EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 10: 1760 - 1770

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.776

气候与水文

木孜塔格峰地区冰川反照率时空变化及其影响因素研究

  • 张玉娇 , 1 ,
  • 怀保娟 2 ,
  • 王圣杰 , 1 ,
  • 车彦军 3 ,
  • 张明军 1
展开
  • 1.西北师范大学地理与环境科学学院，甘肃 兰州 730070
  • 2.山东师范大学地理与环境学院，山东 济南 250300
  • 3.宜春学院地理科学系，江西 宜春 336000
王圣杰（1987-），男，教授，主要从事同位素水文气候研究. E-mail:

张玉娇（2001-），女，硕士研究生，主要从事寒旱区生态水文研究. E-mail:

收稿日期: 2024-12-19

  修回日期: 2025-02-22

  网络出版日期: 2026-03-11

基金资助

国家科技基础资源调查专项(2021xjkk0101)

国家自然科学基金项目(42261008)

甘肃省基础研究创新群体项目(22JR5RA129)

收起

Spatio-temporal variation of glacial albedo and its influencing factors in the Muz Tag Peak area

  • Yujiao ZHANG , 1 ,
  • Baojuan HUAI 2 ,
  • Shengjie WANG , 1 ,
  • Yanjun CHE 3 ,
  • Mingjun ZHANG 1
Expand
  • 1. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, Gansu, China
  • 2. College of Geography and Environment, Shandong Normal University, Jinan 250300, Shandong, China
  • 3. Department of Geographical Science, Yichun University, Yichun 336000, Jiangxi, China

Received date: 2024-12-19

  Revised date: 2025-02-22

  Online published: 2026-03-11

Fold

摘要

冰川反照率是影响冰川融化速度和环境变化的关键因子。采用高空间分辨率的Landsat OLI影像和高时间分辨率的MOD10A1反照率产品，开展了2015—2020年木孜塔格峰地区冰川反照率时空变化特征以及影响因素研究。结果表明：（1） Landsat OLI和MOD10A1反照率两者结果随时间变化的趋势较为一致，具有较高的相关性，决定系数（R2）为0.92。（2） 在年际变化上，夏季反照率最低，秋季初期反照率较高。冬春季降雪次数减少，冰川表面积雪密实化，反照率随之减小。（3） 在空间变化上，随着海拔升高，冰川表面反照率逐渐升高，呈指数函数关系（消融区和积累区的R2分别为0.23和0.25）。（4） 气温和降水是影响冰川反照率的关键因素，气温升高和降雪减少会导致反照率降低。地形对冰川反照率有显著影响，坡度较缓的冰川表面反照率较高，坡度较陡的冰川表面反照率较低。研究结果为理解木孜塔格峰地区冰川变化机制和预测未来气候变化提供了科学依据。

关键词： 冰川反照率; 时空变化; Landsat OLI; MOD10A1; 木孜塔格冰川

本文引用格式

张玉娇 , 怀保娟 , 王圣杰 , 车彦军 , 张明军 . 木孜塔格峰地区冰川反照率时空变化及其影响因素研究[J]. 干旱区地理, 2025 , 48(10) : 1760 -1770 . DOI: 10.12118/j.issn.1000-6060.2024.776

Abstract

Glacier albedo is a key factor influencing the rate of glacier melting and associated environmental changes. In this study, Landsat OLI images with high spatial resolution and MOD10A1 albedo products with high temporal resolution were used to analyze the spatiotemporal variations of glacier albedo and its influencing factors in the Muz Tag Peak area, Xinjiang, China from 2015 to 2020. The results show that: (1) The albedo values derived from Landsat OLI and MOD10A1 are highly consistent, with a strong correlation (R2=0.92). (2) Seasonally, the lowest albedo occurs in summer, while higher values are observed in early autumn. In winter and spring, reduced snowfall and densification of surface snow lead to decreasing albedo. (3) Spatially, glacier surface albedo increases with elevation, following an exponential relationship (R2=0.23 in the ablation area and 0.25 in the accumulation area). (4) Air temperature and precipitation are the primary factors affecting glacier albedo, as higher temperatures and reduced snowfall result in lower albedo. Topography also exerts a significant effect, with gentler slopes exhibiting lower albedo and steeper slopes showing higher albedo. This study provides a scientific basis for understanding glacier change mechanisms in the Muz Tag Peak area and for predicting future climate change.

Key words： glacial albedo; spatio-temporal variation; Landsat OLI; MOD10A1; Muz Tag Glacier

冰川是地球上重要的水资源储存和气候系统的重要组成部分。它们不仅是全球水循环的重要环节，也在调节区域气候、影响生态系统及人类活动等方面发挥着不可替代的作用。随着全球气候变化的加剧，特别是气温升高的趋势，全球范围内的冰川正在以不同的速度消融。尤其是在高山和极地地区，冰川的消融速度愈加明显，给当地的水资源管理、生态平衡以及人类社会带来了深远的影响[1-2]。冰川反照率指表面对入射辐射的反射能力，它是影响冰川融化速度和环境变化的关键因子。高反照率的冰川表面能有效反射太阳辐射，减缓融化过程；而当冰川表面融化或被覆盖上其他暗色物质时，其反照率下降，导致更多的太阳辐射被吸收，加速融化[3-4]。因此，在全球变暖的背景下，研究冰川反照率不仅具备重要的科学价值，同时对水资源评估、气候变化监测、生态环境保护以及社会经济的可持续发展规划等领域也具有显著的实际应用意义。
以往研究冰川反照率一般采用2种办法，一是遥感技术，利用卫星影像和航空摄影来监测冰川的变化及其反照率；二是采用现场观测，通过四分量辐射计实地测量冰川表面的反照率，获取长期的气候变化数据[5-7]。但是由于冰川区气候复杂多变，野外观测条件受限，危险性较高，所以通过现场观测获得的冰川反照率数据非常少。自20世纪60年代以来，随着卫星遥感技术的不断进步，Landsat系列卫星不断升级，每一代Landsat卫星都在前一代的基础上进行改进，提供更高的分辨率、更广的光谱范围和更强的数据处理能力，研究人员能够获取冰川区域的大范围、长期影像数据。这为研究冰川表面反照率的时空变化特征提供了新的方法，成为传统观测手段的重要补充[8]。
MOD10A1是美国国家航空航天局（NASA）通过其中分辨率成像光谱仪（MODIS）所生成的一个逐日反照率产品。该产品主要用于监测地表的反照率，特别是在雪和冰覆盖区域[9]。因此，本文以木孜塔格冰川为研究对象，利用高空间分辨率的Landsat OLI影像反照率反演结果和高时间分辨率的MOD10A1逐日反照率数据开展木孜塔格峰地区冰川反照率时空变化及其影响因素研究。

1 研究区概况

木孜塔格峰（36°16′~36°42′N，87°05′~87°39′E）位于青藏高原北缘，是昆仑山东部最高峰，也是发育最大的现代冰川作用区[10-11]。木孜塔格峰最高海拔约6953 m，山脉呈东北—西南走向，雪线海拔约5500~5750 m（图1）。根据中国第二次冰川编目统计，木孜塔格峰及周边地区共发育246条冰川，总面积约668 km[12]。木孜塔格冰川是一个位于木孜塔格主峰西端坡度平缓的平顶状冰川，编码5Y624E0034，是该地区重要的冰川之一，冰川总面积71.70 km2[13]。该地区属于高山气候，气温低，降水稀少，年降水量不足50 mm，夏季短暂而凉爽，冬季漫长而寒冷。由于海拔高，植被稀疏，主要为高山草甸和苔藓类植物，生物种类也相对较少[14-15]。
图1 研究区示意图

Fig. 1 Schematic diagram of the study area

2 数据与方法

2.1 数据来源

2.1.1 Landsat OLI数据

Landsat OLI是美国地质调查局（USGS）和美国国家航空航天局（NASA）联合开发的地球观测仪器。搭载在Landsat 8卫星上，于2013年发射，主要用于获取地球表面的高分辨率影像。Landsat卫星每16 d可覆盖同一地区，提供定期的地表变化监测能力，OLI具有9个波段，涵盖可见光、近红外和短波红外区域，能够捕捉不同物质的反射特征。相较于前代Landsat卫星系列传感器，OLI具备更高的信噪比和辐射分辨率，并且增加了影像的灰度量化级别。在可见光至近红外波段，OLI提供了更高的空间分辨率（30 m），使其能够有效反映单条冰川表面反照率的空间变化。本文选取来自USGS影像数据库中心（https://earthexplorer.Usgs.gov/）2015—2020年云量较少，拍摄质量较好的6景OLI影像（2015年4月14日、2016年12月12日、2017年10月8日、2018年12月18日、2019年12月8日、2020年8月17日），其轨道号为141/35。

2.1.2 MOD10A1反照率产品

MOD10A1反照率产品是由NASA的MODIS传感器生成，主要用于监测地球表面的雪和冰覆盖情况。该产品的空间分辨率为500 m，提供不同波段的反照率数据，主要集中在可见光和近红外波段，通常以每日为时间间隔进行更新，可在美国冰雪数据中心（NSIDC， http://nsidc.org/）免费获取。MOD10A1产品数据地理坐标系统为WGS-84坐标，空间分辨率为500 m，以HDF-EOS2格式提供，范围覆盖全球，以等面积正弦投影为参考。本研究获取的产品编码为h25v05、成像日期为2015年1月到2020年12月的影像数据为反照率时间变化特征研究的主要数据源。

2.1.3 气象数据

ERA5-Land是一个再分析数据集，与ERA5相比，以更高的分辨率提供了几十年来土地变量演变的一致视图，空间分辨率为0.1°[16]。本研究选取了2015年1月至2020年12月的逐月气温、降雪数据。数据来源于欧洲气象中心（https://cds.Climate.Copernicus.Eu/datasets）。

2.1.4 DEM数据

数字高程模型（Digital elevation model，DEM）是NASA和美国国防部国家测绘局（NIMA）等多部门共同测量的SRTMv4.1，分辨率为30 m。用于表示地球表面高程信息数字数据集。该数据主要用来对Landsat OLI数据进行地形校正和各向异性校正，并对冰川表面反照率的空间变化特征进行分析，本文研究数据来源于地理空间数据云（https://www.Gscloud.cn/）。

2.2 研究方法

2.2.1 Landsat遥感反演数据

利用遥感反演方法计算冰川反照率，反演精度较高，已经多次应用于冰川区域反照率的反演研究中[17-18]。基于Landsat OLI影像反演冰面反照率，主要包括辐射定标、地形校正、大气校正和窄-宽波段转换4个步骤：
（1） 辐射定标。辐射定标是遥感数据处理中的一个关键步骤，遥感传感器在获取地物的辐射信息时，受到多种因素的影响，包括传感器本身的特性、大气条件、地物的光照情况以及地形等，这些因素可能导致传感器测得的值与地物实际的光谱辐射值之间存在差异。为了修正或消除这些辐射误差，以获取冰川表面真实的太阳辐射亮度值，需要通过辐射定标的方式将原始的像元灰度值（Digital Number，DN）转换为具有实际物理意义的大气顶部辐射亮度值（L，W·cm-2·sr-1），按照遥感影像头文件说明，辐射定标公式为：
L λ = K × D N λ + C
K = L m a x - L m i n 255
C = L m i n
式中：K为各波段的辐射亮度值（ L λ）与记录值（ D N λ）之间的校正增益值；C为Lλ与 D N λ之间的偏移量； L m a x、 L m i n分别为辐射亮度值动态变化范围中的最大值、最小值。
（2） 地形校正。木孜塔格冰川地形复杂，卫星影像受传感器方位、太阳方位、太阳高度以及自身的屏蔽作用等因素的影响导致阴坡和阳坡接收到的太阳光照不一样，从而会对遥感反演结果的精度造成影响。地形校正是通过各种模型变换，将像元的辐射亮度调整至参考平面，从而减少山区地形屏蔽作用等因素对影像辐射亮度的影响，补偿由于地形起伏造成的地物亮度的变化，提高反演地表反射率精度。秦春等[19]通过坡度分级的方法对CIVICO模型进行了改进，结合太阳位置和数字高程模型实现了阴阳坡的自动提取，并计算了不同坡度等级的地形校正系数。这项研究在黑河流域取得了良好的校正效果。本研究将采用秦春等[19]提出的基于坡度分级的CIVICO模型，对冰川区域的遥感影像进行地形校正。
（3） 大气校正。大气中的气体和颗粒物会散射和吸收电磁波，导致传感器接收到的信号与地面实际反射率之间存在差异。为了消除大气分子、气溶胶等大气成分的吸收和散射的复杂影响，需要使用大气校正将大气顶部辐射量转化为反映地物真实信息的地表反射率。目前应用广泛的大气辐射传输模型有30多种，其中6S模型[20]、ATREM模型[21]、FLAASH模型[22]的应用最为广泛。但这类大气辐射校正模型均建立在特定的理想条件下，应根据研究区域的实际情况选择适用的大气校正模型，因此，本研究采用FLAASH模型进行大气校正[22]。
FLAASH模型由NASA开发，主要用于去除大气对遥感数据的影响，提高图像的光谱质量[23]。相比其他模型，该模型的主要特点：一是能够处理多种类型的遥感数据，包括高光谱和多光谱影像，适用于多种传感器（如AVIRIS、Hyperion等）；二是采用快速计算方法，能够在相对较短的时间内完成大气校正，适合大规模数据处理；三是校正后，FLAASH可以提供地表反射率、气溶胶光学深度等信息，使得用户能够进行后续的分析和应用。在进行FLAASH大气校正时需要根据特定的遥感影像头文件输入校正参数，具体参数设置见表1。
表1 FLAASH大气校正输入参数（以2015年4月14日为例）

Tab. 1 FLAASH atmospheric correction input parameters (as of April 14, 2015)

影像中心点 传感器类型 飞行日期 高程/m 分辨率/m 大气模式 气溶胶模式
87.55875278°E
36.03851667°N		 OLI 2015/4/14
04：45：20		 4959 30 Sub-Arctic
Summer		 Rural
能见度/km 气溶胶高度/km CO2混合比 Modtran分辨率/cm-1 散射模型 DISORT流数
40 1.25 390 15 scale DISCORT 8

注：Sub-Arctic Summer为副极地夏季模式；Rural为乡村型气溶胶模式；scale DISCORT为离散纵标法。

（4） 窄-宽波段转换。遥感卫星所测量的是窄波段不连续的反照率，必须将各个窄波段的光谱反射率转化为宽波段反照率。在地表为朗伯体的假设下，各向反射同性，星下点方向的反射率就等于光谱反照率。从Landsat窄波段计算短波宽带反照率主要依赖TOP反射率和地面实测宽带反照率的关系。在参考了Knap等[24]、Liang等[25]、Naegeli等[26]、Traversa等[27-28]提出的不同波段转换方程基础上，本研究选用Naegeli等[26]提出的转换公式，该算法的主要优点是，相较于其他算法，其考虑了更广光谱范围的贡献，从而能够捕捉因粒径变化引起的反照率变化，这些变化对近红外和短波红外波长的影响特别大。具体公式如下所示：
α = 0.356 α 2 + 0.130 α 4 + 0.373 α 5 + 0.085 α 6 +               0.072 α 7 - 0.0018
式中：α为宽波段反照率； α 2、 α 4、 α 5、 α 6、 α 7分别为第2、4、5、6、7波段反射率。

2.2.2 MOD10A1反照率产品处理

本文选取MOD10A1数据的轨道号为h25，时段为2015—2020年，采用MODIS投影转换工具（MRT）对数据进行格式和地图投影转换，图像格式设置为Geotiff格式，将正弦曲线投影转换等积圆锥（Albert）投影，椭球体为1984年世界大地坐标系（WGS84）。MOD10A1积雪反照率数据层，数值以整数形式存储，数值介于0~100之间为有效值，大于100为填充值，表示其他地物类型见表2。
表2 MOD10A1产品中像元的含义

Tab. 2 Meaning of image elements in MOD10A1 products

像元值 含义
0~100 积雪反照率
101 不确定的地物类型
111 夜间
125 无积雪覆盖的陆地
137 内流湖
139 开阔水体
150 云层覆盖
251 自身阴影
252 陆地界限不匹配
253 BRDF故障
254 没有匹配的数据
250 缺失的数据

注：BRDF故障为未执行双向反射分布函数校正。

3 结果与分析

3.1 遥感反演反照率精度评估

为了验证Landsat OLI影像反演结果，本研究利用6景Landsat OLI影像反演反照率结果与同期的MOD10A1逐日反照率产品分别进行线性拟合。结果显示，绝对误差（AE）在0.03~0.10之间，平均绝对误差（MAE）0.065，均方根误差（RMSE）为0.069，决定系数（R2）为0.92（图2），两者反照率结果随时间变化的趋势较为一致，云层覆盖、模型的误差等原因是MOD10A1产品出现误差的主要原因。
图2 MOD10A1反照率产品与Landsat OLI反演反照率比较

Fig. 2 Comparison of MOD10A1 albedo products with Landsat OLI inversion albedo

从上述分析可以看出，Landsat OLI影像的反照率结果与MOD10A1反照率产品之间存在较强的相关性和匹配度。这2种遥感数据的反照率变化趋势相对一致，且在精度方面能够满足对木孜塔格冰川反照率时空变化特征的研究需求。Landsat OLI影像因其较高的空间分辨率，适合用于冰川反照率在空间尺度上的研究，而MOD10A1反照率产品则因其较高的时间分辨率，适合用于冰川反照率在时间尺度上的研究。

3.2 冰川反照率的年内变化

冰川反照率作为影响辐射收支最为敏感的要素，其波动变化直接影响冰川能量-物质平衡的变化。由于高海拔地区实测数据点稀少且分布不均，选择使用遥感数据来分析反照率空间的变化情况。本研究基于2015年1月到2020年12月的MOD10A1影像数据，经过投影转换并按冰川边界掩膜提取，可以得到木孜塔格峰地区的地表反照率变化情况。
根据2015—2020年资料，在木孜塔格冰川，冰川表面反照率存在明显的年内变化（图3a），夏季的冰川表面反照率一般低于其他季节，全年大部分月份的平均值都在60%~70%之间，而8月的平均值则低至60%以下。秋季初期，气温降低，冰川消融活动减弱，新雪导致冰川表面反照率较高，随着冬春季降雪次数的减少，冰川表面积雪逐渐密实化，粒径变大，反照率随之减小。从春季到夏季，降雪频率逐渐增加，初期气温不高，冰川表面反照率短期回升，随着气温不断升高，消融增强，反照率平均值下降，至8月达到最低，但是新雪的频繁出现也使得夏季冰川表面反照率不稳定。与2000—2009年毛瑞娟等[13]的结果相比，冰川反照率的年内变化规律是一致的。在全球气候回暖的背景下，车彦军等[1]研究发现，木孜塔格峰地区1951—2020年气温总体呈现变暖趋势，秋冬季节升温趋势显著，每10 a升温0.13 ℃，春夏季节升温并不明显；但该地区降水（固态降雪）主要集中在夏季，有明显的增加趋势，秋冬季节增加趋势并不明显。从2000—2009年和2015—2020年月际差值（图3b）可以看出，2015—2020年7—12月反照率较2000—2009年降低0.4%~6.3%，由气温升高、降雪减少及粉尘反馈主导，而1—6月反照率升高1.1%~4.7%由气温降低，降雪增加密切相关。这一季节性分异揭示了全球变暖的区域气候转型，对冰川物质平衡预测及水资源管理具有重要指示意义。
图3 2015—2020年与2000—2009年木孜塔格峰地区反照率月平均值及月际差值

Fig. 3 Changes in monthly mean values of albedo and inter-monthly differences in albedo in the Muz Tag Peak area, from 2015 to 2020 and from 2000 to 2009

3.3 冰川反照率的空间变化

木孜塔格峰地区的冰川表面反照率明显高于周边非冰川区（图4a），反映了冰雪下垫面的光学特性。使用Mann-Kendall（M-K）趋势检验计算得出该区域反照率空间变化趋势（图4b），2015—2020年77%的冰川面积呈现不显著增加趋势，而16%的冰川面积呈现不显著减少趋势，冰川核心区反照率下降显著，表明积雪覆盖减少或冰川消融加速。其中1月反照率值达到最高，7月的反照率值达到最低。从这2个月的空间变化趋势来看（图5），1月反照率整体呈现“高值区减少、边缘区波动”的特征，高海拔冰川核心区呈现显著减少和微显著减少趋势，部分低海拔区域出现不显著增加或无变化。可见全球变暖导致高海拔区域冬季升温，积雪消融提前，降雪量也减少，冰川表面裸露增加；7月反照率整体呈现“低值区回升、核心区稳定”的特征。冰川边缘区以不显著增加为主，核心区以显著增加为主，但占比面积较少，均有夏季降雪事件增多，吴佳康等[15]研究结果显示，该地区夏季降水占全年50%以上。
图4 2015—2020年木孜塔格峰地区反照率年均值空间分布及变化

Fig. 4 Spatial distribution and variation of the annual average albedo in the Muz Tag Peak area from 2015 to 2020

图5 2015—2020年木孜塔格峰地区1月和7月反照率空间变化

Fig. 5 Spatial variation of albedo in January and July in the Muz Tag Peak area from 2015 to 2020

根据冰川区高程数据，木孜塔格地区雪线分布于海拔5500~5700 m，将木孜塔格冰川海拔5400~5500 m定位消融区，消融较为强烈，海拔5700~5800 m定位积累区，主要以积累为主[13]，分析其空间变化。在冰川边界内部（图6），随着海拔升高，冰川表面反照率逐渐升高，二者呈指数函数关系，消融区和积累区的R2分别为0.23和0.25，尤其是高海拔地区的反照率显著偏高。在低海拔位置，冰川以消融区为主，冰川融水导致杂质、粉尘更容易富集到冰川表面，积雪的出现频率比积累区要低，对应的反照率较低。相比之下，在高海拔位置，气温降低，消融减弱，积雪保存时间长，反照率总体较大。此外，各月的海拔与反照率也都呈现出指数函数关系（图7），其中7月R2最高，消融区R2为0.53，积累区R2为0.56。
图6 2015—2020年木孜塔格峰地区冰川年均反照率与海拔的关系

Fig. 6 Relationship between average annual albedo of glacier and altitude in the Muz Tag Peak area from 2015 to 2020

图7 2015—2020年木孜塔格峰地区冰川各月平均反照率与海拔的关系

Fig. 7 Relationship between average albedo of glaciers by month and altitude in the Muz Tag Peak area from 2015 to 2020

3.4 冰川反照率的影响因素

3.4.1 冰川反照率与气温和降雪

气温和降雪是影响冰川反照率的关键气候因素。气温升高会直接导致冰川的融化加速，形成湿雪或水膜，同时雪的结构也会发生变化，雪粒增大、表面粗糙度增加，从而导致冰川反照率降低。木孜塔格峰地区由于海拔高，全年气温较低，夏季抬升到该地区的水汽多，降雪也多，属于夏季补给型冰川。降雪可以增加冰川的积累，减缓融化速度，从而维持较高的反照率。将该地区2015—2020年各月的反照率均值在Origin软件中使用Savitzky-Golay（SG）平滑方法，以5个数据点为窗口进行平滑处理，得到反照率与降雪量、气温的关系（图8）。从图中可以看出，反照率与气温和降雪有明显的相关性，二者共同影响着反照率的变化。秋冬季节，气温较低，降雪也相对较少，反照率增加；春夏季节，随着气温的升高，降雪也在不断增加，高温导致积雪融化较快，反照率随之降低，此地区形成“低温高降雪高反照率、高温无雪则反照率降低”的机制。但是在全球气候变暖的背景下，导致积雪减少、反照率下降，木孜塔格峰地区气温总体呈变暖趋势，但夏季变暖趋势不显著。根据车彦军等[1]研究结果显示，近20 a来，年均温升高了0.18 ℃，而年平均反照率降低了0.48%。
图8 2015—2020年气温、降雪和MOD10A1反照率的月均值变化

Fig. 8 Monthly mean changes in temperature, snowfall and MOD10A1 albedo from 2015 to 2020

3.4.2 冰川反照率与地形

地形对冰川反照率的影响是多方面的。通过影响太阳辐射的入射角、地形阴影、物质输运、融水径流和区域气候等因素来显著影响冰川的反照率，其中地形坡度是影响冰川反照率的重要因素之一。根据图9所示，木孜塔格峰地区的年均反照率随坡度增加呈现下降趋势。坡度较大的区域因重力作用难以长期保留积雪，积雪容易滑动至低洼处，并且在陡坡区域，地表坡度与太阳高度角之间的夹角可能更小，导致单位面积接收的太阳辐射强度更高，更集中（尤其是阳坡），地表升温快，加速积雪消融和水分蒸发，进一步减少冰雪覆盖时间从而降低冰川的反照率。坡度较缓的冰川表面，更容易堆积风吹雪或者降新雪，形成稳定的积雪层，并且低坡度区域因地形遮蔽效应，部分区域可能处于阴影中，减缓冰雪消融并维持较高反照率。研究表明，阴影区的冰川表面温度通常较低，积雪的融化速度较慢，积雪的持续存在会维持较高的反照率[30]。然而，从2000—2020年随着全球气候变暖，阴影区的冰川融化速度加快，积雪覆盖率下降，冰川整体反照率也呈现了下降趋势。
图9 2015—2020年木孜塔格峰地区年均反照率与坡度的关系

Fig. 9 Relationship between mean annual albedo and slope in the Muz Tag Peak area from 2015 to 2020

4 讨论

本研究发现，夏季反照率最低值与北半球其他高山冰川（如天山乌鲁木齐河源1号冰川[4]）的季节性规律一致，但木孜塔格峰地区8月反照率较祁连山黑河流域冰川同期低约5%~8%[10]。这种差异可能与区域气候特征密切相关：木孜塔格峰地处亚洲粉尘传输路径，夏季频繁的沙尘沉降加速了积雪表面暗化，而黑河流域冰川受西风带水汽输送影响，夏季降雪事件更频发，从而延缓反照率下降。此外，海拔梯度上反照率呈指数增长的特征与阿尔卑斯山冰川的线性关系[3]形成鲜明对比，暗示高海拔区（>5700 m）因极端低温与强风导致的雪层密实化速率差异，可能通过改变雪粒径分布，强化了反照率对海拔的非线性响应。气温与降雪的协同效应主导了反照率的年际波动，本研究量化了木孜塔格峰地区地形坡度的阈值效应：当坡度>15°时，反照率随坡度增加的递减速率显著加快，强调地形参数化对冰川物质平衡模拟的重要性。木孜塔格峰距离亚洲中部粉尘源区近，春季常有沙尘天气影响，沙尘暴的发生也会导致冰川反照率降低或波动[29]。2012年4月毛瑞娟等[13]曾在木孜塔格峰地区冰川使用分析光谱设备公司的地物光谱仪测量冰川区和非冰川区积雪表面光谱反射率，通过窄-宽波段转换公式将其转换为反照率，并用微粒分析仪测量表面2 cm厚雪样中粒径在2~60 μm的微粒数，发现木孜塔格峰地区的冰川反照率与微粒数呈显著的负相关关系（R2=0.44，P<0.01），所含微粒数多的样品所对应的实测反照率也较低。由于反照率降低，冰川表面吸收的热量增加，导致冰川的融化速度加快。冰川融化后，暴露出更暗的表面（如裸露的冰或岩石），进一步降低反照率，形成一种正反馈机制，使得融化过程更加剧。这种加速融化不仅影响冰川的物质平衡，还可能对海平面上升产生影响，目前已经有人在别的研究区得出相应结果[30]，胡安洵等[31]研究大高加索山脉冰川反照率发现，反照率降低0.15，可导致每年额外多消融冰达1 m。尽管粉尘沉降是反照率降低的重要诱因，但粉尘来源路径、沉积通量及其与局地风场的耦合机制仍需进一步研究。
随着全球气候变暖，冰川的反照率发生变化，进而影响冰川的物质平衡和能量平衡，对冰川的退缩速度和海平面上升等全球性问题产生重要影响[32]。因此，深入研究冰川反照率的变化，建立粉尘传输-沉降-反照率的多尺度耦合模型，量化人为活动与自然过程对冰川暗化的贡献，对于理解冰川变化机制和预测未来气候变化具有重要意义。

5 结论

（1） Landsat OLI反演反照率和MOD10A1反照率两者结果随时间变化的趋势较为一致，具有较高的相关性，R2为0.92，AE在0.03~0.10之间，MAE为0.065，RMSE为0.069。
（2） 木孜塔格峰夏季的冰川表面反照率一般低于其他季节，全年大部分月份的平均值都在60%~70%之间，而8月的平均值则低至60%以下。秋季初期，气温降低，冰川消融活动减弱，新雪导致冰川表面反照率较高，随着冬春季降雪次数的减少，冰川表面积雪逐渐密实化，粒径变大，反照率随之减小。
（3） 木孜塔格峰地区随着海拔升高，冰川表面反照率逐渐升高，二者呈指数函数关系（消融区和积累区的R2分别为0.23和0.25），高海拔位置，气温降低，消融减弱，积雪保存时间长，反照率总体较大。各月的海拔与反照率也都呈现出指数函数关系，其中7月R2最高，消融区R2为0.53，积累区R2为0.56。
（4） 木孜塔格冰川反照率主要受气温、降雪和地形因子的共同调控。其中气温主导冰雪相变过程，降雪控制雪层分布，地形影响局地能量平衡。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
车彦军, 陈丽花, 谷来磊, 等. 东昆仑木孜塔格峰地区冰湖演变与冰川物质亏损[J]. 冰川冻土, 2023, 45(4): 1254-1265.

DOI

[Che Yanjun, Chen Lihua, Gu Lailei, et al. Evolution of glacial lakes and glacier mass loss in Ulugh Muztagh area of eastern Kunlun Mountains[J]. Journal of Glaciology and Geocryology, 2023, 45(4): 1254-1265.]

DOI

[2]
Bhattacharya A, Bolch T, Mukherjee K, et al. High Mountain Asian glacier response to climate revealed by multi-temporal satellite observations since the 1960s[J]. Nature Communications, 2021, 12(1): 4133, doi: 10.1038/s41467-021-24180-y.

[3]
Reijmer C H, Knap W H, Oerlemans J, et al. The surface albedo of the Vatnajökull Ice Cap, Iceland: A comparison between satellite-derived and ground-based measurements[J]. Boundary-layer Meteorology, 1999, 92: 123-143.

[4]
岳晓英, 李忠勤, 王飞腾, 等. 天山乌鲁木齐河源1号冰川消融期反照率特征[J]. 冰川冻土, 2021, 43(5): 1412-1423.

DOI

[Yue Xiaoying, Li Zhongqin, Wang Feiteng, et al. The characteristics of surface albedo on the Urumqi Glacier No.1 during the ablation season in eastern Tien Shan[J]. Journal of Glaciology and Geocryology, 2021, 43(5): 1412-1423.]

DOI

[5]
Oerlemans J, Knap W H. A 1 year record of global radiation and albedo in the ablation zone of Morteratschgletscher, Switzerland[J]. Journal of Glaciology, 1998, 44(147): 231-238.

[6]
廖虹怡, 柳林. 利用Landsat8分析冬克玛底冰川表面反照率时空变化[J]. 测绘地理信息, 2024, 49(3): 19-24.

[Liao Hongyi, Liu Lin. Temporal and spatial variation of surface albedo of Dongkemadi Glacier based on Landsat8[J]. Journal of Geomatics, 2024, 49(3): 19-24.]

[7]
Yang W, Guo X F, Yao T D, et al. Summertime surface energy budget and ablation modeling in the ablation zone of a maritime Tibetan glacier[J]. Journal of Geophysical Research: Atmospheres, 2011, 116: D14116, doi: 10.1029/2010JD015183.

[8]
Koelemeijer R, Oerlemans J, Tjemkes S. Surface reflectance of Hintereisferner, Austria, from Landsat 5 TM imagery[J]. Annals of Glaciology, 1993, 17: 17-22.

[9]
王杰, 何晓波, 叶柏生, 等. 唐古拉山冬克玛底冰川反照率变化特征研究[J]. 冰川冻土, 2012, 34(1): 21-28.

[Wang Jie, He Xiaobo, Ye Baisheng, et al. Variations of albedo on the Dongkemadi Glacier, Tanggula Range[J]. Journal of Glaciology and Geocryology, 2012, 34(1): 21-28.]

[10]
王俊瑶, 怀保娟, 王叶堂, 等. 基于MOD10A1的祁连山黑河流域典型冰川反照率时空变化研究[J]. 干旱区研究, 2020, 37(6): 1396-1405.

[Wang Junyao, Huai Baojuan, Wang Yetang, et al. Spatiotemporal variation of albedo of four representative glaciers in the Heihe River Basin based on multi-source data[J]. Arid Zone Research, 2020, 37(6): 1396-1405.]

[11]
陈满, 陈亚宁, 方功焕, 等. 昆仑山北坡冰川湖变化及其溃决风险评估[J]. 干旱区地理, 2024, 47(10): 1628-1639.

DOI

[Chen Man, Chen Yaning, Fang Gonghuan, et al. Changes in glacial lakes on the northern slope of Kunlun Mountains and assessment of their outburst risks[J]. Arid Land Geography, 2024, 47(10): 1628-1639.]

DOI

[12]
郭万钦, 刘时银, 许君利, 等. 木孜塔格西北坡鱼鳞川冰川跃动遥感监测[J]. 冰川冻土, 2012, 34(4): 765-774.

[Guo Wanqin, Liu Shiyin, Xu Junli, et al. Monitoring recent surging of the Yulinchuan Glacier on north slopes of Muztag Range by remote sensing[J]. Journal of Glaciology and Geocryology, 2012, 34(4): 765-774.]

[13]
毛瑞娟, 吴红波, 贺建桥, 等. 昆仑山木孜塔格冰川反照率变化特征及其与粉尘的关系[J]. 冰川冻土, 2013, 35(5): 1133-1142.

DOI

[Mao Ruijuan, Wu Hongbo, He Jianqiao, et al. Spatiotemporal variation of albedo of Muztagh Glacier in the Kunlun Mountains and its relation to dust[J]. Journal of Glaciology and Geocryology, 2013, 35(5): 1133-1142.]

DOI

[14]
Wang A, Smith J A, Wang G, et al. Late Quaternary river terrace sequences in the eastern Kunlun Range, northern Tibet: A combined record of climatic change and surface uplift[J]. Journal of Asian Earth Sciences, 2009, 34(4): 532-543.

[15]
吴佳康, 陈丽花, 车彦军, 等. 东昆仑木孜塔格峰地区水汽来源分析[J]. 干旱区研究, 2024, 41(2): 211-219.

DOI

[Wu Jiakang, Chen Lihua, Che Yanjun, et al. Analysis of moisture feeding in the Ulugh Muztagh area of the East Kunlun Mountains[J]. Arid Zone Research, 2024, 41(2): 211-219.]

DOI

[16]
Wang S, Li H, Zhang M, et al. Assessing gridded precipitation and air temperature products in the Ayakkum Lake, Central Asia[J]. Sustainability, 2022, 14(17): 10654, doi: 10.3390/su141710654.

[17]
毛瑞娟, 蒋熹, 郭忠明, 等. 基于TM/ETM+影像反演祁连山七一冰川反照率精度比较研究[J]. 冰川冻土, 2013, 35(2): 301-309.

DOI

[Mao Ruijuan, Jiang Xi, Guo Zhongming, et al. Study of the inversion precision of albedo on the Qiyi Glacier in the Qilian Mountain based on TM/ETM+ image[J]. Journal of Glaciology and Geocryology, 2013, 35(2): 301-309.]

DOI

[18]
余凤臣, 王璞玉, 刘琳, 等. 萨吾尔山木斯岛冰川反照率时空变化特征研究[J]. 冰川冻土, 2022, 44(6): 1717-1729.

DOI

[Yu Fengchen, Wang Puyu, Liu Lin, et al. Study on the spatial and temporal variations of the surface albedo on Muz Taw Glacier, Sawir Mountains[J]. Journal of Glaciology and Geocryology, 2022, 44(6): 1717-1729.]

DOI

[19]
秦春, 王建. CIVCO地形校正模型的改进及其应用[J]. 遥感技术与应用, 2008(1): 82-88.

[Qin Chun, Wang Jian. Improved CIVCO topographic correction model and application[J]. Remote Sensing Technology and Application, 2008(1): 82-88.]

[20]
阿布都瓦斯提·吾拉木, 秦其明. 基于辐射模拟反演ETM+数据宽波段反照率[J]. 北京大学学报(自然科学版), 2007(4): 474-483.

[Ghulam Abduwasti, Qin Qiming. Calculation of ETM+ broadband albedos by radiative simulations[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2007(4): 474-483.]

[21]
Kruse F A. Comparison of Atrem, Acorn, and FLAASH atmospheric corrections using low-altitude AVIRIS data of Boulder[C]// Summaries of the 13th JPL Airborne Geoscience Workshop. Pasadena, CA, USA: Jet Propulsion Laboratory, National Aeronautics and Space Administration (JPL, NASA), 2004: 1-10.

[22]
ASCF Center. FLASH user's guide[EB/OL]. [2005]. http://flash.rochester.edu.

[23]
Kaufman Y J, Wald A E, Remer L A, et al. The MODIS 2. 1-/spl mu/m channel-correlation with visible reflectance for use in remote sensing of aerosol[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(5): 1286-1298.

[24]
Knap W H, Reijmer C H, Oerlemans J. Narrowband to broadband conversion of Landsat TM glacier albedos[J]. International Journal of Remote Sensing, 1999, 20(10): 2091-2110.

[25]
Liang S. Narrowband to broadband conversions of land surface albedo I: Algorithms[J]. Remote Sensing of Environment, 2001, 76(2): 213-238.

[26]
Naegeli K, Damm A, Huss M, et al. Cross-comparison of albedo products for glacier surfaces derived from airborne and satellite (Sentinel-2 and Landsat 8) optical data[J]. Remote Sensing, 2017, 9(2): 110, doi: 10.3390/rs9020110.

[27]
Traversa G, Fugazza D, Senese A, et al. Landsat 8 OLI broadband albedo validation in Antarctica and Greenland[J]. Remote Sensing, 2021, 13(4): 799, doi: 10.3390/rs13040799.

[28]
Greuell W, de Wildt M R. Anisotropic reflection by melting glacier ice: Measurements and parametrizations in Landsat TM bands 2 and 4[J]. Remote Sensing of Environment, 1999, 70(3): 265-277.

[29]
Boggild C E, Warren S G, Brandt R E, et al. Effects of dust and black carbon on albedo of the greenland ablation zone[C]// AGU Fall Meeting Abstracts. Washington, DC: American Geophysical Union, 2006: U22A-05.

[30]
Braithwaite R J, Raper S C B. Estimating equilibrium-line altitude (ELA) from glacier inventory data[J]. Annals of Glaciology, 2009, 50(53): 127-132.

[31]
胡安洵, 郝卫峰, 马超, 等. 大高加索山脉冰川反照率时空分布及与物质平衡的关系[J]. 地球物理学报, 2024, 67(4): 1314-1329.

[Hu Anxun, Hao Weifeng, Ma Chao, et al. The spatio-temporal distribution of the albedos and its relationship with glacier mass balance in the glaciers of the Greater Caucasus Mountains[J]. Chinese Journal of Geophysics, 2024, 67(4): 1314-1329.]

[32]
Ren S, Jia L, Menenti M, et al. Changes in glacier albedo and the driving factors in the Western Nyainqentanglha Mountains from 2001 to 2020[J]. Journal of Glaciology, 2023, 69(277): 1500-1514.

Options
文章导航

/

〈 〉