《Cold Regions Science and Technology》:Assessing snow cover and snowline altitude variability in the Upper Indus Basin using enhanced MODIS and ground-based climate observations
编辑推荐:
•1月期间在兴都库什和喜马拉雅地区观察到积雪面积(SCA)呈显著下降趋势和积雪线高度(SLA)上升趋势,表明上印度河流域(UIB)冰雪圈变化正在加速。•喀喇昆仑地区在所有季节均表现出最高的SLA值,凸显了与邻近山脉相比,该地区对当代气候变暖具有独特且更高的脆弱性。•增强型MO
- •
1月期间在兴都库什和喜马拉雅地区观察到积雪面积(SCA)呈显著下降趋势和积雪线高度(SLA)上升趋势,表明上印度河流域(UIB)冰雪圈变化正在加速。
- •
喀喇昆仑地区在所有季节均表现出最高的SLA值,凸显了与邻近山脉相比,该地区对当代气候变暖具有独特且更高的脆弱性。
- •
增强型MODIS积雪产品(MOYDGL06)与无趋势预白化Mann-Kendall(TFPW-MK)检验的结合,为检测时空冰雪圈趋势提供了稳健的统计框架,为数据稀疏的高山地区水资源管理和灾害评估提供了关键见解。
引言
冰雪圈是喜马拉雅、喀喇昆仑和兴都库什(HKH)地区——亦称"亚洲水塔"或"第三极"——的重要淡水来源,因为该地区拥有极地以外大量的冰储层(Shean等,2020),以季节性积雪和冰川的形式为下游社区提供天然淡水(Pritchard,2019;Zafar等,2025)。气候变化正在空间和时间的两个维度上显著减少全球冰雪分布,对HKH地区的影响尤为严重(Bilal等,2024;IPCC,2022;Winston,2013)。11个国家的约33亿人口的水安全直接依赖于HKH山脉的冰川和季节性积雪场,使得该地区加速的冰雪损失对其生计和福祉构成了严重威胁(Janjua等,2021)。喜马拉雅地区经历了显著的变暖趋势,平均地表温度以每十年约+0.28°C的速度上升(Wester等,2023);未来气候预测表明,到21世纪(2071–2100年),各大河流域的平均年温度将大幅增加,其中印度河流域预计升温4.9°C–6.2°C,恒河流域3.6°C–5.2°C,布拉马普特拉河流域4.2°C–6.0°C(Viste和Sorteberg,2015),表明这一关键水文系统正经历显著变暖。为分析这些冰雪补给型山地系统的变化,以往的研究采用了多种方法,包括原位台站观测、遥感数据集和数值模式模拟(Banerjee等,2020;Mehmood等,2024)。因此,积雪覆盖期的变化对冰川物质平衡和冻土热状况均具有关键的控制作用。
气候变化可以显著影响冰雪圈的积雪覆盖范围、冰川平衡、水文条件和径流峰值模式(Abbas等,2026)。来自北半球的证据表明,自20世纪80年代初以来积雪覆盖面积经历了显著减少(Kunkel等,2016)。Tekeli和Tekeli(2012)报告称,当与ASTER参考数据进行验证时,MODIS估算的积雪分类在低、中、高海拔区域的精度范围为75%至99%。相比之下,MODIS积雪覆盖产品相对于原位地面观测的精度较低,范围为62%至82%。尽管存在这些不一致性(Forsythe等,2012),但仍支持MODIS数据集作为有效的气候变量用于监测UIB各子流域的径流过程。此外,MODIS数据的可靠性进一步证实了其在评估UIB内多个气候区SCA和SLA高程变化方面的应用价值。光学遥感在山地环境中面临的一个重大障碍是云覆盖,这使得MODIS积雪产品中的积雪分析难以准确进行,从而带来分析不确定性(Hall等,2002)。在使用前通过有效解决云致数据缺口来增强积雪产品的巨大需求显而易见。自2000年代以来,Terra和Aqua之间的MODIS积雪数据集始终表现出较高的分类一致性(Li等,2019),使其非常适合填补积雪覆盖评估中的云数据缺口(Wang等,2009)。此外,基于卫星的遥感技术,如区域积雪线高程(RSLE)(Kraj?í等,2014),在调查各山地流域的雪线高程方面已获得广泛采用(Dixit等,2024;Khadka等,2020;Thapa和Muhammad,2020;Wester等,2023)。
近期研究进一步证实,亚洲高山(HMA)地区的积雪覆盖和雪线动态受温度、降水、高程和区域气候差异的强烈控制。Wang等(2023)报告称,在1991–2022年期间,九个喜马拉雅冰川区域融雪季末SLA增加了0.4–9.4 m/yr,较高的SLA通常与温度上升和降水减少相关。同样,Khan等(2024)观察到HKH地区2001年至2021年间多年积雪和冰减少了15,770 km2,其中印度河流域记录到最大净损失。Singh等(2025)也确定了HKH流域中频繁的积雪干旱事件,包括印度河流域的14起事件,以及积雪天数减少约12天。近期的SLA研究显示了显著的空间变异性;Bernat等(2025)发现,固态降水主要控制冰川化HMA地区的季节性SLA变化,而Sasaki等(2025)报告尼泊尔地区SLA呈上升趋势,但由于冬季降雪和季风融雪减少,Satopanth流域SLA呈下降趋势。在中喜马拉雅地区,Vinze等(2026)表明卫星反演的SLA与野外观测吻合良好,尽管最大SLA低估了基于野外观测的平衡线高度(ELA)。此外,Jeelani等(2026)总结称,温度上升、冬季降雪减少和降水时间变化导致UIB积雪覆盖每十年减少0.8%–1.5%,融雪时间提前近2–4周。最近,Almagioni等(2025)使用2001–2024年喀喇昆仑、西喜马拉雅和昆仑山的缺口填充MODIS观测,报告了以微弱或统计上不显著的大尺度积雪覆盖趋势为主,年际变异性大,以及强烈的高程和区域依赖性差异。他们的研究结果还突出了喀喇昆仑和西喜马拉雅部分地区相对稳定的或呈正趋势的积雪覆盖行为。这些相互矛盾的结果表明,积雪覆盖趋势强烈依赖于所选指标、空间域、高程、气候环境和分析时段。
水文模型研究进一步强调,径流产生公式应能跨不同水文气象条件进行迁移,这凸显了在区域水文气候异质性背景下解释积雪变异性的必要性(Bhat等,2026;Zhang等,2024)。这一考量对于UIB尤为重要,UIB是HKH地区的主要组成部分,表现出显著的气候和地形变异性(Jabbar等,2020)。根据HKH的划分,UIB被划分为三个不同区域。本研究的主要目标为:(a) 调查SCA变化的月、季和年模式,(b) 分析SLA的月、季和年动态,以及(c) 评估气候的月、季和年模式及其与积雪覆盖的关系。本研究的主要贡献在于对UIB中HKH各扇区的SCA和基于RSLE的SLA进行月、季和年多尺度的综合评估。科学上,SCA和SLA的联合分析刻画了积雪变异性的互补维度及其与温度和降水的区域关联。通过将云缺口填充的MOYDGL06积雪产品与PMD台站的原位温度和降水观测相结合,本研究为HKH地区的积雪覆盖范围、雪线变异性及气候关联提供了区域一致的评估。所得证据也为水资源管理、气候适应和冰雪圈相关灾害评估提供了实际背景。因此,气候-积雪分析被解释为统计关联和时空模式,而非直接归因。
章节摘要
研究区域
本研究主要聚焦于UIB内的HKH地区。这一广阔的跨境系统延伸至印度、中国和阿富汗。其范围主要涵盖巴基斯坦北部地区(图1)。该地区的水文条件依赖于季节性气候,导致固态和液态降水模式出现显著的变异(Ali等,2020)。这种分布格局凸显了在这一地区水资源管理中所涉及的复杂跨境问题,该地区存在着微妙的相互作用关系。
UIB的SCA变化
从改进的MOYDGL06 8天积雪覆盖产品得出的UIB各子区域的平均月积雪覆盖面积(SCA)表现出显著的年内变异性(图2)。在喜马拉雅地区,SCA在2月达到最大值,在8月降至最低值,反映了积雪积累与消融阶段之间的清晰季节转换。应用TFPW校正后的MK趋势结果表明,喜马拉雅地区的月SCA趋势以负值为主,但……
区域SCA变异性与气候关联
HKH部分地区已报告SCA减少,特别是在低海拔地区(Dixit等,2024;Khan等,2024;Moazzam等,2024)。在本研究中,温度是与SCA和SLA变异性相关性最强的气候变量,而降水关系较弱且具有区域异质性。以往的研究已记录了HMA地区积雪和冰覆盖减少以及积雪持续期的变化,并伴有显著的空间和……
结论
本研究使用云缺口填充的MOYDGL06产品、基于RSLE的SLA反演方法、TFPW校正的MK和Sen斜率分析以及原位气候观测,评估了2003–2018年UIB中HKH各子区域的多尺度SCA和SLA变化。结果显示了积雪动态中显著的季节和区域对比,SCA在冬季达到峰值,在8月降至最低值。尽管大多数SCA趋势为负且统计上不显著,但兴都库什地区……
CRediT作者贡献声明
Faisal Hussain:撰写——初稿,方法论,正式分析,构思。Intikhab Hussain:撰写——初稿,方法论,数据整理。Nasir Abbas:可视化,方法论,正式分析,数据整理。Akbar Ali:验证,软件,正式分析。Amjad Ali:可视化,软件,正式分析。Zeeshan Zafar:验证,监督,资源,项目管理,构思。
资金来源
本研究未获得公共、商业或非营利部门资助机构的任何特定拨款。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争经济利益或个人关系。
Faisal Hussain | Intikhab Hussain | Nasir Abbas | Akbar Ali | Amjad Ali | Zeeshan Zafar