2. 中国科学院大学, 北京 100049;
3. 中山大学测绘科学与技术学院, 广东 珠海 519000;
4. 江西师范大学地理与环境学院, 江西 南昌 330027
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. School of Geospatial Engineering and Science, Sun Yat-Sen University, Zhuhai 519000, China;
4. School of Geography and Environment, Jiangxi Normal University, Nanchang 330027, China
山地冰川是全球气候变化的关键指示器[1]。亚洲高山区覆盖了中低纬度区面积最大的山地冰川群，自21世纪初，大部分冰川退缩加速[2-3]，然而喀喇昆仑中部及西帕米尔地区呈现稳定甚至冰量增加趋势，被称为“帕米尔-喀喇昆仑异常”[4]。近期相关研究表明，异常中心为西昆仑山及塔里木盆地西南边缘地区[5-6]。
西昆仑山因近年表现出异常正平衡现象成为山地冰川研究热点区域，国内外学者利用空间大地测量和卫星遥感技术对其冰川物质平衡变化开展了大量研究[5, 7-9]。美国国家航空航天局(National Aeronautics and Space Administration，NASA)和德国航空航天中心(German Aerospace Center，DLR)联合发射的重力恢复与气候实验卫星(Gravity Recovery and Climate Experiment，GRACE)时变重力观测数据已用于西昆仑山及周边的区域尺度冰川质量变化估算[8, 10]，但其存在空间分辨率低等缺陷。光学遥感立体测绘技术具有高空间覆盖及高空间分辨率特性，KH-9(Keyhole-9)和WorldView等光学立体影像在西昆仑山冰川质量变化求解中发挥重要作用[11-12]，然而光学传感器易受云雨等气候因素影响，并且在冰川积累区易出现光饱和现象。合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)，特别是TSX(TerraSAR-X)/TDX(TanDEM-X)双站InSAR和SRTM(shuttle radar topography mission)双天线InSAR，可实现对冰川地形的全天时全天候、高空间分辨率、高精度测绘[13]，因此，InSAR DEM(digital elevation model)差分已成为冰川物质平衡估算的重要手段[14-15]，但是InSAR DEM时间分辨率有限，导致其在长时间序列监测中受到限制。星载激光雷达具有连续观测及测量精度高的优势，ICESat-2(ice, cloud, and land elevation satellite-2)测高卫星以多光束设计实现高密度激光测量，被应用于亚洲高山区冰川物质平衡研究中[16-17]。
受中纬度西风带调控下降水量增加的影响[18]，西昆仑山冰川自1970年开始呈现质量稳定趋势[11, 19]。21世纪初，西昆仑山冰川的异常增厚趋势明显，文献[20]观测到2003—2009年间冰厚年均增加速率为0.17±0.15 m/a，文献[6, 21—22]基于ICESat-1卫星的研究也均表明同时期内处于积累状态。然而，国内外学者关于西昆仑山冰量在21世纪的第2个十年内的变化趋势意见不一，文献[5, 23]揭示了西昆仑山冰川的正平衡状态，文献[12, 24]却表明质量变化趋于平衡，文献[25]则认为该区域冰川在第2个十年的中后期已由持续增厚转为减薄，“喀喇昆仑异常”现象已结束。
已有研究关于西昆仑山冰川近年质量变化趋势仍存在分歧，为探索该地区现阶段是否仍异常，本文利用ICESat-2卫星测高、TanDEM-X 90m DEM和SRTM DEM数据，定量评估了2000—2013年和2013—2019年间西昆仑山冰川物质平衡的时空变化特征，并分析了降水及温度对冰川物质平衡变化的影响。
1 研究区概况西昆仑山是青藏高原最大的现代冰川分布区之一，沿主山脊分为南坡和北坡，南坡地势低缓，主要发育宽尾型山谷冰川、坡面冰川和平顶冰川，海拔5200 m以下无冰川分布，北坡所发育的冰川相对较长且陡峭，多为复式山谷冰川与树枝状山谷冰川，部分冰川发育至海拔5000 m以下[26]。该地区主要受中纬度西风带控制，气候寒冷且半干旱，雪线(5930 m)周围年平均温度和年降水量分别为-13.9℃和300 mm，降水多为固体降水且主要集中在5~8月，属于夏季补给型冰川[27-28]。
2 数据与方法 2.1 数据本文利用ICESat-2 ATL06、TanDEM-X 90m DEM和SRTM-C/X DEM等高程数据估算西昆仑山冰川厚度变化和物质平衡，采用多时相Landsat光学影像计算冰川面积变化，结合冰川表面流速数据及气象数据对冰川变化进行辅助分析。
2.1.1 ICESat-2 ATL06NASA于2018年9月发射激光雷达测高卫星ICESat-2，覆盖范围为88°N—88°S，重复周期91 d。ICESat-2搭载先进地形激光测高仪系统(advanced topography laser altimeter system，ATLAS)以10 kHZ的发射频率发射绿色(532 nm)激光脉冲，脉冲光束被分为3个波束对(对间距离3.3 km，对内距离90 m)，地面沿轨每0.7 m产生直径约17 m的光斑。与ICESat-1相比，其高发射速度及多光束设计所产生的密集交叉测量大幅提高了冰川高程变化监测能力。本文使用2018年10月—2019年11月的ICESat-2陆冰高度数据(ATLAS/ICESat-2 L3A Land Ice Height，ATL06)，采样距离为20 m[29]，地表高程精度可达0.1 m。
2.1.2 TanDEM-X 90m DEMTanDEM-X是DLR于2010年实施的对地观测雷达任务，与TerraSAR-X卫星的系统参数和成像模式基本一致，二者以近距离螺旋结构形成双卫星系统进行观测[30]。TanDEM-X 90m DEM为2010—2015年间双星系统多幅X-band SAR影像干涉生成的全球DEM产品，多年时间跨度引入的年际及季节变化信号使其在冰川物质平衡应用方面存在争议，但已有学者将其应用于山地冰川研究中[23, 31-32]。该产品有较高的水平及垂直精度(绝对精度3.5 m，相对精度 < 2 m)[12]。西昆仑山区域TanDEM-X 90m DEM由2011年1月—2014年11月期间的215次观测数据加权融合而得，取获取时间的中位数(2013年3月)作为代表时间[23, 32]。
2.1.3 SRTM DEMNASA等机构于2000年2月11日实施“奋进”号航天飞机雷达地形测绘任务(SRTM)，搭载C波段和X波段两个合成孔径雷达获取了全球60°N—56°S范围的高精度DEM产品[33]。由于SRTM X波段的雷达传感器未采用ScanSAR模式，其分辨率和信噪比略高，SRTM-X DEM垂直精度(绝对精度16 m，相对精度6 m)优于SRTM-C DEM(绝对精度16 m，相对精度10 m)，更适合与同为X波段雷达获取的TanDEM-X 90m DEM联合估算冰川表面高程变化，但SRTM X波段系统所获取的SAR数据条带宽度为50 km，且各条带呈交叉状不连续分布，SRTM-X DEM未能完全覆盖西昆仑山。因此选用SRTM V4.1版本C波段90m DEM作为2000年冰面高程基准，使用SRTM-C和SRTM-X 30m DEM进行C波段和X波段雷达穿透差异改正，数据可从USGS网站和DLR网站免费下载。
2.1.4 Landsat影像本文采用3期Landsat光学遥感影像解译西昆仑山2000、2013及2019年的冰川边界，每期需选取两景Landsat影像以完整覆盖冰川区，北坡和南坡影像的轨道编号(条带号/行编号)分别为145/35和145/36。由于西昆仑山降水主要集中在夏季，为减弱季节性积雪和云雾的影响，尽可能地选取了冬季同时期观测数据，所使用的6景影像的含云量均小于10%，可从USGS网站免费下载。
2.1.5 辅助及分析数据NASA发布的ITS_LIVE(inter-mission time series of land ice velocity and elevation)数据集提供了冰盖及山地冰川在1985—2018年间的冰流速变化详细记录，该产品经文献[34]提出的自动裂缝特征跟踪法对Landsat-4/5/7/8影像数据处理获得，在亚洲高山区冰川流速变化研究中得到广泛应用[35-36]。选用2013—2018年均冰流速数据，对2013—2019年间跃动冰川表面高程变化和跃动状态进行分析探讨。
气象分析数据主要使用两类，第1类源自美国国家环境信息中心(National Centers for Environmental Information, NCEI)所提供的全球地面逐日站点数据集(global surface summary of the day，GSOD)。第2类为欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)所提供的ERA5-Land再分析数据集(ERA5-Land monthly averaged data from 1950 to present)。为分析近年气候变化对西昆仑山冰川物质变化的影响，获取了研究区周边3个地面气象站(皮山、和田、莎车)在2000年1月—2019年12月期间的逐日气温降水资料和西昆仑山冰川区域的月均气温降水数据，对5—8月的逐日气温降水数据及月均气温数据进行缺失值剔除、月度统计及区域统计等处理，以获得夏季期间的逐月气象变化特征。
2.2 本文方法本文利用ICESat-2 ATL06、TanDEM-X 90m DEM、SRTM-C DEM高程数据及其他辅助分析数据研究西昆仑山近20 a冰川物质平衡的数据处理流程如图 1所示，主要步骤包括：①粗差剔除、数据筛选及坐标系统一；②高程数据集之间两两空间配准；③季节性及穿透性改正；④冰川厚度变化及物质平衡计算。
|
| 图 1 数据处理流程 Fig. 1 Data processing flowchart |
2.2.1 数据预处理
卫星激光测高易受到云层及地形坡度的干扰，为保证数据精度需进行筛选：①保留元数据标签atl06_quality_summary为0的数据；②剔除ICESat-2与TanDEM-X 90m DEM差值在±150 m以外的点[37]；③剔除落在坡度大于30°区域的点[38]。同时，为尽量避免季节性冰川变化的影响，筛选于10月至次年4月获取的冬季测高数据进行估算。西昆仑山冰川范围内的ICESat-2冬季测高数据如图 2所示，与TanDEM-X 90m DEM数据分布特征基本一致。为统一各高程数据的空间基准，采用WGS-84坐标系和椭球面。
|
| 图 2 西昆仑山ICESat-2冬季测高点分布 Fig. 2 Distribution of ICESat-2 winter altimetry data in the West Kunlun Mountains |
2.2.2 数据配准
高程数据集之间存在空间偏移时，由于空间不匹配导致高程差异与山体阴影表现出相似性，对估算结果精度产生显著影响，参考文献[39]基于高差(dh)与地形坡度(β)及坡向(φ)之间的三角函数关系对高程数据配准。
(1)
式中，a和b分别代表水平偏移矢量的大小和方向；c为垂直偏移量；dh为平均高程差异；β为平均坡度。对SRTM-C DEM、TanDEM-X 90m DEM及ICESat-2 ATL06进行两两配准，利用非冰川区数据分层采样得到的训练集进行最小二乘迭代拟合，直至标准偏差小于2%或位移量小于0.5 m停止迭代[39]。待配准DEM在x、y、z方向的偏移量为
(2)
经过上述配准可获得3个空间位移矢量：SI(SRTM-C DEM—ICESat-2)、ST(SRTM-C DEM—TanDEM-X 90m DEM)、TI(TanDEM-X 90m DEM—ICESat-2)，式(3)残差用于配准内部精度评估
(3)
以SRTM-C DEM与ICESat-2为例，配准后高差均值由1.219 m减小至-0.217 m，标准差由6.333 m降至2.343 m，精度提升63%。SI、ST、TI在x、y、z方向的残差分别为4.249、2.501、0.595 m，整体精度为4.966 m。
2.2.3 冰川厚度变化估算对经过配准的ICESat-2冬季测高数据(2018年10月—2019年4月及2019年10月—2019年11月)、TanDEM-X 90m DEM(2013年3月)以及SRTM-C DEM(2000年2月)进行差分以监测西昆仑山近20 a冰厚变化。ICESat-2为离散激光点数据，以双线性插值法将TanDEM-X 90m DEM高程值提取至激光点处并进行差分计算。假定冰川区一定高程范围内冰面高程变化相似，将冰川区划分为多个连续高程区间(区间长度50 m)，计算各区间冰面高程变化均值(3倍标准差为阈值)[14]，并采用面积加权方法统计整体冰厚变化(Δh)
(4)
式中，Δhi和Ni分别为各高程区间的高程变化均值和像元数；Nall为冰川区像元数，由2013年冰川边界界定。
2.2.4 季节性改正基于多源高程数据所获取的冰川厚度变化，除可反映多年累积的年际变化信息之外，还包含了因数据观测时间差异而存在的季节性变化。本文选择SRTM-C DEM的观测时间(2月)为基准月份，采用文献[5]估算的西昆仑山季节性改正值，将ICESat-2冬季测高值改正至2月。图 3展示了用于构建西昆仑山TanDEM-X 90m DEM的215次SAR数据时间分布，中值为2013年3月。西昆仑山主要降水时间为5—8月，TanDEM-X 90m DEM的来源数据大都分布在降水期之外，2011—2014年非降水期间降水量无显著差异，故认为冰川积累与消融作用下的季节性差异对整体估算影响不大，未对TanDEM-X 90m DEM进行季节性改正。
|
| 图 3 西昆仑山TanDEM-X 90m DEM时间分布及气象变化 Fig. 3 Time distribution of TanDEM-X 90m DEM and meteorological changes in the West Kunlun Mountains |
2.2.5 穿透性改正
成像雷达对冰雪的穿透能力与雷达波长及地物介电特性等有关，C波段穿透性较强(1~2 m，干雪 < 10 m)，X波段相对较弱(湿雪 < 10 cm，干雪 < 6 m)[40]。采用同时期观测的SRTM-C DEM和SRTM-X DEM，对TanDEM-X 90m DEM与SRTM-C DEM差分结果中的C波段和X波段穿透性差异进行改正，虽然SRTM-X DEM与TanDEM-X 90m DEM获取时间不完全一致，但均处于非降水期间，认为冰川区积雪覆盖情况基本相同，二者对冰面的穿透深度一致。通过对SRTM-C DEM和SRTM-X DEM进行配准及差分，结合高程分段法(区间范围50 m)，拟合穿透深度差异与海拔高度的函数关系，基于该函数对冰川区每个像元进行穿透性改正[4]。由于ICESat-2卫星激光对冰雪无穿透性，仍缺乏有效方法对涵盖多季节的TanDEM-X 90m DEM数据的X波段穿透性进行精确评估，故本文未对ICESat-2和TanDEM-X 90m DEM差分结果进行穿透性改正，可能会导致2013—2019年冰厚估算结果偏高。
2.2.6 冰川物质平衡估算通常根据监测期内冰川区积累及亏损物质的密度将高程变化转换为物质平衡[14]，但由于西昆仑山环境恶劣，难以获得冰雪物质密度实测数据，故采用文献[41]提出的模型参数850±60 kg/m3作为冰川平均密度(ρ)，经过前述改正的冰川物质平衡(Δmb)计算公式如下
(5)
式中，Δmbi为各高程区间的物质平衡；ΔhSi和ΔhPi分别为季节性和穿透性改正值；ρw指水的密度(103 kg/m3)。
2.2.7 不确定性评估基于多源高程数据估算冰川物质平衡的误差来源主要包括：①冰川高程变化均值估算误差；②冰川季节性变化改正误差；③雷达波穿透性差异改正误差；④冰川面积误差。根据误差传播定律，由式(5)估算冰川物质平衡的不确定性(σΔmb)为
(6)
式中，σNall为冰川像元总数误差，即2013年冰川掩膜界定的冰川面积误差；σΔmbi、σΔhi、σρ、σΔhSi和σΔhPi分别为各区间的物质平衡、高程变化均值、冰川密度、季节性改正及穿透性改正的不确定性。σρ为冰川密度值的7%，即±60 kg/m3[41]，σΔhSi采用文献[5]文中数值。
2.2.7.1 2000—2013年物质平衡不确定性利用SRTM-C DEM和TanDEM-X 90m DEM估算2000—2013年冰川物质平衡时，由于未进行季节性改正，σΔhSi和ΔhSi均设为0，冰川高程变化均值误差计算公式如下(穿透性改正误差计算原理与之相同)
(7)
参考文献[23]的处理方法，将σΔhi乘1.5以表明季节不一致及选取中值为代表时间导致的不确定性，STDVi为高程变化均值标准差，Neffi为独立像元个数
(8)
式中，PS代表DEM分辨率；D为空间自相关距离，约为DEM像元尺寸的20倍[42]，独立像元个数约为所有观测像元数量的1/40。
2.2.7.2 2013—2019年物质平衡不确定性基于ICESat-2和TanDEM-X 90m DEM估算的冰川物质平衡未进行穿透性改正，σΔhPi和ΔhPi均设为0，高程变化均值误差计算公式为
(9)
式中，σgi为冰川区高程变化趋势标准差(乘1.5)，采用拔靴法(Bootstrapping)[37]统计；σl为无冰区高程变化残差；σb为陆冰数据系统误差。
2.2.8 冰川面积变化估算本文分别对3期Landsat影像应用波段比值阈值法提取西昆仑山2000、2013和2019年的冰川边界。对于Landsat ETM+影像，选取Band3/Band5组合，阈值设为2；对于Landsat OLI则采用Band4/Band6组合，阈值为1.8。基于设定阈值对比值图像进行分割，并结合Google Earth高分辨率遥感影像进行人工解译修改，最终可估算西昆仑山冰川面积变化量。
根据误差传播定律，冰川面积变化的相对误差(σΔa)由两个时期的估算误差(σa1、σa2)决定[43]，而基于上述方法估算冰川面积的主要误差来源包括两方面：①影像分辨率误差(σre)，以半像素误差进行衡量(15 m)[21]；②影像配准误差(σco，Landsat ETM+：< 10.5 m；Landsat OLI：< 6.6 m)[44]
(10)
式中，l为不包括公共部分的冰川边界长度。将面积变化估算的相对误差表示为冰川总面积的百分比，2000—2013年和2013—2019年的相对误差分别为2.517%和2.372%。
3 结果 3.1 C波段和X波段穿透深度差异西昆仑山C波段和X波段之间的穿透深度差异如图 4所示，随着海拔的升高，穿透深度差异呈波动上升趋势，平均为2.914±0.192 m，与文献[5]计算结果(2.84±0.13 m)相近。基于像素覆盖区域的差值进行线性拟合，得到穿透深度差异与海拔高度之间的线性关系为：Y=0.001 9X-8.96，利用该函数进行外推从而对西昆仑山的TanDEM-X 90m DEM和SRTM-C DEM差分结果进行改正。
|
| 图 4 X波段与C波段穿透深度差异(误差棒为标准差) Fig. 4 X-band and C-band penetration depth difference (error bars are standard deviations) |
3.2 冰川厚度变化与物质平衡
2000—2019年西昆仑山冰川厚度呈正增长趋势，2000—2013年累计增加2.655 m(图 5)，2013—2019年均增加速率(0.268±0.061 m/a，图 6(a))高于2000—2013年(0.204±0.02 m/a)。西昆仑山近20 a内呈正平衡状态，2013之前物质平衡为0.173±0.014 m w.e./a，2013—2019为0.228±0.055 m w.e./a，物质积累加速。
|
| 图 5 西昆仑山2000—2013年冰川厚度变化 Fig. 5 The glacier thickness changes in the West Kunlun Mountains from 2000 to 2013 |
|
| 图 6 2000—2019年西昆仑山冰厚年均变化速率 Fig. 6 The average annual rate of glacier thickness changes in the West Kunlun Mountains from 2000 to 2019 |
基于大地测量法估算某时段冰川物质平衡时，通常选用始末两次观测时刻的平均冰川面积[45]。经对比本文提取的2000、2013和2019年3期面积差异不大，选用2013年冰川范围作为冰川掩膜边界。为保持以同一统计尺度对比不同时期的冰川厚度变化，将TanDEM-X 90m DEM和SRTM DEM差分结果双线性插值至ICESat-2激光点位置处(图 6(b))，西昆仑山近20 a内各冰川激光点处的厚度变化及物质平衡结果见表 1。由于非跃动冰川和跃动冰川运动机制不同，其冰厚及物质平衡变化存在较大差异，故对二者分别进行分析讨论。2013—2019年间，除无测高数据分布的泉水冰川之外，12条非跃动冰川厚度均增加，整体物质平衡为0.241±0.056 m w.e./a。2000—2013年，分布在北坡的5Y641F0085冰川轻微亏损，其余非跃动冰川均积累，物质积累速率为0.154±0.045 m w.e./a。近20 a内，各非跃动冰川在2013年后的物质积累速率高于2000—2013年，物质平衡增幅为0.001~0.228 m w.e./a。结合非跃动冰川厚度变化在海拔方向表现特征(图 7)可知，与2000—2013相比，2013—2019年间消融区冰厚年均减薄速率较低且积累区年均增厚速率明显增加，非跃动冰川物质积累速率整体大于2000—2013年。
| 冰川类型 | 地理位置 | 冰川名称(跃动起始年份)[27, 46] | 2000—2013年 | 2013—2019年 | ||
| 冰厚变化/(m/a) | 冰川物质平衡/(m w.e/a) | 冰厚变化/(m/a) | 冰川物质平衡/(m w.e/a) | |||
| 非跃动冰川 | 北坡 | 5Y641G0038 | 0.237±0.032 | 0.201±0.040 | 0.287±0.063 | 0.244±0.058 |
| 北坡 | 多峰 | 0.138±0.066 | 0.117±0.022 | 0.238±0.062 | 0.203±0.055 | |
| 北坡 | 5Y641F0098 | 0.179±0.059 | 0.152±0.042 | 0.267±0.063 | 0.227±0.057 | |
| 北坡 | 5Y641F0085 | -0.029±0.044 | -0.025±0.032 | 0.239±0.065 | 0.203±0.058 | |
| 北坡 | 5Y641F0049 | 0.203±0.074 | 0.173±0.042 | 0.31±0.070 | 0.263±0.064 | |
| 南坡 | 泉水 | 无测高点分布 | ||||
| 南坡 | 冰水河 | 0.349±0.051 | 0.297±0.04 | 0.35±0.062 | 0.298±0.059 | |
| 南坡 | 多塔 | 0.335±0.09 | 0.285±0.067 | 0.423±0.073 | 0.359±0.069 | |
| 南坡 | 里田 | 0.106±0.09 | 0.09±0.179 | 0.174±0.068 | 0.148±0.059 | |
| 南坡 | 弓形 | 0.165±0.077 | 0.141±0.052 | 0.325±0.066 | 0.276±0.061 | |
| 南坡 | 郭扎 | 0.224±0.074 | 0.191±0.145 | 0.38±0.07 | 0.323±0.066 | |
| 南坡 | 5Z431C0008 | 0.194±0.056 | 0.165±0.035 | 0.281±0.064 | 0.239±0.058 | |
| 南坡 | 古里雅 | 0.219±0.066 | 0.186±0.047 | 0.336±0.062 | 0.286±0.058 | |
| 总计 | 0.182±0.053 | 0.154±0.045 | 0.283±0.061 | 0.241±0.056 | ||
| 跃动冰川 | 北坡 | 西昆仑(2000—2014年) | 0.412±0.077 | 0.35±0.076 | 0.15±0.066 | 0.127±0.057 |
| 北坡 | 5Y641H0067(2000—2014年) | 无测高点分布 | ||||
| 北坡 | 西玉龙(1972年之前) | -0.117±0.083 | -0.099±0.038 | -0.106±0.071 | -0.09±0.061 | |
| 北坡 | 昆仑(1970—1979年) | 0.296±0.064 | 0.252±0.028 | 0.26±0.062 | 0.221±0.056 | |
| 北坡 | 5Y641F0073(2000—2013年) | -0.263±0.248 | -0.224±0.09 | -0.173±0.072 | -0.147±0.062 | |
| 北坡 | 玉龙(1977—1989年) | 0.368±0.084 | 0.313±0.029 | 0.561±0.063 | 0.477±0.067 | |
| 北坡 | 5Y641F0046(2013—2018年) | 0.204±0.055 | 0.173±0.03 | -1.755±0.078 | -1.492±0.145 | |
| 南坡 | 中峰(2000—2007年) | 0.091±0.044 | 0.077±0.066 | 0.457±0.062 | 0.389±0.062 | |
| 南坡 | 崇测(1990—1998年) | 0.086±0.051 | 0.073±0.031 | 0.111±0.068 | 0.094±0.058 | |
| 总计 | 0.198±0.02 | 0.168±0.014 | 0.268±0.061 | 0.228±0.055 | ||
|
| 图 7 非跃动冰川冰厚年均变化速率 Fig. 7 The average annual rate of non-surge-type glacier thickness changes |
西昆仑山分布有7条北坡跃动冰川及两条南坡跃动冰川，与非跃动冰川所表现的“顶部积累，末端消融”特征不同，跃动冰川的变化模式通常为“上游亏损，末端积累”。由于西玉龙、昆仑、玉龙及崇测冰川跃动时间均可追溯至20世纪，这几条冰川在近20 a内的厚度变化特征并无异常，2013年以后，除末端减薄加快导致昆仑冰川增厚速率略有减小之外，其余冰川的冰厚与2000—2013年相比均增加。如图 5、图 6所示，2000—2013年间，西昆仑、5Y641H0067、5Y641F0073及中峰冰川由于发生跃动而导致冰川末端积累。2013年后，北坡跃动冰川5Y641F0046冰厚减薄最为严重，冰面高程下降速率为-1.755±0.078 m/a，北坡跃动冰川西昆仑东支及5Y641F0073冰厚变化情况与2000—2013年相似，而中峰冰川西支中部已由原来的冰厚减薄转为增加，仅在末端处存在冰厚减薄现象。
4 讨论 4.1 西昆仑山冰川物质平衡国内外学者利用卫星激光测高、InSAR、光学遥感及卫星重力测量等技术所获取的西昆仑山冰川近20年内的物质平衡见表 2。本文利用InSAR DEM监测到的2000—2013年间物质积累速率与前人研究趋势基本相符，估算结果低于文献[21, 23]的主要原因是研究区域划分不一致：文献[21]主要研究ICESat/GLAS数据所覆盖的部分冰川，文献[23]主要监测弓形、里田、中峰、郭扎、崇测及5Z431C0008等处于积累状态的冰川。由于本文使用的TanDEM-X 90m DEM观测数据主要集中于2012—2014年，文献[5]在西昆仑山西部地区所使用的TSX/TDX双站InSAR数据时间为2011年2月，中部及东部时间为2012—2014年，数据时间偏差导致估算结果与其相比偏高。
| 文献 | 研究时间 | 试验数据 | 估算结果 (m w.e./a) |
文献 | 研究时间 | 试验数据 | 估算结果 (m w.e./a) |
|
| 文献[21] | 2003—2009年 | ICESat GLA14 | 0.23±0.24 | 文献[10] | 2002—2016年 | GRACE | 0.11±0.05 | |
| 文献[23] | 2000—2012年 | TanDEM-X 90m DEM, SRTM-C DEM |
0.25 ±0.12 | 文献[24] | 2008—2016年 | ASTER DEMs | 0.05±0.19 | |
| 文献[5] | 2000—2014年 | TSX/TDX双站InSAR, SRTM-C DEM |
0.128±0.055 | 文献[12] | 2000—2018年 | WorldView/GeoEye DEMs, ASTER DEMs |
0.04±0.05 | |
| 本文 | 2000—2013年 | TanDEM-X 90m DEM, SRTM-C DEM |
0.173±0.03 | 本文 | 2013—2019年 | ICESat-2 ATL06, TanDEM-X 90m DEM |
0.228±0.054 |
近10 a内，与文献[12, 24]基于光学影像所观测到的弱正平衡不同，发现该地区在2013—2019年间仍呈明显的物质积累，与文献[10]基于GRACE重力数据所观测到的正质量变化信号较为一致。综上所述，本文基于InSAR DEM及卫星激光测高技术发现西昆仑山冰川在2000—2019年间整体呈质量上升趋势，与文献[25]所认为的“喀喇昆仑异常”现象已结束相反，处于异常中心的西昆仑山冰川近年内物质积累速率加快。
西昆仑山为夏季补给型冰川，气温和降水是控制其物质变化的主要因素，该地区2000—2019年间夏季(5—8月)气温及降水变化如图 8所示。近20年内，西昆仑山夏季气温波动变化但整体较为稳定，年变化率仅为0.002℃/a，而降水量受西风带调控呈明显上升趋势，年增长率为1.365 mm/a。降水量持续增加带来的物质积累量高于气温微弱升高影响下冰川消融所导致的物质亏损，西昆仑山近20 a整体呈正平衡。2013年后，降水量相对前一时期增长更多，并且气温无较大变化，故2013—2019年间物质积累加速。
|
| 图 8 西昆仑山夏季气温及降水变化 Fig. 8 Changes in summer air temperature and precipitation in the West Kunlun Mountains |
4.2 跃动冰川变化分析
结合文献[27]对1972—2014年间西昆仑山冰川监测及文献[46]对2013—2018年间Alakesayi(5Y641F0046)冰川跃动的研究可知，2014年后仅5Y641F0046冰川有监测记录，仍缺乏对其余跃动冰川的研究，故本文结合冰厚变化及冰流速对西昆仑山跃动冰川状态进行分析探讨，5Y641H0067冰川无测高点分布不做讨论。
5Y641F0046冰川在2000—2013年间厚度整体增加(图 9(a))，仅处于消融区的局部冰川末端厚度减薄，冰川为正平衡状态。然而在2013—2019年间，5Y641F0046冰厚变化速率骤降，两个时间段之间约2 m/a的冰厚年均变化速率差异是由于该冰川在2013年后发生了剧烈的跃动行为。
|
| 图 9 5Y641F0046冰川厚度变化 Fig. 9 Thickness change of the 5Y641F0046 Glacier |
图 10展示了利用ITS_LIVE数据所提取的4条跃动冰川于2013—2018年的年均冰流速。5Y641F0046冰川流速变化周期(图 10(c))与文献[46]冰流速监测结果基本一致，该冰川主流线处的年际冰流速(图 11)清晰显示出跃动前后冰流速的增加及减少趋势。2013年冰川流速最大值为122 m/a，为该冰川之前最大冰流速(36 m/a)[47]的3倍，2014年冰川开始跃动，前期冰流速相对较慢(增幅为100 m/a)，2015年冰流速迅速增加，冰川中部(距末端约6.2 km处)冰流速高达810 m/a。此后冰川开始减速，于2018年降至133 m/a以下。5Y641F0046冰川的为期约3 a的跃动行为，使得冰川中上游处冰体以极高速度被推移至下游，导致上游物质亏损，末端由于物质转移而增厚，与2000—2013年冰厚变化分布特征完全相反。
|
| 图 10 跃动冰川2013—2018年年均冰流速 Fig. 10 The annual average ice flow velocity of surge-type glacier from 2013 to 2018 |
|
| 图 11 5Y641F0046冰川主流线处年均冰流速 Fig. 11 The annual average ice flow velocity at the main flow line of the 5Y641F0046 glacier |
与前述分析类似，结合其余几条跃动冰川的厚度及冰流速变化可知：①西昆仑冰川东支近20 a内处于活跃期，冰川上游厚度持续减薄并在下游积累，其余两个分支冰流速缓慢增加，中部冰面高程下降且下游升高，可能会发生跃动；②5Y641F0073冰川在2000—2013年间处于活跃期，年均变化速率为-0.263±0.248 m/a。2013—2019年，冰厚变化特征与2000—2013年类似，年均变化速率为-0.173±0.072 m/a，由于末端无ICESat-2测高数据，虽无法准确判断消融区是否积累，但结合冰流速及整体冰厚变化，认为该冰川仍处于活跃期；③中峰冰川在2013—2018年间，除东支中部呈现微弱加速趋势，其余分支较为稳定。上游积累区由于降水补给等作用冰厚增加，分支交汇处减薄，物质平衡为0.389±0.062 m w.e./a，处于静止期。
4.3 冰川面积变化西昆仑山冰川近20 a内的面积变化结果见表 3。2000—2013年间面积减少0.706 km2，2013—2019年间面积增加3.202 km2，整体呈先缩小后扩张的趋势。非跃动冰川在2000—2019年间持续缩小，单条冰川的面积变化量均小于1 km2。2013年前，北坡西昆仑、5Y641H0067、5Y641F0073跃动冰川由于分布于深切的槽谷，冰舌较窄，末端前进引起的面积扩张并不明显，而南坡中峰冰川的冰舌所在位置地势平坦，面积在2000—2013年间增加了2.585 km2。2013年以后，北坡5Y641F0046冰川由于冰舌较为宽阔，其剧烈的跃动行为导致面积显著增加(5.529 km2)，2013—2019年间冰川总面积的增加主要受该冰川影响。
| 冰川类型 | 地理位置 | 2000—2013年 | 2013—2019年 | |||
| 面积变化/km2 | 变化占比/(%) | 面积变化/km2 | 变化占比/(%) | |||
| 非跃动冰川 | 北坡 | -0.485 | -0.094 | -0.258 | -0.05 | |
| 南坡 | -1.341 | -0.257 | -0.705 | -0.136 | ||
| 总计 | -1.826 | -0.176 | -0.963 | -0.093 | ||
| 跃动冰川 | 北坡 | -1.181 | -0.158 | 4.892 | 0.654 | |
| 南坡 | 2.301 | 0.574 | -0.727 | -0.180 | ||
| 总计 | -0.706 | -0.032 | 3.202 | 0.146 | ||
4.4 ICESat-2激光采样结果对比
为进一步分析ICESat-2激光测高卫星监测山地冰川的可靠性，将西昆仑山2000—2013年间DEM差分结果提取至ICESat-2激光足迹处(图 6(b))，并与原始DEM差分冰厚(图 5)对比分析。统计结果(图 12)表明，基于这两种统计单位估算的物质平衡值相近，差异绝对值大多小于0.14 m w.e./a，仅西玉龙、里田、玉龙及西昆仑冰川由于激光足迹在冰川表面分布不均导致相差较大。以西玉龙冰川为例，利用冰川物质平衡线高度(采用冰川高程中值)对积累区和消融区进行划分，该冰川仅积累区东侧和消融区分布有激光足迹，而积累区东侧处冰厚增幅较小，其在积累区分布不均匀性导致了激光结果的低估。虽然ICESat-2卫星在中纬度地区的足迹密度目前仍未达到理想水平，但在分布较佳的情况下，仍具有一定的可靠性，并且随着卫星连续运行，由于冰川激光足迹数量及分布不均所造成的前述偏差均会得到改善。
|
| 图 12 2000—2013年间西昆仑山各冰川物质平衡不同统计单位的结果对比 Fig. 12 Comparison of glacier mass balance from 2000 to 2013 with different statistical units in the West Kunlun Mountains |
5 结论
本文利用ICESat-2卫星激光测高数据和InSAR DEM获取了西昆仑山冰川2013—2019年和2000—2013年两个时期的冰厚变化及物质平衡，结果表明：①2013—2019年，处于异常中心的西昆仑山冰川仍延续正平衡趋势，以0.268±0.061 m/a的年增加速率保持增厚，物质平衡为0.228±0.055 m w.e./a，非跃动冰川的冰量均增加。②近20 a内，西昆仑山冰川厚度持续增加，整体呈明显正平衡趋势，在降水量增加的影响下，2013年以后冰川物质平衡年积累速率高于2000—2013年(0.173±0.014 m w.e./a)。③北坡跃动冰川5Y641F0046在2013—2019年间首次发生跃动导致冰体向下游快速迁移，冰厚急剧减薄(-1.755±0.078 m/a)，面积显著增加(5.529 km2)；北坡跃动冰川5Y641F0073和西昆仑冰川东支处于活跃期，跃动行为自2000年持续至今，西昆仑冰川其余两个分支冰厚变化异常且伴有流速增加现象，可能会发生跃动；南坡跃动冰川中峰冰川在2013—2019年处于静止期，与前一时期相比，物质积累增多。
本文通过ICESat-2卫星激光测高数据和TanDEM-X 90m DEM发现了西昆仑山2013—2019年间的物质积累趋势，由于忽略了X波段的穿透性可能导致结果存在轻微高估。ICESat-2卫星虽为离散激光测量，但其估算结果仍具有较高的代表性与可靠性，随着卫星观测次数增多，结合其全球覆盖性、高精度、公开获取等优势，可为全球山地冰川物质平衡变化监测提供重要数据支撑。
| [1] |
QIN D H, ZHOU B T, XIAO C D. Progress in studies of cryospheric changes and their impacts on climate of China[J]. Journal of Meteorological Research, 2014, 28(5): 732-746. DOI:10.1007/s13351-014-4029-z |
| [2] |
BOLCH T, KULKARNI A, KÄÄB A, et al. The state and fate of Himalayan glaciers[J]. Science, 2012, 336(6079): 310-314. DOI:10.1126/science.1215828 |
| [3] |
王宁练, 姚檀栋, 徐柏青, 等. 全球变暖背景下青藏高原及周边地区冰川变化的时空格局与趋势及影响[J]. 中国科学院院刊, 2019, 34(11): 1220-1232. WANG Ninglian, YAO Tandong, XU Baiqing, et al. Spatiotemporal pattern, trend, and influence of glacier change in Tibetan Plateau and surroundings under global warming[J]. Bulletin of the Chinese Academy of Sciences, 2019, 34(11): 1220-1232. DOI:10.16418/j.issn.1000-3045.2019.11.005 |
| [4] |
GARDELLE J, BERTHIER E, ARNAUD Y, et al. Region-wide glacier mass balances over the Pamir-Karakoram-Himalaya during 1999—2011[J]. The Cryosphere, 2013, 7(4): 1263-1286. DOI:10.5194/tc-7-1263-2013 |
| [5] |
LIN Hui, LI Gang, CUO Lan, et al. A decreasing glacier mass balance gradient from the edge of the Upper Tarim Basin to the Karakoram during 2000—2014[J]. Scientific Reports, 2017, 7: 6712. DOI:10.1038/s41598-017-07133-8 |
| [6] |
KÄÄB A, TREICHLER D, NUTH C, et al. Brief communication: contending estimates of 2003—2008 glacier mass balance over the Pamir-Karakoram-Himalaya[J]. The Cryosphere, 2015, 9(2): 557-564. DOI:10.5194/tc-9-557-2015 |
| [7] |
WU Hongbo, WANG Ninglian, GUO Zhongming, et al. Regional glacier mass loss estimated by ICESat-GLAS data and SRTM digital elevation model in the West Kunlun Mountains, Tibetan Plateau, 2003—2009[J]. Journal of Applied Remote Sensing, 2014, 8(1): 083515. DOI:10.1117/1.JRS.8.083515 |
| [8] |
汪汉胜, 张会同, 相龙伟, 等. 高亚洲及其邻区2003—2017年质量平衡的气候影响分析[J]. 大地测量与地球动力学, 2020, 40(12): 1211-1218. WANG Hansheng, ZHANG Huitong, XIANG Longwei, et al. Effects of climatic factors on the mass balance from 2003 to 2017 in high Mountain Asia and adjacent areas[J]. Journal of Geodesy and Geodynamics, 2020, 40(12): 1211-1218. |
| [9] |
CAO Bo, GUAN Weijin, LI Kaiji, et al. Area and mass changes of glaciers in the west Kunlun Mountains based on the analysis of multi-temporal remote sensing images and DEMs from 1970 to 2018[J]. Remote Sensing, 2020, 12(16): 2632. DOI:10.3390/rs12162632 |
| [10] |
XIANG Longwei, WANG Hansheng, JIANG Liming, et al. Glacier mass balance in High Mountain Asia inferred from a GRACE release-6 gravity solution for the period 2002—2016[J]. Journal of Arid Land, 2021, 13(3): 224-238. DOI:10.1007/s40333-021-0094-1 |
| [11] |
ZHOU Yushan. Glacier mass balance in the Qinghai-Tibet Plateau and its surroundings from the mid-1970s to 2000 based on Hexagon KH-9 and SRTM DEMs[J]. Remote Sensing of Environment, 2018, 210: 96-112. DOI:10.1016/j.rse.2018.03.020 |
| [12] |
SHEAN D E, BHUSHAN S, MONTESANO P, et al. A systematic, regional assessment of high mountain Asia Glacier mass balance[J]. Frontiers in Earth Science, 2020, 7: 363. DOI:10.3389/feart.2019.00363 |
| [13] |
LI G, LIN H, YE Q H, et al. Acceleration of glacier mass loss after 2013 at the Mt. Everest (Qomolangma)[J]. Journal of Geodesy and Geoinformation Science, 2020, 3(4): 60-69. DOI:10.11947/j.JGGS.2020.0406 |
| [14] |
LIU L, JIANG L M, JIANG H J, et al. Accelerated glacier mass loss (2011—2016) over the Puruogangri ice field in the inner Tibetan Plateau revealed by bistatic InSAR measurements[J]. Remote Sensing of Environment, 2019, 231: 111241. DOI:10.1016/j.rse.2019.111241 |
| [15] |
李振洪, 朱武, 余琛, 等. 雷达影像地表形变干涉测量的机遇、挑战与展望[J]. 测绘学报, 2022, 51(7): 1485-1519. LI Zhenhong, ZHU Wu, YU Chen, et al. Interferometric synthetic aperture radar for deformation mapping: opportunities, challenges and the outlook[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1485-1519. DOI:10.11947/j.AGCS.2022.20220224 |
| [16] |
WANG Qiuyu, YI Shuang, SUN Wenke. Continuous estimates of glacier mass balance in high Mountain Asia based on ICESat-1, 2 and GRACE/GRACE follow-on data[J]. Geophysical Research Letters, 2021, 48(2): e2020GL090954. |
| [17] |
庞书剑, 柯长青, 周兴华, 等. InSAR与激光雷达测高集成的马兰山冰川物质平衡变化[J]. 遥感学报, 2022, 26(10): 2094-2105. PANG Shujian, KE Changqing, ZHOU Xinghua, et al. Glacier mass balance changes in Malan Mountain based on InSAR and LiDAR altimetry[J]. Journal of Remote Sensing, 2022, 26(10): 2094-2105. |
| [18] |
姚檀栋, 余武生, 邬光剑, 等. 青藏高原及周边地区近期冰川状态失常与灾变风险[J]. 科学通报, 2019, 64(27): 2770-2782. YAO Tandong, YU Wusheng, WU Guangjian, et al. Glacier anomalies and relevant disaster risks on the Tibetan Plateau and surroundings[J]. Chinese Science Bulletin, 2019, 64(27): 2770-2782. |
| [19] |
WANG Yetang, HOU Shugui, HUAI Baojuan, et al. Glacier anomaly over the western Kunlun Mountains, Northwestern Tibetan Plateau, since the 1970s[J]. Journal of Glaciology, 2018, 64(246): 624-636. DOI:10.1017/jog.2018.53 |
| [20] |
GARDNER A S, MOHOLDT G, COGLEY J G, et al. A reconciled estimate of glacier contributions to sea level rise: 2003 to 2009[J]. Science, 2013, 340(6134): 852-857. DOI:10.1126/science.1234532 |
| [21] |
BAO Weijia, LIU Shiyin, WEI Junfeng, et al. Glacier changes during the past 40 years in the West Kunlun Shan[J]. Journal of Mountain Science, 2015, 12(2): 344-357. DOI:10.1007/s11629-014-3220-0 |
| [22] |
KE Linghong. Heterogeneous changes of glaciers over the western Kunlun Mountains based on ICESat and Landsat-8 derived glacier inventory[J]. Remote Sensing of Environment, 2015, 168: 13-23. DOI:10.1016/j.rse.2015.06.019 |
| [23] |
KE L H, SONG C Q, WANG J D, et al. Constraining the contribution of glacier mass balance to the Tibetan Lake growth in the early 21st century[J]. Remote Sensing of Environment, 2022, 268(11): 112779. |
| [24] |
BRUN F, BERTHIER E, WAGNON P, et al. A spatially resolved estimate of High Mountain Asia glacier mass balances from 2000 to 2016[J]. Nature Geoscience, 2017, 10(9): 668-673. DOI:10.1038/ngeo2999 |
| [25] |
HUGONNET R, MCNABB R, BERTHIER E, et al. Accelerated global glacier mass loss in the early twenty-first century[J]. Nature, 2021, 592(7856): 726-731. DOI:10.1038/s41586-021-03436-z |
| [26] |
ZHANG W, AN R, YANG H, et al. Conditions of glacier development and some glacial features in the west Kunlun Mountains[J]. Bulletin Glaciological Research, 1989, 7: 49-58. |
| [27] |
YASUDA T, FURUYA M. Dynamics of surge-type glaciers in west Kunlun Shan, Northwestern Tibet[J]. Journal of Geophysical Research: Earth Surface, 2015, 120(11): 2393-2405. DOI:10.1002/2015JF003511 |
| [28] |
李成秀, 杨太保, 田洪阵. 1990—2011年西昆仑峰区冰川变化的遥感监测[J]. 地理科学进展, 2013, 32(4): 548-559. LI Chengxiu, YANG Taibao, TIAN Hongzhen. Variation of west Kunlun Mountains glacier during 1990—2011[J]. Progress in Geography, 2013, 32(4): 548-559. |
| [29] |
NEUMANN T A, MARTINO A J, MARKUS T, et al. The Ice, Cloud, and Land Elevation Satellite-2 mission: a global geolocated photon product derived from the advanced topographic laser altimeter system[J]. Remote Sensing of Environment, 2019, 233: 111325. DOI:10.1016/j.rse.2019.111325 |
| [30] |
孙亚飞, 江利明, 柳林, 等. TanDEM-X双站SAR干涉测量及研究进展[J]. 国土资源遥感, 2015, 27(1): 16-22. SUN Yafei, JIANG Liming, LIU Lin, et al. TanDEM-X bistatic SAR interferometry and its research progress[J]. Remote Sensing for Land & Resources, 2015, 27(1): 16-22. |
| [31] |
PODGóRSKI J, KINNARD C, PETLICKI M, et al. Performance assessment of TanDEM-X DEM for mountain glacier elevation change detection[J]. Remote Sensing, 2019, 11(2): 187. DOI:10.3390/rs11020187 |
| [32] |
KE L H, SONG C Q, YONG B, et al. Which heterogeneous glacier melting patterns can be robustly observed from space? a multi-scale assessment in southeastern Tibetan Plateau[J]. Remote Sensing of Environment, 2020, 242: 111777. DOI:10.1016/j.rse.2020.111777 |
| [33] |
FARR T G, ROSEN P A, CARO E, et al. The shuttle radar topography mission[J]. Reviews of Geophysics, 2007, 45(2): RG2004. |
| [34] |
GARDNER A S, MOHOLDT G, SCAMBOS T, et al. Increased West Antarctic and unchanged East Antarctic ice discharge over the last 7 years[J]. The Cryosphere, 2018, 12(2): 521-547. DOI:10.5194/tc-12-521-2018 |
| [35] |
黄丹妮, 张震, 张莎莎, 等. 东帕米尔高原冰川运动特征分析[J]. 干旱区地理, 2021, 44(1): 131-140. HUANG Danni, ZHANG Zhen, ZHANG Shasha, et al. Characteristics of glacier movement in the eastern Pamir Plateau[J]. Arid Land Geography, 2021, 44(1): 131-140. |
| [36] |
李志杰, 王宁练, 侯姗姗. 帕米尔中部North Kyzkurgan冰川跃动变化遥感监测[J]. 冰川冻土, 2021, 43(5): 1267-1276. LI Zhijie, WANG Ninglian, HOU Shanshan. Monitoring recent surging of the North Kyzkurgan Glacier in central Pamir by remote sensing[J]. Journal of Glaciology and Geocryology, 2021, 43(5): 1267-1276. |
| [37] |
KÄÄB A, BERTHIER E, NUTH C, et al. Contrasting patterns of early twenty-first-century glacier mass change in the Himalayas[J]. Nature, 2012, 488(7412): 495-498. DOI:10.1038/nature11324 |
| [38] |
WANG Qiuyu, YI Shuang, SUN Wenke. Precipitation-driven glacier changes in the Pamir and Hindu Kush Mountains[J]. Geophysical Research Letters, 2017, 44(6): 2817-2824. |
| [39] |
NUTH C, KÄÄB A. Co-registration and bias corrections of satellite elevation data sets for quantifying glacier thickness change[J]. The Cryosphere, 2011, 5(1): 271-290. DOI:10.5194/tc-5-271-2011 |
| [40] |
DEHECQ A, MILLAN R, BERTHIER E, et al. Elevation changes inferred from TanDEM-X data over the Mont-Blanc area: impact of the X-band interferometric bias[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(8): 3870-3882. |
| [41] |
HUSS M. Density assumptions for converting geodetic glacier volume change to mass change[J]. The Cryosphere, 2013, 7(3): 877-887. |
| [42] |
BOLCH T, PIECZONKA T, BENN D I. Multi-decadal mass loss of glaciers in the Everest area (Nepal Himalaya) derived from stereo imagery[J]. The Cryosphere, 2011, 5(2): 349-358. |
| [43] |
GUO Wanqin, LIU Shiyin, WEI Junfeng, et al. The 2008/09 surge of central Yulinchuan glacier, Northern Tibetan Plateau, as monitored by remote sensing[J]. Annals of Glaciology, 2013, 54(63): 299-310. |
| [44] |
STOREY J, CHOATE M, LEE K. Landsat 8 operational land imager on-orbit geometric calibration and performance[J]. Remote Sensing, 2014, 6(11): 11127-11152. |
| [45] |
ZEMP M, HUSS M, THIBERT E, et al. Global glacier mass changes and their contributions to sea-level rise from 1961 to 2016[J]. Nature, 2019, 568(7752): 382-386. |
| [46] |
FU Xiyou, LI Zhen, ZHOU Jianmin. Characterizing the surge behavior of Alakesayi Glacier in the West Kunlun Shan, Northwestern Tibetan Plateau, from remote sensing data between 2013 and 2018[J]. Journal of Glaciology, 2019, 65(249): 168-172. |
| [47] |
YASUDA T, FURUYA M. Short-term glacier velocity changes at West Kunlun Shan, Northwest Tibet, detected by synthetic aperture radar data[J]. Remote Sensing of Environment, 2013, 128: 87-106. |