Dynamics of lakes on Fedchenko Glacier from 2016 to 2021

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The aim of this work is to investigate dynamics of lakes on Fedchenko glacier on Pamir mountains, as the area growth of lakes causes faster filtration, lower surface albedo and as consequence raises speed of the glacier and intensity of melting. Lowest part of this glacier has continuous debris cover, low velocities and nearly horizontal surface, which increases the likelihood of lakes in each season. This paper provides insight into the dynamics of the total area of lakes on the last 11.5 km of Fedchenko during 2016–2021, and provides a comparison of the area within and between each season at three altitudinal levels. Lake outlines are identified by combining two indexes – Normalised Difference Water Index and Modified Soil-Adjusted Vegetation Index – which were range-cut in range to separate water from other surfaces on the glacier. The changes in the patterns of seasonal lakes dynamics can be due to various reasons, so temperature and precipitation data are used to analyze the changes in supraglacial lake regime. Result shows that lakes occupy a small percentage of the total area – about 2% for the whole period, with a minimum of 0.7% in 2016 and a maximum of 2.2% in 2020. However, there are significant changes in the dynamics of the lakes, with the amplitude of area doubling from 0.15 km2 to 0.3 km2 over the period 2016–2021, with an increase in the absolute seasonal maximum value by 0.2 km2. The regime also changes rapidly over the six years, from normal with an area peak only in late May in 2016–2018 to more chaotic regime with several peaks, usually two, in May and July, in 2019–2021. An important role in the analysis is played by two largest lakes on Fedchenko Glacier – moraine–dammed lake at the highest altitude range (3300–3600 m a.s.l.) and proglacial lake at the lowest altitude range (2900–3100 m a.s.l.) – which mainly have opposite dynamics comparing to small supraglacial lakes. They are continuously filling up until the end of ablation season, but the result shows that their relative area growth is less than growth of new smaller lakes over a period of six years. The rapid area growth and more chaotic dynamics of supraglacial lakes can indicate specific influence of climate changes on glaciers.

作者简介

S. Koskovetskaya

Federal State Educational Institution of Higher Education “National Research University “Higher School of Economics”

编辑信件的主要联系方式.
Email: svkoskovetskaya@edu.hse.ru
俄罗斯联邦, Moscow

参考

  1. The Muksu River basin (A – Fedchenko glacier system). Catalog of glaciers of the USSR. 1968, 14 (3): 8A. Hydrometeorological Publishing House. [In Russian].
  2. ALOS DSM: Global 30m v3.2. Retrieved from: https://developers.google.com/earth-engine/datasets/catalog/JAXA_ALOS_AW3D30_V3_2 Last access: March 30, 2024
  3. Bazilova V., Kääb A. Mapping Area Changes of Glacial Lakes Using Stacks of Optical Satellite Images. Remote Sensing, 2022, 14 (23): 5973.
  4. Benn D., Bolch T., Hands K., Gulley J., Luckman A., Nicholson L., Quincey D., Thompson S., Toumi R., Wiseman S. Response of debris–covered glaciers in the Mount Everest region to recent warming, and implications for outburst flood hazards. Earth–Science Reviews. 2012, 114 (1–2): 156–174.
  5. Cook S.J., Quincey D. Estimating the volume of Alpine glacial lakes. Earth Surface Dynamics Discussions. 2015, 3: 559–575.
  6. Harmonized Sentinel-2 MSI. Retrieved from: https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_S2_HARMONIZED Last access: May 20, 2024.
  7. Lambrecht A., Mayer C., Aizen V., Floricioiu D., Surazakov A. The evolution of Fedchenko glacier in the Pamir, Tajikistan, during the past eight decades. Journ. of Glaciology. 2014, 60 (220): 233–244.
  8. Lambrecht A., Mayer C., Wendt A., Floricioiu D., Völksen C. Elevation change of Fedchenko Glacier, Pamir Mountains, from GNSS field measurements and TanDEM-X elevation models, with a focus on the upper glacier. Journ. of Glaciology. 2018, 64 (246): 637–648.
  9. Lützow N., Veh G., Korup O. A global database of historic glacier lake outburst floods. Earth Syst. Sci. Data. 2023, 15 (7): 2983–3000.
  10. Melling L., Leeson A., McMillan M., Maddalena J., Bowling J., Glen E., Sandberg Sørensen L., Winstrup M., Lørup Arildsen R. Evaluation of satellite methods for estimating supraglacial lake depth in southwest Greenland. The Cryosphere. 2024, 18 (2): 543–558. https://doi.org/10.5194/tc-18-543-2024
  11. Paul F., Bolch T., Briggs K., Kääb A., McMillan M., McNabb R., Nagler T., Nuth C., Rastner P., Strozzi T., Wuite J. Error sources and guidelines for quality assessment of glacier area, elevation change, and velocity products derived from satellite data in the Glaciers_cci project. Remote Sensing of Environment. 2017, 203: 256–275. http://dx.doi.org/10.1016/j.rse.2017.08.038
  12. RGI 7.0 Consortium. Randolph Glacier Inventory – A Dataset of Global Glacier Outlines, Version 7.0. Boulder, Colorado, USA: NSIDC: National Snow and Ice Data Center, 2023.
  13. Smith C.S.R. Observing the Seasonal Evolution of Supraglacial Ponds in High Mountain Asia: A Supervised Classification Approach. Apollo – University of Cambridge Repository. 2022: 1–132. https://doi.org/10.17863/CAM.89716
  14. Stokes C.R., Popovnin V., Aleynikov A., Gurney S.D., Shahgedanova M. Recent glacier retreat in the Caucasus Mountains, Russia, and associated increase in supraglacial debris cover and supra-/proglacial lake development. Annals of Glaciology. 2007, 46: 195–203. https://doi.org/10.3189/172756407782871468
  15. USGS Landsat 8 Collection 2. Retrieved from: https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LC08_C02_T1_TOA Last access: May 20, 2024.
  16. Veettil B.K., Kamp U. Glacial Lakes in the Andes under a Changing Climate: A Review. Journ. of Earth Science. 2021. V. 32. P. 1575–1593.
  17. Wendleder A., Schmitt A., Erbertseder T., D’Angelo P., Mayer C., Braun Matthias H. Seasonal Evolution of Supraglacial Lakes on Baltoro Glacier from 2016 to 2020. Frontiers in Earth Science. 2021, 9: 1–16. https://doi.org/10.3389/feart.2021.725394
  18. Zeller L., McGrath D., McCoy S.W., Jacquet J. Seasonal to decadal dynamics of supraglacial lakes on debris-covered glaciers in the Khumbu Region, Nepal. EGUsphere. 2023: 1–27. https://doi.org/10.5194/egusphere-2023-1684

补充文件

附件文件
动作
1. JATS XML

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».