青藏高原色林錯2000–2021 年湖冰數據集

李佳鑫，曹志剛，胡旻琪，熊俊峰，馬榮華,3*

1.中國科學院南京地理與湖泊研究所，中國科學院流域地理學重點實驗室，南京 210008

2.中國科學院大學，北京 100049

3.國家地球系統科學數據中心，湖泊–流域科學數據中心，南京 210008

引 言

全球變暖成為不爭的事實[1]，大氣和海洋變暖、水循環變化、冰凍圈退縮、海平面上升和極端氣候事件增加，對全球自然生態系統和社會經濟系統產生深刻的影響，嚴重制約人類可持續發展[2]。冰凍圈作為氣候系統重要組成圈層之一，不僅對氣候變化表現出高度的敏感性，同時其自身變化亦會改變氣候系統和生態環境[3]。湖冰是冰凍圈的重要組成部分，與氣候相互影響，湖面水冰狀態轉變影響湖流運動，使湖面物理性質發生變化，影響與大氣的熱量交換。因此，湖泊冰期趨勢對于了解當地和全球氣候系統動態非常重要。

色林錯地處青藏高原，較少受人類活動影響，湖冰物候更能反映自然氣候的變化。但高原復雜的地理環境為實地考察增加不少危險性，難以對湖泊進行全方位觀測，不利于相關研究工作的開展。遙感具有覆蓋面廣、獲取數據時間短、信息豐富、同步顯示地物特征等特點。隨著遙感技術的不斷發展，影像數據獲取便利，基于衛星觀測數據在研究世界各地湖泊冰物候變化時展現出巨大的潛力[4-5]。微波影像和光學影像都被應用于湖冰提取，但微波遙感由于時間分辨率低（5–6 天）且成本高，不適合大規模的湖泊冰物提取，光學衛星的應用較為廣泛。例如，基于湖冰光譜特征構建的歸一化積雪指數[6]、湖面溫度、支持向量機和決策樹等方法都被用于湖冰提取[7-8]。搭載于Terra 衛星（1999至今）和Aqua 衛星（2002 年至今）的MODIS（Moderate Moderate Resolution Imaging Spectroradiometer）傳感器可提供日尺度的全球影像數據，為湖冰連續監測和了解湖冰間歇性、持續時間等提供了可能。全球變暖背景下，不少研究表明湖泊冰期整體上呈現縮短趨勢[9]。色林錯流域近50 a 氣溫顯著升高、降水總體增加[10]，湖面不斷擴張[11]，湖冰呈現出凍結推遲、冰期縮短的趨勢[12]。色林錯的湖冰物候有著指示氣候變化的重要意義，長時序的湖冰監測可為相關研究提供數據支撐。

本研究首先通過歸一化水體指數（Normalized Difference Water Index，NDWI）[13]獲取2000–2021年色林錯湖泊邊界數據。之后基于光譜反射率特征，構建了一種基于波段差值的高精度湖冰遙感提取方法，結合目視解譯驗證了算法精度，總精度與Kappa 系數顯著優于已有的MODIS 積雪產品MOD10A1。最后，將算法應用于MODIS Terra 的地表反射率數據，獲取了2000–2020 年11 月至次年5 月的日尺度色林錯湖冰分布數據集，并基于湖冰面積比例識別每年湖冰物候期，為湖泊系統和氣候變化的研究提供支持。

1 數據采集和處理方法

1.1 數據采集

MODIS 傳感器的時間分辨率高，被用于提取湖冰并獲取物候變化?？紤]到色林錯每年邊界存在較大變動，Landsat 系列傳感器（30 m）被用于確定每年的色林錯精確邊界。具體地，本研究使用2000–2021 年每年11 月至次年5 月的Terra MODIS 陸地反射率數據（MOD09GQ）提取湖冰[14]，使用每年豐水期（6–9 月）的Landsat 系列傳感器地表反射率產品（Surface reflectance，Collection 2，Tier 1）提取色林錯湖泊邊界。MODIS 與Landsat 的地表反射率產品均已去除水汽和臭氧吸收、氣溶膠和瑞利散射等大氣影響。在湖冰提取前，我們使用二者陸地反射率產品中自帶的質量控制波段區域云和云陰影的影響（MODIS:state_1km_1，Landsat: QA_PIXEL）。影像的獲取和處理均通過Google Earth Engine 完成。

1.2 處理方法

1.2.1 歸一化水體指數

湖泊水體反射率整體較低，隨波長增加而減少，在近紅外波段處反射率幾乎為零；植被在可見光波段表現出高吸收，在近紅外波段處反射率較高。歸一化水體指數（NDWI）通過對綠波段與近紅外波段做歸一化運算，增大二者在近紅外波段的差異，從而達到突出水體信息的目的。該方法簡單快捷，應用廣泛，其計算公式如下：

式中，GREEN 為綠波段地表反射率，NIR 為近紅外波段地表反射率。分別為Landsat TM/ETM+第二波段（525–605 nm）和第四波段（775–900 nm）、Landsat OLI 第三波段（525–600 nm）和第五波段（845–885 nm）。計算NDWI 指數后，值大于0 則判定為水體，獲得每年多景水體二值圖，計算像素積水年頻率，基于年頻率大于70%的認為是年永久性水體。將此部分柵格轉為矢量數據，目視剔除多余的河流部分。

1.2.2 湖冰覆蓋范圍提取

對2000–2020 年11 月至次年5 月的MODIS 影像，用每年的湖泊邊界數據進行裁剪以排除陸地的干擾。在MODIS 影像上選擇云、陸地、冰和水4 類像元，光譜對比如圖1 所示。

圖1 MODIS 不同地物像元光譜對比Figure 1 Comparison of the spectra of different ground object pixels in MODIS

冰和水在近紅外波段的反射率均低于紅外波段的反射率，且冰的差值大幅高于水，陸地和云在這兩個波段反射率相近，因此使用MODIS 紅波段與近紅外波段的差值提取湖冰，計算公式如下：

其中RED（620–670 nm）、NIR（841–876 nm）分別為MODIS 第一波段反射率與第二波段反射率；T 表示閾值，使用OTSU 算法[15]自動確定。由于冰和水在短波紅外波段的反射率均高于近紅外波段，波段差值小于0 的像元不是冰也不是水；色林錯水體反射率整體都在0.1 以下，波段差值不會高于0.1，因此確定灰度在0–0.1 范圍的像元只存在冰和水兩類，進一步排除干擾因子。截取直方圖0–0.1范圍內數據計算OTSU 閾值T2，如圖2（d）湖冰提取結果所示，與圖2（c）相比補全了北部湖灣漏提的湖冰。使用優化后的方法遍歷MODIS 影像數據集，計算每幅影像的閾值實現湖冰分布提取。

圖2 方法示例Figure 2 Method example

1.2.3 湖冰物候識別

湖冰從開始凍結到完全融化是一個完整的封凍期（frozen duration，FD），一般從每年11 月開始，次年5 月結束。湖冰物候的主要時間節點包括：開始凍結時間（freeze-up start，FUS），即湖泊表面湖冰開始出現的時間點；完全凍結時間（freeze-up end，FUE），即湖泊表面首次全部凍結的時間點；開始融化時間（break-up start，BUS），即湖泊完全封凍后，湖冰開始融化的第一天；完全融化時間（break-up end，BUE），即湖冰完全融化，湖泊表面不再有湖冰出現的第一天。相鄰時間節點之間的三個時間段分別為：凍結期（freeze-up duration，FUD）、完全封凍期（complete ice duration，CID）和消融期（break-up duration，BUD）?？紤]到提取結果誤差及去云導致的影像信息缺失，計算湖冰面積占比的5 天平均數判斷FUS 和BUE，隨時間推移當湖冰面積占全湖面積的10%時認為此時湖泊開始結冰，達到90%時認為湖泊完全凍結，當面積小于90%時則為開始融化日，小于10%時則為完全融化日，由于可能存在多次凍融過程，FUS 和BUS 取最后一次日期，FUE 和BUE 首次日期（圖3），各日期代表每年湖冰凍結到的某一同樣程度，而不是嚴格意義上第一次出現（完全消失）。

圖3 湖冰物候識別示意圖Figure 3 Schematic diagram of phenological identification of lake ice

2 數據樣本描述

本數據集包括2000–2021 年色林錯年湖泊邊界矢量數據集和2000–2020 年每年11 月至次年5 月每日湖冰分布數據集：

（1）湖泊邊界矢量數據集位于文件夾“SLC_Boundary”，命名規則為“slc 年份_b.shp”，如slc2000_b.shp，投影坐標系WGS84UTM。每年面積統計結果匯總在“色林錯面積.xlsx”。

（2）湖冰分布數據集位于文件夾“SLC_ICE”，命名規則為“SLC 年-月-日_Iout.tif”，如“SLC2000-11-1_Iout.tif”，投影坐標系WGS84UTM，空間分辨率250 m，柵格像元值1 為湖冰，0為非湖冰。物候識別結果匯總于“色林錯湖冰物候.xlsx”，FUS、FUE、BUS 和BUE 以“年/月/日”記錄，FD、FUD、CID 和BUD 以每年第幾天記錄，次年則加365 或366 天。

3 數據質量控制和評估

本數據集為日尺度連續數據，由于原始MODIS 影像質量問題致小部分日期缺失。圖4 展示了2018 年1 月18 日凍結期和2 月3 日完全封凍期MODIS 影像的湖冰提取結果，與MODIS 積雪產品MOD10A1[16]及同日Landsat OLI 影像目視解譯結果的對比，本數據集結果記為B12。

圖4 湖冰提取結果驗證Figure 4 Verification of lake ice extraction results

以目視解譯結果作為真實地表數據進行驗證，計算混淆矩陣得到總精度（OA）和Kappa 系數（見表1）。本數據集總精度都保持在90%以上，Kappa 系數均達到0.80，精度高于MODIS 積雪產品MOD10A1。此外對各種方法提取結果的面積做對比（表2），除2020 年4 月29 日的結果外，本數據集面積更接近目視解譯面積。

表1 湖冰提取精度Table 1 Accuracy in lake ice extraction

表2 湖冰面積對比（km2）Table 2 Comparison of lake ice areas (km2)

4 數據使用方法和建議

本數據集基于MODIS 的地表反射率數據，使用基于閾值優化波段差值的高精度湖冰遙感提取方法，獲取了色林錯2000–2021 年湖冰物候數據集，可為研究色林錯的湖冰時空分布和物候變化提供數據支持，也可為理解氣候變化下的湖冰生消過程提供科學依據。本數據集可直接在ArcGIS、ENVI等地理信息系統軟件中進行編輯、查詢以及后續分析工作。

數據作者分工職責

李佳鑫（1998—），女，山西長治人，碩士，研究方向為湖冰遙感監測。主要承擔工作：湖冰算法集成程序編寫，數據生產流程設計，論文撰寫。

曹志剛（1991—），男，安徽亳州人，博士，研究方向為湖泊水色遙感。主要承擔工作：算法指導，論文修改。

胡旻琪（1994—），女，江蘇南京人，博士，研究方向為湖泊水環境遙感。主要承擔工作：技術指導，論文修改。

熊俊峰（1993—），男，江西九江人，博士，研究方向為流域地理與環境遙感。主要承擔工作：技術指導，論文修改。

馬榮華（1972—），男，山東臨沂人，博士，研究方向為湖泊環境遙感。主要承擔工作：總體思路設計，論文修改。