高亞洲冰川區度日因子空間分布數據集

高亞洲冰川區度日因子空間分布數據集
作者：張勇　劉時銀　王欣
2019年9月23日

本作品收錄於《中國科學數據》

張勇, 劉時銀, 王欣. 高亞洲冰川區度日因子空間分布數據集[J/OL]. 中國科學數據, 2019, 4(3). (2019-05-17). DOI: 10.11922/csdata.2019.0009.zh.

摘要&關鍵詞

摘要：基於冰雪消融與氣溫之間線性關係建立的度日模型是冰川研究中應用較為廣泛的模型。度日因子是該模型的重要參數，反映了單位正積溫產生的冰雪消融量，其空間變化對於該模型模擬冰雪消融過程的精度影響較大。然而，高亞洲地區有長期觀測的冰川數量較少，無法為應用度日模型開展區域冰川消融模擬提供必要的參數。本研究基於高亞洲不同地區40餘條冰川的考察和觀測資料，構建了冰川冰與雪度日因子的轉換公式，獲取了高亞洲冰川區度日因子的空間分布格網數據集（GeoTIFF格式，32位浮點型），空間分辨率為0.5°，同時本數據精度已在典型區域的冰川物質平衡模擬應用中得到了驗證。本數據集可為開展高亞洲區域冰川消融過程及其對水資源變化與相關災害影響研究提供模型參數，為進一步分析高亞洲地區冰川變化與氣候變化、水資源變化及其災害效應提供必要的數據支撐。

關鍵詞：冰川消融；度日因子；度日模型；水資源；高亞洲

Abstract & Keywords

Abstract: The degree-day model, a widely used approach for ice and snow melt computation, rests upon a relationship between snow or ice melt and air temperature that is usually expressed in the form of positive temperature. The degree-day factor (DDF) is an important parameter for the model, and its spatial variation largely affects the accuracy of snow and ice melt simulations. Across High Mountain Asia (HMA), only a few glaciers have long-term observational records over the past decades, failing to provide necessary parameters for regional melting simulation based on degree-day models. In this study, we collected investigations and observations on 40 glaciers located in different regions of HMA, and estimated the transfer functions for snow and ice DDFs to obtain the dataset of spatial distributions of DDFs for snow and ice in HMA. These data, with a spatial resolution of 0.5°, were stored in GeoTIFF format in 32-bit floating point. Their accuracy is confirmed through a comparison between regional mass balance simulations using this dataset and observations in a typical region. The dataset provides model parameters for the study of regional glacier melting process and its impact on water resources and associated glacier disasters in HMA. It also provides data support for further analysis of glacier change and climate change, water resources change and its disaster effects in HMA.

Keywords: glacier melt; degree-day factor; degree-day model; water resources; High Mountain Asia

數據庫（集）基本信息簡介

數據庫（集）名稱	高亞洲冰川區度日因子空間分布數據集
數據作者	張勇、劉時銀、王欣
通信作者	張勇（yong.zhang@hnust.edu.cn）
地理區域	北緯25.0°–65.0°, 東經65.0°–105.0°
數據量	16.0 KB
數據格式	*.tif
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/747
基金項目	國家自然科學基金（41761144075、41671057、41771075）；科技部科技基礎性工作專項（2013FY111400）；雲南大學引進人才項目（YJRC3201702）。
數據庫（集）組成	數據集共包括2個數據文件：1. Spatial_distribution_of_DDFice.tif是高亞洲冰川冰度日因子空間分布數據；2. Spatial_distribution_of_DDFsnow.tif是高亞洲冰川區雪度日因子空間分布數據。

Dataset Profile

Title	A dataset of spatial distribution of degree-day factors for glaciers in High Mountain Asia
Data corresponding author	Zhang Yong (yong.zhang@hnust.edu.cn)
Data authors	Zhang Yong, Liu Shiyin, Wang Xin
Geographical scope	25.0°–65.0°N, 65.0°–105.0°E
Data volume	16.0 KB
Data format	*.tif
Data service system	<http://www.sciencedb.cn/dataSet/handle/747>
Sources of funding	National Natural Science Foundation of China (41761144075; 41671057; 41771075); Fundamental Program of the Ministry of Science and Technology of China (MOST) (2013FY111400); Research Funds for New Talents of Yunnan University (YJRC3201702).
Dataset composition	This dataset consists of 2 subsets in total: (1) Spatial_distribution_of_DDFice.tif is the spatial distribution of degree-day factor for ice in High Mountain Asia; (2) Spatial_distribution_of_DDFsnow.tif is the spatial distribution of degree-day factor for snow in High Mountain Asia.

引 言

高亞洲泛指包括青藏高原、帕米爾高原、天山和阿爾泰山等構成的海拔超過2000 m的地區，是除極地之外最大的冰川發育區，冰川總面積約占全球冰川總面積的13.6%^[1][2]。冰川是高亞洲地區極其重要的固體水資源，其融水是周邊地區數條大江大河重要的補給來源^[3][4][5]，尤其是我國西北乾旱區的水資源在很大程度上依賴於冰川融水^[6][7]。在全球變暖背景下，高亞洲地區冰川呈現不同程度的退縮與強烈的物質虧損^[8][9][3][1]，其融水在不同時空尺度上的變化對區域水資源形成與變化、冰湖潰決洪水、冰川洪水及其誘發泥石流等災害的影響十分顯著^{[10][11][12][13][14][7]}，尤其影響下游地區數億人口的水供給和食品安全^[5]。因此，冰川融水模擬是評估高亞洲地區水資源變化及影響的重要組成部分之一，其研究已成為社會各界關注的熱點問題^[15][14]。

在冰川融水計算方法中，度日模型是最為簡單、應用最為廣泛的方法。該方法是基於冰川消融與氣溫之間的線性關係建立的，能夠給出類似能量平衡模型的輸出結果^[16][17][18]。在度日模型中，度日因子是其重要的參數，是冰雪表面能量傳遞與轉化過程的簡化描述^[19][16][17]，其空間變化特徵對於冰川消融模擬的精度有較大影響^[16][17][18]。在冰川尺度上，度日因子可通過冰川區消融與氣溫觀測計算獲取；在區域/全球尺度上，度日因子具有較大的時空變異性^[16][17]。在眾多應用度日模型進行區域/全球冰川模擬的研究中，基於典型冰川物質平衡觀測數據^[20]對冰川冰和雪的度日因子進行率定，進而推廣應用於每條冰川^{[21][22][23][24][25][26]}。目前，全球開展長期物質平衡觀測的冰川數量有限，而高亞洲地區具有長期物質平衡觀測的冰川數量更少^[20]。基於高亞洲現有冰川觀測數據率定度日因子，進而開展整個區域冰川融水及其影響的評估，可能會引起一定的誤差。為此，本文收集了過去幾十年來高亞洲地區不同地區40餘條冰川的短期考察和觀測數據（圖1），獲取了每條觀測冰川的度日因子值，包括冰川冰與雪的度日因子。以此數據為基礎，構建了冰川冰與雪度日因子的轉換公式，獲取了整個高亞洲冰川區度日因子的空間分布格網數據。本數據精度已在典型區域的冰川物質平衡模擬應用中得到了驗證^[27][28]，獲取數據可靠，可為進一步研究高亞洲區域冰川融水及其水資源效應和災害效應提供必要的數據支撐。

圖片

圖1 高亞洲地區觀測冰川分布圖

1 數據採集和處理方法

1.1 數據源

本文採用的數據包括冰川區消融和氣溫觀測數據、0.5°格網氣溫和降水數據以及冰川編目數據。其中，冰川區消融和氣溫數據來源於過去幾十年來高亞洲不同地區40餘條冰川不同時期的考察和觀測數據^{[29][30][31][20][17]}（圖1和表1）。這些冰川的消融數據主要是通過花杆實測獲取的^[20][17]，大部分冰川消融觀測時長超過1個月。1951–2011年期間的0.5°格網日氣溫和降水數據^[32]是選取了距離冰川最近的網格數據。高亞洲冰川信息來自於Randolph冰川編目^[2]，主要包括冰川末端海拔高度和冰川經緯度。

表1 高亞洲地區觀測冰川信息[17,20,29-31]

序號	冰川名稱	緯度（°N）	經度（°E）	時段
1	七一	39.25	97.75	2002年7–8月
2	小冬克瑪底	33.17	92.13	2008年7–8月
3	海螺溝	29.58	101.93	2008年4–10月
4	科其喀爾	41.81	80.17	2003年6月28日至9月13日
5	瓊台蘭	41.95	80.14	1978年6月17日至8月14日
6	烏魯木齊河源1號	43.09	86.82	1986–1993年
7	帕隆No. 390	29.35	97.02	2007–2010年
8	帕隆No. 94	29.38	96.98	2006–2010年
9	帕隆No. 12	29.30	96.90	2006–2009年
10	帕隆No. 10	29.28	96.90	2006–2009年
11	中絨布	28.05	85.83	2009年5月15日至6月14日
12	東絨布	28.05	85.95	2009年6月10日至6月14日
13	抗物熱	28.47	85.82	1993年7月20日至8月25日
14	納木那尼	30.45	81.33	2004–2013年
15	慕士塔格	38.23	75.05	1989年7月1日至7月5日
16	扎當	30.48	90.65	2007年9–10月、2008年6–7月
17	古仁河口	30.18	90.47	2007–2010年
18	煤礦	35.67	94.18	1989年5月7日至9月7日
19	中習	30.87	91.45	2008–2010年
20	AX010	27.70	86.57	1978年6–8月、1979年
21	Yala	28.23	85.62	1996年6月1日至7月31日
22	Abramov	39.63	71.57	1968–1998年
23	Shumskiy	45.08	80.23	1967–1991年
24	Ts. Tuyuksu	43.00	77.10	1957–2009年
25	Igly Tuyuksu	43.00	77.10	1976–1990年
26	Molodezhniy	43.00	77.10	1976–1990年
27	Mametova	43.00	77.10	1976–1990年
28	Kara-Batkak	42.10	78.30	1957–1998年
29	Golubina	42.45	74.50	1969–1994年
30	Sary-Tor (No. 356)	41.83	78.18	1984–1989年
31	Chhota Shigri	32.20	81.50	2006–2010年
32	Dunagiri	30.55	79.90	1986–1990年
33	Shaune Garang	31.28	78.33	1982–1990年
34	Gor Garang	31.62	78.82	1977–1983年
35	Neh Nar	34.27	75.87	1980–1984年
36	Leviy Aktru	50.08	87.73	1977–2011年
37	Maliy Aktru	50.08	87.75	1962–2011年
38	Praviy Aktru	50.08	87.73	1980–1990年
39	Vodopadniy	50.10	87.70	1977–2011年
40	Kosmodemaya	43.00	77.10	1965–1990年
41	Partizan	43.00	77.10	1965–1990年
42	Visyachie 1-2	43.00	77.10	1965–1990年
43	Ordzhonikidze	43.00	77.10	1965–1990年

1.2 數據處理步驟

本文基於收集的冰川區消融和氣溫觀測數據，採用張勇等^[18]方法計算了冰川冰與雪的度日因子值，其計算公式如下：

圖片 （1）

式中，DDF為冰川冰或雪的度日因子（mm d-1 ℃ -1），M是某時段內冰川冰或雪的消融水當量（mm w.e.），PDD是同一時段內的正積溫（℃），一般由下式計算獲取：

圖片 （2）

式中，圖片為某天（t）的日平均氣溫，圖片為邏輯變量。當圖片≥0℃時，圖片= 1.0，當圖片＜0℃時，圖片= 0.0。大部分冰川存在同期觀測的氣溫數據，對於僅有消融資料而沒有氣溫資料的觀測冰川區，使用距離該冰川區最近的格網氣溫數據。

基於公式（1）和（2）獲取了高亞洲不同地區40條冰川的冰川冰與雪度日因子值。同時基于格網日氣溫和降水數據分別計算了40條冰川區的年平均氣溫和年平均降水量。基於計算的度日因子值、冰川海拔高度、冰川經緯度、冰川區年平均氣溫和降水數據，採用多元線性回歸方法，建立了冰川冰與雪度日因子的轉換公式（表2），其相關係數（r）分別為0.62和0.92（顯著性水平p＜0.001）。進而基於冰川海拔高度、冰川經緯度、冰川區年平均氣溫和降水數據，應用表1中的轉換公式獲取了高亞洲地區每一條冰川的度日因子值。

表2 冰川冰與雪的度日因子轉換公式

參數	觀測值範圍	平均值	轉換公式	r
DDFice	2.6 – 16.9	7.64	圖片	0.62
DDFsnow	1.5 – 9.2	4.63	圖片	0.92

註：DDFice和DDFsnow分別表示冰川冰和雪的度日因子（mm d-1 ℃ -1），Lat、Lon、H、T和P分別表示冰川緯度（°）、經度（°）、冰川末端海拔高度（m）、年平均氣溫（℃）和降水（mm）。

2 數據樣本描述

本數據集的數據存儲格式為GeoTIFF格式，數據類型為32位浮點型，命名為Spatial_distribution_of_DDFice.tif和Spatial_distribution_of_DDFsnow.tif，單位是mm d-1 ℃-1。樣本展示如圖2和圖3。

圖片

圖2 高亞洲地區冰川冰度日因子空間分布圖

圖片

圖3 高亞洲冰川區雪度日因子空間分布圖

高亞洲冰川冰的度日因子值介於3.0–15.0 mm d-1 ℃-1之間，而雪的度日因子值與冰川冰相比較小，其介於1.5–10.0 mm d-1 ℃-1之間。青藏高原東南部和喜馬拉雅山東段地區冰川冰的度日因子值相對其他地區較大，而喀喇崑崙山、崑崙山、帕米爾等地區的度日因子值相對較小（圖2）。對於雪的度日因子來說，青藏高原中部、喜馬拉雅山區相對較大，而天山東部和青藏高原東部地區相對較小（圖3）。度日因子這一顯著的區域特徵，可能與由青藏高原及其周邊地區獨特的氣候和熱量條件密切相關。對於青藏高原來說，冰川的氣候環境從西北向東南逐漸由乾冷向溫濕轉變，同時，熱量平衡組成類型則由蒸髮型向凝結–蒸髮型轉變^[33]。不同地區典型冰川的能量平衡研究亦證明了這一變化趨勢^[34]。在乾冷的氣候條件下，冰面蒸發（主要是升華作用）耗熱較大，抑制了冰川消融，度日因子較小；而在暖濕的氣候條件下，用於冰川消融的能量在熱量平衡中所占比例較大，促進了冰川消融，度日因子較大^[18]。

3 數據質量控制和評估

本文基於冰川編目數據和格網氣象數據，應用度日因子轉換公式（表2）獲取了高亞洲冰川區冰川冰和雪的度日因子值（圖2和圖3），其平均值分別為6.6±2.3和5.2±2.7 mm d-1 ℃-1（±表示置信水平95%的誤差區間）。同時，通過高亞洲北部阿爾泰山地區（圖1）不同典型冰川物質平衡觀測數據對獲取的度日因子的精度進行了綜合評估^[27][28]。基於度日因子轉換公式，獲取了阿爾泰山冰川區的度日因子值。該地區冰川冰的度日因子介於6.0–11.0 mm d-1 ℃-1之間，平均值為8.6 mm d-1 ℃-1；雪的度日因子介於1.5–6.1 mm d-1 ℃-1之間，平均值為4.1 mm d-1 ℃-1。

從圖4a可以看出，基於上述度日因子值模擬的不同典型冰川物質平衡值與觀測值較為接近。總體上，不同冰川物質平衡觀測值與模擬值的相關係數和平均絕對誤差分別為0.77（顯著性水平p＜0.001）和0.21 m w.e.。從該地區典型冰川流域1977–2005年間物質平衡變化序列來看（圖4b），流域物質平衡模擬值變化趨勢與觀測值較為一致，其平均值分別為–0.16 m w.e.和–0.12 m w.e.。此外，基於遙感數據，應用大地測量法獲取了阿爾泰地區14條典型冰川1999–2005年的物質變化速率^[35]，同時應用上述方法獲取的度日因子值模擬了這14條冰川同一時段內的物質變化速率。比較發現（圖4c），這兩種不同方法獲取的結果較為一致。總體上，大地測量法獲取的結果與模型模擬值的相關係數和平均絕對誤差分別為0.83（顯著性水平p＜0.001）和0.14 m w.e.。由此可見，應用轉換公式獲取的度日因子能夠較理想地模擬出冰川消融和積累的變化過程。

圖片

圖4 高亞洲北部阿爾泰山不同冰川物質變化觀測值與模擬值對比（a）高亞洲北部阿爾泰山不同冰川物質平衡觀測值與模擬值對比；（b）典型冰川流域（Aktru河）1977–2005年間物質平衡模擬與觀測序列對比；（c）大地測量法獲取的物質變化速率與模擬值對比；數據來源於Zhang等[27-28]。

4 數據價值

全球氣候變暖所導致的高亞洲地區冰川加速消融退縮，不僅引起了區域水資源變化^{[10][11][7][5]}，同時引起了冰湖潰決洪水和冰川泥石流等災害發生頻率的加劇和影響程度加大^{[11][12][13][14]}。開展高亞洲地區冰川消融過程及其對水資源與災害的影響系統評估，不僅對建立高亞洲區域氣候變化與冰川變化、水資源變化之間的關係研究具有重要科學意義，而且對我國推動的「一帶一路」計劃陸上絲綢之路關鍵區的經濟建設與可持續發展具有重大現實意義^[36][15]。本數據集是度日模型的重要參數，該模型在冰川物質平衡研究中應用廣泛，且模擬冰川消融過程能夠給出類似能量平衡模型的輸出結果^[16][17][18]。然而，對於高亞洲地區廣泛分布的冰川來說，有長期觀測的冰川數量相對較少，無法為度日模型開展區域冰川消融模擬提供必要的參數。本數據集是在不同地區冰川區觀測數據的基礎上獲取的，能夠反映出高亞洲冰川區度日因子的空間分布特徵，且參數精度在典型區域進行了綜合評估。因此，本數據集可為高亞洲區域冰川消融模擬及其對區域水資源與相關冰川災害的研究奠定參數基礎。

5 數據使用方法和建議

高亞洲冰川度日因子空間分布數據集所有數據存儲格式均為GeoTIFF格式。ArcGIS、SuperMap、ENVI、ERDAS等常用GIS與遙感軟件均可支持該數據的讀取和操作。度日因子值以像元值表示，單位是mm d-1 ℃-1，空間分辨率為0.5°。本數據集可靠性高，代表性強，可作為高亞洲區域冰川消融模擬的重要輸入數據，為進一步研究區域冰川變化對氣候的響應及其影響等研究奠定基礎。

參考文獻

1. ^ ^{1.0 1.1} 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(1): 3–16.
2. ^ ^{2.0 2.1} PFEFFER W T, ARENDT A A, BLISS A, et al. The Randolph Glacier Inventory: a globally complete inventory of glaciers[J]. Journal of Glaciology, 2014, 60(221): 537–552.
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: 663–667.
4. SORG A, BOLCH T, STOFFEL M, et al. Climate change impacts on glaciers and runoff in Tien Shan (Central Asia) [J]. Nature Climate Change, 2012, 2: 725–731.
5. ^ ^{5.0 5.1 5.2} IMMERZEEL W W, V BEEK L P H, BIERKENS M F P. Climate Change Will Affect the Asian Water Towers[J]. Science, 2010, 328(5984): 1382–1385.
6. 陳亞寧, 李稚, 范煜婷, 等. 西北乾旱區氣候變化對水文水資源影響研究進展[J]. 地理學報, 2014, 69(9): 1295–1304.
7. ^ ^{7.0 7.1 7.2} 劉時銀, 丁永建, 張勇, 等. 塔里木河流域冰川變化及其對水資源影響[J]. 地理學報, 2006, 61(5): 482–490.
8. 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.
9. BRUN F, BERTHIER E, WAGNON P, et al. A spatially resolved estimate of High Mountain Asia glacier mass balances from 2000 to 2016[J]. Nature Geoscience, 2017, 10: 668–673.
10. ^ ^{10.0 10.1} LUTZ A F, IMMERZEEL W W, SHRESTHA A B, et al. Consistent increase in High Asia's runoff due to increasing glacier melt and precipitation[J]. Nature Climate Change, 2014, 4: 587–592.
11. ^ ^{11.0 11.1 11.2} 劉時銀, 張勇, 劉巧, 等. 氣候變化對冰川影響與風險研究[M]. 北京: 科學出版社, 2017.
12. ^ ^{12.0 12.1} 沈永平, 蘇宏超, 王國亞, 等. 新疆冰川、 積雪對氣候變化的響應(Ⅱ): 災害效應[J]. 冰川凍土, 2013, 35(6): 1355–1370.
13. ^ ^{13.0 13.1} 王欣, 劉時銀, 莫宏偉, 等. 我國喜馬拉雅山區冰湖擴張特徵及其氣候意義[J]. 地理學報, 2011, 66(7): 895–904.
14. ^ ^{14.0 14.1 14.2} 秦大河, 丁永建. 冰凍圈變化及其影響研究——現狀、趨勢及關鍵問題[J]. 氣候變化研究進展, 2009, 54(4): 187–195.
15. ^ ^{15.0 15.1} 姚檀棟, 陳發虎, 崔鵬, 等. 從青藏高原到第三極和泛第三極[J]. 中國科學院院刊, 2017, 32(9): 924–931.
16. ^ ^{16.0 16.1 16.2 16.3 16.4} HOCK R. Temperature index melt modelling in mountain areas[J]. Journal of hydrology, 2003, 282: 104–115.
17. ^ ^{17.0 17.1 17.2 17.3 17.4 17.5 17.6} ZHANG Y, LIU S, DING Y. Observed degree-day factors and their spatial variation on glaciers in western China[J]. Annals of Glaciology, 2006, 43: 301–306.
18. ^ ^{18.0 18.1 18.2 18.3 18.4} 張勇, 劉時銀, 丁永建. 中國西部冰川度日因子的空間變化特徵[J]. 地理學報, 2006, 61(1): 89–98.
19. BRAITHWAITE R J. Positive degree-day factor for ablation on the Greenland ice sheet studied by energy: balance modeling[J]. Journal of Glaciology, 1995, 41(137): 153–160.
20. ^ ^{20.0 20.1 20.2 20.3} WGMS. Fluctuations of Glaciers Database World Glacier Monitoring Service[M]. Zurich, Switzerland, 2014.
21. HUSS M, Hock R. Global-scale hydrological response to future glacier mass loss[J]. Nature Climate Change, 2018, 8(2): 135–140.
22. HUSS M, Hock R. A new model for global glacier change and sea-level rise[J]. Frontiers in Earth Science, 2015, 3: 54.
23. LIU Q, LIU S. Response of glacier mass balance to climate change in the Tianshan Mountains during the second half of the twentieth century[J]. Climate Dynamics, 2016, 46(1): 301–316.
24. HIRABAYASHI Y, ZHANG Y, WATANABE S, et al. Projection of glacier mass changes under a high-emission climate scenario using the global glacier model HYOGA2[J]. Hydrological Research Letters, 2013, 7(1): 6–11.
25. HIRABAYASHI Y, DÖLL P, KANAE S. Global-scale modeling of glacier mass balances for water resources assessments: Glacier mass changes between 1948 and 2006[J]. Journal of Hydrology, 2010, 390: 245–256.
26. MARZEION B, JAROSCH A H, HOFER M. Past and future sea-level change from the surface mass balance of glaciers[J]. The Cryosphere, 2012, 6: 1295–1322.
27. ^ ^{27.0 27.1} ZHANG Y, ENOMOTO H, OHATA T, et al. Glacier mass balance and its potential impacts in the Altai Mountains over the period 1990-2011[J]. Journal of Hydrology, 2017, 553: 662–677.
28. ^ ^{28.0 28.1} ZHANG Y, ENOMOTO H, OHATA T, et al. Projections of glacier change in the Altai Mountains under twenty-first century climate scenarios[J]. Climate Dynamics, 2016, 47: 2935–2953.
29. 劉巧, 劉時銀, 張勇, 等. 貢嘎山海螺溝冰川消融區表面消融特徵及其近期變化[J]. 冰川凍土,2011, 33(2): 227–236.
30. 劉偉剛, 效存德, 劉景時, 等. 喜馬拉雅山珠穆朗瑪峰北坡絨布冰川消融速率特徵分析[J]. 冰川凍土, 2013, 35(4): 814–823.
31. 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: 663–667.
32. HIRABAYASHI Y, KANAE S, MOTOYA K, et al. A 59-year (1948-2006) global near-surface meteorological data set for land surface models, Part I: Development of daily forcing and assessment of precipitation intensity[J]. Hydrological Research Letters, 2008, 2: 36–40.
33. 白重瑗. 冰川與氣候的關係[J]. 冰川凍土, 1989, 11(4): 287–297.
34. 朱美林. 青藏高原西風區與季風區典型冰川物質-能量平衡變化差異及其機制研究[D]. 北京: 中國科學院大學, 2015.
35. WEI J, LIU S, XU J, et al. Mass loss from glaciers in the Chinese Altai Mountains between 1959 and 2008 revealed based on historical maps, SRTM, and ASTER images[J]. Journal of Mountain Science, 2015, 12(2): 330–343.
36. YAO T, XUE Y, CHEN D, et al. Recent Third Pole’s rapid warming accompanies cryospheric melt and water cycle intensification and interactions between monsoon and environment: multi-disciplinary approach with observation, modeling and analysis[J]. Bulletin of the American Meteorological Society, 2019, 3: 423–444.

數據引用格式

張勇, 劉時銀, 王欣. 高亞洲冰川區度日因子空間分布數據集[DB/OL]. Science Data Bank, 2019. (2019-04-03). DOI: 10.11922/sciencedb.747.