亮点
Landsat卫星数据可以准确估算冰川表面温度的变化 整个第三极地区的冰川表面普遍变暖，但存在空间差异 冰川消融区域向高海拔地区扩展
摘要
冰川表面温度是气候变化的重要指标，而且与冰川的物理变化过程和物质平衡直接相关。第三极地区冰川物质平衡呈加速亏损趋势。然而，该地区冰川表面温度变化的相关研究却很匮乏。本文基于Landsat表面温度产品，使用海拔面积加权法，分析2000-2021年第三极地区冰川表面温度变化。结果表明，该方法可以稳健地推导出子区域冰川表面温度的年际变化和长期趋势。在整个第三极地区内，冰川表面呈现出+0.17 ± 0.35 °C/十年（p = 0.32）的变暖趋势。这种变暖具有明显的季节性模式：秋季升温（+0.50 ± 0.53 °C/十年，p = 0.06），但春季降温（−0.22 ± 0.36 °C/十年，p = 0.23）。相应地，消融季节0°C等温线海拔高度上升了100米以上，冰川表面的温度大于等于0°C的区域面积扩大了10%。此外，冰川表面温度的变化表现出较大的空间异质性。在西风主导区（如喀喇昆仑山和昆仑山），冰川表面平均表现出轻微的升温甚至降温（从−0.10°C到+0.06°C/十年），而在季风主导区（如东喜马拉雅山、东南部青藏高原和横断山脉），观察到了强烈的升温（> +0.50 °C/十年，p < 0.05）。冰川表面通常在北坡比南坡显示出更快的升温，特别是在消融季节。这些结果表明，冰川表面变暖的不同幅度是第三极地区冰川变化对比的重要指标。本文提出的方法为研究全球山地冰川表面温度的长期变化开辟了新的途径，有助于进一步理解冰川对全球气候变化的响应机制。
引言
第三极地区冰川变化呈现空间异质性，即西风主导区域冰川变化较小，甚至存在轻微的物质正平衡；季风主导区域冰川亏损严重。导致这种空间显著异质性的因素是多方面的，包括西风带增强带来更多的降雪以及积雪反照率反馈、季风作用下不同变暖速度影响的积雪反照率反馈。然而，这些研究使用的气候数据分辨率粗且准确性低，导致冰川变化驱动因素存在很大不确定性。
冰川表面变化不仅反映了冰川对气候变化的响应，而且也直接影响冰川的能量和物质平衡。一方面，冰川表面温度来源于冰川-大气的热量交换。另一方面，冰川表面温度是冰川消融程度和周期的主要指标。此外，冰川表面温度对很多物理过程都很敏感，比如表碛扩张。因此，研究冰川表面温度的长时序变化，对于进一步了解第三极冰川近期变化的时空差异及其对气候变化的响应至关重要。
与气象站点数据与再分析数据相比，遥感数据具有较高的时空分辨率，被用于一些地区的研究，如加拿大北极和格陵兰冰盖。Chen et al.（2023）用MODIS数据研究了2001-2020年青藏高原大冰川的表面温度时空变化。MODIS空间分辨率只有1km，第三极大多数冰川规模都不大。Landsat有较高的分辨率，被用于少数几条冰川的表面温度反演。然而，Landsat卫星重访频率低（16天）以及山区云像元较多的问题难以解决。
本文评估了Landsat地表温度产品的精度，研发了一种处理Landsat时空频率限制的方法，并评估了该方法的可靠性，研究了2000-2021年整个第三极的冰川表面温度时空变化特征（年际变化、季节变化、海拔变化等等）。研究结论助于提高第三极地区冰川对气候变化响应和冰川物质平衡机制的认识。
数据和方法
1.数据源
(1)Landsat C2 L2地表温度产品(用于分析GST变化)：该产品使用单通道算法反演的，并重采样至30m。通过与气象站点数据对比，Landsat 5和Landsat 7表面温度产品RMSE <2.3 °C 。
(2)MODIS(MOD11A2)地表温度产品(用于交叉验证)：具体介绍见原文。
(3)气象站数据(Kipp、Zonen CNR1及CNR4净辐射测量仪记录长、短波辐射，用于推算现场地表温度，以用于交叉验证，推算过程见原文，原分享者真懒);
(4)ERA5(2m气温数据，用于交叉验证);
(5)RGI6.0冰川边界数据;
(6)SRTM高程数据（用于分析）。
2.研究方法
(1) 子区域(不同山区，如祁连山、帕米尔、西昆仑山等等)冰川表面温度的估算：包含三个步骤：a.不同传感器地表温度产品的合成，即将2000-2013年Landsat-5/7地表温度产品和2013-2021年Landsat-7/8地表温度产品进行融合，生成时间分辨率为半月的地表温度产品；b.每隔50m计算不同海拔带的平均地表温度；c.将不同海拔的冰川面积作为权重，计算子区域冰川平均表面温度。
其中，n表示海拔区间总数，p表示半月，y表示年份。Ti p y（i = 1, 2, 3,...n）是给定年份特定半月内特定海拔区间的平均表面温度，Si（i = 1,2, 3,...n）是相应海拔区间的冰川面积。每半个月的Tp y计算平均值获取每年的平均地表温度。上述步骤在GEE平台完成。
（2）离群值剔除
首先，剔除晴空像元低于10%的海拔分带；其次，剔除比相邻海拔区间冰川表面温度差超过5℃或与相邻时间(15 d)差值超过15℃的海拔分带；最后按照平均值±三倍标准差剔除异常海拔分带。
（3）缺失值填补
缺失值是由离群值剔除和云覆盖所导致的。根据相邻海拔区间、相邻时间区间(每十五天和每年)对缺失值进行填充。若缺失区间间隙小于4，则采用线性插值填补(在局部海拔范围和局部时间范围内，GST近似呈线性变化)。此外，假设相邻年份之间每半月GST差值相同，在给定的海拔区间和时间(15 d)区间，剩余缺失值通过“delta方法”填补：
其中，Δ1为给定海拔区间中所有可用半月平均GST在本年（M_i^y）与前一年（M_i^{y-1}）之间的差值，Δ2为本年与后一年（M_i^y+1）之间的差值。为保持两个增量的一致性，用于计算M_i^{y-1}、M_i^y 和 M_i^y+1的半月GST也保持一致。其中，2003年观测数据严重不足，无法保持间隙填充方法的一致性；因此，本文剔除该年所有GST，并没有填补缺失值。
（4）不确定评估与精度评估等被原分享者吃了，请看原文。
结果和分析
1.方法评估与验证
Landsat地表温度与现场冰川表面温度观测值具有高度一致性（图1a–d）。平均误差为0.24°C，均方根误差为1.46°C（图1a）。根据对西昆仑的分析，缺失值填充误差分别为<0.1°C，1.4–2.5°C和2.2–2.8°C。在多数子研究区中，缺失值填充误差为0.1–0.4°C（青藏高原东南为0.6°C，横断山脉为0.7°C）。此外，本文评估了Landsat数据与现场日均冰川表面温度观测值的一致性（图1e–f）。以古里雅冰川为例，Landsat数据能够有效获取平均地表温度的季节和年际变化规律。交叉验证表明，基于Landsat数据的高程面积加权法可靠。与MODIS GST和2米气温相比，Landsat GST具有类似的年际变化（图2）。另一方面，基于Landsat得出的变暖趋势通常大于多数地区的MODIS GST，如帕米尔、祁连山、喀喇昆仑、内藏高原和东喜马拉雅。因为Landsat分辨率更高，而MODIS数据几乎没有纯冰川像元。
图1 a、Landsat影像获取时间点上与现场观测表面温度之间的对比；b-d、Landsat表面温度产品时序数据；e-f、古里雅冰川Landsat表面温度产品和现场8天均值表面温度的季节(e)和年际(f)变化对比。(由于现场观测数据的可用性,e-f表面温度在2015-2018年有缺失)
图2
2.第三极冰川表面温度时空变化特征
详细的分析被原分享者吃了，请看原文。
图3 冰川表面温度及其趋势分析。消融季节(6-9月)的平均GST(a)及其趋势(b)；c. 消融季节和年际GST的时间序列。实线表示时间序列，虚线表示趋势。
图4 表碛覆盖和无表碛覆盖区域的表面温度对比，其中最大表面温度设定为0°C。a：年际变化；b–c：季节变化；d–e：海拔变化。
图5 第三极地区冰川表面温度及其季节变化速率趋势。蓝、红实线代表具有三个半月窗口的移动平均线，蓝色虚线代表0°C。蓝色阴影区域代表降温，红色阴影区域代表升温。
图 6 消融季节第三极和现场地表温度随海拔变化的趋势。蓝色阴影区域为每个海拔区间消融季节GST的标准差，红色阴影区域代表线性趋势不确定。蓝色虚线代表0°C，红色虚线代表GST的零变化速率。
图7 消融季节第三极地区和现场ZIA(0°C等温线海拔)、PAR(正地表温度区域占比)的区域分布(a)和时间序列(b)。
结论
2000-2021年第三极地区冰川表面温度呈显著上升趋势(0.17 ± 0.35℃)，并表现明显的季节规律(秋季变暖，春季降温)。另外，夏季高纬度地区的冰川表面温度上升更为显著。
读后启发
可以思考两个问题：1.地表温度产品是否可以直接用于冰川研究，该产品是如何得到的，可以通过USGS官网查阅相关资料，做这个产品时应该不会单独考虑冰川的比辐射率吧？2.大多数人求子区域冰川平均表面温度，应该是直接求取的，但作者选择了按照海拔分带、冰川面积加权取平均的方法求取，这样求很巧妙，具体的妙法，需要精读此文并认真思考。我们可以尝试根据冰川比辐射率反演地表温度，并与冰川消融模型或者冰川变化结合起来进行研究，可继续拓展的思路很多。但是，受云的影响，像元尺度的分析还是很困难的。作者在文章不足中也提到了，受产品限制，无法做到像元尺度的冰川表面温度分析，无法获取消融区范围。云下地表温度产品重建或许是一个思路，可以广泛阅读相关文献。
文章引用格式：Ren S, Yao T, Yang W, et al. Changes in glacier surface temperature across the Third Pole from 2000 to 2021[J]. Remote Sensing of Environment, 2024, 305: 114076.
声明：本推送内容仅代表课题组对文章的理解，不是对原文的翻译，请有兴趣的同学阅读原文。课题组水平有限，难免出现错讹，也请各位专家、同学批评指正。
注：由于原分享者不够认真，我尽力进行了大幅度修改，但毕竟精力有限，还是不够精确，请大家谅解，并阅读原文。
