冰川冻土, 2021, 43(1): 70-79 doi: 10.7522/j.issn.1000-0240.2019.0081

冰冻圈与全球变化

基于NPP-VIIRS数据的喜马拉雅山北坡典型湖泊湖冰提取分析

孙皓,1,2, 李传华,1, 姚晓军1

1.西北师范大学 地理与环境科学学院，甘肃 兰州 730070

2.青海省地质环境监测总站，青海 西宁 810000

Extraction and analysis of lake ice in typical lakes on the northern slopes of the Himalayas based on NPP-VIIRS data

SUN Hao,1,2, LI Chuanhua,1, YAO Xiaojun1

1.College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China

2.Qinghai Institute of Geological Environment Monitoring, Xining 810000, China

通讯作者: 李传华，副教授，主要从事环境遥感与GIS应用研究. E-mail： lch_nwnu@126.com

编委: 周成林

收稿日期: 2019-04-12   修回日期: 2019-10-19  

基金资助: 国家自然科学基金项目.  41561016
西北师范大学青年教师科研能力提升计划项目.  NWNU-LKQN-14-4

Received: 2019-04-12   Revised: 2019-10-19  

作者简介 About authors

孙皓，工程师，主要从事环境遥感与地质灾害监测研究.E-mail：nwnush1994@126.com , E-mail：nwnush1994@126.com

摘要

现阶段使用遥感数据监测湖冰物候特征已成为主要的技术手段。NPP-VIIRS是一个较新的卫星数据，它具有空间分辨率较高、波段数多、重访周期短等优点，使用该数据提取湖冰信息是对该领域的一个有益补充。基于NPP-VIIRS数据利用阈值法对拉昂错、玛旁雍错、佩枯错、普莫雍错等典型湖泊进行湖冰提取。获得四个湖泊逐日的冻结百分比，并分析了四个湖泊的冻融特征。结果表明：使用NPP-VIIRS能较好的提取湖冰信息；该地区湖泊冻融过程有风向蔓延和水流向加风向蔓延两种。气温（年负积温）是影响该地区湖冰面积最主要的因素，冻融过程主要受到风向、注入径流影响，地热资源也是影响因素之一。

关键词： 湖冰 ; 湖冰物候 ; 湖泊 ; NPP-VIIRS ; 喜马拉雅山

Abstract

Using remote sensing data to monitor the phenological characteristics of lake ice has become the main technical means. NPP-VIIRS is a relative new satellite data， which has the advantages of high spatial resolution， more band number and short revisit period. Using these data to extract lake ice information is a useful supplement to this field. Based on the NPP-VIIRS data， in this paper， the threshold method is used to extract lake ice information from typical lakes， such as La’ang Co， Mapamyum Co， Paiku Co， and Pumayum Co. The daily frozen percentages on the four lakes has been obtained， and the frozen and melted characteristics of the four lakes were analyzed. The results show that use of NPP-VIIRS can better extract the information of lake ice； the freezing and melting process of lake ice in this area has affected by wind direction and water flow. Temperature （annual negative accumulated temperature） is the main factor affecting the lake ice area in the region. The freezing and thawing process is mainly affected by wind direction and injection runoff， and geothermal resources are also one of the influence factors.

Keywords： lake ice ; lake ice phenology ; lake ; NPP-VIIRS ; Himalayas

PDF (7177KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

孙皓, 李传华, 姚晓军. 基于NPP-VIIRS数据的喜马拉雅山北坡典型湖泊湖冰提取分析[J]. 冰川冻土, 2021, 43(1): 70-79 doi:10.7522/j.issn.1000-0240.2019.0081

SUN Hao, LI Chuanhua, YAO Xiaojun. Extraction and analysis of lake ice in typical lakes on the northern slopes of the Himalayas based on NPP-VIIRS data[J]. Journal of Glaciology and Geocryology, 2021, 43(1): 70-79 doi:10.7522/j.issn.1000-0240.2019.0081

0 引言

湖冰是气候变化的敏感指示器之一，其冻融特征是该地区气候季节变化与年内变化的体现，反映了湖冰形成与消失的周期性［1］。湖冰具有季节性，其冻结与消融等物候特征能反映全球和区域的气候变化，是全球变化研究的重要组成部分。研究表明，湖冰冻融时间与气候变化关系密切。目前，对于湖泊冰情研究主要集中在北美中部、东北部和北欧地区。例如，Wang等［2］发现1973—2010年北美五大湖的冰盖减少71%；Benson等［3］对北美的75个湖泊冬季结冰情况研究发现近30年湖冰变化迅速，完全结冰平均滞后1.6 d·（10a）-1，完全消融平均提前1.9 d·（10a）-1，并认为湖泊封冰期和秋冬气温、春季气温存在关系。湖泊冰情演化与气候变化存在密切联系，已有证据表明湖冰观测的长时间序列可作为代用气候记录，气温每升高0.08~0.20 ℃，湖冰封冻期和消融期减少0.2~2.0天［4］。

时间参数和属性参数一直是湖冰研究的主要内容，前者包括湖泊开始冻结、完全冻结、开始消融、完全消融的时间，后者包括冰厚、冰体类型、冻结速率、不同时期绝对冻结面积等［5］，其中，时间参数最能反映湖冰对气候变化的响应［6］。随着遥感技术的发展，卫星遥感影像获取湖冰物候信息已成为重要的研究手段［7］。AVHRR、MODIS等高时间分辨率遥感影像得到了广泛应用，陈贤章等［8］利用AVHRR数据1、2、4通道计算出1993—1994年青海湖不同日期湖水的冻结百分比和绝对冻结面积；Latifovic等［9］利用AVHRR数据对加拿大36个湖泊的湖冰进行测量与记录；殷青军等［10］利用MODIS 1、2通道研究了青海湖湖冰识别方法；车涛等［11］则根据被动微波遥感低频亮温数据监测了1978—2006年青海湖封冻和解冻日期，结果表明冻结期推迟，解冻期提前；Dorofy等［12］利用GOES-13的1、2波段研究了北美五大湖区的冰情物候特征；勾鹏等［13］基于MODIS数据监测了2000—2013年纳木错湖冰冻融日期；姚晓军等［1］基于可可西里地区湖泊边界矢量数据、MODIS和Landsat TM/ETM数据分析了该地区主要湖泊冰情变化特征及其影响因素。上述研究所使用的影像针对湖冰监测存在一些缺陷，如AVHRR影像存在空间分辨率低的缺陷，只能使用该影像对一些大湖进行湖冰监测；Landsat影像空间分辨率高但是时间分辨率低，不能进行逐日监测；MODIS影像也存在着每天只有两景的缺陷；其他的商用卫星数据成本高需要付费使用。2011年11月21日NPP-VIIRS（NPOESS Preparatory Project-Visible infrared Imaging Radiometer）可见光红外成像辐射仪传来了首幅影像［14］，NPP-VIIRS卫星数据具有扫描带更宽、空间分辨率较高、波段数多、重访周期短等优点［15］。本文基于NPP-VIIRS卫星数据进行湖冰提取，拉昂错、玛旁雍错、佩枯错和普莫雍错较为均匀分布在喜马拉雅山北坡，面积大形状规则，湖泊冻结与解冻均受到南支西风急流的影响存在共性。同时这四个湖泊在盐度、注入水流、周边环境存在差异，以这四个湖泊作为研究对象一方面可以探究NPP-VIIRS数据在提取湖冰方面的适用性，另一方面对分析喜马拉雅山北坡湖泊湖冰冻融特征具有典型性。

1 研究区概况

本研究选取位于喜马拉雅山北坡的拉昂错、玛旁雍错、佩枯错和普莫雍错四个典型湖泊作为研究对象（图1）。拉昂错与玛旁雍错位于普兰县境内，湖区年均温2.0 ℃，年降水168.6 mm，拉昂错水位4 572 m，平均宽9.26 km，面积268.5 km2，湖水主要依靠湖面降水和湖泊北部那曲补给，pH值8.6，属中度碳酸盐型微咸水湖。玛旁雍错水位4 586 m，平均宽15.84 km，面积412.0 km2，湖水主要依赖地表径流和湖面降水补给，pH值8.0~8.4，属中度碳酸盐型淡水湖［16］。佩枯错为吉隆、聂拉木的界湖，水位4 580 m，平均宽9.98 km，面积284.4 km2，湖区年均温2.0 ℃，年降水300~400 mm，湖水主要依赖湖面降水和冰雪融水径流补给，pH值9.5，属硫酸钠型微咸水湖［16］。普莫雍错位于浪卡子县境内，水位5 010 m，平均宽8.93 km，面积290.0 km2，湖区年均温2.0~4.0 ℃，年降水300 mm左右，湖水主要依赖湖面降水和冰雪融水径流补给，湖泊西部有注入径流佳曲，pH值8.7，属重度碳酸盐型内陆淡水湖［16］。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区域

Fig.1   Maps showing the study areas


通过风向数据与查阅相关湖泊文献［17-19］，得到了四个湖泊冬季的主导风向（图1），红色箭头表示风向。拉昂错与玛旁雍错所处地形为谷地，受地形影响主导风向由西风偏转为西南风；佩枯错与普莫雍错主要受到南支西风急流［20-21］的影响，主导风向为西风。

2 数据与方法

2.1　数据源及预处理

NPP-VIIRS遥感影像来自NOAA （https：//www.class.ncdc.noaa.gov），下载了上午卫星过境时08：20—09：20（北京时）的306景数据，时间分辨率为1 d，空间分辨率为370 m。由于云的影响，以下午星的MODIS数据（MYD09GQ）作为补充。MODIS数据同样来自NASA （https：//modis.gsfc.nasa.gov），时间分辨率为1 d，空间分辨率为250 m。NPP-VIIRS与MODIS数据都在2015年12月7日至2016年5月7日。因数据量庞大，本文使用Python脚本进行辐射校正，几何校正，投影变化、批量裁切、面积计算等操作。因Landsat影像空间分辨率高，本文以目视解译的Landsat影像获取的湖泊边界和湖冰边界作为判别阈值的依据，数据来源于USGS（http：//glovis.usgs.gov）。GDEMDEM 30 m分辨率数字高程数据下载自地理空间数据云（http：//www.gscloud.cn/）。

为了分析湖冰物候对气候变化的响应，本研究参照方楠等［22］的研究，使用了ECMWF中的ERA-Interim每日数据集（https：//apps.ecmwf.int/datasets/），选取了地表2 m气温进行响应分析，数据时间分辨率为8 h，空间分辨率为0.125°，许多学者通过研究证实ECMWF的再分析资料在全球或区域有很高的精度和适用性［23］。此外，在本研究还采用了《中国湖泊志》中的湖泊数据，包括水深湖泊海拔高度注入径流等。

2.2　研究方法

2.2.1　阈值法

为了提取方便，先将NPP-VIIRS数据进行5-8-5波段合成得到RGB彩色影像［15］；这时湖冰为天蓝色或蓝紫色湖冰较易识别。MODIS数据也进行类似操作，进行1-2-1合成得到RGB彩色影像。再使用阈值法［7］，即红光波段和近红外波段之差大于阈值a和近红波段大于阈值b两个条件（式1）。通过与湖冰边界叠加限定阈值进行波段运算得到的影像与合成的RGB影像比较，反复调整阈值使两者达到最佳吻合，确定最佳阈值监测湖冰冻融情况。

Band1-Band2>aBand1>b

式中：Band 1表示NPP-VIIRS数据第5波段的反射率；Band 2表示NPP-VIIRS数据第8波段的反射率；a，b分别为阈值。首先通过勾鹏等［13］所计算的纳木错的a、b阈值确定大致范围，然后每次递增0.0001不断试错，通过套合湖冰边界得出了拉昂错、玛旁雍错、佩枯错、普莫雍错的阈值（表1）。

表1   拉昂错、玛旁雍错、佩枯错、普莫雍错湖冰提取采用的阈值

Table 1  Thresholds a，b for lake ice area extraction of La’ang Co， Mapamyum Co， Paiku Co and Pumayum Co

湖泊名称阈值a阈值b
拉昂错0.01850.235
玛旁雍错0.03100.120
佩枯错0.01930.038
普莫雍错0.03200.038

新窗口打开| 下载CSV


2.2.2　湖冰物候时间节点确定

根据阈值批量处理NPP-VIIRS数据，剔除湖面上有云和存在坏带的数据，然后经由裁切与面积计算得到湖冰百分比，确定湖冰物候时间节点。湖冰物候包括湖冰开始冻结、完全冻结、开始消融和完全消融等四个时间节点［24］。本文将湖泊开始冻结的时间定义为湖冰面积约为湖泊面积1/10时的日期，且湖冰处于发展状态；湖泊完全冻结的时间定义为湖冰面积约为湖泊面积9/10时的日期；湖泊开始消融的时间定义为湖冰面积约为湖泊面积9/10时的日期，且湖冰处于衰退状态，湖泊完全消融的时间定义为湖冰面积约为湖泊面积1/10时的日期［25］。计算方法如下：

Results=FUS,   if LA≥0.1×LAFUE,   if LA≥0.9×LABUS,   if LA≤0.9×LABUE,   if LA≤0.1×LA

式中：FUS （freeze-up start）、FUE（freeze-up end）、BUS（break-up start）和BUE（break-up end）分别表示开始冻结、完全冻结、开始消融和完全消融，LA （lake area）和IA（ice area）分别表示湖泊面积和湖冰面积。

3 结果与讨论

3.1　NPP-VIIRS数据优势对比与适用性分析

相比MODIS与AVHRR数据，NPP-VIIRS在扫描地面宽度、空间分辨率、波段数以及访问周期等方面数据具有一定优势（表2）。NPP每4小时经过赤道一次，一天有6景影像，2景在深夜可见光波段无数据，4景在清晨、上午、下午和黄昏可见光波段可以使用。NPP可以用于监测一日内因日气温变化形成的一些薄冰和每一天的湖面冰情，如应气温变化出现的早上冻结，中午融化夜间再次冻结的每日冰清，或是因为风等外应力作用改变了湖冰的分布特征也可以使用NPP-VIIRS数据进行监测。同时一天内多景数据也可以提高NPP-VIIRS对于湖冰提取的可靠性。

表2   NPP-VIIRS与AVHRR、MODIS数据属性对比表

Table 2  Properties of NPP-VIIRS and AVHRR and MODIS data

NPP-VIIRSAVHRRMODIS
扫描带宽度3 000 km2 800 km2 330 km
空间分辨率

星下点空间分辨率370 m

扫描带边缘空间分辨率约800 m

星下点空间分辨率为1.1 km

扫描带边缘空间分辨率约1.5km

星下点分辨率为分别为250 m；500 m；1 km
访问周期每天4幅影像6天1幅影像每天2幅影像
波段数

共计21个波段

光谱范围（0.3~14 μm）

可见光、近红9个（0.4~0.9 μm）

短、中波红外8个（1~4 μm）

热红外4个（8~12 μm）

共计6个波段

AVHRR-1（0.55~0.68 μm）绿-红

AVHRR-2（0.725~1.1 μm）近红外

AVHRR-3（3.55~3.93 μm）热红外

AVHRR-4（10.5~11.3 μm）热红外

AVHRR-5（11.5~12.5 μm）热红外

共计36个波段

Bands 1~2分辨率250 m

Bands 3~7分辨率500 m

Bands 8~36分辨率1 km

新窗口打开| 下载CSV


首先目视解译Landsat数据确定湖冰范围，计算的湖冰冻结百分比作为真值，将其与NPP-VIIRS提取的结果进行对比，验证NPP-VIIRS数据湖冰提取的可行性，见表3。平均相对误差波动范围在0.08%~10.62%，这是影像分辨率不同造成的［26-28］。表明NPP-VIIRS卫星数据通过阈值法提取湖冰后能够较好的反映湖冰冻融情况。湖冰冻结面积大于100 km2时，提取误差小于0.68%，湖冰面积小于100 km2时，提取误差有所提高，平均为6.816%。

表3   Landsat与阈值法湖冰提取结果对比

Table 3  Lake ice areas of the four lakes extracted by Landsat TM and NPP-VIIRS data

湖泊名称基于Landsat TM提取的湖冰面积/km2基于NPP-VIIRS提取的湖冰面积/km2误差/%日期
拉昂错178.430178.1230.17%2015-12-31
212.003212.1690.08%2016-03-20
105.131105.2520.12%2016-04-05
玛旁雍错54.50858.3336.56%2016-01-16
400.134402.1200.49%2016-04-05
42.02440.5913.53%2016-04-21
佩枯错11.66012.2885.11%2016-01-27
4.6075.0228.26%2016-02-12
3.1853.56410.62%2016-02-28
普莫雍错184.382185.6360.68%2016-01-06
280.314279.6930.22%2016-02-07
276.718276.4130.11%2016-03-10

新窗口打开| 下载CSV


3.2　喜马拉雅山北坡典型湖泊冻融特征空间分析

四个湖泊中，存在两种冻结与消融模式。第一种是风向蔓延式，为拉昂错、玛旁雍错和佩枯错，拉昂错和玛旁雍错位于西南开口大东部小的山谷中，加上冬季盛行风向为西南向，湖面主导风是西南向地形风，因此湖面从东北角首先发生冻结，然后逐步向西南方向蔓延；消融与冻结过程大致相反，从西南角或南部消融，然后逐步向东北部蔓延。佩枯错在冻结年份也是在湖面东侧出现冻结。第二种是水流向加风向蔓延式，为普莫雍错，该湖泊的补给河流在西方，同时湖面主导风是西风，两种因素叠加导致湖面冻结首先从普莫雍错的最远端开始，然后逐步向注入河流处蔓延，消融与冻结过程大致相反。

拉昂错从2015年12月13日起在东北角最先出现冻结，之后逐步向南蔓延面积增大。最先在东北角的湖冰是受到当地西风的影响，湖面上初步出现了部分小面积的薄冰，受到风的影响薄冰在东北角发生堆积，随着温度降低湖冰逐步向南蔓延。当湖冰蔓延至湖面最狭窄的地段，时间约为2015年12月25日，湖泊东西侧边缘出现湖冰。随后至2015年12月31日起，湖面东西两侧出现大面积湖冰，但两侧湖冰尚未连接。2016年1月14日后，东西两侧湖冰连为一体，湖面完全封冻。自次以后拉昂错经历了长达69天的封冻期。在3月16日湖心岛处最先消融，接着从湖心岛成纺锤形向东北角开化，同时在湖面最窄处也出现了湖冰消融现象。3月31日左右出现了与湖冰冻结相反的过程，首先是湖心岛处大面积消融，接着在湖面最窄处发生断裂湖，冰分成三块，与冻结过程相反，向东西两侧退缩，东北角也逐渐向北退缩。最后在4月11日左右湖冰完全消融（图2）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2015—2016年拉昂错冻结与融化过程图（黑色为湖面，紫色为湖冰，白色为积雪，灰绿色和绿色为陆地）

Fig.2   Images showing the freezing and melting processes in the La’ang Co from 13 Nov.， 2015 to 7 Apr.， 2016 （Black is lake， purple is lake ice， white is snow， gray green and green is land）


玛旁雍错的冻结过程类似于拉昂错（图3），在2016年1月9日出现冻结现象，最先出现湖冰的地点是湖泊的东北角，因为受到风向［17］的影响，湖冰在东北角发生堆积，形成了冰层。随着温度的下降，湖冰自2016年1月20日起迅速向北蔓延，到2016年1月22日左右湖面完全冻结，但是最北端的湖冰在2016年1月29日开始消融，湖冰向南退缩，直至退缩到东北角厚冰范围。2016年2月6日气温突降，7日发生降雪，湖冰完全冻结，雪覆盖了整个湖面，2月16日湖冰西南角又发生消融，17日因湖冰薄厚不一发生了大面积的湖冰开裂，随后湖冰又开始发生消融。3月21日至22日气温降低，湖冰又开始扩展，但是湖冰面积未达到90%以上。3月26日气温突降，湖冰又发展到95%以上。3月29日湖冰冻结百分比达97%左右。最后湖冰开始逐步消减直至4月22日湖冰完全消融。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   玛旁雍错2015—2016年冻结与解冻过程图

Fig.3   Images showing the freezing and melting processes in the Mapamyum Co from 9 Jan. to 17 Apr.， 2016


佩枯错在2015年12月7日至2016年5月7日内未发生完全冻结，最大冻结面积比例为5.85%。通过对佩枯错2006年12月至2016年4月近10年的Landsat TM遥感影像数据的整理，发现开始冻结的时间大致在每年2月中旬，在2月末3月初出现最大冻结面积，在3月10日左右开始消融，3月底则会完全消融。近10年内，只有2012年，2013年，2014年这3年佩枯错完全冻结。资料显示［29］该地区存在一处温泉，湖泊受到地热资源影响较少出现冻结［18］。在近2012年，2013年，2014年中表现的湖泊冻结过程为：首先在湖泊东北侧与东南侧出现薄冰，然后东北角的冰不再发展，东南角的湖冰在温度条件许可下逐步向西发展蔓延，但不会超过佩枯错湖面最窄处，当南侧湖面完全形成后湖冰后，会越过湖面最窄的地方自东南向西北发展，直至湖面完全冻结。

普莫雍错受注入河流与风两者的影响，冻结首先从湖泊最远端开始，然后逐步向注入河流处蔓延，但是湖泊不会完全冻结，河流注入湖泊处受水流的影响不会发生冻结，最高冻结比例在98%左右。湖泊在解冻时首先从湖泊西南侧边缘开始向东北蔓延。2016年1月2日起，普莫雍错西南岸最先出现薄冰，同时在湖泊东侧受到西风与西侧河流注入的影响，将西南岸出现的湖冰堆积在湖泊东侧，湖泊开始冻结。湖泊东侧湖冰在水流和风［19］的影响下逐渐向西蔓延发展，在2016年1月4日左右湖泊冻结面积达到43.25%，6日左右湖泊冻结面积达到63.78%。1月12日完全冻结，自此以后，普莫雍错经历了79天的封冻期。3月31日至4月1日期间，湖泊西侧的湖冰开始消融，消融过程与冻结过程大致相反，湖冰自西南向东北逐步退缩。2016年5月1到5月3日，湖冰几乎完全消失，消融过程基本结束（图4）。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   普莫雍错2015—2016年冻结与解冻过程图

Fig.4   Images showing the freezing and melting process in the Pumayum Co from 26 Dec.， 2015 to 30 Apr.， 2016


3.3　喜马拉雅山北坡典型湖泊冻融特征时间分析

2015年12月至2016年5月拉昂错、玛旁雍错、佩枯错、普莫雍错的冰情物候（表4）显示，湖泊开始冻结时间差距较大，分布在12月中旬至1月中旬，拉昂错开始冻结的时间为2015年12月14日，玛旁雍错开始冻结的时间为2016年1月16日，佩枯错在整个研究期间都未发生冻结现象，最大冻结面积比例为5.85%，普莫雍错的湖冰开始冻结的时间为2016年1月2日。拉昂错的开始冻结时间最早，玛旁雍错开始冻结时间最迟，时间差距为30天。

表4   拉昂错、玛旁雍错、佩枯错、普莫雍错冰情物候特征统计表

Table 4  Ice condition of the La’ang Co， Mapamyum Co， Paiku Co and Pumayum Co from Nov. 2015 to May 2016

湖泊名称海拔/m开始冻结（FUS）时间完全冻结（FUE）时间开始消融（BUS）时间完全消融（BUE）时间封冻期/d
拉昂错4 5722015-12-142016-01-042016-03-222016-04-1169
玛旁雍错4 5862016-01-16--2016-04-2229
佩枯错4 580-----
普莫雍错5 0102016-01-022016-01-122016-04-012016-05-0279

新窗口打开| 下载CSV


湖泊完全冻结时间相对集中，在1月中旬左右。拉昂错完全冻结的时间为2016年1月14日；玛旁雍错首次出现完全冻结在2016年1月22日，受到当地气温影响，玛旁雍错有三个时间段出现完全冻结，分别是2016年1月16日至2016年1月29日，2016年2月7日至2016年2月15日和2016年3月26日至2016年4月5日；佩枯错在研究期间未出现冻结，故没有完全冻结时间；普莫雍错完全冻结的时间为2016年1月12日。普莫雍错的完全冻结时间最早，玛旁雍错完全冻结时间最迟，时间差距为10天。

湖泊开始消融的时间也相对集中，多在3月下旬左右。拉昂错开始消融的时间为2016年3月22日；玛旁雍错最后一次开始消融在2016年4月4日；佩枯错在研究期间未出现冻结，故没有开始消融时间；普莫雍错开始消融的时间为2016年4月1日。拉昂错的开始消融时间最早，玛旁雍错开始消融时间最迟，时间差距为13天。

湖泊完全消融的时间波动较大，分布在4月上旬至5月上旬之间。拉昂错完全消融的时间为2016年4月11日；玛旁雍错完全消融的时间为2016年4月22日；佩枯错在研究期间未出现冻结，故没有完全消融时间；普莫雍错完全消融的时间为2016年5月2日。拉昂错的完全消融时间最早，普莫雍错完全消融时间最迟，时间差距为21天。拉昂错的封冻期为69天，玛旁雍错的封冻期为29天左右，普莫雍错的封冻期为79天。

3.4　喜马拉雅山北坡典型湖泊冻融过程的影响因素

湖泊冰情物候特征不仅受气候因素影响，如气温、风向、太阳辐射和积雪覆盖等，而且与湖泊自身因素相关，如湖深、矿化度、海拔、湖岸线形态和湖泊面积等，其中气温被认为是影响湖冰冻融特征的最主要因素。

通过计算湖面日平均气温和湖面冻结百分比相关关系（图5），得出拉昂错、玛旁雍错和普莫雍错湖面日平均气温和湖面冻结百分比的相关系数分别为-0.472、-0.285和-0.340，均通过了0.01的显著性检验。佩枯错湖面日平均气温和湖面冻结百分比的相关系数为0.005，并不显著。该结果说明拉昂错、玛旁雍错、普莫雍错湖面气温对湖冰冻结百分比的影响十分显著，且成负相关关系。佩枯错湖面日平均气温对湖冰冻结百分比影响不大，佩枯错因受地热影响，而研究期间未出现冻结［29］。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   2015—2016年湖泊冻结百分比与平均气温

Fig.5   Variations of area percentage of lake ice and mean temperature of the La’ang Co （a）， Mapamyum Co （b）， Paiku Co （d） and Pumayum Co （d） in the winter of 2015-2016


通过温度节点观察湖面冻结半分比与平均气温的关系可以看出较为明显的负相关关系。拉昂错在2015年12月24日前平均气温与湖冰冻结百分比之间呈现明显的负相关关系。在经历12月24日的大幅度降温之后湖冰冻结百分比急剧上升。在12月28日到1月21日之间也可以看出明显的负相关关系。在3月22日之后平均气温的上升趋势也对应了湖冰冻结百分比的下降，在图5（a）中用红圈表示出来。玛旁雍错也有对应的负相关关系。玛旁雍错的三次完全冻结期分别对应了三个温度骤降点，在图5（b）中用红圈表示出来。在2016年1月21日之前可以看出气温呈下降趋势，湖冰冻结百分比呈现上升趋势。4月3日后温度上升湖冰冻结百分比也随之下降。普莫雍错的时间节点分别在1月21日和3月14日。在图5（d）中用红圈表示出来。1月21日前气温呈现明显的下降趋势，湖冰冻结半分比呈上升趋势、3月14日后气温下降和湖冰冻结百分比上升都表现出明显的负相关关系。

负积温与湖泊的冻融关系密切［30-31］，负积温与湖冰冻结百分比的关系见（图6）。拉昂错、玛旁雍错、普莫雍错的负积温与湖面冻结百分比的相关系数为-0.854、-0.664、-0.898均表现出较高的负相关关系。从折线图中也可以看出负积温回升的日期与湖冰冻结半分比开始减少的日期大致相同。佩枯错负积温和湖面冻结百分比的相关系数为0.007，并不显著。可以看出，负积温与湖冰冻结百分比相关性更强。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2015—2016年湖泊冻结百分比与负积温

Fig.6   Variations of accumulated negative temperature and area percentage of lake ice in the La’ang Co （a）， Mapamyum Co （b）， Paiku Co （c） and Pumayum Co （d） from 7 Nov.， 2015 to 7 May 2016


4 结论

基于NPP-VIIRS数据，提取了喜马拉雅山北坡典型湖泊湖冰面积，分析了四个湖泊的冻融特征，并探讨了其影响因素，主要结论如下：

（1）以NPP-VIIRS数据的湖冰提取结果比较理想，可使用阈值法进行湖冰提取研究。

（2）四个湖冰物候可分为风向蔓延式和水流向蔓延式两种，从时段上看，湖泊开始冻结、完全消融的时间相对分散且时间跨度大，湖泊完全冻结、开始消融的时间相对集中且时间跨度小。

（3）湖冰的冻结与解冻过程不仅受到气温的影响，还受到风向、补给流向影响，地热资源也是影响因素之一。

参考文献

Yao Xiaojun， Li Long， Zhao Jun， et al.

Spatial-temporal variations of lake ice in the Hoh Xil region from 2000 to 2011

［J］. Acta Geographica Sinica， 2015， 70（7）： 1114-1124.

[本文引用: 2]

姚晓军， 李龙， 赵军， 等.

近10年来可可西里地区主要湖泊冰情时空变化

［J］. 地理学报， 2015， 70（7）： 1114-1124.

[本文引用: 2]

Wang J， Bai X， Hu H， et al.

Temporal and Spatial Variability of Great Lakes Ice Cover， 1973-2010*

［J］. Journal of Climate， 2012， 25（4）： 1318-1329.

[本文引用: 1]

Benson B J， Magnuson J J， Jensen O P， et al.

Extreme events， trends， and variability in Northern Hemisphere lake-ice phenology （1855-2005）

［J］. Climatic Change， 2012， 112（2）： 299-323.

[本文引用: 1]

Duguay C R， Prowse T D， Bonsal B R， et al.

Recent trends in Canadian lake ice cover

［J］. Hydrological Processes， 2010， 20（4）： 781-801.

[本文引用: 1]

Maximilian B L， RuDusky Basil.

Forensic cardiovascular medicine： CRC Press/Taylor & Francis Group Boca Raton/London/New York 2009

［J］. Forensic Science Medicine & Pathology， 2009， 6（1）： 72-78.

[本文引用: 1]

Bryan M L， Larson R W.

The study of fresh-water lake ice using multiplexed imaging radar

［J］. Journal of Glaciology， 1975， 14（72）： 445-457.

[本文引用: 1]

Wei Qiufang， Ye Qinghua.

Review of Lake Ice Monitoring by Remote Sensing

［J］. Progress in Geography， 2010， 29（7）： 803-810.

[本文引用: 2]

魏秋方， 叶庆华.

湖冰遥感监测方法综述

［J］. 地理科学进展， 2010， 29（7）： 803-810.

[本文引用: 2]

Chen Xianzhang， Wang Guangyu， Li Wenjun， et al.

Lake ice and its remote sensing monitoring in the Tibetan Plateau

［J］. Journal of Glaciology and Geocryology， 1995， 17（3）： 241-246.

[本文引用: 1]

陈贤章， 王光宇， 李文君，等.

青藏高原湖冰及其遥感监测

［J］. 冰川冻土， 1995， 17（3）： 241-246.

[本文引用: 1]

Latifovic R， Pouliot D.

Analysis of climate change impacts on lake ice phenology in Canada using the historical satellite data record

［J］. Remote Sensing of Environment， 2007， 106（4）： 492-507.

[本文引用: 1]

Yin Qingjun， Yang Yinglian.

Remote sensing of Lake Qinghai based on EOS/MODIS date

［J］. Journal of Lake Sciences， 2005， 17（4）： 356-360.

[本文引用: 1]

殷青军， 杨英莲.

基于EOS/MODIS数据的青海湖遥感监测

［J］. 湖泊科学， 2005， 17（4）： 356-360.

[本文引用: 1]

Che Tao， Li Xin， Jin Rui.

Monitoring the frozen duration of Qinghai Lake using satellite passive microwave remote sensing low frequency data

［J］. Chinese Science Bulletin， 2009， 54（6）： 787-791.

[本文引用: 1]

车涛， 李新， 晋锐.

利用被动微波遥感低频亮温数据监测青海湖封冻与解冻期

［J］. 科学通报， 2009， 54（6）： 787-791.

[本文引用: 1]

Dorofy P， Nazari R， Romanov P， et al.

Development of a Mid-Infrared Sea and Lake Ice Index （MISI） using the GOES imager

［J］. Remote Sensing， 2016， 8（12）： 1015-1029.

[本文引用: 1]

Gou Peng， Ye Qinghua， Wei Qiufang.

Lake ice change at the Nam Co Lake on the Tibetan Plateau during

2000-2013 and influencing factors［J］. Progress in Geography， 2015， 34（10）： 1241-1249.

[本文引用: 2]

勾鹏， 叶庆华， 魏秋方.

2000-2013年西藏纳木错湖冰变化及其影响因素

［J］. 地理科学进展， 2015， 34（10）： 1241-1249.

[本文引用: 2]

Xia Lang， Mao Kebiao， Sun Zhiwen.

Cloud detection application on NPP VIIRS

［J］. China Environmental Science， 2014， 34（3）： 574-580.

[本文引用: 1]

夏浪， 毛克彪， 孙知文， 等.

针对NPP VIIRS数据的云检测方法研究

［J］. 中国环境科学， 2014， 34（3）： 574-580.

[本文引用: 1]

Xia Lang， Mao Kebiao， Sun Zhiwen.

Introduction of Suomi NPP VIIRS and its application on cloud detection

［J］. Advances in Geosciences， 2013（3）： 271-276.

[本文引用: 2]

夏浪， 毛克彪， 孙知文， 等.

Suomi NPP VIIRS数据介绍及其在云检测上的应用分析

［J］. 地球科学前沿， 2013（3）： 271-276.

[本文引用: 2]

Su Min， Dou Hongshen. China lakes［M］. Beijing： Science Press， 1998： 403-406.

[本文引用: 3]

苏民， 窦鸿身. 中国湖泊志［M］. 北京： 科学出版社， 1998： 403-406.

[本文引用: 3]

Wang Junbo， Peng Ping， Ma Qingfeng， et al.

Investigation of water depth， water quality and modern sedimentation rate in Mapam Yumco and La ang Co， Tibet

［J］. Journal of Lake Sciences， 2013， 65（4）： 609-616.

[本文引用: 2]

王君波， 彭萍， 马庆峰， 等.

西藏玛旁雍错和拉昂错水深、水质特征及现代沉积速率

［J］. 湖泊科学， 2013， 65（4）： 609-616.

[本文引用: 2]

Dai Yufeng， Gao Yang， Zhang Guoqing， et al.

Water volume change of the Paiku Co in the Southern Tibetan Plateau and its response to climate change in 2003-2011

［J］. Journal of Glaciology and Geocryology， 2013， 35（3）： 723-732.

[本文引用: 1]

戴玉凤， 高杨， 张国庆， 等.

2003-2011年青藏高原佩枯错相对水量变化及其对气候变化的响应

［J］. 冰川冻土， 2013， 35（3）： 723-732.

[本文引用: 1]

Ju Jianting， Zhu Liping， Wang Yong， et al.

Composition， spatial distribution and environmental significance of water ions in Lake Pumayum Co and its catchment， Southern Tibet

［J］. Journal of Lake Sciences， 2008， 20（5）： 591-599.

[本文引用: 2]

鞠建廷， 朱立平， 汪勇， 等.

藏南普莫雍错流域水体离子组成与空间分布及其环境意义

［J］. 湖泊科学， 2008， 20（5）： 591-599.

[本文引用: 2]

Shi Yafeng， Li Jijun， Zheng Benxing.

The uplift of the Qinghai-Tibet Plateau and its impact on China during the Ice Age

［J］. Journal of Glaciology and Geocryology， 1979， 1（1）： 6-11.

[本文引用: 1]

施雅风， 李吉均， 郑本兴.

青藏高原的隆起和它对冰期之中国的影响

［J］. 冰川冻土， 1979， 1（1）： 6-11.

[本文引用: 1]

Zhu Chunling， Ma Yaoming， Chen Xuelong.

Atmospheric boundary layer structure in the west and the southeastern periphery of the Tibetan Plateau during the Pre-Monsoon Period

［J］. Journal of Glaciology and Geocryology， 2011， 33（2）： 325-333.

[本文引用: 1]

朱春玲， 马耀明， 陈学龙.

青藏高原西部及东南周边地区季风前大气边界层结构分析

［J］. 冰川冻土， 2011， 33（2）： 325-333.

[本文引用: 1]

Fang Nan， Yang Kun， Zhu la， et al.

Research on the application of WRF-Lake Modeling at Nam Co Lake on the Qinghai-Tibetan Plateau

［J］. Plateau Meteorology， 2017， 36（3）： 610-618.

[本文引用: 1]

方楠， 阳坤， 拉珠， 等.

WRF湖泊模型对青藏高原纳木错湖的适用性研究

［J］. 高原气象， 2017， 36（3）： 610-618.

[本文引用: 1]

Chen Q， Song S， Heise S， et al.

Assessment of ZTD derived from ECMWF/NCEP data with GPS ZTD over China

［J］. GPS Solutions， 2011， 15（4）： 415-425.

[本文引用: 1]

Dibike Y， Prowse T， Bonsal B， et al.

Simulation of North American lake ice cover characteristics under contemporary and future climate conditions

［J］. International Journal of Climatology， 2012， 32（5）： 695-709.

[本文引用: 1]

Reed B， Budde M， Spencer P， et al.

Integration of MODIS-derived metrics to assess interannual variability in snowpack， lake ice， and NDVI in southwest Alaska

［J］. Remote Sensing of Environment， 2009， 113（7）： 1443-1452.

[本文引用: 1]

Huang Huiping， Wu Bingfang.

Analys is to the relationship of feature size， objects scales， image resolution

［J］. Remote Sensing Technology and Application， 2006， 21（3）： 243-248.

[本文引用: 1]

黄慧萍， 吴炳方.

地物大小、对象尺度、影像分辨率的关系分析

［J］. 遥感技术与应用， 2006， 21（3）： 243-248.

[本文引用: 1]

Ma Mingguo， Song Yi， Wang Xuemei.

Dynamically monitoring the lake group in Ruoqiang County， Xinjiang region

［J］. Journal of Glaciology and Geocryology， 2008. 30（2）： 189-195.

马明国， 宋怡， 王雪梅.

1973-2006年新疆若羌湖泊群遥感动态监测研究

［J］. 冰川冻土， 2008， 30（2）： 189-195.

Tian Yuan， Zhang Xueqin， Sun Rui.

Extracting Alpine lake information based on multi-source and multi-temporal satellite images and its uncertainty analysis： A case study in Yamzhog Yumco Basin， South Tibet

［J］. Journal of Glaciology and Geocryology， 2012， 34（3）： 563-572.

[本文引用: 1]

田园， 张雪芹， 孙瑞.

基于多源、多时相遥感影像的高原湖泊提取及其不确定性——以西藏羊卓雍错流域为例

［J］. 冰川冻土， 2012， 34（3）： 563-572.

[本文引用: 1]

Liu Mingguang. Chinese natural geography atlas［M］. Beijing： China Cartographic Publishing House， 2010： 99-100.

[本文引用: 2]

刘明光. 中国自然地理图集［M］. 北京： 中国地图出版社， 2010： 99-100.

[本文引用: 2]

Li Ren， Zhao Lin， Ding Yongjian， et al.

Variations of surface effective radiation and its effect on superficial ground temperatures on Tibetan Plateau

［J］. Journal of Glaciology and Geocryology， 2011， 33（5）： 1022-1032.

[本文引用: 1]

李韧， 赵林， 丁永建，等.

青藏高原地面有效辐射变化及其对表层土温的影响

［J］. 冰川冻土， 2011， 33（5）： 1022-1032.

[本文引用: 1]

Qi Miaomiao， Yao Xiaojun， Li Xiaofeng， et al.

Spatial-temporal characteristics of ice phenology of Qinghai Lake from 2000 to 2016

［J］. Acta Geographica Sinica， 2018， 73（5）： 932-944.

[本文引用: 1]

祁苗苗， 姚晓军， 李晓锋， 等.

2000-2016年青海湖湖冰物候特征变化

［J］. 地理学报， 2018， 73（5）： 932-944.

[本文引用: 1]

/

〈 〉

陇ICP备2021001824号-10
　 甘公网安备 62010202000676号
网站版权 © 《冰川冻土》编辑部
地址：兰州市天水中路8号　
邮编：730000　电话：0931-8260767　
E-mail：edjgg@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司