近20年查干湖冰封期动态变化及温度影响分析

李维邦，谢明辉，杨 倩，石晓光

吉林建筑大学 测绘与勘查工程学院,长春 130118

0 引言

湖泊表面温度(缩写LWST)是区域气候变化的敏感指示器,是评价湖泊生态健康程度的重要参数之一,影响着湖泊内部的生态活动和水汽交换[1].湖表温度对湖泊的水文过程的改变影响着周遭环境的气候.研究冰封期湖泊表面温度的变化[2],对剖析环境气候变化具有重要意义,同时也可以研究湖表温度变化与冰期的响应关系.湖泊表面温度的传统调查方法是对水面进行采样测量,实地测量温度并记录,由已测数据对湖面进行线性插值来获取整个湖泊表面温度.虽然对于样点处可以精确测量温度,但费财费力且在空间上无法覆盖整个湖泊区域,插值的准确性也难以保证[3].20世纪70年代,学者们开始使用遥感数据来观测海洋表面温度.至今五六十年,不同领域的专家学者为遥感定量反演湖表温度做出了贡献,奠定了基于遥感数据湖表温度反演的理论基础.2011年,项文华等[4]人针对基于热红外波段对湖表温度的反演算法进行了总结,分析各算法的优点与难点.因为大部分算法几乎都是根据对陆表或海面温度反演理论改进后应用到湖表温度上的.实际上不同区域湖泊的参数不同,算法并不能完全适用于各种情况.2013年，刘刚等[5]人基于MODIS数据反演了2012年太湖湖表温度,通过与监测站网数据和其他算法对比发现MODIS V5系列地表温度产品反演的湖表温度结果有着很高的精度,认为可以使用MODIS V5系列地表温度产品来获取湖表面温度.王敏等[6]人基于V5系列MOD11A2产品对夏季全球大型湖泊的LWST进行调查分析,研究了全球2 446个湖泊昼夜湖表温度的分布规律.Song等[7]人也基于MODIS数据研究了2000年至2015年青藏高原大型湖泊LWST的变化规律.MOD11A2数据凭借其反演精度与高时间分辨率已被国内外学者广泛应用,并得到了有效验证.虽然,国内外学者对全球不同尺度的各类湖泊都开展过湖表温度研究,但结合冰封期分析湖表温度变化的研究还相对较少.在全球变暖的大趋势下,关注冰期变化与湖表温度的响应尤为重要.本文结合2001年至2020年MODIS LST数据反演查干湖湖表温度,获取查干湖冰封期LWST的时空变化规律.再结合站台气象数据,分析冰封期查干湖LWST的影响因素，利用气候观测资料解释冰封期查干湖LWST的变化.

1 研究区与数据

1.1 研究区

查干湖(124°03′～124°34′ E, 45°05′～45°30′ N)是吉林省内最大的天然湖泊如图1所示.

图1 2019年4月15日查干湖遥感卫星云图Fig.1 Remote sensing satellite nephogram of the study area

湖区总面积345 km2,蓄水量达7亿 m3,水深平均2.5 m.查干湖降水多集中在7月～9月,年平均降水量、蒸发量、气温和风速分别为415.4 mm，964 mm，4.5 ℃和3.9 m/s.查干湖冰封期为4个月～5个月,在每年冬季11月开始结冰,至第二年3月末开始融化.1月份是全年气温最低、冰层最厚的月份,冰厚最大可超过1 m.在全球变暖的背景下,湖冰结冰日期推迟、融冰时间推后,导致湖冰冰期缩短.近年来,全年气温均呈上升趋势,尤其以春季、冬季上升趋势明显,气候变暖导致了冬季冰层变薄、冰期缩短[8].

1.2 数据

1.2.1 Landsat

本文利用2005年、2010年、2015年、2020年3月Landsat 8 OLI遥感影像提取水体边界,空间分辨率为30 m.基于ENVI5.3软件制作查干湖ROI文件,用于裁剪MODIS LST数据.

1.2.2 MODIS LST

本文使用2001年至2020年966景MODIS L3级地表温度产品MOD11A2获取研究区湖表温度,空间分辨率为1 km,时间分辨率为8 day,编码为h26v04,数据格式为hdf.利用MRT (MODIS Reprojection Tool, MRT)工具实现影像拼接、重采样、转换投影、格式转换等预处理,通过MRT预处理得到了4类信息:白天LST(LST_Day)及其质量控制图像(QC_Day)、夜晚LST(LST_Night)及其质量控制图像(QC_Night).

1.2.3 气象数据

本文使用2000年至2020年查干湖周边气象站台提供的气象数据,涉及大安(50945)、乾安(50948)、前郭(50949)3个站台.气象数据有地温、气温、风速、降水、日照、蒸发量,用于数据质量评价和影响分析.

2 研究方法

2.1 LWST 反演方法

根据查干湖边界ROI裁剪QC文件,对照MODIS陆表温度产品手册,筛选优质QC文件来裁剪LST文件,得到有效的查干湖LWST数据.通过Excel软件整理得到查干湖每日白天LWST、夜晚LWST,进一步计算日平均LWST、昼夜温差的最小值、最大值与平均值[9].

2.2 湖冰物候信息提取

基于日均LWST时间序列,定义冬季日均LWST低于0 ℃对应的儒略日为结冰日,翌年春季日均LWST高于0 ℃对应的儒略日为融化日,结冰日和融化日之间的时间段为冰封期,用以统计查干湖冰封期湖表温度变化,如图2所示.

2.3 分析方法

2.3.1 线性回归分析

线性回归分析是确定变量之间相互影响的一种统计方法,本文建立线性模型来获得LWST变化趋势与验证LWST反演精度的精度.其中使用决定系数R2来评估反演值的可靠性,数值越高,可靠性越高[10].

2.3.2 相关与显著性分析

相关分析是研究变量间关系的常用统计方法,本文计算变量间的皮尔逊相关系数R,如式1所示.显著性分析是要判断样本与假设之间的差异是否是随机导致的,如果p<0.05,则说明原假设不成立,两者存在显著性差异.如果p<0.001则表示有极其显著的差异性.

(1)

3 结果

3.1 MODIS LWST验证

图3表示2001年至2020年查干湖气温、地温与MODIS LWST反演结果的对比.首先,利用站台气象数据与LWST反演结果逐日匹配,经过数据清洗,共获取284组数据.从图3中可以看到,MODIS反演得到的LWST和气温、地温的决定系数R2分别为0.85和0.83,p值均小于0.001,说明置信水平为99 % MODIS LWST和气温、低温的吻合度较高.

误差主要来源于LWST获取湖面温度,而气象站台一般设立在陆地上,但是MODIS LWST可以解释大部分湖面温度变化,可用于反演查干湖长时间序列的湖表温度.

图3 2001年至2020年查干湖冰封期气温、地温与MODIS LWST的比较Fig.3 The comparison between ground surface temperature, air temperature and lake water surface temperature(LWST) derivedfrom MODIS products in Chagan lake during freezeup period from 2001 to 2020

3.2 查干湖冰期年际变化趋势

图4(a)显示2000年至2021年结冰日与融冰日的变化,结冰日平均在每年的第313天,最晚在第321天(2001年、2011年、2018年)才到达结冰日;融冰日平均在每年的第89天,最早在第73天(2019年)就到达融冰日.查干湖结冰日与融冰日变化特征并不明显.

但是如图4(b)所示,冰封期逐年缩短,整体呈缓慢下降趋势.平均每年冰封期有143天,2019年冰封期仅有125天.在全球变暖的大趋势下,查干湖的冰封期正在慢慢缩短.

(a) 结冰日、融冰日年际变化 (b) 冰封期年际变化图4 查干湖冰封期变化趋势Fig.4 The variation trend of freezeup peiod in Chagan lake

3.3 查干湖LWST年际变化趋势

图5(a)表示MODIS反演得到的2001年至2020年查干湖冰封期白天LWST和夜晚LWST逐年变化趋势.白天LWST和夜晚LWST变化趋势相统一,2012年为变化转折点,从2001年到2012年为下降趋势.从2012年到2020年为上升趋势.整个时间序列昼夜LWST均低于-5 ℃,2012年昼夜LWST达到最低温度白天LWST为-13.17 ℃,夜晚LWST为-22.14 ℃;在2018年昼夜LWST达到最高温度,白天LWST为-5.52 ℃,夜晚LWST为-9.82 ℃.

图5(b)表示计算得到的日均LWST和昼夜温差DTD逐年变化趋势.日均LWST变化趋势和白天LWST和夜晚LWST相一致,在2012年达到最低温度-17.65 ℃.但对于昼夜温差DTD在2012年转折不明显,整体呈现下降趋势,与图4(b)中查干湖湖冰冰期缩短趋势相一致,2020年昼夜温差DTD已降至-10.27 ℃.

(a) 昼夜平均温度 (b) 平均温度与昼夜温差图5 2001年至2020年查干湖冰封期表面温度Fig.5 Surface temperature of Chagan lake during the freezeup from 2001 to 2020

3.4 影响分析

表1显示查干湖LWST与站台的气象数据相关性系数.分析得出气温、地温与查干湖LWST的相关性最强.首先,相关性最强的是气温与地温,然而大气与陆地都与湖面直接接触,大气的接触面积要大于岸边陆地,所以气温对查干湖LWST的影响略大于地温；其次，蒸发量、平均风速、日照时数对查干湖LWST的变化有一定影响;日照时数和蒸发量与太阳辐射量有关,日照时数越长,湖表获得的太阳辐射越多,蒸发速度加快导致查干湖LWST升高,蒸发量对LWST的相关性较高.在冻结过程中,风速越大有利于加快冻结速度;而在进入冰封期后,一定的风速又会吹散浮冰,加快消融速度.因此，平均风速在冰冻期与查干湖LWST呈正相关.

表1 查干湖LWST与气象因子的相关性Table 1 Correlation between LWST and meteorological factors in Chagan lake

4 结语

本文分析了查干湖冰封期湖面温度动态变化.得到以下结论:

(1) MODIS数据反演的查干湖LWST与站台的气温地温数据的决定系数R2值均超过0.8,且显著性P值均小于0.001,置信水平为99 %,MODIS LWST反演查干湖长时间序列的湖表温度比较可靠.

(2) 查干湖结冰日与融冰日变化趋势不明显,变化幅度小.但冰封期正小幅度逐年缩短,2019年冰封期已降至125 d.

(3) 查干湖冰封期年均LWST呈先下降再上升趋势,在2012年达到最低温度-17.65 ℃. 查干湖年均DTD逐年下降,在2020年已降至-10.27 ℃,与冰封期缩短趋势一致.在全球变暖大趋势下,昼夜温差逐渐减小.

(4) 气温、地温对查干湖LWST的相关性最高,呈显著正相关.平均风速、日照时数、蒸发量与查干湖LWST变化呈正相关,平均风速、日照时数、蒸发量的增加均会一定程度导致查干湖LWST上升.

本文分析了气象因素对查干湖LWST的影响,尤其与气温、地温的关系极其密切.但是实际上湖泊LWST的变化与湖泊自身属性、周围环境的变化也有着重大联系.在以后的研究中要加入对LWST空间分布的分析,结合附近土地利用、植被覆盖情况研究对查干湖LWST的影响;加入东北地区其他淡水湖联合分析湖泊自身属性对LWST的影响.