乌梁素海湖冰完整生消过程的数值模拟

霍璞真 卢鹏 解飞 王庆凯 李志军 ARVOLA Lauri

摘要：为探究气候变暖背景下乌梁素海湖冰的冰厚、冰温和冰物候特征的变化，利用ERA5-Land和MERRA-2再分析数据作为大气强迫场，结合多源卫星遥感反演得到的初始模拟日期，通过一维高分辨率热力学雪冰（HIGHTSI）模型模拟了2015—2016年乌梁素海湖冰的完整生消过程。结果显示：① 研究期内，最大冰厚达到41.7 cm，初冰日和终冰日分别为2015年11月21日和2016年3月25日，冰期为126 d。② 对于水深较浅而冬季日照充足的乌梁素海，气温是影响冰厚的主要因素，太阳辐射次之，两者的昼夜周期循环显著影响冰层的厚度和温度;当冰面有雪覆盖时，积雪的低导热和高反照率会明显削弱气温和太阳辐射对冰层的影响。③ 即使缺失现场观测数据，采用气象数据和遥感反演的初始模拟日期仍能准确地表征现场真实冰雪的完整演变过程。该研究可为中纬度干旱区季节性冰封浅水湖冰的计算和湖冰生消的年际变化研究奠定基础。

关键词：湖冰;完整生消过程;再分析数据;卫星遥感;HIGHTSI模型;乌梁素海

中图分类号：TV122  文献标志码：A  文章编号：1001-6791（2024）01-0145-11

全球变暖正在加剧气候和环境之间的紧张关系［1］。21世纪初，已有多项关于中高纬度地区湖泊冰期缩短和最大冰厚减小的研究成果［2-3］。中国青藏高原的湖泊表面温度变暖趋势为0.37 ℃/（10 a），与当地气温变暖趋势（0.36 ℃/（10 a））一致，这将直接影响冬季湖冰的生消过程［4］。当湖泊结冰时，冰层作为大气和水体之间热通量、光通量以及质量交换的重要介质，对当地气候和环境的稳定产生影响［5］。尤其在干旱地区，湖冰厚度和覆盖范围的减少显著干扰了当地的生态环境和经济发展。相比极地、北美等地，中亚地区的内蒙古高原湖冰生消过程报道较少。内蒙古高原的乌梁素海是典型的干旱区大型浅水湖泊，具有更强的太阳辐射和更少的降水等特点，更加敏感于气候波动。同时，乌梁素海是重要的水资源和生态资源湖泊，在调蓄、改善周边水质、为动植物提供栖息地以及调节局部气候等方面发挥着独特的作用，并且冰期对当地渔业资源和运输行业有重要影响。目前，关于乌梁素海的湖冰资料主要集中于盛冰期，不仅缺乏长时间序列的原位观测数据，同时缺乏揭示完整湖冰生消过程的研究。

为了分析湖冰的完整生消过程，热力学数值模型提供了一种有效且稳健的方法，通过计算气-冰-水界面能量平衡、冰内热传导以及冰内太阳辐射能量等过程，获得完整的湖冰生消过程，达到反演冰厚和冰层温度的目的。一维高分辨率热力学雪冰（HIGHTSI）模型在湖冰模拟中被广泛应用。Cheng等［6］基于HIGHTSI模型模拟了芬兰Orajrvi湖泊的冰面温度和冰厚，与现场浮标测量对比的平均偏差分别为2.8  ℃和1.7 cm，表明HIGHTSI模型能够准确计算湖泊真实冰雪环境;Huang等［7］利用HIGHTSI模型模拟了青藏高原热融湖的冰厚生消，计算和分析了该湖质量和能量平衡，并阐明负气温和强烈的太阳辐射是影响季节性冰层平衡的主要驱动力;Yang等［8］应用HIGHTSI模型模拟北极湖泊冰物候时发现，由于该模型未考虑水体变化，难以准确预测初冰日，可能导致模拟的冰厚在生长期产生较大误差。因此，为更精确地模拟湖冰的完整生消过程，准确的初始模拟日期至关重要。

本文基于前期研究将卫星遥感反演得到满足水体冻结的时间作为HIGHTSI模型的初始模拟日期，计算乌梁素海完整的冰厚生消过程，结合2015—2016年乌梁素海现场观测评估HIGHTSI模型模拟结果的准确性，并揭示乌梁素海完整的冰厚生消和冰温变化过程，探究影响中纬度湖冰的主次气象因子。

1 研究区域

乌梁素海（40°42′N—41°12′N，108°36′E—109°00′E）位于内蒙古自治区巴彦淖尔市境内（图1），是内蒙古高原第二大淡水湖，海拔约为1 050 m，占地约330 km2，湖内水生植物茂盛［9］，净水面积约为130 km2。该湖属于干旱区典型浅水湖，水深为1.2～2.7 m，平均水深约1.6 m。1986—2006年的统计数据显示，乌梁素海年平均气温和风速分别为7.5  ℃和3.5 m/s，年累计日照时长、降水量和蒸发量分别约为3 185 h、220 mm和1 502 mm［10］。冰期通常从11月中下旬持续至翌年3月下旬，该段时间没有湖水的流入和流出，因此，湖水深度和面积基本无变化。

2 数据和方法

2.1 数据获取

2.1.1 气象和冰雪环境数据

2015—2016年在乌梁素海进行了冬季现场观测，对气象要素如气温、太阳辐射、风速和风向，以及冰雪环境中的冰厚、冰表温度和冰内温度进行了原位连续监测，同时手动非连续测量了积雪厚度，具体设备信息详见文献［11］。模型中输入的气象参数来自欧洲中期天气预报中心的ERA5-Land数据集（https：∥cds.climate.copernicus.eu/cdsapp#！/dataset/reanalysis-era5-land？tab=overview），其中包含气温、风速和总降水量数据，该数据集的时间分辨率为1 h，空间分辨率为0.1°×0.1°，对于乌梁素海，选择观测位置（图1（b））网格的气象数据。此外，由于ERA5-Land数据集中没有相对湿度数据，本文使用同样被广泛应于再分析气象要素的MERRA-2数据集，在美国航空航天局网站下载（https：∥gmao.gsfc.nasa.gov/reanalysis/MERRA-2/data_access/），时间分辨率为1 h，空间分辨率为0.5°×0.625°，采用相同处理方式，得到了相对湿度数据。

为了进一步評估再分析数据在乌梁素海应用的可靠性，将气温、风速和相对湿度数据与2015—2016年现场观测数据进行比较（图2，T、V、R和Qs分别为气温、风速、相对湿度和太阳入射短波辐射;下标res、nm和obs分别表示再分析、数值模拟和现场观测的气象数据）。结果表明，ERA5-Land的气温与现场观测气温数据表现出显著一致性（图2（a）），平均偏差Bias=-0.53  ℃，相关系数r=0.95，表明修正后的气温数据可用于模拟，而气温是影响冰厚生消的最重要因素［12］，气温的高准确性保证了模拟结果的可靠性。风速的相关性较低（图2（b）），r=0.70，Bias=-0.21 m/s，对于地形复杂的高原湖泊，ERA5-Land网格化数据很难准确捕捉到近地表风速状况［13］。MERRA-2的湿度数据显示出较高的相关性，r=0.82，但是因为其相对较低的空间分辨率，导致大量陆地包含在网格内，所以湿度数据普遍低于现场观测值，Bias=-9.51%。因此，本文使用图2（c）的回归方程对2015—2016年的MERRA-2湿度数据进行修正。乌梁素海冰面通常不存在积雪或仅被薄雪（<4 cm）覆盖，因此准确捕捉降雪事件显得尤为重要，而ERA5-Land的降水数据在高原等地被广泛应用［14-15］。鉴于冬季现场采集的降雪数据相对有限，模型输入为ERA5-Land的总降水量计算雪厚。

2.1.2 初始模拟日期

现场观测提供了冰层平衡期的部分数据，但由于冰层承载力限制和后勤补给困难，尤其存在历史数据记录不足等问题，导致冰物候信息缺失。以往研究一般采用经验判断来确定模型的初始模拟日期，并通过对比模型模拟结果与现场观测的平衡期冰厚，再调整模型的初始模拟条件［16］。然而，这种方法将对冰层生长期的冰厚产生较大误差。本文采用Huo等［9］基于卫星遥感反演的乌梁素海2015—2016年冰物候信息，为HIGHTSI模型提供了准确的初始模拟日期，并为反演完整的冰厚生消过程创造了可能性。

该数据基于MODIS地表反射率产品、Landsat ETM+/OLI和Sentinel-2遥感影像，运用遥感和地理信息系统技术构建而来。首先，数据通过NDWI公式和人工目视检查提取了2015—2016年准确的湖泊轮廓；然后利用MODIS产品的时空特性填充云覆盖的像元，并通过动态阈值分割法对MOD09GQ和MYD09GQ产品的反射率波段进行计算，提取水/冰的覆盖比例；接着将提取的水/冰的覆盖比例与更高空间分辨率的Landsat ETM+/OLI和Sentinel-2影像對比进行验证，找到最佳阈值，并基于此得到水/冰覆盖比例的长时间序列；最终获取满足水体冻结的时间，该时间用于数值模拟的初始模拟日期。

2.2 热力学雪冰模型

本研究基于HIGHTSI模型模拟乌梁素海湖完整的冰厚生消过程，在模型中，控制冰厚变化的过程包括冰面能量平衡、冰底能量平衡和冰内热传导以及穿透冰面的太阳辐射。其中表面能量平衡方程为

Fm=（1-α）（1-γ）Qs+Ql-εσT4s+Qp+Fc+Qle+Qh（1）

式中：Fm为冰面吸收和释放的热通量平衡项;α为雪/冰面反照率，采用乌梁素海反照率参数化公式［16］;γ为雪/冰面穿透系数;Ql为太阳入射长波辐射，采用Shine［17］和Efimova［18］的参数化公式计算；模型计算与实测的Qs有较高一致性（图2（d）），r=0.96，Bias=-24.85 W/m2;ε为冰面发射率，采用Vihma等［19］结果，为0.97;σ为Stefan-Boltzmann常数;Ts为冰面温度;Qp为降水产生的热通量，由于乌梁素海冰期内降水通常以雪的形态存在于冰面，因此该项忽略不计;Fc为冰层传递到冰面的热通量;Qle和Qh分别为潜热通量和显热通量。式（1）中，所有通量指向雪/冰表面方向为正方向。

冰底热平衡方程是由冰底的传导热通量、冰-水热通量和冰底生长/融化的潜热通量组成，具体如式（2）：

式中：ρi为冰的密度;Lf为冻结潜热;hi为冰厚;ki为冰的热传导系数;Ti为冰温（冰-水界面的Ti=0  ℃）;z为纵坐标;Fw为冰-水热通量，根据Huang等［10］的计算结果，在本研究中Fw取常数值40.8 W/m2，该值远高于北欧的Pjrvi湖［20］（7 W/m2）。乌梁素海Fw较高的原因与该地在冰期内太阳辐射强烈、积雪较薄（通常小于4 cm）、水深较浅（平均约为1.6 m）以及湖底泥温较高（6～10  ℃）相关。

HIGHTSI模型对冰层分层计算，通过温度传导方程可以得到冰温，具体如下：

式中：ci为冰的比热容;Qi为穿透冰面进入到冰内的辐射。

本文中，模型的初始模拟冰厚和冰温分别设置为0.1 cm和-0.25  ℃；初始模拟日期来源于卫星遥感反演得到的初冰日（2015年11月9日），与杨宇［21］的定义相似，当HIGHTSI模型模拟结果的冰厚大于1 cm且连续增长5 d的第1天被定义为初冰日，当冰厚小于1 cm且连续5 d未增长的第1天被定义为终冰日。

3 结果及分析

3.1 湖冰生消过程

以2015—2016年为例，通过HIGHTSI模型模拟了乌梁素海完整的冰厚生消过程，如图3所示。根据遥感反演得到的2015年11月9日作为模型的初始模拟日期，初始冰厚设置为0.1 cm，在夜间负温和微风（-1.4  ℃和2.0 m/s）的状态下，冰厚增长至1 cm。然而，随后气温升高，湖泊表面的薄冰经历了周期性的“夜冻昼融”循环（图3（d））。较早形成薄冰的主要原因是11月5—8日湖面经历了降水，累计降水量为17.3 mm，该段时间正值秋末，气温略高于0  ℃，雨水与湖面的温差较大，显热通量加速了水体冷却，缩小了湖-气温差，当水体表面降至冰点时，形成了薄冰层，并且较低的风速没有造成薄冰的动力破碎。

模拟结果显示，湖泊表面于11月21日清晨形成1 cm薄冰，自此开始稳定生长，因此该日可判断为初冰日。11月共经历了2次降水，第2次降水发生在11月21日的夜间，累计降水量为5.8 mm，风速范围为1.0～4.9 m/s，此时日最高气温已低于0  ℃，降水以雪的形态存在。由于此时冰层很薄，当雪花降落到湖面的薄冰上时，会产生潜热通量，加速水体释放热量。在11月24日夜间，气温迅速下降，平均风速为1.5 m/s，因此湖泊于11月25日形成5 cm的稳定冰层，自冰层形成后，水体通过冰层不断散热来调节与大气之间的温差，有利于冰底柱状冰的增长。由图3（a）和图3（d）可知，乌梁素海冰层生长期的增长速度主要受气温控制，在11月26日至1月4日期间，日平均气温在-1.5～-10  ℃波动，随着气温的降低和升高，冰厚增长速度经历了短期的加速和减慢过程；自2016年1月5日后，日平均气温保持在-15  ℃上下波动，持续至1月24日，在这段时间内冰厚的增长相对稳定。因此，该年的湖冰生长期为2015年11月21日至2016年1月24日，共持续65 d，冰厚变化速率为（0.58±0.39）cm/d。

自2016年1月25日至3月1日湖冰进入平衡期，尽管起初气温较低，但是由于冰厚增加，水体向大气的散热速率减慢，导致冰层的增长速率下降。从2月开始，气温回升，太阳辐射增强，冰厚停止增长，并于2月1日达到41.7 cm的最大冰厚。随后，冰内孔隙率逐渐增大以及含水量逐渐增多，有利于太阳辐射穿透冰层加热水体，致使融化速率增加，在2月10日达到最大的0.98 cm/d。然而，在2月11—13日期间，日均气温下降了12.6  ℃，并在2月12日发生降雪事件，湖-气温差增大与湖泊表面反照率上升阻碍了冰底进一步融化。平衡期内共经历了2场降雪，分别发生在2月12日和2月18日，累计降水量为3.6 mm，积雪存在14 d。在此期间，气温、太阳辐射和积雪的共同影响促使该阶段冰厚稳定在（38.8±1.6）cm，平衡期共持续37 d，冰厚变化速率为（-0.06±0.43）cm/d。

進入融化初期，随着积雪融化，冰层也加速融化。模拟结果表明，在3月22日冰厚融化至约1 cm左右，并持续约4 d。该年融化期为3月2—25日，共持续24 d，冰厚变化速率为（-1.46±1.29）cm/d。在气温为（-7.4±4.8）℃、风速为（2.7±1.5）m/s、累计降水量为9.4 mm及累计入射太阳辐射达到37.9 kWh/m的条件下，乌梁素海冰期共持续126 d，时间范围为2015年11月21日至2016年3月25日。

HIGHTSI模型较好地复现了完整的冰厚生消过程（图3（d）），模型模拟与现场观测（2016年1月10日至3月9日）的冰厚对比结果为：平均绝对误差EMA=1.08 cm，均方根误差ERMS=1.50 cm，r=0.94。模型计算的初冰日（2015年11月21日）和终冰日（2016年3月25日）分别介于遥感反演的初冰日（2015年11月9日）和完全冻结日（2015年11月24日）以及开始消融日（2016年3月22日）和终冰日（2016年3月30日）之间，两者存在误差的原因可以归结为计算原理不同，遥感反演通过计算卫星影像中湖面的水/冰覆盖比例判断冰物候信息，而数值模型依赖于大气强迫场计算冰层的热力学生消过程。模拟结果表明以再分析气象数据作为大气强迫场，结合遥感反演的初冰日作为模型初始模拟日期，再通过HIGHTSI模型得到的完整冰厚生消过程符合现场真实冰雪环境，并且满足实际需求。与冰厚的模拟相比，雪厚的模拟结果较差。主要原因是乌梁素海降雪较少，风应力的作用会使雪厚重新分布，增大了模型复现雪厚的难度；其次，尽管模型对雪进行了细致的分层，但是雪的变质和压实会改变雪的密度和热传导系数等，雪的特性变化较快，模型难以准确捕捉；最后，现场观测的雪厚及雪的特性信息较少，无法为模型提供足够支撑。尽管如此，在有限的现场观测对比下，模型依然根据ERA5-Land数据集的降水量准确地捕捉到降雪事件，可以满足反演冰厚生消的要求。

3.2 湖冰温度变化

3.2.1 湖冰表面温度

HIGHTSI模型重构了乌梁素海冰期的湖泊冰面温度时间序列（图4（a），Ta为气温），与现场观测对比结果比较吻合，EMA=1.29  ℃，ERMS=1.50  ℃，r=0.97。通过HIGHTSI模型模拟的湖泊冰面温度时间序列不仅能够研究湖冰的生消过程，而且可以提供有关冰物候的信息。以2015—2016年初冰日为例，通过图4（a）可以观察到Ts在2015年在11月9日出现了短暂的负温，随后由于气温升高，湖-气温差（TL-A）减小（图4（b）），因此在11月10—20日期间，Ts无法稳定低于0  ℃；然而，11月21日气温迅速下降，TL-A增大，从此之后Ts稳定低于0  ℃，可以判断该日为初冰日。

Ts受气温的影响强烈，二者之间存在着极强的相关性（r=0.95）。气温是驱动湖冰生长和消融的主导因素，湖冰的形成始于湖泊表面的冷却，当湖泊表面的水温降至冰点时，将开始形成冰层。Ts在湖冰生消过程中起着关键作用，它是大气与湖泊之间的主要联系，影响着大气边界层的结构和稳定性、湍流和辐射通量，以及来自冰层的传导热通量。另一方面，TL-A决定了气-冰界面的热量交换，当TL-A的绝对值较大时，显热通量较大，冰层与大气之间热量传递增加，促进冰层的生长和消融，因此TL-A与冰厚变化速率有较高的相关性（r=0.84）;当TL-A的绝对值较小时，通常出现稳定的大气边界层，显热通量较小，此时冰面热平衡主要取决于辐射通量。

通过HIGHTSI模拟结果发现，在乌梁素海冰期内，TL-A平均值为0.38  ℃，并且Ts对气温波动的响应非常迅速。这一结果与乌梁素海的湖泊特性密切相关，由于乌梁素海面积约为300 km2，平均水深约为1.6 m，意味着湖泊有较大的表面积可以与大气进行热交换，同时较浅的水深使得湖泊的上下层水体可以更快地混合，这有助于湖泊更快地响应气温的变化，从而缩小了气温和冰层表面温度之间的差值。

3.2.2 湖冰内部温度

根据HIGHTSI模型对冰内温度的模拟结果可以得知，在生长期时，冰层处于持续增厚的阶段，湖冰内部温度的分布通常呈线性（图5（a））。进入平衡期后，太阳辐射不断增强，尤其在白天，冰层顶部的冰温将升高，使得冰温剖面逐渐呈现“C”形（图5（c））。当冰面被积雪覆盖时，雪阻碍了气温和太阳辐射对冰层的影响，因此图5（d）的冰温剖面在平衡期时呈线性分布。图5（e）和图5（f）是融化期中2个时间节点，由于该段时期的白天气温较高且太阳辐射较强，导致整体的冰温较高；当白天结束时，气温降低且无太阳辐射，冰层顶部的温度会下降，使得冰温剖面逐渐呈现倒“C”形；而在清晨时，通过一夜的气温冷却，冰层顶部温度将更低，但是由于太阳辐射逐渐增强，次表层冰温会上升，因此冰温剖面呈现倒“S”形。

HIGHTSI模型模拟冰内温度与现场观测结果［16］对比较好，EMA=1.33  ℃，ERMS=1.51  ℃，r=0.90。选取模拟结果中生长期、平衡期和融化期的典型时间节点，对冰温的垂直剖面进行比较。结果表明，HIGHTSI模型很好地再现了冰内温度的分布情况（图5）。然而，在平衡期和融化期时，冰层的顶部和底部可能存在误差（图5（b）—图5（f）），主要有2个原因：首先，生长期过后，太阳辐射不断增强，冰层顶部的温度传感器（距离冰面2.5 cm）会吸收部分辐射，导致现场观测值较高；其次，在融化期时，冰层底部将经历冰到水的快速相变过程，孔隙率增加，温度传感器很可能测得冰水混合物的温度，致使现场观测值较高［7］。尽管在平衡期和融化期时，HIGHTSI模型模拟结果与现场观测存在一些差异，但整体上模型对冰内温度的模拟结果与现场观测值取得了较好的一致性，并能够很好地再现冰内温度的垂直分布和变化趋势。

冰內温度对气温波动的响应非常显著，特别当湖泊表面无雪覆盖时。为了进一步探究气候要素对冰内温度的影响，本文计算了2个时期（2015年12月14—22日和2016年2月8—16日）内日平均气温和冰内温度的相关系数（图6）。结果显示，在12月18—22日和2月8—12日湖泊表面无雪覆盖时，气温和冰内温度的相关性高于12月14—18日和2月12—16日湖泊表面有雪覆盖时的情况。

为了更详细地说明冰内不同深度对气温波动的响应差异，图7展示了不同深度冰温的日变化情况。结果显示，冰层顶部对气温波动表现得更加敏感，随着深度增加，气温对冰温的影响逐渐减弱，同时冰温对气温波动的响应滞后时间也随之增加。以2015年12月20日为例（图7（c）），在8：00—15：00期间，乌梁素海湖的气温从-14.7  ℃升至-2.8  ℃，深度为3 cm和15 cm的冰温分别升高了3.54  ℃ 和0.83 ℃。此外，通过冰温日剖面可以观察到，在湖泊表面无雪覆盖时，平衡期（图7（b））的各层冰温相关系数高于生长期（图7（c））。这是因为在平衡期和融化期，太阳辐射不断增强（图3（c）），进入冰表和冰内的辐射增加，气温与太阳辐射的昼夜周期循环同时影响着冰温，致使平衡期的气温与冰温的相关系数增加。当湖泊表面被雪覆盖时，由于雪的热传导系数远小于冰，导致较高的绝热性减弱了气-冰热交换，从而削弱了气温对冰内温度的影响。此外，雪还具有高反照率的特点，反射了大部分太阳辐射，导致日冰温振幅较小。因此，无雪覆盖的相关系数大于有雪覆盖的情况。

4 结  论

本研究通过HIGHTSI模型模拟并分析了2015—2016年乌梁素海湖冰完整生消过程，主要结论如下：

（1） HIGHTSI模型模拟结果与现场观测具有较高的一致性。以再分析气象数据作为模型输入，将遥感计算得到满足水体冻结的时间作为模型的初始模拟日期，模拟结果可以表征现场真实冰厚生消过程。

（2） 2015—2016年乌梁素海的冰期为11月21日至翌年3月25日，共持续126 d。其中，湖冰的生长期、平衡期和融化期分别为65、37和24 d，最大冰厚为41.7 cm。HIGHTSI模型进一步揭示出，气温是影响乌梁素海冰厚生消的关键因素，气温与冰层表面温度呈现高度相关，湖-气温差决定了冰厚变化速率。

（3） 冰内不同深度的冰层对气温变化的响应程度不同，冰层顶部对气温的敏感性最强，随着深度的增加，这种敏感性逐渐降低；太阳辐射的昼夜周期循环显著影响了平衡期和融化期的冰厚和冰温；降雪事件将增加湖泊表面反照率，反射更多的太阳辐射，同时雪的低热传导特性会削弱气温对冰温的影响。

参考文献：

［1］董李勤，章光新.全球气候变化对湿地生态水文的影响研究综述［J］.水科学进展，2011，22（3）：429-436.（DONG L Q，ZHANG G X.Review of the impacts of climate change on wetland ecohydrology［J］.Advances in Water Science，2011，22（3）：429-436.（in Chinese））

［2］SHARMA S，BLAGRAVE K，MAGNUSON J J，et al.Widespread loss of lake ice around the Northern Hemisphere in a warming world［J］.Nature Climate Change，2019，9（3）：227-231.

［3］黄文峰，李瑞，李志军，等.1979—2021年鄂陵湖和扎陵湖结冰日变化及主控因素分析［J］.水科学进展，2023，34（1）：102-114.（HUANG W F，LI R，LI Z J，et al.Analysis on the variation of ice-on date of Lakes Ngoring and Gyaring from 1979—2021 and its influencing factors［J］.Advances in Water Science，2023，34（1）：102-114.（in Chinese））

［4］WAN W，ZHAO L，XIE H，et al.Lake surface water temperature change over the Tibetan Plateau from 2001 to 2015：a sensitive indicator of the warming climate［J］.Geophysical Research Letters，2018，45（20）：117-186.

［5］黄文峰，韩红卫，牛富俊，等.季节性冰封热融浅湖水温原位观测及其分层特征［J］.水科学进展，2016，27（2）：280-289.（HUANG W F，HAN H W，NIU F J，et al.Field observations on water temperature and stratification in a seasonally ice-covered shallow thermokarst lake［J］.Advances in Water Science，2016，27（2）：280-289.（in Chinese））

［6］CHENG B，VIHMA T，RONTU L，et al.Evolution of snow and ice temperature，thickness and energy balance in Lake Orajrvi，Northern Finland［J］.Tellus A：Dynamic Meteorology and Oceanography，2014，66（1）：21564.

［7］HUANG W F，CHENG B，ZHANG J R，et al.Modeling experiments on seasonal lake ice mass and energy balance in the Qinghai-Tibet Plateau：a case study［J］.Hydrology and Earth System Sciences，2019，23（4）：2173-2186.

［8］YANG Y，CHENG B，KOURZENEVA E，et al.Modelling experiments on air-snow-ice interactions over Kilpisjárvi，a lake in Northern Finland［J］.Boreal Environment Research，2013，18：341-358.

［9］HUO P Z，LU P，CHENG B，et al.Monitoring ice phenology in lake wetlands based on optical satellite data：a case study of Wuliangsu Lake［J］.Water，2022，14（20）：3307.

［10］HUANG W F，ZHAO W，ZHANG C，et al.Sunlight penetration dominates the thermal regime and energetics of a shallow ice-covered lake in arid climate［J］.The Cryosphere，2022，16（5）：1793-1806.

［11］CAO X W，LU P，LEPPRANTA M，et al.Solar radiation transfer for an ice-covered lake in the Central Asian arid climate zone［J］.Inland Waters，2021，11（1）：89-103.

［12］CAI Y，KE C Q，XIAO Y，et al.What caused the spatial heterogeneity of lake ice phenology changes on the Tibetan Plateau？［J］.Science of the Total Environment，2022，836：155517.

［13］劉鸿波，董理，严若婧，等.ERA5再分析资料对中国大陆区域近地层风速气候特征及变化趋势再现能力的评估［J］.气候与环境研究，2021，26（3）：299-311.（LIU H B，DONG L，YAN R J，et al.Evaluation of near-surface wind speed climatology and long-term trend over China′s mainland region based on ERA5 reanalysis［J］.Climatic and Environmental Research，2021，26（3）：299-311.（in Chinese））

［14］龙笛，李雪莹，李兴东，等.遥感反演2000—2020年青藏高原水储量变化及其驱动机制［J］.水科学进展，2022，33（3）：375-389.（LONG D，LI X Y，LI X D，et al.Remote sensing retrieval of water storage changes and underlying climatic mechanisms over the Tibetan Plateau during 2000—2020［J］.Advances in Water Science，2022，33（3）：375-389.（in Chinese））

［15］石羽佳，王忠静，索滢.基于多源数据融合的海河流域降水资源评价［J］.水科学进展，2022，33（4）：602-613.（SHI Y J，WANG Z J，SUO Y.Evaluation of Haihe River basin precipitation resources based on multisource data fusion［J］.Advances in Water Science，2022，33（4）：602-613.（in Chinese））

［16］曹晓卫.乌梁素海湖冰生消过程观测与模拟研究［D］.大连：大连理工大学，2021.（CAO X W.Observation and simulation research on growth and decay processes of ice cover on Lake Wuliangsuhai［D］.Dalian：Dalian University of Technology，2021.（in Chinese））

［17］SHINE K P.Parametrization of the shortwave flux over high albedo surfaces as a function of cloud thickness and surface albedo［J］.Quarterly Journal of the Royal Meteorological Society，1984，110（465）：747-764.

［18］EFIMOVA N A.On methods of calculating monthly values of net longwave radiation［J］.Meteorologiya i Gidrologiya，1961，10：28-33.

［19］VIHMA T，JOHANSSON M M，LAUNIAINEN J.Radiative and turbulent surface heat fluxes over sea ice in the Western Weddell Sea in early summer［J］.Journal of Geophysical Research，2009，114（C4）：C04019.

［20］JAKKILA J，LEPPRANTA M，KAWAMURA T，et al.Radiation transfer and heat budget during the ice season in Lake Pjrvi，Finland［J］.Aquatic Ecology，2009，43（3）：681-692.

［21］楊宇.冰雪热力过程中物理参数辨识及高分辨率计算［D］.大连：大连理工大学，2012.（YANG Y.Physical parameter identification and high resolution modelling in ice and snow thermodynamic processes［D］.Dalian：Dalian University of Technology，2012.（in Chinese））

Numerical simulation of the complete process of lake ice formation and melting in Lake Ulansu

Abstract：To investigate changes in ice thickness，ice temperature，and ice phenology characteristics in Lake Ulansu under the influence of climate warming，the complete process of ice formation and melting of Lake Ulansu from 2015 to 2016 was simulated using the HIGHTSI model.We used the ERA5-Land and MERRA-2 reanalysis data sets for atmospheric forcing，which were combined with initial simulation data obtained from multisource satellite remote sensing images.It was found that：① During the study period，the maximum ice thickness was up to 41.7 cm，with freeze-up start and break-up end dates of November 21，2015 and March 25，2016，respectively，and an ice cover duration of 126 d.② For Lake Ulansu，which had a shallow water depth and sufficient winter sunshine，air temperature was the main factor affecting ice thickness，followed by solar radiation，and the diurnal cycles of the two significantly affecting the thickness and temperature of the ice layer.However，when the ice was covered with snow，the influence of air temperature and solar radiation on the ice layer was significantly weakened due to the low thermal conductivity and high albedo of snow.③ Even in the absence of field observation data，the use of meteorological data and initial simulation data derived from remote sensing could still be used to characterize the complete evolution of real snow and ice in the field accurately.This study provided the foundation for the calculation of seasonal ice cover on shallow lake ice in midlatitude arid regions and for investigations of interannual variations in lake ice formation and melting.

Key words：lake ice;complete process of ice formation and melting;reanalysis data;satellite remote sensing;HIGHTSI model;Lake Ulansu