洞里萨湖表面水温的时空变化及其对气候变化的响应

潘梅娥 杨 昆

（1、云南师范大学旅游与地理科学学院，云南 昆明650000 2、云南师范大学信息学院，云南 昆明650000 3、西部资源环境地理信息技术教育部工程研究中心，云南 昆明650500）

随着人类活动的影响，越来越多的证据表明全球处于变暖的趋势[1]。湖泊表面水温（LSWT）对气候变化和人类活动具有指示作用[2]。洞里萨湖是南亚最大的淡水湖泊。目前，洞里萨湖的研究主要集中在生物多样性、水质、水文特征、社会经济条件等方面。关于LSWT的变化及其驱动因素的研究鲜有报道。在全球气候变暖的背景下，研究洞里萨湖长时间系列的LSWT的变化特征及其对气候变化的响应具有重要科学价值。随着遥感技术的发展，利用遥感影像提取长时间系列的LSWT，并监测其时空变化特征成为可能。近年来，中分辨率成像光谱仪（MODIS）陆地表面温度（LST）数据（MOD11A2）被用于全球大型湖泊的研究，且提取精度均表现良好[3]。

综上，本文基于2001～2018 年的MOD11A2 影像和近湖面2m处的气温数据（AT），以遥感技术、GIS 空间分析技术和数理统计分析方法为理论基础，系统分析洞里萨湖近20 年的LSWT和AT的时空变化特征，并定量化研究LSWT与AT间的响应关系。

1 研究数据与方法

1.1 研究区概况

洞里萨湖位于柬埔寨的西北部，通过洞里萨河与湄公河相连通，湖区水面范围旱季急剧缩减，雨季水面高涨，整个洞里萨湖由永久性湖区和洪泛区组成。本文主要研究永久性湖区的LSWT 时空变化特征。

1.2 研究数据

本研究获取的数据主要包括2001-1-1 至2018-12-31 的MOD11A2 影像、近湖面2m的月平均气温数据以及Landsat-8/OLI影像。其中，MOD11A2 是空间分辨率为1km、时间分辨率为8d 的MODIS地表面温度产品，来源于NASA数据共享平台。月平均气温数据来源于欧洲中期天气预报中心，空间分辨率为0.25°×0.25°。Landsat-8/OLI 影像用于提取永久性湖区边界，下载于USGS数据共享平台。

1.3 研究方法

1.3.1 湖泊边界、AT以及LSWT提取。选择2016 年3 月22 日与3 月29 日的两景旱季Lnadsat-8/OLI 影像，拼接后，由人工数据化提取永久性湖泊边界。月平均气温数据为NetCDF 格式，借助ArcMap 软件转换为tif 格式，并进行投影转换和重采样，重采样后的空间分辨率为1km。

基于MOD11A2 数据，由以下步骤提取LSWT：首先，借助MRT 工具完成数据的重投影和格式转换，得到LST_Day_1km,LST_Night_1km, QC_day和QC_night 四个文件；其次，考虑年度水位不一致性和湖泊边界水陆亚像元对湖泊温度的影响，利用ArcMap 软件，剔除湖泊边界2000m 的内部缓冲区域，得到掩膜文件，并完成上述四个文件的裁剪。考虑到云的影响，还需对LST数据中有问题的像元进行过滤。首先，对照MODIS 地表温度产品手册，将LST 数据中在有效范围（7500-65535）之外的像元替换为空值；其次，对应QC文件标识，仅保留第一个标识内定义为质量好的像元，或者是LST误差≤1K，同时在第二个标识内被定义为质量好的像元，或者是湖泊表面温度误差≤2K，同时在第三个标识辐射率误差<0.02 的像元，其余像元均替换为空值；然后，将LST像元值转换为摄氏温度值；最后，用焦点统计填充缺失的像素值。焦点统计的具体方法是:在缺失的像素周围计算5×5 个像素的平均值，然后填充到新的值。由于夜间LST图像存在大量的缺失像元，过度填补容易影响LSWT的精度。因此本研究只分析了白天湖泊表面水温（LSWT-day）的变化。以上步骤均在在ArcPy软件的支持下完成。

1.3.2 趋势分析。利用普通最小二乘线性回归方法计算LSWT和AT近20a 的年均变化率，公式如下：

式中，y（t）表示第t 年的LSWT，x表示时间系列，a 为拟合截距，拟合斜率b 为LSWT的年均变化率，ε 为残差。

1.3.3 相关分析。利用皮尔逊相关系数对LSWT与AT间的依存关系进行评价，公式如下：

上式中，r 为皮尔逊相关系数，xi和yi分别为第i 年的LSWT和AT，x和y分别为所有年份的LSWT均值和AT均值。

1.3.4 多项式回归分析。利用多项式回归模型定量揭示LSWT与AT间的响应关系，模型如下：

式中，y为LSWT，x为AT，a、b 和c 为最小二程拟合系数。拟合优度R2用于评价模型的适宜度。

2 结果与分析

2.1 LSWT-day与AT的时空变化特征分析

利用GIS空间分析技术和趋势分析方法，从年均尺度，分析了2001～2018 年的LSWT-day 和AT 的时空变化特征。从空间角度看，2001～2018 年洞里萨湖年均LSWT-day与年均AT均有升温趋势，且空间分布特征具有一致性（图1）。高温区域主要分布在南部、东部和东北部大部分地区，西部区域温度偏低。在整个研究时段，年均最高LSWT-day与年均最高AT均出现在2015 年。

图1 年平均LSWT-day 与AT 时空分布

从时间角度看，如图2 所示，近20a 年均AT 均高于年均LSWT-day，两者温差在1.32～2.03℃之间。整体看，年均AT的温度范围为27.47～28.93℃， 年均LSWT-day 的变化范围为26.07～27.46℃，两者的变化趋势具有显著的一致性。趋势分析显示，研究时段内，AT 与LSWT-day 均具有明显的变暖趋势。其中，LSWT-day 的升温率为0.33℃/10a，AT 的升温率为0.23℃/10a。可见，洞里萨湖的变暖趋势与全球大部分湖泊一致（全球平均=0.34℃/10a[4]）。

图2 年均LSWT-day 与AT 趋势分析

2.2 LSWT-day与AT的响应关系分析

利用相关分析和多项式回归模型，从不同时间尺度，对LSWT-day与AT的响应关系进行定量研究。相关分析结果见表1，在月、季节和年时间尺度上，LSWT-day 与AT 间均呈现极强正相关性，相关系数r 均大于0.8。其中，春、夏、秋季的相关系数大于0.9。通过多项式回归分析，从年均尺度定量描述了AT对LSWT-day的影响程度。如图3 所示，模型的拟合优度R2约为0.67，模型适宜度良好。可见，LSWT-day对气候变化具有较强的响应能力。

图3 LSWT-day 与AT 多项式回归分析

表1 LSWT-day 与AT 的相关性分析

3 结论

本文探讨了一套完整的洞里萨湖表面水温和气温时空变化特征及其响应关系的研究策略和方法。研究显示，在全球气候变暖的背景下，洞里萨湖LSWT 和湖区AT 均呈现明显的变暖趋势，变暖速率分别为0.33℃/10a 和0.23℃/10a。AT 与LSWT 间呈现显著的正相关关系。AT是驱动LSWT变暖的重要因素，LSWT也能够快速和直接地反映长期的气候变化。本研究填补了洞里萨湖长时间系列LSWT的研究空白，为该湖的环境保护和管理提供决策支持。