天天天天做夜夜夜做,东京干手机福利视频,日本精品不卡视频

其他數(shù)據(jù)論文 II 區(qū)論文（已發(fā)表） ? 版本 ZH5

2000–2022年中國(guó)東北地區(qū)湖冰物候數(shù)據(jù)集

A dataset of lake ice phenology in Northeast China from 2000 to 2022

王春緒，楊倩，石曉光，郝曉華，宋開(kāi)山

WANG Chunxu, YANG Qian, SHI Xiaoguang, HAO Xiaohua, SONG Kaishan

?>>

DOI:? 10.11922/11-6035.ncdc.2024.0001.zh
CSTR:? 32001.14.11-6035.ncdc.2024.0001.zh
:? 10.57760/sciencedb.j00001.00991
?

： 2024 - 01 - 09

： 2024 - 09 - 01

： 2024 - 04 - 22

： 2024 - 09 - 29

340 0 0

摘要&關(guān)鍵詞

摘要：湖冰物候是區(qū)域氣候變化的敏感指示因子，在湖泊環(huán)境管理、湖泊能量交換和人類冬季活動(dòng)等方面發(fā)揮著至關(guān)重要的作用。中國(guó)東北地區(qū)湖泊群是我國(guó)湖泊密度較大的地區(qū)之一，也是我國(guó)對(duì)氣候變化較為敏感和響應(yīng)顯著的地區(qū)之一。研究東北地區(qū)湖冰物候特征具有重要的科學(xué)意義和應(yīng)用價(jià)值。本文選取中國(guó)東北地區(qū)31個(gè)湖泊面積＞20 km²的典型湖區(qū)，基于谷歌地球引擎(Google Earth Engine，GEE)融合MOD11A1和MYD11A1獲取湖表溫度(Lake Water Surface Temperature，LWST)的時(shí)間序列，利用正交距離回歸算法填補(bǔ)時(shí)間序列空白值，構(gòu)建了中國(guó)東北地區(qū)2000–2022年期間31個(gè)湖泊表面溫度數(shù)據(jù)集和湖冰物候數(shù)據(jù)集，包括結(jié)冰日（Freeze-up Date, FUD）、融冰日（Break-up Date, BUD）和冰期（Ice Cover Duration, ICD）。此外，選取28個(gè)氣象站對(duì)湖表溫度精度進(jìn)行驗(yàn)證，結(jié)果表明湖表溫度與氣象站地溫（Ground Surface Temperature, GST）、氣溫（Air Temperature, AT）的相關(guān)系數(shù)分別為0.98和0.99。基于水文年鑒的冰情統(tǒng)計(jì)結(jié)果驗(yàn)證湖冰物候，結(jié)冰日、融冰日和冰期的相關(guān)系數(shù)分別為0.88、0.85、0.94，基于其他數(shù)據(jù)集的冰情統(tǒng)計(jì)結(jié)果驗(yàn)證結(jié)果相關(guān)系數(shù)均大于0.80，說(shuō)明數(shù)據(jù)集提供的物候信息具有較好的精度，能夠?yàn)橹袊?guó)東北地區(qū)湖冰時(shí)空變化規(guī)律及氣候變化研究提供數(shù)據(jù)支撐。

關(guān)鍵詞：MODIS；湖表溫度；湖冰物候；中國(guó)東北地區(qū)

Abstract & Keywords

Abstract:?As a sensitive indicator of regional climate change, lake ice phenology plays a crucial role in lake environmental management, energy exchange, and human winter activities. The lakes in Northeast China characterized by their high density, are particularly sensitive and significant to climate change. Therefore, studying lake ice phenology in Northeast China holds important scientific significance and application value. In this paper, we selected 31 typical lakes in Northeast China, each with an area greater than 20 km², to obtain the time series of Lake Water Surface Temperature (LWST) by fusing MOD11A1 and MYD11A1 via GEE platform. And we utilized orthogonal distance regression to fill in the null values of the time series. On this basis, we produced a dataset of lake water surface temperature and lake ice phenology across 31 lakes during 2000–2022 in Northeast China, covering Freeze-up Date (FUD), Break-up Date (BUD), and Ice Cover Duration (ICD). In addition, 28 meteorological stations were selected to validate the accuracy of lake surface temperature. The results indicate that the correlation coefficients between lake surface temperature and Ground Surface Temperature (GST) and Air Temperature (AT) at the meteorological stations were 0.98 and 0.99, respectively. Ice records from hydrological stations were used to validated the lake ice phenology. The correlation coefficients for Freeze-up Date, Break-up Date and Ice Cover Duration were 0.88, 0.85 and 0.94 respectively. The validation results for ice condition statistics based on other datasets shows correlation coefficients greater than 0.80, which indicates that the climatic information provided by the dataset is highly accurate. The dataset can provide data support for studying the temporal and spatial variation rules of lake ice and climate change in Northeast China.

Keywords:?MODIS;?lake surface temperature;?lake ice phenology;?Northeast China

數(shù)據(jù)庫(kù)（集）基本信息簡(jiǎn)介

數(shù)據(jù)庫(kù)（集）名稱	2000–2022年中國(guó)東北地區(qū)湖冰物候數(shù)據(jù)集
數(shù)據(jù)作者	王春緒，楊倩，石曉光，郝曉華，宋開(kāi)山
數(shù)據(jù)通信作者	楊倩（yangqian@iga.ac.cn）
數(shù)據(jù)時(shí)間范圍	2000–2022年
地理區(qū)域	東北地區(qū)包括吉林省，黑龍江省，遼寧省以及內(nèi)蒙古自治區(qū)東盟，處于（115°E–135°E，38°N–53°N）之間。
數(shù)據(jù)量	17.2 MB
數(shù)據(jù)格式	*.xlsx, .shp
數(shù)據(jù)服務(wù)系統(tǒng)網(wǎng)址	https://doi.org/10.57760/sciencedb.j00001.00991 http://www.ncdc.ac.cn/portal/metadata/81c25601-47b9-452b-a9f1-60e8c256ea80
基金項(xiàng)目	國(guó)家重點(diǎn)研發(fā)計(jì)劃（2022YFF0711702）；吉林省科技廳發(fā)展項(xiàng)目計(jì)劃項(xiàng)目（YDZJ202301ZYTS212）
數(shù)據(jù)庫(kù)（集）組成	數(shù)據(jù)集由3個(gè)文件夾組成，其中（1）Lake LWST包含2000–2022年?yáng)\|北地區(qū)湖表溫度數(shù)據(jù)，以不同的溫度類型（白天湖表溫度，夜晚湖表溫度，日平均湖表溫度，日溫差）命名；（2）Lake ice Phenology包含湖冰物候數(shù)據(jù)（結(jié)冰日，融冰日，冰期），以2000–2022年湖冰物候命名。（3）Lake Shp包含東北地區(qū)31個(gè)湖泊矢量邊界，每個(gè)矢量以湖泊名稱命名。

Dataset Profile

Title	A dataset of lake ice phenology in Northeast China from 2000 to 2022
Data authors	WANG Chunxu, YANG Qian, SHI Xiaoguang, HAO Xiaohua, SONG Kaishan
Data corresponding author	Yang Qian (yangqian@iga.ac.cn)
Time range	2000–2022
Geographical scope	Northeast China, including Jilin, Heilongjiang, Liaoning, and five league cities in Eastern Inner Mongolia Autonomous Region (115°E–135°E,38°N–53°N)
Data volume	17.2 MB
Data format	*.xlsx, .shp
Data service system	<https://doi.org/10.57760/sciencedb.j00001.00991> <http://www.ncdc.ac.cn/portal/metadata/81c25601-47b9-452b-a9f1-60e8c256ea80>
Sources of funding	National Key Research and Development Program（2022YFF0711702）；Jilin Provincial Department of Science and Technology Development Project Plan Project（YDZJ202301ZYTS212）
Dataset composition	The dataset consists of three folders: (1) Lake LWST, containing temperature data for Northeast China during 2000-2022, named after different temperature types (daytime temperature, nighttime temperature, daily average temperature, daily temperature difference); (2) Lake ice Phenology, containing lake ice phenology data (freeze-up date, break-up date, ice cover duration), named after the lake ice phenology during 2000-2022. (3) Lake Shp, holding vector boundaries of 31 lakes in Northeast China, are named after the respective lakes.

引言

聯(lián)合國(guó)政府兼氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告表明，1850–1900年與1995–2014年期間，全球平均表面溫度持續(xù)增加^[1]，進(jìn)而導(dǎo)致湖泊溫度上升^[2]、冰期縮短和冰層變薄^[3]等。湖冰不僅是氣候變化的敏感指示器，還影響湖泊環(huán)境變遷、生態(tài)平衡和水文過(guò)程，對(duì)區(qū)域交通、漁業(yè)、旅游等方面產(chǎn)生重要影響^[4]。中國(guó)東北地區(qū)湖泊和水庫(kù)數(shù)量眾多、分布密集，湖泊季節(jié)性變化明顯、冰封期長(zhǎng)^[5-6]。相關(guān)研究表明，東北地區(qū)是我國(guó)氣候變化較為敏感的地區(qū)之一^[7]，而湖冰物候被認(rèn)為是區(qū)域氣候變化的重要指標(biāo)^[8-9]，因此探究該地區(qū)湖泊表面溫度和湖冰物候的變化規(guī)律，有助于了解氣候變化對(duì)區(qū)域湖泊環(huán)境以及當(dāng)?shù)厝宋纳鷳B(tài)的影響。

湖冰物候常用監(jiān)測(cè)方法包括野外監(jiān)測(cè)和衛(wèi)星遙感監(jiān)測(cè)。人工監(jiān)測(cè)手段主要依賴于氣象站或水文站點(diǎn)所構(gòu)建的觀測(cè)網(wǎng)絡(luò)^[10]，最早的觀測(cè)記錄可以追溯到1443年^[11]，受限于觀測(cè)位置的視野范圍，難以獲得完整、長(zhǎng)時(shí)間連續(xù)的湖冰監(jiān)測(cè)數(shù)據(jù)。隨著遙感技術(shù)的不斷發(fā)展，衛(wèi)星遙感提供了大范圍、長(zhǎng)時(shí)序、高頻次的對(duì)地觀測(cè)數(shù)據(jù)，是監(jiān)測(cè)湖冰物候信息的最佳選擇^[12-14]。湖冰物候的遙感監(jiān)測(cè)按照數(shù)據(jù)源分類可以分為微波遙感和光學(xué)遙感兩類。微波遙感主要利用湖冰的后向散射系數(shù)和亮溫來(lái)監(jiān)測(cè)湖冰物候，其中被動(dòng)微波傳感器如SMMR^[15]、SSM/I^[16]、AMSR-E^[14,17-18]等重訪周期短、空間分辨率粗，容易受到岸邊混合像元影響，一般只適用于超大型湖泊的監(jiān)測(cè)。主動(dòng)微波遙感^[2]利用后向散射系數(shù)可獲取較為準(zhǔn)確的湖冰物候信息，主動(dòng)微波遙感重訪周期較長(zhǎng)、造價(jià)高，難以獲取大范圍同步的湖冰物候數(shù)據(jù)。光學(xué)遙感主要通過(guò)地物的反射光譜差異來(lái)區(qū)分地物，常見(jiàn)的光學(xué)傳感器有AVHRR^[19-20]、MODIS^[3,21-22]、Landsat^[13]系列衛(wèi)星等，具有覆蓋范圍廣、重訪周期短等特點(diǎn)，是目前湖冰物候監(jiān)測(cè)的主要數(shù)據(jù)源。目前，公開(kāi)湖冰物候數(shù)據(jù)集大多基于遙感數(shù)據(jù)獲取湖冰物理屬性時(shí)間序列確定湖冰物候參數(shù)^[23-26]。其中MODIS光學(xué)遙感數(shù)據(jù)產(chǎn)品應(yīng)用最為廣泛、提取效果好，監(jiān)測(cè)湖區(qū)主要集中在青藏高原地區(qū)，東北地區(qū)只涉及數(shù)量有限的大型湖泊。

本數(shù)據(jù)集融合GEE平臺(tái)提供的MODIS LST（Land Surface Temperature）逐日產(chǎn)品MOD11A1和MYD11A1，獲取湖泊表面溫度序列（Lake Water Surface Temperature，LWST），基于正交距離回歸算法擬合填補(bǔ)數(shù)據(jù)空值，提取2000–2022年中國(guó)東北地區(qū)31個(gè)典型湖庫(kù)的湖冰物候信息，包括結(jié)冰日、融冰日和冰期，能夠補(bǔ)充在中國(guó)東北地區(qū)連續(xù)、長(zhǎng)時(shí)間的湖冰物候信息方面的不足，為湖泊冰情監(jiān)測(cè)提供技術(shù)依據(jù)和數(shù)據(jù)支撐，可以用于研究湖冰物候變化趨勢(shì)及其對(duì)氣候變化的響應(yīng)機(jī)制。

1 ? 數(shù)據(jù)采集和處理方法

1.1 ? 數(shù)據(jù)獲取

研究區(qū)位于中國(guó)東北地區(qū)（38°43′–53°34′N，115°31′–135°05′E），覆蓋黑龍江省、吉林省、遼寧省和內(nèi)蒙古自治區(qū)東盟。本研究使用湖泊的屬性信息和矢量范圍來(lái)自HydroLAKES數(shù)據(jù)集（https://www.hydrosheds.org）。研究湖泊選擇中國(guó)東北地區(qū)湖泊面積大于20 km²的31個(gè)湖泊，空間分布如圖1所示，湖泊基本信息如表1所示。MODIS遙感影像由GEE平臺(tái)獲取用于計(jì)算水面溫度。氣象站點(diǎn)數(shù)據(jù)從國(guó)家氣象科學(xué)數(shù)據(jù)中心（http://data.cma.cn/）獲取，時(shí)間范圍為2000年1月1日到2022年12月31日，用于湖冰表面溫度時(shí)間序列的數(shù)據(jù)驗(yàn)證。本文的驗(yàn)證數(shù)據(jù)分為兩個(gè)部分：一部分來(lái)自水利部發(fā)布的《中華人民共和國(guó)水文年鑒》^[27]，2010–2015年德都、大賚站冰情統(tǒng)計(jì)數(shù)據(jù)驗(yàn)證精度。另一部分來(lái)自“國(guó)家青藏高原科學(xué)數(shù)據(jù)中心”(http://data.tpdc.ac.cn)，基于微波遙感的北半球湖冰物候數(shù)據(jù)集（1978–2018）^[28]用作湖冰物候數(shù)據(jù)驗(yàn)證。

圖1 ? 研究區(qū)地理位置圖

Figure 1 Geographic location of the study area

表1 ? 湖泊基本信息表

序號(hào)	湖泊名稱	經(jīng)度E(°)	緯度N(°)	湖泊面積(km²)	海拔(m)	湖泊容積(10⁸×m³)	平均水深(m)	湖泊類型
1	哈拉湖	118.68	49.88	26.62	525.00	--	1.90	微咸水湖
2	呼和諾爾	119.22	49.30	23.18	587.00	0.33	4.80	淡水湖
3	呼倫湖	117.40	48.94	2202.40	540.49	47.31	5.75	淡水湖
4	五大連池	126.21	48.72	20.39	276.00	2.76	3.47	淡水湖
5	烏蘭諾爾	117.43	48.31	36.92	554.00	0.54	1.40	微咸水湖
6	貝爾湖	117.70	47.81	621.65	583.90	40.20	6.30	淡水湖
7	大龍虎泡	124.29	46.74	128.80	135.00	1.35	6.90	微咸水湖
8	連環(huán)湖	124.11	46.60	330.57	136.00	1.36	5.20	微咸水湖
9	青肯泡	125.51	46.36	94.45	141.00	1.41	3.80	微咸水湖
10	喇嘛寺泡	124.09	46.28	45.51	130.00	1.30	4.20	淡水湖
11	洋紗泡	123.25	46.12	40.36	131.00	1.31	4.20	微咸水湖
12	烏爾塔泡	124.36	46.06	24.04	127.00	1.27	1.30	淡水湖
13	西大海	124.60	46.02	23.13	125.00	1.25	1.00	微咸水湖
14	哈爾撓泡	123.92	45.97	36.06	126.00	1.26	1.00	淡水湖
15	庫(kù)里泡	124.83	45.79	78.14	126.50	1.27	2.25	微咸水湖
16	月亮泡	123.91	45.71	110.76	125.00	1.25	2.10	淡水湖
17	新荒泡	123.74	45.67	36.92	126.00	1.26	2.80	淡水湖
18	靠山湖	124.31	45.60	44.65	124.67	1.25	1.16	微咸水湖
19	東北泡子	132.73	45.41	70.41	71.80	0.20	4.20	淡水湖
20	小大興凱湖	132.57	45.34	185.47	66.00	2.25	2.60	淡水湖
21	查干湖	124.26	45.27	329.72	125.50	1.26	3.15	淡水湖
22	牛心套寶泡	123.39	45.22	46.37	134.57	1.35	1.96	微咸水湖
23	新廟泡	124.46	45.18	46.37	127.00	1.27	1.60	淡水湖
24	大興凱湖	132.29	45.13	4215.90	69.00	275.10	4.40	淡水湖
25	花敖泡	123.85	44.99	35.20	121.25	1.21	1.93	微咸水湖
26	大布蘇泡	123.64	44.80	33.49	116.78	1.17	1.63	咸水湖
27	波羅泡	124.76	44.43	41.21	162.00	1.62	1.00	微咸水湖
28	鏡泊湖	128.92	43.89	92.73	343.00	11.80	48.4	淡水湖
29	達(dá)里諾爾	116.64	43.29	228.40	1223.00	14.90	7.70	微咸水湖
30	崗更諾爾	116.92	43.27	22.32	1242.00	--	2.80	淡水湖
31	臥龍湖	123.28	42.75	56.67	88.00	0.96	1.7	淡水湖

1.2 ? 處理方法

1.2.1 ? 生產(chǎn)流程

本數(shù)據(jù)集的制作主要分為3個(gè)部分：（1）MODIS LST預(yù)處理：基于GEE平臺(tái)獲取MOD11A1和MYD11A1數(shù)據(jù)產(chǎn)品，選擇白天與夜晚地表溫度波段，并利用湖泊邊界矢量數(shù)據(jù)對(duì)兩種數(shù)據(jù)的波段進(jìn)行圖像裁剪，運(yùn)用波段計(jì)算方法對(duì)湖泊矢量范圍內(nèi)的MODIS LST產(chǎn)品影像溫度進(jìn)行單位換算，分別獲取MOD11A1和MYD11A1白天及晚上4個(gè)LWST初步結(jié)果（LWST_MOD_Day、LWST_MOD_Night、LWST_MYD_Day、LWST_MYD_Night）；（2）LSWT時(shí)間序列生成：基于上一步得到的初步結(jié)果，分別計(jì)算白天和晚上數(shù)據(jù)的平均值（LWST_Day、LWST_Night），再利用正交距離回歸算法分別填補(bǔ)白天數(shù)據(jù)（LWST_Day）與夜晚數(shù)據(jù)（LWST_Night）時(shí)間序列的空白值，最終獲取完整的LWST白天數(shù)據(jù)（LWST_Day_Complete）與夜晚數(shù)據(jù)（LWST_Night_Complete）時(shí)間序列，求平均得到當(dāng)日完整LWST（LWST_Complete）；（3）湖冰物候參數(shù)提取：根據(jù)定義的物候參數(shù)閾值對(duì)完整LWST序列進(jìn)行處理并最終得到每個(gè)湖泊逐年湖冰物候參數(shù)。生產(chǎn)流程如圖2所示。

圖2 ? 湖冰物候數(shù)據(jù)生產(chǎn)流程

Figure 2 Flowchart for producing lake ice phenology data

1.2.2 ? 數(shù)據(jù)提取

在GEE平臺(tái)上傳中國(guó)東北地區(qū)31個(gè)湖泊的矢量數(shù)據(jù)，調(diào)用MODIS LST 地表溫度數(shù)據(jù)產(chǎn)品中MOD11A1、MYD11A1白天與夜間地表溫度波段，使用湖泊矢量數(shù)據(jù)對(duì)定義時(shí)間范圍內(nèi)的MODIS影像進(jìn)行裁剪。利用波段計(jì)算的方法將范圍內(nèi)影像溫度值轉(zhuǎn)化為攝氏度，其波段計(jì)算的公式如下：

\[LWST=LST\times 0.02-273.15\]

（1）

式中：LWST為湖泊表面溫度(單位為℃)，LST為MODIS的地表溫度值（單位為K）。

1.2.3 ? 時(shí)間序列生成及填充

將波段計(jì)算結(jié)果輸出，包括MOD11A1和MYD11A1中的LWST_MOD_Day、LWST_MOD_Night、LWST_MYD_Day 和 LWST_MYD_Night四個(gè)初始LWST數(shù)據(jù)。由于MODIS數(shù)據(jù)存在圖像缺失和質(zhì)量問(wèn)題，使得兩種產(chǎn)品融合后仍然有空缺值。為了填補(bǔ)空缺數(shù)據(jù)，本研究首先計(jì)算目標(biāo)湖區(qū)逐日平均湖表溫度時(shí)間序列即LWST_ Day和LWST_ Night，計(jì)算公式如下：

\[LWST_{-} Day=\left ( LWST_{-}MOD_{-} Day+LWST_{-}MYD_{-}Day\right ) /2\]

（2）

\[LWST_{-} Night=\left ( LWST_{-}MOD_{-} Night+LWST_{-}MOD_{-}Night\right ) /2\]

（3）

由于時(shí)間序列的數(shù)值特征，將每日平均湖表溫度序列按每年的最高值和次年的最高值對(duì)應(yīng)的時(shí)間范圍劃分為單次非線性擬合的范圍，采用非線性曲線擬合方法中的正交距離回歸算法（公式4）對(duì)LWST_ Day和LWST_ Night分別進(jìn)行擬合填充空缺值，正交距離回歸算法的擬合權(quán)重規(guī)則為（公式5），再將擬合后完整的LWST_Day_Complete與LWST_Night_Complete的序列取均值融合（公式6）生成最終完整LWST（LWST_Complete）。

\[\min \left(\sum_{i=1}^{n}\left(\omega_{y i} \varepsilon_{i}^{2}+\omega_{x i} \delta_{i}^{2}\right)\right) \ldots\left\{\begin{array}{c}y_{i}=f\left(x_{i}+\delta_{i} ; \beta\right)-\varepsilon_{i} \\i=1, \ldots, n\end{array}\right.\]

（4）

式中：x和y分別代表自變量和因變量，\({\omega }_{xi}\)和\({\mathrm{\omega }}_{\mathrm{y}\mathrm{i}}\)是輸入\({x}_{i}\)和\({y}_{i}\)的權(quán)重，\({\mathrm{\delta }}_{\mathrm{i}}\)和\({\mathrm{\epsilon }}_{\mathrm{i}}\mathrm{是}{\mathrm{x}}_{\mathrm{i}}\)和\({\mathrm{y}}_{\mathrm{i}}\)對(duì)應(yīng)的殘差，\(\mathrm{\beta }\)是擬合參數(shù)。

\[\omega _{i} =\left\{\begin{matrix}1 \\1/\sigma _{i}^{2} \end{matrix}\right.\]

（5）

式中：如果所有數(shù)據(jù)點(diǎn)具有相同的誤差水平，使用標(biāo)準(zhǔn)權(quán)重，即\({\omega }_{i}=1\)，如果每個(gè)數(shù)據(jù)點(diǎn)的誤差\({\sigma }_{i}\)已知，則使用\({\sigma }_{i}\)計(jì)算。

\[LWST=_{-} Complete=\left ( LWST _{-} Day_{-} Complete+LWST_{-} Night_{-}Complete \right ) /2\]

（6）

1.2.4 ? 湖冰物候信息獲取

本研究根據(jù)閾值法定義確定湖冰物候信息包括湖泊的結(jié)冰日、融冰日和冰期^[12]。定義結(jié)冰日為冬季湖泊LWST連續(xù)5天低于0℃時(shí)的第一個(gè)對(duì)應(yīng)的日期，定義融冰日為春季湖泊LWST連續(xù)5天高于0℃時(shí)的第一個(gè)對(duì)應(yīng)的日期，定義冰期為結(jié)冰日和融冰日之間的時(shí)間范圍。以呼倫湖2006年的湖冰物候提取為例，將LWST數(shù)據(jù)按照水文年（Hydrological Year，HY）進(jìn)行劃分，定義每年的9月1日到次年的8月31日為一個(gè)水文年，首先提取的呼倫湖2006年9月1日到2007年8月31日湖冰表面溫度時(shí)間序列如圖3所示，根據(jù)閾值法定義表明呼倫湖當(dāng)年的結(jié)冰日和融冰日分別為2006年11月1日和2007年4月26日，冰期為187天。

圖3 ? 呼倫湖的湖冰物候信息提取實(shí)例

Figure 3 Sample of lake ice phenology extraction of Hulun Lake

2 ? 數(shù)據(jù)樣本描述

通過(guò)對(duì)中國(guó)東北地區(qū)31個(gè)湖泊近22年來(lái)的溫度、物候監(jiān)測(cè)，將LWST數(shù)據(jù)按照水文年進(jìn)行劃分，實(shí)現(xiàn)LWST逐年數(shù)據(jù)集的構(gòu)建。總數(shù)據(jù)量共為17.2 MB，對(duì)應(yīng)的壓縮文件大小為14.3 MB。

（1）湖泊表面溫度數(shù)據(jù)集位于文件夾“Lake LWST”，命名規(guī)則為2000–2022年湖泊白天/晚上/平均/溫差溫度，每個(gè)Excel表格含有31個(gè)sheet表，sheet表以湖泊名稱命名，LWST時(shí)間序列按照水文年進(jìn)行劃分。數(shù)據(jù)樣例如表2。

表2 ? 湖泊表面溫度數(shù)據(jù)樣例

日期	溫度	…	日期	溫度
2000/9/1	24.91	…	2021/9/1	21.69
2000/9/2	24.40	…	2021/9/2	19.44
…	…	…	…	…
2000/8/31	24.15	…	2022/8/31	19.52

（2）湖冰物候數(shù)據(jù)集位于文件夾“Lake ice phenology”，以2000–2022年湖冰物候命名，其Excel表格包含3個(gè)sheet表以結(jié)冰日（FUD）,融冰日（BUD）以及冰期（ICD）命名。數(shù)據(jù)樣例如表3。

表3 ? 湖冰物候數(shù)據(jù)樣例

年份	五大連池	連環(huán)湖	…	崗更諾爾
2001	308	311	…	296
2002	303	306	…	315
…	…	…	…	…
2002	306	310	…	313

（3）湖泊矢量數(shù)據(jù)位于文件夾“Lake Shp”，以每個(gè)湖泊名稱命名，共包含31個(gè)湖泊矢量數(shù)據(jù)，矢量數(shù)據(jù)包含的字段有編號(hào)（FID）、矢量類型（shape）以及矢量面積（LAKE_AREA）。

3 ? 數(shù)據(jù)質(zhì)量控制和評(píng)估

3.1 ? 湖表溫度的精度驗(yàn)證

將2000–2022年?yáng)|北地區(qū)31個(gè)湖泊的逐日LWST數(shù)據(jù)和距離湖泊最近的28個(gè)氣象站臺(tái)的氣象站地溫（Ground Surface Temperature，GST）和氣溫（Air Temperature，AT）數(shù)據(jù)分別進(jìn)行對(duì)比驗(yàn)證。結(jié)果表明，LWST與AT擬合曲線的斜率為0.94，LWST與GST擬合曲線的斜率為0.96，GST的斜率要高于AT的斜率，但是GST與AT的斜率都趨近于1，呈現(xiàn)較好的一致性；LWST與AT、GST的相關(guān)系數(shù)分別為0.99和0.98，LWST與AT和GST的RMSE分別為2.30℃和3.12℃，GST的RMSE都高于AT的結(jié)果。MODISLST產(chǎn)品反演的LWST數(shù)據(jù)與氣象站臺(tái)的GST和AT數(shù)據(jù)變化趨勢(shì)一致，LWST與AT的關(guān)系要優(yōu)于GST的關(guān)系。具體見(jiàn)圖4（a-b）。

圖4 ? 氣象站臺(tái)和MODIS反演的湖面溫度精度驗(yàn)證結(jié)果

Figure 4 Accuracy validation results of lake surface temperature inverted by meteorological stations and MODIS

LWST數(shù)據(jù)與氣象站臺(tái)數(shù)據(jù)的差異主要源于MODIS LST產(chǎn)品在湖泊邊緣存在混合像元、正交距離回歸算法填充空缺值與MODIS反演算法的不同，以及湖泊與氣象站臺(tái)之間的距離差。因此，利用MODIS影像數(shù)據(jù)反演的LWST是可靠的。

3.2 ? 數(shù)據(jù)填充精度評(píng)估

對(duì)使用正交距離回歸算法填充數(shù)據(jù)時(shí)間序列的擬合決定系數(shù)（公式7）進(jìn)行了統(tǒng)計(jì)，統(tǒng)計(jì)發(fā)現(xiàn)正交距離回歸算法的決定系數(shù)均在0.99以上（圖5），因此本研究使用正交距離回歸算法擬合填充LWST數(shù)據(jù)是可靠的。

\[R^{2} =1-\frac{ {\textstyle \sum_{i=1}^{n}}\left (y _{i} -\hat{y_{i}} \right ) ^{2}}{ {\textstyle \sum_{i=1}^{n}\left ( y_{i}-\bar{y_i{ } } \right ) ^{2} } }\]

（7）

式中：R² 代表決定系數(shù)，n為樣本數(shù)量，y_i 是實(shí)際觀測(cè)值，?是模型的預(yù)測(cè)值，?是實(shí)際觀測(cè)值的平均值。

圖5 ? 基于LWST時(shí)間序列的曲線擬合精度驗(yàn)證

Figure 5 Accuracy validation of curve fitting based on LWST time series

3.3 ? 湖冰物候的精度驗(yàn)證

3.3.1 ? 水文年鑒驗(yàn)證

本研究使用德都和大賚兩個(gè)水文站臺(tái)的冰情統(tǒng)計(jì)，用于驗(yàn)證MODIS提取湖冰物候精度。圖6（a-c）分別比較2010–2015年水文年鑒的冰情統(tǒng)計(jì)結(jié)果與LWST序列提取的FUD、BUD和ICD的驗(yàn)證結(jié)果。驗(yàn)證結(jié)果顯示，F(xiàn)UD、BUD和ICD驗(yàn)證結(jié)果的相關(guān)系數(shù)都在0.85以上，其中ICD的相關(guān)系數(shù)最高，達(dá)到0.94。此外，F(xiàn)UD、BUD和ICD驗(yàn)證結(jié)果的均方根誤差分別為3.18天、5.17天和4.48天。結(jié)果表明，本數(shù)據(jù)集的湖冰物候與水文站臺(tái)測(cè)得的湖冰物候有良好的一致性。

圖6 ? 水文站臺(tái)和LWST提取的湖冰物候精度驗(yàn)證結(jié)果

Figure 6 Accuracy validation results of lake ice phenology extracted from hydrological stations and LWST

3.3.2 ? 其他湖冰物候數(shù)據(jù)集驗(yàn)證

本研究使用邱玉寶^[28]根據(jù)被動(dòng)微波數(shù)據(jù)獲取的2002–2018年北半球200個(gè)湖泊的湖冰物候開(kāi)展驗(yàn)證。該數(shù)據(jù)包括凍結(jié)開(kāi)始日期、完全凍結(jié)日期、融化開(kāi)始日期和完全融化日期，簡(jiǎn)稱為Qiu-2019。通過(guò)對(duì)Qiu-2019湖泊坐標(biāo)與東北地區(qū)31個(gè)湖泊的坐標(biāo)信息疊加，最終選擇呼倫湖、貝爾湖、連環(huán)湖、查干湖、大興凱湖進(jìn)行驗(yàn)證。圖7（a-c）為Qiu-2019湖冰物候數(shù)據(jù)集與LWST提取的湖冰物候的對(duì)比驗(yàn)證結(jié)果。結(jié)果表明，LWST提取的FUD、BUD和ICD與Qiu-2019對(duì)應(yīng)參數(shù)的均方根誤差分別為4.42天、5.31天、7.39天，其相關(guān)系數(shù)均在0.80以上。LWST提取的物候結(jié)果與Qiu-2019結(jié)果較為接近。因此，本研究提出的基于LWST時(shí)間序列獲取的湖冰物候方法可行、結(jié)果可靠。

圖7 ? 湖冰物候數(shù)據(jù)集和LWST提取的湖冰物候精度驗(yàn)證結(jié)果

Figure 7 Accuracy validation results of the lake ice phenology dataset and lake ice phenology extracted from LWST

4 ? 數(shù)據(jù)使用方法和建議

本數(shù)據(jù)集能夠提供東北地區(qū)31個(gè)湖泊2000年以來(lái)的湖表溫度和湖冰物候信息，空間上覆蓋完整，時(shí)間序列連續(xù)，反映區(qū)域氣候變化特征，可用于評(píng)估氣候變化對(duì)湖泊生消過(guò)程的影響，深入分析氣候變化對(duì)湖泊生態(tài)環(huán)境的影響。其次，湖冰物候信息能夠?yàn)橄募竞垂芾砗退|(zhì)參數(shù)反演提供時(shí)間窗口，對(duì)湖泊環(huán)境監(jiān)測(cè)和水資源管理具有重要指導(dǎo)意義。同時(shí)，湖冰物候數(shù)據(jù)能夠?yàn)槎颈┞糜巍O業(yè)生產(chǎn)和人類冬季活動(dòng)提供時(shí)間參考。

本數(shù)據(jù)集共享了2000–2022年?yáng)|北地區(qū)31個(gè)典型湖泊逐日的湖泊表面溫度（白天溫度、夜晚溫度、日平均值溫度、溫差）、逐年的湖冰物候信息（結(jié)冰日、融冰日、冰期）以及湖泊矢量數(shù)據(jù)。溫度和物候數(shù)據(jù)文件格式為Excel格式，湖泊矢量數(shù)據(jù)格式為shp 格式。用戶可根據(jù)實(shí)際情況通過(guò)國(guó)家冰川凍土沙漠科學(xué)數(shù)據(jù)中心（http://www.ncdc.ac.cn/portal/metadata/81c25601-47b9-452b-a9f1-60e8c256ea80）或科學(xué)數(shù)據(jù)銀行（https://doi.org/10.57760/sciencedb.j00001.00991）下載數(shù)據(jù)。

[1]

.GULEV S K, THORNE P W, AHN J, et al. Changing State of the Climate System. In Climate Change 2021: The Physical Science Basis[M]. New York: Cambridge University Press, 2021.

99精品久久只有精品,国产精品成人免费视频不卡,午夜视频在线网站,久热香蕉在线爽青青