0 引言

冰川是冰冻圈系统的主要组成部分[1], 也是陆地上重要的淡水资源。近百年来随着全球温度升高, 我国的冰川整体上呈现出以退缩为主要特征的变化[2-4], 这对我国的气候环境、 水资源利用、 社会经济等产生重大影响, 这在水资源缺乏, 生态环境脆弱的西北干旱内陆区尤为突出[5]。新疆地处欧亚大陆腹地, 远离海洋使其成为世界上极端干旱的地区之一。但横亘其中部, 呈东西走向的天山却成为高耸于该干旱区的“湿岛”, 源自山区的冰雪融水调节南北疆的出山径流并滋润着绿洲, 故天山冰川被誉为中亚的固体水塔[6]。在全球变暖背景下, 天山的冰川退缩已经对本区的水资源产生了显著影响[7-8]。因此, 对天山冰川变化检测与研究可为南北疆水资源评估、 生态建设与绿洲经济的可持续发展提供基础数据与理论支持。

相对于冰川长度、 面积等平面形态的变化, 冰川物质平衡更能从三维空间上反映出冰川对气候变化的响应, 且可直接地用于冰川变化对水资源影响的评估。然而, 冰川变化趋势的预测研究需要有长期连续的观测资料, 遗憾的是全球具有长期物质平衡观测的冰川数量非常少。此外, 传统的观测冰川物质平衡的方法是利用雪坑或者使冰川消融花杆, 需要现场挖掘雪坑或提前布置花杆并定期观测。由于冰川多发育于气候环境恶劣、 交通不便的高寒地区, 如青藏高原及其周边山地发育的冰川[9], 使得该方法有一定的局限性。目前, 中国仅有天山乌鲁木齐河源一号冰川、 “七一”冰川、 小冬克玛底冰川、 海螺沟冰川、 玉龙雪山白水河一号冰川等具有较长时间序列的物质平衡观测资料[10-11]。另一种观测冰川物质平衡的方法为大地测量法, 通过比较不同时期的冰川表面高程差异, 间接计算冰川的物质平衡[12-14]。近年来遥感和航空摄影技术的快速发展, 也使获取大尺度、 高分辨率遥感数据成为可能, 这更加凸显了该方法的优势与可实现性。Wang等[15]将大地测量法计算的天山乌鲁木齐河源一号冰川的物质平衡结果与传统雪坑花杆法观测到的物质平衡结果进行了对比, 发现两者存在很高的一致性。有基于此, 本研究根据现有的地形图(1972年)、 SRTM DEM(1999年)和资源三号立体像对(2016年)等数据, 采用大地测量法对天山最东段哈尔里克山地区1972-2016年的冰川物质平衡进行研究。结合西南侧哈密与北面伊吾县的气象资料对1972-1999年、 1999-2016、 1972-2016年不同时段的冰川变化及其对气候变化的响应机制进行分析。

1研究区概况

哈尔里克山(42°50′～43°35′ N, 93°41′～95°07′ E)位于天山的最东端(图1), 整个山地呈北北西-南南东走向, 平均海拔4 000 m左右, 托木尔提峰是其主峰, 海拔4 888 m。山地外围南、 北、 东被气候十分干燥的荒漠戈壁所包围。冬季, 本区受蒙古高压控制, 寒冷而干燥； 夏季高空盛行西风环流, 降水较为集中。根据哈密气象站资料, 600 hPa高度上的年平均气温为-9 ℃, 夏季6-8月的平均气温为-0.9 ℃[16]。哈尔里克山深居欧亚大陆腹地, 气候极端干旱, 其山麓地带南坡年降水量不足100 mm, 北坡也不超过200 mm。但随海拔增高, 降水量明显增大, 冰川平衡线附近可达600 mm 以上。降水量集中在5-9月, 这一时期降水量占全年降水量的79.6%[17]。冬季降水很少, 位于哈尔里克山北坡的伊吾气象站观测资料表明, 冬季降水量仅占全年的8%[18]。

哈尔里克山尽管山势较低, 但因其处在影响本区主要的冷湿气流通道上, 故发育了一定规模的现代冰川[19]。根据中国第一次冰川编目资料[16], 本区共分为9个流域, 共发育有现代冰川122条, 面积约为125.89 km2, 冰储量约7.01 km3。冰川平均面积仅为1.03 km2, 小于1 km2的冰川数量所占比例为68.9%。以面积相对较小的悬冰川, 冰斗冰川为主, 面积最大的哈那它不底冰川面积也仅为6.59 km2。冰川分布为南多北少, 北坡以悬冰川为多, 而南坡则是平顶冰川、 山谷冰川顺次序的相间分布。这种相间分布的景观, 在中国天山现代冰川分布中是唯一的[20]。发育的冰川成为此区域主要的调节水源, 哈密地区常年淌水河流共76条, 其中20条河流受到冰川融水的补给影响, 主要河流故乡河、 榆树沟、 伊吾河都发源于此处。高山冰川的发育对调节区域气候、 区域水资源及绿洲经济有着举足轻重的影响[21]。

2数据与方法

2.1 数据及预处理

本研究冰川表面高程数据提取自1972年航摄绘制的地形图、 2000年SRTM DEM和2016年的资源三号立体像对(表1)。另外还有两次冰川编目数据作为参考。

(1) 地形图： 共对5幅地形图进行了数字化, 获得研究区1972年的DEM(以下简称TOPO-DEM)。地形图坐标系为1954北京坐标系, 大地水准面为1956黄海高程基准面。采用七参数转换模型将数字化后的地形图转换为WGS1984世界大地坐标系。转换参数根据北京1954坐标系的椭球参数、 WGS1984大地坐标系的椭球参数和已知的坐标点计算而得。经过研究验证, 七参数转换模型用于BJ54和WGS84相互转换的转换精度小于0.5 m[22-23]。

(2) SRTM： 2000年2月, 美国发射的“奋进”号航天飞机上搭载SRTM系统, 获取北纬60°至南纬60°之间的雷达影像数据。通过后期处理, 制成了精度分别为1-ARC和3-ARC的两种DEM产品。USGS(United States Geological Survey, 美国地质调查局)于2003年发布SRTM3第一版本数据, 于2015年对全球发布SRTM1 DEM。考虑到雷达波对雪的穿透作用, SRTM数据被认为反映的是1999年10月消融期末的冰川表面高程[24]。经过GPS观测数据验证结果表明, SRTM的高程精度优于16 m, 尤其是30 m分辨率的SRTM数据绝对高程精度优于10 m[25-27]。本研究采用C波段传感器干涉测量获取的SRTM1 DEM数据产品(空间分辨率30 m),坐标系统为WGS1984, 采用的大地水准面为1996地球重力场模型(EGM96)。该数据来自美国地质调查局USGS数据共享平台(https://earthexplorer.usgs.gov/)。

(3) 资源三号： 资源三号卫星发射于2012年1月, 是国内首颗民用高分辨率立体测图卫星。卫星搭载了三台全色相机和一台多光谱相机, 前、 后、 正视相机可以获取同一地区三个不同观测角度的立体像对, 能够提供丰富的三维几何信息。其中正视影像空间分辨率为2.1 m, 前后视影像空间分辨率为3.5 m, 多光谱影像分辨率为5.8 m。此外, ZY-3 定位精度超过1个像素, 精度极高。考虑到季节性积雪及云量覆盖等因素, 本研究选择了2016年7月29日获取的立体像对, 本期影像在冰川区无云无雾, 但存在少量积雪。使用立体像对提取DEM的过程是采用ENVI5.1软件的DEM提取模型, 在对提取结果进行对比后, 发现使用正视和后视像对提取DEM的结果更好。提取过程是在相对稳定的非冰川地形区选取了24个地面控制点和135个关联点, 以同时期的Landsat OLI影像(LC81380302016214LGN00, 2016-08-01)作为定位参考, 以经过投影转换的地形图作为高程参考进行提取。生成的DEM(以下简称ZY3-DEM)使用的坐标系为WGS1984, 空间分辨率30 m。

(4) 两次冰川编目数据： 本研究区第一次冰川编目[16]是根据1972年拍摄的航空相片绘制而成的冰川分布数据。第二次冰川编目所用数据源为2007年8月25日获取的Landsat ETM+遥感影像。以两次冰川编目数据作为参考, 提取冰川边界与面积, 区分冰川区及非冰川区等信息。该数据来自寒区旱区科学数据中心(https://westdc.westgis.ac.cn)。

(5) 此外, 本研究还获取了相关的气象资料, 包括研究区西南面哈密与北面伊吾两个气象站点的年平均气温和年降水量数据, 用来分析研究区1951-2016年期间的气候变化情况。数据来自国家气象科学数据共享服务平台(http://data.cma.cn/)。

所有数据均采用WGS1984参考椭球的横轴墨卡托投影(WGS_1984_UTM_Zone_46N)。将数字化后的TOPO-DEM分辨率重采样为30 m, 与其他两期DEM分辨率保持一致, 以便对三个数据集进行对比和运算。

2.2 方法

2.2.1 DEM配准及纠正

(1) 空间匹配误差： 由于不同的获取方式、 后期的处理过程及不同的大地水准参考面致使不同源的DEM数据集在水平与垂直方向上存在匹配误差。空间匹配误差所引起的高程偏差会极大地影响最终结果的准确性和精确度, 因此在计算冰川的高程变化前, 应对各个DEM数据集进行相对配准。Nuth等[28]的研究表明, 空间匹配误差引起的高程偏差与坡向、 坡度之间存在明显的正弦关系, 因此可以利用此关系对这一偏差进行纠正：

式中： dh为不同DEM数据间的高程差； φ和α分别为像元的坡向和坡度；为两个DEM数据集间的整体高程偏差, 代表垂直偏移量； a和b分别代表水平位移的幅度和方向。

在配准过程中, 我们将三个DEM数据集分别进行两两配准。根据两次冰川编目数据区分出冰川区和非冰川区, 在非冰川区分别对各个DEM数据集计算高程差, 建立与坡向、 坡度的关系(图2), 通过正弦拟合建立纠正方程, 得到各个DEM数据集间的位移(表2)。纠正结果表明, 与SRTM和TOPO-DEM的匹配误差相比, ZY3-DEM与其他两个数据集间的匹配误差更大。这可能是因为ZY3-DEM在生成的过程中, 空间定位的误差会在DEM提取的各个步骤中传播。

(2) 分辨率差异造成的偏差： Paul等[29-30]研究表明, DEM数据集原始分辨率的不同会导致高程偏差。Gardelle等[31]在此基础上进一步研究提出, 分辨率差异所导致的高程偏差与地形有关, 并且这种差异在冰川区和非冰川区保持一致, 因此可以利用非冰川区高程差与地面最大曲率之间的关系进行纠正。因此, 在ENVI5.1软件中, 采用5×5内核大小, 计算每个像元的最大曲率。建立高程差与最大曲率的关系(图3), 利用这一关系对偏差进行纠正。需要指出的是, ZY-3影像在非冰区存在一定云层覆盖和山体阴影, 在有云处会高估高程值, 而在山体阴影处会低估高程值。因此, 在计算高程差之前, 需要将这些异常值进行剔除。故本研究在偏差纠正前对这些云层覆盖区域进行了剔除, 并采用了Gardelle等[32]的研究方法, 剔除了高程差在5%～95%范围以外的像素, 以此对数据集进行纠正。

(3) SRTM DEM穿透深度校正： SRTM C波段(5.7 GHz)对冰和雪有一定的穿透效应, 穿透深度介于1～10 m。SRTM X波段(9.7 GHz)与C波段相比, 穿透效应小的多,且X波段和C波段是同时获取, 不存在冰川消融或积累引起的高程变化, 因此通常使用X波段对C波段的穿透深度误差进行校正[12,31-32]。对SRTM C波段和SRTM X波段进行空间匹配误差校正后, 按每100米海拔范围对SRTM C波段的穿透深度进行统计(表3), 并根据此统计结果对SRTM C波段的高程值进行了校正。

2.2.2高程精度评估

经过偏差纠正, 对比非冰川区的高程差可以看出DEM数据集间的误差显著减少(图4)。一般来说, 估计高程数据绝对误差的最好方法是使用更高精度高程数据的地面控制点进行评估[33]。但是由于ZY-3的空间分辨率已经很高, 没有更高精度的可用数据集, 因此我们对非冰区的高程差进行了统计, 以此对DEM数据集间的相对误差进行评估。根据Bolch等[34]提出的方法, 采用标准差(SD)来估算平均高程差的误差Eσ。

(2)

式中： N代表独立测量点的个数。

需要指出, 在选择多个像素点进行重复测量时, 我们以600 m作为去相关距离, 即每两个测量点间的距离不少于600 m, 这是基于去除两个像素点间自相关性的考虑。在空间分辨率不同的情况下, 自相关距离可能不同。Gardelle等[32]对喜马拉雅喀喇昆仑山区空间分辨率为40 m的DEM采用了(492+72) m的去相关距离。Wei等[35]对青藏高原班公湖流域空间分辨率为30 m的DEM采用了600 m的去相关距离。为了最大限度的减少空间自相关性对误差估计的影响, 本文采用了600 m的去相关距离。然后, 利用平高程差Em估计高程精度E[35](表4)。

(3)

精度评估结果如表3所示, 原始DEM数据集平均高程差Em为-4.90～18.56 m, 经过配准和校正后,Em显著减小, 为-0.65～0.16 m, 最终高程精度E控制在±0.98 m。这说明校正的方法是合适且有效的, 经过校正后的DEM数据集匹配度很高, 适合用来研究本研究区的冰川高程变化。

需要说明的是, 本研究最初还使用了2015年8月5号资源三号立体像对, 但对DEM数据经过多次校正后发现, 资源三号2015年8月5日这期像对生成的DEM数据与其他两期DEM数据间的误差偏大。这可能是由卫星传感器获取立体像对时的几何参数所导致的偏差[28], 需要更多期的资源三号数据进行核对。因资源三号数据源较少, 没有找到替代此期数据的高质量影像。在基于更准确的计算此区域冰川厚度变化的考虑下, 且2016年的数据只有5条冰川未完整包括在内(冰川编号为5Y711A0001～5Y711A0004和5Y822F0006), 面积为2.32 km2, 占全体冰川面积的1.8%, 并不影响对冰川整体厚度变化的计算, 因此决定只使用2016年这期数据。

2.2.3冰川物质平衡的估算

通过对比不同时相DEM获取冰川表面高程差值, 进而转换为水当量对冰川物质平衡进行估算的过程, 很关键的一点是确定冰川表面雪冰的平均密度ρ。Bolch等[34]在基于冰川密度稳定分布的假设下, 采用了900 kg·m-3的恒定冰密度作为转换参数。Zemp等[36]认为冰川近表层密度的最小估计值为800 kg·m-3, 最大估计值为917 kg·m-3, 采用两者的平均值(860±60) kg·m-3作为冰川的近表层密度估计值。Kääb等[37]在积累区采用冰川密度为600 kg·m-3, 在消融区采用冰川密度为900 kg·m-3, 分别计算积累区和消融区的冰川物质平衡。Huss[38]利用粒雪压实模型, 根据2条冰川长时间序列的物质平衡观测资料, 对冰川体积-物质平衡转换参数进行模拟, 提议大多数情况下使用850 kg·m-3作为冰川体积向物质平衡转换的密度参数, 60 kg·m-3作为此参数的不确定性。在缺乏对研究区冰川近表层密度实测数据的情况下, 本研究采用Huss提出的(850±60) kg·m-3作为冰川体积-物质平衡的转换参数。因此, 冰川物质平衡的不确定度采用以下公式计算[39]：

(4)

式中： Δh为冰川的表面高程变化值； t为观测的时间跨度； E为高程精度； ρI为冰密度(850 kg·m-3)； Δρ为冰密度的不确定性(60 kg·m-3)； ρw为水的密度(999.972 kg·m-3)。

3结果与分析

哈尔里克山冰川在1972-2016年间平均表面高程下降(9.15±0.98) m, 物质平衡为(-0.18±0.02) m·a-1 w.e., 冰量损失明显(表5)。其中, 1972-1999年间, 冰川平均表面高程下降(1.19±0.29) m, 物质平衡为(-0.04±0.01) m·a-1 w.e., 变化速率较缓慢； 1999-2016年间, 冰川衰退加速, 冰川平均表面高程下降(7.23±0.75) m, 物质平衡为(-0.36±0.05) m·a-1 w.e.。王叶堂等[19]利用地形图和遥感影像对哈尔里克山冰川的面积变化进行了研究, 发现1972-1992年间, 冰川面积年减少率为0.1%, 1992-2001年间冰川面积年减少率增加为0.31%, 因此得出冰川从20世纪90年代后退缩加剧的结论。高照[40]分析了哈尔里克山北坡冰川融水占比44.93%的苇子峡水文站的径流数据, 发现伊吾河年径流量自1990年后水量增加显著, 究其主要原因为冰川消融量的增多。高建芳等[21]将哈密地区无冰川补给的河流与有冰川融水补给的河流年径流量进行了对比分析, 发现无冰川融水补给的河流年径流量基本稳定, 有冰川消融水补给的河流年径流量总体呈增加趋势, 在20世纪90年代, 各河的年径流量增加较多, 增长幅度与流域冰川面积成正比, 冰川面积越大, 水量增加越多。因此, 综合冰川面积、 下游河流径流量及本研究冰川物质平衡的变化, 我们推断此区域的冰川可能是从20世纪90年代后开始加速退缩, 至今保持了较快的退缩趋势。

此外, 本区冰川物质平衡还存在空间差异性。据第一次冰川编目资料[16], 哈尔里克山共发育有冰川122条, 其中北坡49条, 面积约为49.29 km2, 冰储量约为2.60 km3。南坡73条, 面积约为76.60 km2, 冰储量为约4.41 km3。1972-1999年间, 北坡冰川物质平衡为(-0.05±0.01) m·a-1 w.e., 南坡冰川物质平衡为(-0.02±0.01) m·a-1 w.e., 北坡的冰量损失略高于南坡。1999-2016年间, 南北坡冰川的变化差异表现得更加明显, 北坡冰川物质平衡为(-0.27±0.04) m·a-1 w.e., 南坡冰川物质平衡为(-0.45±0.05) m·a-1 w.e., 冰量损失南坡远大于北坡。

4讨论

4.1冰川物质平衡对气候变化的响应

冰川是寒冷气候的产物, 对气候变化响应灵敏[10]。一般而言, 气温决定冰川消融量, 而降水影响其积累量[41]。本研究分析了伊吾气象站(43°16′ N, 94°42′ E； 海拔1 729 m； 位于山脉东北部32 km处)与哈密气象站(42°49′ N, 93°31′ E； 海拔738 m； 位于山脉西南部84 km处)的气温与降水数据。气象观测资料分析结果表明(图6), 自1950年到2016年, 这两个气象站的年平均气温和降水量都呈明显的增加趋势。哈密气象站年平均气温的增率为0.20 ℃·(10a)-1, 伊吾气象站为0.26 ℃·(10a)-1。不过年平均气温的变化具有一定的时间差异, 在1990年代前增加幅度较小, 自1990年代后急剧升高, 这也验证了王叶堂等[19]对本区1972-2001年间冰川面积变化的研究结论。其中, 南坡的哈密气象站升温剧烈(图6a)。同时通过进一步分析夏季(6-9月)和冬季(11-3月)平均气温的变化, 发现冬季气温自1950年代以来呈增加趋势(图6b), 而夏季气温从1950年代到1990年呈下降趋势, 但1990年代后急剧升高(图6c)。夏季气温的变化会显著影响冰川的消融, 而冬季气温升高使得冰川活动层升温提前, 冰川表层温度接近于0 ℃的时间及整个活动层升温来得早且持续的时间长, 使得冰川表面的消融期延长, 并且因温度升高, 融化相同数量的冰雪消耗的热量要少, 进一步促进冰面的消融[19]。相对于温度的变化, 降水量呈稳步增加趋势, 但增加幅度较小(图6d)。西风带是本区域主要的水汽来源, 有研究发现, 近年来西风带增强[42], 这可能是研究区降水增多的主因。

冰川的物质平衡和区域气候密切相关, 在本研究中, 冰川物质平衡与气候变化呈现很强的相关性, 尤其受气温的影响更大。1972-2016年间, 冰川负物质平衡由弱变强, 先慢后快的退缩趋势与伊吾和哈密气象站观测到的气温变化趋势相一致。虽然夏季气温变化对冰川进退的影响更大, 但冬季气温变化所起的作用也不容忽视。1999年前夏季气温呈下降趋势, 但冰川的物质平衡依然为负值(-0.04±0.01) m·a-1 w.e., 可见冬季气温升高对冰川消融的潜在影响与促进作用。1999年后, 在夏季与冬季气温均升高的双重影响下, 冰川消融加速, 物质平衡为(-0.36±0.05) m·a-1 w.e.。尽管本区降水量自20世纪50年代以来呈增加趋势, 但温度变化比降水增加对冰川物质平衡的影响更大。

4.2南北坡冰川物质平衡差异性分析

本区南北坡冰川物质平衡具有明显的空间差异。Li等[41]的研究表明, 1972-2005年间, 哈尔里克山南坡冰川面积减少了12.3%, 北坡冰川面积减少了6.6%； 李忠勤等[7]对哈尔里克山西面博格达山1962-2009年间冰川面积变化的研究结果也间接的证实了天山地区确实存在明显的南北坡差异。本研究针对此种差异对伊吾和哈密两个气象站的观测数据作了对比分析, 结果表明, 此差异是受南北坡气温变化差异所致, 尤其是夏季的气温变化。1950年代到1999年, 北坡的伊吾气象站夏季气温略有下降, 而南坡的哈密气象站夏季气温下降趋势明显, 这可较好的解释这个时段北坡冰川比南坡冰川物质损失稍大的原因。而1999年后, 南坡的夏季气温剧烈上升, 且冬季气温和夏季气温的增长幅度均超过北坡, 反映在冰川变化上, 即南坡冰川消融更剧烈, 冰量损失更大。

5结论

基于地形图、 SRTM DEM和资源三号立体像对, 采用大地测量法对天山最东段哈尔里克山地区的冰川物质平衡进行了研究, 结果表明, 冰川在1972-2016年期间平均表面高程下降(9.15±0.98) m, 物质平衡为(-0.18±0.02) m·a-1 w.e., 冰量损失明显。其中, 1972-1999年间, 冰川物质平衡为(-0.04±0.01) m·a-1 w.e.； 1999-2016年间, 冰川物质平衡为(-0.36±0.05) m·a-1 w.e.。结合伊吾与哈密气象站气象观测数据分析后发现, 本区冰川的物质平衡与气温变化呈现出很强的相关性。1972-2016年间, 冰川负物质平衡由弱变强, 先慢后快的变化趋势与气温的变化基本一致。进一步分析表明, 夏季的气温变化对冰川的消融影响更大, 但冬季升温所起的作用也不容忽视。本区的降水量自20世纪50年代以来也呈增加趋势, 但温度变化对冰川物质平衡的影响更大。

1972-1999年间, 北坡冰川的物质平衡为(-0.05±0.01) m·a-1 w.e., 南坡为(-0.02±0.01) m·a-1 w.e., 北坡冰量损失略大于南坡。1999-2016年间, 北坡冰川的物质平衡为(-0.27±0.04) m·a-1 w.e., 南坡为(-0.45±0.05) m·a-1 w.e., 南坡冰量损失远大于北坡。这种明显的南北坡冰川物质平衡差异主要是受南北坡气温变化的影响, 尤其是夏季气温变化的影响。

参考文献:

[1] Qin Dahe, Ding Yongjian, Xiao Cunde, et al. Cryospheric Science: research framework and disciplinary system[J]. National Science Review, 2018, 5(2): 255-268.

[2] Liu Shiyin, Yao Xiaojun, Guo Wanqin, et al. The contemporary glaciers in China based on the second Chinese glacier inventory[J]. Acta Geographica Sinica, 2015, 70(1): 3-16. [刘时银, 姚晓军, 郭万钦, 等. 基于第二次冰川编目的中国冰川现状[J]. 地理学报, 2015, 70(1): 3-16.]

[3] Che Yanjun, Zhang Mingjun, Li Zhongqin, et al. Glacier mass-balance and length variation observed in China during the periods 1959-2015 and 1930-2014[J]. Quaternary International, 2017, 454: 68-84.

[4] Ye Qinghua, Zong Jibiao, Tian Lide, et al. Glacier changes on the Tibetan Plateau derived from Landsat imagery: mid-1970s 2000 2013[J]. Journal of Glaciology, 2017, 63(238): 273-287.

[5] Sorg A, Bolch T, Stoffel M, et al. Climate change impacts on glaciers and runoff in Tien Shan (Central Asia)[J]. Nature Climate Change, 2012, 2: 725-731.

[6] Han Hui, Yang Xiaohui, Zhao Jingdong. A study of glacier information extraction methods based on multi-sensors remote sensing images in the Chongce Glacier area, West Kunlun Mountains[J]. Journal of Glaciology and Geocryology, 2018, 40(5): 951-959. [韩惠, 杨晓辉, 赵井东. 西昆仑山崇测冰川区多源遥感影像的冰川信息提取方法研究[J]. 冰川冻土, 2018, 40(5): 951-959.]

[7] Li Zhongqin, Li Kaiming, Wang Lin. Study on recent glacier changes and their impact on water resources in Xinjiang, North Western China[J]. Quaternary Sciences, 2010, 30(1): 96-106. [李忠勤, 李开明, 王林. 新疆冰川近期变化及其对水资源的影响研究[J]. 第四纪研究, 2010, 30(1): 96-106.]

[8] Wang Puyu, Li Zhongqin, Li Huilin, et al. Analysis of the relation between glacier volume change and area change in the Tianshan Mountains[J]. Journal of Glaciology and Geocryology, 2017, 39(1): 9-15. [王璞玉, 李忠勤, 李慧林, 等. 天山冰川储量变化和面积变化关系分析研究[J]. 冰川冻土, 2017, 39(1): 9-15.]

[9] Shi Yafeng. Concise glacier inventory of China[M]. Shanghai: Shanghai Popular Science Press, 2008.

[10] Shi Yafeng, Huang Maohuan, Yao Tandong, et al. Glaciers and their environments in China: the present, past and future[M]. Beijing: Science Press, 2000. [施雅风, 黄茂桓, 姚檀栋, 等. 中国冰川与环境-现在、 过去和未来[M]. 北京: 科学出版社, 2000.]

[11] Xu Junli, Liu Shiyin, Zhang Shiqiang, et al. Recent changes in glacial area and volume on Tuanjiefeng Peak region of Qilian Mountains, China[J]. Plos One, 2013, 8(8): e70574.

[12] Shangguan Donghui, Bolch T, Ding Yongjian, et al. Mass changes of Southern and Northern Inylchek Glacier, Centra Tian Shan, Kyrgyzstan, during ～1975 and 2007 derived from remote sensing data[J]. The Cryosphere, 2015, 9(2): 703-717.

[13] Berthier E, Cabot V, Vincent C, et al. Decadal region-wide and glacier-wide mass balances derived from multi-temporal ASTER satellite digital elevation models: validation over the Mont-Blanc Area[J]. Frontiers in Earth Science, 2016, 4: 63.

[14] 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.

[15] Wang Puyu, Li Zhongqin, Li Huilin, et al. Comparison of glaciological and geodetic mass balance at Urumqi Glacier No.1, Tian Shan, Central Asia[J]. Global and Planetary Change, 2014, 114(469): 14-22.

[16] Wang Yinsheng, Liu Chaohai, Ding Liangfu, et al. Glacier inventory of China III: Tien Shan mountains (interior drainage area of scattered flow in east)[M]. Beijing: Science Press, 1986. [王银生, 刘潮海, 丁良福, 等. 中国冰川目录(Ⅲ): 天山山区(东部散流内流区)[M]. 北京: 科学出版社, 1986.]

[17] Luo Guangxiao, Ai Li, Qi Xianming, et al. Hydrological characteristics of the Yushugou valley[J]. Desert and Oasis Meteorology, 2002, 25(5): 19-20. [骆光晓, 艾力, 祁先明, 等. 榆树沟流域水文特征[J]. 沙漠与绿洲气象, 2002, 25(5): 19-20.]

[18] Luo Guangxiao, Liu Li, Wu Liping, et al. Hydrological characteristics of the Yiwuhe valley[J]. Arid Land Geography, 1999, 22(1): 47-52. [骆光晓, 刘莉, 吴力平, 等. 伊吾河流域水文特性分析[J]. 干旱区地理, 1999, 22(1): 47-52.]

[19] Wang Yetang, Hou Shugui, Lu Anxin, et al. Response of glacier variations in the eastern Tianshan Mountains to climate change, during the last 40 years[J]. Arid Land Geography, 2008, 31(6): 813-821. [王叶堂, 侯书贵, 鲁安新, 等. 近40年来天山东段冰川变化及其对气候的响应[J]. 干旱区地理, 2008, 31(6): 813-821.]

[20] Hu Ruji. The glaciation in Karlik Shan, eastern Tien Shan[J]. Arid Land Geography, 1979, 2(1): 71-84. [胡汝骥. 天山东部喀尔里克山峰区的冰川作用[J]. 干旱区地理, 1979, 2(1): 71-84.]

[21] Gao Jianfang, Luo Guangxiao. Analysis of the impact of climate changes on river’s runoff in Hami Prefecture, Xinjiang[J]. Journal of Glaciology and Geocryology, 2009, 31(4): 748-758. [高建芳, 骆光晓. 气候变化对新疆哈密地区河川径流的影响分析[J]. 冰川冻土, 2009, 31(4): 748-758.]

[22] Liu Guangkui, Wang Zhenlu, Zhao Yongqiang, et al. The conversion method and accuracy analysis between BJ-54 and WGS-84 coordinate system[J]. Geomatics & Spatial Information Technology, 2007, 30(3): 167-168. [柳光魁, 王振禄, 赵永强, 等. BJ-54坐标系与WGS-84坐标系转换方法及精度分析[J]. 测绘与空间地理信息, 2007, 30(3): 167-168.]

[23] Zhang nan, Dong Xiaojing, Zhang Jian. Study on the coordinate transformation methods and accuracy from WGS-84 to BJ-54[J]. Manufacturing Automation, 2009, 31(12): 162-165. [张楠, 董晓晶, 张健. WGS-84坐标系与BJ-54坐标系的转换方法及精度探讨[J]. 制造业自动化, 2009, 31(12): 162-165.]

[24] Gardelle J, Berthier E, Arnaud Y. Slight mass gain of Karakoram glaciers in the early Twenty-First Century[J]. Nature Geoscience, 2012, 5(5): 322-325.

[25] Rodr guez E, Morris C S, Belz J E. A global assessment of the SRTM Performance[J]. Photogrammetric Engineering & Remote Sensing, 2006, 72(3): 249-260.

[26] Gorokhovich Y, Voustianiouk A. Accuracy assessment of the processed SRTM-based elevation data by CGIAR using field data from USA and Thailand and its relation to the terrain characteristics[J]. Remote Sensing of Environment, 2006, 104(4): 409-415.

[27] Li Peng, Li Zhenhong, Shi Chuang, et al. Quality evaluation of 1 arc second version SRTM DEM in China[J]. Bulletin of Surveying and Mapping, 2016(9): 24-28. [李鹏, 李振洪, 施闯, 等. 中国地区30m分辨率SRTM质量评估[J]. 测绘通报, 2016(9): 24-28.]

[28] 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.

[29] Paul F. Calculation of glacier elevation changes with SRTM: is there an elevation-dependent bias?[J]. Journal of Glaciology, 2008, 54(54): 945-946.

[30] Paul F, Haeberli W. Spatial variability of glacier elevation changes in the Swiss Alps obtained from two digital elevation models[J]. Geophysical Research Letters, 2008, 35(21): 189-203.

[31] Gardelle J, Berthier E, Arnaud Y. Impact of resolution and radar penetration on glacier elevation changes computed from DEM differencing[J]. Journal of Glaciology, 2012, 58(208): 419-422.

[32] 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): 1885-1886.

[33] Zhang Yong, Fujita K, Liu Shiyin, et al. Multi-decadal ice-velocity and elevation changes of a monsoonal maritime glacier: Hailuogou Glacier, China[J]. Journal of Glaciology, 2010, 56(195): 65-74.

[34] Bolch T, Pieczonka T, Benn D I. Multi-decadal mass loss of glaciers in the Everest area (Nepal Himalaya) derived from stereo imagery[J]. Cryosphere, 2011, 5(2): 349-358.

[35] Wei Junfeng, Liu Shiyin, Guo Wanqin, et al. Changes in glacier volume in the north bank of the Bangong Co Basin from 1968 to 2007 based on Historical Topographic Maps, SRTM, and ASTER stereo images[J]. Arctic Antarctic & Alpine Research, 2015, 47(2): 301-311.

[36] Zemp M, Jansson P, Holmlund P, et al. Reanalysis of multi-temporal aerial images of Storglaciären, Sweden (1959-99) - Part 2: comparison of glaciological and volumetric mass balances[J]. The Cryosphere, 2010, 4(3): 345-357.

[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.

[38] Huss M. Density assumptions for converting geodetic glacier volume change to mass change[J]. The Cryosphere, 2013, 7(3): 877-887.

[39] Pieczonka T, Bolch T. Region-wide glacier mass budgets and area changes for the Central Tien Shan between ～1975 and 1999 using Hexagon KH-9 imagery[J]. Global and Planetary Change, 2015, 128: 1-13.

[40] Gao Zhao. Analysis of the glacier ablationin on high mountains in Hami area from the runoff change in the Yiwu River basin[J]. Heilongjiang Science and Technology of Water Conservancy, 2010, 38(1): 10-12. [高照. 从伊吾河流域径流量变化分析哈密地区高山区冰川消融[J]. 黑龙江水利科技, 2010, 38(1): 10-12.]

[41] Li Kaiming, Li Zhongqin, Gao Wenyu, et al. Recent glacial retreat and its effect on water resources in eastern Xinjiang[J]. Science Bulletin, 2011, 56(33): 3596-3604.

[42] Yao Tandong, Thompson L, Wei Yang, et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2012, 2(9): 663-667.