1980–2014年崗日嘎布地區冰川高程變化數據集

1980–2014年崗日嘎布地區冰川高程變化數據集
作者：吳坤鵬　劉時銀　蔣宗立　魏俊鋒
2018年10月30日

本作品收錄於《中國科學數據》

吳坤鵬, 劉時銀, 蔣宗立, 魏俊鋒. 1980–2014年崗日嘎布地區冰川高程變化數據集[J/OL]. 中國科學數據, 2018. (2018-10-30). DOI: 10.11922/csdata.2018.0011.zh.

摘要&關鍵詞

摘要：由於印度洋季風的影響，位於藏東南的崗日嘎布是青藏高原最濕潤的地區，海洋性冰川在該地區集中發育。該地區的冰川物質損失對海平面上升、調節河川徑流及冰湖潰決災害等有重要影響。本文基於1980年航測地形圖、2000年2月11–22日SRTM數字高程模型（DEM）和2014年的X波段TerraSAR/TanDEM雷達影像得到崗日嘎布地區冰川高程變化。大致空間範圍在29°N–30°N、96°E–98°E內，包括帕隆藏布以南、貢日嘎布曲以北區域，覆蓋面積達3600平方公里。數據集內包含兩類文件：1）基於TerraSAR/TanDEM雷達影像獲取的2014年數字高程模型數據；2）基於地形圖、SRTM和TerraSAR/TanDEM雷達影像獲取的1980–2014年冰川高程變化柵格數據。為克服崗日嘎布地區多雲雨對光學遙感影像的影響，對大地測量法中數字高程模型及冰川高程變化的提取採用合成孔徑雷達差分干涉測量（DInSAR）。與ICESat-GLAS數據相比較，2014年數字高程模型的垂直精度達到2.65 m。利用DInSAR獲取的冰川高程變化轉化為物質平衡，與野外測量獲取的冰川物質平衡有較好的一致性。本數據集為目前崗日嘎布地區最新的高程變化數據，有效減少了雲、季節性冰雪的影響，可作為基礎數據集，應用到各種冰川研究中。

關鍵詞：數字高程模型；冰川高程變化；崗日嘎布；DInSAR；TerraSAR/TanDEM

Abstract & Keywords

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

數據庫（集）基本信息簡介

數據庫（集）名稱	1980–2014年崗日嘎布地區冰川高程變化數據集
數據作者	吳坤鵬，劉時銀，蔣宗立，魏俊鋒
數據通信作者	吳坤鵬（wukunpeng2008@lzb.ac.cn），劉時銀（liusy@ lzb.ac.cn）
數據時間範圍	1980–2014年
地理區域	地理範圍為北緯28°54′16″–29°31′42″，東經96°22′59″–97°8′23″，包括帕隆藏布以南、貢日嘎布曲以北區域。
空間分辨率	10 m
數據量	142 MB
數據格式	*.tif (Geo TIFF, 32bit float)（壓縮為rar格式）
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/574
基金項目	國家自然科學基金項目（41801031，41471067），科技部科技基礎性工作專項項目（2013FY111400），雲南大學人才引進項目（YJRC3201702），國際合作項目（131C11KYSB20160061-4）
數據庫（集）組成	數據集由2部分數據組成，其一為2014年數字高程模型數據，其二是1980–2014年冰川高程變化柵格數據集。

Dataset profile

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

冰川是冰凍圈系統的重要組成部分^[1]，對氣候變化具有強烈的指示作用^[2]。在當今全球氣候變暖的背景下，冰川普遍退縮^[3][4]。這對區域水資源有重要影響^[5][6]，並引起不同程度的冰川災害^[7][8]。隨着中國第二次冰川編目的完成^[9][10]，高亞洲地區的冰川面積、長度變化研究成果湧現^{[11][12][13][14][15]}，但僅從面積變化難以理解冰川變化差異。冰川表面高程變化及物質平衡^{[16][17][18][19][20][21][22][23][24]}，日益成為當前冰川變化研究領域關注的熱點。遙感技術具有方便快捷、空間覆蓋範圍大等特點，已逐漸取代了GPS等傳統觀測手段對冰川等惡劣氣候環境區域的地面監測任務，如基於光學遙感立體像對提取DEM、激光雷達測高等方法獲取冰川表面高程變化^{[16][17][19][20][21][22][23][24]}。基於光學遙感的冰川物質平衡研究，關鍵問題是獲取無雲、無季節性雪蓋的影像^[25]，但在大量表磧覆蓋、雲活動頻繁的高山地區，獲取冰川物質平衡仍是一個有挑戰性的問題。特別是青藏高原東南部崗日嘎布地區，受印度洋季風影響的濕潤氣候，冰川消融期有頻繁的雲雨活動，加上季節性積雪和表磧覆蓋，獲得高質量的光學遙感影像較為困難。因此，對崗日嘎布地區的冰川物質平衡研究，不同數據及方法得到不同的物質平衡水平，甚至相同數據得到的結果相差也較大^{[26][27][21][23]}。不同物質平衡水平，會給後續冰川變化研究、水文建模等帶來很大的不確定性。

隨着遙感技術的發展，合成孔徑雷達（SAR）技術已經具備了多波段、多極化、多模式等特點，能夠全天候、不受天氣影響地獲取較高時空分辨率的地面雷達反射數據^[28]，十分有利於藏東南地區開展大範圍的冰川表面高程變化監測。雷達干涉技術包括重複觀測交軌干涉和雙基站Bistatic交軌干涉，其中雙基站Bistatic交軌干涉圖相位包含平地相位與地形相位，常用於冰川高程變化研究，如SRTM DEM和TanDEM影像。基於TerraSAR-X/TanDEM-X遙感影像，對青藏高原及其周邊地區的冰川表面高程變化均取得了較好的研究成果^{[29][30][31][32]}，可見該方法十分可靠。本文獲取了2014年2月18日和2014年3月13日覆蓋崗日嘎布地區的TerraSAR-X/TanDEM-X數據，利用合成孔徑雷達差分干涉測量（DInSAR），對研究區內冰川進行了表面高程變化分析，得到了崗日嘎布地區1980–2014年冰川表面高程變化數據。

1 數據採集和處理方法

1.1 數據源

崗日嘎布地區冰川表面高程變化數據集主要基於4種數據：基於1980年航測地形圖得到的數字高程模型（TOPO DEM）、2000年2月的數字高程模型（SRTM DEM）、基於雙基站模式的TerraSAR-X/TanDEM-X數據和中國冰川編目數據（表1，圖1）。

其中，共選取了12幅1∶50000的航測地形圖，其航攝時間為1980年10月，採用北京1954坐標系和黃海1985高程系。首先將原始地形圖按照300 dpi在大幅面掃描儀上掃描，將掃描的地形圖進行幾何糾正，保證糾正精度在半個像元以內。然後對地形圖的等高線進行矢量化，通過生成不規則三角網（TIN）模型，轉化為DEM柵格文件，通過七參數法將北京坐標系/黃海高程系轉換到WGS1984/EGM96空間坐標系下，空間分辨率為30 m。根據《國家基本比例尺地圖編繪規範》的要求^[33]，所採用的地形圖平坦區域（坡度小於2°）和丘陵區域（坡度2–6°）垂直精度優於3～5 m，山區和高山區（坡度大於6°）垂直精度優於8～14 m。

表1 數據集用到的地形圖和TerraSAR-X/TanDEM-X影像列表

時間	數據源	ID	分辨率（m）
1980/10	地形圖/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

圖片

圖1 研究區範圍以及所用地形圖和TerraSAR-X/TanDEM-X影像的覆蓋範圍

SRTM DEM為美國地質勘探局提供的、未經「空洞」填補處理的SRTM1數據產品，其獲取時間為2000年2月，分辨率為30 m，採用WGS84/EGM96空間坐標系。在90%的置信區間內，SRTM1垂直精度優於16 m，其高程精度受地形的影響較大，在平坦區域的高程精度可達10 m，且隨地表坡度變化^[34]。

TerraSAR-X/TanDEM-X數據為德國空間局提供的雙星分布式X波段SAR數據，獲取時間2014年2月18日和2014年3月13日。該數據獲取模式為收發分置式（Bistatic mode），即一顆衛星發射脈衝，兩顆衛星同時接收，通過對兩個回波信號相位差進行解纏來獲取地面高程信息，其垂直方向的絕對精度優於10 m，相對精度在局部坡度角大於20%時達到4 m，小於等於20%時達到2 m^[28]。

中國冰川編目數據由寒區旱區科學數據中心提供（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），為全球陸地地面高程數據（圖1）。

1.2 數據處理步驟

詳盡的數據處理方法可見Wu等人發表的文獻^[18]。冰川表面高程變化獲取主要由3部分組成：獲取2014年數字高程模型，獲取1980–2014年和2000–2014年兩個時間段的冰川表面高程變化，獲取1980–2000年的冰川表面高程變化。本文採用瑞士GAMMA軟件平台和美國ESRI公司的ArcGIS軟件平台進行數據的處理和分析，圖2顯示了主要的處理步驟。

圖片

圖2 崗日嘎布地區2014年DEM數據製作及不同時期冰川表面高程變化計算流程圖

合成孔徑雷達差分干涉測量，首先基於TerraSAR-X將TOPO DEM和SRTM模擬轉換為SAR成像數據，TerraSAR-X與TanDEM-X為同一成像時間的SAR圖像，TerraSAR-X與TOPO DEM/SRTM模擬的SAR數據為不同成像時間的SAR圖像，TerraSAR-X分別與TanDEM-X和TOPO DEM/SRTM模擬的SAR數據進行配准、共軛相乘、生成兩幅干涉圖，其中同一成像時間的干涉圖相位包含地形高程信息，而不同成像時間的干涉圖相位包含地形高程信息和兩次成像期間地表形變信息。對兩幅干涉圖去平地效應、並對低相干及相位異常區域進行掩膜，通過相位解纏，將相位轉換為高程差。最後利用非冰川區域雙線性擬合進行整體改正，得到優化的高程差，即得到研究區高程變化信息。利用TerraSAR-X與TanDEM-X生成的干涉圖，進行相位解纏、基線估計，得到反映地面高程信息的真實相位，根據InSAR成像基本原理和坐標轉換，得到最新的DEM數據。

TOPO DEM與SRTM之間的處理採用大地測量法，兩幅DEM數據在沒有配準的情況下直接高程相減得到高程差值圖，高程差值圖與坡度坡向之間具有以下餘弦函數關係：

\(\frac{dh}{\mathrm{tan}\left(\alpha \right)}=a\mathrm{ }\mathrm{cos}\left(b-\phi \right) +\mathrm{ }\frac{\stackrel{-}{dh}}{\mathrm{tan}\left(\alpha \right)}\) （1）

式中：dh為不同DEM數據之間各個像元的高程差，a是平移矢量的大小，b是平移矢量的方向，α和φ分別為像元對應的坡度和坡向，\(\stackrel{-}{dh}\)為不同DEM數據之間的整體高程差異（垂直矢量的大小）。坡度的大小對DEM數據匹配的精度有很大影響，因此要剔除地形平坦的區域和坡度太大的區域，本文剔除了地面坡度小於5°和大於80°的區域。不同DEM數據之間的高程差會存在異常值，影響餘弦曲線的擬合。本文對高程差樣本進行統計，認為低於5%或高於95%分位數的高程差是異常值，進行剔除。然後通過最小二乘法擬合dh/tan(α)與坡向的餘弦曲線，得到係數a、b、c，計算不同DEM數據在X、Y和Z方向的平移量。最後利用非冰川區高程差與最大曲率的關係，校正由不同分辨率造成的冰川區的高程差異殘差。最終得到的高程差值即為研究區高程變化信息。

2 數據樣本描述

崗日嘎布地區冰川高程變化數據集包含兩部分數據：一是基於TerraSAR/TanDEM雷達影像獲取的2014年數字高程模型數據，命名為TanDEM.tif，存放在「數字高程模型」文件夾中；二是基於地形圖、SRTM和TerraSAR/TanDEM雷達影像獲取的1980–2014年冰川高程變化柵格數據，命名為SRTM_TOPO_DIFF_1980_2000.tif、TDX_SRTM_DIFF_2000_2014.tif和TDX_TOPO_DIFF_1980_2014.tif，表示不同DEM之間獲取的研究區高程變化，單位是m，存放在「冰川表面高程變化」文件夾中。樣本展示如圖3所示。

3 數據質量控制和評估

TerraSAR-X/TanDEM-X遙感影像為X波段數據，在獲取數字高程模型的過程中，X波段對冰雪穿透深度較小。但由於山區其特殊的地形，對微波影像有前向收縮、頂底疊置的影響，地形陰影對數據精度也有影響。在相位解纏的過程中，通過掩膜剔除影響數據精度的區域，使得獲取的數字高程模型存在空洞。由於空洞所占比例較小，不影響數據質量，可以忽略不計。在數據處理的過程中，影像配准也會產生誤差，本文使用的GAMMA雷達數據處理平台的影像配准算法誤差控制在0.01個像素範圍內。

從美國國家冰雪數據中心獲取的ICESat-GLAS數據，其中GLA14數據產品（Release 633）為全球陸地地面高程數據。基於TerraSAR-X/TanDEM-X獲取的數字高程模型與GLA14點相比較，剔除超出±100 m的異常值，在非冰川區的平均值與標準差為2.65±1.48 m。

圖片

圖3 崗日嘎布地區數字高程模型與冰川表面高程變化（a）2014年數字高程模型數據；（b）SRTM與TOPO DEM之間獲取的1980–2000年冰川表面高程變化；（c）TanDEM與SRTM之間獲取的2000–2014年冰川表面高程變化；（d）TanDEM與TOPO DEM之間獲取的1980–2014年冰川表面高程變化

本文採用的SRTM1為C波段數據，而C波段能夠穿透冰雪，在測定積雪覆蓋的冰川表面地形時得不到真實地面信息。相比C波段數據，X波段對冰雪的穿透效應要小，利用鄰近的、且配准和校正之後的SRTM C波段和X波段相比較，得到SRTM1在崗日嘎布地區平均穿透1.24 m。由於SRTM1為未經「空洞」填補處理的數據產品，與TOPO DEM、TerraSAR-X/TanDEM-X相比較得到的冰川表面高程變化數據存在空洞。在研究區範圍內，不同海拔高度均有冰川表面高程變化信息，而數據空洞僅占有0.7%的區域，可以忽略不計。

利用TOPO DEM、SRTM和TerraSAR-X/TanDEM-X數據獲取地面高程變化信息後可利用非冰川區的高程差異殘差對DEM數據間相對誤差進行評估（圖4）。無冰區高程差的均方根誤差（RMSE）或標準差（STDV）可以作為高程差不確定性的初步估計，但是會高估高程變化的不確定性。根據空間鄰近相似性原理，相鄰的像元間存在自相關，因此需要除去自相關造成的影響。為此，引入標準平均誤差（SE）對高程差不確定性進行評估。最終不同DEM數據之間高程差的精度（σ）可以用無冰區高程差的均值MED和SE表示：

\(\sigma =\sqrt{{MED}^{2}+{SE}^{2}}\) （2）

\(SE=STDV/\sqrt{N}\) （3）

式中：N為去自相關後的像元個數。除去自相關造成的影響，需要根據DEM的分辨率計算空間自相關的長度。空間自相關距離可以通過自定義的方式確定，也可以通過莫蘭指數（Moran’s I）計算。Bolch等在研究尼泊爾喜馬拉雅山珠峰地區冰川時，對30 m分辨率選取600 m的自相關長度，對10～20 m分辨率選取400 m的自相關長度^[24]。本研究使用的DEM數據，分辨率差異較大，採用Bolch等提出的自定義方式。SRTM與TOPO DEM之間的去空間自相關距離選擇600 m；TerraSAR-X/TanDEM-X與SRTM/TOPO DEM之間的去空間自相關距離選擇200 m。結果顯示（表2），誤差校正後，殘差平均值（MED）減小到了−0.53～0.67 m之間，趨近於0；TOPO、SRTM和TSX/TDX數據間相對誤差介於0.43～0.77 m之間。

圖片

圖片

圖4 崗日嘎布地區SRTM與TOPO DEM差值前（a）、差值後（b）在非冰川區的高程差

表2 崗日嘎布地區DEM差值後非冰川區誤差特徵分布

數據集	None	None	None	None	高程差的不確定性/\(\mathbf{\sigma }\) (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 數據價值

TerraSAR /TanDEM採用X波段的合成孔徑雷達傳感器，在測算冰川表面高程變化時對大氣干擾及冰雪穿透有較好的屏蔽效果。利用光學遙感影像或激光測高數據得到的本研究區冰川表面高程變化，與本文的結果相差較大。通過對比不同研究成果及研究方法發現，本文結果與其他研究成果相差較大的主要原因是SRTM C波段對冰雪穿透的估算差異。Kääb等^[26]在測算帕米爾–喀喇崑崙山–喜馬拉雅山冰川物質平衡時認為，SRTM C波段在念青唐古拉山平均穿透7～10 m。本文利用鄰近的、且配准和校正之後的SRTM C波段和X波段相比較，得到SRTM1在崗日嘎布地區平均穿透1.24 m。綜合前人研究發現，在喜馬拉雅山及念青唐古拉山中西段地區^{[31][32][22][23]}，SRTM對冰雪的平均穿透1.24～2.5 m，因此在念青唐古拉山東段崗日嘎布地區1.24 m的穿透深度是可信的。

野外實測冰川物質平衡是衡量冰川變化的最佳指標，本文搜集了崗日嘎布地區兩條典型冰川（帕隆藏布4號冰川和10號冰川）的實測物質平衡數據^[35][3]。從野外實地觀測發現，兩條冰川均呈現較大的物質平衡虧損，其中帕隆藏布4號冰川從2006年5月到2007年5月，物質平衡為−0.71 m w.e. a-1，帕隆藏布10號冰川從2005年到2009年，物質平衡為−0.78 m w.e. a-1。利用大地測量法獲取川表面高程變化後，將其轉換為物質平衡時，需考慮體積-物質轉換因子（冰/雪密度參數）。本文採用Gardner等^[27]推薦的冰/雪密度值900±17 kg m-3作為體積–物質轉換因子，其中17 kg m-3為冰/雪密度的誤差引入。基於SRTM和TerraSAR/TanDEM（2014年2月18日）數據，這兩條冰川從1999–2014年經歷了較大的表面高程減薄，物質損失達到0.65±0.22 m w.e. a-1和0.67±0.22 m w.e. a-1。通過與野外實測數據相比較可知，基於SRTM和TerraSAR-X/TanDEM-X數據獲取的帕隆藏布4號和10號冰川物質平衡，與野外實測具有較高的一致性，基於遙感數據獲取的崗日嘎布地區冰川表面高程變化精度較高。

冰川表面高程變化數據是研究冰川物質平衡、冰川運動及區域水文變化特徵等重要基礎數據。對冰川表面高程變化數據集的充分利用，結合氣候、水文數據的綜合探討，對區域乃至全球水資源分布和變化的研究、以及地理環境變化的特點和趨勢分析有着重要意義。

5 數據使用方法和建議

崗日嘎布地區2014年數字高程模型及1980–2014年冰川表面高程變化數據集通過SDB (Science Data Bank) 網站提供全部數據下載服務。本數據集提供了ArcGIS軟件平台下生產的32位浮點型GeoTIFF柵格數據，除了*.tif數據本身之外，還有包括了影像坐標文件*.tfw和投影、金字塔信息*.tfw.aux.xml。可以在ArcGIS、SuperMap等GIS平台軟件直接調用，也可以使用Matlab等數據分析軟件編碼進行批量處理和分析。

致 謝

感謝德國空間局（DLR）提供的TerraSAR-X/TanDEM-X數據，感謝美國地質調查局（USGS）提供的SRTM1數據，感謝中國科學院寒區旱區研究所科學數據中心提供的冰川編目數據集。

參考文獻

1. LI X, CHENG G, JIN H, et al. Cryospheric change in China[J]. Global and Planetary Change, 2008, 62(3): 210-218.
2. OERLEMANS J. Quantifying global warming from the retreat of glaciers[J]. Science, 1994, 264(5156): 243-244.
3. ^ ^{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.
4. BOLCH T, KULKARNI A, KÄÄB A, et al. The state and fate of Himalayan glaciers[J]. Science, 2012, 336(6079): 310-314.
5. 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.
6. HUSS M, HOCK R. Global-scale hydrological response to future glacier mass loss[J]. Nature Climate Change, 2018, 8: 135-140.
7. 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.
8. 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.
9. 劉時銀, 姚曉軍, 郭萬欽, 等. 基於第二次冰川編目的中國冰川現狀[J]. 地理學報, 2015, 70(01): 3-16.
10. 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.
11. 王聖傑, 張明軍, 李忠勤, 等. 近50年來中國天山冰川面積變化對氣候的響應[J]. 地理學報, 2011, 66(1): 38-46.
12. 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.
13. 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.
14. 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.
15. 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. ^ ^{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. ^ ^{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. ^ ^{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. ^ ^{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. ^ ^{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. ^ ^{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. ^ ^{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. ^ ^{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. ^ ^{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.
25. 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. ^ ^{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. ^ ^{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. ^ ^{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.
29. 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.
30. 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. ^ ^{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. ^ ^{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.
33. 國家質量監督檢驗檢疫總局, 國家標準化管理委員會. GB/T 1234.1-2008 國家基本比例尺地圖編繪規範 第一部分：1:25 000 1:50000 1:100 000 地形圖編繪規範[S]. 北京: 中國標準出版社, 2008.
34. 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.
35. 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.

數據引用格式

吳坤鵬, 劉時銀, 蔣宗立, 魏俊鋒. 1980–2014年崗日嘎布地區冰川高程變化數據集[DB/OL].Science Data Bank, 2018. (2018-04-18). DOI: 10.11922/sciencedb.574.