中亚阿拉套山脉冰川—冰湖协同演变与气候变化响应研究

来源 :兰州交通大学 | 被引量 : 0次 | 上传用户:chenlijuan1986
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在全球气候变暖背景下,天山地区绝大部分冰川呈现退缩状态,退缩速率在近年来有加速趋势;冰湖的形成来自于冰川融水和大气降水,因此冰湖的变化与冰川、气候变化有关,由冰湖溃决引发的洪水和泥石流灾害是高山地区常见的自然灾害之一,对下游居民的生命安全和财产安全构成严重威胁。因此对冰川和冰湖进行动态监测,揭示两者之间的协同演变规律及其与气候变化的响应关系具有重要意义。中亚阿拉套山脉位于天山西部,大约2/3的冰川分布在北侧哈萨克斯坦境内,缺乏冰川编目数据。此外,该地区近年来冰川大面积消融,形成许多冰湖,对冰湖的监测缺乏报道。本文利用Landsat系列卫星影像提取中亚阿拉套山脉1990~2018年的冰川和冰湖边界信息,分析1990~2018年期间冰川和冰湖的时空变化特征,并探讨中亚阿拉套山冰川-冰湖协同演变的潜在气候驱动因素。论文主要研究成果体现在以下几方面:(1)揭示了研究区近30年来冰川的时空变化特征。(1)从1990到2018年,中亚阿拉套山脉冰川面积变化率为-26.61%,冰川面积年均变化率APAC为-1.06%/yr,冰川在近30年来呈现出明显的退缩趋势,冰川的退缩速率逐年增加,尤其近10年研究区冰川退缩速率加快。(2)该区冰川退缩主要发生在海拔3600m以下,不同时段冰川退缩率存在差异,1990~1999和2011~2015时段变化趋势较为一致,高海拔区冰川较为稳定,低海拔区退缩较快。(3)该区冰川主要以小冰川为主,所有规模冰川面积都有所退缩,且冰川面积退缩率随冰川规模的增大而增加。(4)冰川在东、东南、西南及西坡向上的退缩率相对较大,在西坡向上退缩率达到最大值34.63%。(5)南部冰川相较于北部具有更快的退缩速率与年平均变化率。(2)揭示了研究区近30年来冰湖的时空变化特征。(1)从1990到2018年,冰湖面积变化速率为24.52%,冰湖面积年均变化率为0.76%/yr,冰湖的数量在近30年内明显增多,同时冰湖面积不断增加,呈现出明显的扩张趋势。(2)在3200~3400m海拔范围冰湖扩张面积最大,占总冰湖扩张面积的51.05%。(3)在冰湖的数量分布上以小冰湖为主,规模<0.01 km2的冰湖数量多达99条,占总数的32.14%。(4)北、东北、东和西北向冰湖增长率较高,而东南、南和西南向冰湖面积增长率较低,这可能是受南向地形影响,冰川消融较少,导致冰湖增长速率较慢。(5)北部冰湖相较于南部具有更快的扩张速率与年平均变化率。(3)揭示了研究区近30年来气候的时空变化特征。1990~2018年,中亚阿拉套山脉平均气温变化幅度较大,增温倾向斜率为0.037℃/yr,呈显著上升趋势。冬季温度呈不显著下降趋势(斜率为-0.016℃/yr),夏季温度以斜率0.199℃/yr显著上升。全年平均气温变化率从北向南依次递减,夏季平均气温变化率在空间上呈现以两个中心点向四周逐渐减少的趋势,冬季平均气温变化趋势同夏季一致。该研究区近30年内呈现夏季气温越来越高,冬季气温越来越低的趋势。年降水量、夏季降水量和冬季降水量均呈减少趋势。研究区西侧区域降水量普遍减少,东侧小部分区域降水量增加。(4)基于研究区近30年来的气候变化特征分析,探讨了冰川-冰湖协同演变的潜在气候驱动因素。中亚阿拉套山脉的冰川在1990~2018年呈退缩趋势,冰湖呈扩张趋势,冰川的退缩、冰湖的扩张与气温、降水量有着密不可分的关系。研究区气温在1990~2018年整体呈上升趋势,气温上升必然导致冰川消融退缩。降水量呈下降趋势,降水量减少也会减少冰川的补给,导致冰川退缩,同时增加了冰湖水源补给,降水量的减少没有致使冰湖萎缩,说明冰湖的扩张与冰川的消融关系密切,也证明了冰湖的水源补给主要来自冰川融水。冰川退缩导致冰湖扩张,在全球气候变暖的背景下,冰川不断退缩很有可能会引发冰湖溃决,这也与近年来冰湖溃决事件不断发生的现象相吻合。
其他文献
学位
学位
本学位论文运用分歧理论和时间映像原理获得了给定平均曲率方程Dirichlet边值问题在非线性项为特殊形式时正解的确切个数以及给定平均曲率方程Neumann边值问题多个正解的存在性和确切个数.本论文第一章主要介绍了给定平均曲率方程Dirichlet边值问题和Neumann边值问题的背景、研究现状、本文主要工作和预备知识.本论文第二章考虑了给定平均曲率方程Dirichlet边值问题其中参数λ>0,L>
学位
学位
学位
学位
随着计算机视觉技术的快速发展,使用卷积神经网络对车型识别领域进行了深入研究,取得了较高的识别精度。但目前研究重点集中于高清车型图像的识别,对监控场景下低分辨率车型图像识别研究较少。由于监控场景所采集到的图像分辨率较低,图像所包含的车辆特征信息较少,增加了车型细粒度识别难度。因此该场景的车型细粒度识别有着较大的研究空间,可以带来一定的实用价值。针对以上所存在的问题,本文引入了图像超分辨率重建算法,为
学位
学位