2016年阿尔金山冰川边界及长度数据集 中华文库

2016年阿尔金山冰川边界及长度数据集
作者：张聪　姚晓军　张大弘
2019年11月18日
本作品收录于《中国科学数据》
张聪, 姚晓军, 张大弘. 2016年阿尔金山冰川边界及长度数据集[J/OL]. 中国科学数据, 2019. (2019-11-08). DOI: 10.11922/csdata.2019.0063.zh.


    摘要&关键词

    摘要：阿尔金山位于青藏高原北缘，以当金山口和车尔臣河上游河谷为界，是塔里木盆地和柴达木盆地的界山，该地区冰川属亚大陆型冰川和极大陆型冰川。冰川边界和长度是冰川的重要参数，其变化可直接反映冰川的进退状态，并间接表征区域的气候变化规律。本数据集基于2016年Landsat OLI遥感影像和SRTM DEM数字高程模型数据，采用人工目视解译和冰川中流线方法获得阿尔金山2016年冰川边界和冰川长度数据。本数据集包含两个数据：1）2016年阿尔金山冰川边界矢量数据；2）2016年阿尔金山冰川长度矢量数据。本数据集反映了阿尔金山2016年冰川边界及长度状态，可作为区域冰川变化和气候变化等研究的基础数据。

    关键词：冰川；边界；中流线；长度；阿尔金山

    Abstract & Keywords

    Abstract: TheNoneAltun mountains is located in the northern edge of the Tibet Plateau. It is the boundary of the Tarim Basin and the Qaidam Basin, which is bounded by the Dajinshan pass and the upper reaches of the Qiemo River. Glaciers in the Altun Mountains are subcontinental glaciers and polar continental glaciers. The boundary and length are two vital parameters of one glacier, whose change can directly reflect its advance and retreat, and indirectly characterize the regional climate change. Based on the Landsat OLI images and SRTM DEM, the boundary and glacier length of glaciers in the Altun mountains in 2016 were obtained by means of manual visual interpretation and glacier centerline method. The dataset contains two parts: 1) glacier boundary vector data in the Altun Mountains in 2016; 2) glacier length vector data in the Altun Mountains in 2016. This dataset reflects the boundary and length of glaciers in the Altun Mountains in 2016 and can be used as the basic data of glacier change and regional climate change research.

    Keywords: glacier; boundary; centerline; length; Altun Mountains

    数据库（集）基本信息简介

    数据库（集）名称 2016年阿尔金山冰川边界及长度数据集
    数据作者 张聪，姚晓军，张大弘
    数据通信作者 姚晓军（yaoxj_nwnu@163.com）
    数据时间范围 2016年
    地理区域 37°30′N–39°36′N，85°52′E–94°21′E
    数据量 972.22 KB
    数据格式 ESRI shapefile文件（压缩为*.zip格式）
    数据服务系统网址 http://www.sciencedb.cn/dataSet/handle/884
    基金项目 国家自然科学基金（41561016、41861013、41801052）；西北师范大学青年教师科研能力提升计划项目（NWNU-LKQN-14-4）。
    数据库（集）组成 数据集共包括2个数据文件：Altun_glacier_inventory_2016.zip是2016年阿尔金山冰川边界矢量数据；Altun_glacier_centerline_2016.zip是2016年阿尔金山冰川长度数据。

    Dataset Profile

    Title A dataset of boundary and length of glaciers in the Altun Mountains in 2016
    Data authors Zhang Cong, Yao Xiaojun, Zhang Dahong
    Data corresponding author Yao Xiaojun (yaoxj_nwnu@163.com)
    Time range 2016
    Geographical scope 37°30′N–39°36′N，85°52′E–94°21′E
    Data volume 972.22 KB
    Data format ESRI Shapefile file（compressed in *.zip）
    Data service system <http://www.sciencedb.cn/dataSet/handle/884>
    Sources of funding National Natural Science Foundation of China (41561016, 41861013, 41801052); Earlier Career Research Promotion Program of Northwest Normal University (NWNU-LKQN-14-4).
    Data composition The dataset consists of 2 subsets: Altun_glacier_inventory_2016.zip is glacier boundary vector data in the Altun Mountains in 2016; Altun_glacier_centerline_2016.zip is the glacier length data in the Altun Mountains in 2016.


    引 言

    冰冻圈作为地球系统的五大圈层之一，由地球陆地和海洋表面及以下的积雪、冰和冻土组成[1]。冰川不仅是冰冻圈的重要组成部分[2]，而且是全球气候变化的重要驱动因子[3]。山地冰川作为参与区域水循环的重要成员，对区域气候和环境的变化极其敏感[4]。冰川长度是反映冰川变化的重要参数之一[5]，其提取方法包括冰川主流线提取法[6][7][8][9]和冰川中流线提取法[10][11]。前者通过水文分析提取汇水线，后者则是基于冰川边界提取冰川最高点到冰川末端的中心线[12]。

    阿尔金山（37°30′N–39°36′N，85°52′E–94°21′E）位于青藏高原北缘，是新疆、青海和甘肃三省（自治区）的界山（图1），其西接昆仑山，东邻祁连山，呈西南–东北走向；山体总面积约6.19×104 km2，长约750 km，最宽处约130 km[13]；平均海拔在4000 m以上，最高峰被称为阿尔金山，海拔5798 m[14]。由于深居内陆和受地形阻隔，阿尔金山地区以温带大陆性气候为主，全年干旱少雨，四季温差大，年平均降水量仅110 mm，是亚洲中部最干旱的山地[15]，冰川融水是区域内塔卡萨依河、若羌河和米兰河等河流的重要补给水源。因此，认清阿尔金山的冰川现状和冰川长度，对研究该区域气候变化和水资源分配均具有重要价值和意义。相关研究表明，阿尔金山冰川近年来呈不同程度的退缩趋势[13]。本文基于2016年Landsat OLI遥感影像和SRTM DEM数据，通过波段比值法结合人工目视解译和冰川中流线提取方法，获得阿尔金山冰川边界和长度数据，以期为认识该区域冰川现状及其对全球气候变暖的响应和水资源合理利用等研究提供基础数据支持。


    图1 阿尔金山冰川分布


    1 数据采集和处理方法

    1.1 数据源

    本数据集采用的基础数据包括研究区2016年Landsat OLI遥感影像及SRTM DEM数字高程模型数据。其中，Landsat OLI遥感影像共5景（表1），从美国地质调查局网站（http://glovis.usgs.gov）获取，影像冰川区少云少雪，满足人工目视解译冰川要求；SRTM DEM空间分辨率为30 m，用于冰川地形参数提取。


    表1 Landsat OLI遥感影像

    序号 轨道号 获取日期 云量（%）
    Path Row
    1 138 33 2016-08-01 0.03
    2 140 33 2016-07-14 1.57
    3 140 34 2016-07-14 0.21
    4 142 34 2016-05-09 14.49
    5 142 34 2016-06-26 7.96


    1.2 数据处理

    2016年阿尔金山冰川边界矢量数据提取采用中国第二次冰川编目方法[16]，基于Landsat OLI遥感影像，通过波段比值法与人工交互提取冰川边界，同时参考Google Earth对冰川矢量边界进行逐一检查与修订，最后根据山脊线自动提取方法提取的山脊线对修订后的冰川边界进行分割，得到冰川矢量数据[17][18]。2016年阿尔金山冰川长度数据提取采用姚晓军等[19]提出的冰川中流线自动提取方法。首先依据冰川积累区和消融区的末端形态，将冰川分为单一盆地、单一出口冰川，复式盆地类型冰川和冰帽类冰川三种形态；通过DEM数据获取冰川轮廓上的海拔最高点和最低点并基于此对冰川轮廓线进行分割，采用欧式距离方法将冰川划分为多个区域，区域的公共边界即为冰川中流线[11]，数据处理流程如图2所示。

    受地形因素影响，阿尔金山冰川多属规模较小的单一盆地、单一出口类型，2016年面积小于2.0 km2的冰川数量占该山系冰川总数量的92.70%。复式盆地类型和冰帽类型冰川数量较少，且多为大规模冰川；这两类冰川一般有多条支冰川中流线，处理时需要汇总计算其平均长度与最大长度，各支冰川或独立冰川中流线长度的平均值即为该冰川的平均长度。


    图2 阿尔金山冰川矢量数据与冰川中流线提取技术路线


    2 数据样本描述

    2.1 数据图形样本

    2.1.1 阿尔金山冰川边界矢量数据

    本数据集中的矢量文件Altun_glacier_inventory_2016是2016年阿尔金山的冰川边界矢量数据，样本展示如图3。


    图3 2016年阿尔金山冰川


    2.1.2 阿尔金山冰川长度矢量数据

    本数据集中的矢量文件Altun_glacier_centerline_2016是2016年阿尔金山的冰川长度矢量数据，根据冰川积累区和消融区的末端形态，将冰川分为单一盆地、单一出口类型冰川，复式盆地类型冰川和冰帽类冰川三种形态，样本展示如图4–6。

    2.1.2.1 单一盆地、单一出口类型冰川长度数据

    图4为单一盆地、单一出口类型冰川（GLIMS编码为G086841E37797N）中流线提取结果。2016年该冰川面积为0.48 km2，冰川长度为1347.46 m，冰川末端海拔为5073 m。


    图4 单一盆地、单一出口类型冰川的海拔最高点、最低点和中流线


    2.1.2.2 复式盆地类型冰川长度数据

    图5为复式盆地类型冰川（GLIMS编码为G088759E38216N）中流线提取结果。2016年该冰川面积为2.67 km2，最大冰川长度为3250.13 m，冰川平均长度为2983.16 m，冰川末端海拔为4887 m。


    图5 复式盆地类型冰川的海拔最高点、最低点和中流线


    2.1.2.3 冰帽类冰川长度数据

    图6为冰帽类冰川（GLIMS编码为G089139E38241N）中流线提取结果。2016年该冰川面积为0.79 km2，最大冰川长度为1766.79 m，冰川平均长度为1529.06 m，冰川末端海拔为4673 m。


    图6 冰帽类冰川的海拔最高点、最低点和中流线


    2.2 数据属性表

    2.2.1 阿尔金山冰川边界数据属性表

    研究区冰川边界矢量数据属性表由6个字段组成（表2）。其中，GLIMS_ID为冰川编码，格式为GnnnnnnEmmmmm[N|S]，nnnnnn的数值范围为[000000，359999]，mmmmm的数值范围为[00000,90000]，数值为冰川的经纬度坐标值（以度为单位）乘以1000，经度以本初子午线为原点，西经的数值范围为（180，360），[N|S]中N表示北纬，S表示南纬；FCGI_ID为流域编码，国内流域编码体系采用10位长的代码，阿尔金山地区属于东亚内部流域，因此其流域代码为5Ynnnmmmmm。其中5表示亚洲，Y表示东亚内部流域（一级），3位表示二级流域，4位表示三级流域，5位表示四级流域，10位表示五级流域，本数据集采用五级流域编码；Mtn_Name为冰川所在山系；Pref_Name为冰川所在的省和地级市；DataSource为冰川边界解译所用的遥感影像信息；Area为冰川的面积。


    表2 2016年阿尔金山冰川矢量数据集属性表说明

    序号 名称 数据类型 字符长度 字段描述
    1 GLIMS_ID Text 30 冰川编码
    2 FCGI_ID Text 20 流域编码
    3 Mtn_Name Text 50 山脉名称
    4 Pref_Name Text 60 省市名称
    5 DataSource Text 50 数据源
    6 Area Double 10 冰川面积


    2.2.2 阿尔金山冰川长度数据属性表

    研究区冰川长度属性表由10个字段组成（表3）。其中，GLIMS_ID和FCGI_ID参考中国冰川编目格式；Mean_Leng和Max_Leng反映冰川长度信息；Count反映冰川中流线的数量；Area为对应冰川的面积；Max_Elev和Min_Elev分别记录了冰川边界上的最大及最小高程信息。


    表3 2016年阿尔金山冰川长度数据集属性表说明

    序号 名称 数据类型 字符长度 字段描述
    1 GLIMS_ID Text 30 冰川编码
    2 FCGI_ID Text 20 流域编码
    3 Mean_Leng Double 10 平均长度
    4 Max_Leng Double 10 最大长度
    5 Count Long Integer 10 中流线数量
    6 Area Double 10 冰川面积
    7 Max_Elev Long Integer 10 最高点海拔
    8 Min_Elev Long Integer 10 最低点海拔
    9 Author Text 20 作者
    10 Year Long Integer 10 年份


    3 数据质量控制和评估

    冰川边界提取的精度主要受传感器和图像配准误差的影响[20][21]。2016年阿尔金山冰川数据基于中国第二次冰川编目方法提取[16]，采用波段比值与人工目视解译相结合的方法，精度控制在1个像元之内。冰川长度的提取基于冰川类型的不同，采用姚晓军等[19]提出的冰川中流线法。对于单一盆地、单一出口型冰川通常只有一个最高点和最低点，可实现自动提取，人工干预较少，效果较好；对于复式盆地类型冰川，通常由多条支冰川组成，自动提取的中流线效果较差，需要参考冰川中值面积高程和等高线形态保留子流域部分公共边界线进行修正；对于冰帽类冰川，由于其最高点通常出现在冰川内部且末端多为裙状，需要采用郭万钦[18]等提出的山脊线自动提取方法提取山脊线进行修正。

    4 数据价值

    基于Landsat OLI遥感影像和SRTM DEM数据获取了2016年中国阿尔金山冰川边界及其长度数据集。与其他冰川数据集相比较，本数据集更侧重于冰川长度这一参数的提取。此外，自动提取中流线与人工修订相结合在一定程度上保证了冰川长度数据的准确性。本数据集作为研究阿尔金山冰川现状的基础数据，可为揭示区域冰川面积、周长和长度之间的定量关系，以及认识该区域冰川变化提供数据支撑。

    5 数据使用方法和建议

    本数据集采用了ESRI Shapefile矢量数据的文件格式，地理坐标系为WGS-1984，投影坐标系为Albers等积投影，可以在ArcGIS和ENVI等软件下打开、显示、编辑和统计。

    致 谢

    感谢美国地质调查局（USGS）、地理空间数据云提供的Landsat OLI数据和DEM数据。

    参考文献

    1. ↑ 刘时银, 姚晓军, 郭万钦, 等. 基于第二次冰川编目的中国冰川现状[J]. 地理学报, 2015, 70(1): 3-16.
    2. ↑ Li X, Cheng G, Jin H, et al. Cryospheric change in China[J]. Global and Planetary Change, 2008,62(3): 210-218.
    3. ↑ Oerlemans J. Quantifying global warming from the retreat of glaciers[J]. Science, 1994, 264(5156): 243-245.
    4. ↑ 姚檀栋, 刘时银, 薄健辰, 等. 高亚洲冰川的近期退缩及其对西北水资源的影响[J]. 中国科学(D辑), 2004, 34(6): 535-543.
    5. ↑ Machguth H, Huss M. The length of the world’s glaciers: a new approach for the global calculation of center lines[J]. Cryosphere, 2014, 8(5): 1741-1755.
    6. ↑ 李珊珊. 中国天山不同地区典型冰川末端变化特征及其空间差异研究[D]. 兰州: 西北师范大学, 2013.
    7. ↑ 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.
    8. ↑ 王璞玉, 李忠勤, 曹敏, 等. 近45年来托木尔峰青冰滩72号冰川变化特征[J]. 地理科学, 2010, 30(6): 962-967.
    9. ↑ Wang JZ, Zhang YJ, Zhang WM, et al. Methods for calculating glacier area and length in a mountainous area based on remote-sensing data and a digital elevation model[J]. Sciences in Cold and Arid Regions, 2010, 2(4): 298-304.
    10. ↑ Kienholz C, Rich J L, Arendt A A, et al. A new method for deriving glacier centerlines applied to glaciers in Alaska and northwest Canada[J]. Cryosphere, 2014, 8(2): 503-519.
    11. ^ 11.0 11.1 Le Bris R, Paul F. An automatic method to create flow lines for determination of glacier length: a pilot study with Alaskan glaciers[J]. Computers and Geosciences, 2013, 52(1): 234-245.
    12. ↑ 杨佰义, 张灵光, 高扬, 等. 基于高分卫星数据的冰川长度综合提取方法[J]. 冰川冻土, 2016, 38(6), 1615-1623.
    13. ^ 13.0 13.1 祝合勇. 近40年来阿尔金山现代冰川变化的遥感监测研究[D]. 兰州: 兰州大学, 2012.
    14. ↑ 张佃民. 从阿尔金山的植被特点论柴达木盆地在植被区划上的位置[J]. 西北植物研究, 1983, 3(2): 150-156.
    15. ↑ 袁国映. 阿尔金山和东昆仑山的垂直自然带[J]. 干旱区资源与环境, 1991, 5(1): 78-86.
    16. ^ 16.0 16.1 Guo W, Liu S, Xu J, et al. The second Chinese glacier inventory: data, methods and results[J]. Journal of Glaciology, 2015, 61(226): 357-372.
    17. ↑ 吴坤鹏, 刘时银, 郭万钦. 1980–2015年岗日嘎布地区冰川分布数据集[J/OL]. 中国科学数据, 2018, 3(4). (2018-06-05). DOI: 10.11922/Csdata. 2018. 0013.zh.
    18. ^ 18.0 18.1 郭万钦, 刘时银, 余蓬春, 等. 利用流域边界和坡向差自动提取山脊线[J]. 测绘科学, 2011,36(6):191, 210-212.
    19. ^ 19.0 19.1 姚晓军, 刘时银, 朱钰, 等. 基于GIS的冰川中流线自动提取方法设计与实现[J]. 冰川冻土, 2015, 37(6): 1563-1570.
    20. ↑ Williams R S, Hall D K, Sigurosson O. Comparison of satellite-derived with ground-based measurements of the fluctuations of the margins of Vatnajökull, Iceland, 1973-92[J]. Annals of Glaciology, 1997, 24(3): 72-80.
    21. ↑ Hall D K, Bayr K J, Schnöer W, et al. Consideration of the errors inherent in mapping historical glacier positions in Austria from ground and space (1893-2001). Remote Sensing of Environment, 2003, 86(4): 566-577.

    数据引用格式

    张聪, 姚晓军, 张大弘. 2016年阿尔金山冰川边界及长度数据集[DB/OL]. Science Data Bank, 2019. (2019-09-03). DOI: 10.11922/sciencedb.884.