中国湖冰物候与水文气候关联的区域分异：基于MODIS湖表水温遥感重建

《International Journal of Applied Earth Observation and Geoinformation》：Remote sensing of lake surface water temperature reveals divergent hydroclimatic associations with lake ice phenology across China

　　

研究人员基于中分辨率成像光谱仪（MODIS）重建了HY2001–HY2023期间583个湖泊的日尺度湖表水温（LSWT）。376个湖泊的湖冰物候对阈值与窗口设置具有稳健性。所有区域冻结日期均推迟，而解冻日期趋势存在区域分异。显著的湖泊尺度趋势集中于青藏高原。SHAP（SHapley Additive exPlanations）与结构方程模型（SEM）揭示了不同的区域预测因子与水文气候路径。

一、研究背景与问题。湖泊约占全球无冰陆地面积的3.7%，是水资源管理和水文循环的关键节点，也是气候变化的敏感指示器。全球增暖背景下，湖表水温（lake surface water temperature, LSWT）在许多区域上升快于气温，冰盖缩短变薄。湖冰物候，包括冻结日期（freeze-up date, FUD）、解冻日期（break-up date, BUD）和冰盖持续时间（ice cover duration, ICD），是区域气候变率的重要指标，并影响生态、水文、交通、渔业和旅游。现有监测依赖原位观测、数值模型和卫星遥感：原位记录稀疏且空间代表性有限；模型受参数化方案约束；光学遥感受云和光照限制；被动微波空间分辨率较粗。热红外MODIS可直接测量表面温度并以物理阈值判定冻融，但云覆盖造成缺测、1 km混合像元影响边缘、阈值和连续日窗口的敏感性在大样本中量化不足。既往研究普遍报告冻结推迟、解冻提前和冰期缩短，但湖冰响应并不空间均匀；秋冬季冻结主要受水体热损失控制，春季解冻还受雪深、反照率、辐射、湍流和降水相态影响。总降水与降雪对湖冰物候的区域关联尚缺乏系统比较。中国五大湖区跨越显著气候梯度，为检验降水介导与降雪介导路径提供了自然对比。研究目标为：生成空间一致的日温度和湖冰物候记录并评估敏感性与可靠性；刻画区域热趋势和冰物候变化；量化气候、地理和形态因子的预测关联并评估降水与降雪路径的区域差异。

二、研究开展、结论与意义。研究人员利用MODIS重建HY2001–HY2023中国583个湖泊日LSWT，提取376个季节性冰覆盖湖泊的冰物候，并结合趋势分析、可解释机器学习和SEM。结果表明，所有湖区均增暖，冻结在三个冰覆盖区均推迟，解冻趋势区域分异；显著湖泊尺度变化主要集中于青藏高原湖区，而东北湖区和蒙古-新疆湖区解冻提前、冰期缩短更明显。研究意义在于揭示区域平均趋势与湖泊尺度显著性分布互补而非可互换，并表明区域湖冰响应不能仅由热条件解释，还与区域降水和降雪统计关联，为寒区湖冰监测和适应评估提供依据。

三、关键技术方法。样本为中国五大湖区583个面积≥20 km²湖泊，湖盆属性来自HydroLAKES，气候变量来自ERA5-Land，并用126个气象站气温和地表温度及Qiu-2019被动微波湖冰物候数据验证。采用MODIS MOD11A1/MYD11A1在Google Earth Engine（GEE）中预处理、质量控制、湖掩膜和空间平均；以正交距离回归（ODR）重建日LSWT；以0 ℃和连续5日基线提取FUD、BUD、ICD，并用?0.5/0/+0.5 ℃和3/5/7日九组合进行敏感性检验；以Mann-Kendall（MK）检验和Theil-Sen斜率分析趋势；以方差膨胀因子（VIF）约束XGBoost-SHAP评估预测关联；以偏最小二乘结构方程模型（PLS-SEM）及协方差结构方程模型（CB-SEM）比较路径。

四、研究结果。3.1 精度评估：物候对窗口长度较阈值更敏感；窗口3日时ICD平均偏移?6.26 d，仅52.26%湖泊在±7 d内；基线5日下阈值±0.5 ℃对应平均ICD偏移?3.78和+3.70 d，85.64%和85.90%湖泊在±7 d内；7日窗口平均ΔICD为+2.26 d，85.58%在±7 d内，支持0 ℃/5日基线。重建LSWT与126站8157个匹配观测的R²均超过0.96；与Qiu-2019数据68个重叠湖泊比较，FUD、BUD、ICD的R²分别为0.80、0.80和0.84。FUD±15日窗口内LSWT与站气温R²=0.775、RMSE=2.06 ℃、偏差?0.01 ℃；BUD窗口R²=0.764、RMSE=4.02 ℃、偏差?3.49 ℃，解冻期不确定性更大。3.2 LSWT时空异质性与季节增暖：五区均增暖，东部湖区和东北湖区年增温最快，分别为0.065和0.062 °C yr^?1，青藏高原湖区最慢为0.023 °C yr^?1；180个湖泊显著增暖，集中于青藏高原和东部湖区；青藏高原湖区24个湖泊显著增暖、平均+0.012 °C yr^?1；东北湖区仅1个显著增暖，但9个开放水季降温；蒙古-新疆湖区18个显著增暖、平均+0.030 °C yr^?1；云贵湖区平均+0.018 °C yr^?1。结论是年LSWT趋势不足以完全刻画区域热状况复杂性。3.3 中国湖冰物候时空格局：376个季节性冰覆盖湖泊分布于东北湖区52个、蒙古-新疆湖区71个、青藏高原湖区253个。青藏高原湖区FUD、BUD、ICD范围最宽且显著趋势最多；东北湖区显著变化最少但区域平均趋势最大；蒙古-新疆湖区居中。区域平均FUD均推迟，青藏高原、蒙古-新疆、东北分别为+0.25、+0.11、+0.28 d yr^?1；BUD在青藏高原推迟+0.21 d yr^?1，在蒙古-新疆和东北提前?0.23和?0.18 d yr^?1；ICD均缩短，青藏高原?0.03 d yr^?1，蒙古-新疆和东北?0.35和?0.47 d yr^?1。显著湖泊趋势中，青藏高原72个FUD和33个BUD显著，是显著变化热点；东北区域平均趋势清晰但显著湖泊有限。3.4 区域水文气候关联差异。3.4.1 XGBoost性能与区域SHAP关联：VIF筛选后9个模型保留6–9个预测因子，hold-out R²为0.535–0.960。青藏高原FUD和ICD首要预测因子为向下短波辐射（DSR），BUD首要为海拔，其次为净太阳辐射（NSR）和纬度，平均水深和面积也重要；蒙古-新疆FUD由风指数、经度和降水主导，BUD由降雪、纬度和风主导，ICD由地表温度（GST）、DSR和风主导；东北FUD由GST、平均水深和风主导，BUD由海拔、经度和NSR主导，ICD由NSR、风和平均水深主导。结论为区域和指标特异的预测关联，非因果效应。3.4.2 PLS-SEM路径：东北降水介导路径最佳，GoF=0.79，优于气候路径0.75和降雪路径0.67，降水对BUD和ICD的β为?0.43和?0.60；蒙古-新疆和青藏高原降雪介导路径最佳，GoF分别为0.78和0.76，降雪对BUD和ICD的关联强于FUD。CB-SEM中九条焦点路径八条方向一致，BUD和ICD跨方法一致性强于FUD，东北降水-BUD未通过FDR显著。

五、讨论总结与结论翻译。讨论指出，湖冰对增暖的响应呈区域分异而非空间均匀，年LSWT趋势不能完全解释物候敏感性；青藏高原平均增暖较缓但季节热振幅大，显著变化集中，说明冰响应还取决于热量积累的时序和季节分布。冻结推迟在三区一致，解冻趋势区域相反，表明春季解冻更受表面条件介导。与已有全国和区域研究总体方向一致，差异可源于湖泊样本、研究时段、物候定义和方法。贡献在于同一23季重建和分析框架下识别区域分异。SHAP表明青藏高原辐射变量主导、蒙古-新疆指标特异、东北热地理形态变量突出；SEM支持东北降水介导及蒙古-新疆和青藏高原降雪介导的统计关联，但均为统计关联而非机制证明。不确定性包括MODIS 1 km混合像元、阈值法简化部分冰情、缺乏直接原位LSWT、以气温和地表温度评估时间一致性、ERA5-Land对微气候和降水相态刻画有限。结论翻译：基于HY2001–HY2023中国583个湖泊日MODIS LSWT，研究人员重建连续温度并刻画376个季节性冰覆盖湖泊冰物候。三区物候响应量化不同：FUD均推迟；BUD在青藏高原推迟、在蒙古-新疆和东北提前；ICD均缩短但幅度差一个数量级以上，青藏高原?0.03 d yr^?1，蒙古-新疆和东北?0.35和?0.47 d yr^?1；显著湖泊变化主要集中于青藏高原，72个湖泊FUD和33个湖泊BUD显著。区域平均趋势与显著湖泊变化空间分布互补而非可互换。环境关联依赖区域、物候指标和模型设定；VIF筛选降低共线性，九个VIF约束XGBoost模型保持正独立hold-out性能，R²为0.535–0.960；SHAP显示青藏高原辐射变量最一致突出，蒙古-新疆风、地理、降雪和GST指标特异，东北热、地理、辐射和形态变量突出；VIF后排名变化表明单变量SHAP对共享信息敏感，最可辩护解释应基于区域预测因子组而非单变量独立重要性。SEM支持区域路径结构差异，九条焦点路径八条方向一致，BUD和ICD跨方法一致性强于FUD。最稳健推断不是单一环境变量独立主导，而是热、辐射、降水、降雪、地理和形态关联的显著区域与季节异质性。未来需原位测量和过程模型，以支持寒区湖盆季节预报、冰安全评估和适应规划。