到2100年亚洲高海拔地区冰川的预计消融情况：将质量损失与不同步的峰值径流联系起来

《Journal of Hydrology》：Projected depletion of high mountain Asia glaciers by 2100: linking mass loss to asynchronous peak runoff

　　

• •
  对亚洲高山区17个流域的冰川规模模拟显示，各区域的峰值水量出现时间以及质量损失速度存在差异。
• •
  小型冰川的峰值径流出现时间更早，且退缩速度较快，而大型高海拔冰川则能在本世纪末之前起到缓冲作用。
• •
  到2100年，与2000年相比，亚洲高山区所有冰川的质量将减少70.7?±?9.6%，而在2001–2020年和2081–2100年间，整个冰川覆盖区域的径流量将下降10?±?6.5%。
• •
  通过聚类分析，可发现三种与冰川形态及区域气候相关的典型径流模式。
• •
  针对不同流域特点，按冰川类型进行精准的水资源规划，对于应对未来的水文风险至关重要。

引言

亚洲高山区地区的冰川覆盖区域径流正逐渐接近临界值。不过不同地区的峰值出现时间并不一致。由于该地区地形和气候条件差异较大，各处的峰值水量并不会同时到达（Lyu等人，2024；Zhu等人，2023）。在气候变暖的情况下，大型高海拔冰川仍能继续缓冲融水流动（Afzal等人，2025），而小型低海拔冰川可能早已过了其峰值贡献期（Afzal等人，2023；Lyu等人，2024）。这种冰川行为的差异性凸显出了解析亚洲高山区径流时间动态的必要性，该地区关乎数十亿人的水资源安全（Immerzeel等人，2020）。

亚洲高山区常被称为“亚洲水塔”，它是极地以外雪盖和冰川最集中的区域，为亚洲众多重要河流提供水源（Immerzeel等人，2020；Yao等人，2022）。在印度河和阿姆河等冰川覆盖严重的流域，融水起着至关重要的作用，而在以降雨为主的恒河、长江和黄河流域，融水的作用则相对较小（Immerzeel等人，2010）。复杂的地形以及不同的大气环流模式进一步加剧了气候差异，导致冰川反应不一致，进而影响下游的水资源状况（Khanal等人，2021；Miller等人，2012）。

该地区的变暖速度超过了全球平均水平（Krishnan等人，2019；Pepin等人，2015），其后果十分明显：冰川退缩加速，极端水文事件频发，峰值径流时间也出现差异，这些都在改变该地区的河流流动规律（Bolch等人，2012；Wijngaard等人，2017；Xiao等人，2023）。尽管人们越来越重视这些变化，但对于不同大小和海拔等级的冰川覆盖区域的峰值径流出现时间和强度，目前仍缺乏准确的了解（Huss和Hock，2018；Rounce等人，2023）。

冰川的形态，尤其是大小和末端海拔高度，会显著影响融水的出现时间。小型低海拔冰川的峰值径流出现时间比大型高海拔冰川早数十年（Afzal等人，2025；Huss和Hock，2018）。因此，整个流域的供水情况并非由单一的峰值径流事件决定，而是由不同形态的冰川各自按照自身的时间尺度对变暖做出反应共同作用的结果。目前大多数针对亚洲高山区的建模研究都缺乏足够的分辨率，无法体现这种内部差异，也就难以准确描述冰川的大小和海拔如何影响整个流域的径流时间（Hock等人，2019；Marzeion等人，2020；Zhao等人，2023）。在亚洲高山区的跨界流域中，这种缺陷更为突出，因为这些流域的水文情况十分复杂，且涉及诸多社会政治因素，需要基于分类型的精确预测，而非整体平均数据（Gleick和Palaniappan，2010；Molden等人，2022）。

目前，区域级和全球级的冰川预测模型已经取得了很大进展，OGGM（Maussion等人，2019；Zekollari等人，2024）、PyGEM（Rounce等人，2023；Rounce等人，2020）以及GloGEM（Huss和Hock，2018）等模型都为理解亚洲高山区的整体质量损失和径流变化提供了重要依据。不过这些模型仍然存在一个共同缺陷：它们给出的径流数据都是整个流域的汇总值，无法体现流域内部的差异。本研究通过一种二维冰川分类框架解决了这一问题，该框架能够区分17个亚洲高山区流域内冰川的形态（大小类别：小型、中型、大型）以及热状态（末端海拔相对于中间海拔的高度）。据我们所知，此前还没有任何研究在CMIP6气候情景以及所有SSP情景下，同时从大小和海拔两个维度分析亚洲高山区流域的峰值径流出现时间和强度。

气候强迫条件、校准方法以及模型结构方面的差异，都会给亚洲高山区冰川覆盖区域的径流估算带来较大不确定性（Marzeion等人，2020；Wimberly等人，2025）。降水偏差、较低的空间分辨率以及简化的冰川动力学模型，都是长期进行可靠水资源规划面临的难题，尤其是在那些需要依靠长期可靠预测来制定旱季用水计划和基础设施建设方案的地区。目前这些研究大多未能准确体现冰川的大小和海拔如何影响整个流域的径流变化。本研究借助OGGM模型，使用历史上的GSWP3-W5E5数据以及CMIP6下的多种情景作为输入，通过按面积和末端海拔对冰川进行分类，从而反映不同大小和海拔等级的冰川对气候变化的敏感度差异。研究首先重建了1940年至2019年的冰川质量平衡情况，确定了不同冰川类别的峰值径流出现时间和强度，进而分析了在多种升温情景下，不同类别冰川的响应差异及其对整个流域径流的影响。这些研究结果对于预测该地区融水变化趋势以及制定适应措施具有重要的现实意义，该地区是全球水资源压力最大的山区之一。

章节摘要

研究区域

亚洲高山区涵盖了10个国家，拥有世界上一些最为壮观的山脉系统，包括青藏高原、帕米尔高原、天山山脉、喀喇昆仑山脉以及喜马拉雅山脉（Khanal等人，2021）。这样的地理环境造就了该地区极为明显的气候差异，从东南部的湿润季风气候到中亚的寒冷干旱气候各不相同。在这片区域内，有17个主要的流域，其中分布着约95,500座冰川，这些冰川覆盖的面积约为97,600平方公里，储存的冰量估计为

气候强迫条件与情景设定

模型的校准以及历史模拟工作使用了GSWP3-W5E5数据集（1940–2019年），该数据集将GSWP3数据与经过偏差校正的ERA5数据按0.5°×0.5°的分辨率结合，用于生成月度温度和降水数据（Kim等人，2017；Lange等人，2021）。温度数据是通过固定的6.5?K/km的递减率转换到冰川所在海拔高度的，这一做法符合大规模冰川建模的常规做法（Hock，2003；Maussion等人，2019）。

亚洲高山区不同季节和地区的温度递减率差异较大，大致为

质量平衡验证

经过校准的模型得出的亚洲高山区整体质量平衡趋势，与独立估算的结果在误差范围内基本一致。在2000–2020年期间，模型计算出的质量平衡值为?0.21?±?0.17?米水当量/平方公里，这一数值与Hugonnet等人（2021年）的研究结果?0.21?±?0.28?米水当量/平方公里几乎完全吻合，偏差几乎为零。在所有12个对比时期中，平均偏差仅为0.03?米水当量/平方公里，均方根误差为0.073?米水当量/平方公里，模型与观测数据的相关系数为0.80。偏差最大的研究结果是Bolch等人（2019年）的成果，其相对偏差达到了?59.46%，这一差异主要源于

不确定性及未来研究方向

亚洲高山区冰川覆盖区域的径流预测存在多重不确定性来源，包括气候强迫条件、模型结构、冰川学相关输入数据以及分类假设等。这些因素都会影响预测径流的空间分布、出现时间以及强度（Wimberly等人，2025）。多模型集合模拟以及大地测量学校准方法能够在一定程度上减轻这些影响，但无法完全消除不确定性。

其中，降水数据的不确定性最为突出。尽管本研究使用了CMIP6框架下的13种模型，并涵盖了四种不同的 SSP情景，

研究结论

本研究揭示，在气候加速变化的背景下，亚洲高山区不同冰川的响应存在明显的空间和维度差异。虽然所有类型的冰川都在持续失去质量，但它们对径流的贡献在时间和强度方面都有所不同，这充分体现了冰川大小、海拔高度以及区域气候对水文演变过程的强大影响。位于南部和东部流域的小型低海拔冰川早已过了峰值径流贡献期，目前正在快速

CRediT作者贡献说明

Muhammad Mannan Afzal：负责原文撰写——初稿编写、模型验证、软件应用、方法设计、正式分析、数据整理以及概念构思。 Fuming Xie：负责软件应用以及正式分析工作。 Yu Zhu：负责结果可视化以及正式分析工作。 Adeel Ahmad Nadeem：负责研究调查以及数据整理工作。 Fazli Hameed：负责正式分析以及数据整理工作。 Yi Luo：负责方法设计以及概念构思工作。 Tandong Yao：负责方法设计以及概念构思工作。 Fubao Sun：负责方法设计以及概念构思工作。 Xin Wang：负责方法设计以及概念构思工作。 Qiao Liu：

利益冲突声明

作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

我们感谢OGGM开发团队提供了开源的冰川建模框架，正是这一框架使得本研究得以开展。

本研究得到了中国国家自然科学基金（项目编号42171129和42361144874）以及中国国家重点研发计划（项目编号2024YFC3013400）的支持。

Muhammad Mannan Afzal|Fuming Xie|Yu Zhu|Adeel Ahmad Nadeem|Fazli Hameed|Yi Luo|Tandong Yao|Fubao Sun|Xin Wang|Qiao Liu|Jyoti Karki|Jun Zhou|Shiyin Liu