2019, Vol. 62
2. 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室, 武汉 430077;
3. 华中科技大学物理学院引力实验中心, 武汉 430074;
4. 中国科学院大学, 北京 100049
2. State Key Laboratory of Geodesy and Earth's Dynamics, Institute of Geodesy and Geophysics, Chinese Academy of Sciences, Wuhan 430077, China;
3. Center for Gravitational Experiment, School of Physics, Huazhong University of Science and Technology, Wuhan 430074, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China
冰川是寒冷地区多年降雪积累、变质而形成的自然冰体，不同于一般天然或人工冻结的冰，它在自身重力作用下，将沿着地形向下滑动(施雅风等，2005).冰川(包括中低纬度山地冰川和极地冰盖)覆盖了全球陆地总面积的大约11%，并且储存了全球淡水资源的五分之四左右，被称为“固体水库”(谢自楚和刘潮海，2010).青藏高原是全球中低纬度地区规模最大的现代冰川区，冰储量约为4560 km3，占我国冰川总储量的比例超过80%(刘宗香等，2000；蒲健辰等，2004).青藏高原山地冰川是东亚、南亚和东南亚众多河流的发源地，对区域水资源安全和生态环境保护具有重要作用，影响着附近数个国家十多亿人口的生活和工农业生产.
自20世纪80年代以来，青藏高原气温升高大约1 ℃，是全球平均升温速率的两倍左右，由此引起的冰川消融速度加快直接影响着流域内的水量平衡和水循环，特别是湖泊水量变化(姚檀栋等，2004).近年来，青藏高原大部分湖泊呈现持续扩张趋势，湖泊水位增加明显(Pekel et al., 2016).Zhang等(2011)利用ICESat卫星激光测高数据首次实现了青藏高原湖泊水位变化的大范围观测，并发现80%以上的湖泊2003—2009年水位上升明显.Jiang等(2017)利用Cryosat-2 SARIn模式测高数据观测青藏高原70个较大湖泊(面积超过100 km2)2010—2015年的水位变化，发现其中48个湖泊水位显著增加，且另外22个湖泊水位下降速度非常缓慢.但是，由于缺乏大范围冰川质量平衡观测结果，目前关于冰川消融对该地区湖泊水量变化的影响还存在较大争议.一部分学者主张冰川质量亏损是20世纪末期以来青藏高原湖泊水位上涨的主要原因(Zhang et al., 2011；Meng et al., 2012)；而另外一种观点则认为该时期冰川质量变化对高原湖泊水位上涨的贡献较小，湖泊水量变化的主要原因是高原降水量增加和蒸发量减少(Lei et al., 2013；Song et al., 2015)，以及外部大气环流的影响(Zhang et al., 2017).
青藏高原内流区(水系编号5Z)位于高原腹地，是20世纪末期以来青藏高原湖泊水量显著增加的主要区域之一(Zhang et al., 2011).色林错流域区(水系编号5Z2)是青藏高原内流区湖泊分布最为集中的子流域，其中色林错和纳木错是青藏高原内流区最大的两个湖泊，且近年来它们均处于持续扩张状态.Lei等(2013)利用实测冰川质量平衡结果，估计了冰川消融对色林错流域区三个湖泊水位上升的影响.但是，受限于该地区的高海拔高度和恶劣气候条件，目前仅在念青唐古拉山扎当冰川开展了较为长期的冰川质量平衡实测工作(Yao et al., 2010).近年来，空间大地测量技术的快速发展，为利用冰面高程变化探测冰川质量平衡提供了高质量数据源.Liu等(2016a)利用不同时期获取的冰川表面高程数据，估算出21世纪初期普若岗日冰原的冰川质量平衡为：-0.019±0.014 m·w.e.·a-1，并发现该地区各条冰川的冰川质量平衡结果存在很大差异.因此，顾及5Z2流域冰川质量平衡的空间异质性，利用已有的少量冰川质量平衡观测结果，难以精确推估整个色林错流域区的冰川质量变化，从而限制了冰川消融对该流域湖泊水量变化影响的定量评估.
本文利用大范围的SRTM-C DEM和TanDEM-X双站InSAR数据，并对“中国第二次冰川编目数据集”中青藏高原5Z2子流域的冰川边界进行校正与更新，高精度地估计该流域主要冰川作用区21世纪初期的冰川质量平衡结果，进而精确推估流域冰川质量变化.在此基础上，综合利用ICESat和Cryosat-2卫星测高数据，计算流域湖泊水量变化速率，定量评估冰川消融对湖泊水量变化的贡献.
1 研究区简介色林错流域区是青藏高原内流区的子流域(具体位置见图 1)，包括可可西里山南坡、唐古拉山西段、念青唐古拉山西部、冈底斯山东缘，以及羌塘高原东南部分.由于处在高原腹地，色林错流域区的气候环境主要受控于高原内部大气环流，西风带和印度洋季风等外部大气环流的影响相对较弱，降水稀少，年降水量约为100~500 mm(齐文文等，2013).此外，较高的海拔高度使得该地区气温普遍较低，冰川表面的夏季气温低于-1.0 ℃，物质平衡线位置的年平均气温更是低于-10.0 ℃(郑度和李炳元，1990).
|
图 1 研究区位置及冰川/湖泊分布图 Fig. 1 Map showing geographic location of the study area and distribution of glaciers and lakes |
色林错流域区的山地冰川主要分布在普若岗日、格拉丹东和念青唐古拉山西部等地区(见图 1).其冰川类型以极大陆型和亚大陆型为主，冰川对气候变化的敏感性较低.因此，相对于喜马拉雅山和天山等地区而言，该地区山地冰川的末端退缩速度相对较小(姚檀栋等，2004).在干燥寒冷、高原总辐射较强的气候条件下，色林错流域区湖泊的蒸发较为旺盛，大多数湖泊为咸水型，其中面积最大的两个湖泊为色林错和纳木错(见图 1).近年来，该流域大部分湖泊持续扩张，湖泊水位和水量迅速增加.色林错、错鄂和雅根错等湖泊，从1975年到2008年，湖泊面积分别增加了574.46 km2、11.59 km2和68.13 km2，增加速率为35.4%、4.3%和195%，表现为显著扩张趋势(边多等，2010).此外，从1970年到2000年，纳木错的湖泊范围也在不断扩张，面积增长了大约38.1 km2(吴艳红等，2007).值得关注的是，2000年以来，纳木错和色林错等主要湖泊的水位不断升高，2003—2009年上述湖泊水位的上升速率分别为：0.25和0.69 m·a-1(Zhang et al., 2011).
2 数据与方法 2.1 冰面地形和边界数据 2.1.1 SRTM-C DEM本文选择SRTM-C DEM作为估算冰川质量平衡的冰面地形数据源之一.2000年2月11—22日，由美国国家航空航天局和国家地理空间情报局联合执行的航天飞机雷达制图计划，获取了覆盖全球约80%陆地面积(大约60°N至57°S之间)的数字高程模型(Rodríguez et al., 2006).目前，在青藏高原地区有以下两种公开的地形数据产品：(1)美国国家航空航天局发布的30 m空间分辨率SRTM-C DEM；(2)德国宇航局发布的30 m空间分辨率SRTM-X DEM.考虑到X-band雷达传感器获取SAR数据的条带宽度为50 km，且各个条带在空间上不连续(Becek，2008)，仅能覆盖青藏高原的部分冰川区.因此，顾及地形数据的空间连续性和一致性，我们利用SRTM-C DEM估算冰川质量平衡，其数据下载于https://lta.cr.usgs.gov/SRTM1Arc.
2.1.2 TanDEM-X DEM德国宇航中心分别于2007年6月和2010年6月发射了TerraSAR-X和TanDEM-X两颗姊妹卫星.两颗卫星以双星星座模式编队飞行，同时接收地面目标反射的雷达波信号，开创了星载双站SAR干涉测量模式(Krieger et al., 2007).与其他卫星星座运行方式相比，TanDEM-X双站SAR干涉测量采用近距离螺旋结构运行，消除了时间去相干和大气去相干等去相干源，极大地提高了地形相位解算的可靠性和精度.本文在色林错流域区山地冰川最为集中的普若岗日、格拉丹东和西念青唐古拉共选取了8对TanDEM-X双站InSAR数据，其主要特征参数见表 1.对上述数据，本文采用Liu等(2016 b)文章中的双站InSAR方法分别进行处理，得到普若岗日、格拉丹东和西念青唐古拉的10 m空间分辨率地形数据.
|
表 1 TanDEM-X数据的主要特征参数 Table 1 Main parameters of the TanDEM-X data |
目前，青藏高原地区最权威的冰川边界数据产品为我国寒区旱区科学数据中心发布的中国第二次冰川编目数据集(V1.0)(Guo et al., 2015).但是，其数据源为2006—2010年获取的Landsat TM和ETM+光学影像，考虑到色林错流域区普遍存在的冰川末端退缩现象，上述冰川编目数据集的边界信息难以满足本文研究的要求，需对冰川末端位置进行校正.本文以“中国第二次冰川编目数据集(V1.0)”的冰川边界为基础(数据网站为https://westdc.westgis.ac.cn)，结合2000年获取的Landsat光学影像，采用人工判读方法(目前最有效的冰川边界提取方法(Paul et al., 2015))对末端高程减薄剧烈的冰川进行末端位置改正.
2.2 流域冰川质量变化的估算 2.2.1 冰川高程变化及其平均值的计算本文通过计算TanDEM-X DEM和SRTM-C DEM差值的方法，得到各个冰川区的高程变化结果.在差值处理之前，上述地形数据首先统一到WGS84坐标系和EGM96大地水准面，并将空间分辨率较低的SRTM-C DEM重采样到10 m分辨率.然后，对每个冰川区的两期DEM进行精确配准，以抑制DEM水平位置差异所引起的几何误差(Nuth and Kääb，2011；Gardelle et al., 2012).在此基础上，对其进行差值处理，得到一定时间间隔的冰川表面高程变化.在计算冰川高程变化平均值时，为了抑制随机误差的影响，提高结果的可靠性，本文采用高程分段法(Berthier et al., 2004)进行统计分析.该方法的基本原理为：假定在某冰川作用区，一定高程范围内(如：6000~6100 m)的像元具有相似高程变化结果，从而根据DEM将整个冰川区分割成多个连续高程段(如：6000~6100 m、6100~6200 m和6200~6300 m等)，然后分别计算各个高程段的冰川平均高程变化，最后根据各个高程段的冰川面积，采用面积加权方法，统计冰川区平均值.
2.2.2 冰川高程变化到质量平衡的转换将冰川高程变化转换为冰川质量平衡，需要已知DEM获取时间间隔内冰川区所增加和损失物质的密度.但是，青藏高原冰川分布较为分散，且位于气候条件和交通状况都比较恶劣的高海拔区域，难以到达，缺乏长期、连续的冰雪物质密度测量数据(Gardelle et al., 2013；Zhou et al., 2018).本文采用Huss (2013)提出的冰川平均密度参数：850 kg·m-3，将冰川高程变化结果转换为冰川质量平衡.结合高程分段法计算冰川高程变化平均值的基本原理，冰川质量平衡(ΔBorigin)计算公式为
|
(1) |
式中，dh是冰川区高程变化的平均值；ρ是本文采用的冰川增加和亏损物质的平均密度参数(850 kg·m-3)；ρw为水的密度(1000 kg·m-3)；dhi和Ni分别为第i个高程段的平均冰川高程变化值和像元个数.
2.2.3 C-band/X-band雷达波穿透性差异的改正SRTM-C DEM和TanDEM-X DEM分别由C-band和X-band雷达干涉测量系统获取的数据生成，因此需要对C-band和X-band雷达波信号在普若岗日、格拉丹东和西念青唐古拉等冰川区的穿透性差异进行改正(Rignot et al., 2001).航天飞机雷达制图计划同时搭载了C-band和X-band雷达测图系统，本文采用对比SRTM-C DEM和SRTM-X DEM方法，分别估算各个冰川区的雷达波穿透性差异改正值(陈安安等，2017；Li et al., 2018).主要处理步骤概述如下：对两种DEM数据进行精确配准，并剔除粗差；然后利用高程分段统计法计算冰川区穿透性差异的平均值，即为改正值.由于格拉丹东冰川区基本不存在SRTM-X DEM覆盖，本文采用临近普若岗日冰川区的穿透性差异改正值(Kääb et al., 2015).
2.2.4 年平均冰川质量平衡的解算对于雷达波穿透性差异改正之后的冰川质量平衡结果，除以SRTM和TanDEM-X数据获取时间的年份差，即可解算年平均冰川质量平衡，具体公式为
|
(2) |
式中ΔB为年平均冰川质量平衡；dhpene为X-band和C-band雷达波信号在冰川区穿透性差异的平均值；t为SRTM和TanDEM-X数据获取时间的年份差；其他参数的含义与公式(1)相同.需要说明的是，各个冰川研究区TanDEM-X双站SAR数据获取的日期从2011年11月到2014年3月(见表 1)，并不完全一致，其中以2012年获取的数据最多.为了便于后续分析和估算区域性冰川质量变化，本文假定2012—2014年的冰川质量平衡与2000—2012年保持一致，从而将所有冰川区的冰川质量平衡结果统一到时间区间：2000—2012年.
2.2.5 流域冰川质量变化的推估由于色林错流域区的面积相对较小，且处于较为封闭的地理环境中，流域内的气候条件基本一致，因此本文假设该流域内的冰川在2000—2012年基本呈现相同或者相似的质量变化(Yao et al., 2012).据此利用面积加权方法推估流域冰川质量变化，具体计算公式为
|
(3) |
式中，ΔM为整个流域的冰川质量变化；ΔBj和Sj分别为第j个冰川研究区的冰川质量平衡和冰川面积；Sbasin为流域冰川总面积.
2.3 卫星测高数据和湖泊水量变化的计算2003年，由美国国家航空航天局发射的ICESat是首颗搭载了激光测距传感器的卫星(Schutz et al., 2005).ICESat沿设定的近极地轨道飞行，轨道高度为600 km，轨道倾角约94°(Zwally et al., 2002).该卫星所搭载的地学激光测高系统可以对地球表面高程进行高精度测量，地面观测点的直径约为40~70 m，在坡度较小的平坦区域(比如：湖面和海面等)，其高程测量精度可以达到0.1 m(Kääb，2008).2010年，欧空局发射了一颗专门研究冰冻圈的测高卫星Cryosat-2，卫星的近极地非太阳同步轨道平均高度717 km，轨道倾角92°(Laxon et al., 2013).卫星搭载的SIRAL雷达高度计，具有合成孔径雷达干涉测量模式(SAR Interferometric, SARIn)，能够较高精度进行地面高程测量.
本文以ICESat(数据下载网站为http://nsidc.org/data/icesat)和Cryosat-2(数据下载网站为ftp://science-pds.cryosat.esa.int)测高卫星所获取的地面高程数据为基础，结合Pekel等(2016)的湖泊边界数据，估计青藏高原内流区5Z2子流域2003—2012年的湖泊水位和水量变化.为了抑制随机误差对湖泊水面高程计算结果的影响，对于某一湖泊表面同一时间获取的多个卫星测高数据，本文以三倍中误差为阈值去除随机误差较大的数据.在此基础上，计算得到的卫星测高数据平均值，即为该湖泊此时刻的表面高程.此外，对于面积小于10 km2的湖泊，测高卫星重复观测往往非常有限，难以准确估计湖泊水面高程变化趋势，因此本文不计算此类小湖泊的水位和水量变化结果.
3 结果与讨论 3.1 冰川高程变化图 2为通过比较SRTM-C DEM和TanDEM-X DEM得到的普若岗日、格拉丹东和西念青唐古拉等三个研究区的冰川表面高程变化结果.由图可知，这些冰川研究区的冰舌部分(特别是冰川末端)均存在不同程度的表面高程减薄现象(跃动冰川除外)，其最大减薄量可以达到约90 m；而在海拔较高的冰川上部，表面高程减薄大大缓解，甚至在部分区域存在表面高程增加的情况.对比三个冰川研究区的冰舌区域，我们发现西念青唐古拉表面高程降低最为强烈(图 2c)，格拉丹东相对较为缓和(图 2b)，而普若岗日的表面高程减薄最为缓慢(图 2a).根据上述DEM差值结果，采用高程分段法统计得到各个冰川区的高程变化平均值依次为：1.95±0.18 m、0.43±0.13 m和-1.44±0.32 m.值得注意的是，由于C-band和X-band雷达波信号在冰川区的穿透性存在明显差异，以上结果并不是实际的冰川高程变化，在将其转换为冰川质量平衡之前，需要进一步改正雷达波穿透性差异.
|
图 2 SRTM-C DEM和TanDEM-X DEM差值的结果 (a)普若岗日；(b)格拉丹东；(c)西念青唐古拉. Fig. 2 Results derived by subtracting SRTM-C DEM from TanDEM-X DEM (a) Puruogangri; (b) Geladandong; (c) Western Nyainqentanglha. |
图 3为普若岗日和西念青唐古拉冰川区SRTM-X/C DEM差值的高程分段统计结果，及其与海拔高程的关系.图中结果表明，C/X band雷达波穿透性差异与海拔高程之间呈现比较明显的正相关，即随着高程上升，穿透性差异值表现出加大的趋势.引起这种正相关现象的原因主要为：相对于X-band雷达波而言，C-band雷达波信号对于积雪和冰的穿透性差异更加显著(Hoen and Zebker, 2000；Dehecq et al., 2016).在青藏高原山地冰川，高海拔地区的温度相对较低，降雪更加容易保存，从而相较于低海拔地区，会存在更厚的积雪覆盖(杨俊华等，2012).因此，在积雪更深的高海拔地区，C/X band雷达波穿透性差异会显著增加.
|
图 3 雷达波信号穿透性差异与海拔高程的关系 (a)普若岗日；(b)西念青唐古拉. Fig. 3 Relationship between the penetration difference of radar wave signal and elevation (a) Puruogangri; (b) Western Nyainqentanglha. |
根据上述SRTM-X/C DEM差值结果，本文统计得到普若岗日和西念青唐古拉冰川区的C/X band雷达波穿透性差异分别为：2.23±0.33 m和0.58±0.31 m(格拉丹东冰川区的雷达波穿透性差异值则为：2.23±0.66 m).与陈安安等(2017)的结果相比(普若岗日和西念青唐古拉冰川区依次为：3.5±0.7 m和0.8±0.5 m)，本文估计的穿透性差异相对较小.但是，考虑到不确定性的大小，两者结果较为一致，存在差别的主要原因是统计平均值方法的不同.具体而言，本文采用高程分段法计算穿透性差异平均值，而陈安安等(2017)则直接对冰川区的SRTM-X/C DEM差值结果进行平均处理.由于本文统计方法剔除了粗差，并有效地抑制了随机误差的影响，因此计算的平均值具有更小的不确定性.
3.2.2 多年平均冰川质量平衡在利用统计的雷达波信号穿透性差异平均值对冰川区SRTM-C DEM和TanDEM-X DEM差值结果进行改正的基础上，本文结合冰川物质密度参数(本文为850±60 kg·m-3)，将冰川高程变化结果转换为冰川质量平衡.从而计算得到普若岗日、格拉丹东和西念青唐古拉等冰川区2000—2012年的平均冰川质量平衡结果分别为：-0.020±0.030、-0.128±0.049、-0.143±0.032 m·w.e.·a-1.由此可知，除了普若岗日地区的冰川处于相对稳定状态以外，其他两个冰川区均存在较为明显的冰川质量亏损现象，其中西念青唐古拉冰川质量亏损最为严重.
Neckel等(2014)利用ICESat测高数据估算出西念青唐古拉2003—2009年的冰川质量平衡为-0.20±0.29 m·w.e.·a-1.与本文估算的2000—2012年结果(-0.143±0.032 m·w.e.·a-1)相比，相差了大约-0.057 m·w.e.·a-1.值得注意的是，由于ICESat测高数据的覆盖范围有限，Neckel等(2014)估算结果的精度要远远低于本文研究结果的精度，因此本文估算的多年平均质量平衡结果更加可靠.此外，我们对扎当冰川进行了独立解算，其冰川质量平衡结果为：-0.563±0.071 m·w.e.·a-1，与2005—2008的实测结果(-0.59 m·w.e.·a-1)基本一致(Yao et al., 2010).
3.3 湖泊水位和水量变化图 4为ICESat和Cryosat-2测高卫星获取的纳木错和色林错(色林错流域区内面积最大的两个湖泊)水面高程时间序列结果.由图可知，色林错的湖面升高速度明显大于纳木错，并且该湖泊的水位2003—2012年期间一直处于持续增高趋势.但是，如图 4a所示，纳木错的水位上升速率则在2010年之后出现了显著下降，其2010—2012年湖泊水位基本稳定.总的说来，纳木错和色林错在2003—2012年期间都发生了明显的水位上升，两个湖泊的水位上升年平均速率分别为：0.145±0.014 m·a-1和0.521±0.013 m·a-1.目前，已有研究利用ICESat激光测高数据观测纳木错和色林错2003—2009年的水位变化结果分别为0.18~0.25 m·a-1和0.62~0.69 m·a-1 (Zhang et al., 2011；Wang et al., 2013；Li et al., 2014；Song et al., 2014)，其平均值分别为：0.21 m·a-1和0.66 m·a-1.此外，Jiang等(2017)利用Cryosat-2 SARIn模式测高数据观测纳木错和色林错2010—2015年的水位上升速率为：0.012 m·a-1和0.374 m·a-1.综合上述文献的水位变化速率结果，估算得到纳木错和色林错2003—2012年的水位变化年平均速率为：0.153 m·a-1和0.571 m·a-1，与本文观测结果基本一致.
|
图 4 纳木错(a)和色林错(b)的湖面高程时间序列卫星测高结果 Fig. 4 Time series of lake elevations observed from satellite altimetry over the Nam Co (a) and Siling Co (b) |
对于整个色林错流域区，在2003—2012年期间，ICESat和Cryosat-2测高卫星共同观测了30个湖泊的水面高程变化(具体结果见附表).在此时间范围内，色林错流域区的内流湖泊以水位上升、水量增加为主，共有25个湖泊的水位出现了明显上升(最大上升速度达到0.682±0.045 m·a-1)；而水位降低的湖泊则相对较少，数量仅为5个，且水位下降速度相对较小(最快下降速度仅为-0.042±0.031 m·a-1).根据附表中的湖泊水位上升速率结果和湖泊面积数据，统计得到2003—2012年青藏高原色林错流域区所有湖泊的平均水位上升速率为：0.311±0.021 m·a-1；湖泊水量增加的年平均速率为：3.006±0.202 Gt·a-1.
3.4 流域冰川质量变化及其对湖泊水量变化的影响根据普若岗日、格拉丹东和西念青唐古拉等研究区位于色林错流域区范围内的冰川质量平衡观测结果，我们推估出该子流域2000—2012年冰川质量变化为：-0.166±0.021 Gt·a-1.本文在对色林错流域区所有冰川边界进行校正的基础上，根据该子流域的地理范围，统计得到上述三个冰川研究区位于流域范围内的冰川面积为：627.59 km2，占色林错流域区冰川总面积(1031.96 km2)的比例为60.82%.因此，本文冰川质量平衡观测结果，基本代表了色林错流域区的冰川消融状态，证实了上述流域冰川质量变化推估结果的可靠性.
考虑到冰川质量变化(2000—2012年)和湖泊水量变化(2003—2012年)的观测时间存在差别，本文假设2000—2012年色林错流域区湖泊水量增加速率保持不变.利用本文冰川质量平衡和湖泊水量变化观测结果，分析得到2000—2012年青藏高原色林错流域区冰川质量变化对湖泊水量增加的贡献为：5.52%±1.07%.根据流域水质量平衡原理，青藏高原内流区湖泊水量变化的影响因素主要为：降水、蒸发、冰川融水和冻土融水等(Zhang et al., 2017).因此，本文结果表明：冰川消融对色林错流域区湖泊水量变化的影响较小，降水、蒸发和冻土融水等共同主导湖泊水位上升.上述观点与Lei等(2013)在色林错、蓬错和纳木错等湖泊的研究结果基本一致，他们发现1999—2010年期间，上述湖泊水量增加的主要原因是降水增加和蒸发减少(约占70%)；而冰川质量变化对三个湖泊水量增加的贡献较小，百分比依次为：11.7%、28.7%和11.4%.但是，Lei等(2013)仅利用小冬克玛底、扎当和中习冰川的实地测量冰川质量平衡结果，推估各个湖泊流域的冰川消融量.由于上述冰川的规模相对较小，且小冬克玛底冰川不位于色林错流域范围内.因此，在冰川质量平衡空间差异较为显著的5Z2流域，上述三条小冰川的观测结果并不能完全代表各个湖泊流域的冰川质量变化，从而使得Lei等(2013)估算出的结果存在较大偏差，冰川消融贡献的百分比数值明显偏大.
4 结论本文首先通过对比SRTM-C DEM和TanDEM-X DEM得到青藏高原色林错流域区普若岗日、格拉丹东和西念青唐古拉等主要冰川区的2000—2012年表面高程变化.然后采用高程分段法统计冰川高程变化的平均值，并结合冰川密度参数，精确估算出上述三个冰川区的多年平均冰川质量平衡结果，依次为：-0.020±0.030、-0.128±0.049、-0.143±0.032 m·w.e.·a-1.在此基础上，采用面积加权方法，准确推估出色林错流域区的冰川质量变化为：-0.166±0.021 Gt·a-1.此外，利用ICESat和Cryosat-2测高卫星获取的2003—2012年湖泊水面高程数据，估算出该子流域湖泊水量增加的年平均速率为：3.006±0.202 Gt·a-1，从而定量评估冰川消融对色林错流域区湖泊水位上升的贡献，其百分比仅为：5.52%±1.07%.因此，青藏高原色林错流域区21世纪初期湖泊水量变化的主要原因不是冰川消融.本文研究成果对青藏高原内流区的水资源管理和生态环境保护具有重要意义.在以后的工作中，我们将进一步扩大研究区域范围，精确估算青藏高原各个流域的冰川质量变化，定量估计冰川消融对高原水资源的影响.
致谢 美国国家航空航天局提供了SRTM-C DEM和ICESat卫星测高数据，德国宇航局提供了TanDEM-X双站InSAR数据，欧洲空间局提供了CryoSat-2卫星测高数据，中国寒区旱区科学数据中心提供了中国第二次冰川编目数据集，特此致谢.
Becek K. 2008. Investigation of elevation bias of the SRTM C-and X-band digital elevation models. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Beijing: IAPRS: 105-110.
|
Berthier E, Arnaud Y, Baratoux D, et al. 2004. Recent rapid thinning of the "Mer de Glace" glacier derived from satellite optical images. Geophysical Research Letters, 31(17): L17401. DOI:10.1029/2004GL020706 |
Bian D, Bian B, La B, et al. 2010. The response of water level of Selin Co to climate change during 1975-2008. Acta Geographica Sinica (in Chinese), 65(3): 313-319. |
Chen A A, Li Z, He J Q, et al. 2017. Study of penetration depth for the SRTM C-band DEM in the glacier area over the High Mountain Asia. Journal of Glaciology and Geocryology (in Chinese), 40(1): 26-37. |
Dehecq A, Millan R, Berthier E, et al. 2016. Elevation changes inferred from TanDEM-X data over the Mont-Blanc area:Impact of the X-band interferometric bias. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(8): 3870-3882. DOI:10.1109/JSTARS.2016.2581482 |
Gardelle J, Berthier E, Arnaud Y. 2012. Impact of resolution and radar penetration on glacier elevation changes computed from DEM differencing. Journal of Glaciology, 58(208): 419-422. DOI:10.3189/2012JoG11J175 |
Gardelle J, Berthier E, Arnaud Y, et al. 2013. Corrigendum to "Region-wide glacier mass balances over the Pamir-Karakoram-Himalaya during 1999-2011" published in The Cryosphere, 7, 1263-1286, 2013. The Cryosphere, 7(6): 1885-1886. DOI:10.5194/tc-7-1885-2013 |
Guo W Q, Liu S Y, Xu J L, et al. 2015. The second Chinese glacier inventory:Data, methods and results. Journal of Glaciology, 61(226): 357-372. DOI:10.3189/2015JoG14J209 |
Hoen E W, Zebker H A. 2000. Penetration depths inferred from interferometric volume decorrelation observed over the Greenland ice sheet. IEEE Transactions on Geoscience and Remote Sensing, 38(6): 2571-2583. DOI:10.1109/36.885204 |
Huss M. 2013. Density assumptions for converting geodetic glacier volume change to mass change. The Cryosphere, 7(3): 877-887. DOI:10.5194/tc-7-877-2013 |
Jiang L G, Nielsen K, Andersen B, et al. 2017. Monitoring recent lake level variations on the Tibetan Plateau using CryoSat-2 SARIn mode data. Journal of Hydrology, 544: 109-124. DOI:10.1016/j.jhydrol.2016.11.024 |
Kääb A. 2008. Glacier volume changes using ASTER satellite stereo and ICESat GLAS laser altimetry. A test study on Edgeøya, Eastern Svalbard. IEEE Transactions on Geoscience and Remote Sensing, 46(10): 2823-2830. DOI:10.1109/TGRS.2008.2000627 |
Kääb A, Treichler D, Nuth C, et al. 2015. Brief Communication:Contending estimates of 2003-2008 glacier mass balance over the Pamir-Karakoram-Himalaya. The Cryosphere, 9(2): 557-564. DOI:10.5194/tc-9-557-2015 |
Krieger G, Moreira A, Fiedler H, et al. 2007. TanDEM-X:A satellite formation for high-resolution SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 45(11): 3317-3341. DOI:10.1109/TGRS.2007.900693 |
Laxon S W, Giles K A, Ridout A L, et al. 2013. CryoSat-2 estimates of Arctic sea ice thickness and volume. Geophysical Research Letters, 40(4): 732-737. DOI:10.1002/grl.50193 |
Lei Y B, Yao T D, Bird B W, et al. 2013. Coherent lake growth on the central Tibetan Plateau since the 1970s:Characterization and attribution. Journal of Hydrology, 483: 61-67. DOI:10.1016/j.jhydrol.2013.01.003 |
Li G, Lin H, Ye Q H. 2018. Heterogeneous decadal glacier downwasting at the Mt. Everest (Qomolangma) from 2000 to~2012 based on multi-baseline bistatic SAR interferometry. Remote Sensing of Environment, 206: 336-349. |
Li Y K, Liao J J, Guo H D, et al. 2014. Patterns and potential drivers of dramatic changes in Tibetan lakes, 1972-2010. PLoS One, 9(11): e111890. DOI:10.1371/journal.pone.0111890 |
Liu L, Jiang L M, Sun Y F, et al. 2016a. Morphometric controls on glacier mass balance of the Puruogangri ice field, Central Tibetan Plateau. Water, 8(11): 496. DOI:10.3390/w8110496 |
Liu L, Jiang L M, Sun Y F, et al. 2016b. Glacier elevation changes (2012-2016) of the Puruogangri ice field on the Tibetan Plateau derived from bi-temporal TanDEM-X InSAR data. International Journal of Remote Sensing, 37(24): 5687-5707. DOI:10.1080/01431161.2016.1246777 |
Liu Z X, Su Z, Yao T D, et al. 2000. Resources and distribution of glaciers on the Tibetan Plateau. Resources Science (in Chinese), 22(5): 49-52. |
Meng K, Shi X H, Wang E, et al. 2012. High-altitude salt lake elevation changes and glacial ablation in Central Tibet, 2000-2010. Chinese Science Bulletin, 57(5): 525-534. DOI:10.1007/s11434-011-4849-5 |
Neckel N, Kropáek J, Bolch T, et al. 2014. Glacier mass changes on the Tibetan Plateau 2003-2009 derived from ICESat laser altimetry measurements. Environmental Research Letters, 9(1): 014009. DOI:10.1088/1748-9326/9/1/014009 |
Nuth C, Kääb A. 2011. Co-registration and bias corrections of satellite elevation data sets for quantifying glacier thickness change. The Cryosphere, 5(1): 271-290. DOI:10.5194/tc-5-271-2011 |
Paul F, Bolch T, Kääb A, et al. 2015. The glaciers climate change initiative:Methods for creating glacier area, elevation change and velocity products. Remote Sensing of Environment, 162: 408-426. DOI:10.1016/j.rse.2013.07.043 |
Pekel J F, Cottam A, Gorelick N, et al. 2016. High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633): 418-422. DOI:10.1038/nature20584 |
Pu J C, Yao T D, Wang N L, et al. 2004. Fluctuations of the glaciers on the Qinghai-Tibetan Plateau during the past century. Journal of Glaciology and Geocryology (in Chinese), 26(5): 517-522. |
Qi W W, Zhang B P, Pang Y, et al. 2013. TRMM-data-based spatial and seasonal patterns of precipitation in the Qinghai-Tibet Plateau. Scientia Geographica Sinica (in Chinese), 33(8): 999-1005. |
Rignot E, Echelmeyer K, Krabill W. 2001. Penetration depth of interferometric synthetic-aperture radar signals in snow and ice. Geophysical Research Letters, 28(18): 3501-3504. DOI:10.1029/2000GL012484 |
Rodríguez E, Morris C S, Belz J E. 2006. A global assessment of the SRTM performance. Photogrammetric Engineering and Remote Sensing, 72(3): 249-260. DOI:10.14358/PERS.72.3.249 |
Schutz B E, Zwally H J, Shuman C A, et al. 2005. Overview of the ICESat mission. Geophysical Research Letters, 32(21): L21S01. DOI:10.1029/2005GL024009 |
Shi Y F, Liu C H, Wang Z T, et al. 2005. Concise glacier inventory of China. Shanghai: Shanghai Popular Science Press.
|
Song C Q, Huang B, Ke L H, et al. 2014. Seasonal and abrupt changes in the water level of closed lakes on the Tibetan Plateau and implications for climate impacts. Journal of Hydrology, 514: 131-144. DOI:10.1016/j.jhydrol.2014.04.018 |
Song C Q, Ye Q H, Sheng Y W, et al. 2015. Combined ICESat and CryoSat-2 altimetry for accessing water level dynamics of Tibetan Lakes over 2003-2014. Water, 7(9): 4685-4700. |
Wang X W, Gong P, Zhao Y Y, et al. 2013. Water-level changes in China's large lakes determined from ICESat/GLAS data. Remote Sensing of Environment, 132: 131-144. DOI:10.1016/j.rse.2013.01.005 |
Wu Y H, Zhu L P, Ye Q H, et al. 2007. The response of lake-glacier area change to climate variations in Namco basin, central Tibetan plateau, during the last three decades. Acta Geographica Sinica (in Chinese), 62(3): 301-311. |
Xie Z C, Liu C H. 2010. An introduction to glaciology. Shanghai: Shanghai Popular Science Press.
|
Yang J H, Qin X, Wu J K, et al. 2012. Distribution and variation of spring snow cover in Laohugou watershed of the Qilian Mountains. Journal of Glaciology and Geocryology (in Chinese), 34(5): 1091-1098. |
Yao T D, Li Z G, Yang W, et al. 2010. Glacial distribution and mass balance in the Yarlung Zangbo River and its influence on lakes. Chinese Science Bulletin, 55(20): 2072-2078. DOI:10.1007/s11434-010-3213-5 |
Yao T D, Thompson L, Yang W, et al. 2012. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings. Nature Climate Change, 2(9): 663-667. DOI:10.1038/nclimate1580 |
Zhang G Q, Xie H J, Kang S C, et al. 2011. Monitoring lake level changes on the Tibetan Plateau using ICESat altimetry data (2003-2009). Remote Sensing of Environment, 115(7): 1733-1742. DOI:10.1016/j.rse.2011.03.005 |
Zhang G Q, Yao T D, Piao S L, et al. 2017. Extensive and drastically different alpine lake changes on Asia's high plateaus during the past four decades. Geophysical Research Letters, 44(1): 252-260. DOI:10.1002/2016GL072033 |
Zheng D, Li B Y. 1990. Evolution and differentiation of the physico-geographical environment of the Qinghai-Xizang (Tibetan) Plateau. Journal of Chinese Geography (in Chinese), 9(2): 1-10. |
Zhou Y S, Li Z W, Li J, et al. 2018. 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. Remote Sensing of Environment, 210: 96-112. DOI:10.1016/j.rse.2018.03.020 |
Zwally H J, Schutz B, Abdalati W, et al. 2002. ICESat's laser measurements of polar ice, atmosphere, ocean, and land. Journal of Geodynamics, 34(3-4): 405-445. DOI:10.1016/S0264-3707(02)00042-X |
边多, 边巴次仁, 拉巴, 等. 2010. 1975-2008年西藏色林错湖面变化对气候变化的响应. 地理学报, 65(3): 313-319. |
陈安安, 李真, 贺建桥, 等. 2017. 高亚洲冰川区SRTM C-波段DEM数据透射深度研究. 冰川冻土, 40(1): 26-37. |
刘宗香, 苏珍, 姚檀栋, 等. 2000. 青藏高原冰川资源及其分布特征. 资源科学, 22(5): 49-52. DOI:10.3321/j.issn:1007-7588.2000.05.011 |
蒲健辰, 姚檀栋, 王宁练, 等. 2004. 近百年来青藏高原冰川的进退变化. 冰川冻土, 26(5): 517-522. DOI:10.3969/j.issn.1000-0240.2004.05.001 |
齐文文, 张百平, 庞宇, 等. 2013. 基于TRMM数据的青藏高原降水的空间和季节分布特征. 地理科学, 33(8): 999-1005. |
施雅风, 刘潮海, 王宗太, 等. 2005. 简明中国冰川目录. 上海: 上海科学普及出版社.
|
吴艳红, 朱立平, 叶庆华, 等. 2007. 纳木错流域近30年来湖泊-冰川变化对气候的响应. 地理学报, 62(3): 301-311. DOI:10.3321/j.issn:0375-5444.2007.03.007 |
谢自楚, 刘潮海. 2010. 冰川学导论. 上海: 上海科学普及出版社.
|
杨俊华, 秦翔, 吴锦奎, 等. 2012. 祁连山老虎沟流域春季积雪属性的分布及变化特征. 冰川冻土, 34(5): 1091-1098. |
姚檀栋, 刘时银, 蒲健辰, 等. 2004. 高亚洲冰川的近期退缩及其对西北水资源的影响. 中国科学D辑:地球科学, 34(6): 535-543. |
郑度, 李炳元. 1990. 青藏高原自然环境的演化与分异. 地理研究, 9(2): 1-10. |