《Global and Planetary Change》：Seven-decade of mass balance change in selected large Himalayan and Karakoram glaciers: Climatic drivers and regional contrasts
编辑推荐：
喀喇昆仑与喜马拉雅五座大型冰川（1950-2022年）质量平衡重建表明：喀喇昆仑冰川（巴托罗、斯亚琴）质量变化接近平衡（约±0.01m水当量/年），喜马拉雅冰川（巴腊希格里、冈贡提里、泽木）显著亏损（-0.22至-0.83m水当量/年）。驱动因素差异显著，喀喇昆仑以夏季降雪和气温为主，喜马拉雅以冬季降雪和夏季气温为核心，泽木冰川同时受冬夏气温影响。2000年后气候变暖与降水减少导致所有冰川质量损失加速（17%-267%）。
阿里夫·侯赛因博士（Md. Arif Hussain）| 莫哈德·法鲁克·阿扎姆（Mohd. Farooq Azam）| 萨尔瓦吉亚·瓦特萨尔（Sarvagya Vatsal）
印度理工学院印多尔分校土木工程系，西姆罗尔 453552，印度
摘要 我们使用温度指数模型重建了1950年至2022年间喀喇昆仑山脉和喜马拉雅山脉五座大型冰川（面积≥100平方公里）的全球质量平衡（MB）情况。该模型通过2000–2019年的大地测量质量平衡数据进行了校准，并通过独立的质量平衡估计进行了验证。喀喇昆仑山脉的年均质量平衡接近平衡状态（巴尔托罗冰川和锡亚琴冰川约为0.01米水当量每年），而喜马拉雅山脉的冰川则出现了显著的质量损失（巴拉希格里冰川、甘戈特里冰川和泽穆冰川分别为-0.22至-0.83米水当量每年）。喀喇昆仑山脉的冰川质量周转率较低（0.08–0.18米水当量每年），而喜马拉雅山脉的冰川质量周转率显著较高（0.58–0.94米水当量每年）。喀喇昆仑山脉冰川的质量平衡主要受夏季降雪和夏季温度的影响，而喜马拉雅山脉冰川的质量平衡则同时受冬季降雪和夏季温度的影响。喜马拉雅山脉对气候变化的敏感性明显高于喀喇昆仑山脉。所有冰川在2000年后都表现出加速的质量损失（约17–267%），这与气温上升和降水量减少的趋势一致，显示出冰川与气候相互作用之间的显著区域差异。
引言 喜马拉雅-喀喇昆仑（HK）地区常被称为“第三极”，拥有极地地区以外最大的山地冰川集中区（约42,500平方公里）（Immerzeel等人，2010年；Nuimura等人，2015年）。HK地区的冰川对超过十亿人至关重要，它们调节着印度河、恒河和布拉马普特拉河流系统的淡水流量，保障了生态系统的稳定、水力发电的可持续性以及城市供水（Kumar等人，2019年；Azam等人，2021年；Nie等人，2021年）。
由于气候变化，冰川面临威胁，自小冰期结束以来，喜马拉雅山脉的冰川经历了显著的后退和区域性的质量损失（Bhambri和Bolch，2009年；Banerjee和Azam，2016年；Rowan，2017年；Shekhar等人，2017年；Lee等人，2021年；Srivastava和Azam，2022年；Yao等人，2023年；Jackson等人，2023年；Rounce等人，2023年）。冰川质量平衡（MB）常被用来说明气候变化与冰川之间的关系（Oerlemans，2001年）。常用的MB估算方法包括现场观测（冰川学）、大地测量和建模方法。冰川学的MB数据有助于了解年际质量变化，从而直接理解冰川与气候的关系（Vincent等人，2018年）。在HK地区，由于高海拔地形和恶劣的天气条件，现场MB数据通常仅限于小型、易于访问的冰川（Azam等人，2018年；Jackson等人，2023年）。迄今为止，只有38座冰川在喜马拉雅地区被监测，且监测时间通常较短。近年来，卫星任务和遥感技术的进步使得在区域和冰川尺度上估算大地测量MB数据变得更加容易（Bolch等人，2019年；Berthier等人，2023年；Berthier等人，2024年）。Hugonnet等人（2021年）估计2000–2019年间西部喜马拉雅（WH）、中部喜马拉雅（CH）和东部喜马拉雅（EH）的年质量损失分别为-0.33±0.04、-0.40±0.04和-0.46±0.05米水当量。相比之下，喀喇昆仑山脉的冰川在2000–2019年间处于近乎平衡的状态（-0.06±0.03米水当量）。然而，HK地区冰川的这些区域异质的质量平衡差异归因于区域和局部尺度上的不同气候和气象条件（Mukherjee等人，2018年；Kumar等人，2019年；Maurer等人，2019年）。虽然喜马拉雅山脉的冰川正在经历显著的质量损失，但喀喇昆仑山脉的冰川却保持平衡状态，这种现象被称为“喀喇昆仑异常”（Hewitt，2005年；K??b等人，2012年）。然而，Hugonnet等人（2021年）的分析表明，不断增加的质量损失率可能会在未来几十年内结束这一异常现象。大地测量MB估计可以很好地反映冰川的整体健康状况；这类估计通常可以覆盖多年时间，因此难以推断MB的年际变化。
另一方面，建模方法可以提供每日/每月时间尺度的MB重建，从而有助于理解冰川与气候在年度或季节尺度上的关系（Hock，2003年；Hock和Holmgren，2005年；Rounce等人，2023年）。在HK地区，一些研究使用多种方法对区域MB进行了建模，包括温度指数模型（TI）、能量平衡模型或改进的AAR方法（Shea等人，2015年；Tawde等人，2017年；Bonekamp等人，2019年；Kumar等人，2019年；Srivastava和Azam，2022年）。然而，由于数据有限，许多研究采用了简单的TI模型来估算单个冰川的MB（Azam等人，2018年）。
在HK地区，首次MB重建是在Chhota Shigri冰川（15.6平方公里，WH）上进行的，结果显示1969–2012年间其质量损失为-0.30±0.36米水当量每年（Azam等人，2014a）。Naimona'nyi冰川（14.4平方公里，WH）的MB在1974–2014年间重建为-0.40±0.17米水当量每年（Zhao等人，2016年）。另一项关于Chandra流域（WH）的研究包括了八座冰川（面积从2到78平方公里不等），估计2000–2009年的平均MB为-0.71±0.34米水当量每年（Tawde等人，2016年）。Gaddam等人（2017年）对Baspa流域的四座选定冰川（Naradu、Shaune Garang、Gor-Garang和Gara）1985–2014年的平均MB进行了建模，结果为-0.68米水当量每年。锡亚琴冰川（约963平方公里，KK）在1986–2018年间处于近乎平衡的状态，质量损失为-0.05±0.05米水当量每年（Kumar等人，2020年）。同样，Bhaga流域的Patsio冰川（2.5平方公里，WH）在1993–2018年间模型的平均质量损失为-0.10±0.10米水当量每年（Kumar等人，2021年）。Bhagirathi流域的Gangotri冰川系统（约252平方公里，CH）在1979–2020年的模型MB为-0.27±0.25米水当量每年（Hussain等人，2022年）。在最长重建的MB记录中，Chhota Shigri和Dokriani Bamak冰川（7.03平方公里，CH）在过去的七十年（1950–2020年）分别报告了-0.12±0.28米水当量和-0.09±0.35米水当量的质量损失（Srivastava和Garg，2022年）。大多数这些研究的时间跨度相对较短（2–4十年），且通常仅限于小型冰川，其中一些研究利用现场气象和MB数据来校正输入的气象数据并校准模型（Azam等人，2018年），而只有少数研究拥有更长时间、连续的观测记录（4–7十年）。
降水的空间和时间分布加上区域地形导致了HK山脉沿线的不同气候类型（Maussion等人，2014年）；因此，从大地测量估计中可以看出冰川MB的空间变异性（Hugonnet等人，2021年）。由于这些冰川在不同气候类型下的响应不同，且大多数研究之前关注的是小型冰川，我们选择了五座大型冰川（≥100平方公里）：KK地区的巴尔托罗冰川和锡亚琴冰川、WH地区的巴拉希格里冰川、CH地区的甘戈特里冰川以及EH地区的泽穆冰川，以详细研究过去七十年（1950–2022年）的模型MB序列及其气候驱动因素。HK地区的高海拔气象观测数据非常有限；因此，基于物理的模型用于质量平衡重建的情况很少见（Azam等人，2018年；Nie等人，2021年）。然而，温度指数（TI）模型在数据稀缺的情况下表现良好，因此我们应用了一个简单的TI模型进行质量平衡重建（Azam等人，2014a）。本研究的主要目标是（1）重建选定大型冰川的MB序列；（2）识别控制这些冰川MB的气候驱动因素；（3）了解MB对降水量和温度变化的敏感性。这项分析通过改进的时间连续性、更新的气候强迫以及跨区域应用统一的方法框架，提高了可比性并减少了不确定性，同时解决了大型冰川在区域冰量和径流中的代表性不足问题。
研究区域 在HK地区，有28座面积大于100平方公里的冰川（RGI 6.0；
https://www.glims.org/RGI/randolph60.html ），我们选择了其中五座冰川进行当前研究：巴尔托罗冰川（831平方公里）、锡亚琴冰川（1114平方公里）、巴拉希格里冰川（123平方公里）、甘戈特里冰川（140平方公里）和泽穆冰川（100平方公里）。这些冰川总面积约为2300平方公里（约占HK地区冰川总面积的5.5%），数据基于1999–2003年间通过卫星数据获得的冰川轮廓（RGI 6.0发布）
温度指数模型 所有选定冰川的年度和季节性MB是通过应用温度指数模型（TI模型，Azam等人，2014a；SrivastSrivastava和Azam，2022）重建的。该模型使用校正后的ERA5日降水量和温度数据（如第3节所述），以每日时间步长估计1950–2022年间每个50米高度带的积雪和消融量。年度MB数据是从每年的9月1日到次年的8月31日提取的，适用于巴尔托罗冰川
年度和季节性冰川全球质量平衡 模型显示，1950–2022年间巴尔托罗冰川和锡亚琴冰川的年均质量平衡接近平衡状态（分别为0.01±0.27和0.01±0.07米水当量每年），巴拉希格里冰川和泽穆冰川的质量损失适中（分别为-0.22±0.46和-0.23±0.39米水当量每年），而甘戈特里冰川的质量损失较大（-0.83±0.32米水当量每年）（表4）。巴尔托罗冰川的AMB范围为-0.49±0.42米水当量至0.47±0.20米水当量，锡亚琴冰川的范围为-0.20±0.10米水当量至0.19±0.04米水当量
模型MB与以往研究的比较 所有五座冰川的可用大地测量和模型MB估计结果见表S2。大多数现有研究的时间跨度较短（10–20年）。我们自1950年以来的模型MB时间跨度是迄今为止最长的之一，这为我们提供了将模型MB与其他研究在同一时间段的MB结果进行比较的机会。所有五座冰川的模型MB与之前估计的MB结果基本吻合（在
结论 本研究通过使用简单的温度指数模型重建了1950–2022年间选定大型冰川（≥100平方公里）的年度和季节性MB，评估了控制这些冰川MB的气候驱动因素。这些冰川包括KK地区的巴尔托罗冰川和锡亚琴冰川、WH地区的巴拉希格里冰川、CH地区的甘戈特里冰川以及EH地区的泽穆冰川，总面积约为2300平方公里（约占HK地区冰川总面积的5.5%）。巴尔托罗冰川、锡亚琴冰川和甘戈特里冰川的模型参数取自
CRediT作者贡献声明 阿里夫·侯赛因博士（Md. Arif Hussain）： 撰写 – 审稿与编辑，撰写 – 原稿，可视化，调查，正式分析，数据管理。莫哈德·法鲁克·阿扎姆（Mohd. Farooq Azam）： 撰写 – 审稿与编辑，撰写 – 原稿，可视化，监督，方法论，调查，正式分析，数据管理，概念化。萨尔瓦吉亚·瓦特萨尔（Sarvagya Vatsal）： 撰写 – 审稿与编辑，可视化，正式分析。
代码可用性 Python代码可根据请求提供。请联系莫哈德·法鲁克·阿扎姆获取。
致谢 MFA感谢地球科学部 （MOES/PAMC/H&C/131/2019-PC-II）提供的研究资助。作者还感谢NCPOR为巴拉希格里冰川提供免费的AWS数据访问权限。作者同时感谢两位审稿人对手稿的建设性评审。
