洞里薩湖表面水溫的時空變化及其對氣候變化的響應

潘梅娥 楊 昆

（1、云南師范大學旅游與地理科學學院，云南 昆明650000 2、云南師范大學信息學院，云南 昆明650000 3、西部資源環境地理信息技術教育部工程研究中心，云南 昆明650500）

隨著人類活動的影響，越來越多的證據表明全球處于變暖的趨勢[1]。湖泊表面水溫（LSWT）對氣候變化和人類活動具有指示作用[2]。洞里薩湖是南亞最大的淡水湖泊。目前，洞里薩湖的研究主要集中在生物多樣性、水質、水文特征、社會經濟條件等方面。關于LSWT的變化及其驅動因素的研究鮮有報道。在全球氣候變暖的背景下，研究洞里薩湖長時間系列的LSWT的變化特征及其對氣候變化的響應具有重要科學價值。隨著遙感技術的發展，利用遙感影像提取長時間系列的LSWT，并監測其時空變化特征成為可能。近年來，中分辨率成像光譜儀（MODIS）陸地表面溫度（LST）數據（MOD11A2）被用于全球大型湖泊的研究，且提取精度均表現良好[3]。

綜上，本文基于2001～2018 年的MOD11A2 影像和近湖面2m處的氣溫數據（AT），以遙感技術、GIS 空間分析技術和數理統計分析方法為理論基礎，系統分析洞里薩湖近20 年的LSWT和AT的時空變化特征，并定量化研究LSWT與AT間的響應關系。

1 研究數據與方法

1.1 研究區概況

洞里薩湖位于柬埔寨的西北部，通過洞里薩河與湄公河相連通，湖區水面范圍旱季急劇縮減，雨季水面高漲，整個洞里薩湖由永久性湖區和洪泛區組成。本文主要研究永久性湖區的LSWT 時空變化特征。

1.2 研究數據

本研究獲取的數據主要包括2001-1-1 至2018-12-31 的MOD11A2 影像、近湖面2m的月平均氣溫數據以及Landsat-8/OLI影像。其中，MOD11A2 是空間分辨率為1km、時間分辨率為8d 的MODIS地表面溫度產品，來源于NASA數據共享平臺。月平均氣溫數據來源于歐洲中期天氣預報中心，空間分辨率為0.25°×0.25°。Landsat-8/OLI 影像用于提取永久性湖區邊界，下載于USGS數據共享平臺。

1.3 研究方法

1.3.1 湖泊邊界、AT以及LSWT提取。選擇2016 年3 月22 日與3 月29 日的兩景旱季Lnadsat-8/OLI 影像，拼接后，由人工數據化提取永久性湖泊邊界。月平均氣溫數據為NetCDF 格式，借助ArcMap 軟件轉換為tif 格式，并進行投影轉換和重采樣，重采樣后的空間分辨率為1km。

基于MOD11A2 數據，由以下步驟提取LSWT：首先，借助MRT 工具完成數據的重投影和格式轉換，得到LST_Day_1km,LST_Night_1km, QC_day和QC_night 四個文件；其次，考慮年度水位不一致性和湖泊邊界水陸亞像元對湖泊溫度的影響，利用ArcMap 軟件，剔除湖泊邊界2000m 的內部緩沖區域，得到掩膜文件，并完成上述四個文件的裁剪。考慮到云的影響，還需對LST數據中有問題的像元進行過濾。首先，對照MODIS 地表溫度產品手冊，將LST 數據中在有效范圍（7500-65535）之外的像元替換為空值；其次，對應QC文件標識，僅保留第一個標識內定義為質量好的像元，或者是LST誤差≤1K，同時在第二個標識內被定義為質量好的像元，或者是湖泊表面溫度誤差≤2K，同時在第三個標識輻射率誤差<0.02 的像元，其余像元均替換為空值；然后，將LST像元值轉換為攝氏溫度值；最后，用焦點統計填充缺失的像素值。焦點統計的具體方法是:在缺失的像素周圍計算5×5 個像素的平均值，然后填充到新的值。由于夜間LST圖像存在大量的缺失像元，過度填補容易影響LSWT的精度。因此本研究只分析了白天湖泊表面水溫（LSWT-day）的變化。以上步驟均在在ArcPy軟件的支持下完成。

1.3.2 趨勢分析。利用普通最小二乘線性回歸方法計算LSWT和AT近20a 的年均變化率，公式如下：

式中，y（t）表示第t 年的LSWT，x表示時間系列，a 為擬合截距，擬合斜率b 為LSWT的年均變化率，ε 為殘差。

1.3.3 相關分析。利用皮爾遜相關系數對LSWT與AT間的依存關系進行評價，公式如下：

上式中，r 為皮爾遜相關系數，xi和yi分別為第i 年的LSWT和AT，x和y分別為所有年份的LSWT均值和AT均值。

1.3.4 多項式回歸分析。利用多項式回歸模型定量揭示LSWT與AT間的響應關系，模型如下：

式中，y為LSWT，x為AT，a、b 和c 為最小二程擬合系數。擬合優度R2用于評價模型的適宜度。

2 結果與分析

2.1 LSWT-day與AT的時空變化特征分析

利用GIS空間分析技術和趨勢分析方法，從年均尺度，分析了2001～2018 年的LSWT-day 和AT 的時空變化特征。從空間角度看，2001～2018 年洞里薩湖年均LSWT-day與年均AT均有升溫趨勢，且空間分布特征具有一致性（圖1）。高溫區域主要分布在南部、東部和東北部大部分地區，西部區域溫度偏低。在整個研究時段，年均最高LSWT-day與年均最高AT均出現在2015 年。

圖1 年平均LSWT-day 與AT 時空分布

從時間角度看，如圖2 所示，近20a 年均AT 均高于年均LSWT-day，兩者溫差在1.32～2.03℃之間。整體看，年均AT的溫度范圍為27.47～28.93℃， 年均LSWT-day 的變化范圍為26.07～27.46℃，兩者的變化趨勢具有顯著的一致性。趨勢分析顯示，研究時段內，AT 與LSWT-day 均具有明顯的變暖趨勢。其中，LSWT-day 的升溫率為0.33℃/10a，AT 的升溫率為0.23℃/10a。可見，洞里薩湖的變暖趨勢與全球大部分湖泊一致（全球平均=0.34℃/10a[4]）。

圖2 年均LSWT-day 與AT 趨勢分析

2.2 LSWT-day與AT的響應關系分析

利用相關分析和多項式回歸模型，從不同時間尺度，對LSWT-day與AT的響應關系進行定量研究。相關分析結果見表1，在月、季節和年時間尺度上，LSWT-day 與AT 間均呈現極強正相關性，相關系數r 均大于0.8。其中，春、夏、秋季的相關系數大于0.9。通過多項式回歸分析，從年均尺度定量描述了AT對LSWT-day的影響程度。如圖3 所示，模型的擬合優度R2約為0.67，模型適宜度良好。可見，LSWT-day對氣候變化具有較強的響應能力。

圖3 LSWT-day 與AT 多項式回歸分析

表1 LSWT-day 與AT 的相關性分析

3 結論

本文探討了一套完整的洞里薩湖表面水溫和氣溫時空變化特征及其響應關系的研究策略和方法。研究顯示，在全球氣候變暖的背景下，洞里薩湖LSWT 和湖區AT 均呈現明顯的變暖趨勢，變暖速率分別為0.33℃/10a 和0.23℃/10a。AT 與LSWT 間呈現顯著的正相關關系。AT是驅動LSWT變暖的重要因素，LSWT也能夠快速和直接地反映長期的氣候變化。本研究填補了洞里薩湖長時間系列LSWT的研究空白，為該湖的環境保護和管理提供決策支持。