張正勇，劉琳，徐麗萍

石河子大學(xué)，新疆 石河子 832000

冰川分布格局是水循環(huán)系統(tǒng)的重要組成部分，也是氣候變化背景下冰凍圈科學(xué)研究的熱點(diǎn)問題之一（施雅風(fēng)等，2006；秦大河等，2009；Katel，2015）。冰雪作為一種特殊下墊面，通過反射太陽輻射和消融耗熱的方式影響局地氣候乃至全球氣候變化，而其本身也是區(qū)域氣候變化的產(chǎn)物之一（王圣杰等，2011；楊東，2013）。區(qū)域地理位置和地形因子對冰川發(fā)育和演化具有極為重要的作用。冰川消融-積累變化過程可導(dǎo)致河川徑流在季節(jié)上的重新分配（謝昌衛(wèi)，2004），異常的雪蓋或者融雪期的前后移動(dòng)如果與強(qiáng)降水事件重合，有可能引發(fā)洪水，對陸面水文過程產(chǎn)生十分重要的作用（Clague et al.，2000；Owen et al.，2009）。

目前，遙感技術(shù)（RS）是獲取冰川變化信息的主要技術(shù)手段，衛(wèi)星數(shù)據(jù)在雪蓋制圖、動(dòng)態(tài)監(jiān)測、融雪徑流模擬和災(zāi)害監(jiān)測評估等方面研究中已被廣泛應(yīng)用（Paul et al.，2009；懷保娟等，2014）。眾多學(xué)者基于地理信息系統(tǒng)技術(shù)（GIS）和數(shù)字高程模型（DEM）數(shù)據(jù)研究不同地形對冰川變化的影響（Schneider et al.，2008；王璞玉等，2014，尹振良，2016），運(yùn)用數(shù)理統(tǒng)計(jì)方法（模型）分析了區(qū)域冰川變化對氣候的響應(yīng)機(jī)理（Yao et al.，2004），并取得了豐富的成果。然而，冰川分布格局是區(qū)域地理位置、地形和氣候等多因子共同作用的結(jié)果。以往就冰川變化及其影響因子的相關(guān)研究多采用常規(guī)統(tǒng)計(jì)回歸方法，該方法在因子明確且相互獨(dú)立時(shí)建模效果較好，但由于波段參數(shù)或各氣候及地形因子之間往往存在多重相關(guān)性，必然造成模型穩(wěn)定度差、精度不高和模型難以解釋等不足。而被譽(yù)為第二代統(tǒng)計(jì)回歸分析方法的偏最小二乘法（以下簡稱PLS）能克服因子多重相關(guān)性，該方法是一種集主成分分析、多元線性回歸分析和典型相關(guān)分析的基本功能于一體的新型多元統(tǒng)計(jì)分析方法。它允許在樣本點(diǎn)個(gè)數(shù)少于變量個(gè)數(shù)的條件下進(jìn)行回歸建模且最終模型中包含原有的所有自變量（任若恩等，1997；王惠文，1999）；同時(shí)，它能對系統(tǒng)中的數(shù)據(jù)信息進(jìn)行分解和篩選，提取對因變量解釋性最強(qiáng)的綜合變量，辨識系統(tǒng)中的信息和噪聲。另外，它還能通過數(shù)據(jù)分析簡化數(shù)據(jù)結(jié)構(gòu)，反映因變量和自變量之間的函數(shù)關(guān)系，使模型的穩(wěn)健性、精度、實(shí)用性得到提高（張旸等，2004；舒守娟等，2007）。PLS已被廣泛應(yīng)用于經(jīng)濟(jì)、化學(xué)、水利、地理等領(lǐng)域的研究中（王惠文，1999；蔣國興，2007；梁秀娟，2008）。

本研究以新疆瑪納斯河流域（以下簡稱瑪河流域）為樣本區(qū)，借助RS和GIS技術(shù)提取冰川信息并分析冰川分布格局特征，并基于PLS構(gòu)建冰川分布模型，探究干旱區(qū)冰川分布格局及其對區(qū)域地理位置、地形和氣候因子的響應(yīng)機(jī)理，以期為區(qū)域氣候和水文研究提供參考。本研究對干旱區(qū)水資源的合理利用具有重要意義。

1 研究區(qū)及研究方法

1.1 研究區(qū)概況

瑪納斯河流域位于天山北麓中段，地處準(zhǔn)噶爾盆地南緣，地理位置為 84°43′～86°35′E，43°21′～45°20′N（圖1），遠(yuǎn)離海洋，干旱少雨，蒸發(fā)量大，多荒漠，屬典型的大陸性干旱氣候區(qū)。經(jīng)過新生代以來的構(gòu)造運(yùn)動(dòng)、氣候變化等作用，流域內(nèi)形成了具有明顯分帶性的地貌格局。徑流補(bǔ)給具有顯著的垂直地帶性，冰雪融水對河流的補(bǔ)給占徑流量的35.3%，流域內(nèi)自東向西分布有塔西河、瑪納斯河、寧家河等6條內(nèi)陸河流。據(jù)中國冰川目錄統(tǒng)計(jì)數(shù)據(jù)顯示，瑪納斯河是準(zhǔn)噶爾內(nèi)流水系中冰川數(shù)量最多和規(guī)模最大的河流。

1.2 研究方法

本研究根據(jù)冰川遙感反演原理，采用較高分辨率的 TM影像、DEM數(shù)據(jù)和氣象數(shù)據(jù)，分析冰川與敏感波段及波段組合參數(shù)、地形參數(shù)及氣候參數(shù)的統(tǒng)計(jì)關(guān)系，借助RS和GIS技術(shù)提取冰川信息并抽取樣點(diǎn)，基于PLS構(gòu)建冰川-地形-氣候統(tǒng)計(jì)分布模型，并進(jìn)行模型有效性和適用性檢驗(yàn)，試圖揭示干旱區(qū)冰川分布格局對其影響因子的響應(yīng)機(jī)理。

2 數(shù)據(jù)說明及處理

2.1 數(shù)據(jù)說明

影像數(shù)據(jù)為2006年7月15日和2010年7月20日的Landsat-5影像，數(shù)據(jù)來自中國科學(xué)院對地觀測與數(shù)字地球科學(xué)中心存檔衛(wèi)星遙感數(shù)據(jù)目錄服務(wù)系統(tǒng)（http://ids.ceode.ac.cn/）。DEM包括SRTM3 V4.1數(shù)據(jù)，分辨率為90 m，來自中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站（http://datamirror.csdb.cn）。氣象數(shù)據(jù)包括瑪河流域及周邊13個(gè)氣象站點(diǎn)（圖1）的月降水量、月均溫等數(shù)據(jù)，來源于國家氣象信息中心（http://www.nmic.gov.cn/）。

2.2 數(shù)據(jù)處理

2.2.1 氣溫和降水?dāng)?shù)據(jù)計(jì)算

冰川的消融-積累變化過程受到氣溫和降水的著顯影響。由于高海拔山區(qū)氣象數(shù)據(jù)缺失，本研究采用傳統(tǒng)氣溫線性模型（楊昕等，2007）和降水回歸模型（舒守娟等，2005）估算研究區(qū)氣溫和降水?dāng)?shù)據(jù)并進(jìn)行柵格計(jì)算，通過對估算的氣候數(shù)據(jù)和氣象站點(diǎn)實(shí)測數(shù)據(jù)的誤差分析發(fā)現(xiàn)，氣溫和降水的平均誤差分別為0.23 ℃和1.52 mm，平均相對誤差分別為1.14%和1.02%，分別對兩個(gè)模型進(jìn)行了F檢驗(yàn)，均通過置信度為0.95的相關(guān)性檢驗(yàn)，估算數(shù)據(jù)滿足精度需求。

圖1 研究區(qū)示意圖Fig.1 The sketch map on the study area

2.2.2 地理位置及地形參數(shù)計(jì)算

冰川分布具有一定的地形特征，高程是主要的地形因子，同時(shí)，坡向和坡度也有一定影響。利用ArcGIS的Conversion Tools工具，由SRTM提取DEM網(wǎng)格中心點(diǎn)的經(jīng)度、緯度數(shù)據(jù)。借助ArcGIS 3D分析工具，由DEM提取瑪河流域山區(qū)坡度和坡向。坡向β有如下規(guī)定：以正南為0°，沿順時(shí)針方向?yàn)檎?，具體規(guī)定為-22.5°≤β≤22.5°為南向坡，22.5°≤β≤67.5°為西南向坡，其余類推。

2.2.3 冰川分布格局信息提取及樣點(diǎn)分布

借助ENVI 4.8軟件對TM影像進(jìn)行輻射校正，然后對影像進(jìn)行波段組合和線性拉伸，采用面向?qū)ο蠓▽τ跋襁M(jìn)行冰川分布格局信息提取。本研究考慮到遙感影像解譯過程中積雪對冰川邊界的干擾，選取的遙感影像均為夏季時(shí)段（7月底）數(shù)據(jù)，且歸一化冰雪指數(shù)（NDSI）在提取冰川信息中已有良好的精度和廣泛的應(yīng)用，故本文以NDSI表征冰川信息，并根據(jù)下式在ArcGIS中計(jì)算冰川區(qū)的NDSI。

結(jié)果顯示，本研究分類總體精度達(dá)到87.59%，Kappa系數(shù)為0.8396，滿足分類精度。

采用 ArcGIS軟件繪制研究區(qū)漁網(wǎng)并提取其中心點(diǎn)，與所提取的研究區(qū)冰川分布格局信息疊加相交后獲取了布局均勻的冰川樣點(diǎn)213個(gè)（圖1），最后獲取各樣點(diǎn)的地理位置（經(jīng)緯度）、地形特征（高程、坡度和坡向）、NDSI、氣溫和降水等屬性信息。

3 統(tǒng)計(jì)分析與PLS建模

瑪河流域上游山區(qū)的天山支脈喀拉烏成山、依連哈比爾尕山及比依克山等海拔為5000～5500 m，為天山山區(qū)第二大高山帶山結(jié)，其冰川總面積僅次于托木爾峰地區(qū)。特殊的地形特征決定了研究區(qū)冰川分布與高程、坡度、坡向等具有復(fù)雜的相關(guān)關(guān)系，且山體南北跨度較大，也應(yīng)考慮地理位置（經(jīng)度和緯度）對冰川分布格局的影響，同時(shí)氣溫和降水也對冰川分布具有顯著作用。為了揭示研究區(qū)冰川分布格局特征及成因，采用PLS統(tǒng)計(jì)方法，建立區(qū)域地理位置、地形、氣候因子與冰川分布模型，其中冰川分布（NDSI）為因變量，自變量包括三類，即地理位置因子包括緯度（φ）和經(jīng)度（λ），地形因子包括高程（h）、坡度（α）和坡向（β），氣象因子包括年均溫（t）和年降水（p）。地理位置因子反映氣候和環(huán)流的大背景，地形因子反映局地地形的影響，氣候因子反映冰川形成的氣候條件。

3.1 統(tǒng)計(jì)分析

在運(yùn)用傳統(tǒng)多元統(tǒng)計(jì)回歸法進(jìn)行模擬估算的過程中，由于自變量系統(tǒng)的解釋性不夠和自變量之間的多重相關(guān)性考慮不全面，使得估算值與實(shí)測值之間存在較大誤差（張旸等，2004）。由于冰川覆蓋區(qū)地形復(fù)雜程度較高，間接造就了局地地形和局地氣候諸因子間的復(fù)雜關(guān)系，故建模之前進(jìn)行自變量多重相關(guān)性分析。

多元線性相關(guān)系數(shù)是用于衡量多個(gè)變量間線性相關(guān)強(qiáng)弱的無量綱指標(biāo)，能夠較全面地反映變量間的線性相關(guān)強(qiáng)度。表1所示為瑪河流域7個(gè)因子（自變量）與7月NDSI（因變量）的相關(guān)系數(shù)矩陣，其中，r(λ,p)=-0.494，r(β,t)=-0.995，r(β,p)=0.621，r(t,p)=-0.625，可見自變量之間存在著多重相關(guān)性。此外，基于最小二乘法（OLS）建立的線性回歸的總模型R2較大，F(xiàn)統(tǒng)計(jì)量高度顯著，且F檢驗(yàn)表明模型與數(shù)據(jù)的擬合程度較好，線性關(guān)系顯著，可用線性模型進(jìn)行描述。然而，表2顯示，緯度（φ）、坡向（β）和平均氣溫（t）容差均小于 0.10，方差膨脹因子（Variance Inflation Factors，簡記作VIF）基本均大于10，且后3個(gè)因子特征值很小，條件指數(shù)均大于 100，說明因子之間存在嚴(yán)重的多重共線問題。另外，因子φ（緯度）和β（坡向）的t檢驗(yàn)值均小于臨界值1.653，均未通過t檢驗(yàn)，說明這兩個(gè)因子對NDSI的線性影響不顯著；而其他因子的回歸系數(shù)為零的概率（Sig.）均大于 0.05，說明數(shù)據(jù)之間差異性不顯著，對NDSI的預(yù)測力度不理想，在回歸方程中不具有統(tǒng)計(jì)學(xué)意義。以上結(jié)果顯示了因子多重相關(guān)性的典型病兆，若基于OLS建模則需考慮剔除緯度和坡向因子。然而，緯度和坡向變化對冰川區(qū)獲得直接太陽輻射具有明顯影響，如果剔除φ和β則不能準(zhǔn)確反映冰川分布變化情況?？梢?，自變量的多重相關(guān)性使得一些對因變量有重要解釋意義的因子未能被基于OLS的回歸模型所考慮，這便會(huì)影響模型的精確性和實(shí)用性。為有效克服自變量多重相關(guān)性的問題，本研究采用PLS法構(gòu)建回歸模型。

表1 研究區(qū)樣點(diǎn)地理、地形及氣候因子與NDSI的多重相關(guān)系數(shù)矩陣Table1 Multiple correlation coefficient matrix about geographical position, terrain, climate factors and NDSI of sampling points in the study area

表2 最小二乘法（OLS）回歸建模的系數(shù)、t檢驗(yàn)、VIF及條件指數(shù)Table2 The regression modeling index coefficient, t test, VIF, and conditional by method of least squares (OLS)

3.2 PLS建模及檢驗(yàn)

3.2.1 PLS建模

PLS法建模集成了多元線性回歸分析、典型相關(guān)分析和主成分分析等方法的優(yōu)點(diǎn)?；诘湫拖嚓P(guān)分析和主成分分析，首先尋找自變量X中存在的多重共線性關(guān)系，然后從X中提取成分t1，它既是自變量的線性組合也能最大程度地?cái)y帶X中的數(shù)據(jù)變異。假定估計(jì)量Y=1tB，再在t1對Y有最大解釋能力即達(dá)到最大相關(guān)度下實(shí)施Y對t1的回歸，得到Y(jié)=BPLS1t1+eY，最后進(jìn)行交叉有效性檢驗(yàn)，如果方程未達(dá)到滿意的精度，則利用X和Y被t1解釋后的殘余信息eX和eY進(jìn)行第二輪成分提取，直到達(dá)到滿意精度。最終，若通過交叉有效性檢驗(yàn)的成分個(gè)數(shù)為m，則估計(jì)量：

再還原成關(guān)于原始變量的回歸方程Y=BPLSX+ePLS，這樣便完成了PLS回歸建模。

建模之前要對偏最小二乘回歸因子進(jìn)行精度分析，以選取信息和解釋能力較強(qiáng)的因子作為典型成分。本文利用SIMCA-P 12數(shù)據(jù)分析軟件進(jìn)行偏最小二乘因子回歸分析。其精度分析運(yùn)行結(jié)果表明（表3），第一主成分tl解釋了原自變量系統(tǒng)中43.4%的變異信息，同時(shí)，解釋了因變量系統(tǒng)中75%的變異信息；第二主成分t2解釋了原自變量系統(tǒng)中27%的變異信息和因變量系統(tǒng)中3.2%的變異信息；第三主成分t3解釋了原自變量系統(tǒng)中 9.9%的變異信息和因變量系統(tǒng)中 0.3%的變異信息；第四主成分t4解釋了原自變量系統(tǒng)中 0.4%的變異信息和因變量系統(tǒng)中2.9%的變異信息；前4個(gè)偏最小二乘因子可解釋X變異的程度達(dá)80.7%，對Y的解釋變異累計(jì)百分比達(dá)81.4%，已經(jīng)涵蓋了主要的自變量組和因變量組的數(shù)據(jù)信息，而繼續(xù)添加t5、t6和t7，對X和Y變差的貢獻(xiàn)值都很小。由此可見，前4個(gè)被抽取的成分綜合了自變量組和因變量組的大部分信息，對結(jié)果分析有重要的作用。

在實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)的簡化和兩組變量間的相關(guān)分析后，可以通過對回歸方程的優(yōu)化，找到因變量與自變量之間的函數(shù)關(guān)系，建立回歸模型用于預(yù)測（王惠文，1999）。通過計(jì)算得出的PLS回歸因子解釋的變差百分比及Q2統(tǒng)計(jì)結(jié)果（表3），可以評價(jià)建模所取自變量成分對因變量的解釋能力以及交叉有效性判斷模型的總預(yù)測能力。模型對 NDSI的預(yù)測能力是否能通過交叉有效性檢驗(yàn)，主要取決于Q2值的大小，Q2越大說明模型對NDSI的預(yù)測能力越強(qiáng)，其可信度和可行性也就越強(qiáng)。由表3統(tǒng)計(jì)結(jié)果可知，前兩個(gè)成分即能夠解釋78.2%以上因變量的變異，Q2最高達(dá)到 0.769，說明此模型對NDSI的解釋性較強(qiáng)，能夠通過交叉有效性檢驗(yàn)。而其后的成分對總的預(yù)測能力不僅沒有正面貢獻(xiàn)，還使總預(yù)測能力下降，因此僅選用前兩個(gè)成分進(jìn)行建模。

表3 偏最小二乘回歸因子解釋的變差百分比及Q2統(tǒng)計(jì)Table3 Percent variation accounted for factors by partial least squares and its Q2 statistics

利用SIMCA-P 12進(jìn)行具有交叉驗(yàn)證的PLS模型擬合，得到研究區(qū)2006年7月NDSI的空間分布估算模型，即NDSI-地形-氣候模型（式2）。式中各系數(shù)不但可以反映研究區(qū)NDSI空間分布，且其正負(fù)值還表征各因子對因變量的貢獻(xiàn)程度及其相關(guān)性。

3.2.2 模型適用性檢驗(yàn)

雖然該模型能夠解釋 78.2%以上的因變量變異，對樣區(qū)冰川格局的總預(yù)測能力達(dá)到76.9%，但是模型的精度和穩(wěn)定性還有待進(jìn)一步驗(yàn)證。為了檢驗(yàn)?zāi)Ｐ偷倪m用性，將 2010年年均氣溫和降水量等數(shù)據(jù)資料輸入PLS模型進(jìn)行模擬預(yù)測，并采用之前處理TM影像的方法對2010年影像進(jìn)行解譯分類，最后計(jì)算NDSI并與影像提取的實(shí)際冰川分布信息進(jìn)行對比（圖2）。由圖2和表4可知，模型計(jì)算的冰川面積和斑塊數(shù)目均小于影像提取結(jié)果，平均斑塊面積卻大于影像提取結(jié)果，說明模型未能計(jì)算出所有冰川區(qū)域，實(shí)際冰川更為破碎。高山區(qū)典型冰川提取效果較好，而低山、中山區(qū)的面積較小，零散孤立的冰川未被計(jì)算在內(nèi)。其原因在于樣點(diǎn)主要分布在大片典型冰川中，低山區(qū)小面積冰川樣點(diǎn)分布較少，且山區(qū)地形復(fù)雜導(dǎo)致了誤差的產(chǎn)生?？傮w而言，該模型在對干旱區(qū)冰川分布格局及其影響因子的相關(guān)性方面具有較好的分析能力，對冰川變化及其機(jī)理分析有較高的可信度。

4 討論

圖2 模型估算結(jié)果與影像提取結(jié)果空間對比Fig.2 Space comparison between model estimation results and image extraction results

表4 模型估算結(jié)果與影像提取結(jié)果比較Table4 Model estimation results and image extraction results

冰川面積變化是多因子共同作用造成的，大量研究認(rèn)為，氣候變化是其主要影響因子，氣溫對時(shí)間尺度和空間跨度較大的冰川的進(jìn)退作用明顯，而降水對短期和范圍較小的冰川的進(jìn)退作用明顯（高曉清等，2000；王圣杰等，2011）。中國天山和祁連山山區(qū)冰川變化研究顯示，小規(guī)模冰川變化對氣候響應(yīng)更敏感，面積小于1 km2的冰川萎縮是山區(qū)冰川面積縮小的主要原因，朝北（陽坡）冰川面積縮小最多（孫美平等，2015；邢武成等，2017）。本文通過PLS構(gòu)建模型發(fā)現(xiàn)，溫度（t）和坡度（α）與NDSI呈負(fù)相關(guān)，海拔（h）、降水（p）等因子與冰川面積分布呈正相關(guān)；隨緯度（φ）的遞增，冰川面積呈縮小態(tài)勢，這是由于山體南坡為陽坡，冰川消融速率較高；就經(jīng)度（λ）變化而言，研究區(qū)東部冰川分布面積大于西部。氣候變化是影響研究區(qū)冰川格局的最重要因素，其中，年均溫的貢獻(xiàn)最大，降水增加雖然會(huì)擴(kuò)大冰川面積，但還是無法抵消溫度升高對研究區(qū)冰川消融的影響。隨海拔升高，氣溫降低，冰川累積量和存量增多；坡度對冰川的形成和發(fā)育有很大影響，緩坡有利于冰川的累積和穩(wěn)定，進(jìn)而可形成面積更大的單條冰川；坡體朝向決定著山區(qū)太陽輻射的獲得量，使得山區(qū)陰坡和陽坡冰川消融速率存在較大差異；而經(jīng)度和緯度對模型的解釋量最小，與模型的相關(guān)程度也最低，可能是由于研究區(qū)域面積較小，地理因子的變化對冰川不夠敏感，倘若研究區(qū)域面積更大則地理位置因子對冰川分布格局的解釋能力會(huì)增強(qiáng)。綜上，地理位置要素對冰川的貢獻(xiàn)相對較小，地形因子對冰川的發(fā)育和積累具有決定性作用，而氣候因子是影響冰川分布格局動(dòng)態(tài)變化的最重要因子，對模型的解釋有至關(guān)重要的作用。

本研究在建模過程中對影響冰川的大多數(shù)相關(guān)因子進(jìn)行了分析研究，發(fā)現(xiàn)這些相關(guān)因子作為自變量對冰川分布格局動(dòng)態(tài)變化的解釋量為 78.2%，模型的總預(yù)測能力為 76.9%，即存在其他影響冰川格局變化的因子未被納入此模型，如風(fēng)向、風(fēng)力、水汽壓、相對濕度及下墊面性質(zhì)等，需要在以后的研究中不斷完善模型，使其能更好地預(yù)測和模擬冰川分布格局。此外，本文研究所選用的站點(diǎn)數(shù)據(jù)是瑪納斯河流域及周邊13個(gè)氣象站點(diǎn)的數(shù)據(jù)，由于氣象站點(diǎn)較少，樣本數(shù)不足且分布不均勻，加之研究區(qū)內(nèi)幾乎沒有高海拔站點(diǎn)，對高海拔地區(qū)氣候數(shù)值的模擬存在不確定性，故影響了模型的預(yù)測能力。

5 結(jié)論

瑪河流域地形復(fù)雜，氣候變化較為活躍，綜合自然地理環(huán)境對研究區(qū)冰川分布格局的影響極為復(fù)雜。本研究運(yùn)用 PLS回歸分析法構(gòu)建的冰川-地形-氣候模型具有較高的有效性和適用性，模型總體預(yù)測能力達(dá)到76.9%，模擬結(jié)果顯示：氣候變化是影響研究區(qū)冰川分布格局動(dòng)態(tài)變化的最重要因子，地形因子對冰川的發(fā)育和積累具有決定性作用，而地理位置要素對冰川的貢獻(xiàn)相對較小。

盡管在建模過程中沒有包含更多自變量以及部分?jǐn)?shù)據(jù)精確度有待商榷，使得該模型的精確性和穩(wěn)健性還存在一定不足，但研究結(jié)果對探究干旱區(qū)冰川變化對地形和氣候的響應(yīng)機(jī)理具有參考價(jià)值。同時(shí)，對于遙感數(shù)據(jù)缺失的區(qū)域或時(shí)段，只要有DEM、溫度和降水?dāng)?shù)據(jù)，即可借助該模型反演冰川分布格局，因此本模型具有一定的應(yīng)用價(jià)值和推廣意義。

參考文獻(xiàn)：

BERTHIER E, AMAUD Y, BARATOUX D, et al. 2004. Recent rapid thinning of the “Mer de Glace” glacier derived from satellite optical images [J]. Geophysical Research Letters, 31(2): 174-182.

CLAGUE J J, EVANS S G. 2000. A review of catastrophic drainage of moraine-dammed lakes in British Columbia [J]. Quaternary Science Reviews, 19(4): 1763-1783.

KATEL N I I. 2012.Possibility of operative treatment of geriatric patients with critical lower limb ischemia[J]. 25(2): 338-42.

Li Z S, WANG Z Q. 1998.Measurements of Glacier Variation in the Tibetan Plateau Using Lands at Data [J]. Remote Sensing of Environment,63(1): 258-264.

OERLEMANS J. 1994.Quantifying global wanning from the retreat of glaciers[ J]. Science, 264(4): 243-245.

OERLEMANS J. 2005. Extracting a Climate Signal from 169 Glacier Records [J]. Science, 308(2): 675-677.

OWEN L A, THACKRAY G, ANDERSON R S, et al. 2009. Integrated research on mountain glaciers: Current status priorities and future prospects [J]. Geomorphology , 103(3): 158-171.

PAUL F, ANDERSON L M. 2009. A new glacier inventory for the Svartisen region, Norway, from Landsat ETM+ data; challenges and change assessment [J]. Journal of Glaciology, 55(5): 607-618.

RICHARDSON S D, REYNOLDS J M. 2000.An overview of glacial hazards in the Himalayas [J]. Quaternary International, 65(4): 31-47.

SCHNEIDER D, GRANADOS D H, KSAB A. 2008. Assessing lahars from ice-capped volcanoes using ASTER satellite data, the SRTM DTM and two different flow models: case study on Iztaccihuatl (Central Mexico)[J]. Natural Hazards and Earth System Sciences, 8(1): 559-571.

THOMPSON L G, YAO T D, MOSLEY-THOMPSON E, et al. 2000. A High-Resolution Millennial Record of the South Asian Monsoon from Himalayan Ice Cores [J]. Science, 289(3): 1916-1919.

YAO T D, WANG Y, LIU S P, et al. 2004. Recent glacial retreat in High Asia in China and its impact on water resource in Northwest China [J].Science in China Series D: Earth Sciences, 47(5): 1065-1075.

YE Q K, CHEN S, WANG F J.2006. Monitoring glacier variations on Geladandongmountain, central Tibetan Plateau, from 1969 to 2002 using remote-sensing and GIS technologies [J]. Journal of Glaciology,52(3): 537-545.

包為民, 瞿思敏. 2001. 冰川消融耦合模型研究[J]. 水科學(xué)進(jìn)展, 12(3):318-323.

高曉清, 湯懋蒼, 馮松. 2000. 冰川變化與氣候變化關(guān)系的若干探討[J].高原氣象, 5(1): 9-16.

懷保娟, 李忠勤, 孫美平, 等. 2014. 近 50年黑河流域的冰川變化遙感分析[J]. 地理學(xué)報(bào), 69(3): 365-377.

蔣國興. 2007. 偏最小二乘回歸方法 (PLS) 在短期氣候預(yù)測中的應(yīng)用研究[D]. 南京: 南京信息工程大學(xué): 41-48.

李占清, 翁篤鳴. 1987. 一個(gè)計(jì)算山地地形參數(shù)的計(jì)算機(jī)模式[J]. 地理學(xué)報(bào), 42(3): 269-278.

梁秀娟. 2008. 基于偏最小二乘回歸分析的城市經(jīng)濟(jì)分析[D]. 武漢: 華中科技大學(xué): 23-27.

劉時(shí)銀, 魯安新, 丁永建, 等. 2002. 黃河上游阿尼瑪卿山區(qū)冰川波動(dòng)與氣候變化[J]. 冰川凍土, 24(6): 701-707.

蒲健辰, 姚檀棟, 段克勤, 等. 2005. 祁連山七一冰川物質(zhì)平衡的最新觀測結(jié)果[J]. 冰川凍土, 27(2): 199-204.

秦大河, 丁永建. 2009. 冰凍圈變化及其影響研究——現(xiàn)狀、趨勢及關(guān)鍵問題[J]. 氣候變化研究進(jìn)展, 5(4): 187-195.

任若恩, 王惠文. 1997. 多元統(tǒng)計(jì)數(shù)據(jù)分析——理論方法實(shí)例[M]. 北京:國防工業(yè)出版社: 46-57.

施雅風(fēng), 崔之久, 蘇珍. 2006. 中國第四紀(jì)冰川與環(huán)境變化[M]. 河北科學(xué)技術(shù)出版社: 48-51.

施雅風(fēng). 2000. 中國冰川與環(huán)境-現(xiàn)在、過去和未來[M]. 北京: 科學(xué)出版社: 12-15.

舒守娟, 王元, 熊安元. 2007. 中國區(qū)域地理、地形因子對降水分布影響的估算和分析[J]. 地球物理學(xué)報(bào), 50(6): 1703-1712.

舒守娟, 喻自鳳, 王元, 等. 2005. 西藏地區(qū)復(fù)雜地形下的降水空間分布估算模型[J]. 地球物理學(xué)報(bào), 48(3): 535-542.

孫美平, 劉時(shí)銀, 姚曉軍, 等. 2015. 近 50年來祁連山冰川變化—基于中國第一、二次冰川編目數(shù)據(jù)[J]. 地理學(xué)報(bào), 70(9): 1402-1414.

王惠文. 1999. 偏最小二乘回歸方法及其應(yīng)用[M]. 北京: 國防工業(yè)出版社: 58-66.

王璞玉, 李忠勤, 高聞?dòng)? 等. 2011. 氣候變化背景下近50年來黑河流域冰川資源變化特征分析[J]. 資源科學(xué), 33(3): 399-407.

王璞玉, 李忠勤, 周平, 等. 2014. 近期新疆哈密代表性冰川變化及對水資源影響[J]. 水科學(xué)進(jìn)展, 25(4): 518-525.

王圣杰, 張明軍, 李忠勤, 等. 2011. 近50年來中國天山冰川面積變化對氣候的響應(yīng)[J]. 地理學(xué)報(bào), 66(1): 38-46.

王宗太, 劉潮海, 尤根祥, 等. 1981. 中國冰川目錄連山區(qū)[M]. 蘭州: 中國科學(xué)院蘭州冰川凍土研究所: 56-67.

夏麗莎. 2008. 基于偏最小二乘的武漢城市圈經(jīng)濟(jì)研究[D]. 武漢: 華中科技大學(xué): 33-37.

謝昌衛(wèi), 丁永建, 劉時(shí)銀, 等 2004. 韓海東.托木爾峰南坡冰川水文特征及其對徑流的影響分析[J]. 干旱區(qū)地理, (04): 570-575.

謝自楚, 劉潮海. 2010. 冰川學(xué)導(dǎo)論[M]. 上海: 上?？茖W(xué)普及出版社:7-15.

邢武成, 李忠勤, 張慧, 等. 2017. 1959年來中國天山冰川資源時(shí)空變化[J]. 地理學(xué)報(bào), 72(9): 1594-1605.

楊東, 王慧, 程軍奇, 等. 2013. 近 50年青海省氣候變化特征及其與ENSO的關(guān)系[J]. 生態(tài)環(huán)境學(xué)報(bào), 22(04): 547-553.

楊昕, 湯國安, 王春, 等. 2007. 基于 DEM 的山區(qū)氣溫地形修正模型——以陜西省耀縣為例[J]. 地理科學(xué), 27(4): 525-530.

姚檀棟, 段克勤, 田立德, 等. 2000. 達(dá)索普冰芯積累量記錄和過去400a來印度夏季風(fēng)降水變化[J]. 中國科學(xué)(D輯: 地球科學(xué)), 30(6):619-627.

尹振良, 馮起, 劉時(shí)銀, 等. 2016. 水文模型在估算冰川徑流研究中的應(yīng)用現(xiàn)狀[J].冰川凍土, 38(01): 248-258.

張旸, 周成虎, 戴錦芳, 等. 2004. 偏最小二乘回歸方法在土地利用結(jié)構(gòu)研究中的應(yīng)用[J]. 自然資源學(xué)報(bào), 19(6): 804-810.