1979年—2019年興凱湖湖冰物候變化的被動微波遙感監(jiān)測

柯長青，蔡宇，肖瑤

南京大學(xué) 地理與海洋科學(xué)學(xué)院,南京210023

1 引 言

湖冰有很強的季節(jié)性，氣溫變化能夠直觀地反映在湖冰凍結(jié)和消融的時間上，因此湖冰覆蓋狀況、凍結(jié)消融時間等既是良好的氣候變化指示器（汪關(guān)信等，2020），也是冬季氣溫變化的指示器，湖冰有時甚至比短期內(nèi)的氣溫變化更能反映氣候的變化趨勢（Kouraev 等，2007）。同時湖冰凍結(jié)與消融速率、湖冰厚度、湖冰溫度梯度等也是區(qū)域氣候變化的重要指標(biāo)（Gould 和Jeffries，2005）。過去幾十年來，北半球的湖冰在不斷地消失（Sharma 等，2019），而且在未來升溫的情境下這種情況會更加嚴(yán)峻（Sharma 等，2020）。傳統(tǒng)的野外觀測活動和氣象、水文站的記錄雖然可以獲取湖冰相關(guān)參數(shù)，但是野外觀測耗時耗力，尤其是位置偏遠(yuǎn)的大型湖泊。氣象站、水文站的分布并不均勻，而且這些觀測站一般位于湖泊岸邊，由于視線的限制，僅能夠記錄觀測站視野范圍內(nèi)的湖泊凍結(jié)與消融狀態(tài)，很難獲得大范圍的湖冰記錄。因而對于面積比較大的湖泊，地面觀測記錄無法準(zhǔn)確反映整個湖泊的湖冰凍結(jié)與消融變化。

利用遙感技術(shù)監(jiān)測湖冰是比較快捷方便的方法，它能獲取長時間序列、大范圍的湖冰觀測數(shù)據(jù)，彌補了人工觀測、以及水文與氣象觀測站點分布不均勻的缺點，為湖冰監(jiān)測研究提供了非常有效的技術(shù)方法（魏秋方和葉慶華，2010）。陳賢章等（1995）利用高級甚高分辨率輻射計AVHRR（Advanced Very High Resolution Radiometer） 數(shù) 據(jù)分析過青海湖湖冰的凍結(jié)消融過程，并用觀測站點數(shù)據(jù)對湖冰厚度與氣溫之間的關(guān)系進(jìn)行過探討。殷青軍和楊英蓮（2005）基于中等分辨率成像光譜儀MODIS（Moderate-resolution Imaging Spectroradiometer）數(shù)據(jù)通過設(shè)定閾值來自動提取湖冰覆蓋范圍，并用氣象觀測數(shù)據(jù)進(jìn)行了驗證。Cai 等（2019）利用2000年—2017年的MODIS 數(shù)據(jù)分析了青藏高原50 多個湖泊凍融日期和湖冰覆蓋時間的變化，并進(jìn)一步探討了湖冰物候變化的時空差異和原因。盡管AVHRR、MODIS 等中等分辨率的光學(xué)遙感數(shù)據(jù)有高時間分辨率的優(yōu)勢，可以提取每日的湖冰覆蓋范圍并進(jìn)行制圖（Weber 等，2016；祁苗苗等，2018；Wu 等，2021），進(jìn)而可以得到湖泊凍融日期，但是會受到云的影響，使最終的日期結(jié)果產(chǎn)生一定的誤差。

與光學(xué)遙感技術(shù)方法不同，微波遙感不受云雨天氣條件的影響，而且被動微波遙感有較高的重訪周期，可以獲取每日的湖泊表面亮溫信息，根據(jù)湖冰和湖水顯著的亮溫差異，即可提取湖泊的凍融日期（車濤等，2009）。雖然被動微波遙感數(shù)據(jù)空間分辨率通常較低，但在監(jiān)測大型湖泊的湖冰覆蓋范圍方面有很大的優(yōu)勢（汪關(guān)信等，2021）。Cai 等（2017）利用1979年—2016年被動微波遙感數(shù)據(jù)分析了青海湖湖冰凍結(jié)消融的長時間序列變化，而Howell 等（2009）利用SeaWinds/QuickSCAT微波遙感數(shù)據(jù)監(jiān)測過加拿大兩個大型湖泊Great Bear Lake 和Great Slave Lake 的湖冰物候變化。

國內(nèi)利用遙感技術(shù)開展湖冰物候變化的監(jiān)測研究主要集中在青藏高原湖區(qū)（Ke 等，2013；姚曉軍 等，2015）和新疆湖區(qū)（Cai 等，2020），而東北湖區(qū)的湖冰遙感監(jiān)測研究較少（Yang 等，2019）。興凱湖（本文指大興凱湖）面積大，濕地分布廣，是三江平原地區(qū)生物多樣性最為豐富的自然生態(tài)系統(tǒng)，是國家級自然保護(hù)區(qū)，同時也是世界生物圈保護(hù)區(qū)。興凱湖是以湖泊、沼澤、草地和森林組成的一個完整濕地生態(tài)系統(tǒng)，是東北亞重要的鳥類停歇繁殖基地和遷徙通道，2001年入選拉姆爾國際濕地公約組織的國際重要濕地名錄。因此開展興凱湖的湖冰物候變化對全球氣候變暖的響應(yīng)研究具有重要的科學(xué)意義。Yang 等（2019）利用2003年—2016年MODIS 數(shù)據(jù)分析了興凱湖的湖冰物候變化，然而MODIS 數(shù)據(jù)的時間序列短，而且還會受到云的干擾。因而本文利用1979年—2019年的被動微波遙感數(shù)據(jù)分析興凱湖湖冰物候的長時間序列變化及其原因。

2 興凱湖概況

興凱湖位于黑龍江省東南部的烏蘇里江流域，是中國、俄羅斯之間的界湖，介于44°32′N—45°21′N，131°58′E—132°51′E。興凱湖是由造山運動導(dǎo)致地殼陷落而形成的構(gòu)造湖，呈橢圓形，南北長（約90 km），東西窄（約50 km）。湖面海拔69 m，正常蓄水位的湖泊面積約為4010 km2，水深為2—10 m。興凱湖是河流直接補給的湖泊，入湖河流有10 余條，而出湖河流僅有唯一的松阿察河。興凱湖屬于濕潤半濕潤的溫帶大陸性季風(fēng)氣候，年平均氣溫2.9—3.1 ℃，年平均降水量750 mm，夏季降水量約占全年的70%。興凱湖冬季極其寒冷，11 月開始結(jié)冰，15 d 左右湖面全部凍結(jié)，湖冰厚度0.8—1.5 m，積雪深度可達(dá)20 cm，4 月中下旬解凍，湖冰覆蓋時間150 d 左右。本文設(shè)定一個湖冰年周期從09-01 開始至下一年的08-31，例如，2018-09-01—2019-08-31 稱為2019年的湖冰周期。

3 數(shù) 據(jù)

3.1 被動微波遙感數(shù)據(jù)

用美國雪冰中心（https：//nsidc.org/data/［2021-04-29］）CETB（Calibrated Enhanced Resolution Passive Microwave）產(chǎn)品中的SMMR（Scanning Multi-channel Microwave Radiometer）、SSM/I（Special Sensor Microwave Image）和SSMIS（Special Sensor Microwave Imager/Sounder）數(shù)據(jù)來提取興凱湖的湖冰物候。其中美國雨云Nimbus-7 衛(wèi)星搭載的SMMR 傳感器，共有6.6 GHz、10.7 GHz、18.0 GHz、21.0 GHz 和37.0 GHz 5個頻段，時間分辨率是1 d，空間分辨率是25 km。SSM/I 是搭載在DMSP（Defense Meteorological Satellite Program）系列衛(wèi)星F8、F10、F11、F13、F14、F15 上的傳感器，SSMIS 搭載在同系列F16、F17、F18、F19等衛(wèi)星上，其中F15、F16、F17、F18仍在運行，共有19.35 GHz、22.2 GHz、37.0 GHz、85.5 GHz（SMMIS 上用91.655 GHz 通道代替85.5 GHz）4 個頻段。各頻段時間分辨率均為1 d。

CETB 是NASA（National Aeronautics and Space Administration）MEaSUREs（Making Earth System Data Records for Use in Research Environments）計劃的一部分，是一種改進(jìn)的格網(wǎng)地球系統(tǒng)數(shù)據(jù)記錄，用于冰凍圈和水圈動態(tài)變化的監(jiān)測。該數(shù)據(jù)集根據(jù)目前最成熟的星載被動微波二級數(shù)據(jù)生成，而且經(jīng)過了跨傳感器校準(zhǔn)和質(zhì)量檢查，擁有更好的質(zhì)量控制和改進(jìn)的投影網(wǎng)格，并進(jìn)行了本地時間的改進(jìn)處理。數(shù)據(jù)集包含所有頻段的25 km 分辨率產(chǎn)品，同時根據(jù)通道頻段不同，提供最高可達(dá)3.125 km的增強分辨率產(chǎn)品，是目前空間分辨率最高的被動微波亮溫數(shù)據(jù)。本文使用3.125 km 分辨率的CETB 產(chǎn)品，時間序列為1979-10-26—2019-08-31。由于1986-04-02—06-23 的Nimbus-7 衛(wèi)星數(shù)據(jù)缺失，因此無法獲得該時間段興凱湖的開始消融和完全消融日期。

3.2 MODIS數(shù)據(jù)

MODIS 每日積雪產(chǎn)品來自美國雪冰中心（https：//nsidc.org/data/［2021-04-29］）。美國NASA地球觀測系統(tǒng)的Terra 和Aqua 衛(wèi)星上均搭載有MODIS 傳感器，共有36 個波段，空間分辨率包括250 m、500 m和1 000 m。基于歸一化積雪指數(shù)NDSI（Normalized Difference Snow Index）方法生成了MODIS 每日積雪產(chǎn)品MOD10A1/Terra 和MYD10A1/Aqua，提供空間分辨率為500 m的分類后地表覆蓋類型數(shù)據(jù)，包括陸地、云層、積雪等類型。其中MOD10A1 產(chǎn) 品自2000-02-24 起，MYD10A1 產(chǎn)品自2002-07-04 起。NASA 于2017年發(fā)布了第6 個版本的MODIS 積雪產(chǎn)品，提供像元百分比的積雪覆蓋。2000-09—2019-08 第六版MODIS 每日積雪產(chǎn)品也被用于提取興凱湖的湖冰物候，主要目的是驗證CETB數(shù)據(jù)提取的湖冰物候結(jié)果。

3.3 氣候數(shù)據(jù)

使用興凱湖附近雞西氣象站的數(shù)據(jù)（http：//data.cma.cn/［2021-04-29］）分析湖冰物候變化的原因。該站點位于130.57°E，45.17°N，獲取了1979-09—2019-08的氣溫、降水和風(fēng)速數(shù)據(jù)。與湖冰物候周期一致，采用9 月至次年8 月的數(shù)據(jù)計算年均氣溫、年均風(fēng)速和年降水量。

4 方 法

4.1 被動微波數(shù)據(jù)湖泊凍融日期提取

冰和水的介電特性有顯著差異，湖冰凍結(jié)和融化過程中，微波亮溫在多個頻段都會發(fā)生急劇變化，冰的亮溫高于水的亮溫，因此可以利用湖泊在有冰和無冰期間顯著的亮溫差異來獲取湖冰日期?；瑒觮檢驗MTT（Moving T Test）閾值法在湖冰物候提取的過程中被證明非常有效（Du 等，2017）。MTT 方法對時間序列上的每個點依次進(jìn)行t檢驗，檢查時間點前后一定長度的子樣本均值是否具有顯著差異，進(jìn)而獲得突變點，常用于氣候因素的突變檢測（Xiao 和Li，2007）。獲取湖冰凍融日期序列上的突變點時，判斷某日前后20 d 的平均亮溫是否有顯著差異，進(jìn)而判斷該日是否發(fā)生了湖冰覆蓋狀況的變化。

湖泊的凍結(jié)和融化是一個變化的過程，在一個年周期內(nèi)，至少會有兩組亮溫突變點（凍結(jié)和融化過程）。此外，由于湖冰的反復(fù)凍結(jié)、湖泊表面粗糙度變化等噪聲存在，通常存在兩組以上的連續(xù)突變點。對于一組突變點，第一個時間點前20 d 的平均亮溫，和最后一個時間點后20 d 的平均亮溫，分別可以代表變化過程前后的穩(wěn)定狀態(tài)。通常大型湖泊在形成湖冰覆蓋前，會經(jīng)歷幾天至幾十天的冷卻過程，這段時間湖泊的亮溫處于全年最低時期。因此，選取所有突變組中最低的變化前亮溫為湖水的亮溫參考值，同組的變化后亮溫為湖冰的亮溫參考值。計算湖冰和湖水亮溫參考值的均值作為劃分湖冰與湖水狀態(tài)的閾值。考慮到短期天氣變化或傳感器觀測周期變化都可能引起湖泊亮溫發(fā)生短暫變化，采用前后10 d 的亮溫均值代替原始亮溫，并與閾值比較，進(jìn)而判斷當(dāng)日的湖冰/湖水狀態(tài)。

由于CETB 產(chǎn)品原始觀測數(shù)據(jù)的足跡點為25 km，導(dǎo)致靠近湖泊邊界的像元很可能包含陸地混合信息，不能真實表現(xiàn)湖泊亮溫在水/冰轉(zhuǎn)換時的變化。為了避免陸地的干擾，并盡可能多地獲取可用的、純凈像元，設(shè)置兩個像元大?。?.25 km）的緩沖區(qū)，排除嚴(yán)重受陸地影響的像元，進(jìn)而可以保證湖冰物候的提取精度。對于經(jīng)過篩選的像元，統(tǒng)計每天湖冰和湖水的像元數(shù)量，設(shè)置年內(nèi)湖水像元最大值為湖泊的總像元量，計算5%和95%的閾值，用于提取湖泊凍融日期（Kropá?ek 等，2013）。當(dāng)湖冰像元數(shù)量大于5%且保持凍結(jié)狀態(tài)，認(rèn)為湖泊開始凍結(jié)；當(dāng)湖冰像元數(shù)量大于95%且保持凍結(jié)狀態(tài)，認(rèn)為湖泊完全凍結(jié)；反之，當(dāng)湖冰像元數(shù)量小于95%，認(rèn)為湖冰開始消融；當(dāng)湖冰像元數(shù)量小于5%，認(rèn)為湖冰完全消融。

以2018年—2019年興凱湖的湖冰凍融過程為例，6.25 km 的緩沖區(qū)可以篩選得到良好的湖泊凍融過程曲線（圖1、圖2（a））。興凱湖共有246個像元參與湖泊凍融日期提取，在觀測到超過12 個湖冰像元（5%）時，就認(rèn)為該年開始凍結(jié)；湖冰像元達(dá)到234 個（95%）時，認(rèn)為完全凍結(jié)。反之，春季湖水像元超過12個，就認(rèn)為開始消融；湖水像元超過234個時，就認(rèn)為完全消融（圖1）。2018年—2019年興凱湖凍融日期分別為：2018-11-21 開始凍結(jié)（圖2（b）），2018-12-03 完全凍結(jié)（圖2（c））；2019-03-27 開始消融（圖2（d）），2019-04-09 完全消融（圖2（e））。

圖1 2018年—2019年興凱湖凍融日期的提取過程Fig.1 The extraction process of freeze-thaw dates of Khanka Lake from 2018 to 2019

4.2 MODIS數(shù)據(jù)去云處理與湖泊凍融日期提取

由于Terra 是上午星，Aqua 是下午星，可以通過雙星合成法和臨近日五天合成法兩個步驟完成去云（Gafurov 和Bárdossy，2009）。由于兩顆衛(wèi)星的發(fā)射時間不同，只能對2002-07-04 以后的數(shù)據(jù)進(jìn)行去云處理。以2018-09—2019-08 MODIS 數(shù)據(jù)的去云處理為例，處理前Terra 衛(wèi)星的年均云覆蓋率為49.78%，第1 步雙星合成法去云后，平均云量降低到了40.33%，第2 步臨近日五天合成法去云后，平均云量只剩10.24%。

由于湖泊面積變化和不可避免的像元分類錯誤，首先對興凱湖范圍內(nèi)每年的湖水像元數(shù)量取組中值，將其劃分為大于組中值和小于組中值的兩組，分別計算均值作為開闊水域狀態(tài)和湖冰覆蓋狀態(tài)的像元數(shù)量參考值，利用兩個參考值的5%和95% 作為閾值提取每年的湖泊凍融日期（Kropá?ek 等，2013）。為了避免湖面狀況突變影響提取過程，去云后云量仍大于50%的影像不參與湖泊凍融日期的提取。

4.3 誤差及不確定性分析

被動微波遙感數(shù)據(jù)提取湖冰物候的誤差來源于兩個方面：衛(wèi)星運行模式導(dǎo)致的周期性數(shù)據(jù)缺失，以及湖泊凍融日期提取過程產(chǎn)生的誤差。理論上被動微波數(shù)據(jù)的時間分辨率為1 d，但由于存在軌道條帶間隔，實際上并非如此。采樣間隔在1979年—1987年的數(shù)據(jù)中產(chǎn)生4—6 d 的誤差，1988年—2019年的數(shù)據(jù)中產(chǎn)生1—3 d的誤差（Cai等，2017）。總體上，隨著傳感器更迭，被動微波數(shù)據(jù)的采樣頻率在逐漸提高，數(shù)據(jù)缺失情況在逐漸改善。在湖冰物候提取過程中，如果遇到數(shù)據(jù)缺失，會向后順延采用有數(shù)據(jù)的一日作為當(dāng)年的結(jié)果。因此，被動微波獲取的日期可能會比實際情況稍晚。

湖泊凍融日期提取過程中的誤差主要由混合像元造成。以SSM/I為例，雖然增強分辨率產(chǎn)品的空間分辨率為3.125 km，但原始數(shù)據(jù)的足跡點約為25 km。因此，單個像元可以獲取多種不同地表特征信息（Bennartz，1999），混合像元效應(yīng)嚴(yán)重，尤其是靠近湖岸的像元，不可避免會混入陸地信息。純凈水體像元在凍結(jié)/融化的變化過程中會導(dǎo)致高達(dá)80—100 K 的亮溫變化，但陸地成分的存在會導(dǎo)致湖泊未結(jié)冰時的亮溫上升、湖泊結(jié)冰時的亮溫下降，無冰/有冰的亮溫差異顯著減小。而MTT 算法主要依靠湖泊凍融時產(chǎn)生的亮溫突變，因此混合像元會直接影響算法判斷的結(jié)果。文中設(shè)置了兩個像元大?。?.25 km）的緩沖區(qū)剔除靠近湖岸的混合像元，但是緩沖區(qū)的設(shè)置會導(dǎo)致被動微波數(shù)據(jù)的結(jié)果只包含了湖泊中心部分的信息。由于湖泊的凍融通常從湖岸開始，與實際冰情相比，被動微波對湖冰變化開始的信號響應(yīng)可能有延遲，同時會提前認(rèn)為湖泊完成變化。反映在湖泊凍融日期的結(jié)果中，被動微波的開始凍結(jié)和開始消融日期可能比實際情況晚，而完全凍結(jié)和完全消融日期可能比實際情況早。

4.4 數(shù)據(jù)分析方法

采用相關(guān)系數(shù)（r）、平均偏差（bias）和平均絕對誤差MAE（Mean Absolute Error）評價被動微波和MODIS 數(shù)據(jù)獲取的湖冰物候結(jié)果的一致性和差異性。用Mann-Kendall 檢驗評估湖冰物候變化趨勢的方向和顯著性，用Sen’s 斜率法計算湖冰凍融日期和部分氣候要素時間序列的變化速率。同時相關(guān)系數(shù)也被用于評價湖冰物候與氣候要素（氣溫、降水和風(fēng)速）之間的相關(guān)性。

5 結(jié) 果

5.1 湖泊凍融日期提取結(jié)果的驗證

無論是開始凍結(jié)日期、完全凍結(jié)日期、開始消融日期還是完全消融日期，被動微波和MODIS提取的結(jié)果都有較大的相關(guān)系數(shù)（圖3）。整體上，被動微波獲取的凍結(jié)日期比MODIS 獲取的結(jié)果稍早，而消融日期更晚。凍結(jié)日期之間的偏差比消融日期小，但消融日期之間的相關(guān)性更高。其中，開始凍結(jié)日之間的偏差為3.95 d，MAE 為5.95 d（圖3（a））。興凱湖在凍結(jié)過程中容易受到云雨天氣影響，持續(xù)的云覆蓋可能導(dǎo)致了MODIS 獲取的開始凍結(jié)日比實際情況有一定延后。完全凍結(jié)日之間的偏差為1.21 d，MAE 為3.42 d，是4 個日期中偏差和MAE 最小的（圖3（b）），被動微波由于空間分辨率較低，容易忽略細(xì)節(jié)信息，因此對完全凍結(jié)日的判斷可能比實際情況稍早。開始消融日之間的偏差最大，為-7.53 d，MAE 為7.53 d（圖3（c）），表明被動微波獲取的開始消融日每年都比MODIS晚，對于被動微波數(shù)據(jù)，像元內(nèi)只要有部分的湖冰覆蓋，都可通過高亮溫識別出來，但對小范圍的消融可能并不敏感，此外，被動微波的軌道條帶間隔也可能進(jìn)一步導(dǎo)致了開始消融日的延后。完全消融日之間的偏差為-5.89 d，MAE 為6.00 d（圖3（d）），這同樣可能是由于MODIS 易受云雨天氣影響，寬松的閾值排除了噪聲像元，也排除了小范圍未消融的湖冰，導(dǎo)致判斷的完全消融日提前，而被動微波對小范圍的湖冰更敏感，軌道條帶間隔也可能導(dǎo)致判斷的完全消融日延后。

由于MODIS 和被動微波數(shù)據(jù)類型不同、分辨率不同、提取湖泊凍融日期的方法不同，兩者獲取的日期結(jié)果有不可避免的差異。MODIS 的空間分辨率更高，比被動微波更能反映實際情況，但云的存在增加了數(shù)據(jù)結(jié)果的不確定性；被動微波容易忽略湖面凍融的細(xì)節(jié)信息，且有周期性的數(shù)據(jù)缺失，但提取湖泊凍融日期的過程沒有額外的干擾信息。盡管有一定的差異，總體上，被動微波和MODIS 獲取的湖泊凍融日期都呈現(xiàn)顯著的相關(guān)性，表明基于被動微波數(shù)據(jù)提取湖泊凍融日期的方法是可行的，其結(jié)果也是可靠的。

5.2 興凱湖的湖冰物候變化

1979年—2019年，平均而言，興凱湖大約每年11-13開始凍結(jié)，11-23完全凍結(jié)，湖冰凍結(jié)持續(xù)時間9.80 d（圖4）。興凱湖最早的開始凍結(jié)時間發(fā)生在1985年，是10-31，最晚在1979年，是11-23。最早的完全凍結(jié)時間發(fā)生在1980年，是11-10，最晚在2004年和2018年，都是12-03。一般而言，次年04-23 興凱湖湖冰開始消融，04-30 湖冰完全消融，消融持續(xù)時間8.03 d。最早的開始消融日期在2019年，是03-27，最晚開始消融日期是1984年和2013年的05-05。最早的湖冰完全消融時間發(fā)生在2019年，04-09，最晚在1984年，05-15。

圖4 1979年—2019年興凱湖湖冰物候的變化Fig.4 The ice phenology variations of Khanka Lake from 1979 to 2019

過去41年，平均而言，興凱湖湖冰完全封凍時間150.50 d，湖冰覆蓋時間168.03 d。最短的完全封凍時間發(fā)生在2018年/2019年，具體日期為2018-12-03—2019-03-27，完全封凍時間為114 d。最長的完全封凍時間發(fā)生在1980年/1981年，也即1980-11-10—1981-04-27，完全封凍時間長達(dá)168 d。最短的湖冰覆蓋時間也發(fā)生在2018年—2019年，具體日期為2018-11-21—2019-04-09，湖冰覆蓋時長為139 d。最長的湖冰覆蓋時間發(fā)生在1984年—1985年，也即1984-11-07—1985-05-14，湖冰覆蓋時間超過半年，長達(dá)188 d。

1979年—2019年，興凱湖開始凍結(jié)日期沒有明顯的變化，完全凍結(jié)日期平均推后了0.19 d/a，總共推遲了7.79 d（圖4（a））。開始消融日期提前了0.16 d/a，完全消融日期提前了0.13 d/a，過去41 a開始消融日期和完全消融日期分別提前了6.56 d和5.33 d（圖4（b））。興凱湖湖冰完全封凍時間平均縮短0.31 d/a，過去41 a 總共縮短了12.71 d，同樣，湖冰覆蓋時間也是縮短的，速率為0.07 d/a，總共縮短了2.87 d（圖4（c））。盡管本文使用的遙感數(shù)據(jù)及其時間序列不同，但是興凱湖湖冰持續(xù)時間縮短的趨勢與Yang 等（2019）的結(jié)果是一致的。

6 討 論

將1979年—2019年興凱湖的湖冰凍融日期變化與雞西氣象站的年總降水、年均風(fēng)速和氣溫變化進(jìn)行比較（表1）?？梢园l(fā)現(xiàn)湖冰凍融日期、湖冰持續(xù)時間與降水都沒有顯著的相關(guān)關(guān)系，表明降水變化對興凱湖的湖冰物候變化幾乎沒有影響。風(fēng)速與完全凍結(jié)日期呈顯著的正相關(guān)關(guān)系，表明風(fēng)速增大，湖冰擴散破碎，不易聚集，導(dǎo)致湖泊完全凍結(jié)日期的延后。除完全凍結(jié)日期外，風(fēng)速與湖冰封凍持續(xù)時間也有負(fù)相關(guān)關(guān)系。凍結(jié)過程中，風(fēng)的動力作用會機械地破壞較薄的湖冰，從而推遲了完整湖冰覆蓋的形成，進(jìn)而導(dǎo)致封凍持續(xù)時間的縮短。

表1 1979年—2019年興凱湖湖冰物候變化與氣候因素的相關(guān)關(guān)系Table 1 Correlations among ice phenology of Khanka Lake and climate factors from 1979 to 2019

雞西氣象站的數(shù)據(jù)表明1979年—2019年興凱湖流域氣溫明顯升高，升高速率為0.024 ℃/a。氣溫與凍結(jié)日期有一定的正相關(guān)關(guān)系，與消融日期和湖冰持續(xù)時間呈顯著的負(fù)相關(guān)關(guān)系（表1，圖5），是影響興凱湖湖冰物候變化的主要原因。與消融日期相比，湖泊凍結(jié)受到的影響因素更多，除溫度、風(fēng)力作用外，還取決于湖泊形態(tài)和大小等特征。湖冰的消融主要取決于吸收的熱量，升高的溫度不僅會直接影響湖冰持續(xù)時間的長短，秋冬季節(jié)溫和的氣候也會造成冰厚減薄、湖面積雪減少，從而導(dǎo)致湖冰更易消融。在平均氣溫低的年份湖冰持續(xù)時間相應(yīng)較長，如1981年、1982年、1984年、1985年、2010年，湖冰完全封凍時間和湖冰覆蓋時間分別都超過了160 d和180 d。而平均氣溫高的年份湖冰持續(xù)時間相對較短，如2014年、2019年，湖冰完全封凍時間和湖冰覆蓋時間分別都少于130 d和150 d。

圖5 1979年—2019年興凱湖湖冰覆蓋時間與氣溫之間的關(guān)系Fig.5 The relationship between ice cover duration of Khanka Lake and air temperature from 1979 to 2019

7 結(jié) 論

利用1979年—2019年的被動微波遙感數(shù)據(jù)獲取了興凱湖的湖冰物候，與2000年—2019年MODIS 遙感數(shù)據(jù)的結(jié)果具有較好的一致性，這表明用被動微波亮溫數(shù)據(jù)獲取湖冰物候的方法是可行的，結(jié)果也是可靠的。過去41 a，興凱湖湖冰開始凍結(jié)日期沒有明顯變化，完全凍結(jié)日期推遲了7.79 d，開始消融日期和完全消融日期分別提前了6.56 d 和5.33 d。湖冰完全封凍時間和湖冰覆蓋時間分別縮短了12.71 d 和2.87 d。氣溫升高是湖冰凍結(jié)日期推后、消融日期提前以及湖冰持續(xù)時間縮短的主要原因。因此湖冰凍結(jié)、消融日期以及湖冰持續(xù)時間可以作為湖區(qū)氣候變化的指示器。

湖冰作為氣候變化的一種指示器，僅靠地面觀測無法滿足全方位、多視角湖冰研究的需求。對于興凱湖這樣偏遠(yuǎn)、跨國界、大面積的湖泊來說，用遙感方法來獲取湖泊冰情信息進(jìn)而分析其對區(qū)域氣候變化的響應(yīng)非常有必要。長時間序列、高時間分辨率、免費的被動微波遙感數(shù)據(jù)在湖泊冰情對氣候變暖的響應(yīng)研究方面發(fā)揮了舉足輕重的作用。然而被動微波遙感數(shù)據(jù)空間分辨率低，大大限制了數(shù)據(jù)的應(yīng)用范圍。在今后的研究中，混合像元的分解可以作為新的研究方向，如能解決這個問題則可以在一定程度上擴大數(shù)據(jù)的應(yīng)用范圍，分析一些中小湖泊的湖冰物候變化。對亮溫曲線不明顯的年份，湖冰物候的提取方法也需要進(jìn)一步優(yōu)化和調(diào)整，尋找一種能夠降噪的算法以提高湖冰物候提取結(jié)果的精度。此外，湖泊冰情變化的影響因素眾多，除了氣溫之外，還有地形、風(fēng)向風(fēng)速、鹽度、水深等因素，將高分辨率的多源遙感與氣象、水文等觀測或模式數(shù)據(jù)相結(jié)合，綜合分析湖泊凍結(jié)消融狀況及其對氣候變化的響應(yīng)也是未來重要的發(fā)展方向。