数据处理导出为 LAS 格式的标准点云数据。导入北京数字绿土公司开发的 LiDAR 360 软件，进行去噪、地面点分类等处理后，生成分辨率为 0.5 m 的 DEM 数据。大疆智图中新建可见光项目，导入库照日无人机照片文件夹，进行图像预处理、空三加密后，二维地图重建，生成 3.8 cm 的 DOM 数据。
-
ALOS 12.5 m DEM 数据来自 EARTHDATA 官网（ https: / / www. earthdata. nasa. gov /），ASTER GDEM V2 30 m DEM 来自地理空间数据云（https: / / www. gscloud. cn /），3 套 DEM 数据高程基准均为 WGS84，投影坐标系均采用 WGS 1984 UTM Zone47N。三维模型和其他定量分析使用 ArcGIS Pro 3. 0 完成。
-
图2 川西稻城古冰帽南缘库照日冰碛垄分布图
-
Fig.2 The distribution of moraines in Kuzhaori on the southern margin of Daocheng ancient ice cap, western Sichuan
-
2.2 研究方法
-
在冰川槽谷的研究中经常运用到幂函数模型、形态比率 FR 模型、V 指数模型等，均得到了可靠的结果（李英奎等，1999，2000a; 姚盼等，2015; 葛润泽等，2021; 张威等，2022）。结合实地考察、遥感影像，发现稻城古冰帽南缘库照日槽谷出口冰碛垄围成了一套谷地，为探讨该谷地的地形参数，本文尝试将这几个模型运用到该谷地上，以下是幂函数模型、形态比率 FR 模型、V 指数模型方法介绍:
-
2.2.1 幂函数模型
-
Svensson（1959） 提出冰川槽谷的幂函数模型，旨在精确描述冰川槽谷横剖面的形态特征，并且在瑞典北部 Lapporten 的冰川槽谷横剖面上验证了该模型的可行性。幂函数模型的表达方程式定义如下:
-
式 1 中，a、b 是常数且为正; x 是谷壁上某点到冰川槽谷底部最低点的水平距离; y 是槽谷上一点到槽谷底部的垂直距离。
-
坐标原点的选择对于幂函数模型结果的可靠性具有显著性影响（ Svensson，1959; Pattyn et al.，1998; 李英奎等，2000b; 姚盼等，2015; Zimmer et al.，2018）。在早期的幂函数模型应用中，常见的做法是将槽谷两坡最高点中较低的点与其对坡同高程的点连线，取该线中点投影至谷地作为坐标原点（Svensson，1959），然而这种方式在逻辑合理性方面有所不足。为改进这一点，Kassab 等（2013）选取达里加山地区的 90 条谷地作为主要研究对象，发现将谷底最低点作为坐标原点的拟合结果优于谷地底部中点的拟合结果，因此，本研究选择谷底最低点作为坐标原点进行计算。
-
冰川槽谷横剖面的形态特征取决于 a 值和 b 值，为使近似效果尽可能好，在获取冰川槽谷横剖面的表达式时，Svensson（1959） 将这个幂函数表达式转换为如下式子:
-
对式（2）进行变换，使
-
图3 V 指数和相应谷形的对应关系（Zimmer et al.，2018）
-
Fig.3 Correspondence between V-index and the corresponding valley shape (Zimmer et al., 2018)
-
式（2）就变化为如下形式:
-
其中，A 和 b 是通过最小二乘法计算得到，即:
-
加入相关系数 R 以表示 A 和 B 之间的线性相关系程度，即:
-
式（4）~（6）中，n 为冰川槽谷每个横剖面上槽谷左右两侧分别进行计算（X，Y）数组的数量。 Svensson（1959）取相距 30 m 的 3 个横剖面的平均 x 值，拟合计算槽谷两侧谷坡的幂函数，得出 b 值分别为 2. 05 和 2.18。由这个结果可以看出冰川槽谷的横剖面符合抛物线形态，且两坡 b 值的不同表明冰川槽谷横剖面形状不完全左右对称，而是存在一定的差异。
-
在幂函数模型中，a 值和 b 值共同反映冰川槽谷的形态特征:a 值反映槽谷谷底的宽阔程度，b 值反映槽谷两坡的陡峭程度。即 a 值越大谷底越宽，b 值越大谷坡越陡。同时，不同槽谷间 b 值的差异可以直观反映冰川侵蚀程度的不同（姚盼等，2015）。李英奎等（1999，2000a，2000b）研究发现，经过对数计算后的 a 的绝对值与 b 值存在显著的线性关系。由于 a 值在实际应用中通常较小，易受误差影响，故多使用 b 值来反映槽谷的形态特征（ 姚盼等，2015）。一般 b 值接近 1 时表示河流作用形成的 V 形谷，b 值等于 2 时表示冰川作用形成的准抛物线形山谷，b 值接近 2 时表示冰川作用形成的近抛物线形山谷（Pattyn et al.，1998）。由于不同研究区的影响因素不同，b 值通常在 1.5~2.5 之间波动（ Svensson，1959; 刘耕年，1989; 李英奎等，1999，2000a，2000b）。
-
2.2.2 冰川槽谷的形态比率
-
为完善槽谷横剖面模型，使槽谷形态的描述更加准确，Graf（1970） 将形态比率 FR 加入冰川槽谷的形态表达中，进一步完善了冰川槽谷几何形态的定量描述。冰川槽谷形态比率公式如下:
-
式（7）中，D 为槽谷的深度，WT 为槽谷顶部宽度。 FR 值越大表明槽谷的形态趋向于深且窄。使用幂函数模型和形态比率对冰川槽谷进行计算时，即使两个槽谷在幂函数模型的结果相似，它们的形态比率 FR 结果也可能存在显著差异，以此可进一步区分不同槽谷之间的形态差异。
-
2.2.3 V 指数模型
-
对于不规则形状的截面，Zimmer 等（2018）提出了 V 指数（V-index），其计算方法是将谷底以上指定高度处的谷的横截面积（ Ax）与相同截面高度和宽度的理想 V 形截面面积（Av）进行比较，表达式为:
-
V 指数可以量化谷地形态与理想 V 形谷偏差程度，结合 V 指数和具体山谷横剖面（图3）可见:理想 V 形谷的 V 指数值为 0; U 形凹壁谷 V 指数>0; 而凸谷壁 V 指数<0。在进行 V 指数计算时，冰川槽谷横截面有两种计算方式，一种为全谷，即横剖面截取到两侧较低山脊线海拔以下; 一种为截谷，即横剖面截取到指定高度以下。以往分析冰川槽谷形态特征时通常选择全谷，本文幂函数模型运用范围也为全谷，因此 V 指数模型计算全谷和截谷两种横剖面形态，以进行更好的对比分析。
-
图4 稻城库照日地区无人机（a）、12.5 m 精度（b）和 30 m 精度（c）DEM 成像对比
-
Fig.4 Comparison of UAV (a) , 12.5 m accuracy (b) and 30 m accuracy (c) DEM imaging from Kuzhaori area
-
3 研究结果
-
3.1 稻城库照日冰碛垄不同分辨率 DEM 地貌特征对比分析
-
在实地考察中，我们发现库照日地区有多道垄堆积。选定一条横向剖面线 LL′，分别提取无人机 DEM、ALOS 12.5 m DEM、ASTER GDEM V2 30 m DEM 数据的地形剖面图，对比成像效果（图4）。基于剖面线 LL′，无人机 DEM、ALOS 12.5 m DEM、 ASTER GDEM V2 30 m DEM 分别测得西侧的垄高程为 3904.38 m、3897 m、3958 m; 谷底最低点高程分别为 3817. 00 m、3816 m、3825 m; 东侧垄最高点高程分别为 3917.69 m、3913 m、3958 m; 最东侧的独立垄最高点高程分别为 3848.64 m、3839 m、3959 m。 ASTER GDEM V2 30 m DEM 测得的高程数据明显高出另外两个 DEM 数据，而 ALOS 12.5 m DEM 与无人机数据测得的高程结果相差不大，但由图4 可知，无人机数据能够分清库照日东侧堆积的 5 道垄，而 ALOS 12.5 m DEM 由于分辨率不够高，仅能大致推断此处有多道垄堆积，且垄之间的划分并不清晰。 3 种分辨率的数据剖面图大致呈现相同的规律，但在冰碛垄堆积区域，地形相对复杂，分辨率越高的数据，高程的细节变化表现越好，地形信息越准确。由此可知，相对于 ALOS 12.5 m DEM、ASTER GDEM V2 30 m DEM 数据，无人机航测得到的 DEM 数据能够更准确地表达古冰川地貌的精细地形特征。
-
参考 《 水土保持综合治理规划通则（ GB / T15772-2008）》的分级标准，并根据研究区的实际情况，将坡度重分类为 4 级:平坡（ <6°），缓坡（6°~15°），斜坡（15°~30°），陡坡（>30°）4 个级别。结果如图5 所示。
-
对于地面上每一点来说，坡向代表了高程变化量最大的方向。本文章坡向以正北为 0°，顺时针方向将坡度划分为四级:阴坡（0°~45°、315°~360°），半阴坡（ 45°~135°），阳坡（ 135°~225°），半阳坡（225°~315°）。结果如图6 所示。
-
综合图4、5、6 可知，30 m 精度的 DEM 成像图只能看见该地区有起伏，但无法精确辨认地形起伏的原因，同时其坡度、坡向成像图混乱; 12.5 m 精度的 DEM 成像图可以大致看出来地形起伏的走向，可大致推测出该地形起伏是冰碛垄堆积，由于分辨率较低，结合坡度、坡向图也不足以准确辨认冰碛垄的数量; 无人机 0.5 m 精度的成像图则与另两幅图像有显著差异，地形起伏剧烈，冰碛垄的分布直观明了，拥有更连贯的地貌信息展示，高坡度集中分布在冰碛垄上，坡向的分类对比可以明显看出该地区东侧堆积分布着 5 道垄。由此可见，0.5 m 的无人机 DEM 数据有着其他分辨率的 DEM 无法比拟的优势，若使用 30 m 的 DEM 数据进行数字地形分析，必然会丢失大量的地形细节信息，进而降低后续分析的准确性。
-
图5 稻城库照日地区无人机（a）、12.5 m 精度（b）和 30 m 精度（c）DEM 生成的坡度对比
-
Fig.5 Comparison of slopes generated by UAV (a) , 12.5 m accuracy (b) and 30 m accuracy (c) DEMs from Kuzhaori area
-
图6 稻城库照日地区无人机（a）、12.5 m 精度（b）和 30 m 精度（c）DEM 生成的坡向对比
-
Fig.6 Comparison of slope directions generated by UAV (a) , 12.5 m accuracy (b) and 30 m accuracy (c) DEMs from Kuzhaori area
-
利用高分辨率的无人机 DEM 数据作为底面，高清 DOM 数据覆盖其上，叠加山体阴影生成库照日三维图（图7），可以直观看见库照日地区的高程变化、坡度、坡向等地形特征，图中立体地形起伏清晰反映了库照日地区的整体地形格局，如此细致的细节展现只有在高分辨率的无人机数据支持下才能实现。
-
3.2 库照日冰碛垄地貌地形因子定量分析
-
基于高分辨率的无人机数据统计库照日地区的坡度、坡向数据（表1、表2），可知库照日地区以平坡为主，占比为 37.45%，说明该地区地形相对平坦。因位于稻城古冰帽边缘，受到冰川活动的影响，缓坡占比达 26. 07%。该地区保存了一套冰碛垄，冰碛垄是由冰川运动时携带的碎屑物堆积而成，因此也有部分斜坡存在，占比为 24.55%。由于该地区冰碛垄已经受到长时间的侵蚀，陡坡较少，占比仅为 11.93%。
-
图7 川西稻城古冰帽南缘库照日 DOM 三维成像图
-
Fig.7 DOM three-dimensional imaging of Kuzhaori area on the southern margin of Daocheng ancient ice cap, western Sichuan
-
图8 川西稻城古冰帽南缘库照日冰碛垄划分示意图
-
Fig.8 Moraine delineation map in Kuzhaori area of Daocheng ancient ice cap, western Sichuan
-
库照日地区地形起伏明显，古冰川的作用导致该地区的冰碛垄呈现 NE 方向的延伸，且位于冰帽边缘，该地区地势向南倾斜，因此阳坡、半阳坡较多，占比分别为 32.45%、30.79%。半阴坡主要分布在冰碛垄的东侧，与半阳坡共同勾勒出冰碛垄的走向，同时反映出冰川运动大致方向为 NE 方向。
-
库照日右侧的垄由西至东划分为 K-M1、K-M2、 K-M3、K-M4、K-M5、K-M6 垄。根据高程、坡向、坡度数据以及三维成像多角度调整，其中坡度以平均 12°的差值进行划分，得到这六道垄露出地表部分的具体范围（图8），统计五道垄的起伏度、坡度平均值、高程平均值（表3）。由结果可知，K-M1 和 K-M4 垄拥有较高的起伏度、坡度平均值、高程平均值，最内侧的 K-M1 垄相对其他垄更年轻，后期侵蚀时间较短，发育所受限制更少，而 K-M4 垄受到两侧垄的挤压，因此拥有较高的起伏度、坡度平均值。 K-M6 垄是该区域最老的垄，拥有最低的起伏度、高程平均值，但作为独立的垄，发育空间相对充足，因此拥有最大的坡度平均值。
-
图9 川西稻城古冰帽南缘库照日谷地剖面线示意图（a）及其剖面图（b）
-
Fig.9 Profile line map (a) and its profile (b) of Kuzhaori valley of Daocheng ancient ice cap, western Sichuan
-
3.3 库照日槽谷出口冰碛垄围成谷地形态分析
-
库照日槽谷出口冰碛垄堆积围成了一套谷地，由海拔高至海拔低、以间距 400 m 取 5 条垂直于谷地走向的剖面线，计算得到谷地的抛物线形态数据（表4、表5）。由图9 可见库照日槽谷出口处冰碛垄围成谷地的横剖面呈现出较扁平且不对称的 U 形发育的特点，形似冰川槽谷，因此本文尝试用分析冰川槽谷的模型对该谷地进行模拟分析。
-
3.3.1 幂函数模型
-
在幂函数模型中，a 值一般都小于 1，其对数值 A 为负值，A 值越大，谷底越宽。 b 值反映槽谷两侧谷壁的陡峭程度，b 值越大，谷壁越陡，冰川侧蚀能力越强。由表4 可知，坡向会影响冰川槽谷横剖面的 b 和 A 值，阴坡和阳坡的数值均存在明显差异。
-
库照日槽谷出口冰碛垄围成谷地的 A 值区间为-316.33 至-27.51，阳坡和阴坡的 A 值存在较大差异。整体来看，随着海拔降低，A 值呈现增大的趋势，表明海拔越低谷底越宽阔。 b 值区间为 0.24 至 0.54，随着海拔降低，整体 b 值逐渐变小，同时 FR 值也逐渐减小，表明海拔越低的位置冰川侵蚀程越弱，符合冰川侵蚀随海拔降低逐渐递减的规律。此外，阴坡的 b 值多数比阳坡的值小，表明阴坡的谷壁相对较为平缓，阳坡的谷壁则更为陡峭，这种谷壁陡峭差异进一步反映阴坡和阳坡受到的冰川侵蚀作用不同，即阴坡的侵蚀程度相对较弱，而阳坡的侵蚀程度则较强。
-
3.3.2 V 指数模型
-
由库照日剖面数据及 V 指数模型，计算得到库照日三道横剖面的 V 指数参数（表6），其中截谷以 60 m 作为限定高度进行计算。由结果可知，库照日槽谷出口冰碛垄围成谷地的截谷 V 指数的最小值为 0.59，最大值为 0.73，均值为 0.66。全谷 V 指数的最小值为 0.52，最大值为 0.62，均值为 0.59。整体大致呈现由海拔高至低逐渐增大的趋势，说明海拔越低的谷地横剖面谷底越宽阔。
-
4 讨论
-
地形因子是为分析研究地貌形态特征而设定的具有数学意义的指标，GIS 技术的发展为地貌的定量计算和分析提供了新的技术手段。通过数字地形分析技术提取地形因子是重要的研究地形地貌的手段之一，而高精度的 DEM 数据能够为地形因子的提取提供更高的准确率。本文章应用无人机 LiDAR 技术对稻城古冰帽南缘的库照日地区进行拍摄，综合高程、坡度、坡向以及三维模型可提取出该地区的清晰冰碛垄范围、槽谷出口冰碛垄围成谷地数据，实验结果表明无人机 LiDAR 技术在冰川地貌应用上的可行性。
-
由图4、5、6 可以看见，分辨率为 30 m 的数据在这个比例尺下的成像非常粗糙，几乎无法提供有价值的地形信息; 分辨率为 12.5 m 的数据可见地貌基本隆起形态和地形大致走向，但不足以区分开多道垄，细节部分较为模糊; 无人机数据是最为细致清晰的，可直观了解到库照日地区几道垄的形态、走向等空间信息，可明显看出冰川运动方向来自东北方向。结合实地考察、无人机影像可以看见，库照日冰碛垄围成谷地中间流出一小条河流汇入稻城河，说明该地区冰碛垄曾受流水切割、侵蚀以及搬运，库照日冰碛垄因此被切开，分为东西两侧。无人机 LiDAR 技术获得的库照日数据相较于传统卫星遥感系统、航空摄影系统获得的数据，拥有影像分辨率更高、点信息精度更高的优势。无人机能快速获取工作区影像，但一次只能对一定区域进行拍摄，采集的影像像幅小且重叠度高，使用无人机进行大区域研究需要更多的工作量，后续数据处理消耗的时间也会随之增长，因此在进行地貌研究时选择合适的数据源十分重要。
-
野外观察发现，库照日冰碛垄表面确实在后期遭受一定程度的降水冲刷、风化与剥蚀，K-M6 垄表面的深红色风化即可证明（许刘兵等，2004; 张志刚等，2023）。通常，冰川槽谷的 b 值波动范围为 1.5~2.5（姚盼等，2015），库照日槽谷出口冰碛垄围成谷地的 b 值均小于 0.6，是因为该地区长期受到风化、流水侵蚀等，在谷地底部已形成较厚的堆积，且后续的侵蚀都会逐渐改造原本的地形，削弱冰川作用在该地区留下的痕迹，导致拟合结果数值较小。葛润泽（2021）在他念他翁山中段的冰川槽谷研究中，有 3 处冰川槽谷 b 值小于 1，是因为这几个地区的冰川侵蚀程度较弱。由库照日谷地的幂函数模型计算结果可见，其阴坡的 b 值结果小于阳坡，是因为阴坡堆积的冰碛垄更多，提供给冰川的沉积空间有限，导致阴坡有更缓的谷壁坡度，因此库照日谷地阴坡的 b 值偏小。
-
结合 Zimmer 的 V 指数模型（ Zimmer et al.，2018），张威等（2022）提出典型、对称的冰川槽谷 V 指数和 b 值之间的关系式，计算得到冰川槽谷横剖面的 V 指数应介于 0.20~0.43。 V 指数小于 0.20 的槽谷呈现由 V 形向 U 形过渡的形态，受侵蚀程度较弱; V 指数介于 0.20~0.43 的槽谷具有典型 U 形形态; V 指数大于 0.43 的槽谷是较为复杂的 U 形谷。其研究发现 V 指数大于 0.43 的槽谷一般谷底宽阔，总体呈现倒梯形或近似箱形的形态。库照日槽谷出口冰碛垄围成谷地的 V 指数结果均大于典型 U 形谷对应的 V 指数，结合其横剖面图可知（图9），库照日槽谷冰碛垄围成的谷地横剖面并不是理想的冰川槽谷 U 形形态，而是箱形形态，因此具有较高的 V 指数结果。以上研究表明幂函数模型、FR 模型、V 指数模型等研究冰川槽谷常用的模型也可运用在库照日槽谷出口冰碛垄围成的谷地上，均较好地表达了该谷地的地形参数。
-
5 结论
-
本文章使用无人机 LiDAR 技术获得稻城古冰帽南缘库照日的高分辨率 DEM、DOM 数据，通过 ArcGIS Pro 3. 0 对比其他分辨率 DEM 数据进行定量分析，结合幂函数模型、形态比率、V 指数模型对库照日槽谷出口冰碛垄围成的谷地进行研究，同时整理出图。得到以下结论:
-
（1）由无人机 LiDAR 技术得到高分辨率的库照日 DEM、DOM 数据，生成坡度、坡向数据，可直观看见该地区的地形地貌特征，结合三维模型可大大提高古冰川地形地貌的认识，进而划分出库照日地区详细的冰碛垄范围。说明无人机数据可作为大比例尺古冰川遗迹解译的数据源，适合在古冰川遗迹调查中推广应用。
-
（2）对比 12.5 m、30 m 分辨率的 DEM 数据，无人机生成的 0.5 m 分辨率的 DEM 显然有更好的表现。统计得到库照日各个垄的起伏度、坡度、高程数据，可知库照日地区的垄的起伏度范围在 92.41~193.18 m，坡度平均值范围在 9.87°~21.52°。其中 K-M1 和 K-M4 垄拥有较高的起伏度值、坡度平均值、高程平均值，K-M6 垄作为独立垄拥有最高坡度平均值。可知冰碛垄的发育会受到其他垄的限制，这也反映了该地区至少有六次冰川堆积活动发生。
-
（3）库照日槽谷出口冰碛垄围成谷地的 A 值在-40.17 至-244. 07 之间变动，b 值在 0.24 至 0.54 之间变动，FR 值在 0. 06 至 0.10 之间变动。其中，A 值随着海拔的降低而降低，表明海拔越低的位置谷地宽度越宽; b 值和 FR 值都随着海拔的降低而减小，表明海拔越低的位置冰川侵蚀程度越弱。 V 指数在 0.58~0.68 之间变动，表明库照日谷地横剖面呈现近似箱形形态，是因为库照日地区在冰川退化后所遭受的风化侵蚀时间较长。
-
参考文献
-
曹鹏举, 程三友, 林海星, 王曦, 李曼琪, 陈静. 2021. DEM在构造地貌定量分析中的应用与展望. 地质力学学报, 27(6): 949~962.
-
崔海涛, 郑超刚, 张志刚, 张宏, 郭飞, 李奕曼, 王建. 2023. 稻城古冰帽第四纪冰川地貌数字化研究. 冰川冻土, 45(5): 1667~1676.
-
葛润泽. 2021. 他念他翁山中段冰川槽谷形态发育特征及其影响因素分析. 导师： 张威. 大连： 辽宁师范大学硕士学位论文： 1~60.
-
葛润泽, 张威, 李亚鹏, 赵贺, 唐倩玉. 2021. 基于V指数的他念他翁山中段冰川槽谷形态特征及影响因素分析. 冰川冻土, 43(3): 714~723.
-
胡恩, 易朝路, 李艳军. 2010. 珠穆朗玛峰绒布河谷冰碛地貌测量与演化研究. 冰川冻土, 32(2): 316~324.
-
康乐. 2019. 昆明拱王山第四纪冰川地貌特征研究. 导师： 朱杰勇. 昆明： 昆明理工大学硕士学位论文： 1~92.
-
李英奎, 刘耕年. 1999. 冰川槽谷横剖面形态特征的古环境标志再探讨. 应用基础与工程科学学报, 7(2): 163~170.
-
李英奎, 刘耕年. 2000a. 冰川槽谷横剖面形态特征探析. 冰川冻土, 22(2): 171~177.
-
李英奎, 刘耕年. 2000b. 冰川槽谷横剖面沿程变化及其对冰川动力的反映. 地理学报, 55(2): 235~242.
-
刘斌, 易朝路, 王宁练, 李艳军, 胡恩, 傅平. 2009. 祁连山小冰期冰碛垄差分GPS测量及其地貌意义. 冰川冻土, 31(5): 945~952.
-
刘耕年. 1989. 川西螺髻山冰川侵蚀地貌研究. 冰川冻土, 11(3): 249~259.
-
王建, 张志刚, 徐孝彬, 孔屏, 白世彪, 张茂恒, 梁中. 2012. 青藏高原东南部稻城古冰帽南缘第四纪冰川活动的宇生核素年代研究. 第四纪研究, 32(3): 394~402.
-
许刘兵, 周尚哲. 2004. 稻城冰帽区更新世冰川测年研究. 冰川冻土, 26(5): 528~534.
-
姚盼, 王杰. 2015. 冰川槽谷横剖面定量化研究方法及其影响因素. 冰川冻土, 35(4): 1028~1040.
-
姚檀栋, 陈发虎, 崔鹏, 马耀明, 徐柏青, 朱立平, 张凡, 王伟财, 艾丽坤, 杨晓新. 2017. 从青藏高原到第三极和泛第三极. 中国科学院院刊, 32(9): 924~931.
-
张会平, 刘少峰, 孙亚平, 陈永生. 2006. 基于SRTM—DEM区域地形起伏的获取及应用. 国土资源遥感(1): 31~35+94.
-
张威, 赵贺. 2022. 唐古拉山中西段冰川槽谷形态及其影响因素分析. 冰川冻土, 44(4): 1337~1346.
-
张永庭, 徐友宁, 梁伟, 魏采用, 李樵民, 杨雪茹, 拜剑虹. 2018. 基于无人机载LiDAR的采煤沉陷监测技术方法——以宁东煤矿基地马连台煤矿为例. 地质通报, 37(12): 2270~2277.
-
张志刚, 郑佳宏, 崔海涛, 赵志军, 孔兴功, 郑超刚, 张宏, 郭飞, 常直杨, 袁雪, 闫明洋, 张洁, 王建. 2023. 横断山区最老冰碛垄宇生核素10Be暴露测年研究. 中国科学: 地球科学, 53(10): 2243~2256.
-
赵井东, 王杰, 上官冬辉. 2009. 天山托木尔河流域第四纪冰川沉积序列及其初步年代学. 冰川冻土, 31(4): 628~633.
-
郑本兴, 马秋华. 1995. 川西稻城古冰帽的地貌特征与冰期探讨. 冰川冻土, 17(1): 23~32.
-
周尚哲, 赵井东, 许刘兵, 崔建新, 张小伟. 2004. 沙鲁里山第四纪地貌发育与环境演变. 科学通报, 49(23): 2480~2484.
-
Benjamin M P C, Harold Lovell, Clare M. Boston, Sven Lukas, Iestyn D. Barr, Ívar Örn Benediktsson, Douglas I. Benn, Chris D. Clark, Christopher M. Darvill, David J. A. Evans, Marek W. Ewertowski, David Loibl, Martin Margold, Jan-Christoph Otto, David H. Roberts, Chris R. Stokes, Robert D. Storrar, Arjen P. Stroeven. 2018. Glacial geomorphological mapping: A review of approaches and frameworks for best practice. Earth-Science Reviews, 185: 806~846.
-
Cao Pengju, Cheng Sanyou, Lin Haixing, Wang Xi, Li Manqi, Chen Jing. 2021&. DEM in quantitative analysis of structural geomorphology: application and prospect. Journal of Geomechanics, 27(6): 949~962.
-
Cui Haitao, Zheng Chaogang, Zhang Zhigang, Zhang Hong, Guo Fei, Li Yiman, Wang Jian. 2023&. Digital study of Quaternary glacial geomorphology in paleo-Daocheng ice cap. Journal of Glaciology and Geocryology, 45(5): 1667~1676.
-
Davis W M. 1916. The Mission Range, Montana. Geographical Review, 2(4): 267~288.
-
Fu Ping, Heyman J, Hättestrand C, Stroeven A P, Harbor J M. 2012. Glacial geomorphology of the Shaluli Shan area, southeastern Tibetan Plateau. Journal of Maps, 8(1): 48~55.
-
Fu Ping, Harbor J M, Stroeven A P, Hättestrand C, Heyman J, Zhou Liping. 2013. Glacial geomorphology and paleoglaciation patterns in Shaluli Shan, the southeastern Tibetan Plateau —— Evidence for polythermal ice cap glaciation. Geomorphology, 182: 66~78.
-
Ge Runze. 2021&. Morphological characteristics and influencing factors of glacial trough and valley in the middle part of Tenasserim chain. Dissertation Supervisor: Zhang Wei. Dalian: Master Thesis of Dalian Normal University: 1~72.
-
Ge Runze, Zhang Wei, Li Yapeng, Zhao He, Tang Qianyu, Chai Le. 2021&. Morphological characteristics and influencing factors of glacial troughs in the middle section of Tenasserim Mountains based on V-index. Journal of Glaciology and Geocryology, 43(3): 714~723.
-
Graf W L. 1970. The geomorphology of the glacial valley cross section. Arctic and Alpine Research, 2(4): 303~312.
-
Hu En, Yi Chaolu, Li Yanjun. 2010&. Observation and Evolution Investigation of the Moraine Geomorphology in the Rongbuk Valley of Mount Qomolangma. Journal of Glaciology and Geocryology, 32(2): 316~324.
-
Kang Le. 2019&. Study on the Quaternary glacial geomorphic features of the Gong Wang mountain in Kunming. Dissertation Supervisor: Zhu Jieyong. Kunming: Master Thesis of Kunming University of Science and Technology: 1~92.
-
Haddad D E, Akçiz S O, Arrowsmith J R, Rhodes D D, Oldow J S, Zielke O, Toké N A, Haddad A G, Mauer J, Shilpakar P. 2012. Applications of airborne and terrestrial laser scanning to paleoseismology. Geosphere, 8(4): 771~786.
-
Kassab C, Harbor J. 2013. Alternative coordinate systems for analyzing cross-section shapes of glaciated valleys: a case study from the Dalijia Mountains, China. Physical Geography, 34(2): 108~123.
-
Lehmann J R K, Muenchberger W, Knoth C, Blodau C, Nieberding F, Prinz T, Pancotto V A, Kleinebecker T. 2016. High-Resolution Classification of South Patagonian Peat Bog Microforms Reveals Potential Gaps in Up-Scaled CH4 Fluxes by use of Unmanned Aerial System (UAS) and CIR Imagery. Remote Sensing, 8(3): 173.
-
Lehmkuhl F, Owen L A. 2005. Late Quaternary glaciation of Tibet and the bordering mountains: a review. Boreas, 34(2): 87~100.
-
Liu Gengnian. 1989&. Research on Glacial Erosional Landforms: Case Study of Luojishan Mt. Western Sichuan. Journal of Glaciology and Geocryology, 11(3): 249~259.
-
Li Yingkui, Liu Gengnia, Cui Zhijiu. 1999&. The Morphological Character and Paleoclimate Indication of the Cross Section of Glacial Valleys. Journal of Basic Science and Engineering, 7(2): 163~170.
-
Li Yingkui, Liu Gengnia. 2000a&. Discussion on the Cross Section Features of Glacial Valley. Journal of Glaciology and Geocryology, 22(2): 171~177.
-
Li Yingkui, Liu Gengnia. 2000b&. The Cross-section Variation of Glacial Valley and Its Reflection to the Glaciation. Acta Geographica Sinica, 55(2): 235~242.
-
Liao Jianghua, Zhou Jinxing, Yang Wentao, 2021. Comparing LiDAR and SfM digital surface models for three land cover types. Open Geosciences, 13(1): 497~504.
-
Liu Bin, Yi Chaolu, Wang Ninglian, Li Yanjun, Hu En, Fu Ping. 2009&. The Differential GPS Surveying on the Little Ice Age Moraines in the Qilian Mountains and Its Geomorphology Significance. Journal of Glaciology and Geocryology, 31(5): 945~952.
-
Liu Jinhua, Yi Chaolu, Li Yingkui, Bi Weili, Zhang Qian, Hu Gang. 2017. Glacial fluctuations around the Karola Pass, eastern Lhagoi Kangri Range, since the Last Glacial Maximum. Journal of Quaternary Science, 32(4): 516~527.
-
McGee W J. 1894. The extension of uniformitarianism to deformation. GSA Bulletin, 6(1): 55~70.
-
Nuimura T, Fujita K, Yamaguchi S, Sharma R R. 2012. Elevation changes of glaciers revealed by multitemporal digital elevation models calibrated by GPS survey in the Khumbu region, Nepal Himalaya, 1992~2008. Journal of Glaciology, 58(210): 648~656.
-
Pattyn F, Van Huele W. 1998. Power law or power flaw?. Earth Surface Processes and Landforms, 23(8): 761~767.
-
Salisbury J B, Rockwell T K, Middleton T J, Hudnut K W. 2012. LiDAR and Field Observations of Slip Distribution for the Most Recent Surface Ruptures along the Central San Jacinto Fault. Bulletin of the Seismological Society of America, 102(2): 598~619.
-
Sledz S, Ewertowski M W, Piekarczyk J. 2021. Applications of unmanned aerial vehicle (UAV) surveys and Structure from Motion photogrammetry in glacial and periglacial geomorphology. Geomorphology, 378: 107620.
-
Svensson H. 1959. Is the cross-section of a glacial valley a parabola?. Journal of Glaciology, 3(25): 362~363.
-
Swinfield T, Lindsell J A, Williams J V, Harrison R D, Agustiono, Habibi, Gemita E, Schonlieb C B, Coomes D A. 2019. Accurate Measurement of Tropical Forest Canopy Heights and Aboveground Carbon Using Structure From Motion. Remote Sensing, 11(8): 1~16.
-
Wang Jian, Zhang Zhigang, Xu Xiaobin, Kong Ping, Bai Shibiao, Zhang Maoheng, Liang Zhong. 2012&. Cosmogenic Isotopes Dating of Quaternary Glacial Activity of the Paleo-Daocheng Ice Cap, on the Southeastern Part of the Qinghai—Xizang Plateau. Quaternary Sciences, 32(3): 394~402.
-
Wang Jie, Yao Pan, Yu Beibei, Zou Liyang, Wang Fei, Harbor J M. 2018. Controls on spatial variations of glacial erosion in the Qilian Shan, northeastern Tibetan Plateau. Geomorphology, 318: 128~138.
-
Xu Liubing, Zhou Shangzhe, Cui Jianxin, Wang Jie, David M. 2004&. Dating of the Pleistocene Glaciations around the Daocheng Ice Cap. Journal of Glaciology and Geocryology, 26(5): 528~534.
-
Yao Pan, Wang Jie. 2015&. A review of the quantified analysis methods of glacial trough and its influential factors. Journal of Glaciology and Geocryology, 37(4): 1028~1040.
-
Yao Tandong, Chen Fahu, Cui Peng, Ma Yaoming, Xu Baiqing, Zhu Liping, Zhang Fan, Wang Weicai, Ai Likun, Yang Xiaoxin. 2017&. From Tibetan Plateau to Third Pole and Pan-Third Pole. Bulletin of Chinese Academy of Sciences, 32(9): 924~931.
-
Zhang Huiping, Liu Shaofeng, Sun Yaping, Chen Yongsheng. 2006&. The Acquisition of Local Topographic Relief and Its Application: An SRTM—DEM Analysis. Remote Sensing for Natural Resources, 18(1): 31~35+94.
-
Zhang Wei, Zhao He. 2022&. Analysis on the shape of glacial valley and its influencing factors in the middle and west section of Tanggula Mountain. Journal of Glaciology and Geocryology, 44(4): 1337~1346.
-
Zhang Yongting, Xu Youning, Liang Wei, Wei Caiyong, Li Qiaomin, Yang Xueru, Bai Jianhong. 2018&. Technical methods for colliery subsidence disaster monitoring using UAV LiDAR: A case study of the Maliantai colliery, Ningdong coal base, Ningxia. Geological Bulletin of China, 37(12): 2270~2277.
-
Zhang Zhigang, Zheng Jiahong, Cui Haitao, Zhao Zhijun, Kong Xinggong, Zheng Chaogang, Zhang Hong, Guo Fei, Chang Zhiyang, Yuan Xue, Yan Mingyang, Zhang Jie, Wang Jian. 2023&. Cosmogenic radionuclide dating of 10Be exposure in the oldest till of Hengduan Mountains. Scientia Sinica Terrae, 53(10): 2243~2256.
-
Zhao Jingdong, Wang Jie, Shangguan Donghui. 2009&. Sequences of the Quaternary Glacial Sediments and Their Preparatory Chronology in the Tomur River Valley, Tianshan Mountains. Journal of Glaciology and Geocryology, 31(4): 628~633.
-
Zheng Benxing, Ma Qiuhua. 1995&. A Study on the Geomorphological Characteristics and Glaciations in Paleo-Daocheng Ice Cap, Western Sichuan. Journal of Glaciology and Geocryology, 17(1): 23~32.
-
Zhou Shangzhe, Zhao Jingdong, Xu Liubing, Cui Jianxin, Zhang Xiaowei. 2004#. Quaternary geomorphological development and environmental evolution in the Shaluli Mountain. Chinese Science Bulletin——Chinese, 49(23): 2480~2484.
-
Zielke O, Arrowsmith J R, Ludwig L G, Akciz S O. 2012. High-Resolution Topography-Derived Offsets along the 1857 Fort Tejon Earthquake Rupture Trace, San Andreas Fault. Bulletin of the Seismological Society of America, 102(3): 1135~1154.
-
Zimmer P D, Gabet E J. 2018. Assessing glacial modification of bedrock valleys using a novel approach. Geomorphology, 318: 336~347.
-
摘要
古冰川地貌是研究第四纪环境演变的重要依据,无人机 LiDAR 技术的高精度数据使得古冰川地貌研究具有更高的分辨率,可显著提升古冰川地貌分析、冰川地貌制图的精度。青藏高原东南部的稻城古冰帽保存了大量古冰川遗迹,是研究冰川地貌的理想区域。本研究应用无人机 LiDAR 技术,对稻城古冰帽南缘的库照日地区槽谷出口的冰碛垄进行航测,获得库照日冰碛垄的数字高程模型(DEM)、数字正射影像(DOM)和三维点云数据,并进一步对比 12. 5 m、30 m 分辨率的 DEM 成像效果,分析库照日冰碛垄的地形特征、库照日槽谷出口冰碛垄围成谷地的形态参数等。结果表明:①无人机 LiDAR 技术能快速获得高质量、高分辨率的数据,适用于小区域、地貌较复杂的地区,结合三维模型可提高对冰碛垄地貌形态的认识;②对库照日冰碛垄的地形特征统计可知,最内侧的 K-M1 垄拥有第二高的坡度平均值,K-M6 垄作为独立垄拥有最大的坡度平均值;③库照日槽谷出口冰碛垄围成谷地的幂函数指数 b 值范围为 0. 24 至 0. 54,小于多数槽谷的 b 值;V 指数结果范围为 0. 52~ 0. 69。本研究为基于无人机 LiDAR 技术的冰川地貌定量分析提供了较好的研究案例。
Abstract
Paleo-glacial landforms serves as an important carrier for understanding Quaternary environmental evolution. The high-precision data from unmanned aerial vehicle (UAV) LiDAR technology allows for studying paleo-glacial landforms with higher resolution, which can significantly improve the precision of paleo-glacial landforms analysis and mapping of glacial landforms. Located on the southeastern edge of the Qinghai—Xizang (Tibet) Plateau, western Sichuan Province, the paleo-Daocheng ice cap preserves rich ancient glacial remains, making it an ideal area for studying glacial geomorphology. In this study, UAV LiDAR technology was applied to conduct aerial surveys of the moraines at the outlet of a glacial valley in Kuzhaori area, located at the the southern edge of the paleo-Daocheng ice cap. The survey yielded digital elevation model (DEM), digital orthophoto map (DOM), and 3D point cloud data of the Kuzhaori moraines. Furthermore, the DEM imaging effects with resolutions of 12. 5 m and 30 m were compared, and the morphological features of the Kuzhaori moraines, as well as the morphological parameters of the valley enclosed by the moraines at the glacial valley outlet, were analyzed. The results indicate that: ① UAV LiDAR technology can rapidly acquire high-quality, high-resolution data suitable for small areas and complex terrain. Combined with the three-dimensional model, it can improve the understanding of moraines, glacial troughs and valleys geomorphological morphology; ② Statistical analysis of topographic features of moraines at Kuzhaori reveal that innermost K-Moraine1 has the second highest average slope, while the KMoraine6, as an independent moraine, has the highest average slope; ③ The power function exponent b values of the valley enclosed by the moraines at the Kuzhaori glacial valley outlet range from 0. 24 ~ 0. 54, which is lower than those observed in most glacial valleys; V-index results range from 0. 52 ~ 0. 69. This study provides a good research case for quantitative analysis of glacial geomorphology based on UAV LiDAR technology.
Keywords
paleo-Daocheng ice cap ； moraine ； UAV ； LiDAR ； digital elevation model
