1、引言

早期的湖冰观测方法主要是野外观测，由湖岸边的水文观测站每日记录湖冰物候信息，并通过钻孔的方式测量湖冰厚度，之后借助声呐、电磁波、超声波仪器等进行湖冰厚度观测。但这些观测方式有较大的局限性：

（1）耗费大量的人力物力，且观测站分布不均，对于大型湖泊的观测更加密切，但绝大多数中小型湖泊缺少观测数据，因此很难获得大范围的湖冰数据；

（2）大多数存在冰期的湖泊其观测环境恶劣、可达性有限，难以获得准确的湖冰物候；

       （3）早期观测标准难以统一，缺乏观测精度一致、长时序的观测数据。

此外，人工湖冰物候监测点在1980年后持续下降，观测网几乎消失，数据缺失严重。随着遥感技术的不断发展，卫星遥感提供了大规模、长时序、高时间分辨率的对地观测数据，弥补了观测站人工监测的不足，有助于更高效率地进行湖冰监测。同时，在全球变暖的大前提下，越来越多的学者利用遥感手段开始了对湖冰及其属性的研究。通过“Webof Science”核心数据库，对检索主题为“lake ice”的2000-2021年间的论文关键词词频进行了统计（图2），发现文献数量呈逐年增长趋势，且“Climate Change”、“Arctic”、“MODIS”等为研究热点，其中“Climate Change”出现频率最高，更加凸显了湖冰对于气候变化研究的重要性。湖冰的物候及冰厚变化信息最能直观反应气候的变化影响，已有的关于湖冰的综述或侧重于湖冰监测方法，或侧重于物候、冰厚变化趋势。

图2 2000-2021年期间湖冰遥感研究热点主题词示意图

（续）

3、湖冰识别与湖冰物候、冰厚遥感监测研究进展

3.3 湖冰冰厚遥感监测

湖冰厚度和对应冰期时间呈正相关关系，即冰期越长，湖冰越厚。与湖冰物候研究相比，湖冰厚度研究较少，且以海冰和河冰冰厚研究为主，但其遥感监测方法可相互借鉴。湖冰冰厚监测主要采用微波遥感数据，其测算湖冰厚度主要可以归结为三个方法：

（1）利用湖泊的冰热信息，结合能量平衡方程或经验关系模型构建湖冰模型，可用于湖冰物候提取及冰厚模拟。遥感平台为湖冰模型提供气温、降水、云量等输入数据。湖冰经验模型基于能量收支平衡，即太阳短波辐射经历冰层表面反射，在冰内传输过程中被吸收和散射，最后透射入冰层下的水体（刘煜和吴辉碇，2018）的过程，发展了如CLIMo模型、HIGHTSI模型、LIMNOS模型等。CLIMo模型应用较为广泛，模拟了在不同的环境条件下的湖冰生消过程，模型的输入参数包括气温、相对湿度、风速、云量和降雪量等环境因素，输出参数除能量平衡各组成要素外，还包括湖冰物候信息和湖冰厚度等。HIGHTSI模型更多地应用于计算高纬度湖泊的湖冰生消过程。模型法对云和雪很敏感，因为云会阻挡热辐射，雪则对其覆盖下层的冰起到绝缘的作用，从而影响冰厚监测结果。

（2）雷达和激光测高仪利用穿透效应反演湖冰厚度。利用波形来识别来自冰面和水面的信号，即识别波形中的两峰值（如图5所示），计算出两个信号之间的时间差，结合微波在冰中的传播速度计算出冰厚。目前，Jason-1/2/3卫星作为TOPEX/Poseidon（T/P）卫星的后续任务，有时间跨度长（联合T/P卫星长达30年）、重访时间短（10天）以及反演精度高（2.0-4.2cm）等优势，在长时序、高时间分辨率监测湖泊冰厚方面有效（Li等，2022）。但积雪覆盖是这种方法反演冰厚的最大的不确定性源。由于积雪的深度，这种不确定性可能导致冰厚反演结果误差达到1m。

（3）由于湖冰改变了原本微波信号的传输，随着冰厚增加，后向散射系数和亮温值增加。针对特定湖泊，可结合实测冰厚与同步观测的遥感卫星信号的后向散射系数（或亮温值建立统计拟合模型，常用的拟合方式有线性、指数、对数和幂函数拟合。但这种统计模型方法不具有普适性，特定湖泊建立的统计模型难以推广到其他湖泊或区域尺度。

图5　基于卫星测高法反演湖冰冰厚示意图

4、湖冰研究热点区域

为进一步探究全球湖冰遥感监测研究的趋势和热点，本文在“Webof Science”核心数据集内，按照检索式进行检索，共计有237篇文章，经过筛选，保留了123篇与湖冰物候、厚度变化趋势高度相关的文章进行后续分析。湖冰的研究热点主要分布在北半球（121篇），尤其是北美（45篇）、北欧（32篇）及青藏高原地区（24篇）。全球超过一半的湖泊分布在北半球，且在北美和北欧存在大面积的湖泊群，因此北半球湖冰观测比较系统全面：北美的苏必利尔湖、大奴湖、北欧的卡尔湖、奥卢湖以及青藏高原地区的纳木错等湖泊的相关文章数量均在10篇及以上。南半球的湖泊相对较少且存在结冰期的湖泊大多分布在南极地区，以实地监测为主。

4.1 热点区域湖冰变化情况

随着气候变暖，全球湖泊整体呈现冻结时间推迟、消融时间提前、冰期缩短、冰厚减薄的趋势。我们对前文中检索的相关SCI文章的研究结果进行了总结并合成了北半球湖冰物候变化时空特征分布图（如图6所示）。

图6 北半球100 km²以上湖泊湖冰冻结时间与消融时间变化情况

1850—2000年期间，北半球湖冰开始冻结时间平均每100年延迟5.8天，开始消融时间平均每100年提前6.5天。位于北温带的湖泊的结冰率已由1980年的61%降至2020年的43%，且这个下降趋势还将持续。据相关研究预测，未来四十年（2040-2079）内，北半球湖冰冻结日将推迟5-20天，消融日将提前约10-30天，从而导致湖冰冰期整体减少约15-50天，湖冰的最大厚度也将减少10-50cm。考虑到研究的年份、数据源和湖泊对象等因素不同，不同学者得出的湖冰物候的变化速率结论也不尽相同：对于北半球（107-204年）的湖泊，60数据显示个有超过百年实测记录，湖泊开始冻结时间平均每100年晚11.0天，开始消融时间平均每100年早6.8天；北半球大于625km²的湖泊在1979-2018年间开始冻结时间推迟~23d/100a，开始消融时间提前~17d/100a。

（a） 北欧100 km²以上湖泊的湖冰冻结时间变化情况

（b） 北欧100 km²以上湖泊的湖冰消融时间变化情况

图7 北欧100 km²以上湖泊的湖冰冻结时间和消融时间变化情况

北欧地区的湖冰研究集中在芬兰、瑞典、波兰三国（见图7），北欧地区湖泊的冰损失显著，结冰率由1980年的50%降至2020年的24%。1960至2000年间，芬兰北部、中部、南部地区湖泊冻结日推迟速率分别为4.6d/100a、3.6d/100a、7.9d/100a，消融日呈现提前速率分别为7.5d/100a、6.6d/100a、8.6d/100a。对瑞典地区54个湖泊湖冰冰期进行长时间（1960-1990年）分析，有47个湖泊的消融日显著提前，速率在3-96d/100a之间。波兰地区的18个在1961-2010年间有监测数据的湖泊在这50年间开始结冰时间推迟~23d/100a，完全消融时间提前了~43d/100a，冰期时长减少了~56d/100a，Lake Morskie Oko的冻结日在40年内（1971-2010年）推迟~41d/100a。

（a） 北美100 km²以上湖泊的湖冰冻结时间变化情况

（b） 北美100 km²以上湖泊的湖冰消融时间变化情况

图8 北美100 km²以上湖泊湖冰冻结时间和消融时间变化情况

北美地区的湖冰研究集中于加拿大、五大湖附近及阿拉斯加等地（见图8）。加拿大北极群岛的许多湖泊每年有超过10个月被冰覆盖，基于AVHRR数据设定反射率阈值提取湖冰物候，1985-2004年间加拿大近北极地区开始冻结时间平均延迟~12d/100a，开始消融时间平均提前~18d/100a，冰厚减少10-30cm，常年封冻的湖泊减少，转型为季节封冻。加拿大地区的Great Bear Lake和Great Slave Lake湖冰监测比较完善，对这两个湖在2000-2006年的湖冰物候进行时间序列分析，发现Great Bear Lake的冰期由2000年的247天降至2006年的218天，Great Slave Lake冰期也由193天降至183天。阿拉斯加北部地区湖泊在冬季结冰的数量也在减少，湖冰多呈现浮冰状，1991-2011年，冻结日晚了5.9天，消融日提前了17.7-18.6天，冰期减少了约24天。模拟研究结果显示，在2041-2070年间，这种趋势还将继续，无积雪时平均最大冰厚将减少10-60cm，有积雪时平均最大冰厚将减少5-50cm。青藏高原也同样出现湖冰冰期缩短的现象（见图9）。

青藏高原湖泊冰期平均在176天左右，完全封冻期130天左右；由于气候的区域差异，高原北部湖区比南部湖区开始冻结期早、完全融化期晚、完全封冻期长。

（a） 青藏高原100 km²以上湖泊的湖冰冻结时间变化情况

（b） 青藏高原100 km²以上湖泊的湖冰消融时间变化情况

图9 青藏高原100 km²以上湖泊湖冰冻结时间和消融时间变化情况

表2列举了前人研究中青藏高原典型湖泊的湖冰变化趋势。考虑到所用的遥感数据源、研究年份不同，不同学者对同一湖泊的湖冰变化速率有不同的结论：以纳木错为例，文献建立湖泊表面温度模型，研究1978-2017年期间纳木错的湖冰物候，得出开始冻结时间平均每百年延迟约57天，开始消融时间平均每100年提前约23天的结论；文献对MODIS地表反射率、地表温度和冰雪覆盖数据值设定阈值，纳木错2000-2015年间开始冻结时间平均每100年延迟约58天，开始消融时间平均每100年提前约9天；文献通过多阈值法，利用被动微波数据和MODIS数据，认为纳木错1979-2013年间开始冻结时间延迟9天，开始消融时间提前10天，即开始冻结时间平均每100年延迟约26天，开始消融时间平均每100年提前约29天。尽管不同研究对于湖泊湖冰物候时间变化幅度表现较大的差异，但均一致地表明其开始冻结时间延迟、开始消融时间提前的特征。目前，关于青藏高原湖冰厚度的研究较少，但可以确定的是随着温度的升高，青藏高原湖冰冰厚也有减薄的趋势。

表2 青藏高原典型湖泊的湖冰物候变化趋势

4.2 湖冰变化影响因素

现有研究一致表明：气温是影响湖冰物候的最重要因素。美国中西部、东部和欧洲中部的湖冰受全球变暖的影响，冰期缩短的趋势显著。基于青藏高原地区湖冰研究结果，如果气温升高2℃，冻结日期平均将推迟7.3天，消融日期平均提前12.4天，冰期显著缩短，平均缩短19.7天。

风速、积雪量等气候因素对湖冰生消也有重要影响。风会加速湖面气流运动和水动力作用，带走湖冰形成时所产生的潜热，较大的风速会使得薄冰破裂，在初冰期和破冰期时，加速湖冰消融。积雪覆盖在湖冰上，反射部分太阳辐射的同时也隔绝了湖冰与大气的部分热传递，起到一定的保温作用，减缓湖冰消融速率。在湖冰生长初期，湖泊表面温度随着气温的下降而下降，湖水由湖岸边开始冻结，此时的湖冰较薄且不稳定，当风速增大时，新生湖冰易破裂。湖冰进入稳定增长期后，冰厚往往由气温和积雪量决定，湖冰厚度随积雪量的增长而增长，湖冰消融时间因此变晚。

湖冰物候及厚度的变化也与湖泊自身属性有关，如湖泊面积、形状、水深、湖水透明度、盐度、矿化度等，咸水湖的湖冰物候变化较淡水湖更大。在高纬度地区，湖冰变化也与源自太平洋和大西洋的主要大气环流有关，如南方涛动、太平洋北美涛动、北大西洋涛动等，这些大气环流对温度和降雪的产生影响，进而影响湖冰物候及厚度。

5、总结与展望

湖冰变化是气候变化的映射，越来越多的学者聚焦于湖冰研究。多源遥感观测为湖冰研究提供了大规模、长时序、高时间分辨率的数据，为湖冰监测提供了便利，促进了对于全球湖冰物候、冰厚在过去近半个世纪变化规律的掌握。湖冰遥感监测研究多关注于湖冰物候、冰厚变化趋势等方面，取得了显著的研究进展。湖冰在冻结期间变化表现出高时频的特征，因此需要高时间分辨率的遥感数据。MODIS传感器数据及被动微波遥感数据因其每日重访的周期被广泛应用于湖冰监测，但受限于其较低的空间分辨率。当前的湖冰研究主要集中于大型湖泊，对中小型湖泊的关注有限，如何结合中高分辨率卫星数据，利用其空间分辨率上的优势，提高湖泊湖冰观测的精度是未来研究重点方向之一。

另外，已有的研究更多着眼于已发生的变化，限于卫星服役年限而无法构建长时序的湖冰信息，缺少对过去遥感技术未兴起时期的湖冰冰情评估，且对未来湖冰变化特征的预测还不充分。随着大数据和人工智能等技术的不断发展，利用遥感大数据和机器/深度学习方法的湖冰遥感监测方法，实现湖冰物候、厚度信息的历史长时序重建与未来变化特征预测是十分关键的研究突破口。

目前，湖冰监测研究集中于北美、北欧地区。青藏高原地区湖冰对气候变化的响应十分敏感，但由于海拔高、地形复杂、通达性差、中小型湖泊数量多等特征，加之国内遥感起步发展相对较晚等原因，青藏高原地区的湖冰研究还不充分，适合该地区的方法与模型和对其他属性如冰厚研究尚处于探索阶段。青藏高原的湖冰物候变化是高山区气候变化的缩影，认识该地区湖冰变化的过去、现在及未来对研究全球气候变化有重要的指示意义，该地区是湖冰研究未来亟需关注的重点区域。

随着气候变暖，全球湖泊整体呈现冻结时间推迟、消融时间提前、冰期缩短、冰厚减薄等趋势特征，势必引发湖泊物理水文、水化学及生态系统的系列连锁反应，进而对流域自然与人居环境造成胁迫，应对措施刻不容缓。遥感只是用来观测其变化的工具，反思气候变化并采取行动才是湖冰遥感监测的意义所在和当务之急。