冰裂隙作为评估冰川稳定性与冰灾风险的关键指示要素，长期受到冰川学界关注。然而，这些冰裂隙的空间分布与形态特征如何受制于冰川谷地这一控制冰流路径与应力格局的基础地貌单元，仍是悬而未决的核心科学问题。传统冰裂隙调查主要依赖野外考察与卫星遥感，前者面临可及性差、效率低、风险高等局限，后者则受限于空间分辨率不足，难以识别阴影区与边缘带内的细节裂隙，且时间分辨率有限并易受云层遮挡。无人机（UAV）遥感技术的快速发展为弥补上述不足提供了全新手段，可获取厘米至分米级的超高分辨率影像，兼具灵活性与机动性，能够针对特定区域和时间窗口快速部署，实现对冰裂隙的精细化解译与高频次重复观测。

实验室邹松兵团队联合中国科学院西北生态环境资源研究院，以伊犁河流域昭苏县境内的夏塔冰川为研究对象，基于DJI M300 RTK搭载SHARE PSDK 102S V3五镜头倾斜相机开展无人机航空摄影（航高500 m，航向/旁向重叠率80%/70%），并结合Pix4Dmapper摄影测量处理流程与脉冲EKKO PRO探地雷达（200 MHz天线）冰厚探测，生成了空间分辨率达8.58 cm的高精度DSM与正射影像，获取了研究区平均厚度约90~150 m的冰厚数据。团队构建了冰川谷地形态复杂度指数（GVMCCI）、冰裂隙空间分布复杂度指数（ICSDCI）与冰裂隙形态复杂度指数（ICMCCI）三个综合指数，系统解析了冰川谷地的纵向（坡度比、平均高程）与横向（V指数、形态比、平均横截面宽度）形态特征，并揭示了冰裂隙的空间分布（平均高程、坡度、坡向）与形态参数（长轴、短轴、方向角、面积）。研究发现，（1）GVMCCI与ICSDCI呈强正相关（相关系数0.75），表明谷地形态越复杂，冰裂隙空间分布也越复杂，体现显著的地形控制效应；（2）GVMCCI与ICMCCI呈中等正相关（相关系数0.50），说明谷地整体形态对冰裂隙个体形态具有一定影响；（3）研究区冰裂隙按方位差可划分为边缘裂隙（59.97%）、纵向裂隙（24.68%）和横向裂隙（15.35%）三类，数量比约为4:2:1，分别对应冰川剪切、侧向扩张与纵向拉张三种力学过程。

该研究综合运用无人机超高分辨率遥感、深度学习与综合指数建模方法，搭建了冰川谷地—冰裂隙空间耦合的集成研究框架，实现了从定性描述到定量分析的方法跨越，揭示了局部到区域尺度的耦合机理。研究将无人机灵活性、深度学习智能识别与多尺度形态指标体系有机融合，大幅提升了冰裂隙识别效率与精度，并显著增强了野外作业安全性。该方法体系具有较强的可移植性与可扩展性，经适当调整后可推广至天山、喜马拉雅、阿尔卑斯等其他山地冰川区域，为全球变化背景下的冰川监测与冰灾风险评估提供关键技术支撑。

该研究成果以“Spatial coupling relationships between glacier valleys and ice crevasses based on UAV remote sensing: a case study of typical area in the Yili River basin”为题，发表在行业领域高水平期刊International Journal of Remote Sensing上（2026, 47(14): 6028–6055），实验室邹松兵为通讯作者，硕士研究生宋斐为第一作者。该工作由甘肃省重大科技专项（No. 21ZD4FA008, 20ZD7FA005）、国家自然科学基金（No. U21A2006, 42171305）、及中国科学院“西部之光”计划（No. xbzglzb2022020, 23JR6KA008）联合资助。

文章链接：https://doi.org/10.1080/01431161.2026.2679161