冰川冻土, 2023, 45(2): 468-479 DOI: 10.7522/j.issn.1000-0240.2023.0036

冰冻圈与全球变化

1850—2100年北极阿拉斯加地区最大河冰厚度时空变化特征

杨瑞敏,, 周茅先

兰州财经大学 农林经济管理学院，甘肃 兰州 730020

Spatiotemporal variations in the maximum river ice thickness across Alaska from 1850 to 2100

Ruimin YANG,, Maoxian ZHOU

School of Agriculture and Forestry Economics and Management，Lanzhou University of Finance and Economics，Lanzhou 730020，China

收稿日期: 2022-12-22   修回日期: 2023-03-16  

基金资助: 中国科学院国际大科学计划培育专项.  131B62KYSB20180003
中国科学院前沿科学重点研究项目.  QYZDJ-SSW-DQC021
甘肃省科技计划项目.  20CX4ZA068

Received: 2022-12-22   Revised: 2023-03-16  

作者简介 About authors

杨瑞敏，副教授，主要从事河冰、湖冰变化及其影响研究.E-mail：yangruimin@lzufe.edu.cn

摘要

在极地放大效应的影响下，北极气温以较全球平均更快的速度变暖，从而导致了北极冰冻圈系统的剧烈变化。河冰是北极冰冻圈系统的重要组成部分，是气候变化的敏感指示器，同时影响当地的生态、水文和多年冻土等。本研究利用Stefan方程，使用实测河冰厚度数据、CMIP6历史实验数据和四个未来情景（SSP126、SSP245、SSP370和SSP585）的1850—2100年近地表日气温数据，建立了阿拉斯加地区1850—2100年最大河冰厚度，并分析其时空变化特征。研究表明：阿拉斯加地区多年平均最大河冰厚度呈现南薄北厚的特点；在东西方向上，1850—2000年的平均最大冰厚呈现东薄西厚的特点，但未来100年在东西方向上无显著差异（P<0.05）。1850—2100年阿拉斯加地区最大河冰厚度整体上呈显著下降趋势。其中，1850—2014年下降速率为（-0.72±0.25） cm·（10a）-1（P<0.05）；随着社会脆弱性的加剧和辐射强迫的增强，2015—2100年阿拉斯加地区河冰减薄的速度明显增大，在SSP126、SSP245、SSP370和SSP585情景下分别为（-1.39±0.76） cm·（10a）-1、（-3.10±0.73） cm·（10a）-1、（-6.09±0.79） cm·（10a）-1和（-7.45±0.63） cm·（10a）-1（显著性均达到了P<0.05）。1850—2100年最大河冰厚度的下降速率在空间上呈现出自东南向西北加快的趋势。

关键词： 河冰 ; Stefan方程 ; 冻结指数 ; CMIP6 ; 北极阿拉斯加

Abstract

The temperature in Alaska increased more rapidly than the average global warming， which results in drastic changes in cryosphere. Meanwhile， these changes in cryosphere would further provide feedback to the climate system， enhancing and amplifying the magnitude of global warming. As an important component of the cryosphere， river ice is a sensitive indicator of climate change. Changes in river ice affect hydrology， permafrost， ecosystem， etc. In addition， river ice thickness （RIT） directly influences traffic safety because the ice road is an important transportation in Alaska. Therefore， the study of river ice thickness changes in Alaska is of great significance. The scientific objectives of this study are to investigate variations in the maximum river ice thicknesses （MRIT） using ground-based measurements of 48 river gauge sites spanning 12 river basins across Alaska， to analysis the relationship between MRIT and temperature based on meteorological stations data， and to reconstruct and predict the MRIT from 1850 through 2100 using Stefan equation and daily air temperature outputs of the coupled model intercomparison project phase 6 （CMIP6） historical experiment and four shared socioeconomic pathways （SSP） future scenarios （SSP126， SSP245， SSP370 and SSP585）. The results show that： The average MRITs in 1850—1900， 1900—1950， 1950—2000， 2015—2015 and 2050—2100 showed a trend of gradually thickening from south to north. The average MRITs in 1850—1900， 1900—1950 and 1950—2000 thickened from east to west， but MRITs of 2015—2015 and 2050—2100 did not change significantly along the east-west direction. The overall MRIT across Alaska showed a significant decline from 1850 to 2100. The decline rate from 1850 to 2014 was （-0.72±0.25） cm·（10a）-1. The decline rate from 2015 to 2100 was （-1.39±0.76） cm·（10a）-1 under the SSP126 scenario， （-3.10±0.73） cm·（10a）-1 under SSP245， （-6.09±0.79） cm·（10a）-1 under SSP370 and （-7.45±0.63） cm·（10a）-1 under SSP585. The decline rates in 2015—2100 accelerate under the four future scenarios. The MRITs for all gauging sites showed a significant downward trend from 1850 to 2100. They decreased faster from east to west and from south to north， except for that in 1850—2014 and 2015—2100 under the SSP245 scenario with non-significant different along south-north direction.

Keywords： river ice ; Stefan equation ; freezing index ; CMIP6 ; Arctic Alaska

PDF (7318KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨瑞敏, 周茅先. 1850—2100年北极阿拉斯加地区最大河冰厚度时空变化特征. 冰川冻土[J], 2023, 45(2): 468-479 DOI:10.7522/j.issn.1000-0240.2023.0036

Ruimin YANG, Maoxian ZHOU. Spatiotemporal variations in the maximum river ice thickness across Alaska from 1850 to 2100. Journal of Glaciology and Geocryology[J], 2023, 45(2): 468-479 DOI:10.7522/j.issn.1000-0240.2023.0036

0 引言

在“极地放大效应”的影响下，北极地区升温速率是全球平均升温水平的2倍多［1-3］，是过去几十年升温最快速的地区之一［4］。快速升温导致北极冰冻圈发生着剧烈的变化［5-6］。例如，海冰面积缩小和海冰厚度减薄［7-11］、多年冻土退化［12-14］、冰川退缩［15-17］、积雪覆盖面积减小［18-21］等。作为北极冰冻圈的重要组成，河冰在过去几十年经历了快速变化。北极加拿大、俄罗斯等地区正经历着河冰冻结首日延后［22］、结冰期缩短［23-24］、融化首日提前［25-29］，冰厚减薄［23，30］等变化。

河冰对北极地区水文环境［31-32］、生态环境［33］、生物化学循环［34-36］以及多年冻土［37-39］等均有重要的影响。例如，河冰影响河流生产力和生物多样性、碳输入、溶解氧以及沉积物运移等［33］。同时，在阿拉斯加地区，河冰也影响着人类的生产和生活［40-42］。例如，河冰作为重要的交通道路可达6个月以上，是阿拉斯加地区重要的交通方式［43］。河冰厚度是交通安全的重要指标，厚度的变化对交通安全有着直接的影响。

随着遥感技术的应用，北极地区在河冰物候变化方面取得丰富成果［25，27］。由于监测困难及遥感技术在冰厚反演方面的局限性［44-46］，阿拉斯加地区大范围长尺度的冰厚研究匮乏。为了获取河冰厚度，发展了诸多河冰模型［47-49］。在河冰研究中，相对复杂的模型对获取单点或少数点位冰厚具有重要作用。然而，由于这些模型所需输入参数较多且有些参数不易获取，对于大范围的河冰研究具有局限性。基于冰体变化对气候变化的敏感性［50-51］，诸多以气温为基础的经验模型被用来研究河冰变化［52-55］。Stefan方程利用河冰厚度与冻结指数的关系以及冰的性质计算冰厚，且其常被简化为冰厚与冻结指数的关系，被广泛用于河冰厚度估算［56］，也经常结合土壤指数用于多年冻土区活动层厚度估算等［13，57-59］，适用于大范围反演河冰厚度。

本研究致力于利用Stefan方程、实测最大河冰厚度数据和CMIP6 CanEMS5模式在1850—2100年的日气温数据，重建和预测阿拉斯加地区1850—2100年最大河冰厚度，并分析其时空变化特征。

1 数据来源

1.1　河冰厚度数据

阿拉斯加-太平洋河冰预测中心利用钻孔和标尺等方式对阿拉斯加地区的河冰厚度进行了测量和记录（https：//www.weather.gov/aprfc/IceThickness）。河冰厚度记录一般从每年10月份开始至次年4月份结束，不同站点测量间隔不同，每年冻融周期（7月1日—次年6月30日）测量次数从1至43次不等。本研究选取每年记录大于等于3次的48个站点数据进行研究，数据记录从20世纪60年代至2015年前后（图1）。这些站点在阿拉斯加地区分布相对均匀。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   河冰观测点位置图（气候区划边界引自文献［60］）

Fig. 1   Locations of river ice thickness gauging sites （Climatic zones of Alaska are from Reference ［60］）


根据阿拉斯加自然区划图［60］，该气候区划图根据1977—2010年气象站点月均温数据建立，这些站点在主要的自然区均有分布。其中，2个分布在北坡区，7个在西海岸区，8个在中部内陆区，3个在东北内陆区，1个在布里斯托尔湾区，7个在库克海湾区，剩余20个分布在东南内陆区。

1.2　CMIP6气温数据

第六次国际耦合模式比较计划（Coupled Model Intercomparison Project Phase 6，CMIP6）基于不同的共享社会经济路径（shared socio-economic pathways，SSP）及最新的人为排放趋势，提出了新的预估情景。本研究选用CMIP6 CanEMS5模式在1850—2100年的日气温数据，包括1个历史实验数据（1850—2014年）及四个不同预测情景（SSP126、SSP245、SSP370和SSP585；2015—2100年）。其中，SSP126代表了低脆弱性、低减缓压力和低辐射强迫的综合影响，SSP245为中等社会脆弱性与中等辐射强迫的组合，SSP370代表了高社会脆弱性与相对高的人为辐射强迫的组合，而SSP585是一种高强迫情景，是唯一可以实现2100年人为辐射强迫达到8.5 W·m-2的共享社会经济路径［61-62］。

2 研究方法

2.1　最大冰厚的确定

若在一个冻融周期内，记录值中的最大值不是最后一个记录值，则认为该最大值即为此年最大冰厚；若最大值为最后一个记录值，但该值出现在以往最大值出现日期的前后10日内，也认为该值为当年最大冰厚记录。利用该方法，查找并确定48个站点每个冻融周期内的最大河冰厚度。

2.2　冻结指数FI

冻结指数FI（freezing index）指给定时段内的负积温［13］，见式（1）。

FI=∑i=1NTi,  Ti<0℃

式中：N为给定时段内的总天数；Ti 第i天的日平均气温。根据河冰的冻融周期，本研究将7月1日—次年6月30日作为统计年冻结指数（AFI， annual freezing index）的时段。

2.3　Stefan方程

Stefan方程［56］［式（2）］被广泛用于河冰和湖冰厚度估算。

h=h02+2kiFIρiLi

式中：h为待估算的冰厚度；h0为初始冰厚度；ki为冰热导率；ρi为冰密度；Li为融化潜热。

2.4　最大河冰厚度估算

若以7月1日为初始日期进行河冰厚度的估算，此时初始冰厚为0（h0=0），则式（2）可以简化为式（3）。

h=2kiFIρiLi

在区域尺度上，获取冰热导率ki、冰密度ρi和融化潜热Li这些参数难度很大，这限制了Stefan方程在区域尺度的使用。然而，河冰厚度与FI呈现较好的线性关系［30］，故此可将3个难以获得的参数简化为一个整体参数E［式（4）］，则式（3）可进一步简化为式（5）

E=2kiρiLi
h=EFI

式中：E值为冰的导热系数和融化潜热的综合指标。FI为7月1日至待估算日期的冻结指数。

在计算最大河冰厚度时，FI为7月1日至春季冰厚开始减薄时的冻结指数。虽然河冰开始减薄的日期难以确定，但开始减薄后的负温较少，故可以将FI近似为年冻结指数（AFI）。即

MRIT=EAFI

本文首先利用CMIP6近地表日气温数据，统计各河冰观测点处的年冻结指数AFI。然后结合对应的最大河冰厚度观测值，利用式（6）计算各观测点不同年份的E值，并取其多年平均值作为该站点的E因子。最后利用各站点E值和年冻结指数AFI，重建阿拉斯加地区1850—2014年最大河冰厚度，并预测四种不同未来情境下的2015—100年最大河冰厚度。

2.5　最大河冰厚度精度评价

随机抽取各站点70%的最大冰厚数据参与站点E因子的获取，并将剩余30%数据作为验证数据。将验证数据的估算结果与实测结果作对比分析［图2（a）］，结果显示，二者显著相关。经计算，估算结果的平均相对误差为9.7%，平均绝对误差为18.23 cm，标准误差为25.19 cm。误差分布直方图显示［图2（b）］，误差基本呈现正态分布。误差在［-20，20］区间的比例占65.51%，在［-40，40］区间的比例占89.86%。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   最大河冰厚度野外实测值与利用年冻结指数估算的结果的对比分析（a）（灰色虚线为1∶1线）及估算值与实测值差值频率分布直方图（b）

Fig. 2   Results of regression analysis between the MRITs （maximum river ice thicknesses） from gauging sites and the MRITs estimated using Equation （5） ［The gray dash line is y=x （a）］ and frequency histogram of differences between the MRITs from gauging sites and the MRITs estimated using equation （b）


为验证估算数据在趋势分析上的精确度，利用Sen斜率分析了估算的最大河冰厚度在1961—2014年下降速率为（-2.40±0.13） cm·（10a）-1，接近实测数据在该时段的下降速率（-2.60±0.17） cm·（10a）-1［30］，验证了估算数据在趋势分析上的准确性。

可以看出，利用70%的数据参与E值运算，最终获取的最大冰厚具有相对可靠的精度，说明了利用E因子估算最大冰厚的可行性。需要指出的是，更多的年份获取的E值更能代表站点的真实状态，故在本文的最终估算中将所有年份纳入E因子的获取。

3 结果与分析

3.1　最大河冰厚度空间差异

利用以上计算的E值，以及基于CMIP6历史实验数据的1850—2014年和四个未来情景（SSP126、SSP245、SSP370和SSP585）下的2015—2100年近地表日气温数据获取的年冻结指数，重建和预测了各站点1850—2100年的最大河冰厚度。在分析多年平均最大冰厚的空间特征时，考虑到1850—2100年时段较长，为挖掘更为精细的冰厚变化，以每50年人为划分成一个时段进行了分析，即分别统计了1850—1900年、1900—1950年、1950—2000年、2015—2050年和2050—2100年五个时段的平均最大河冰厚度。

3.1.1　最大河冰厚度整体空间差异

从整体上看（图3），1850—1900年、1900—1950年、1950—2000年三个时段的平均最大冰厚的最高值均出现在位于北坡区的站点，分别为（191.43±8.57） cm、（192.11±10.23） cm和（187.45±12.22） cm；最低值均出现在东南内陆区，分别为（47.06±2.97） cm、（45.83±3.27） cm和（45.48±2.82） cm。可以看出，在整个阿拉斯加范围内，多年平均最大冰厚的波动幅度可达近150.00 cm。三个时段的各站点平均最大河冰厚度均与纬度呈现显著正相关关系，与经度呈现显著负相关关系（表1），这说明平均最大河冰厚度自东南向西北呈增厚趋势。相对1850—1900年，44个站点在1900—1950年的平均最大冰厚减薄，减幅从-1.24 cm~-6.04 cm不等。相对于1900—1950年，所有站点在1950—2000年的平均最大冰厚均减薄，减幅最大达-7.20 cm。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   各河冰观测站点历史时期和四种不同未来情景下的各时段平均最大河冰厚度

Fig. 3   The average maximum river ice thickness （MRIT）： 1850—1900 （a）， 1900—1950 （b）， 1950—2000 （c）， 2015—2050 （SSP126） （d）， 2050—2100 （SSP126） （e）， 2015—2050 （SSP245） （f）， 2050—2100 （SSP245） （g）， 2015—2050 （SSP370） （h）， 2050—2100 （SSP370） （i）， 2015—2050 （SSP585） （j）， 2050—2100 （SSP585） （k）


   表1 1850—1900年、1900—1950年、1950—2000年、2015—2050年和2050—2100年五个时段的平均最大河冰厚度与纬度和经度的相关性

Table 1  The correlation coefficients between average maximum river ice thickness （MRIT） and latitude/longitude

因素1850—1900年1900—1950年1950—2000年情景2015—2050年2050—2100年
纬度0.56*0.59*0.58*SSP1260.63*0.65*
SSP2450.65*0.70*
SSP3700.64*0.67*
SSP5850.64*0.64*
经度-0.36*-0.36*-0.34*SSP126-0.26-0.21
SSP245-0.22-0.09
SSP370-0.230.11
SSP585-0.240.21

注：*表示P<0.05。

新窗口打开| 下载CSV


在未来100年，与1850—2000年平均最大冰厚相同，四个未来情景下的2015—2050年平均最大冰厚的最高值均出自位于北坡区站点，分别为（158.25±12.34） cm（SSP126）、（150.60±12.59） cm（SSP245）、（153.75±13.65） cm（SSP370）和（152.05±14.68） cm（SSP585），相比1850—2000年最高值减薄近40 cm。最低值均出现在位于东南内陆区站点，分别为（40.23±3.02） cm（SSP126）、（38.83±3.34） cm（SSP245）、（39.94±3.40） cm（SSP370）和（39.57±3.49） cm（SSP585），相比1850—2000年最低值减薄约6 cm。同样，2050—2100年平均最大冰厚也出现在北坡区，分别为（144.10±10.30） cm（SSP126）、（127.62±14.34） cm（SSP245）、（97.02±25.81） cm（SSP370）和（82.91±25.14） cm（SSP585）。相比1850—2000年最高值减薄幅度更是高达约50~110 cm，且随着辐射强迫的加强，其降幅增大。最低值除在SSP126情景下出现在东南内陆区［（37.93±3.37） cm］外，其他三个情景下均在库克海湾区，分别为（33.97±7.05） cm（SSP245）、（27.06±8.12） cm（SSP370）和（22.32±7.92） cm（SSP585）。相比1850—2000年最低值减薄约8~26 cm。可见，未来50年，在整个阿拉斯加范围内，多年平均最大冰厚的波动幅度超过110.00 cm，但到了21世纪后半叶，波动幅度下降至约60.00 cm。在未来100年平均最大冰厚最大值降幅远高于最小值的降幅。

两个时段的平均最大河冰厚度在四种情景下均与纬度呈现显著负相关关系（表1），指示了其由南向北逐渐增厚的特点，但与1850—2000年不同的是，其与经度无显著相关关系（表1），这说明平均最大河冰厚度在东西方向上无明显差异，可能指示了在未来气温加剧的情形下，海洋对河冰的影响会降低。相对于2015—2050年，2050—2100年所有站点的平均最大冰厚在四个未来情景下均减薄，其中，SSP126的减幅从-2.35 cm至-18.45 cm，SSP245的减幅从-4.30 cm至-29.38 cm，SSP370的减幅从-9.80 cm至-68.13 cm，SSP585的减幅从-12.26 cm至-82.95 cm。可见，随着社会脆弱性的加剧和辐射强迫的增强，相对于21世纪前半叶，多年平均最大冰厚在21世纪后半叶的减幅在加大。

3.1.2　不同气候区的最大河冰厚度

从不同气候区看，在1850—1900年、1900—1950年和1950—2000年，北坡区的平均最大冰厚最大（表2），其分别达191.00、191.71和186.66 cm；其次为西海岸区。位于阿拉斯加南部的库克海湾区为平均最大冰厚的低值区，其在三个时段未到北坡区的1/2。相对于1850—1900年，各自然区河冰在1950—2000年的厚度均下降，且西海岸区降幅最大，达到-6.84 cm。

表2   各气候区在1850—1900年、1900—1950年和1950—2000年的平均最大冰厚 (cm)

Table 2  The average maximum river ice thickness during 1850—1900， 1900—1950 and 1950—2000 in every climatic zone

气候区1850—1900年1900—1950年1950—2000年
北坡区191.00191.71186.66
西海岸区137.39134.08130.55
东北内陆区111.44109.05108.13
中部内陆区107.59105.06103.75
东南内陆区91.8189.3588.65
布里斯托尔湾区88.3484.2083.24
库克海湾区83.1279.5778.90

新窗口打开| 下载CSV


在四种不同情景（SSP126、SSP245、SSP370和SSP585）下（表3），北坡区的平均最大河冰厚度均最大，其在SSP126情景下2015—2050年的平均值为158.06 cm，为同情景下同时期库克海湾区（65.21 cm）的2倍多；在2050—2100年，北坡区减薄了近-14.00 cm，降幅最大，其次为西海岸区，而位于南部的库克海湾区仅减薄6.37 cm。在SSP245、SSP370和SSP585三个情景下，也表现出北坡区和西海岸区减薄幅度大于其他气候区的现象。

表3   各气候区在不同情景（SSP126、SSP245、SSP370和SSP585）下在2015—2050年和2050—2100年的平均最大冰厚 (cm)

Table 3  The average maximum river ice thickness during 2015—2050 and 2050—2100 in every climatic zone under four future scenarios （SSP126， SSP245， SSP370 and SSP585）

气候区2015—2050年2050—2100年
SSP126SSP245SSP370SSP585SSP126SSP245SSP370SSP585
北坡区158.06150.20153.44151.96144.09127.5795.7280.94
西海岸区108.27100.52103.75103.6897.4381.2359.9649.45
东北内陆区96.0892.7195.0594.1990.5383.1472.1365.56
中部内陆区90.9986.8989.3088.9385.3076.4464.8058.22
东南内陆区78.3575.4277.6276.9273.6066.8258.2552.63
布里斯托尔湾区67.6662.8165.3165.3360.8049.9838.5632.28
库克海湾区65.2161.3763.9663.3558.8449.9239.9433.32

新窗口打开| 下载CSV


3.2　1850—2100年最大河冰厚度时间变化特征

3.2.1　1850—2100年最大河冰厚度整体变化

根据以上建立的48个站点1850—2100年最大河冰厚度，分析了阿拉斯加地区整体最大河冰厚度变化趋势特征（图4）。结果显示，1850—2014年，最大河冰厚度呈显著下降趋势，下降速率为（-0.72±0.25） cm·（10a）-1（P<0.05）。2015—2100年，在SSP126情景下平均变化速率为（-1.39±0.76） cm·（10a）-1，SSP245为（-3.10±0.73） cm·（10a）-1，SSP370为（-6.09±0.79） cm·（10a）-1，SSP585为（-7.45±0.63） cm·（10a）-1（P<0.05）。可见，随着社会脆弱性的加剧和辐射强迫的增强，最大河冰厚度的减薄速率加大，可达历史时期下降速率的近2倍（SSP126）、5倍（SSP245）、9倍（SSP370）和11倍（SSP585）。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   基于CMIP6历史实验和四个不同情景（SSP126、SSP245、SSP370和SSP585）下的阿拉斯加地区1850—2100年整体最大河冰厚度变化趋势

Fig. 4   Trends of mean maximum river ice thicknesses （MRITs） across Alaska from 1850 to 2100 based on annual FIs calculated from daily air temperature outputs of CMIP6 historical experiment and for scenarios （SSP126， SSP245， SSP370 and SSP585）


3.2.2　1850—2100年最大河冰厚度变化速率空间差异

各站点最大冰厚在1850—2014年均呈现出显著下降的趋势［图5（a），P<0.05］。相关分析结果表明变化速率与纬度无明显相关关系，即变化速率在南北方向上无显著差异；变化速率与经度呈显著正相关关系（表4），即最大冰厚越往西减薄越快。最快的下降速率出现在位于西海岸区的站点，下降速率达-1.42 cm·（10a）-1。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   1850—2014年最大河冰厚度变化率（a）以及不同未来情景下的2015—2100年最大河冰厚度变化率

Fig. 5   The changing rates of the maximum river ice thickness （MRIT） during 1850—2014 （a）， and under the four future scenarios of SSP126 （b）， SSP245 （c）， SSP370 （d） and SSP585 （e） during 2015—2100


表4   1850—2014年最大河冰厚度变化率以及不同未来情景下的2015—2100年最大河冰厚度变化率与纬度和经度的相关性

Table 4  The correlation coefficients between the changing rates of the maximum river ice thickness （MRIT） and latitude/longitude

因素1850—2014年2015—2100年
SSP126SSP245SSP370SSP585
纬度0.05-0.42*-0.23*-0.38*-0.40*
经度0.78*0.58*0.62*0.61*0.58*

注：*表示P<0.05。

新窗口打开| 下载CSV


在四个未来情景下，2015—2100年各站点的最大冰厚均呈现出了显著下降趋势［图5（b）~5（e），P<0.05］。相关分析表明，除SSP245情景下与纬度无显著相关外，其他三个情景下最大冰厚变化速率与纬度呈显著负相关（表4），即在南北方向上最大河冰厚度呈现出越往北减薄越快的特点，这与1850—2014年变化速率在纬度上无显著差异不同；四个情境下的变化速率均与经度显著正相关（表4），这与1850—2014年相同，即在未来100年最大河冰厚度也呈现出越往西下降越快的特点。

从不同气候区上看（表5），1850—2014年，西海岸区的平均下降速率高于其他地区［-1.14 cm·（10a）-1，P<0.05］，其次为北坡区［-0.87 cm·（10a）-1，P<0.05］，下降最为缓慢的为东南内陆区［-0.52 cm·（10a）-1，P<0.05］。2015—2100年，北坡区和西海岸区在四个不同情景下均有较快的减薄速度，东北内陆区和东南内陆区减薄相对较缓慢。相对于1850—2014年，各个区域的最大河冰厚度在2015—2100年均加速减薄，减薄速率可达历史时期的1~2倍（SSP126）、3~4倍（SSP245）、7~8倍（SSP370），甚至10~12倍（SSP585）。

表5   各气候区在历史实验（1850—2014年）和四个不同情景（2015—2100年）下的最大河冰厚度变化速率［单位：cm·（10a）-1，P<0.05］

Table 5  The changing rate of maximum river ice thickness from 1850 to 2014 and from 2015 to 2100 under four future scenarios （SSP126， SSP245， SSP370 and SSP585）

气候区历史实验SSP126SSP245SSP370SSP585
西海岸区-1.14-2.07-4.67-9.95-11.80
北坡区-0.87-2.70-5.77-13.38-16.09
布里斯托尔湾区-0.86-1.07-3.32-6.02-7.16
库克海湾区-0.69-1.11-2.94-5.38-6.60
中部内陆区-0.66-1.09-2.59-5.52-6.82
东北内陆区-0.57-1.12-2.43-5.10-6.44
东南内陆区-0.52-0.88-2.19-4.29-5.43

新窗口打开| 下载CSV


4 讨论

本文利用Stefan方程和CMIP6 CanESM模式数据对最大河冰厚度进行估算，估算精度分析显示存在一定误差。影响估算精度的潜在因素有以下几个方面：

第一个因素是E因子。E因子是冰的导热系数和融化潜热的综合指标。然而，在北极地区，河冰往往被积雪覆盖。根据以往的研究，冰厚是气温和积雪共同作用的结果［30］，因此E因子也包含了积雪的影响。本文利用年冻结指数与对应的实测最大河冰厚度计算各河冰观测站点的E因子，并取其平均值作为站点E值（图6）。然而，在重建或预测长时间尺度的河冰厚度时，尤其是在E因子中含有积雪因素的情况下，E因子可能会随着气候的变化而发生变化。图6展示出E因子在空间上存在明显差异，也进一步印证了不同气候条件下E值会有所变化。因此，本文使用平均E值估算长时间尺度的最大冰厚，存在误差。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   利用年冻结指数（基于CMIP6历史实验的近地表日气温数据）与对应的实测最大河冰厚度计算各河冰观测站点的E因子及其标准差

Fig. 6   The values of E in Equation （5） and their standard deviations （STDs） which were estimated by the annual FIs calculated from daily air temperature outputs of CMIP6 experiment and the maximum river ice thicknesses （MRTIs）


第二个因素是冻结指数。根据最大河冰厚度计算公式，年冻结指数是计算最大冰厚的决定性因素之一。然而，冻结指数是基于CMIP6 CanESM模式数据统计获取，它与站点观测数据存在误差。另外，CMIP6 CanESM模式数据为栅格数据，而实际野外观测的河冰厚度数据是站点尺度，模式获取的冻结指数存在以面代点的情况，这也可能导致其与站点处实际冻结指数不符，从而最终导致河冰估算误差加大。

综上，高精度的河冰厚度估算，需要长时间大范围的野外观测，包括河冰厚度、河冰属性、积雪厚度、积雪属性等，以及气象观测，收集更加全面的观测数据，从而明晰河冰冻融过程及各种因素影响机理，建立完善的河冰估算模型。

5 结论

本研究利用阿拉斯加地区河冰站点实测最大厚度数据、CMIP6 CanESM模式下的历史实验数据及四种未来情景下（SSP126、SSP245、SSP370和SSP585）的近地表日气温数据统计的冻结指数，估算了Stefan方程中用于计算河冰厚度的E因子，并由此建立了1850—2100年最大河冰厚度，从而分析并获取了阿拉斯加地区1850—2100年最大河冰厚的时空变化特征。主要结论如下：

（1）河冰在1850—1900年、1900—1950年、1950—2000年、2015—2050年和2050—2100年的平均最大冰厚在纬度方向上均呈现自南向北增厚的特征，在经度方向上，前三时段的平均最大冰厚由东向西增厚，但2015—2050年和2050—2100年平均最大冰厚在东西方向上无明显差异。北坡区在各时段的平均值均最大，库克湾区平均值最小，不足对应时期北坡区的1/2。

（2）整体上，阿拉斯加地区1850—2100年最大河冰厚度呈显著下降趋势。其中，1850—2014年下降速率为（-0.72±0.25） cm·（10a）-1。2015—2100年，在SSP126情景下为（-1.39±0.76） cm·（10a）-1，SSP245为（-3.10±0.73） cm·（10a）-1，SSP370为（-6.09±0.79） cm·（10a）-1，SSP585为（-7.45±0.63） cm·（10a）-1。

（3）1850—2100年下降速率在空间上呈现出自东向西增大的特点，在南北方向上，除1850—2014年和SSP245情景下的2015—2100年变化速率无明显差异外，其他三个情景下的变化速率自南向北加快。西海岸区和北坡区站点变化速率快于其他气候区。

北极阿拉斯加地区最大河冰厚度有着显著的时空差异，且随着社会脆弱性的加剧和辐射强迫的增强，未来100年最大冰厚减薄愈发明显。鉴于河冰对当地生产生活的重要作用，本研究可为当地居民和政府如何应对河冰变化提供数据支持。另外，关于河冰厚度的时空差异，还需进一步研究。

参考文献

IPCC.

Climate change 2021： the physical science basis： Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change

［R］. Cambridge， UK： Cambridge University Press， 2021.

[本文引用: 1]

Kim K Y， Hamlington B D， Na H， et al.

Mechanism of seasonal Arctic sea ice evolution and Arctic amplification

［J］. The Cryosphere， 2016， 10（5）： 2191-2202.

Serreze M C， Barry R G.

Processes and impacts of Arctic amplification： a research synthesis

［J］. Global and Planetary Change， 2011， 77（1）： 85-96.

[本文引用: 1]

Walsh J E， Overland J E， Groisman P Y， et al.

Ongoing climate change in the Arctic

［J］. AMBIO， 2011， 40（1）： 6-16.

[本文引用: 1]

AMAP A. Climate change update 2019： an update to key findings of snow， water， ice and permafrost in the Arctic （SWIPA） 2017［M］. Oslo， Norway： Arctic Monitoring and Assessment Programme （AMAP）， 2019： 12.

[本文引用: 1]

Cai Ziyi， You Qinglong， Chen Deliang， et al.

Review of changes and impacts of the cryosphere under the background of rapid Arctic warming

［J］. Journal of Glaciology and Geocryology， 2021， 43（3）： 902-916.

[本文引用: 1]

蔡子怡， 游庆龙， 陈德亮， 等.

北极快速增暖背景下冰冻圈变化及其影响研究综述

［J］. 冰川冻土， 2021， 43（3）： 902-916.

[本文引用: 1]

Comiso J C， Meier W N， Gersten R.

Variability and trends in the Arctic Sea ice cover： results from different techniques

［J］. Journal of Geophysical Research： Oceans， 2017， 122（8）： 6883-6900.

[本文引用: 1]

Kwok R.

Arctic sea ice thickness， volume， and multiyear ice coverage： losses and coupled variability （1958—2018）

［J］. Environmental Research Letters， 2018， 13（10）： 105005.

Perovich D K， Richter-Menge J A.

Loss of sea ice in the Arctic

［J］. Annual Review of Marine Science， 2009， 1： 417-441.

Screen J A， Simmonds I.

The central role of diminishing sea ice in recent Arctic temperature amplification

［J］. Nature， 2010， 464（7293）： 1334-1337.

Stroeve J C， Serreze M C， Holland M M， et al.

The Arctic’s rapidly shrinking sea ice cover： a research synthesis

［J］. Climatic Change， 2012， 110（3）： 1005-1027.

[本文引用: 1]

Blunden J， Arndt D S.

State of the climate in 2015

［J］. Bulletin of the American Meteorological Society， 2016， 97（8）： Si-S275.

[本文引用: 1]

Peng X， Zhang T， Frauenfeld O W， et al.

Spatiotemporal changes in active layer thickness under contemporary and projected climate in the Northern Hemisphere

［J］. Journal of Climate， 2018， 31（1）： 251-266.

[本文引用: 2]

Jones M K W， Pollard W H， Jones B M.

Rapid initialization of retrogressive thaw slumps in the Canadian high Arctic and their response to climate and terrain factors

［J］. Environmental Research Letters， 2019， 14（5）： 055006.

[本文引用: 1]

Cauvy-Fraunié S， Dangles O.

A global synthesis of biodiversity responses to glacier retreat

［J］. Nature Ecology & Evolution， 2019， 3（12）： 1675-1685.

[本文引用: 1]

Sommer C， Malz P， Seehaus T C， et al.

Rapid glacier retreat and downwasting throughout the European Alps in the early 21st century

［J］. Nature Communications， 2020， 11（1）： 3209.

Guo Wanqin， Zhang Zhen， Wu Kunpeng， et al.

A review on the advances in surge-type glacier study

［J］. Journal of Glaciology and Geocryology， 2022， 44（3）： 954-970.

[本文引用: 1]

郭万钦， 张震， 吴坤鹏， 等.

跃动冰川研究进展

［J］. 冰川冻土， 2022， 44（3）： 954-970.

[本文引用: 1]

Brown R D， Robinson D A.

Northern Hemisphere spring snow cover variability and change over 1922—2010 including an assessment of uncertainty

［J］. The Cryosphere， 2011， 5（1）： 219-229.

[本文引用: 1]

Liston G E， Hiemstra C A.

The changing cryosphere： pan-Arctic snow trends （1979—2009）

［J］. Journal of Climate， 2011， 24（21）： 5691-5712.

Luomaranta A， Aalto J， Jylhä K.

Snow cover trends in Finland over 1961—2014 based on gridded snow depth observations

［J］. International Journal of Climatology， 2019， 39（7）： 3147-3159.

Zhong X， Zhang T， Kang S， et al.

Spatiotemporal variability of snow cover timing and duration over the Eurasian continent during 1966—2012

［J］. Science of the Total Environment， 2021， 750： 141670.

[本文引用: 1]

Takács K， Kern Z， Pásztor L.

Long-term ice phenology records from eastern-central Europe

［J］. Earth System Science Data， 2018， 10（1）： 391-404.

[本文引用: 1]

Shiklomanov A I， Lammers R B.

River ice responses to a warming Arctic： recent evidence from Russian rivers

［J］. Environmental Research Letters， 2014， 9（3）： 035008.

[本文引用: 2]

Yang X， Pavelsky T M， Allen G H.

The past and future of global river ice

［J］. Nature， 2020， 577（7788）： 69-73.

[本文引用: 1]

Beaton A， Whaley R， Corston K， et al.

Identifying historic river ice breakup timing using MODIS and Google Earth Engine in support of operational flood monitoring in Northern Ontario

［J］. Remote Sensing of Environment， 2019， 224： 352-364.

[本文引用: 2]

Chen Y， She Y.

Long-term variations of river ice breakup timing across Canada and its response to climate change

［J］. Cold Regions Science and Technology， 2020， 176： 103091.

Cooley S W， Pavelsky T M.

Spatial and temporal patterns in Arctic river ice breakup revealed by automated ice detection from MODIS imagery

［J］. Remote Sensing of Environment， 2016， 175： 310-322.

[本文引用: 1]

Dolan W， Pavelsky T.

Pan-Arctic detection of river ice breakup and freeze-up timing on rivers wider than 150 m using MODIS imagery from 2000—2019

［C］// AGU Fall Meeting Abstracts， 2019， 2019： C54B-03.

Prowse T， Alfredsen K， Beltaos S， et al.

Past and future changes in Arctic lake and river ice

［J］. Ambio， 2011， 40（1）： 53-62.

[本文引用: 1]

Yang R， Zhang T.

Dramatic thinning of Alaskan river ice and its climatic controls

［J］. Advances in Climate Change Research， 2022， 13（5）： 623-631.

[本文引用: 4]

Beltaos S.

Hydrodynamics of storage release during river ice breakup

［J］. Cold Regions Science and Technology， 2017， 139： 36-50.

[本文引用: 1]

Pavelsky T M， Zarnetske J P.

Rapid decline in river icings detected in Arctic Alaska： implications for a changing hydrologic cycle and river ecosystems

［J］. Geophysical Research Letters， 2017， 44（7）： 3228-3235.

[本文引用: 1]

Prowse T D， Brown K.

Hydro-ecological effects of changing Arctic river and lake ice covers： a review

［J］. Hydrology Research， 2010， 41（6）： 454-461.

[本文引用: 2]

Salonen K， Leppäranta M， Viljanen M， et al.

Perspectives in winter limnology： closing the annual cycle of freezing lakes

［J］. Aquatic Ecology， 2009， 43（3）： 609-616.

[本文引用: 1]

Shuter B， Finstad A， Helland I， et al.

The role of winter phenology in shaping the ecology of freshwater fish and their sensitivities to climate change

［J］. Aquatic Sciences， 2012， 74（4）： 637-657.

Vanderploeg H A， Bolsenga S J， Fahnenstiel G L， et al.

Plankton ecology in an ice-covered bay of Lake Michigan： utilization of a winter phytoplankton bloom by reproducing copepods

［J］. Hydrobiologia， 1992， 243（1）： 175-183.

[本文引用: 1]

Arp C D， Jones B M， Urban F E， et al.

Hydrogeomorphic processes of thermokarst lakes with grounded‐ice and floating‐ice regimes on the Arctic coastal plain， Alaska

［J］. Hydrological Processes， 2011， 25（15）： 2422-2438.

[本文引用: 1]

Ling F， Zhang T.

Numerical simulation of permafrost thermal regime and talik development under shallow thaw lakes on the Alaskan Arctic Coastal Plain

［J］. Journal of Geophysical Research： Atmospheres， 2003， 108（D16）： 4511.

Zheng L， Overeem I， Wang K， et al.

Changing Arctic river dynamics cause localized permafrost thaw

［J］. Journal of Geophysical Research： Earth Surface， 2019， 124（9）： 2324-2344.

[本文引用: 1]

Hovelsrud G K， Poppel B， van Oort B， et al.

Arctic societies， cultures， and peoples in a changing cryosphere

［J］. Ambio， 2011， 40（1）： 100-110.

[本文引用: 1]

Knoll L B， Sharma S， Denfeld B A， et al.

Consequences of lake and river ice loss on cultural ecosystem services

［J］. Limnology and Oceanography Letters， 2019， 4（5）： 119-131.

Pearce T， Smit B， Duerden F， et al.

Inuit vulnerability and adaptive capacity to climate change in Ulukhaktok， Northwest Territories， Canada

［J］. The Polar Record， 2010， 46（2）： 157-177.

[本文引用: 1]

Arp C D， Cherry J E， Brown D R N， et al.

Observation-derived ice growth curves show patterns and trends in maximum ice thickness and safe travel duration of Alaskan lakes and rivers

［J］. The Cryosphere， 2020， 14（11）： 3595-3609.

[本文引用: 1]

Liu Bin， Ji Honglan， Zhai Yongguang， et al.

Ice thickness inversion and ice storage estimation of Yellow River based on satellite radar characteristic parameters

［J］. Journal of Glaciology and Geocryology， 2022， 44（5）： 1470-1481.

[本文引用: 1]

刘斌， 冀鸿兰， 翟涌光， 等.

基于星载雷达特征参数的黄河冰厚反演及冰储量估算

［J］. 冰川冻土， 2022， 44（5）： 1470-1481.

[本文引用: 1]

Mäkynen M， Cheng B， Similä M.

On the accuracy of thin-ice thickness retrieval using MODIS thermal imagery over Arctic first-year ice

［J］. Annals of Glaciology， 2013， 54（62）： 87-96.

Preußer A， Willmes S， Heinemann G， et al.

Thin-ice dynamics and ice production in the Storfjorden polynya for winter-seasons 2002/2003—2013/2014 using MODIS thermal infrared imagery

［J］. The Cryosphere， 2015， 9： 1063-1073.

[本文引用: 1]

Launiainen J， Cheng B.

Modelling of ice thermodynamics in natural water bodies

［J］. Cold Regions Science and Technology， 1998， 27（3）： 153-178.

[本文引用: 1]

Vavrus S J， Wynne R H， Foley J A.

Measuring the sensitivity of southern Wisconsin lake ice to climate variations and lake depth using a numerical model

［J］. Limnology and Oceanography， 1996， 41（5）： 822-831.

Wang Guanxin， Zhang Tingjun， Yang Ruimin， et al.

Lake ice changes in the Third Pole and the Arctic

［J］. Journal of Glaciology and Geocryology， 2020， 42（1）： 124-139.

[本文引用: 1]

汪关信， 张廷军， 杨瑞敏， 等.

从第三极到北极： 湖冰研究进展

［J］. 冰川冻土， 2020， 42（1）： 124-139.

[本文引用: 1]

Assel R A， Robertson D M.

Changes in winter air temperatures near Lake Michigan， 1851—1993， as determined from regional lake‐ice records

［J］. Limnology and Oceanography， 1995， 40（1）： 165-176.

[本文引用: 1]

Palecki M， Barry R.

Freeze-up and break-up of lakes as an index of temperature changes during the transition seasons： a case study for Finland

［J］. Journal of Climate and Applied Meteorology， 1986， 25（7）： 893-902.

[本文引用: 1]

Duguay C R， Flato G M， Jeffries M O， et al.

Ice‐cover variability on shallow lakes at high latitudes： model simulations and observations

［J］. Hydrological Processes， 2003， 17（17）： 3465-3483.

[本文引用: 1]

Gao S， Stefan H G.

Potential climate change effects on ice covers of five freshwater lakes

［J］. Journal of Hydrologic Engineering， 2004， 9（3）： 226-234.

Korhonen J.

Long-term changes in lake ice cover in Finland

［J］. Hydrology Research， 2006， 37（4/5）： 347-363.

Marszelewski W， Skowron R.

Ice cover as an indicator of winter air temperature changes： case study of the Polish Lowland lakes

［J］. Hydrological Sciences Journal， 2006， 51（2）： 336-349.

[本文引用: 1]

Stefan J.

Über die Theorie der Eisbildung， insbesondere über die Eisbildung im Polarmee

［J］. Annals of Physics and Chemistry， 1891， 42： 269-286.

[本文引用: 2]

Zhang T， Frauenfeld O W， Serreze M C， et al.

Spatial and temporal variability in active layer thickness over the Russian Arctic drainage basin

［J］. Journal of Geophysical Research： Atmospheres， 2005， 110（D16）： D16101.

[本文引用: 1]

Zhang T， Osterkamp T E， Stamnes K.

Effects of climate on the active layer and permafrost on the north slope of Alaska， U.S.A

［J］. Permafrost and Periglacial Processes， 1997， 8（1）： 45-67.

Liu Wenhui， Xie Changwei， Liu Hairui， et al.

Application of Stefan equation on simulating freezing-thawing process of permafrost

［J］. Journal of Glaciology and Geocryology， 2022， 44（1）： 327-339.

[本文引用: 1]

刘文惠， 谢昌卫， 刘海瑞， 等.

Stefan方程在土壤冻融过程模拟中的应用

［J］. 冰川冻土， 2022， 44（1）： 327-339.

[本文引用: 1]

Bieniek P A， Bhatt U S， Thoman R L， et al.

Climate divisions for alaska based on objective methods

［J］. Journal of Applied Meteorology and Climatology， 2012， 51（7）： 1276-1289.

[本文引用: 3]

Zhang Lixia， Chen Xiaolong， Xin Xiaoge.

Short commentary on CMIP6 Scenario Model Intercomparison Project （ScenarioMIP）

［J］. Climate Change Research， 2019， 15（5）： 519-525.

[本文引用: 1]

张丽霞， 陈晓龙， 辛晓歌.

CMIP6情景模式比较计划（ScenarioMIP）概况与评述

［J］. 气候变化研究进展， 2019， 15（5）： 519-525.

[本文引用: 1]

O’Neill B C， Tebaldi C， Van Vuuren D P， et al.

The scenario model intercomparison project （ScenarioMIP） for CMIP6

［J］. Geoscientific Model Development， 2016， 9（9）： 3461-3482.

[本文引用: 1]

/

〈 〉

陇ICP备2021001824号-10
　 甘公网安备 62010202000676号
网站版权 © 《冰川冻土》编辑部
地址：兰州市天水中路8号　
邮编：730000　电话：0931-8260767　
E-mail：edjgg@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司