湖冰物候变化遥感监测研究进展

杨倩　 吕德昊

摘 要：湖冰物候变化是区域气候变化的敏感指示器。本文按照波谱范围总结不同遥感数据源监测湖冰物候变化的原理和方法，并比较不同遥感监测方法的优缺点，归纳湖冰物候变化的区域一致性特征及其影响因子，为湖冰物候变化遥感监测提供理论基础和技术参考。

关键词：湖冰物候变化；监测

Abstract：Lake ice phenology is a sensitive indicator for regional climate change. According to spectral range， this paper summarizes the principles and methods of multisource satellite data and its application in lake ice monitoring， and compares the advantage and disadvantage of different methods， and analyzes the coherence changes of reginal lake ice phenology and the impact factors， which provide the theoretical basis and technical reference for lake ice phenology monitoring.

Key words：Lake ice phenology change；monitoring

湖冰物候变化是气候变化的敏感指示器，既能够反映由大气条件、大洋环流、火山喷发等引起的小尺度的气候变化，又能反应全球变暖等大尺度的气候变化。利用遥感技术监测湖冰物候变化具有重要的科学意义和应用推广价值。

作为冰冻圈的重要组成部分，在全球变暖背景下湖冰遥感监测可以为系统评估水资源、湖泊环境、生态环境的影响提供科学依据。自19世纪中叶以来，各地的结冰时间不断推迟而消融时间不断提前，世界范围内湖结冰期缩短已成为普遍趋势[1]，对水文、生态、气候的影响逐步显现[2，3]。湖泊环境变化是我国不同湖区水资源和灾害的重要影响因子，对水资源管理和灾害防治影响深远。湖冰物候是过去大尺度气候变化趋势和波动的信息库，湖冰物候与气候的响应机制研究可以为研究全球气候变化机制、提高气候预测能力提供理论基础。

1 湖冰物候遥感反演理论

自从上个世纪70年代开始，借鉴海冰遥感反演的经验，遥感技术就开始应用于湖冰参数反演，可以监测湖冰的时间属性（即湖冰物候周期）和物理属性[4]。时间属性描述湖冰冻融状态的季节性变化，虽然不同的学者描述湖冰的生消过程的遥感参数不同，但是时间属性主要包括湖冰物候信息和冰期信息，前者主要包括湖冰開始冻结日期、完全冻结日期、开始消融日期、完全消融日期，后者主要包括湖冰持续时间、结冰期、融冰期和完全封冻期。

目前，用于湖冰遥感反演的遥感数据包括多光谱、主动微波和被动微波数据，分别利用水和冰的反射率、后向散射系数和亮温差异来识别冰的存在，常见的方法有单波段阈值法、多波段阈值法和指数法等[5]。从数据源来看，可见光、多光谱数据是最早应用于湖冰监测，但是受到云、雾气、光照等影响而容易错过湖冰物候变化监测的最佳时期[4]。合成孔径雷达SAR不受天气条件的影响也广泛应用于湖冰监测，虽然SAR时间分辨率已从30天（ERS）提高到每日回访，但是费用过高，更适合于个例研究。被动微波数据时间序列长，时间分辨率高，不受天气影响，但空间分辨率低，存在很多混合像元，更适合于大尺度湖冰遥感监测[5]。湖冰物候变化描述湖冰生消过程的时间信息，站台观测资料表明结冰和融冰过程变化较快，持续1～2周左右，这就要求数据源能够连续获取并且空间分辨率和时间分辨率足够高。

利用光学遥感数据进行湖冰物候遥感反演的一般思路是：针对冰的光谱特征设定阈值判定条件，识别遥感影像上的湖冰像元；计算湖面的冻结比例和冻结面积，设定不同面积阈值提取湖冰的结冰时间和解冻时间[4]。使用光学遥感数据需要考虑两个问题：①云、雾气等对识别湖冰遥感信息造成了一定干扰，如何综合实测数据、多源遥感数据恢复云下信息识别湖冰的存在，提高湖冰物候遥感参数的识别精度，尤其是提高云和雪的区分精度；②湖冰遥感识别和物候信息提取分别需要考虑反射率和冻结面积阈值的确定，传统方法依赖于野外实验、站台资料和人工经验，基于湖面反射率和湖冰面积的年内变化规律如何设计湖冰物候遥感参数的自动提取算法并推广到其它光学遥感数据，为湖冰物候遥感反演提供了技术支持和数据保证。

2 湖冰物候变化空间一致性

湖冰是受气候影响最直接的湖泊物理特征之一，分析不同湖区的湖冰物候年际、代际变化趋势后发现，不同湖泊的湖冰物候变化呈现明显区域尺度的长期一致性，可以被理解为年际到代际的时间尺度上波动一致性。Magnuson 等[1]在威斯康星的湖泊研究表明，长期的区域一致性在受到气候因素直接影响的湖泊变量上表现最为明显，在受到气候因素间接影响或者与气候不相关的湖泊参数（如地理位置）方面上区域一致性上表现不明显。在年际到代际的时间尺度内，湖冰物候变化（尤其是消融时间）呈现出区域一致性，这说明湖泊环境并不是独立样本，而是受到气候驱动的连续体的局部样本，受到区域气候和局地天气的共同作用，这意味可以通过一个湖泊的行为来推测整个地区的湖泊行为[2]。

在山区，海拔高度是影响湖冰对气候响应及响应一致性的重要因素，也决定了湖泊冰盖的持续时间及其覆盖范围。湖冰持续时间随着海拔的升高而延长，但是结冰时间和融化时间与海拔的依存关系完全不同。研究发现在斯洛伐克和波兰交界处的Tatra山区，湖冰持续时间随着海拔增高10.2d/100m，消融时间随着海拔的增高而推迟9.1 d/100m， 结冰时间和海拔不存在明显的相关性[2]，这是因为结冰过程主要受到湖泊特征和内部过程的影响，而消融过程更直接受到外部气候因素的控制，很大程度上受到与海拔密切相关的气温的作用。Duguay 等[2]通过对吉安娜大湖冰物候近期变化趋势分析，发现湖冰的融化时间具有一致性的变化特征，而结冰时间的区域一致性较低。整个地区的湖泊的冰消时间具有一致性的变化，而结冰时间没有。因而，湖冰的消融时间是比结冰时间更直接的、更有用的气候指示因子。

3 湖冰物候变化对气温的敏感性

北半球中高纬度地区（45°～80°之间）的湖冰物候周期变化及其对气候变化的响应越来越引起人们的关注。这些地区每年冬季气温低于0℃，对全球气温变暖非常敏感。气候因素（如温度、太阳辐射度、风速和降水量等）和湖泊的形态参数（如面积、深度和需水量）同时影响湖冰的形成和存在时间。通过对湖冰物候参数与不同气象因子的相关分析和多元线性回归模型发现，气温对湖冰物候的影响最大。

气温是影响湖冰消融状态最重要的气象因素。气温的变化能够直观地体现湖泊的冻结和消融时间上；随着气温上升，湖冰物候周期对气温变化的敏感性也随之增高，湖冰物候周期动态变化更剧烈。大多数研究发现，湖冰物候特征与气温呈现显著相关性，高于其他影响因素，基于回归统计模型气温可以解释 60～70%不同湖区消融时间的差异[3]。Weyhenmeyer等[6]研究发现在北纬45°～61°之间区域，湖冰的存在时间长短对气温变化尤其敏感，甚至预测这些区域的湖泊很有可能成为无冰湖泊。研究发现湖冰冻结时间能够反映冬季十月到11月的气候变化而湖冰融化时间能反映春季1月到3月的气候变化[6]。Maguson等[1]监测了1846年到1995年北半球湖冰物候周期的变化发现，当温度每提高1.2℃时候，冻结时间推迟5.7day/100years而融化时间提前6.3day/100years。在其他区域也有类似的发现。Dauguay等[2]发现湖冰物候与春季和秋季温度达到0℃的时间密切相关，一般开始冻结时间和开始融化时间总是滞后一段时间（在一个月内）。而湖冰冻结时间也和秋季的等温线呈现相同的变化趋势。

湖冰物候与气候的建模方法目前主要有经验模型、热动力模型和水文模型三类。一些研究已经通过建立回归模型或者经验模型， 综合分析湖冰物候周期的实测数据和气候、以及湖泊形态和地理位置之间的关系[2，6]。Weyhenmeyer等[6]利用非线性模型模拟不同纬度的湖冰物候与温度之间的非线性关系。热动力模型主要通过湖冰与周围环境的能量平衡，模拟物候周期和温度、风速等气候因子的关系。借鉴海冰的研究经验，海冰的热力学模型逐步应用于湖冰研究。Flato和Brown改进海冰反演模型，设计并开发了Canadian Lake Ice Model （CLIMO），已广泛应用于湖冰反演研究中[2]。另外，成熟水文模型的湖冰模块，也越来越多应用于湖冰模拟，如FLake model等。不同类型的湖冰模拟模型各有优劣，基于物理过程的湖冰模型驱动需要详细的湖冰物候过程观测数据且参数繁多，而湖区气象站台和水文站台分布少，无法提供模型运行所需要的详细信息。遥感数据为资料缺乏地区有效补充数据源，保证多元线性回归方程和经验方程的建立。

4 结论及展望

全球气候变暖是近百年来气候系统最显著的特征，气候变暖导致气温升高，使湖冰物候对气温波动的敏感性增强；在温暖地区湖冰物候（尤其是融冰时间）对气候变化的响应比在寒冷地区更明显（Weyhenmeyer et al.， 2010），变化更迅速，因而利用遥感技术监测湖冰过程和融冰过程及其对气候变化的响应机制，有助于了解气候变化对湖泊系统、生态环境的影响，为我国经济社会可持续发展、政府应对气候变化政策制定提供科学依据。本文主要从湖冰遥感反演、湖冰物候区域变化趋势及与气候的关系三方面展开论述，在湖冰遥感反演和模拟过程我们发现以下问题：（1）湖冰物候反演算法目前主要针对特定数据源和算法，缺乏可应用推广的算法，云是影响遥感数据应用于湖冰遥感反演精度的主要因素，优化基于多源遥感数据的湖冰自动反演精度是湖冰物候反演的首要问题；（2）同一地区的不同湖区湖冰物候变化存在内在联系，结冰时间和融冰时间的变化趋势及对气候的响应呈现区域一致性特征，需要在区域尺度上探讨气候与湖冰物理过程的耦合机制；（3）建立湖冰的生消时间和气候因子（如气温）的定量遥感模型，利用物候变化去反演湖泊环境过去的气候变化特征，预测在不同气候条件下湖冰物候的未来变化趋势，为研究全球气候变化机制、提高气候预测能力提供理论基础。

參考文献：

[1]Magnuson，J.J.，Robertson， D.M.，Benson， B.J.，et al. Historical trends in lake and river ice cover in the Northern Hemisphere.Science，2000，289：17431746.

[2]Brown L.C，and Duguay C.R.The response and role of ice cover in lake climate interactions.Progress in Physical Geography，2010，34（5）：671704.

[3]Latifovic， R.，Pouliot，D.Analysis of climate change impacts on lake ice phenology in Canada using the historical satellite data record.Remote Sensing of Environment，2007，106（4）： 492507.

[4]Weber H，Riffler M， N？ges T，et al.Lake ice phenology from AVHRR data for European lakes：An automated twostep extraction method.Remote Sensing of Environment，2016，174：329340.

[5]魏秋方，叶庆华.湖冰遥感监测方法综述.地理科学进展，2010，29（7）：803810.

[6]Weyhenmeyer，G.A.，Livingstone，D.M.，Meili，M.，Jensen，O.，Benson，B.，&Magnuson，J.J.Large geographical differences in the sensitivity of icecovered lakes and rivers in the northern hemisphere to temperature changes.Global Change Biology，2010，17（1）：268275.

项目：吉林省高校科技与社科“十三五”科研规划项目（编号：JJKH20170257KY），吉林省大学生创新创业计划训练项目（编号：201610191035）资助