1980—2019年藏東南帕隆藏布流域冰川物質平衡模擬

肖樂天， 吳坤鵬， 劉時銀， 楊 威， 申怡園， 高永鵬，謝福明， 田漢強， 魏金月， 青鑫沂

（1. 云南大學 國際河流與生態安全研究院，云南 昆明 650091； 2. 中國科學院 西北生態環境資源研究院 玉龍雪山冰凍圈與可持續發展野外科學觀測研究站，甘肅 蘭州 730000； 3. 中國科學院 青藏高原研究所 青藏高原環境變化與地表過程重點實驗室，北京 100101）

0 引言

過去幾十年里，全球氣候變化對冰川的影響引起了學術界廣泛關注。根據IPCC（Intergovernmental Panel on Climate Change）AR6 最新報告，2011—2020 年全球地表溫度比1850—1900 年升高了1.1 ℃［1］。這導致了全球山地冰川在1971—2019 年間的物質虧損速率為（170±80） Gt·a-1。進入21 世紀后，全球山地冰川物質虧損速率更為顯著，從2000—2009 年間的物質虧損（240±9） Gt·a-1增加到2010—2019 年間的（290±10） Gt·a-1［1-2］。冰川是地球上重要的淡水資源，冰川對全球水循環、海平面上升及生態系統穩定發揮著至關重要的作用。在全球氣候變化背景下，青藏高原的氣溫快速升高導致冰川迅速退縮、冰湖明顯擴張和冰川徑流增加等現象頻繁發生［3-6］。帕隆藏布流域位于青藏高原東南部，氣候變化顯著影響流域內冰川變化。

藏東南是青藏高原冰川物質虧損最為嚴重的區域［7-9］，冰川物質平衡的研究方法主要有花桿觀測法、模型模擬法、大地測量法等。在區域尺度上，利用大地測量的方法觀測冰川物質平衡較為常見，研究發現2000—2020 年藏東南海洋性冰川物質平衡總體處于虧損的狀態，平均物質平衡介于-0.66～-0.61 m w.e.·a-1之間［8-10］，且自2010 年以來，冰川的物質虧損呈現加速態勢，2010—2020 年藏東南地區冰川平均物質平衡達到了-0.75m w. e.·a-1［8］。藏東南的不同山區之間冰川物質平衡差異非常明顯，根據多源遙感數據監測顯示，念青唐古拉地區是藏東南冰川虧損最強烈的區域，在2010—2019 年最高達-1.11 m w.e.·a-1［11-13］，橫斷山區在2003—2009年平均冰川物質虧損為（-0.40±0.41） m w.e.·a-1［14］。在模型模擬方面，Zhang 等［15］使用考慮表磧覆蓋的能量平衡模型重建藏東南海螺溝流域7條海洋性冰川物質平衡，1952—2009 年海螺溝流域平均物質平衡為-0.42m w. e.·a-1；Yang 等［16］在藏東南24K 冰川，在考慮有表磧覆蓋和無表磧情況下使用度日模型對物質平衡計算結果的精度進行了評估，并使用能量平衡模型重建帕隆94 號冰川1980—2010 的物質平衡，結果表明，冰川的物質平衡呈現年際波動，且與大尺度的大氣環流有關［17］。綜上分析，大地測量數據集只能計算近些年冰川物質平衡變化，不能反映冰川物質平衡的年際變化特征，且受限于影像的時期、自然條件，如藏東南云雨天氣較多，會對不同時間段的影像質量造成一定的影響［18］。能量平衡模型考慮精細化的輸入參數，以提高重建和預測的精度，但僅限于單條冰川，且受限于輸入數據的稀缺，不能在區域尺度上進行應用［19-20］。相比而言，冰川溫度指數模型可以重建區域尺度冰川的歷史物質平衡，也可以分析區域冰川的年際變化特征、時空變化特征，具有區域可推廣性［21-22］。

帕隆藏布流域位于雅魯藏布江流域下游，隨著青藏高原氣溫快速升高，該區域冰川物質平衡已發生顯著變化［23］。目前，該流域冰川實測數據匱乏，大地測量數據對長時間歷史序列重建存在局限性［9］，較為精細的能量平衡模型不具有區域推廣性，流域冰川年際變化特征以及對冰川的敏感性研究相對較少［24］。因此，本文將對1980—2019 年帕隆藏布流域冰川物質平衡進行模擬研究，明晰帕隆藏布流域冰川物質平衡年際變化特征以及對氣候變暖的響應機制，對于了解該區域冰川物質平衡變化，評估區域水資源、防范水資源危機以及制定合理水資源管理策略具有重要的科學價值和現實意義。

1 研究區概況

帕隆藏布流域地處青藏高原東南部（圖1），位于喜馬拉雅山脈東段，念青唐古拉山北部、伯舒拉嶺東側，與南部的祁靈公山相鄰。帕隆藏布發源于八宿縣的然烏湖，向西南流經，與易貢藏布匯合后匯入雅魯藏布江。流域地勢東南高、西北低，地理范圍為（95°07′～97°10′ E， 29°12′～30°67′ N）。流域屬于高原溫帶季風半濕潤氣候，位于印度洋夏季季風進入青藏高原的重要水汽通道上，平均氣溫適中，年均氣溫在10～12 ℃之間；降水豐富，年均降水量為884.5 mm，主要集中在6—10 月［25］。濕潤的水汽和較高的海拔使該區域成為海洋性冰川理想的發育場所，是我國除橫斷山以外海洋性冰川最重要和最集中的發育區［26］。帕隆藏布流域擁有豐富的冰川資源（圖2），根據RGI 6.0（Randolph Glacier Inventory），該流域分布有1 554 條冰川，冰川總面積達1 799.4 km2，流域內最大的冰川是雅弄冰川（G096657E29334N），面積為179.58 km2，流域內冰川面積的平均值為1.15 km2。

圖1 帕隆藏布流域地理位置及RGI 6.0冰川分布Fig. 1 Overview of Parlung Zangbo basin and RGI 6.0 glacier distribution

圖2 冰川面積統計Fig. 2 Glacier area statistics

2 數據與方法

2.1 數據來源

本文使用的氣象數據集為GSWP3_W5E5，由ISIMIP3b（Inter-Sectoral Impact Model Intercomparison Project 3b）生產，是OGGM v1.6 系統數據集。時間覆蓋的范圍是1979-2019 年，空間分辨率為0.5°，ISIMIP 項目的固定模型輸入分辨率為0.5°。W5E5 是由ERA5 數據經過偏差矯正之后得到的數據集，W5E5 數據集通過應用WATCH（WFD）強迫數據方法進行偏差矯正，它通過應用一系列高程和月度偏差校正方法來改善再分析數據的準確，W5E5 是由更高分辨率的ERA5 聚合而成W5E5 具有更高的時間分辨率（每小時）和更高的空間變異，對全球分布的13 個FLUXNET2015 站點評估表明，與使用原始的ERA5數據進行模型驅動相比，W5E5的偏差矯正后的月降水量在未校準的水文模型（WaterGAP）中分析時模擬出更合理的全球水文水量平衡成分［27］。W5E5 數據集可以用來計算冰川特定海拔高度的氣溫和降水，對于單條冰川，月氣溫和降水的時間序列從距離冰川最近的W5E5氣象格點提取，然后根據特定的氣溫梯度［0.65 ℃·（100m）-1］轉換成相應海拔梯度的氣溫和降水，由降水矯正參數（pf）用來校準再分析降水數據，從而更精確獲取高海拔地區降水特征。

冰川的邊界信息來自RGI（Randolph Glacier Inventory） 6.0［28］，由全球陸地冰測量空間（GLIMS）開發，2017 年發布，用于模型的初始地形處理。RGI V6.0 冰川邊界的生產年份集中在2000 年左右，在本文中，對模擬時間段內的冰川動力學過程進行簡化，假設1980—1999年的冰川邊界及冰川面積不發生變化，2000—2019 年冰川邊界及冰川面積發生變化［29］。本文使用具有1弧秒分辨率的NASADEM，將根據冰川位置和輪廓下載并插值到本地網絡，NASADEM 是現代化和航天飛機雷達地形任務（SRTM）數據的相關產品，它依靠冰、云和陸地高程衛星（ICE Sat）地球科學激光高度計系統（GLAS）的激光雷達地面控制點來改進地表高程測量，從而提高了地理定位的準確性［30］。OGGM 中冰川厚度的計算方法采用冰通量的方法［31］，冰川的厚度數據使用Farinotti 等［32］發布的全球冰川厚度數據集，當在level3～level5 運行OGGM 模型時，模擬區域的冰川厚度數據將進行校準，以匹配全球冰川厚度數據集在區域尺度上的值。

2.2 OGGM 模型原理及校準

在本文研究中，OGGM（Open Global Glacier Model）是全球開放冰川模型，用于模擬冰川的物質平衡［33］，OGGM 是可以模擬冰川物質平衡、冰厚估算和動力學模擬的開源數值模型框架，是可以模擬冰川動力學的全球模型，該模型依靠淺冰近似來計算沿多條流線上冰川的深度積分通量［34］。OGGM的計算成本合理，計算性能優越［35］，可以在個人計算機上模擬區域冰川尺度。利用OGGM 模型在全球冰川的模擬上，Zhao 等［36］利用模型重建高亞洲冰川物質平衡及預測到21 世紀末高亞洲冰川徑流的變化趨勢，Afzal 等［34］在喀喇昆侖的Hunza 地區重建了該流域1960—2020年冰川歷史物質平衡，并利用CMIP6 數據驅動模型計算到本世紀末該流域冰川徑流的變化。Tang 等［37］利用模型量化青藏高原表面變暗對當地冰川的影響。

在本研究中，使用更新的OGGM v1.6。OGGM 中的冰川物質平衡模塊是Marzeion 等［38］開發的溫度指數模型的拓展版本，能模擬流線冰川網格點歷史物質平衡，計算公式如下：

式中：Mi(z)為z海拔高度帶處的月度物質平衡的值；pf為降水偏差矯正因子；μ*為溫度敏感性因子；(z)為在z海拔高度處月固態降水的值；Ti為月空氣溫度；Tmelt為冰川冰消融的溫度，一般將溫度設置成0 ℃，ε為殘差因子，降水的狀態是根據雨雪分離的閾值來確定的，融點是冰融化時的溫度，在本研究中，Tmelt設置為-1 ℃，我們假設固態降水量等于總降水的百分比，若Ti≤Tsolid（0 ℃），固態降水量為100%，若Ti≥Tliquid（2 ℃），固態降水量為0%，若Tsolid≥Ti≥Tliquid，線性插值得到固態降水的百分比［39］，高海拔地區的降水由于實測數據的匱乏難以量化，因此采用模型的默認設置。

大尺度冰川模型模擬的最大挑戰之一是對于模型的校準，主要原因在于降尺度后的氣象要素不能準確描述冰川區的具體情況［40］，且冰川模型不能精確地解決大尺度范圍冰川的復雜過程，因此需要校準。大多數冰川模型都是使用實測物質平衡數據用于模型的校準［41］，在一些研究中，模型參數被進一步微調以匹配由冰川觀測數據外推得到的區域冰川物質平衡估計值［42］。

帕隆藏布流域內，有長時間實測數據序列的冰川較少，考慮到實測數據的局限性，本文使用全球冰川物質平衡變化數據集（Accelerated global glacier mass loss in the early twenty-first century）［10］用于OGGM 模型的校準， 數據集包含2000—2020 年單條冰川的物質平衡數據，本文選取2000—2020年冰川平均物質平衡數據集作為校準數據集，對OGGM 模型模擬的流域進行校準。校準的參數包括：溫度敏感性參數、降水校正參數、溫度偏差參數。校準采用的方法Huss等［43］采用的三步校準法，使用OGGM v1.6 的‘mb_calibration_from_scalar_mb’函數進行校準，每一個參數都會根據歷史模擬情況被設置在合理的范圍，如溫度敏感性因子被設置在的區間范圍在（1.5，17），降水矯正參數被設置在的范圍為（0.1，10），溫度偏差參數被設置在（-15，15）。通過設置模型的校準順序，根據大地測量數據首先校準溫度敏感性因子，若校準后的溫度敏感性參數不足以匹配大地測量數據，則依次校準降水參數，若校準后的降水參數依舊不能匹配大地測量數據，最后校準溫度偏差參數，使得校準后的參數模擬的物質平衡以匹配大地測量數據，若在三步校準中出現提前匹配大地測量數據，校準程序提前結束。為了最大程度上減少超參數化對模型校準的影響，選擇優先校準溫度敏感性參數，從而使得校準后的參數可以更大程度上匹配冰川區實際的氣象情況。

2.3 OGGM 模擬冰川物質平衡的驗證

用校準后的參數去分別模擬2000—2010 年和2010—2020 年該流域1 554 條冰川的物質平衡，再使用全球冰川物質平衡變化數據集2000—2010 年及2010—2020 年單條冰川的大地測量物質平衡數據用于對校準后的模擬結果進行驗證（圖3）?？紤]到實測數據的局限性，驗證數據包括：帕隆94 號冰川2006—2018年實測數據、全球冰川物質平衡數據集，驗證的范圍包括：流域尺度、海拔帶尺度、單條冰川尺度。

圖3 帕隆藏布流域冰川模型模擬數據與大地測量數據對比Fig. 3 Comparison of glacier model simulation data and geodetic data in Parlung Zangbo basin，from 2000 to 2010 （a） and from 2010 to 2020 （b）

2.3.1 流域尺度上的驗證

使用2000—2020 年大地測量數據集校準后的OGGM 物質平衡模型，模擬帕隆藏布流域2000—2010 年與2010—2020 年帕隆藏布流域冰川物質平衡，將模擬的數據分別與大地測量物質平衡（2000—2010 年每一條冰川10 年平均物質平衡與2010—2020 年每一條冰川10 年平均物質平衡）對比分析，在前10年，模擬結果與大地測量數據集的相關性達到了0.76，后10 年達到了0.79。證實了模型在流域尺度上模擬的可靠性。

2.3.2 海拔帶尺度上的驗證

為了驗證校準后的冰川模型在海拔梯度上模擬的可靠性，選取帕隆藏布流域內物質平衡實測冰川——帕隆94號冰川，帕隆94號冰川實測物質平衡的時間序列為2006—2018年，且帕隆94號冰川花桿的位置主要分布在海拔5 000～5 300 m，利用模型模擬2006—2018 年帕隆94 號冰川在5 000～5 300 m 海拔帶內物質平衡的平均值，與花桿數據對比，考慮到實測數據在每一年花桿的海拔高度和數量的差異性，將測桿數據統計成4 個海拔帶：5 030～5 100 m、5 100～5 200 m、5 200～5 300 m、5 300 m 及以上，除5 300 m僅統計一個數據，每一個海拔帶統計兩個數據，利用校準后的模型模擬帕隆94 號冰川2006—2018 年在5 000～5 300 m 海拔的物質平衡。模擬結果與實測結果顯示出較高的一致性，證明校準后的模型在海拔尺度上模擬結果的可靠性（圖4）。

圖4 2006—2018年不同海拔高度帶帕隆94號冰川實測與模擬對比Fig. 4 Comparison of measured and simulated Parlung Zangbo No. 94 Glacier at different altitudes from 2006 to 2018

2.3.3 單條冰川尺度上的驗證

為了驗證校準后的物質平衡模型在單條冰川上模擬的準確性，選取帕隆94 號冰川2008—2018年的實測物質用于模擬結果的驗證。帕隆94 號冰川的中流線分布在5 000～5 500 m，但是花桿實測數據主要集中在海拔5 000～5 300 m，這里使用外插的方法將冰川的物質平衡數據源外插到整個冰川流線，模擬結果顯示，校準后的模型在單條冰川上的模擬表現較好，在趨勢上，模擬數據與實測數據有較好的相關性（圖5）。

圖5 2008—2018年帕隆藏布94號冰川物質平衡實測與模擬對比Fig. 5 Comparison of measured and simulated mass balance of Parlung Zangbo No. 94 Glacier from 2006 to 2018

2.4 流域冰川物質平衡計算方法

考慮到不同冰川的規模和大小不同。在計算流域物質平衡時，為了提高流域物質平衡計算的準確性，在單條冰川基礎上，計算流域冰川加權面積的物質平衡［44］。

式中：M1代表第一條冰川的年均物質平衡；S1代表冰川的面積；Mn代表的是第n條冰川的年均物質平衡；Sn代表第n條冰川的面積。

3 結果與分析

3.1 帕隆藏布流域歷史物質平衡模擬

通過上述公式，計算得到帕隆藏布流域在1980—2019 年物質平衡為-0.41 m w. e.·a-1， 在1980—1999 年，1 554 條冰川加權面積后，物質平衡為-0.25 m w. e.·a-1，在2000—2019 年物質平衡虧損更為嚴重，達到-0.56 m w.e.·a-1，在2000—2010 年物質虧損為-0.49 m w. e.·a-1，2010—2019 年物質虧損為-0.63 m w. e.·a-1（圖6）。將模型模擬結果與相關研究進行對比，表現出較好的一致性。

圖6 1980—2019帕隆藏布流域冰川物質平衡Fig. 6 Mass balance of glaciers in Parlung Zangpo basin from 1980 to 2019

3.2 帕隆藏布流域冰川物質平衡空間分布特征

在空間上，分析了1980—1999 年帕隆藏布流域冰川物質平衡，圓圈的大小代表了不同的冰川規模，不同的顏色代表了冰川物質平衡的不同區間，分析1980—1999 年流域冰川物質平衡分布，流域在1980—1999 大體上呈現負平衡，其中流域中部和西北部呈現輕微的正平衡，流域的東南部是該時間段內物質虧損最為強烈的區域，最高達到-1.7 m w.e.·a-1。整體的物質虧損特征是：中部、西北部虧損較低，出現輕微正平衡，東南部虧損最為嚴重，在1980—1999 年，流域冰川整體虧損為-0.25 m w.e.·a-1［圖7（a）］。

圖7 帕隆藏布流域冰川物質平衡空間分布Fig. 7 Spatial distribution of glacier mass balance in the Parlung Zangbo basin for the period 1980—1999 （a） and 2000—2019 （b）

2000—2019 年帕隆藏布流域全域冰川物質平衡虧損較為強烈，其中帕隆藏布流域東南部和虧損較為強烈，最高可達-2.7 m w. e.·a-1，流域中西部冰川物質虧損相較于流域的其他區域，稍顯平緩。相較于1980—1999年，流域西北部冰川的虧損速率有所加快，中部冰川依舊是全域虧損最為緩慢的區域。整體的物質虧損特征是：東南部虧損最為強烈，西北部冰川虧損速率較快，中部區域虧損最為緩慢。在2000—2019年，流域冰川整體物質平衡達到-0.56 m w.e.·a-1［圖7（b）］。

分析流域1980—2019 年全域冰川物質平衡變化（圖8），發現物質平衡虧損較為強烈的區域位于帕隆藏布流域東南部和西北部，流域中部和流域西部的冰川相較于其他區域而言，冰川物質虧損較小。分析不同規模冰川的變化情況，1980—1999 年面積小于1 km2的冰川物質平衡在-1 000～0 mm w.e.·a-1的占比為52%，在2000—2019 面積小于1 km2的冰川物質平衡在-1 000～0 mm w.e.·a-1的占比為80%，而面積在1～10 km2的冰川1980—1999 年物質平衡在-1 000～0 mm w. e.·a-1的占比為62%，在2000—2019 的占比則為86%。分析表明，小冰川在21世紀初的20年內，退縮速率在持續加快?？傮w而言，1980—2019 年全域冰川呈現虧損的態勢，隨著全球氣候變暖和局部極端天氣事件，該流域冰川將會處于持續虧損的狀態中。

圖8 1980—2019帕隆藏布流域冰川物質平衡空間分布Fig. 8 Spatial distribution of mass balance of glaciers in the Parlung Zangbo basin from 1980 to 2019

4 討論

4.1 冰川物質平衡敏感性分析

受印度洋夏季季風的影響，藏東南地區的海洋性冰川是對氣候變化最敏感的區域。為了厘清流域冰川對氣溫和降水的敏感性，在其他參數不變的情況下，選取帕隆藏布流域冰川物質虧損最為強烈的時間段（2000—2019 年），通過調整溫度或者降水的單一參數實驗，分析流域冰川物質平衡的變化趨勢（圖9）。實驗中，將溫度以0.5 ℃（K）為參數調整間隔，在其他參數不變的情況下，將溫度在-1.5～1.5 ℃區間進行實驗。同樣，將降水以10%為參數調整間隔，將降水在-30%～30%區間進行實驗，分析冰川的物質平衡對氣溫和降水變化的響應。

圖9 冰川物質平衡敏感性分析Fig. 9 Sensitivity analysis of glacier mass balance

通過分析發現，在提高1 ℃的溫度，流域全域冰川處于虧損之中，其中71.75%的冰川物質平衡變化在-1 000～-500 mm w.e.·a-1，通過下降20%的降水，流域全域物質發生虧損，其中62.81%的冰川物質平衡變化在-450～-300 mm w.e.·a-1。整體而言，帕隆藏布流域冰川，對氣溫的敏感性會大于對降水的敏感性。近些年隨著局部氣溫上升，降水補給對冰川的影響小于氣溫變化帶來的影響，且冰川對氣溫的敏感性遠大于對降水的敏感性，氣候變化下氣溫快速升高，降水對冰川的補給不足，造成冰川處于持續虧損之中。

4.2 冰川物質平衡虧損原因分析

4.2.1 氣象站數據分析

帕隆藏布流域附近，分布有兩個距離最近的國家氣象站，分別是八宿和波密國家氣象站（圖10）。分析這兩座氣象站的歷史氣溫和降水數據，發現在最近40年內，八宿站和波密站氣溫呈現不斷上升的趨勢，降水呈現輕微下降的趨勢，其中八宿氣象站從1980—2014 年的年平均氣溫上升了超過1.5 ℃，波密氣象站從1980—2019 年的40 年間，氣溫上升也超過了1.5 ℃。分析流域冰川物質平衡時間序列，1997年與2009年分別是全域冰川物質平衡虧損最小與最大的年份，通過對比八宿站和波密站的氣溫數據，發現1997 年與2009 年均為兩站氣溫最低與最高的年份，說明氣溫的加速上升是造成帕隆藏布流域冰川快速虧損的主要原因。

圖10 流域國家氣象站氣象數據Fig. 10 Meteorological data of national meteorological stations in the basin： Basu Station （a）， Bomi Station （b）

分析兩個國家氣象站的降水數據，波密站1980—1999 年這20 年間的總降水量達18 554 mm，2000—2019 年總降水量為16 669 mm，相比于前20年，波密氣象站后20 年的降水減少了1 885 mm，總量下降了10%。八宿氣象站在1985—1999 年總降水為4 115 mm，在2000—2014 年為3 789 mm，后15年的總降水相較于前15年的總降水有輕微的減少?？傮w而言，在帕隆藏布流域的兩個國家氣象站的氣溫和降水長時間序列的數據表明，在1980—2019年，帕隆藏布流域氣溫呈現不斷上升的趨勢，相比于1980年，兩個國家氣象站的氣象上升幅度都超過了1.5 ℃，兩個國家氣象站的降水都呈現出減少的趨勢，其中波密站降水減少更為明顯。

4.2.2 再分析數據分析

提取1980—2019年模型驅動數據集在研究區域的變化情況，分析氣溫和降水的空間變化率，全域氣溫呈現上升趨勢，其中氣溫上升最為明顯的區域在流域的西北部，最高可達0.19℃·（10a）-1，流域中部是氣溫上升相對較小的區域，這與我們物質平衡的模擬結果變化情況一致。受印度洋夏季季風的影響，流域南部氣溫上升速率最小，北部氣溫上升速率最大。降水在研究區域的總體變化趨勢為不斷減少，但在帕隆藏布流域的減少幅度較小，平均為-40～-20 mm·（10a）-1，這與在氣象站觀測到的結果接近，說明W5E5數據在帕隆藏布流域的數據表現與在兩個氣象站點觀測到的結果具有較好的相關性（圖11）。

通過分析再分析數據氣溫和降水變化率的空間分布情況，發現氣溫變化的空間分布情況相比降水更為復雜，存在明顯的空間異質性?，F提取流域格點數據，分析流域氣溫和降水的季節性變化特征。分別提取1980—2019年流域夏季（7—10月）與冬季（11月—次年2月）氣溫和降水數據。分析發現夏季氣溫存在明顯的波動，且自21 世紀以來，氣溫呈現明顯的加速上升趨勢，夏季降水的總量較大，但總量總體呈現下降趨勢。冬季氣溫上升平緩，但自21 世紀以來，呈現加速上升的趨勢，冬季降水總量較夏季降水而言偏小，趨勢變化不是特別明顯，但總體而言，呈現略微下降的趨勢（圖12）。

5 不確定性分析

利用OGGM 模型模擬冰川的物質平衡，存在諸多的不確定性因素。首先，冰川對氣候變化的響應劇烈，冰面裂隙、冰內冰下過程、冰崩等過程，都在冰川物質平衡變化中起到了一定的作用，但由于缺乏詳細的野外監測數據和氣象、地形等驅動數據，這些物理過程OGGM 模型考慮較少，且對冰川邊界的理想化考慮，使得模型模擬結果存在一定的不確定性。其次，模型在固液態降水的劃分上采取了相對簡單的雙閾值法，冰川位于高海拔地區，實測資料匱乏，固液態降水閾值的選擇是一個復雜的問題，模型采取雙閾值法對固液態降水進行分離，可能會造成最高海拔地區降水量的誤判，從而對物質平衡模擬的準確性造成一定的影響。最后，冰川表磧對冰川物質平衡有顯著影響，藏東南地區冰川存在表磧覆蓋的情況，表磧覆蓋會對冰川的消融產生影響，然而目前大部分的冰川模型都沒有考慮表磧覆蓋對冰川物質平衡模擬的影響，可以將表磧參數的經驗模型與冰川模型相結合，以量化表磧對冰川物質平衡的影響。

6 結論

本文使用OGGM 模型對藏東南地區帕隆藏布流域近些年冰川物質平衡進行模擬及對其物質虧損進行了歸因分析，主要結論如下：

（1）1980—2019 年帕隆藏布流域全域冰川物質平衡呈現不斷虧損的狀態，為-0.41m w. e.·a-1，在2000—2019年物質平衡虧損更為嚴重，達到-0.56 m w. e.·a-1，2000—2010 年物質虧損為-0.49 m w. e.·a-1，2010—2019年物質虧損為-0.63 m w.e.·a-1。

（2）流域東南部和流域西北部是冰川虧損最為嚴重的區域，流域中部和西部冰川虧損相對更小。流域內小冰川的虧損速率在不斷加快，面積小于1 km2的小冰川在1980—1999 年冰川物質平衡在-1 000～0 mm w. e.·a-1的比重為62%，在2000—2019 年比重上升到80%。而面積在1～10 km2的冰川1980—1999年物質平衡在-1 000～0 mm w.e.·a-1的占比為62%，在2000—2019的占比則為86%。

（3）通過對帕隆藏布流域冰川進行敏感性分析，冰川對氣溫變化的敏感性會大于對降水變化的敏感性。溫度上升1 ℃，71.75%的冰川物質平衡變化在-1 000～-500 mm w. e.·a-1，降水減少20%，62.81%的冰川物質平衡變化在-450～-300 mm w.e.·a-1。

（4）通過分析流域內國家氣象站點數據及再分析數據，發現1980—2019 年氣象站氣溫上升超過1.5 ℃，波密站2000—2019 年總降水相較于前20年，減少了10%，流域降水整體呈現減少的趨勢，再分析數據在冬季與夏季呈現與站點一致的趨勢，氣溫的持續升高和降水的輕微減少導致帕隆藏布流域冰川處于持續虧損之中。