青藏高原色林錯2000–2021 年湖冰數(shù)據(jù)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(tǒng)科學數(shù)據(jù)中心，湖泊–流域科學數(shù)據(jù)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(huán)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(tài)系統(tǒng)和社會經(jīng)濟系統(tǒng)產(chǎn)生深刻的影響，嚴重制約人類可持續(xù)發(fā)展[2]。冰凍圈作為氣候系統(tǒng)重要組成圈層之一，不僅對氣候變化表現(xiàn)出高度的敏感性，同時其自身變化亦會改變氣候系統(tǒng)和生態(tài)環(huán)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(tài)轉(zhuǎn)變影響湖流運動，使湖面物理性質(zhì)發(fā)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?shù)睾腿驓夂蛳到y(tǒng)動態(tài)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(fù)雜的地理環(huán)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(guān)研究工作的開展。遙感具有覆蓋面廣、獲取數(shù)據(jù)時間短、信息豐富、同步顯示地物特征等特點。隨著遙感技術(shù)的不斷發(fā)展，影像數(shù)據(jù)獲取便利，基于衛(wèi)星觀測數(shù)據(jù)在研究世界各地湖泊冰物候變化時展現(xiàn)出巨大的潛力[4-5]。微波影像和光學影像都被應(yīng)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(guī)模的湖泊冰物提取，光學衛(wèi)星的應(yīng)用較為廣泛。例如，基于湖冰光譜特征構(gòu)建的歸一化積雪指數(shù)[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(wèi)星（1999至今）和Aqua 衛(wèi)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(shù)據(jù)，為湖冰連續(xù)監(jiān)測和了解湖冰間歇性、持續(xù)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(xiàn)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(xiàn)出凍結(jié)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(jiān)測可為相關(guān)研究提供數(shù)據(jù)支撐。

本研究首先通過歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）[13]獲取2000–2021年色林錯湖泊邊界數(shù)據(jù)。之后基于光譜反射率特征，構(gòu)建了一種基于波段差值的高精度湖冰遙感提取方法，結(jié)合目視解譯驗證了算法精度，總精度與Kappa 系數(shù)顯著優(yōu)于已有的MODIS 積雪產(chǎn)品MOD10A1。最后，將算法應(yīng)用于MODIS Terra 的地表反射率數(shù)據(jù)，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(shù)據(jù)集，并基于湖冰面積比例識別每年湖冰物候期，為湖泊系統(tǒng)和氣候變化的研究提供支持。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)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(shù)據(jù)（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(chǎn)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(chǎn)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(chǎn)品中自帶的質(zhì)量控制波段區(qū)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(shù)

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(xiàn)出高吸收，在近紅外波段處反射率較高。歸一化水體指數(shù)（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(yīng)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(shù)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(zhuǎn)為矢量數(shù)據(jù)，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(shù)據(jù)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(nèi)數(shù)據(jù)計算OTSU 閾值T2，如圖2（d）湖冰提取結(jié)果所示，與圖2（c）相比補全了北部湖灣漏提的湖冰。使用優(yōu)化后的方法遍歷MODIS 影像數(shù)據(jù)集，計算每幅影像的閾值實現(xiàn)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(jié)到完全融化是一個完整的封凍期（frozen duration，F(xiàn)D），一般從每年11 月開始，次年5 月結(jié)束。湖冰物候的主要時間節(jié)點包括：開始凍結(jié)時間（freeze-up start，F(xiàn)US），即湖泊表面湖冰開始出現(xiàn)的時間點；完全凍結(jié)時間（freeze-up end，F(xiàn)UE），即湖泊表面首次全部凍結(jié)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(xiàn)的第一天。相鄰時間節(jié)點之間的三個時間段分別為：凍結(jié)期（freeze-up duration，F(xiàn)UD）、完全封凍期（complete ice duration，CID）和消融期（break-up duration，BUD）?？紤]到提取結(jié)果誤差及去云導(dǎo)致的影像信息缺失，計算湖冰面積占比的5 天平均數(shù)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(jié)冰，達到90%時認為湖泊完全凍結(jié)，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，F(xiàn)US 和BUS 取最后一次日期，F(xiàn)UE 和BUE 首次日期（圖3），各日期代表每年湖冰凍結(jié)到的某一同樣程度，而不是嚴格意義上第一次出現(xiàn)（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(shù)據(jù)樣本描述

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

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

（2）湖冰分布數(shù)據(jù)集位于文件夾“SLC_ICE”，命名規(guī)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(jié)果匯總于“色林錯湖冰物候.xlsx”，F(xiàn)US、FUE、BUS 和BUE 以“年/月/日”記錄，F(xiàn)D、FUD、CID 和BUD 以每年第幾天記錄，次年則加365 或366 天。

3 數(shù)據(jù)質(zhì)量控制和評估

本數(shù)據(jù)集為日尺度連續(xù)數(shù)據(jù)，由于原始MODIS 影像質(zhì)量問題致小部分日期缺失。圖4 展示了2018 年1 月18 日凍結(jié)期和2 月3 日完全封凍期MODIS 影像的湖冰提取結(jié)果，與MODIS 積雪產(chǎn)品MOD10A1[16]及同日Landsat OLI 影像目視解譯結(jié)果的對比，本數(shù)據(jù)集結(jié)果記為B12。

圖4 湖冰提取結(jié)果驗證Figure 4 Verification of lake ice extraction results

以目視解譯結(jié)果作為真實地表數(shù)據(jù)進行驗證，計算混淆矩陣得到總精度（OA）和Kappa 系數(shù)（見表1）。本數(shù)據(jù)集總精度都保持在90%以上，Kappa 系數(shù)均達到0.80，精度高于MODIS 積雪產(chǎn)品MOD10A1。此外對各種方法提取結(jié)果的面積做對比（表2），除2020 年4 月29 日的結(jié)果外，本數(shù)據(jù)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(shù)據(jù)使用方法和建議

本數(shù)據(jù)集基于MODIS 的地表反射率數(shù)據(jù)，使用基于閾值優(yōu)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(shù)據(jù)集，可為研究色林錯的湖冰時空分布和物候變化提供數(shù)據(jù)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(jù)。本數(shù)據(jù)集可直接在ArcGIS、ENVI等地理信息系統(tǒng)軟件中進行編輯、查詢以及后續(xù)分析工作。

數(shù)據(jù)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(jiān)測。主要承擔工作：湖冰算法集成程序編寫，數(shù)據(jù)生產(chǎn)流程設(shè)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(dǎo)，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(huán)境遙感。主要承擔工作：技術(shù)指導(dǎo)，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(huán)境遙感。主要承擔工作：技術(shù)指導(dǎo)，論文修改。

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