田洪陣， 肖 月，2， 楊太保， 劉沁萍， 張開帆，2

（1.天津工業(yè)大學經(jīng)濟與管理學院，天津 300387； 2.天津工業(yè)大學環(huán)境科學與工程學院，天津 300387； 3.蘭州大學資源環(huán)境學院冰川與生態(tài)地理研究所，甘肅蘭州 730000； 4.蘭州大學資源環(huán)境學院，甘肅蘭州 730000）

0 引言

冰川是氣候變化的指示器［1］，研究不同區(qū)域的冰川變化有助于了解氣候變化的空間差異［2］。冰川同時也是重要的固態(tài)水庫［3］，在我國西北干旱和半干旱地區(qū)，冰雪融水是河流的重要補給來源，對下游河流的徑流具有重要的調(diào)節(jié)作用［4-5］。認識冰川變化與氣候變化之間的關系，特別是冰川對氣候變化的響應模式，對于冰川資源的保護和利用以及氣候變化規(guī)律的揭示都具有重要意義。

影響冰川變化的主要氣候因子是氣溫和降水［6］。阿爾金山地處內(nèi)陸干旱區(qū)，介于塔克拉瑪干沙漠和柴達木盆地沙漠之間，是我國最干旱的山脈［7］，降水量極低，過去幾十年降水變化不大［8-9］，因而降水對冰川變化的影響有限，而氣溫變化對冰川的作用更直接、更大，因而成為研究冰川變化對氣溫變化響應模式的理想場所。相對于我國的其他山脈［10-18］，阿爾金山地區(qū)的冰川研究較少［8-9，19-21］。近年來，祝合勇等［19，21］和胡凡盛等［9］利用Landsat 影像，研究了該區(qū)的冰川變化，發(fā)現(xiàn)了近40 年來該區(qū)冰川面積變化的基本規(guī)律以及與氣候變化之間的基本關系，即氣溫升高是冰川退縮的主要因素。另外，張聰?shù)龋?0］基于第一、二次冰川編目數(shù)據(jù)和Landsat OLI 影像，研究了該區(qū)冰川長度變化及其對氣候變化的響應。已有研究大大提高了我們對該區(qū)冰川變化及其與氣候變化的關系的認識水平，但是已有研究的時間分辨率不夠高（時間間隔多在十年以上），同時缺少反映最新變化的冰川與氣候數(shù)據(jù)，關于冰川變化對氣溫變化響應模式的研究尚不夠深入，需要開展進一步研究。本文的目標：（1）獲取更高時間分辨率的冰川邊界信息（近30年冰川邊界的時間間隔為5 年）；（2）探討冰川面積變化對氣溫變化的響應模式。

1 研究區(qū)概況

阿爾金山位于青藏高原西北邊緣，東接祁連山，西鄰昆侖山，南鄰柴達木盆地，北鄰塔里木盆地，地處甘肅、青海和新疆三省交界處［19，21］，地理位置處于85°52′～94°21′E，37°30′～39°36′N 之間，長約765 km，寬約60～130 km，總面積約6.2×104km2，平均海拔4 000 m 以上，呈西南—東北走向，地勢西高東低。該區(qū)屬于青藏高原干燥寒帶氣候，降水稀少，極為干旱，是亞洲中部最干旱的山地［7］。該區(qū)冰川規(guī)模較小，多在10 km2以下，屬極大陸型冰川［6］。發(fā)源于阿爾金山的主要河流有米蘭河、若羌河、瓦石峽河、塔什薩依河等，冰川融水是這些河流的重要補給來源。

2 數(shù)據(jù)和方法

2.1 氣象數(shù)據(jù)及處理

所用的年平均氣溫、夏季平均氣溫（6—8 月份）和年降水量等氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http：//data. cma. cn/）的中國地面氣候資料年值數(shù)據(jù)集和月值數(shù)據(jù)集。本文選取了距離阿爾金山較近的且末（38°09′N、85°33′E、1 247 m）、若羌（39°02′N、88°10′E、888 m）、茫崖（38°15′N、90°51′E、2 945 m）和冷湖（38°45′N、93°20′E、2 770 m）（圖1）4個氣象站點的氣象數(shù)據(jù)。

圖1 研究區(qū)位置及2020年冰川分布Fig.1 Location of study area and glacier distribution in 2020

中國氣象數(shù)據(jù)網(wǎng)所提供的數(shù)據(jù)中，若羌和茫崖的氣象資料到2012 年，且末和冷湖的氣象資料到2020 年，為反映阿爾金山地區(qū)的氣溫變化，我們使用了四個站點的平均值。1970—2012 年的年平均氣溫和夏季平均氣溫為四個站點的平均值，2013—2020 年的年平均氣溫和夏季平均氣溫為且末和冷湖兩個站點的平均值。為保證數(shù)據(jù)的一致性，對2013—2020 的數(shù)據(jù)進行了校正。校正方法：對1970—2012 年且末、若羌、茫崖和冷湖四個站點的平均值與且末和冷湖兩個站點的數(shù)值進行線性回歸，年平均氣溫和夏季平均氣溫線性回歸的R2分別為0.876 和0.887，再利用回歸方程校正2013—2020年的數(shù)據(jù)，最終得到1970—2020年的年平均氣溫和夏季平均氣溫數(shù)據(jù)。1970—2020 年的氣象數(shù)據(jù)用于分析研究區(qū)的氣候變化，并采用了Mann-Kendall方法［22-23］對年平均氣溫和夏季平均氣溫的變化趨勢進行了分析。

2.2 數(shù)字高程數(shù)據(jù)

數(shù)字高程數(shù)據(jù)為NASADEM，來源于美國航空航天局（National Aeronautics and Space Administration，NASA）（https：//earthdata. nasa. gov/），其空間分辨率為1 弧秒。該數(shù)據(jù)集是SRTM 數(shù)據(jù)的升級版，在制作時采用了新的算法并融合了更多數(shù)據(jù)集，其空間覆蓋范圍為60°N～56°S。該數(shù)據(jù)主要用于輔助提取冰川邊界和分析冰川變化。

2.3 遙感數(shù)據(jù)及冰川提取方法

2.3.1 遙感數(shù)據(jù)

用于提取冰川邊界的遙感數(shù)據(jù)為1973年、1990年、1995 年、2000 年、2005 年、2010 年、2015、2020 年8 個時期的Landsat MSS、TM 和OLI 影像，影像來源于美國地質(zhì)調(diào)查局網(wǎng)站（http：//www. usgs. gov/）。影像處理級別為L1TP，已經(jīng)進行過輻射校正和地形校正，遙感影像處理的詳細信息可通過訪問美國地質(zhì)調(diào)查局網(wǎng)站（https：//www.usgs.gov）了解。云、雪是影響冰川提取的主要因素，其中積雪的影響又比云的影響更嚴重。因為消融季節(jié)（5—9月）的影像受積雪影響最小，因此我們盡量選取這個季節(jié)的影像，另外我們盡量選取受云覆蓋影響較小的影像。當出現(xiàn)無適宜影像時，我們選擇了臨近年份的影像進行替代。本文共選用了36幅影像，詳細信息見表1。

表1 所用遙感影像列表Table 1 The Landsat scenes utilized in this study

2.3.2 冰川處理與精度評估

冰川提取方法較多，然而目視解譯依然是最可靠，精度最高的，但是也是最費時費力的。所以常用的方法是自動解譯與人工識別相結(jié)合，在自動解譯的基礎上進行人工修正。因Landsat MSS 傳感器無短波紅外波段，因此本文直接采用目視解譯MSS影像上的冰川邊界。本研究采用了比值閾值法，即紅色波段（red）與短波紅外波段（Short-wave Infrared）的比值方法用于處理Landsat TM 和OLI 影像。該方法已被廣泛應用于冰川邊界的提取，其誤差在3%～5%左右［10，24-26］。首先，使用ENVI 5.2 軟件計算紅色波段與短波紅外波段的比值，再利用比值閾值分割方法提取冰川，通過多次試驗對比最終確定TM 影像的閾值為2.6，OLI 影像的閾值為1.8。為減少水體的影響，避免誤分類，利用數(shù)字高程數(shù)據(jù)進行掩模處理，對于高程低于4 200 m 的區(qū)域不進行冰川邊界的提取。然后，將提取結(jié)果轉(zhuǎn)換成shapefile 格式，在ArcGIS 10.8 中進行目視修正。把紅色、綠色、藍色波段組合得到的真彩色影像和短波紅外、近紅外、紅色波段組合得到的假彩色影像和數(shù)字高程數(shù)據(jù)作為底圖，通過人工方式修正冰川邊界。在解譯時，我們對比了不同時期的影像，以便更好判別積雪的影響，提高冰川的解譯精度。因基巖突出和冰磧物覆蓋的影響，在冰川區(qū)會出現(xiàn)小面積的孔洞，因產(chǎn)生這些孔洞的主要原因是冰磧物，所以為減少其影響，我們剔除了冰川上面積小于8 100 m2的孔洞；為減少MSS 影像中殘余雪斑的影響，我們刪除了面積小于0.05 km2的多邊形［10，26］。

利用數(shù)字高程數(shù)據(jù)，通過目視方法提取了山脊線，并參考了第二次冰川編目數(shù)據(jù)對流域進行了劃分，最后利用流域數(shù)據(jù)對冰川進行切割，劃分出來單條冰川。以100 m 間隔對高程數(shù)據(jù)進行再分類，用于統(tǒng)計不同高程的冰川面積分布和變化。利用高程數(shù)據(jù)計算出了山體的坡向數(shù)據(jù)，并按照八個方位進行再分類，用于統(tǒng)計不同坡向的冰川面積分布和變化。所有計算統(tǒng)計工作均采用Arc-GIS 10.8。

影響冰川邊界提取精度的因素較多如影像空間分辨率、光譜分辨率、影像質(zhì)量、提取方法、輔助數(shù)據(jù)、后處理方法等［27］，其中原始影像的空間分辨率影響較大。本文采用緩沖區(qū)法［26，28］計算冰川面積提取的精度，緩沖區(qū)寬度為半個像元即MSS 影像40 m，TM 和OLI 影像15 m。計算不同時期面積變化的誤差時，采用了下面的公式。

式中：EAC為面積變化誤差；EA1為變化前冰川面積的誤差；EA2為變化后冰川面積的誤差。

3 結(jié)果

3.1 冰川分布特征

2020 年阿爾金山地區(qū)有冰川344 條，面積（272.95±18.51）km2（表2），1973—2020年各個時期冰川的空間分布特征基本一致：主要分布在中段（88°42′～89°42′E）［圖1，圖2（b）］，其次是西段（86°29′～87°33′E）［圖1，圖2（c）］，東段最少（93°31′～93°58′E）［圖1，圖2（a）］。2020年中、西、東段冰川的數(shù)量和面積分別是164、138、42 個和（139.31±8.47）、（95.27±7.60）、（38.37±2.44）km2。東段的冰川的平均高程相對于中西段的冰川要低。圖3顯示了5Y624A0001號冰川末端在不同年份的位置。

表2 1973—2020年阿爾金山冰川面積與數(shù)量分布Table 2 Distribution of glacier area and number in the Altun Mountains from 1973 to 2020

圖3 1973年（a）、1990年（b）、1995年（c）、2000年（d）、2005年（e）、2010年（f）、2015年（g）和2020年（h）5Y624A0001號冰川末端［位置如圖2（c），背景為對應時段的Landsat影像］Fig.3 The terminus of Glacier 5Y624A0001 in 1973（a），1990（b），1995（c），2000（d），2005（e），2010（f），2015（g）and 2020（h）（The location of the glacier is shown in Fig.2（c），the background is the Landsat images used to delineate the outlines）

阿爾金山地區(qū)的冰川主要分布在海拔4 800～5 800 m 之間（占冰川總面積的95%以上）［圖4（a）］；規(guī)模2～5 km2的冰川面積總和最大，規(guī)模小于0.1 km2的冰川面積總和最?。蹐D4（b）］；冰川主要分布在北坡，西南坡冰川最少［圖4（c）］；冰川主要分布在坡度5°～45°［圖4（d）］。

圖4 1973—2020年阿爾金山不同高程（a）、規(guī)模（b）、坡向（c）和坡度（d）冰川分布Fig.4 Glacier area distribution by elevation（a），size（b），aspect（c）and slope（d）in the Altun Mountains from 1973 to 2020

3.2 冰川變化特征

1973—2020 年阿爾金山冰川面積減少了（64.89±12.36）km2（19.21%±2.90%），其中東段退縮比例最高（28.91%±5.59%），中段退縮比例最低（14.84%±2.15%）。就全區(qū)來說，退縮速率最快的時期有兩個：1990—1995 年［（1.07±0.08）%·a-1］和1995—2000 年［（1.08±0.08）%·a-1］；2000 年后，年均退縮率都低于0.2%·a-1，退縮速率較慢，冰川比較穩(wěn)定。雖然1990—2000年冰川退縮最快，但是在不同的區(qū)域卻有較大差異，如1990—1995 年，東段與西段的年均退縮率都大于1.6%·a-1，而中段則只有（0.48±0.03）%·a-1；1995—2000 年，東段年均退縮率高達（2.60±0.16）%·a-1，中段（1.35±0.10）%·a-1，西段面積甚至有所增加（圖2，表3）。

表3 不同時段阿爾金山冰川面積年均退縮率Table 3 Annual glacier area change in the Altun Mountains in different time periods

圖2 1973—2020年阿爾金山東（a）、中（b）、西（c）段冰川分布Fig.2 Glacier distribution in the eastern（a），middle（b）and western（c）parts of the Altun Mountains from 1973 to 2020

1973—2020 年，在低海拔地區(qū)冰川面積年均退縮率較高，隨著海拔的升高，退縮率逐漸減少，1990—1995 年和1995—2000 年這兩個時段退縮速率較快［圖5（a）］。冰川規(guī)模越小，其面積年均退縮率越高［圖5（b）］。1973—2020 年西南坡向冰川面積年均退縮率較高，而北坡的退縮率較低，但是在不同時期其變化略有不同，如1990—1995 年間，西坡的冰川退縮最快，其次是西南坡向，1990—1995 年和1995—2000 年這兩個時段退縮速率較快［圖5（c）］。1973—2020 年坡度大的冰川面積年均退縮率較高［圖5（d）］。

圖5 不同時期不同高程（a）、規(guī)模（b）、坡向（c）和坡度（d）阿爾金山冰川面積年均退縮率Fig.5 Annual glacier area change by elevation（a），size（b）aspect（c）and slope（d）in the Altun Mountains in different time periods

3.3 氣候變化特征

年平均氣溫和夏季平均氣溫（6—8 月）的變化可以分成三個階段：1970—1998 年為快速升溫階段；1999—2015 年為氣溫相對比較穩(wěn)定階段，但是在2015 年年平均氣溫出現(xiàn)了突然升高現(xiàn)象；2016—2020 年為降溫趨勢階段［圖6（a）、6（b）］。1970—2020 年年平均氣溫和夏季平均氣溫（6—8 月）整體呈增溫趨勢，并分別于1989 年和1990 年達到顯著水平（置信度95%）。1970—2020 年，四個站點的年降水量無顯著變化趨勢［圖6（c）］。

4 討論

4.1 冰川編目不確定性分析

冰川提取結(jié)果會受到數(shù)據(jù)、方法、操作者等多種因素影響。對于Landsat TM 影像，采用比值閾值法，即紅色波段（red）與短波紅外波段（Short-wave Infrared）的比值方法提取冰川邊界已有大量研究表明其空間誤差在一個像元大小的級別，相對誤差3%～5%左右［10，24-26］。對于Landsat OLI 影像，其空間分辨率、波段與TM 影像相似，其提取結(jié)果的不確定性也應當類似。因此推斷1990 年以后的冰川提取結(jié)果空間誤差在一個像元大小的級別，相對誤差3%～5%左右。1973 年所用的影像為Landsat MSS影像，其空間分辨率低（80 m），波段少，可供選擇的影像少，原始數(shù)據(jù)的質(zhì)量導致其提取結(jié)果的誤差要大。陰影的存在會使得提取結(jié)果的誤差增大，尤其是MSS 影像。所采用的影像受云覆蓋影響較小，但是部分影像還是受到了季節(jié)性積雪的影響，雖然我們通過多個時期的影像對比，盡量排除季節(jié)性積雪的影響，但是也無法完全避免其導致的誤差，因此這些結(jié)果的誤差也會大一些。

4.2 與已有結(jié)果對比分析

我們提取冰川的分布規(guī)律與已有研究結(jié)果如第一和第二次冰川編目數(shù)據(jù)［6，25］以及祝合勇等［19，21］以及胡凡盛等［9］的結(jié)果一致。但是冰川面積在有些年份卻不一致，1973 年我們提取的冰川面積與祝合勇等［19，21］以及胡凡盛等［9］的結(jié)果具有較好的一致性，面積差別均小于4%，而與第一次冰川編目的差別達到6.67%，原因是第一次冰川編目時存在遺漏問題，導致其冰川面積小于我們的研究結(jié)果。2000年左右祝合勇等［19，21］和胡凡盛等［9］的結(jié)果分別高于我們的結(jié)果13.97%和13.15%，主要原因是他們所用的遙感影像受積雪影響較嚴重，導致冰川面積較大。2010 年，在阿爾金山中段，我們所采用的影像與第二次冰川編目的影像相同，因而具有可對比性。第二次冰川編目冰川面積比我們的略高（5.82%），可能原因是沒有進行多個時期影像的對比，積雪在一定程度上影響了研究結(jié)果。2010 年祝合勇等［19，21］和胡凡盛等［9］的結(jié)果以及2015 年胡凡盛等［9］的結(jié)果在整個阿爾金山地區(qū)高于我們8.54%、6.53%和7.20%，可能原因也是受積雪的影響。

4.3 冰川面積變化對氣溫變化的響應

冰川變化受到多種因素的影響，如氣候（氣溫、降水、濕度、風）、局部環(huán)境（高程、坡向）和冰川自身特征（冰川類型、規(guī)模、冰磧物、坡度）。氣候因素尤其是氣溫往往在大的時空尺度上影響冰川變化［2］。

1973—2020 年整個阿爾金山地區(qū)冰川退縮（表3），同時期年平均氣溫和夏季平均氣溫都明顯升高［圖6（a）、6（b）］。1990—1995年和1995—2000年這兩個時期冰川快速退縮（表3），而年平均氣溫和夏季平均氣溫從20世紀80年代中后期至2000年前后快速升高［圖6（a）、6（b）］。2000 年后，冰川相對比較穩(wěn)定（表3），而同期年平均氣溫和夏季平均氣溫也相對穩(wěn)定［圖6（a）、6（b）］。在2000—2016年阿爾金山區(qū)域的冰川厚度增加［29］，與其毗鄰的昆侖山區(qū)的古里雅冰川的物質(zhì)平衡在2005—2015 年也處在穩(wěn)定階段［30］。但是在其東部的祁連山區(qū)，在2000—2016 年該區(qū)冰川厚度減少［29］，2001—2018 年冰川面積持續(xù)退縮［31］。阿爾金山地區(qū)的冰川變化特征更接近于其西南部昆侖山的冰川。雖然該時期氣溫較高，但是冰川卻比較穩(wěn)定，其可能原因是冰川進入了新的動態(tài)平衡階段。即當氣溫升高時，冰川物質(zhì)平衡為負，冰川退縮；但是當氣溫維持在這個水平不再變化，冰川物質(zhì)平衡逐漸變?yōu)榱?，冰川進入新的動態(tài)平衡階段，冰川面積穩(wěn)定。2010—2015 年冰川退縮速率有所增加，可能與2015年的年平均氣溫突然增加有關。1970—2020 年年降水量無顯著變化趨勢［圖6（c）］，表明在這一時期，阿爾金山地區(qū)的冰川變化主要受控于氣候因子中的氣溫。

圖6 1970—2020年阿爾金山年平均氣溫（a）、夏季（6—8月）平均氣溫（b）和年降水量（c）Fig.6 Annual air temperature（a），summer air temperature（b）and annual precipitation（c）in the Altun Mountains from 1970 to 2020

值得注意的是2016年后，年平均氣溫和夏季平均氣溫都有明顯降低，但是冰川面積并無顯著變化。氣溫降低，冰川消融減少，有助于冰川積累，但是因冰川運動的滯后性，短時間內(nèi)冰川面積無明顯變化。

4.4 冰川面積變化的局部差異及其影響因素

局部環(huán)境和冰川自身特征往往在氣候因素的基礎上在較小的時空尺度上影響冰川變化［2］。1973—2020 年，阿爾金山東段冰川相對于中西段退縮更快（表3），可能原因是：在氣溫升高的主控因素下，局部環(huán)境中的高程因素進一步影響冰川對氣溫的響應。東段冰川的平均海拔相對于中西段更低（表2），而海拔較低的冰川往往退縮率高［圖5（a）］，對氣溫升高的響應更敏感。

1973—1990 年阿爾金山中段冰川退縮率相對于東段和西段低（表3），可能原因是其冰川規(guī)模相對較大（表2），規(guī)模大的冰川較規(guī)模小的冰川對氣溫變化的響應更慢，退縮率更低［圖5（b）］。

1973—2020 年，偏南向（西南、南和東南）的冰川相對于偏北向（西北、北、東北）的冰川退縮率更高［圖5（c）］，可能原因是北向冰川受山體遮蔽，發(fā)育的冰川規(guī)模往往較大，而南向的冰川往往規(guī)模較小，規(guī)模較小的冰川對氣溫的升高的響應更敏感，退縮率更高。

5 結(jié)論

本文利用Landsat MSS、TM 和OLI 影像，提取得到了阿爾金山地區(qū)1973—2020 年8 個時期的冰川邊界信息，分析了冰川的時空變化特征，并結(jié)合氣象數(shù)據(jù)分析了冰川變化對氣溫變化的響應規(guī)律。文章的主要結(jié)論如下：1973—2020 年阿爾金山地區(qū)冰川整體處于退縮狀態(tài)，面積減少了（64.89±12.36）km2（19.21%±2.90%）；1973—1990 年冰川退縮較快，年均退縮率為（0.49±0.07）%·a-1；1990—1995年和1995—2000年這兩個時期冰川退縮最快，年均退縮率分別為（1.07±0.08）%·a-1和（1.08±0.08）%·a-1；2000 年后，冰川退縮速率較慢，比較穩(wěn)定，年均退縮率均低于0.2%·a-1。氣候因素尤其是氣溫往往在大的時空尺度上影響冰川變化，氣溫是影響阿爾金山地區(qū)1973—2020 年冰川變化的主要氣候因子。阿爾金山地區(qū)冰川對不同氣溫變化階段的響應模式為：氣溫升高階段，冰川消融，冰川面積減少；氣溫穩(wěn)定階段，冰川逐漸進入新的動態(tài)均衡狀態(tài)，冰川面積也相對穩(wěn)定；氣溫降低階段，因冰川運動的滯后性，冰川面積在短時間內(nèi)無明顯變化。在升溫過程中，冰川面積變化對氣溫變化的滯后時間可能要短，而在降溫過程中滯后時間可能會長。局部環(huán)境（高程、坡向）和冰川自身特征（冰川類型、規(guī)模、冰磧物、坡度）會在氣候因素的基礎上在較小的時空尺度上影響冰川變化。

致謝：感謝美國地質(zhì)調(diào)查局（https://www.usgs.gov）提供了Landsat 影像數(shù)據(jù)，中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/）提供了氣象數(shù)據(jù)，美國航空航天局（https://earthdata.nasa.gov/）提供了數(shù)字高程數(shù)據(jù)。