DOI: https://doi.org/10.1038/s41597-024-04309-6
PMID: https://pubmed.ncbi.nlm.nih.gov/39824827
تاريخ النشر: 2025-01-17
المؤلف: David Loibl وآخرون
الموضوع الرئيسي: دراسات وملاحظات الكريوسفير
نظرة عامة
تقدم هذه الدراسة مجموعة بيانات جديدة لقياسات ارتفاع خط الثلج العابر (tSLa) المستمدة من الاستشعار عن بعد للأنهار الجليدية في جبال آسيا العالية. باستخدام محرك جوجل الأرض، جمع الباحثون بيانات tSLa لحوالي 28,000 نهر جليدي يتجاوز حجمها 0.5 كم². بعد إجراء عملية تصفية صارمة ومعالجة لاحقة، تتضمن مجموعة البيانات النهائية حوالي 9.66 مليون قياس tSLa، بمتوسط 341 ± 160 قياس لكل نهر جليدي، تغطي الفترة من 1985 إلى 2021. من المتوقع أن تعزز هذه المجموعة الشاملة من البيانات فهم ديناميات الأنهار الجليدية والتفاعلات المناخية في المنطقة.
مقدمة
تسلط المقدمة الضوء على تحدٍ كبير في علم الجليد: نقص البيانات الزمنية طويلة الأمد وعالية الدقة حول تغييرات الأنهار الجليدية، خاصة في جبال آسيا العالية (HMA). على الرغم من وجود حوالي 95,000 نهر جليدي في هذه المنطقة، إلا أن هناك نهرين فقط لديهما قياسات مستمرة لتوازن الكتلة تمتد لأكثر من 30 عامًا. يخلق هذا النقص في البيانات، إلى جانب الطبيعة غير المتجانسة لتغييرات الأنهار الجليدية في HMA، فجوة معرفية كبيرة بشأن الديناميات والعوامل المؤثرة على الأنهار الجليدية الفردية. تعتمد التقييمات الحالية بشكل أساسي على تقنيات الاستشعار عن بعد التي، على الرغم من تحسين فهم أنماط الأنهار الجليدية على نطاق واسع، إلا أنها تفشل في التقاط التغيرات داخل السنة، مما يحد من تحليلات التأثيرات المناخية المحددة وتغير الأنهار الجليدية في المستقبل.
لمعالجة هذه الفجوة، يقدم المؤلفون مجموعة بيانات جديدة لقياسات ارتفاع خط الثلج العابر (TSLA) لجميع الأنهار الجليدية التي تزيد عن 0.5 كم² في HMA، تغطي الفترة من 1985 إلى أواخر 2021. باستخدام أكثر من 104,000 صورة فضائية من لاندسات، تتضمن مجموعة البيانات حوالي 24.5 مليون قياس TSLA، مما يمكن أن يعزز بشكل كبير فهم تغير الأنهار الجليدية بدقة مكانية وزمنية غير مسبوقة. تحتوي بيانات TSLA، التي تدمج الظروف الطبوغرافية والمناخية المؤثرة على ديناميات الأنهار الجليدية، على إمكانية معايرة النماذج الجليدية وتحديد العوامل الجوية المؤثرة على تغير الأنهار الجليدية. طور المؤلفون خوارزمية استرجاع خط الثلج العابر لجليد جبل آين (MANTRA) لتسهيل هذا التحليل، بهدف ملء فجوة البيانات الملاحظة في البيئات الجبلية العالية النائية.
الطرق
في هذه الدراسة، تم استخدام صور الأقمار الصناعية من أجهزة استشعار لاندسات 4 و5 و7 و8 لتصنيف المواد السطحية في المناطق الجليدية من هندو كوش هيمالايا (HMA). استخدم الباحثون منتجات الطبقة الأولى المعايرة من أعلى الغلاف الجوي لضمان جودة البيانات وقابليتها للتكرار. تم تصميم الخوارزمية لاختيار المشاهد مسبقًا التي تحتوي على أقل من 80% من الغطاء السحابي الكلي، مع التركيز على استخراج نطاقات محددة: الأخضر (G)، والأشعة تحت الحمراء القريبة (NIR)، والأشعة تحت الحمراء القصيرة (SWIR1، SWIR2)، والحرارية (T). ومن الجدير بالذكر أن أجهزة الاستشعار متعددة الأطياف التي لا تحتوي على قناة حرارية، مثل Sentinel-2، تم استبعادها من الاعتبار بسبب الاعتماد على الأشعة تحت الحمراء الحرارية في نهج نسبة النطاقات.
كانت الغالبية العظمى من المشاهد المعالجة مأخوذة من لاندسات 5 (37,739 مشهدًا)، ولاندسات 7 (32,830 مشهدًا)، ولاندسات 8 (29,231 مشهدًا)، مع وجود 212 مشهدًا فقط من لاندسات 4. تعكس هذه التوزيعة التوافر العام لمشاهد لاندسات، حيث لم تنفذ خوارزمية معالجة TSLA أي اختيار مسبق بخلاف معيار الغطاء السحابي. تؤكد النتائج على أهمية اختيار بيانات الأقمار الصناعية المناسبة لتصنيف المواد السطحية بدقة في المناطق الجليدية.
المناقشة
في هذا القسم، يناقش المؤلفون المنهجيات والنتائج المتعلقة بقياسات ارتفاع خط الثلج العابر (TSLA) المستمدة من صور الأقمار الصناعية، باستخدام محرك جوجل الأرض (GEE) ونموذج الارتفاع الرقمي (DEM) ALOS World 3D. استخدمت الدراسة إصدار 6 من جرد الأنهار الجليدية راندولف (RGI) للحصول على خطوط الأنهار الجليدية المتسقة وركزت على الأنهار الجليدية التي تزيد عن 0.5 كم² لتعزيز دقة التصنيف. تم تحقيق تصنيف المواد السطحية من خلال مجموعة من نسب النطاقات، بما في ذلك مؤشر الثلج الفرق المنظم (NDSI)، مع معايرة دقيقة لتقليل الأخطاء في التصنيف، خاصة في الظروف الباردة. تم حساب TSLA كمتوسط ارتفاع أدنى اثنين بالمئة من المنطقة المغطاة بالثلوج، مع تنفيذ تدابير صارمة لمراقبة الجودة لتصفية القياسات المعيبة.
تظهر مجموعة البيانات الناتجة، التي تتضمن حوالي 9.66 مليون قياس من 1985 إلى 2021، نمطًا جيبيًا يدل على الدورات الموسمية، مع تدرج عرضي ملحوظ في قيم TSLA. كشفت التحليلات أن 99% من القياسات كانت ضمن نطاق ارتفاع يتراوح بين 3289 إلى 5992 م فوق مستوى سطح البحر، مع توزيع ثلاثي النماذج يتركز حول ارتفاعات محددة. كما أجرى المؤلفون تحققًا تقنيًا من مجموعة بيانات TSLA، محققين دقة تصنيف تبلغ 84.04% عبر الأنهار الجليدية المختلفة، مع الأخطاء الرئيسية الناتجة عن التقديرات المفرطة بسبب الغطاء السحابي وظلال التضاريس. تشير النتائج إلى أنه بينما توفر مجموعة بيانات MANTRA إمكانيات كبيرة لتقدم البحث الجليدي، يجب على المستخدمين أن يكونوا حذرين من قيودها، خاصة فيما يتعلق بالتغير الزمني والمكاني للقياسات المتأثرة بالظروف الجوية.
DOI: https://doi.org/10.1038/s41597-024-04309-6
PMID: https://pubmed.ncbi.nlm.nih.gov/39824827
Publication Date: 2025-01-17
Author(s): David Loibl et al.
Primary Topic: Cryospheric studies and observations
Overview
This study introduces a novel dataset of transient Snowline altitude (tSLa) measurements derived from remote sensing for glaciers in High Mountain Asia. Utilizing the Google Earth Engine, the researchers collected tSLa data for approximately 28,000 glaciers exceeding 0.5 km² in size. Following a rigorous filtering and post-processing procedure, the final dataset includes around 9.66 million tSLa measurements, with an average of 341 ± 160 measurements per glacier, spanning the period from 1985 to 2021. This comprehensive dataset is expected to enhance understanding of glacier dynamics and climate interactions in the region.
Introduction
The introduction highlights a significant challenge in glaciology: the lack of long-term, high-resolution time series data on glacier changes, particularly in High Mountain Asia (HMA). Despite the existence of approximately 95,000 glaciers in this region, only two have continuous mass balance measurements extending beyond 30 years. This scarcity of data, coupled with the heterogeneous nature of glacier changes in HMA, creates a substantial knowledge gap regarding the dynamics and drivers affecting individual glaciers. Current assessments primarily rely on remote sensing techniques that, while improving understanding of large-scale glacier patterns, fail to capture intra-annual variations, thereby limiting analyses of specific climatic influences and future glacier variability.
To address this gap, the authors present a novel dataset of Transient Snowline Altitude (TSLA) measurements for all glaciers larger than 0.5 km² in HMA, covering the period from 1985 to late 2021. Utilizing over 104,000 Landsat satellite images, the dataset comprises approximately 24.5 million TSLA measurements, which can significantly enhance the understanding of glacier change at unprecedented spatial and temporal resolutions. The TSLA data, which integrates topographic and climatic conditions affecting glacier dynamics, has the potential to calibrate glaciological models and identify meteorological drivers of glacier change. The authors developed the ‘MountAiN glacier Transient snowline Retrieval Algorithm’ (MANTRA) to facilitate this analysis, ultimately aiming to fill the observational data gap in remote high mountain environments.
Methods
In this study, satellite imagery from the Landsat 4, 5, 7, and 8 sensors was utilized to classify surface materials in glacierized regions of the Hindu Kush Himalaya (HMA). The researchers employed calibrated top-of-atmosphere Tier 1 products to ensure data quality and reproducibility. The algorithm was designed to preselect scenes with less than 80% total cloud cover, focusing on extracting specific bands: green (G), near infrared (NIR), short wave infrared (SWIR1, SWIR2), and thermal (T). Notably, multispectral sensors without a thermal channel, such as Sentinel-2, were excluded from consideration due to the reliance on thermal infrared in the band ratio approach.
The majority of the processed scenes were sourced from Landsat 5 (37,739 scenes), Landsat 7 (32,830 scenes), and Landsat 8 (29,231 scenes), with only 212 scenes from Landsat 4. This distribution reflects the overall availability of Landsat scenes, as the TSLA processing algorithm did not implement any preselection beyond the cloud cover criterion. The findings underscore the importance of selecting appropriate satellite data for accurate surface material classification in glaciated areas.
Discussion
In this section, the authors discuss the methodologies and findings related to the transient snowline altitude (TSLA) measurements derived from satellite imagery, specifically using the Google Earth Engine (GEE) and the ALOS World 3D digital elevation model (DEM). The study utilized the Randolph Glacier Inventory (RGI) version 6 for consistent glacier outlines and focused on glaciers larger than 0.5 km² to enhance classification accuracy. The classification of surface materials was achieved through a combination of band ratios, including the Normalized Difference Snow Index (NDSI), with careful calibration to mitigate misclassifications, particularly under cold conditions. The TSLA was calculated as the median elevation of the lowest two percentiles of the snow-covered area, with extensive quality control measures implemented to filter out flawed measurements.
The resulting dataset, comprising approximately 9.66 million measurements from 1985 to 2021, exhibits a sinusoidal pattern indicative of seasonal cycles, with a notable latitudinal gradient in TSLA values. The analysis revealed that 99% of measurements fell within an elevation range of 3289 to 5992 m a.s.l., with a trimodal distribution centered around specific altitudes. The authors also conducted a technical validation of the TSLA dataset, achieving a classification accuracy of 84.04% across various glaciers, with predominant errors stemming from overestimations due to cloud cover and topographic shading. The findings suggest that while the MANTRA dataset offers significant potential for advancing glaciological research, users should be cautious of its limitations, particularly regarding the temporal and spatial variability of measurements influenced by meteorological conditions.