1980–2014年岗日嘎布地区冰川高程变化数据集
1980–2014年岗日嘎布地区冰川高程变化数据集 作者:吴坤鹏 刘时银 蒋宗立 魏俊锋 2018年10月30日 |
![]() |
摘要&关键词
编辑摘要:由于印度洋季风的影响,位于藏东南的岗日嘎布是青藏高原最湿润的地区,海洋性冰川在该地区集中发育。该地区的冰川物质损失对海平面上升、调节河川径流及冰湖溃决灾害等有重要影响。本文基于1980年航测地形图、2000年2月11–22日SRTM数字高程模型(DEM)和2014年的X波段TerraSAR/TanDEM雷达影像得到岗日嘎布地区冰川高程变化。大致空间范围在29°N–30°N、96°E–98°E内,包括帕隆藏布以南、贡日嘎布曲以北区域,覆盖面积达3600平方公里。数据集内包含两类文件:1)基于TerraSAR/TanDEM雷达影像获取的2014年数字高程模型数据;2)基于地形图、SRTM和TerraSAR/TanDEM雷达影像获取的1980–2014年冰川高程变化栅格数据。为克服岗日嘎布地区多云雨对光学遥感影像的影响,对大地测量法中数字高程模型及冰川高程变化的提取采用合成孔径雷达差分干涉测量(DInSAR)。与ICESat-GLAS数据相比较,2014年数字高程模型的垂直精度达到2.65 m。利用DInSAR获取的冰川高程变化转化为物质平衡,与野外测量获取的冰川物质平衡有较好的一致性。本数据集为目前岗日嘎布地区最新的高程变化数据,有效减少了云、季节性冰雪的影响,可作为基础数据集,应用到各种冰川研究中。
关键词:数字高程模型;冰川高程变化;岗日嘎布;DInSAR;TerraSAR/TanDEM
Abstract & Keywords
编辑Abstract: Due to the influence of the Indian monsoon, the Kangri Karpo Mountains, located in southeast Tibet, is the most humid and maritime glacier-concentrated region on the Tibetan Plateau. Glacier mass loss in Kangri Karpo importantly contributes to the rise of global mean sea level, the adjustment of run-off distribution, and the increase of glacial lake outburst floods (GLOFs). Based on topographic maps (1980), SRTM (2000), and TerraSAR-X/TanDEM-X (2014), the study obtained the latest glacier elevation changes on the Kangri Karpo Mountains. Within a spatial extent of 29°N ~ 30°N, 96°E ~ 98°E totaling an area of 3600 km2, the Mountains cover the region south of the Purlung Tsangpo River and north of the Gongri–Gabo River. The dataset consists of two subsets: ① 2014 digital elevation model (DEM) data obtained from TerraSAR-X/TanDEM-X, and ② raster data of glacier elevation changes during 1980 – 2014 based on topographic maps, SRTM and TerraSAR-X/TanDEM-X acquisitions. To mitigate influences of cloud cover on optical images, Differential Interferometric Synthetic Aperture Radar (DInSAR) was used to extract DEM data and acquire glacier elevation changes. Compared with ICESat-GLAS, the vertical precision of TerraSAR/TanDEM DEM reached 2.65 m. Glacier mass balance resulting from glacier elevation changes showed a high consistency with field measurements. The dataset records the latest glacier elevation changes in the Kangri Karpo Mountains, with minimum influences of cloud and seasonal snow cover on the glacier maps. It can be used as a fundamental dataset in future glacier-related studies.
Keywords: DEM; glacier elevation change; Kangri Karpo; DInSAR; TerraSAR/TanDEM
数据库(集)基本信息简介
编辑数据库(集)名称 | 1980–2014年岗日嘎布地区冰川高程变化数据集 |
数据作者 | 吴坤鹏,刘时银,蒋宗立,魏俊锋 |
数据通信作者 | 吴坤鹏(wukunpeng2008@lzb.ac.cn),刘时银(liusy@ lzb.ac.cn) |
数据时间范围 | 1980–2014年 |
地理区域 | 地理范围为北纬28°54′16″–29°31′42″,东经96°22′59″–97°8′23″,包括帕隆藏布以南、贡日嘎布曲以北区域。 |
空间分辨率 | 10 m |
数据量 | 142 MB |
数据格式 | *.tif (Geo TIFF, 32bit float)(压缩为rar格式) |
数据服务系统网址 | http://www.sciencedb.cn/dataSet/handle/574 |
基金项目 | 国家自然科学基金项目(41801031,41471067),科技部科技基础性工作专项项目(2013FY111400),云南大学人才引进项目(YJRC3201702),国际合作项目(131C11KYSB20160061-4) |
数据库(集)组成 | 数据集由2部分数据组成,其一为2014年数字高程模型数据,其二是1980–2014年冰川高程变化栅格数据集。 |
Dataset profile
编辑Title | A dataset of glacier elevation changes in the Kangri Karpo Mountains during 1980–2014 |
Data authors | Wu Kunpeng, Liu Shiyin, Jiang Zongl, Wei Junfeng |
Data corresponding authors | Wu Kunpeng (wukunpeng2008@lzb.ac.cn), Liu Shiyin (liusy@ lzb.ac.cn) |
Time range | 1980–2014 |
Geographical scope | A spatial extent of 28°54′16″N – 29°31′42″N, 96°22′59″E – 97°8′23″E, which covers the region south of the Purlung Tsangpo River and north of the Gongri–Gabo River. |
Spatial resolution | 10 m |
Data volume | 142 MB |
Data format | *.tif (Geo TIFF, 32 bit float) |
Data service system | http://www.sciencedb.cn/dataSet/handle/574 |
Sources of funding | National Natural Science Foundation of China (Grant Nos. 41801031, 41471067), Fundamental Programme of the Ministry of Science and Technology of China (MOST) (Grant No. 2013FY111400), Talent Introduction Program of Yunnan University (YJRC3201702), and International Collaboration Project (131C11KYSB20160061-4). |
Dataset composition | The dataset consists of two subsets: 2014 digital elevation model (DEM) data, and raster data of glacier elevation changes during 1980 – 2014. |
引 言
编辑冰川是冰冻圈系统的重要组成部分[1],对气候变化具有强烈的指示作用[2]。在当今全球气候变暖的背景下,冰川普遍退缩[3][4]。这对区域水资源有重要影响[5][6],并引起不同程度的冰川灾害[7][8]。随着中国第二次冰川编目的完成[9][10],高亚洲地区的冰川面积、长度变化研究成果涌现[11][12][13][14][15],但仅从面积变化难以理解冰川变化差异。冰川表面高程变化及物质平衡[16][17][18][19][20][21][22][23][24],日益成为当前冰川变化研究领域关注的热点。遥感技术具有方便快捷、空间覆盖范围大等特点,已逐渐取代了GPS等传统观测手段对冰川等恶劣气候环境区域的地面监测任务,如基于光学遥感立体像对提取DEM、激光雷达测高等方法获取冰川表面高程变化[16][17][19][20][21][22][23][24]。基于光学遥感的冰川物质平衡研究,关键问题是获取无云、无季节性雪盖的影像[25],但在大量表碛覆盖、云活动频繁的高山地区,获取冰川物质平衡仍是一个有挑战性的问题。特别是青藏高原东南部岗日嘎布地区,受印度洋季风影响的湿润气候,冰川消融期有频繁的云雨活动,加上季节性积雪和表碛覆盖,获得高质量的光学遥感影像较为困难。因此,对岗日嘎布地区的冰川物质平衡研究,不同数据及方法得到不同的物质平衡水平,甚至相同数据得到的结果相差也较大[26][27][21][23]。不同物质平衡水平,会给后续冰川变化研究、水文建模等带来很大的不确定性。
随着遥感技术的发展,合成孔径雷达(SAR)技术已经具备了多波段、多极化、多模式等特点,能够全天候、不受天气影响地获取较高时空分辨率的地面雷达反射数据[28],十分有利于藏东南地区开展大范围的冰川表面高程变化监测。雷达干涉技术包括重复观测交轨干涉和双基站Bistatic交轨干涉,其中双基站Bistatic交轨干涉图相位包含平地相位与地形相位,常用于冰川高程变化研究,如SRTM DEM和TanDEM影像。基于TerraSAR-X/TanDEM-X遥感影像,对青藏高原及其周边地区的冰川表面高程变化均取得了较好的研究成果[29][30][31][32],可见该方法十分可靠。本文获取了2014年2月18日和2014年3月13日覆盖岗日嘎布地区的TerraSAR-X/TanDEM-X数据,利用合成孔径雷达差分干涉测量(DInSAR),对研究区内冰川进行了表面高程变化分析,得到了岗日嘎布地区1980–2014年冰川表面高程变化数据。
1 数据采集和处理方法
编辑1.1 数据源
编辑岗日嘎布地区冰川表面高程变化数据集主要基于4种数据:基于1980年航测地形图得到的数字高程模型(TOPO DEM)、2000年2月的数字高程模型(SRTM DEM)、基于双基站模式的TerraSAR-X/TanDEM-X数据和中国冰川编目数据(表1,图1)。
其中,共选取了12幅1∶50000的航测地形图,其航摄时间为1980年10月,采用北京1954坐标系和黄海1985高程系。首先将原始地形图按照300 dpi在大幅面扫描仪上扫描,将扫描的地形图进行几何纠正,保证纠正精度在半个像元以内。然后对地形图的等高线进行矢量化,通过生成不规则三角网(TIN)模型,转化为DEM栅格文件,通过七参数法将北京坐标系/黄海高程系转换到WGS1984/EGM96空间坐标系下,空间分辨率为30 m。根据《国家基本比例尺地图编绘规范》的要求[33],所采用的地形图平坦区域(坡度小于2°)和丘陵区域(坡度2–6°)垂直精度优于3~5 m,山区和高山区(坡度大于6°)垂直精度优于8~14 m。
表1 数据集用到的地形图和TerraSAR-X/TanDEM-X影像列表
时间 | 数据源 | ID | 分辨率(m) |
1980/10 | 地形图/TOPO DEM | H47e016002/H47e016003/ H47e016004H47e017002/H47e017003/ H47e017004H47e017005/H47e018003/ H47e018004H47e018005 | 30 |
2000/02/11–2000/02/22 | SRTM C-band/SRTM X-band | - | 30 |
2014/02/18 | TSX/TDX | 20140218T232940_20140218T232948 | 12 |
2014/03/13 | TSX/TDX | 20140313T113609_20140313T113617 | 12 |
图1 研究区范围以及所用地形图和TerraSAR-X/TanDEM-X影像的覆盖范围
SRTM DEM为美国地质勘探局提供的、未经“空洞”填补处理的SRTM1数据产品,其获取时间为2000年2月,分辨率为30 m,采用WGS84/EGM96空间坐标系。在90%的置信区间内,SRTM1垂直精度优于16 m,其高程精度受地形的影响较大,在平坦区域的高程精度可达10 m,且随地表坡度变化[34]。
TerraSAR-X/TanDEM-X数据为德国空间局提供的双星分布式X波段SAR数据,获取时间2014年2月18日和2014年3月13日。该数据获取模式为收发分置式(Bistatic mode),即一颗卫星发射脉冲,两颗卫星同时接收,通过对两个回波信号相位差进行解缠来获取地面高程信息,其垂直方向的绝对精度优于10 m,相对精度在局部坡度角大于20%时达到4 m,小于等于20%时达到2 m[28]。
中国冰川编目数据由寒区旱区科学数据中心提供(http://westdc.westgis.ac.cn/data),主要用于冰川区与非冰川区的划分。为了确保冰川表面高程变化的完整性,本文采用了中国第一次冰川编目、第二次冰川编目及基于Landsat遥感影像矢量化的2000年研究区范围冰川编目的集合,以保证在研究时段冰川边界的最大范围。另外,为了对TerraSAR-X/TanDEM-X数据提取的数字高程模型进行评估,本文还获取了美国国家冰雪数据中心(National Snow and Ice Data Center,NSIDC,http://nsidc.org/data/icesat/)发布的ICESat-GLAS数据,使用的是GLA14数据产品(Release 633),为全球陆地地面高程数据(图1)。
1.2 数据处理步骤
编辑详尽的数据处理方法可见Wu等人发表的文献[18]。冰川表面高程变化获取主要由3部分组成:获取2014年数字高程模型,获取1980–2014年和2000–2014年两个时间段的冰川表面高程变化,获取1980–2000年的冰川表面高程变化。本文采用瑞士GAMMA软件平台和美国ESRI公司的ArcGIS软件平台进行数据的处理和分析,图2显示了主要的处理步骤。
图2 岗日嘎布地区2014年DEM数据制作及不同时期冰川表面高程变化计算流程图
合成孔径雷达差分干涉测量,首先基于TerraSAR-X将TOPO DEM和SRTM模拟转换为SAR成像数据,TerraSAR-X与TanDEM-X为同一成像时间的SAR图像,TerraSAR-X与TOPO DEM/SRTM模拟的SAR数据为不同成像时间的SAR图像,TerraSAR-X分别与TanDEM-X和TOPO DEM/SRTM模拟的SAR数据进行配准、共轭相乘、生成两幅干涉图,其中同一成像时间的干涉图相位包含地形高程信息,而不同成像时间的干涉图相位包含地形高程信息和两次成像期间地表形变信息。对两幅干涉图去平地效应、并对低相干及相位异常区域进行掩膜,通过相位解缠,将相位转换为高程差。最后利用非冰川区域双线性拟合进行整体改正,得到优化的高程差,即得到研究区高程变化信息。利用TerraSAR-X与TanDEM-X生成的干涉图,进行相位解缠、基线估计,得到反映地面高程信息的真实相位,根据InSAR成像基本原理和坐标转换,得到最新的DEM数据。
TOPO DEM与SRTM之间的处理采用大地测量法,两幅DEM数据在没有配准的情况下直接高程相减得到高程差值图,高程差值图与坡度坡向之间具有以下余弦函数关系:
\(\frac{dh}{\mathrm{tan}\left(\alpha \right)}=a\mathrm{ }\mathrm{cos}\left(b-\phi \right) +\mathrm{ }\frac{\stackrel{-}{dh}}{\mathrm{tan}\left(\alpha \right)}\) (1)
式中:dh为不同DEM数据之间各个像元的高程差,a是平移矢量的大小,b是平移矢量的方向,α和φ分别为像元对应的坡度和坡向,\(\stackrel{-}{dh}\)为不同DEM数据之间的整体高程差异(垂直矢量的大小)。坡度的大小对DEM数据匹配的精度有很大影响,因此要剔除地形平坦的区域和坡度太大的区域,本文剔除了地面坡度小于5°和大于80°的区域。不同DEM数据之间的高程差会存在异常值,影响余弦曲线的拟合。本文对高程差样本进行统计,认为低于5%或高于95%分位数的高程差是异常值,进行剔除。然后通过最小二乘法拟合dh/tan(α)与坡向的余弦曲线,得到系数a、b、c,计算不同DEM数据在X、Y和Z方向的平移量。最后利用非冰川区高程差与最大曲率的关系,校正由不同分辨率造成的冰川区的高程差异残差。最终得到的高程差值即为研究区高程变化信息。
2 数据样本描述
编辑岗日嘎布地区冰川高程变化数据集包含两部分数据:一是基于TerraSAR/TanDEM雷达影像获取的2014年数字高程模型数据,命名为TanDEM.tif,存放在“数字高程模型”文件夹中;二是基于地形图、SRTM和TerraSAR/TanDEM雷达影像获取的1980–2014年冰川高程变化栅格数据,命名为SRTM_TOPO_DIFF_1980_2000.tif、TDX_SRTM_DIFF_2000_2014.tif和TDX_TOPO_DIFF_1980_2014.tif,表示不同DEM之间获取的研究区高程变化,单位是m,存放在“冰川表面高程变化”文件夹中。样本展示如图3所示。
3 数据质量控制和评估
编辑TerraSAR-X/TanDEM-X遥感影像为X波段数据,在获取数字高程模型的过程中,X波段对冰雪穿透深度较小。但由于山区其特殊的地形,对微波影像有前向收缩、顶底叠置的影响,地形阴影对数据精度也有影响。在相位解缠的过程中,通过掩膜剔除影响数据精度的区域,使得获取的数字高程模型存在空洞。由于空洞所占比例较小,不影响数据质量,可以忽略不计。在数据处理的过程中,影像配准也会产生误差,本文使用的GAMMA雷达数据处理平台的影像配准算法误差控制在0.01个像素范围内。
从美国国家冰雪数据中心获取的ICESat-GLAS数据,其中GLA14数据产品(Release 633)为全球陆地地面高程数据。基于TerraSAR-X/TanDEM-X获取的数字高程模型与GLA14点相比较,剔除超出±100 m的异常值,在非冰川区的平均值与标准差为2.65±1.48 m。
图3 岗日嘎布地区数字高程模型与冰川表面高程变化(a)2014年数字高程模型数据;(b)SRTM与TOPO DEM之间获取的1980–2000年冰川表面高程变化;(c)TanDEM与SRTM之间获取的2000–2014年冰川表面高程变化;(d)TanDEM与TOPO DEM之间获取的1980–2014年冰川表面高程变化
本文采用的SRTM1为C波段数据,而C波段能够穿透冰雪,在测定积雪覆盖的冰川表面地形时得不到真实地面信息。相比C波段数据,X波段对冰雪的穿透效应要小,利用邻近的、且配准和校正之后的SRTM C波段和X波段相比较,得到SRTM1在岗日嘎布地区平均穿透1.24 m。由于SRTM1为未经“空洞”填补处理的数据产品,与TOPO DEM、TerraSAR-X/TanDEM-X相比较得到的冰川表面高程变化数据存在空洞。在研究区范围内,不同海拔高度均有冰川表面高程变化信息,而数据空洞仅占有0.7%的区域,可以忽略不计。
利用TOPO DEM、SRTM和TerraSAR-X/TanDEM-X数据获取地面高程变化信息后可利用非冰川区的高程差异残差对DEM数据间相对误差进行评估(图4)。无冰区高程差的均方根误差(RMSE)或标准差(STDV)可以作为高程差不确定性的初步估计,但是会高估高程变化的不确定性。根据空间邻近相似性原理,相邻的像元间存在自相关,因此需要除去自相关造成的影响。为此,引入标准平均误差(SE)对高程差不确定性进行评估。最终不同DEM数据之间高程差的精度(σ)可以用无冰区高程差的均值MED和SE表示:
\(\sigma =\sqrt{{MED}^{2}+{SE}^{2}}\) (2)
\(SE=STDV/\sqrt{N}\) (3)
式中:N为去自相关后的像元个数。除去自相关造成的影响,需要根据DEM的分辨率计算空间自相关的长度。空间自相关距离可以通过自定义的方式确定,也可以通过莫兰指数(Moran’s I)计算。Bolch等在研究尼泊尔喜马拉雅山珠峰地区冰川时,对30 m分辨率选取600 m的自相关长度,对10~20 m分辨率选取400 m的自相关长度[24]。本研究使用的DEM数据,分辨率差异较大,采用Bolch等提出的自定义方式。SRTM与TOPO DEM之间的去空间自相关距离选择600 m;TerraSAR-X/TanDEM-X与SRTM/TOPO DEM之间的去空间自相关距离选择200 m。结果显示(表2),误差校正后,残差平均值(MED)减小到了−0.53~0.67 m之间,趋近于0;TOPO、SRTM和TSX/TDX数据间相对误差介于0.43~0.77 m之间。
图4 岗日嘎布地区SRTM与TOPO DEM差值前(a)、差值后(b)在非冰川区的高程差
表2 岗日嘎布地区DEM差值后非冰川区误差特征分布
数据集 | None | None | None | None | 高程差的不确定性/\(\mathbf{\sigma }\) (m) |
SRTM - TOPO | 0.67 | 16.41 | 1829 | 0.38 | 0.77 |
TanDEM - SRTM | –0.42 | 9.93 | 16356 | 0.08 | 0.43 |
TanDEM - TOPO | –0.53 | 5.36 | 16356 | 0.04 | 0.53 |
4 数据价值
编辑TerraSAR /TanDEM采用X波段的合成孔径雷达传感器,在测算冰川表面高程变化时对大气干扰及冰雪穿透有较好的屏蔽效果。利用光学遥感影像或激光测高数据得到的本研究区冰川表面高程变化,与本文的结果相差较大。通过对比不同研究成果及研究方法发现,本文结果与其他研究成果相差较大的主要原因是SRTM C波段对冰雪穿透的估算差异。Kääb等[26]在测算帕米尔–喀喇昆仑山–喜马拉雅山冰川物质平衡时认为,SRTM C波段在念青唐古拉山平均穿透7~10 m。本文利用邻近的、且配准和校正之后的SRTM C波段和X波段相比较,得到SRTM1在岗日嘎布地区平均穿透1.24 m。综合前人研究发现,在喜马拉雅山及念青唐古拉山中西段地区[31][32][22][23],SRTM对冰雪的平均穿透1.24~2.5 m,因此在念青唐古拉山东段岗日嘎布地区1.24 m的穿透深度是可信的。
野外实测冰川物质平衡是衡量冰川变化的最佳指标,本文搜集了岗日嘎布地区两条典型冰川(帕隆藏布4号冰川和10号冰川)的实测物质平衡数据[35][3]。从野外实地观测发现,两条冰川均呈现较大的物质平衡亏损,其中帕隆藏布4号冰川从2006年5月到2007年5月,物质平衡为−0.71 m w.e. a-1,帕隆藏布10号冰川从2005年到2009年,物质平衡为−0.78 m w.e. a-1。利用大地测量法获取川表面高程变化后,将其转换为物质平衡时,需考虑体积-物质转换因子(冰/雪密度参数)。本文采用Gardner等[27]推荐的冰/雪密度值900±17 kg m-3作为体积–物质转换因子,其中17 kg m-3为冰/雪密度的误差引入。基于SRTM和TerraSAR/TanDEM(2014年2月18日)数据,这两条冰川从1999–2014年经历了较大的表面高程减薄,物质损失达到0.65±0.22 m w.e. a-1和0.67±0.22 m w.e. a-1。通过与野外实测数据相比较可知,基于SRTM和TerraSAR-X/TanDEM-X数据获取的帕隆藏布4号和10号冰川物质平衡,与野外实测具有较高的一致性,基于遥感数据获取的岗日嘎布地区冰川表面高程变化精度较高。
冰川表面高程变化数据是研究冰川物质平衡、冰川运动及区域水文变化特征等重要基础数据。对冰川表面高程变化数据集的充分利用,结合气候、水文数据的综合探讨,对区域乃至全球水资源分布和变化的研究、以及地理环境变化的特点和趋势分析有着重要意义。
5 数据使用方法和建议
编辑岗日嘎布地区2014年数字高程模型及1980–2014年冰川表面高程变化数据集通过SDB (Science Data Bank) 网站提供全部数据下载服务。本数据集提供了ArcGIS软件平台下生产的32位浮点型GeoTIFF栅格数据,除了*.tif数据本身之外,还有包括了影像坐标文件*.tfw和投影、金字塔信息*.tfw.aux.xml。可以在ArcGIS、SuperMap等GIS平台软件直接调用,也可以使用Matlab等数据分析软件编码进行批量处理和分析。
致 谢
编辑感谢德国空间局(DLR)提供的TerraSAR-X/TanDEM-X数据,感谢美国地质调查局(USGS)提供的SRTM1数据,感谢中国科学院寒区旱区研究所科学数据中心提供的冰川编目数据集。
参考文献
编辑- ↑ LI X, CHENG G, JIN H, et al. Cryospheric change in China[J]. Global and Planetary Change, 2008, 62(3): 210-218.
- ↑ OERLEMANS J. Quantifying global warming from the retreat of glaciers[J]. Science, 1994, 264(5156): 243-244.
- ^ 3.0 3.1 YAO T, THOMPSON L, YANG W, et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2012, 2(9): 663-667.
- ↑ BOLCH T, KULKARNI A, KÄÄB A, et al. The state and fate of Himalayan glaciers[J]. Science, 2012, 336(6079): 310-314.
- ↑ KASER G, GROßHAUSER M, MARZEION B. Contribution potential of glaciers to water availability in different climate regimes[J]. Proceedings of the National Academy of Sciences, 2010, 107(47): 20223-20227.
- ↑ HUSS M, HOCK R. Global-scale hydrological response to future glacier mass loss[J]. Nature Climate Change, 2018, 8: 135-140.
- ↑ KÄÄB A, LEINSS S, GILBERT A, et al. Massive collapse of two glaciers in western Tibet in 2016 after surge-like instability[J]. Nature Geoscience, 2018, 11(2): 1.
- ↑ BENN D I, BOLCH T, HANDS K, et al. Response of debris-covered glaciers in the Mount Everest region to recent warming, and implications for outburst flood hazards[J]. Earth-Science Reviews, 2012, 114(1): 156-174.
- ↑ 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(01): 3-16.
- ↑ GUO W, LIU S, XU J, et al. The second Chinese glacier inventory: data, methods and results[J]. Journal of Glaciology, 2015, 61(226): 357-372.
- ↑ 王圣杰, 张明军, 李忠勤, 等. 近50年来中国天山冰川面积变化对气候的响应[J]. 地理学报, 2011, 66(1): 38-46.
- ↑ ZHANG Z, XU J-L, LIU S-Y, et al. Glacier changes since the early 1960s, eastern Pamir, China[J]. Journal of Mountain Science, 2016, 13(2): 276-291.
- ↑ WU K, LIU S, GUO W, et al. Glacier change in the western Nyainqentanglha Range, Tibetan Plateau using historical maps and Landsat imagery: 1970-2014[J]. Journal of Mountain Science, 2016, 13(8): 1358-1374.
- ↑ WEI J, LIU S, GUO W, et al. Surface-area changes of glaciers in the Tibetan Plateau interior area since the 1970s using recent Landsat images and historical maps[J]. Annals of Glaciology, 2014, 55(66): 213-222.
- ↑ PAN B T, ZHANG G L, WANG J, et al. Glacier changes from 1966–2009 in the Gongga Mountains, on the south-eastern margin of the Qinghai-Tibetan Plateau and their climatic forcing[J]. The Cryosphere, 2012, 6(5): 1087-1101.
- ^ 16.0 16.1 ZHOU Y, LI Z, LI J, et al. 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.
- ^ 17.0 17.1 YE Q, BOLCH T, NARUSE R, et al. Glacier mass changes in Rongbuk catchment on Mt. Qomolangma from 1974 to 2006 based on topographic maps and ALOS PRISM data[J]. Journal of Hydrology, 2015, 530: 273-280.
- ^ 18.0 18.1 WU K, LIU S, JIANG Z, et al. Recent glacier mass balance and area changes in the Kangri Karpo Mountains from DEMs and glacier inventories[J]. The Cryosphere, 2018, 12(1): 103-121.
- ^ 19.0 19.1 SHANGGUAN D H, BOLCH T, DING Y J, et al. Mass changes of Southern and Northern Inylchek Glacier, Central Tian Shan, Kyrgyzstan, during ∼1975 and 2007 derived from remote sensing data[J]. Cryosphere, 2015, 9(2): 703-717.
- ^ 20.0 20.1 PIECZONKA T, TOBIAS B, WEI J, et al. Heterogeneous mass loss of glaciers in the Aksu-Tarim Catchment (Central Tien Shan) revealed by 1976 KH-9 Hexagon and 2009 SPOT-5 stereo imagery[J]. Remote Sensing of Environment, 2013, 130: 233-244.
- ^ 21.0 21.1 21.2 NECKEL N, KROPÁČEK J, BOLCH T, et al. Glacier mass changes on the Tibetan Plateau 2003–2009 derived from ICESat laser altimetry measurements[J]. Environmental research letters, 2014, 9(1): 014009.
- ^ 22.0 22.1 22.2 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.
- ^ 23.0 23.1 23.2 23.3 GARDELLE J, BERTHIER E, ARNAUD Y, et al. Region-wide glacier mass balances over the Pamir-Karakoram-Himalaya during 1999-2011[J]. Cryosphere, 2013, 7(6): 1885-1886.
- ^ 24.0 24.1 24.2 BOLCH T, PIECZONKA T, BENN D. Multi-decadal mass loss of glaciers in the Everest area (Nepal Himalaya) derived from stereo imagery[J]. The Cryosphere, 2011, 5(2): 349-358.
- ↑ RACOVITEANU A E, WILLIAMS M W, BARRY R G. Optical Remote Sensing of Glacier Characteristics: A Review with Focus on the Himalaya[J]. Sensors, 2008, 8(5): 3355-3383.
- ^ 26.0 26.1 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.
- ^ 27.0 27.1 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.
- ^ 28.0 28.1 KRIEGER G, MOREIRA A, FIEDLER H, et al. TanDEM-X: A Satellite Formation for High-Resolution SAR Interferometry[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2007, 45: 3317-3341.
- ↑ NECKEL N, BRAUN A, KROPÁČEK J, et al. Recent mass balance of the Purogangri Ice Cap, central Tibetan Plateau, by means of differential X-band SAR interferometry[J]. Cryosphere, 2013, 7(2): 1623-1633.
- ↑ MELANIE R, MATTHIAS B. Glacier elevation and mass changes over the central Karakoram region estimated from TanDEM-X and SRTM/X-SAR digital elevation models[J]. Annals of Glaciology, 2016, 51(71): 273-281.
- ^ 31.0 31.1 LI G, LIN H, YE Q. Heterogeneous decadal glacier downwasting at the Mt. Everest (Qomolangma) from 2000 to ~ 2012 based on multi-baseline bistatic SAR interferometry[J]. Remote Sensing of Environment, 2018, 206: 336-349.
- ^ 32.0 32.1 LI G, LIN H. Recent decadal glacier mass balances over the Western Nyainqentanglha Mountains and the increase in their melting contribution to Nam Co Lake measured by differential bistatic SAR interferometry[J]. Global & Planetary Change, 2017, 149: 177-190.
- ↑ 国家质量监督检验检疫总局, 国家标准化管理委员会. GB/T 1234.1-2008 国家基本比例尺地图编绘规范 第一部分:1:25 000 1:50000 1:100 000 地形图编绘规范[S]. 北京: 中国标准出版社, 2008.
- ↑ KOLECKA N, KOZAK J. Assessment of the Accuracy of SRTM C- and X-Band High Mountain Elevation Data: a Case Study of the Polish Tatra Mountains[J]. Pure and Applied Geophysics, 2014, 171(6): 897-912.
- ↑ YANG W, YAO T D, XU B Q, et al. Quick ice mass loss and abrupt retreat of the maritime glaciers in the Kangri Karpo Mountains, southeast Tibetan Plateau[J]. Chinese Science Bulletin, 2008, 53(16): 2547-2551.
数据引用格式
编辑吴坤鹏, 刘时银, 蒋宗立, 魏俊锋. 1980–2014年岗日嘎布地区冰川高程变化数据集[DB/OL].Science Data Bank, 2018. (2018-04-18). DOI: 10.11922/sciencedb.574.