研究论文 网络优先出版 版本 1
下载
2000—2018年哈尔里克山冰川高程遥感变化分析
Glacier surface elevation change on the Karlik Mountain from 2000 to 2018 by remote sensing method
86 0 0
摘要&关键词
摘要:冰川高程变化是冰川形态变化的重要特征之一,能为推算冰川体积变化及物质平衡提供基本参数。利用sentinel-1A雷达数据,与SRTM数据进行差分干涉,得到2000—2018年哈尔里克山冰川高程变化结果。为进一步提高监测结果的可靠性,以裸地区域的高程变化量作为系统误差修正值,对冰川高程变化结果进行第一次优化。由于差分干涉结果受地形影响较大,为降低地形因素对高程变化的影响,分析地形因子与高程变化标准差之间的关系,去除标准差过大的冰川区域,提高冰川高程变化可靠性,对冰川高程变化结果进行第二次优化,并在此基础上进行精度评定。结果表明,18年来,哈尔里克山冰川高程平均下降(8.74±0.14)m。分析冰川高程变化的空间差异性,发现西北部冰川高程减少程度较东南部小。分析冰川高程变化与海拔的关系,发现总体上冰川高程下降程度随海拔升高而减小。
关键词:差分干涉测量技术;冰川高程变化;裸地;地形因子
Abstract & Keywords
Abstract: Background, aim, and scope Glacier surface elevation change is one of the important characteristics of glacier morphology, which provides correction parameters for calculating glacier volume change and material balance, so as to evaluate water resources. Karlik Mountain were selected as the study area because they are typical glacial area in arid or semi-arid area with important water supply status. Materials and methods The differential synthetic aperture radar interferometry method was used to survey the glacial surface elevation of Karlik Mountain by Sentinel-1A radar data in 2018 and SRTM DEM data in 2000. Results The change of glacier elevation from 2000 to 2018 was obtained, and it was found that most regions of the Karlik Mountain glacier show decreasing trend, except a very small area. the average elevation change of Karlik Mountain glacier in the past 18 years is -9.42 m. Discussion Results were refined two times because of systematic errors introduced by sensors and surroundings. the elevation change of the bare land area was used to correct systematic errors as the first refinement. The relationship between topography and the standard deviation of elevation change was analyzed to remove glacier region with large standard deviation as the second refinement. The final elevation change result is obtained by interpolating and filling the data of the glacier area, It is calculated that the refined average elevation change of the glacier was -8.74 m. On the basis of these results, the accuracy and spatial analysis of glacier elevation change are carried out. Conclusionsthe precision of refined glacier elevation increased by 0.4 m, and the error of glacier elevation change after refining was 0.14 m. Due to the influence of monsoon and mountain trend, the extent of glacier elevation decrease in the northwest is slower than that in the southeast. Recommendations and perspectives Due to the lack of the field data, there is no corresponding data for comparison, and the accuracy of the data has not been deeply discussed. In the future, we will continue to study the relationship between glacier elevation change with temperature and precipitation, and its impact on water resources.
Keywords: Differential synthetic aperture radar interferometry method; Glacier elevation change; Bare land; Terrain factor
冰川作为宝贵的“固体水库”,对干旱地区的农牧业发展以及荒漠地区的土壤改良具有重要意义,冰川变化导致雪崩、冰湖溃决洪水、冰川泥石流等自然灾害频繁发生,直接影响下游生态环境及工农业生产(Liu et al,2017)。冰川高程变化是冰川变化的重要特征之一,可以有效反映冰川的储量变化以及物质平衡,对于气候和环境变化具有重要意义(蒋宗立等,2018;Zhang et al,2018)。哈尔里克山冰川是干旱半干旱地区的典型冰川,是西部水资源的重要组成部分,该区域高程变化的研究对哈密地区水资源变化与分析及其对区域气候变化的响应关系具有重要参考作用(Kutuzov et al,2009)。
冰川高程测量的方法主要包括,花杆测量法、卫星定位测量法、航天遥感卫星测量法等(蒋宗立等,2018;Zhang et al,2012;张其兵等,2017;Kwok et al,1996)。花杆测量法可以获得较高精度的高程数据,但是只能单点测量。高山冰川气候条件恶劣,地形复杂多变,进一步加大了测量难度,使得该方法有一定的局限性(Li et al,2017)。利用卫星定位系统能开展局部区域冰川高程测量,人力物力成本较高(杜小平等,2013)。这两种方法所得到的高程数据资料均有限,难以满足冰川长时间、大范围、连续性的监测要求。航天遥感卫星测量方法监测范围广、效率高,有独特的优势。合成孔径雷达干涉测量(Interferometry synthetic aperture radar,InSAR)是获取全球数字高程模型(Digital Elevation Model,DEM)的重要技术手段(靳国旺,2007),具有快速的全球覆盖能力,可大范围、周期性的对冰川高程变化情况进行监测,广泛应用于冰川运动速度及高程变化监测中。雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)完成了2000年全球中低纬度区域DEM的获取(靳国旺,2007;陈浩南,2018),是监测冰川高程变化的优质数据源。近年来,许多学者使用InSAR技术生成冰川DEM,并与SRTM DEM进行差分获得冰川高程变化(蒋宗立等,2018;张其兵等,2017)。
由于雷达影像与SRTM DEM配准精度及其差分干涉过程受地形因素影响,给冰川高程变化结果带来不确定性(Neckel et al,2013;Liu et al,2016)。加之高山冰川地形复杂,受雷达侧视成像的特殊成像机制影响,容易引起影像上透视收缩、叠掩和阴影等几何畸变,会严重影响差分干涉测量结果的精度(秦小芳等,2018)。为降低地形因素对冰川高程变化结果的影响,可通过以下几种方法优化冰川区高程变化:①相干性阈值筛选的方法。相干性是影响结果精度的重要因素,相干性的高低可用相干系数表示。一般将相干系数小于某一阈值的冰川区域进行掩膜,并对掩膜掉的区域重新插值进行数据填补。例如,蒋宗立等(2018)利用差分干涉测量的方法,将相干系数低于0.3的冰川区域去除,获得阿尼玛卿山冰川2000—2013年来的高程变化为(-8.73±3.70)m;②分析卫星参数选择合适的雷达数据源。例如,张其兵等(2019)利用差分干涉技术测量祁连山冷龙岭冰川高程变化过程中,直接排除微波入射角小于18°或者大于72°的区域,得出该地区2000—2014冰川年平均高程变化为(-0.64±0.06)m•yr-1;③直接将某特殊地形去除。例如,吴坤鹏等(2018)利用差分干涉技术测量岗日嘎布地区冰川高程变化,剔除了地面坡度大于80°的区域,得到1980—2014冰川高程变化并将其转化为物质平衡,结果与野外测量获取的冰川物质平衡有较好的一致性。这些方法均有各自的适用性,导致冰川表面相干性降低的原因包括很多,例如,冰川跃动,冰川表面物理性状的变化,地形因素影响,处理过程中配准与插值误差等(Zhang et al,2017;Pipaud et al,2015 ;Avtar et al,2015),仅依靠相干性阈值的方法难以去除地形因素对高程变化结果的影响。分析卫星参数选择数据源或直接去除特殊地形会较好地去除地形对差分干涉的影响,但前者会造成数据选择的局限性,后者要求对研究区有一定的了解。本文根据研究区具体条件和数据使用情况,直接分析地形与高程变化可靠性之间的关系,这一方法不仅可清楚看出不同地形因子对高程变化结果可靠性的影响,还可以去除高程变化结果不可靠的冰川区域,提高冰川高程变化监测的精度。
本文利用Sentine lA卫星合成孔径雷达(Synthetic Aperture Radar,SAR)数据,与SRTM DEM进行差分获得哈尔里克山冰川2000年至2018年间的高程变化情况。分析地形因子对高程变化结果可靠性的影响,去除受地形因子影响严重的冰川区域并重新插值填补数据,得到最终的高程变化结果,并在此基础上进行精度评定和分析。
1   研究区概况及数据
1.1   研究区概况
哈尔里克山地处新疆哈密地区,天山山脉最东端,平均海拔4000m左右(见图1)(He et al,2015;何毅等,2018)。山地外围东、南、北方向被低山及荒漠戈壁包围,气候干燥(王银生等,1986)。该区域降水量较少,低海拔地区年均降水量不足200mm,海拔高于4000m时,降水量增加,约为600mm(王叶堂等,2008;骆光晓等,2002)。该山区属典型的低海拔冰川覆盖区,中小型冰川较多(李佳等,2014;刘朝海等,1987),其融水是是下游河流的重要补给来源,哈密地区河流共76条,其中过半河流属冰雪融水供给河流(刘朝海等,1987;何毅等,2018)。


图1   研究区的地理位置图。(a)哈尔里克山(红色矩形区域)在中国地图内的位置。(b) landsat5中的哈尔里克山图像,蓝色区域表示冰川。Figure 1. (a) Map of China showing the geographical location of the study area. (b) Landsat 5 image of Karlik Mountain, with glaciers represented by the blue area.
Fig.1 (a) Map of China showing the geographical location of the study area. (b) Landsat 5 image of Karlik Mountain, with glaciers represented by the blue area
1.2   研究数据
Sentinel 1A搭载C波段SAR传感器于2014年4月3日发射成功(欧阳伦曦等,2017),与其他卫星数据相结合,在陆地、海洋、大气、以及环境监测和灾害响应等方面发挥着重要的作用,对监测变化的地球表面也有着重要的意义(欧阳伦曦等,2017;周华云等,2019)。文中所使用的Sentinel 1A数据来自于(https://scihub.esa.int/)数据共享平台,为干涉宽幅模式下的斜距SLC(Single Look Complex,单视复数影像)数据。数据获取日期为2018年3月6日和2018年3月18日。从影像提供的参数信息可知,轨道方向为升轨,视向为右视,覆盖范围250km(陈昊楠,2018)。其原始影像提供的斜距空间分辨率及方位向空间分辨率分别为2.32m和13.92m(王燕燕等,2019)
SRTM是美国航天局、地理空间情报局联合德国和意大利的空间机构于2000年2月11日开始的雷达地形测绘任务,历经222小时23分钟,获取了北纬60º至南纬56º之间,面积高达1.19亿km2,覆盖全球陆地表面80%的雷达影像数据,是InSAR技术的主要参考数据源之一(欧阳伦曦等,2017;Kishan et al, 2018)。本文选取30m分辨率,填补了空洞的SRTM-C DEM与Sentinel 1A SAR影像进行差分干涉,其中SRTM-C DEM来自美国地质调查局(United States Geological Survey,USGS)。第二次冰川编目数据由寒区旱区科学数据中心提供,主要用于冰川区与非冰川区的划分。
2. 差分干涉计算冰川高程变化
Sentinel 1A干涉DEM被视为2018年的冰川高程,SRTM C DEM数据被视为2000年的冰川高程,两者的差分干涉结果为2000—2018年的冰川高程变化,影像解算信息如表1所示。冰川高程变化处理流程图如图2所示。利用重复轨道干涉测量方法得到研究区干涉相位,生成的干涉相位包括地形相位、形变相位、大气延迟相位、噪声相位、基线误差和参考DEM误差导致的相位(蒋宗立等,2018)。为获得地形相位,需要将其余相位去除。分析国家气象信息中心提供的伊吾气象站日降水数据发现2018年3月6日与3月18日期间降水量为0(骆光晓等,1999),加之影像获取日期为3月份,气温较低,冰川表面形态稳定,本文忽略此时间段的冰川高程变化,并假设无形变相位的产生;采用时间域的高通滤波和空间域的低通滤波去除大气所引起的相位(Tizzani et al,2007);采用自适应Glodstein滤波器进行滤波处理,去除噪声引起的相位(Tizzani et al,2007;Teshebaeva et al,2019);将经过上述处理的干涉相位减去SRTM DEM模拟出地形相位,得到相位差分后的地形变化相位及基线误差和参考DEM误差导致的相位。假设在研究时段内非冰川区高程无变化,模拟非冰川区相位误差趋势面,然后从差分相位图中扣除该误差趋势面(张其兵等,2017,2019;蒋宗立等,2018),即可去除基线误差及参考DEM误差导致的相位,只剩余由冰川高程变化导致的地形变化相位,结合第二次冰川编目数据确定冰川边界,将地形变化相位转化成冰川高程变化量,初步得出哈尔里克山冰川2000—2018年期间平均高程变化为-9.42m。
尽管差分干涉过程中已经去除非冰川区域模拟的误差趋势面,一定程度上削弱了基线误差和参考DEM误差,但测量结果中仍存在卫星和观测环境引起的系统误差(Strozzi et al,2008;Liu et al,2007)。为去除系统误差对冰川高程变化的影响,本文拟选取地形稳定区域的高程变化量作为系统误差修正值,并在冰川高程变化结果中减去这一误差,对冰川高程变化结果进行第一次优化。由图1可知,非冰川区包括包围冰川的高大山地和山地外围南、北方向的裸地。山地区域地形较为复杂,产生透视收缩、叠掩和阴影等几何畸变可能性较高,不可作为系统误差修正数据。裸地区域地形简单、坡度较小,几乎不受等几何畸变的限制,且该地区几乎无植被覆盖,地貌简单,表面形态特征稳定,可以认为研究时间范围内裸地区域地形不发生改变,本文选取裸地区域的高程变化量作为系统误差修正值。
哈尔里克山冰川地势复杂,地形多变,SRTM DEM高程精度受地形的影响较大(Kolecka, 2014;吴坤鹏,2018),加之雷达影像与SRTM DEM配准精度及其差分干涉受地形因素影响,给冰川高程变化结果带来不确定性(Neckel et al, 2013 ;Liu et al , 2016),所以经过残余相位去除后的高程变化相位准确性仍受地形因素的影响。为提高冰川高程变化结果的可靠性,本文首先去除相干系数低于0.3的区域,其次以高程变化标准差为依据,分析地形(拟选取坡度、坡向、地形起伏三个地形因子)与高程变化标准差之间的关系,去除标准差过大的冰川区域,对冰川区高程变化进行第二次优化。并对两次优化前后的冰川区高程变化结果进行精度评定和分析。
表1   影像解算信息
数据特征 Data characteristics信息 Information
极化方式 Polarization mode垂直发射垂直接
Vertical transmit vertical receive
主影像 Main image2018.03.06
辅影像 Slave image2018.03.18
主影像入射角/°
Incidence angle of main image/°
38.138
主辅影像入射角差值/°
Absolute incidence angle difference/°
0.004
时间基线/d Time baseline/d12
空间基线/m Normal baseline/m59.48


图2   冰川高程变化处理流程图
Fig.2 Process flow chart of glacier elevation change
3   冰川高程变化结果优化
3.1   基于裸地地形不变的冰川高程变化结果优化
根据第2节的分析,本文首先去除系统误差的影响,对冰川高程变化进行第一次优化。本文选取的裸地区域如图3中的红色矩形A,B,C,D所示。分别计算A,B,C,D四个裸地区域的平均高程变化结果如表2所示。以四个裸地区域高程变化平均值-0.43m作为系统误差修正值,从差分干涉冰川高程变化结果中减去这一结果,得到经系统误差修正后的冰川高程变化结果为-8.99m。


图3   裸地区域选择示意图
Fig.3 The selection map of bare land regions
表2   裸地区域高程变化结果
裸地区
Bare land
高程变化量/m
Elevation change/m
A-0.43
B-0.52
C-0.45
D-0.32
3.2   基于地形因子的冰川高程变化结果优化
哈尔里克山冰川地势复杂,地形多变,地形因素导致的叠掩,会给干涉测量数据处理和解译带来极大的不便,阴影会导致图像失相干(秦小芳等,2018)。本文在去除系统误差后,紧接着去除地形因素对冰川高程变化的影响,对冰川高程变化进行第二次优化。选取了三个地形因子作为分析对象,分别是坡度、坡向和地形起伏,以标准差作为高程变化可靠性指标,对差分干涉技术提取的研究区高程变化结果进行评估。标准差越小,高程变化结果越可靠。以SRTM DEM作为数据源,分别对坡度、坡向和地形起伏进行分级,统计不同级别地形因子下的高程变化标准差的大小。
坡度即地表单元的陡缓程度,坡度越大,地形越陡,坡向即坡度的方向。地形起伏是指在特定区域内,高程差异的最大值,反映了该区域高程变化的程度。本文将研究区域划分为16*16像元的邻域范围,计算邻域范围内DEM的最大值max与最小值min之差,计算公式如下:
(1)
(2)
本文研究区域的坡度步长为5°,坡向为步长20°,地形起伏为步长100m,各示意图及统计直方图如图4(a)、(b)、(c)、(d)、(e)、(f)所示。不同坡度、坡向、地形起伏下高程变化标准差波动趋势如图4(g)、(h)、(i)所示。




图4   不同地形因子示意图、统计直方图及标准差变化图(其中a、b、c分别为研究区坡度、坡向、地形起伏示意图,d、e、f分别为坡度、坡向、地形起伏对应的统计直方图,g、h、i分别为坡度、坡向、地形起伏对应高程变化标准差图)
Fig.4 The diagram of different terrain factors, statistical histogram and variation trend of standard deviation(a, b and c are respectively the map of slope, aspect and topographic relief in the research area; d, e and f are the statistical histograms of slope, aspect and topographic relief; g, h and I are the standard deviation diagrams of elevation change corresponding to slope, aspect and topographic relief)
由图4(a)、(d)可知,研究区DEM坡度范围总体集中在[0º,40º]范围内,并在冰川地区坡度达到最大值,在冰川两侧存在坡度明显变化区域,这些区域为地形复杂的山区。由图4(b)、(e)可知,研究区坡向分布均匀。由图4(c)、(f)可知,研究区DEM地形起伏集中在[0,200]m,结合图4(a)、(c)可知坡度较大的冰川及两侧高山地形起伏较大,坡度较小的区域无明显的地形起伏。
由图4(g)可知,标准差总体趋势随坡度增加而增加,范围在[0.45,43]m之间。坡度[0º,60º]时,增加速度缓慢。大于60º时,随着坡度的增加,标准差快速增加,并在85º达到最大。由于冰川区域坡度大于60º,DEM受坡度影响较大,对冰川地区DEM的提取造成影响。由图4(h)可知,标准差大小随坡向的增加在[2.58,4.14]m内波动,幅度较小,并在东南方向即[120º,140º]时达到峰值,在西方向[240º,260º]时降到谷值。DEM精度呈现东、北坡较低,西、南坡较高的整体趋势,但高程变化标准差整体上受坡向影响较小。由图4(g)、(i)可知,标准差随地形起伏变化的趋势与坡度相似,随地形起伏程度的增加而增加,标准差在[1.37,27.26]m之间,波动幅度较大,地形起伏程度的达400m时到,标准差增加速度加快,受地形起伏影响较大。
由上述分析可知,高程变化标准差受坡度和地形起伏程度影响较大,并且在坡度大于60º,地形起伏程度的达400m时,标准差达到10m以上,并在此之后快速增加,高程变化结果可靠性较低。为提高冰川高程变化结果的可靠性,本文去除坡度大于60º及地形起伏程度的大于400m的区域,对冰川高程变化进行第二次优化。经过两次优化后的冰川表面高程变化数据存在空洞,在此基础上进行插值处理。得到2000—2018冰川高程变化如图5所示,正值代表2018年冰川高程大于2000年冰川高程,即冰川高程升高。由如图5可知,哈尔里克山冰川大部分区域高程呈降低的趋势,极小面积的冰川高程呈升高的趋势。经计算,2000—2018年来哈尔里克山冰川高程变化平均值为-8.74m。


图5   哈尔里克山冰川2000—2018高程变化图
Fig.5 Map of glacier elevation change in the Karlik Mountain Range during 2000—2018
3.3   精度评估
差分干涉监测冰川高程变化的精度一般通过水准测量或全球定位系统获得的现场观测数据进行验证(Yastika et al,2019;杨晓辉等,2019),限于测量设备的缺乏以及冰川高程实地测量的难度等多种原因,较难获取冰川的实际高程变化,一般采用非冰区高程差的均方根误差或者标准差对高程变化的精度进行初步估计(Bolch et al,2011)。本文引入标准平均误差(Standard Error of the Mean,SE)对高程变化的不确定性进行评估(Bolch et al,2011),最终冰川高程变化的精度(σ)可以用非冰区高程变化的均值(MED)和SE表示。
(3)
(4)
其中,STDV no glac为非冰川区高程变化标准差,N为去自相关后的像元个数。由于DEM相邻像元之间存在自相关,为消除其对误差评估的影响,使每两个测量点之间间隔一定距离,保证测量点的独立性(Bolch et al,2011)。自相关距离可以通过自定义的方式确定,在空间分辨率不同的情况下,自相关距离可能不同,比如Bolch等(2011)对30m分辨率DEM选取自相关距离为600m,对10-20m分辨率DEM选取自相关距离为400m。本文选取自相关距离为600m,即按照600m间隔进行抽样统计。分别计算优化前后的高程变化误差值,结果如表3所示。结果显示优化后非冰川区高程变化平均值(MED)明显降低,趋近于0。优化后的高程变化精度提高了0.4m,最终高程变化不确定性(精度σ)为0.14m。
表3   非冰川区误差统计及精度计算结果
数据
Data
去自相关像元数De-autocorrelation pixel
/(N)
非冰川区高程变化标准差
Elevation change STD of non-glacial region
/STDV no glac(m)
非冰区高程变化均值Mean elevation change of non-glacial region
/MED(m)
标准平均误差Standard mean error
/SE(m)
精度Precision
/σ(m)
优化前Before optimization83268.02-0.550.00770.54
优化后After optimization83267.05-0.120.00590.14
4. 冰川高程变化分析
根据第3节所示的冰川高程变化优化后结果及精度评估结果,最终得到2000—2018年哈尔里克山冰川的高程平均下降(8.74±0.14)m,年平均下降(0.48±0.007)m。这一结果与杨晓辉等(2019)通过地形图、SRTM和资源三号立体像对得到的该区域冰川在1999—2016年间冰川高程下降(7.23±0.75)m,年平均下降(0.43±0.04)m的结论基本一致,哈尔里克山冰川18年来冰川高程下降明显。冰川是气候变化的产物,温度影响冰川消融,降水影响冰川积累,两者变化共同影响冰川高程的升降(施雅风,2000)。秦艳等(2018)利用气象统计数据分析哈尔里克山气候变化,发现1973年以来,该区域年均气候及年总降水量总体呈升高趋势,且夏季(6—9月)升温现象明显。哈尔里克山冰川属于暖季补给型冰川,夏季降水较为集中(钱奕兵等,2011),降水增加会使消融减弱,但夏季液相降水比重较大,带来的热量会加速冰川融化,可能会抵消甚至超过消融减弱效应,所以降水增加不大时无益于冰川累积的改善(钱奕兵等,2011)。如此之下,气温就在冰川变化中起重要作用,导致该地区气温和降水量都在增加的情况下冰川高程仍呈下降状态(李佳等,2014;钱奕兵等,2011)。
该地区受西风带季风影响较为严重,山区呈西北-东南走向(王银生等,1986),本文按山体走向的垂直向划分冰川,区域1为西北区大规模冰川,区域2区为东南区小规模冰川(见图6),可以看出,区域1冰川在空间分布上更加集中,面积也更大,研究期间内该区域冰川高程变化主要以降低为主,部分山脊线附近的冰川高程升高。区域2冰川空间分布较为离散,经统计该区域60%冰川面积小于1平方公里,冰川面积较小,在夏季受高温影响较大,研究期间,该地区冰川高程大多降低,且高程下降明显。分别计算区域1、2冰川高程变化均值为-7.89m、-10.01m,区域2冰川平均高程下降程度大于区域1。这一结果与秦艳等(2018)提出的结果一致,即小规模冰川较大规模冰川消融快。
为进一步获得冰川高程变化的空间分布细节,对哈尔里克山冰川区进行海拔分带,间隔100m为一带,取每一带内的冰川高程变化平均值作为该带内的冰川高程变化值。不同海拔带内冰川高程变化结果如图7所示。由图7可知总体上冰川高程减少程度随海拔升高而减小。海拔小于4000m时,冰川高程下降剧烈,这是因为该区域冰川远离山脊线,海拔较低,易受温度影响。随着向山脊线靠拢,海拔升高,冰川高程下降程度逐渐减缓,并在海拔大于4500m时,冰川高程呈升高趋势。


图6   哈尔里克山冰川不同区域划分图
Fig.6 Map of different regions of the Karlik Mountain Range


图7   哈尔里克山冰川不同高程带内高程变化
Fig.7 Glacier elevation changes at different elevation bins for the Karlik Mountain Range
5   结论
本文利用Sentine 1A SAR影像资料,与SRTM DEM进行差分干涉,获得了2000—2018年哈尔里克山冰川高程变化结果。结论如下。
(1)针对差分干涉过程中卫星和观测环境引起的系统误差,采用裸地区域的高程变化量作为系统误差修正值,较好的控制观测环境对高程变化量带来的影响。
(2)分析不同地形因子与高程变化标准差之间的关系,发现高程变化标准差受坡度和地形起伏程度影响较大。去除坡度大于60º及地形起伏程度的大于400m的区域,并对空洞区域重新插值,得出2000—2018年该区域冰川高程减小量为-8.74m,高程下降明显。
(3)评估优化前后冰川高程变化的精度,发现优化后高程变化精度提高了0.4m,得出优化后的冰川高程变化误差为0.14m。
(4)冰川高程变化存在空间差异性。由于受季风和山体走势影响,造成西北部冰川高程减少程度较东南部慢。不同海拔下冰川高程下降程度不同,海拔小于4000m时,冰川高程下降剧烈,海拔大于4500m时,冰川高程呈升高趋势,总体上冰川高程减少程度随海拔升高而减小。
致谢
Avtar R, Yunus A P, Kraines S, et al. 2015. Evaluation of DEMgeneration based on interferometric SAR using Tan DEM-X data in Tokyo[J]. Physics and Chemistry of the Earth, Parts A/B/C, 83(8):166-17.
Bolch T, Pieczonka T, Benn D I. 2011. Multi-decadal Mass Loss of Glaciers in the Everest Area(Nepal Himalay) Derived from Stereo Imagery[J]. Cryosphere, 5(2):349-358.
陈昊楠. 2018. 基于多源DEM数据的南极伯德冰川高程精度对比及冰储量分析[D].华东师范大学.[Chen H N .2018. Vertical Accuracy Comparison and Ice Volume Analysis of Byrd Glacier, Antarctica Based on Multi-source DEM Data[D]. East China Normal University. ]
杜小平,郭华东,范湘涛, 等. 2013. 基于ICESat/GLAS数据的中国典型区域SRTM与ASTER GDEM高程精度评价[J]. 地球科学(中国地质大学学报), 38(04):887-897.[Du X P , Guo H D , Fan X T , et al. 2013. Vertical Accuracy Assessment of SRTM and ASTER GDEM over Typical Regions of China Using ICESat/GLAS[J]. Editorial Committee of Earth Science-Journal of China University of Geosciences, 38(04):887-897.]
何毅,闫浩文,杨宇雷. 2018. 近期哈尔里克山脉冰川变化遥感监测[J].干旱区地理 ,41(02):358-366.[He Y, Yan W H, Yang Y L. 2018. Dynamic monitoring of glacier change in HalRick Mountain[J]. Arid Land Geography ,41(02):358-366.]
[He Y, Yang B, Qin J, et al. 2015. Glacier variation in response to cli-mate change in Chinese Tianshan Mountains from 1989 to 2012[J]. Journal of Mountain Science, 12(5):1189-1202.
蒋宗立,刘时银,郭万钦. 2018 .黄河源区阿尼玛卿山典型冰川表面高程近期变化[J].冰川冻土, 40(2):231-237. [Jiang Z L, Liu S Y, Guo W Q. 2018. Recent surface elevation changes of three representative glaciers in nyêmaqên Mountains,source region of Yellow River[J]. Journal of Glaciology and Geocryology, 40(02):231-237.]
靳国旺. 2007. InSAR获取高精度DEM关键处理技术研究[D]. **信息工程大学[ Jin G W . 2007. Research on Key Processing Techniques for Deriving Accurate DEM from InSAR[D]. Information Engineering University.]
Kutuzov, S, Shahgedanova. 2009. Glacier retreat and climatic variability in the eastern Terskey–Alatoo, inner Tien Shan between the middle of the 19th century and beginning of the 21st century[J]. Global and Planetary Change, 69, (1-2):59-70.
Kwok R, Fahnestock MA. 1996. Ice sheet motion and topography from radar interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 34 (1) :189-200.
Kishan S R, Sudhir K S, Mutum I ,et al. 2018. Comparative evaluation of horizontal accuracy of elevations of selected ground control points from ASTER and SRTM DEM with respect to CARTOSAT-1 DEM: a case study of Shahjahanpur district, Uttar Pradesh, India[J]. Geocarto International, 28(5):439-452.
Kolecka N, Kozak J. 2014. 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, 171(6):897-912.
Liu G, Fan J H, Zhao F, et al. 2017. Monitoring elevation change of glaciers on Geladandong Mountain using TanDEM-X SAR interferometry[J]. Journal of Mountain Science, 14(05):859-869.
Li J, Li Z W, Zhu J J, et al. 2017.Early 21st century glacier thickness changes in the Central Tien Shan[J]. Remote Sensing of Environment, 192(2):12-29.
Liu L, Jiang L M, Sun Y F, et al. 2016. Glacier elevation changes (2012—2016) of the Puruogangri Ice Field on the Tibetan Plateau derived from bi-temporal Tan DEM-X InSAR data[J]. International Journal of Remote Sensing, 37 (24) :5687-5707.
李佳,杨太保,何毅. 2014. 1990-2011年天山东部冰川退缩对气候的响应[J].水土保持研究, 21(03):212-216. [Li J, Yang T B, Wu L P. 2014. Response of Glacier Retreat to Climate in Eastern Tianshan from 1990 to 2011[J]. Research of Soil and Water Conservation, 21(03):212-216.].
刘潮海,丁良福. 1987. 中国天山冰川资源及其分布特征[J].冰川冻土, 9(02):99-107. [Liu C H, Ding L F. 1987. The Glacial Resources and Their Distributive Characteristics in the Tianshan Mountains of China[J]. Journal of Glaciology and Geocryology, 9(02):99-107. ]
骆光晓,艾力,祁先明. 2002. 榆树沟流域水文特征[J].新疆气象, 25(05):19-20+37.[ Luo G X, Ai L, Qi X M. 2002. Hydrological Characteristics of the Yushugou valley[J]. Xinjiang Meteorology,25 (5): 19-20+37.]
骆光晓,刘莉,吴力平. 1999. 伊吾河流域水文特性分析[J].干旱区地理, 22(1):47-52. [ Luo G X, Liu L, Wu L P. 1999. Analysis of the hydrologic properties of Yiwu River valley[J]. Arid Land Geography, 22(1):47-52. ]
Liu, H, Zhao, Z, Jezek K. C. 2007. Synergistic fusion of interferometric and speckle-tracking methods for deriving surface velocity from interferometric SAR data[J]. IEEE Geoscience and Remote Sensing Letters, 4 (1): 102-106.
Neckel N, Braun A, Kropacek J, et al. 2013. Recent mass balance of the Purogangri Ice Cap, central Tibetan Plateau, by means of differential X-band SAR interferometry[J]. Cryosphere ,7 (5) :1623-1633.
欧阳伦曦,李新情,惠凤鸣. 2017. 哨兵卫星Sentinel-1A数据特性及应用潜力分析[J].极地研究 ,29(02):286-295. [Ouyang L X, Li X Q, Hui F M. 2017. Sentinel-1A data Products’Characteristics and the Potential Applications[J]. Chinest Journal of Polar Research, 29(02): 286-295. ]
Pipaud I, Loibl D, Lehmkuhl F. 2015. Evaluation of Tan DEM-X elevation data for geomorphological mapping and interpretation in high mountain environments:a case study from SE Tibet, China[J]. Geomorphology, 246:232-254.
秦小芳, 张华春, 张衡, 等. 2018. TerraSAR-X/TanDEM-X升降轨双基干涉模式获取DEM方法研究[J]. 雷达学报, 7(4):97-107.[ Qin X F, Zhang H C, Zhang H, et al. 2018. A High Precision DEM Generation Method Based on Ascending and Descending Pass TerraSAR-X/TanDEM-X BiSAR Data[J]. Journal of Radars, 7(4):97-107.]
秦艳,杨太保,冀琴. 2018. 1973—2016年哈尔里克山现代冰川变化分析[J].兰州大学学报(自然科版), 54(05):569-576. [ Qin Y, Yang T B, Ji Q. 2018. Change in the modern glaciers of Harlik Mountains from 1973—2016[J]. Journal of LanZhou University:Natural Sciences, 54(05):569-576. ]
钱亦兵, 吴世新, 吴兆宁, 等. 2011. 喀尔里克山冰川资源近50a来的变化及保护对策[J]. 干旱区地理,34(05):9-15.[Qian Y B, Wu S X, Wu Z Y, et al. 2011. Changes of glacier resource in Karlik Mountain in the last 50 years and the measures of protection[J]. Arid Land Geography, 34(05):9-15.]
Strozzi, T, Kouraev A, Wiesmann A, et al. 2008. Estimation of Arctic glacier motion with satellite L-band SAR data[J]. Remote Sensing of Environment, 112 (3), 636-645.
施雅风. 2000. 中国冰川与环境-现在、过去和未来[M].北京:科学出版社, 108-112. [Shi Y F. 2000. Glaciers and Their Environments in China: the present,past and future [M].BeiJing:Science Press, 108-112. ]
Tizzani P, Berardino P, Casu F, et al. 2007. Surface deformation of Long Valley caldera and Mono Basin, California, investigated with the SBAS-InSAR approach[J]. Remote Sensing of Environment, 108(3): 277-289.
Teshebaeva K, Echtler H, Bookhagen B, et al. 2019. Deep‐seated gravitational slope deformation (DSGSD) and slow‐moving landslides in the southern Tien Shan Mountains: new insights from InSAR, tectonic and geomorphic analysis[J]. Earth Surface Processes and Landforms, 44(12): 2333-2348.
吴坤鹏, 刘时银, 蒋宗立, 等. 2018. 1980—2014年岗日嘎布地区冰川高程变化数据集[J]. 中国科学数据, 3(4):25-59[Wu K P, Liu S Y, Jiang Z L ,et al. 2018. A dataset of glacier elevation changes in the Kangri Karpo Mountains during 1980—2014[J]. Chinese scientific data , 3(4):25-59.]
王银生,刘潮海,丁良福. 1986. 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, 1-83. [Wang Y S, Liu C H, Ding L F, et al. 1986. Glacier inventory of China III: Tien Shan mountains ( interior drainage are-a of scattered flow in east) [M]. Beijing : Science Press, 1-83. ]
王叶堂,侯书贵,鲁安新. 2008. 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 ,31(06):813-821. [ Wang Y T, Hou S G, Lu A X. 2008. Response of glacier variations in the eastern Tianshan Mountains to climate change during the last 40 years[J]. Arid Land Geography, 31(6):813-821. ]
王燕燕,于海洋. 2019. 九寨沟M_S7.0级地震三维同震形变场提取[J]. 测绘科学, 44(05):8-13.[Wang Y Y, Yu H Y. 2019. Extraction of 3D coseismic deformation field of Jiuzhaigou Ms7.0 earthquake[J]. Science of Surveying and Mapping, 44(05):8-13.]
Yastika P, Shimizu N, Abidin H, 2019. Monitoring of long-term land subsidence from 2003 to 2017 in coastal area of Semarang, Indonesia by SBAS DInSAR analyses using Envisat-ASAR[J]. ALOS-PALSAR, and Sentinel-1A SAR data. Advances in Space Research, 63(5), 1719-1736.
杨晓辉,赵井东,韩惠. 2019. 1972—2016年东天山哈尔里克山地区冰川物质平衡研究[J].冰川冻土,41(01):1-11. [ Yang X H, Zhao J D, Han H. 2019. Study on glacier mass balance in the Karlik Range,East Tianshan Mountains,1972—2016[J]. Journal of Glaciology and Geocryology, 41(01):1-11. ]
Zhang H ,Li Z. Q, Zhou P , et al. 2018. Mass-balance observations and reconstruction for Haxilegen Glacier No. 51, eastern Tien Shan, from 1999 to 2015[J]. Journal of Glaciology, 64, (247), 689-699.
Zhang Y S, Shi Y L, Dong H , et al. 2012. Thinning and shrinkage of Laohugou No. 12 glacier in the Western Qilian Mountains, China, from 1957 to 2007[J]. Journal of Mountain Science , 9(3):343-350.
张其兵, 康世昌, 王晶. 2017. 2000—2014年祁连山西段老虎沟12号冰川高程变化[J]. 冰川冻土, 39(4):37-44.[ Zhang Q B, Kang S C, Wang J. 2017. Elevation change of the Laohugou Glacier No.12 in the western Qilian Mountains from 2000 to 2014[J]. Journal of Glaciology and Geocryology, 39(4):37-44.]
张其兵, 李佳,董成玉,等. 2019. 祁连山冷龙岭 2000—2014 年冰川高程变化[J]. 冰川冻土, 41(6):35-45.[ Zhang Q B, Li J, Dong C Y, et al. 2019. Glacier elevation change in the Lenglongling range of Qilian mountains from 2000 to 2014[J]. Journal of Glaciology and Geocryology, 41(6):35-45.]
Zhang Q B, Zhang G S. 2017. Glacier elevation changes in the western Nyainqentanglha Range of the Tibetan Plateau as observed by Terra SAR-X/Tan DEM-X images[J]. Remote Sensing Letters, 8 (12) :1143-1152.
周华云,赵林,田黎明. 2019. 基于Sentinel-1数据对青藏高原五道梁多年冻土区地面形变的监测与分析[J].冰川冻土, 41(03):525-536.[ Zhou H Y, Zhao L, Tian L M. 2019. Monitoring and analysis of surface deformation in the permafrost area of Wudaoliang on the Tibetan Plateau based on Sentinel1 data[J]. Journal of Glaciology and Geocryology, 41(03):525-536. ]
稿件与作者信息
姬伟倩
JI Weiqian
都伟冰
DU Weibing
dwb@hpu.edu.cn
王双亭
WANG Shuangting
郑西方
ZHENG Xi-fang
基金项目:国家自然基金项目(No. 41601364);河南理工大学博士基金项目(No. B2016—11);河南省科技攻关项目(No. 172102210280)
National Natural Science Foundation of China (No. 41601364); Doctor Foundation of Henan Polytechnic University (No. B2016-11); Science and Technology Project of Henan Province (No.172102210280)
出版历史
出版时间: 2020年9月25日 (版本1
参考文献列表中查看
地球环境学报
Journal of Earth Environment