雅弄冰川位于青藏高原东南部岗日嘎布山，是该地区最大的海洋型冰川。受全球气候变暖影响，该区域冰川退缩剧烈。本数据集基于2022年-2023年实地采集的高分辨率无人机正射影像数据和深度学习方法，对雅弄冰川末端表面裂隙进行了提取，继而获取了每条裂隙的走向、长度、宽度和面积等信息。数据集包含两个文件：基于深度学习提取的2022年7月、2023年8月雅弄冰川末端表面裂隙矢量数据；本数据集反映了2022-2023年雅弄冰川末端表面裂隙的分布和演变情况，该数据不仅能够反映冰川表面流速的动态变化，还能揭示冰川内部应力的不均匀性，为研究人员量化冰川物质平衡及提取冰川表面流速等提供基础数据。
", "ds_source": "无人机航测任务完成后，首先使用Sky Scanner软件导出相机的POS数据，然后在下载航测影像时将POS数据写入对应影像文件中。接着，使用Context Capture软件进行处理，导入已写入POS数据的影像并创建工程区块索引，合并所有架次的数据进行空中三角测量。空中三角测量完成后，进行三维模型重建，在空间框架中将参考系统设置为CGCS 2000，选择自适应切块，提交三维建模任务时将输出格式设定为OSGB（Open Scene Graph binary, OSGB）。三维重建完成后，根据OSGB模型生成正射影像（Digital Orthophoto Map, DOM）和数字表面模型（Digital Surface Model, DSM），最终获得地面分辨率为0.03 m/pixel的DOM和DSM。
", "ds_process_way": "在样本制作与模型训练阶段，首先从DOM中提取感兴趣区域（ROI），并对这些区域进行数据清洗和降噪，以确保数据质量的一致性与可靠性。接下来，通过标准化和数据增强技术对样本数据进行处理，使其适用于深度学习模型的训练。在标注阶段，利用图像数据标注工具Labelme对数据集进行人工标注，生成高质量的训练样本。基于这些标注数据，进行深度学习模型（CBAM-U-Net）的训练，同时调整网络架构和超参数，以确保良好的模型性能。在模型训练的最后阶段，使用验证集对模型性能进行评估和进一步优化，以提高模型的泛化能力和鲁棒性。
", "ds_quality": "无人机影像数据是通过大疆M300 RTK+D-RTK2移动站采集的，无人机配备的实时动态差分定位系统（Real-Time Kinematic, RTK）和GNSS接收机，D-RTK模式下定位精度可达到水平1 cm+ 1 ppm(RMS)，垂直：2 cm+ 1 ppm(RMS)。将2022年7月的影像作为基准，对2023年8月采集的影像通过匹配稳定地物点进行了配准，XY方向配准误差为4 cm(RMSE)。
", "ds_acq_start_time": "2022-07-30 00:00:00", "ds_acq_end_time": "2023-08-03 00:00:00", "ds_acq_place": "青藏高原东南部岗日嘎布山雅弄冰川", "ds_acq_lon_east": 97.16666666666667, "ds_acq_lat_south": 29.5, "ds_acq_lon_west": 96.25, "ds_acq_lat_north": 29.0, "ds_acq_alt_low": null, "ds_acq_alt_high": null, "ds_share_type": "open-access", "ds_total_size": 40917632, "ds_files_count": 2, "ds_format": "*.shp", "ds_space_res": "3cm", "ds_time_res": "年", "ds_coordinate": "无", "ds_projection": "", "ds_thumbnail": "bf49a7d3-b79c-46f7-858a-affcddc581c2.png", "ds_thumb_from": 0, "ds_ref_way": "", "paper_ref_way": "", "ds_ref_instruction": "", "ds_from_station": null, "organization_id": "9de89acc-5714-4927-aba3-ac88067dff8a", "ds_serv_man": "李红星", "ds_serv_phone": "0931-4967592", "ds_serv_mail": "lihongxing@lzb.ac.cn", "doi_value": "", "subject_codes": [ "170.45" ], "quality_level": 3, "publish_time": "2025-05-22 13:18:02", "last_updated": "2026-01-13 08:41:55", "protected": false, "protected_to": null, "lang": "zh", "cstr": "https://cstr.cn/31253.11.sciencedb.j00001.01121", "i18n": { "en": { "title": "", "ds_format": "", "ds_source": "", "ds_quality": "", "ds_ref_way": "", "ds_abstract": "", "ds_time_res": "年", "ds_acq_place": "", "ds_space_res": "3cm", "ds_projection": "", "ds_process_way": "", "ds_ref_instruction": "" } }, "submit_center_id": "ncdc", "data_level": 0, "license_type": "CC BY 4.0", "ds_topic_tags": [ "冰裂隙", "深度学习", "无人机影像", "青藏高原" ], "ds_subject_tags": [ "地理学" ], "ds_class_tags": [], "ds_locus_tags": [ "西藏自治区昌都市八宿县然乌镇来古村" ], "ds_time_tags": [ 2022, 2023 ], "ds_contributors": [ { "true_name": "段云鹏", "email": "duanyunpeng@stu.ynu.edu.cn", "work_for": "云南大学国际河流与生态安全研究", "country": "中国" }, { "true_name": "扈芷婷", "email": "huzhiting@stu.ynu.edu.cn", "work_for": "云南大学，国际河流与生态安全研究院", "country": "中国" }, { "true_name": "吴坤鹏", "email": "wukunpeng@ynu.edu.cn", "work_for": "云南大学", "country": "中国" }, { "true_name": "刘时银", "email": "liusy@lzb.ac.cn", "work_for": "云南大学国际河流与生态安全研究院", "country": "中国" } ], "ds_meta_authors": [ { "true_name": "吴坤鹏", "email": "wukunpeng@ynu.edu.cn", "work_for": "云南大学", "country": "中国" } ], "ds_managers": [ { "true_name": "吴坤鹏", "email": "wukunpeng2008@lzb.ac.cn", "work_for": "云南大学国际河流与生态安全研究院", "country": "中国" } ], "category": "冰川" }