川藏交通廊道冰川和地表水遥感监测及耦合分析_王俪璇.pdf

测绘通报2023 年第 6 期引文格式:王俪璇，叶成名，眭天波，等 川藏交通廊道冰川和地表水遥感监测及耦合分析J 测绘通报，2023(6):50-55 DOI:10 13474/j cnki11-2246 2023 0167川藏交通廊道冰川和地表水遥感监测及耦合分析王俪璇1，2，叶成名1，2，眭天波1，2，魏瑞龙1，2，李洪富1，2(1 成都理工大学地球勘探与信息技术教育部重点实验室，四川 成都 610059;2 成都理工大学地球物理学院，四川 成都 610059)摘要:气候变化造成冰川退缩，青藏高原地表水对此作出快速响应。本文使用 3952 幅 Landsat 5 TM、Landsat 8 OIL 遥感影像，利用DSWE 方法及 FMask 算法对川藏交通廊道冰川和地表水进行了长周期、大面积监测和信息提取，并结合高程数据、分水岭信息分析了冰川、地表水的时空变化特征与耦合性。结果表明:川藏交通廊道内雅鲁藏布江与怒江流域冰川近 35 年退缩超5000 km2，年退缩率呈逐期递增趋势，冰川消融剧烈;澜沧江、金沙江、岷江及雅砻江流域冰川整体退缩，但近 10 年退缩速率减缓，局部边界有小幅扩展。雅鲁藏布江、怒江流域地表水受冰川消融影响强烈，面积分别扩大 327、155 km2;澜沧江、金沙江流域因冰川相对稳定，地表水受影响较小;岷江流域降水丰富，是地表水面积扩张的主要原因。冰川和地表水的面积变化在不同高程区间耦合性均良好，尤其在 45015000、50015500 m 高程范围内，冰川面积退缩加快，同时地表水面积同期加速扩张。关键词:川藏交通廊道;遥感监测;冰川;地表水中图分类号:P237文献标识码:A文章编号:0494-0911(2023)06-0050-06Remote sensing monitoring and coupling analysis on glacier andsurface water in Sichuan-Tibet traffic corridorWANG Lixuan1，2，YE Chengming1，2，SUI Tianbo1，2，WEI Ruilong1，2，LI Hongfu1，2(1 Key Lab of Earth Exploration Information Techniques of Ministry Education，Chengdu University of Technology，Chengdu 610059，China;2 College of Geophysics，Chengdu University of Technology，Chengdu 610059，China)Abstract:Glaciers retreat caused by climate warming has rapidly increased surface water area in the Qinghai-Tibet Plateau based on3952 Landsat 5 TM，Landsat 8 OIL remote sensing images The paper uses DSWE method and FMask algorithm to obtain respectivelyglacier and surface water information in Sichuan-Tibet traffic corridor，and analyses spatio-temporal changes and coupling characteristicbetween glacier and surface water combining with DEM and watershed data The glaciers in the Yarlung Zangbo River and Nujiang Riverbasins have shrunk by more than 5000 km2in the past 35 years，with the annual shrinking rate increasing gradually The other fourbasinsalso retreated as a whole However，the retreat rate is lower and sporadic areas are increasing in the past decade The surfacewater in Sichuan-Tibet traffic corridor is strongly affected by glacier melting，especially in Yarlung Zangbo River and Nujiang Riverbasins whose surface water areas are expanded by 327 and 155 km2respectively But the glaciers are relative stable which located inLantsang River，Jinsha River The rich precipitation in Minjiang River basin is the main reason for the surface water area expansionThe coupling of the change between glacier and surface water is good in different elevation intervals Especially in the elevation range of45005000 m and 50005500 m，the retreat of glacier is accelerated，accompanied by the accelerated expansion of surface water inthe same periodKey words:Sichuan-Tibet traffic corridor;remote sensing monitoring;glacier;surface water冰川是全球气候变化的重要指示器。青藏高原是我国冰储量最大的地区，在气候变化大背景下，冰川变化剧烈1-3。学者们在对青藏高原水资源演变与趋势分析时发现，气温升高导致的冰川积雪融化是径流增多及高原湖泊水量增加的主要原因4-5，并影响流域内的水平衡及水循环6-8。遥感技术具有大面积同步观测和高时效性的优点，成为大尺度冰川研究的重要方法9-11。文献 12 利用航空像片及地形图，对国内冰川进行清查，测量冰川面积、冰量等 34 个参数，形成了中国冰05收稿日期:2022-09-05基金项目:第二次青藏高原综合科学考察研究项目(2019QZKK0902)作者简介:王俪璇(1997)，女，硕士生，研究方向为生态环境遥感。E-mail:664325597 qq com通信作者:叶成名。E-mail:rsgis sina com2023 年第 6 期王俪璇，等:川藏交通廊道冰川和地表水遥感监测及耦合分析川目录，为中国冰川研究奠定了坚实基础。文献 13 以 2004 年以后的 Landsat TM/ETM+和 ASTER影像为基础，参考第一次冰川编目获取中国西部不同山系、流域冰川数量、面积及冰储量，完成第二次中国冰川编目。成果表明，新中国成立以来中国西部的冰川面积总体萎缩约 18%，同时也有部分冰川处于前进状态14。文献 15 基于 315 景 Landsat 8OLI 遥感影像，用目视解译的方法调查了 2018 年中国冰川的分布与变化，表明气温和降水变化差异，以及海拔、坡度、坡向等地形差异，共同影响中国冰川的 变 化。随 着 云 计 算 的 发 展，特 别 是 GEE(Google Earth Engine)等地球科学分析平台的出现，半自动和全自动处理及提取大规模地面信息得到广泛应用16-18。如文献 19利用深度学习的方法从 Sentinel-1 图像中自动分割陆地冰与海洋，跟踪冰川、冰架的活动状态和速度。文献 20 使用上百万幅遥感影像量化了 19842015 年全球地表水，并以水存在的时间特性进行了类型划分，分为永久性水与季节性水。综上所述，本文综合运用大规模遥感数据和机器学习方法，对青藏高原内川藏交通廊道冰川及地表水变化进行监测与分析，定量化描述和揭示两者之间的耦合关系，以期对生态环境保护及地质灾害防范提供科学参考21-23。1研究区概况川藏交通廊道穿越青藏高原东缘高山峡谷区，地势复杂，地质灾害频发，是国内外学者关注的热点区域。廊道内冰川数量有 7600 余条13，总面积超 12 000 km2。近 35 年冰川总体消融显著，面积大幅减少，致使生态环境改变和地质灾害发生24-28。研究区内水系发达，发育一级河流 5 条，二级河流4 条，三级及以下河流 101 条。19852020 年冰川的强消融造成地表水面积扩张 361 km2，湖泊面积增大 154 km2，湖泊新增 52 个29。2数据来源与数据处理本文的数据源及相关参数见表 1。地表水提取基于美国地质调查局 DSWE(dynamic surface waterextent)产品30，它是对像元水体覆盖的频率进行计算，能够提供水体覆盖的像素长周期的动态信息。参考 DSWE 模型对各期遥感影像栅格数据进行逐像元识别，统计各期影像存在地表水的像元个数，并除以对应时期的时间跨度(年)，计算各像元地表水存在频率，结合遥感影像目视解译，将频率值为 0.3 以上的像元划分为地表水。冰川信息的提取流程如图 1 所示。选取与 DSWE 同一套低云量遥感影像，影像数量为 3952 幅，平均云量为 6.5%。采用 FMask 算法31 对影像中高置信度的云像元点进行去除，并基于 GEE 平台采用随机森林分类法32-33 逐影像提取冰川，计算每个时期冰川存在的频率(即有效观测像元中冰川像元的数量占总数的比)，可从概率角度降低因影像选择、去云处理及分类所带来的错误。随机森林分类器是以第二次冰川编目中冰川的光谱特征(各波段地表反射率与光谱指数)和地形特征(海拔高程与坡度)作为样本特性。因廊道冰川多被表碛物覆盖，其光谱特征与周围裸岩具有很高的相似性，本文根据识别量化结果与第二次冰川编目数据综合对比(20062010 年)，通过人机交互的方式设置不同流域的冰川提取阈值，大于阈值的像元被判断为冰川高频像元，划为冰川，反之为非冰川。本文提取川藏交通廊道区域内冰川面积 11 157.57 km2(20062010 年)，该区域 第 二 次 冰 川 编 目 数 据 统 计 冰 川 面 积 为13 130.62 km2(60%冰川为第一次冰川编目数据的补充)，两者面积相差约 16%。冰川、地表水数据的时间跨度均为 19852020 年，为避免高云量低质量遥感影像及个别年份极端气候对识别结果的影响，将遥感影像划为 4 期进行信息提取:19851990 年、19962000 年、20062010 年、20162020 年。表 1数据源及相关参数数据类型产品名称空间分辨率数据来源遥感影像Landsat 5 TMLandsat 8 OIL30 mU S GeologicalSurvey(USGS)高程ALOS(PRISM)12.5 mAlaska SatelliteFacility(ASF)流域基于 DEM 提取的中国流域、河网数据集资源环境科学与数据中心夏季降水CHIRPS0.05CHIRPS 产品官网冰川与积雪的光谱特性十分相似，造成自动识别难度加大。为此，本文全部选用冰川消融季(410 月)的遥感影像，以减少季节性积雪对冰川提取的影响。具体过程为:首先基于 GEE 平台利用随机森林分类器逐影像识别冰川，冰川、非冰川的像元赋值分别为 1、0;然后计算每个时期内冰川存在的频率(即有效观测像元中冰川像元数量占总数的比)，可有效降低因影像选择、去云处理、积雪影响及分类方法带来的误差。15测绘通报2023 年第 6 期图 1提取流程流域基于 1000 m DEM 数据和 GIS 手段进行划分，产生全国一级流域及其子流域34。本文研究区划分为 6 大区域，若子流域超出干流所在的一级流域，则将其进行合并(如图 2 所示)，旨在提取 4 期冰川、地表水信息，分析两者在不同流域、不同海拔梯度的分布及变化特征。由于夏季降水的增减会使地表水面积发生变化，影响对冰川、地表水耦合关系的判断，因此利用一致性判断方法以消除影响。图 2研究区 6 个流域分布3讨论3.1冰川变化根据 4 期冰川数据和冰川覆盖像元，以有无冰川为依据，将变化情况分为 4 类:稳定冰川、不稳定变化、退缩冰川及前进冰川。如图 3 所示(以像素为单位，“”代表该期像元为冰川，“”代表该期像元为非冰川)。将高程分布划为 5 个区间，结果如图 4 所示。稳定冰川主要位于高程在 4500 m 以上，冰川主要位于海拔 45015000 m 及 50015500 m 内，面积分别为 1 612.18、3 387.16 km2。55016000 m 区间内冰川面积为 208.31 km2，占比 4%。退缩冰川集中在45015500 m 区间内，面积为 4 043.84 km2，是川藏交通廊道冰川变化的主要形式。研究区冰川动态变化主要发生在 45015500 m 区间内，此区间的冰川动态变化区达 7 989.94 km2，占比约 89%。图 34 种类型冰川变化图 4冰川变化垂直特征统计流域尺度上(见表 2)，雅鲁藏布江及与怒江流域冰川面积占比超80%。近35 年，雅鲁藏布江流域冰川缩减 3 434 km2，19852020 年 3 个时段冰川年变化率为0.16%、1.15%、2.49%，退缩速率呈增252023 年第 6 期王俪璇，等:川藏交通廊道冰川和地表水遥感监测及耦合分析加趋 势。怒 江 流 域 冰 川 年 变 化 率 为 1.14%、3.55%、4.00%。怒江流域较雅鲁藏布江流域冰川消融更剧烈。本文信息统计遵循监测周期内冰川存在概率最高、冰川面积最小的原则，即年际和季节综合对比下，找出最为稳定或可靠变化的冰川，有效摒除了低概率极端条件的短期变化信息。其余 4 个流域的冰川在监测期内总体也呈退缩趋势，不同的是，近 10 年内这些流域的冰川消融速率逐期减缓(见表 2)，澜沧江、金沙江、雅砻江、岷江流域出现不同程度冰川面积增加情况。将冰川面积增大的区域与对应时期影像叠加，能够观察到部分冰川下端边界有向低海拔移动的情况。表 219852020 年冰川面积变化统计km2年份流域雅鲁藏布江怒江澜沧江金沙江雅砻江岷江198519909 933.263 155.16204.24819.70626.69753.19199620009 774.832 794.63124.79692.31534.37367.60200620108 654.181 802.6054.63131.44159.19356.92201620206 499.681 082.0872.89170.65187.19485.71第二次冰川编目10 679.411 673.2957.98152.04164.30403.603.2地表水变化因为河流水面变化受流量、河床宽度及河谷形状影响，无法直接与上游冰川消融进行耦合分析。为此，将流域水面分为河道缓冲区(简称“河缓区”，即河流中心线 1000 m 距离范围)和集水区(去除河缓区水域)。如图 5 所示，各流域地表水面积明显扩张，雅鲁藏布江、怒江、岷江流域箱体高度较高，地表水面积变化幅度较大。雅鲁藏布江流域集水区及河缓区地表水面积于近 35 年分别扩大 159、168 km2，岷江流域集水区及河缓区分别增加 42、100 km2，怒江流域集水区及河缓区面积分别增加99、57 km2。其余 3 个流域的地表水变化幅度较小(如图 5(b)所示)，特别是澜沧江流域集水区地表水最稳定，近 35 年地表水面积保持在 26 km2。图 5川藏交通廊道 6 流域地表水面积箱体3.3冰川地表水耦合关系冰川、降水是影响地表水面积变化的重要因素，本文参考了中国河流年径流系数及主要河流平均年径流总量地图，利用径流系数法计算得到年径流量和夏季径流量，再以此与流域面积相乘求得年(夏季)径流量体积，将年(夏季)径流量体积、冰川面积分别作归一化处理后(范围为 01，并以百分比形式体现)，与地表水面积变化作相关性分析(如图 6 所示)，从趋向走势的一致性和波动规律层面判断和确定各流域地表水变化的主要影响因素和控制作用。径流系数法公式为Pv=p c f式中，Pv为年(夏季)径流量体积(万 m3);p 为年(单期夏季)平均降水量(mm);c 为流域平均径流系数;f 为流域面积(km2)。除河流外，川藏交通廊道水体多发育在冰川末35测绘通报2023 年第 6 期端的冰湖，处于封闭状态，受人为因素影响较小，冰川萎缩产生的融水能够直接补给下端湖泊，因此集水区地表水面积变化相对于河缓区更能响应冰川状态，若流域内冰川面积逐期缩减，集水区地表水应扩张明显。图 6 中冰川面积明显缩减，集水区地表水面积扩张的有雅鲁藏布江、怒江、雅砻江流域(如图 6(a)(b)、(e)所示)，且径流量折线走向平缓，说明两流域径流量变化较为缓和，集水区地表水受冰川消融影响强烈，冰川萎缩消融是导致流域集水区地表水增多的主要原因。澜沧江、金沙江及岷江流域(如图 6(c)(d)、(f)所示)集水区地表水面积变化与冰川面积变化趋势的一致性较差，三者流域内冰川面积总体呈萎缩的趋势，而集水区地表水面积变化波动明显，与年均、夏季平均降水量的变化规律一致，在一定程度上可以认为，澜沧江、金沙江及岷江流域集水区地表水受冰川萎缩影响较小，主要受流域内降水量影响。河缓区地表水相对于集水区封闭性较差，受冰川融水与降水补充的主次较难区分，雅砻江和岷江流域是研究区内降水量最充足的流域，且冰川面积在研究区内占比很低，有利于进行流域内河缓区地表水影响因素的分析(如图 6(e)(f)所示)，两者河缓区地表水面积变化能够与径流量变化形式达成一致，变化规律为增多减少增多，因此，在某种程度上可以认为雅砻江、岷江流域河缓区地表水主要受降水影响。此外，雅鲁藏布江流域径流量后期出现缩减，怒江流域径流量较为稳定，两者径流量变化与河缓区地表水面积明显扩张的变化形势不具有一致性，而雅鲁藏布江、怒江流域近 35 年冰川萎缩明显，能够与流域内河缓区地表水扩张相呼应，可以认为，雅鲁藏布江、怒江流域河缓区地表水面积扩张主要受冰川消融影响。图 6各流域河缓区、集水区的地表水变化统计4结语本文基于遥感图像和智能信息提取方法，对近35 年来川藏交通廊道的冰川、地表水进行了监测分析，结合 DEM、流域数据统计了两者在高程区间和流域尺度的时空变化。结果显示，冰川总体呈退缩趋势，随海拔升高程度加剧，尤其在 40015500 m。雅鲁藏布江、怒江流域冰川占比超 80%，其快速消融是地表水扩张的主要因素。除岷江流域外，研究区各流域冰川退缩均与地表水增加耦合良好，呈现出冰川面积逐期缩减，集水区、河缓区地表水面积持续增加。不同高程区间，冰川退缩与地表水面积变化耦合程度不同。40014500 m 高程区间受降雨等因素影响，冰川、地表水面积变化呈波动变化。45015000、5000 m 以上冰川退缩程度强烈，地表水面积显著增加，变化一致性良好。参考文献:1刘宗香，苏珍，姚檀栋，等 青藏高原冰川资源及其分布特征 J 资源科学，2000，22(5):49-52 2蒲健辰，姚檀栋，王宁练，等 近百年来青藏高原冰川的进退变化 J 冰川冻土，2004，26(5):517-522 3苏珍，刘宗香，王文悌，等 青藏高原冰川对气候变化的响应及趋势预测 J 地球科学进展，1999，14(6):607-612 4LI Kaiming，LI Zhongqin，GAO Wenyu，et al Recentglacial retreat and its effect on water resources in eastern452023 年第 6 期王俪璇，等:川藏交通廊道冰川和地表水遥感监测及耦合分析Xinjiang J Chinese Science Bulletin，2011，56(33):3596-3604 5张建云，刘九夫，金君良，等 青藏高原水资源演变与趋势分析J 中国科学院院刊，2019，34(11):1264-1273 6LIU L，JIANG L M，XIANG L W，et al The effect ofglacier melting on lake volume change in the Siling Cobasin(5Z2)，Tibetan PlateauJ Chinese Journal ofGeophysics，2019，62(5):1603-1612 7RADIC V，HOCK R Glaciers in the earths hydrologicalcycle:assessments of glacier mass and runoff changes onglobal and regional scalesJ Surveys in Geophysics，2014，35(3):813-837 8ZHANG Yong，LIU Shiyin，XU Junli，et al Glacierchange and glacier runoff variation in the Tuotuo RiverBasin，the source region of Yangtze River in WesternChinaJ Environmental Geology，2008，56(1):59-68 9YAN L，GAO J，WANG J，et al Glacier mapping basedon GF-1satelliteremotesensing J JournalofGlaciology and Geocryology，2020，42(4):1400-1406 10 王亚利，都伟冰，王双亭 高斯混合模型自动阈值法遥感冰川信息提取J 遥感学报，2021，25(7):1434-1444 11 张震 基于遥感和 GIS 的东帕米尔高原冰川冰量变化研究 J 测绘学报，2021，50(7):992 12 SHI Y，LIU C，KANG E The Glacier Inventory of China J Annals of Glaciology，2009，50(53):1-4 13 LIU Shiyi YAO Xiaojun，Guo Wanqin，et al Thecontemporary glaciers in China based on the SecondChinese Glacier Inventory J Acta Geographica Sinica，2015，T(1):3-16 14 刘时银，丁永建，李晶，等 中国西部冰川对近期气候变暖的响应 J 第四纪研究，2006(5):762-771 15 赵华秋，王欣，赵轩茹，等 20082018 年中国冰川变化分析 J 冰川冻土，2021，43(4):976-986 16 AMANI M，GHORBANIAN A，ALI AHMADI S，et alGoogle earth engine cloud computing platform for remotesensing big data applications:a comprehensive review J IEEE Journal of Selected Topics in Applied EarthObservations and Remote Sensing，2020，13:5326-5350 17 KUMARL，MUTANGAOGoogleearthengineapplications since inception:usage，trends，and potential J Remote Sensing，2018，10(10):1509 18HUAN，Li A Google Earth Engine-enabled software forefficiently generating high-quality user-ready Landsatmosaicimages J EnvironmentalModellingSoftware，2019，112:16-22 19 BAUMHOER C A，DIETZ A J，KNEISEL C，et alAutomated extraction of Antarctic glacier and ice shelffronts from Sentinel-1 imagery using deep learningJ Remote Sensing，2019，11(21):2529 20 PEKEL J F，COTTAM A，GORELICK N，et al High-resolution mapping of global surface water and its long-term changes J Nature，2016，540(7633):418-422 21STEFANO，B Ecosystem shifts in Alpine streams underglacier retreat and rock glacier thaw:a reviewJ Science of the Total Environment，2019，675:542-559 22 LIU Wenhui Rapid expansion of lakes in the endorheicbasin on the Qinghai-Tibet Plateau since 2000 and itspotential drivers J CATENA，2021，197:104942 23 VOROBYEVA S S，TRUNOVA V A，STEPANOVA OG，et al Impact of glacier changes on ecosystem ofproglacial lakes in high mountain regions of East Siberia(Russia)J Environmental Earth Sciences，2015，74(3):2055-2063 24 张鲜鹤，王欣，刘时银，等 基于第二次冰川编目数据的中国冰川高度结构特征分析 J 地理学报，2017，72(3):397-406 25 张晓宇，杜世回，孟祥连，等 茶隆隆巴曲山地灾害特征及冰崩碎屑流致灾风险研究J 工程地质学报，2021，29(2):435-444 26 李震，陈宁生，张建平，等 波曲流域冰湖及其溃决灾害链特征分析 J 水文地质工程地质，2014，41(4):143-148 27 樊启顺，沙占江，曹广超，等 气候变化对青藏高原生态环境的影响评价 J 盐湖研究，2005，13(1):12-18 28 张建国，陆佩华，周忠浩，等 西藏冰冻圈消融退缩现状及其对生态环境的影响J 干旱区地理，2010，33(5):703-709 29 ZHANG Guoqing Regional differences of lake evolutionacross China during 1960s2015 and its natural andanthropogeniccauses J RemoteSensingofEnvironment，2019，221:386-404 30 JONES J Improved automated detection of subpixel-scale inundationrevised dynamic surface water extent(DSWE)partial surface water tests J RemoteSensing，2019，11(4):374 31 STEVE F Cloud detection algorithm comparison andvalidation for operational Landsat data productsJ Remote Sensing of Environment，2017，194:379-390 32LU Yijie，ZHANG Zhen，SHANGGUAN Donghui，et alNovel machine learning method integrating ensemblelearning and deep learning for mapping debris-coveredglaciers J Remote Sensing，2021，13(13):2595 33 ZHANG Jingxiao，JIA Li，MEN Enti M，et al Glacierfacies mapping using a machine-learning algorithm:theparlung Zangbo Basin case studyJ Remote Sensing，2019，11(4):452 34 徐新良，庄大方，贾绍凤，等 GIS 环境下基于 DEM 的中国流域自动提取方法J 长江流域资源与环境，2004，13(4):343-348(责任编辑:胡淼)55