黃文峰 李瑞 李志軍 張庾粟 楊文煥

摘要：湖冰物候過程影響著湖泊冰封期湖泊環(huán)境的初始、發(fā)展和結(jié)束條件以及湖-氣作用等。為了探究青藏高原淡水湖泊湖冰物候變化趨勢及影響因素，對FLake模型進行改進，并使用MODIS溫度數(shù)據(jù)進行驗證，以鄂陵湖和扎陵湖為例，重建其1979—2021年結(jié)冰日數(shù)據(jù)序列，利用模型對湖泊結(jié)冰日進行敏感性分析。結(jié)果表明：改進的FLake-SELF模型對兩湖的結(jié)冰日計算精度提升了35%，重建序列顯示鄂陵湖和扎陵湖結(jié)冰日分別以4.5 d/（10 a）、3.8 d/（10 a）的速率推遲；氣溫變暖、風速降低和水汽壓增加是導致兩湖結(jié)冰日推遲的最主要氣象因素，氣溫、水汽壓和風速的年際差異是造成兩湖結(jié)冰日年際波動的關鍵氣象因素；相同的氣候變化條件下，湖泊深度的不同是造成兩湖結(jié)冰日及其變化速率差異的原因；較深的湖泊，結(jié)冰日年際波動性越大、變化速率越大，對氣候變化響應更為敏感。

關鍵詞：結(jié)冰日；氣候變化；湖泊模型；鄂陵湖；扎陵湖

中圖分類號：TV11

文獻標志碼：A

文章編號：1001-6791（2023）01-0102-13

收稿日期：2022-06-28；

網(wǎng)絡出版日期：2022-11-07

網(wǎng)絡出版地址：https：∥kns.cnki.net/kcms/detail∥32.1309.P.20221107.1119.002.html

基金項目：國家重點研發(fā)計劃資助項目（2019YFE0197600）；凍土工程國家重點實驗室開放基金資助項目（SKLFSE201813）

作者簡介：黃文峰（1985—），男，安徽濉溪人，副教授，博士，主要從事冰物理與冰區(qū)生態(tài)環(huán)境研究。E-mail：huangwenfeng@chd.edu.cn

聯(lián)合國政府間氣候變化專門委員會（IPCC）研究表明，在過去的1個世紀里，世界各地的氣溫出現(xiàn)不同程度的上升，并預測未來一段時間內(nèi)氣溫升高的現(xiàn)象還將持續(xù)^［1］。青藏高原由于自身特性，對全球氣候變化的響應更為顯著，升溫速率是全球均值的2倍^［2-3］。高原湖泊對氣候變暖響應敏感，表現(xiàn)在氣候變化導致湖泊開始凍結(jié)及封凍歷時發(fā)生改變，因此湖冰被認為是氣候變化的指示因子^［4-5］。湖冰作為冰凍圈的重要組成部分^［6］，年內(nèi)變化不僅影響著區(qū)域能量和物質(zhì)收支平衡，還具有重要的生態(tài)和社會服務功能，體現(xiàn)在多個方面：湖冰的存在影響湖泊與大氣直接能量交換^［7］，湖冰較高的反射率降低了進入湖泊的太陽輻射^［8］，中止了風動力驅(qū)動的湖泊混合過程，隔絕了水體與大氣的直接物質(zhì)交換，復氧、大氣沉降被極大削弱或中斷，改變湖泊微生物的生態(tài)環(huán)境使微生物群落豐富度增加^［9］。在北歐、中國黑龍江等高緯度地區(qū)，堅硬厚實的冰蓋也成為跨越湖泊的天然通道等。因此，了解湖冰對氣候變化的響應對于預測氣候變化對湖泊及其相關生態(tài)系統(tǒng)的影響至關重要。

湖冰過程在氣候變暖的背景下正發(fā)生變化，但不同湖泊的封凍歷時變化趨勢并不相同。研究發(fā)現(xiàn)，納木錯湖封凍歷時在1978—2017年以8.0 d/（10 a）的趨勢縮短^［10］；咸水湖勒斜武擔湖、邦達錯湖封凍歷時同期卻出現(xiàn)了延長的現(xiàn)象^［11］；歐洲北部湖泊封凍歷時的變化趨勢要高于南部地區(qū)^［12］；芬蘭Segozero湖（1950—2009年）的開始凍結(jié)日以3.7 d/（10 a）的趨勢推遲，同地區(qū)其他湖泊開始凍結(jié)日60 a推遲了2～12 d不等^［13］。許多早期湖冰的研究依賴于人類對湖冰長期直接觀測。在環(huán)境惡劣、人煙稀少的青藏高原，大多數(shù)湖泊沒有長期的觀測數(shù)據(jù)。不少學者借助衛(wèi)星遙感資料對青藏高原湖冰進行研究，但能夠成功用于湖冰物候過程反演的主流遙感資料時間相對較短^［14-15］，難以準確揭露湖冰物候過程的長期變化趨勢。因此使用依賴于氣象數(shù)據(jù)的湖泊熱力學模型可以對青藏高原地區(qū)湖泊湖冰物候進行長序列的模擬，如基于相似理論發(fā)展出來的相對簡單的二層模型FLake（Fresh Lake Model）^［16-17］、基于熱擴散發(fā)展出來的CLIMO（Canadian Lake Ice Model）模型^［18］和WRF（Weather Research and Forecasting Model）-lake模型^［19］等。這些模型的水溫模擬效果較好（誤差約2～4 ℃），但因湖泊開始凍結(jié)日期對水溫變化較為敏感，可引起開始凍結(jié)日計算誤差高達20 d^［20］。

本文基于對影響湖泊開始凍結(jié)物理過程的分析，對FLake模型進行改進，建立FLake-SELF模型，并利用20 a的遙感監(jiān)測數(shù)據(jù)驗證模型；基于氣象觀測與再分析數(shù)據(jù)重建鄂陵湖、扎陵湖結(jié)冰日序列（1979—2021年），分析兩湖開始凍結(jié)日變化趨勢，辨別和評價造成湖泊開始凍結(jié)變化的關鍵因素，探究不同深度的湖泊對氣候變化響應差異性的原因。

1 研究區(qū)概況

鄂陵湖、扎陵湖是青藏高原大型淡水湖泊的典型代表（圖1），位于青藏高原北部、黃河源頭地區(qū)（34°46′03″N —35°05′21″N，97°01′27″E—97°54′21″E）。

鄂陵湖海拔為4 269 m，常年平均水深為18.9 m，最大水深為31 m，南北長約32.3 km，東西寬約31.6 km，形似葫蘆狀，南寬北窄，湖水面積約679 km²，是青藏高原第一大淡水湖泊，且水量正以0.08 Gt/a的速率上升^［21］，年均氣溫為-3.6 ℃，10月至次年4月的平均氣溫都在0 ℃以下，湖泊每年11月末12月初開始凍結(jié)，次年4月下旬湖冰開始消融。最大冰厚可達0.6 m以上，封凍歷時長達半年以上^［22-23］。

扎陵湖位于鄂陵湖西側(cè)、上游，海拔為4 294 m，平均水深為8.9 m，最大水深為13 m，位于湖心偏東北側(cè)；該湖南北寬約21.6 km，東西長約35 km，形似大貝殼，面積約526 km²，冰期為每年11月中下旬到次年4月中旬，封凍歷時與鄂陵湖相當。兩湖為姊妹湖，最近距離僅為11 km，湖區(qū)氣候條件及氣候變化特征基本一致，但開始凍結(jié)、完全消融日期和最大冰厚卻存在明顯差異（圖1）。

2 研究資料與方法

2.1 數(shù)據(jù)來源與處理

2.1.1 氣象數(shù)據(jù)

研究需要的氣溫、風速、水汽壓和短波輻射均來自中國區(qū)域高時空分辨率地面氣象要素驅(qū)動數(shù)據(jù)集^［24］，該數(shù)據(jù)集以Princeton 再分析資料、GLDAS 資料、GEWEX-SRB 輻射資料以及TRMM降水資料為背景場，融合了中國氣象局常規(guī)氣象觀測數(shù)據(jù)制作而成。數(shù)據(jù)覆蓋范圍為1979年1月1日至2015年12月31日，時間分辨率為3 h，空間分辨率為0.1°。該數(shù)據(jù)可從國家青藏高原科學數(shù)據(jù)中心（https：∥www.tpdc.ac.cn）獲得。已有研究證明該數(shù)據(jù)在中國陸面過程和水文過程研究中表現(xiàn)良好^{［17，25］}。云量數(shù)據(jù)采用歐洲中期天氣預報中心（ECMWF）ERA-Interim數(shù)據(jù)集（https：∥apps.ecmwf.int/datasets/）進行補充^［26］，時間跨度為1979—2015年，時間分辨率為6 h，空間分辨率為0.125°。

2016—2021年數(shù)據(jù)用ERA-5數(shù)據(jù)集補充，時間分辨率為1 h，空間分辨率為0.1°（氣溫、風速、短波輻射）和0.25°（水汽壓、云量）。2015年和2016年氣溫變幅較大，銜接誤差達到2.7 ℃，因此2016—2021年氣溫數(shù)據(jù)用距離研究區(qū)最近的瑪多縣氣象站和中國區(qū)域高時空分辨率地面氣象要素驅(qū)動數(shù)據(jù)集的氣溫序列進行粗略校準，即將2016—2019年ERA-5提供的鄂陵湖氣溫增加2.0 ℃、扎陵湖增加1.5 ℃，使數(shù)據(jù)的銜接較為平整。其他數(shù)據(jù)銜接誤差較小，其影響可以忽略。

2.1.2 遙感數(shù)據(jù)

本文基于多種遙感產(chǎn)品提取鄂陵湖、扎陵湖湖冰物候信息，主要包括地表溫度產(chǎn)品MOD11A1以及雪覆蓋產(chǎn)品MOD10A1、MYD10A1經(jīng)過處理之后獲得的青藏高原湖冰范圍數(shù)據(jù)集^［27］。該數(shù)據(jù)集利用MODIS歸一化差雪指數(shù)（NDSI）和傳統(tǒng)的雪圖算法獲取晴天條件下的湖泊日冰量和覆蓋范圍；利用湖泊表面條件的時空連續(xù)性，通過一系列算法對云覆蓋條件下的湖冰范圍進行重新確定，以降低云污染的影響^［28］。本文選用2002—2015年的每日湖冰數(shù)據(jù)，數(shù)據(jù)從國家青藏高原科學數(shù)據(jù)中心下載。

湖面溫度 （Lake Surface Water Temperature，LSWT）選用MODIS地表溫度數(shù)據(jù)產(chǎn)品MOD11A1，空間分辨率為1 km，時間分辨率12 h（北京時間10：30和22：30每日2次）。有研究表明MOD11A1產(chǎn)品有較高的精度，與試驗地區(qū)地表溫度相差1.49 K^［29］。選取2002—2021年時間段，共14 586幅，數(shù)據(jù)量較大，本文采用MTR（Modis Reprojection Tool）工具進行批量投影轉(zhuǎn)換和拼接處理，用水溫提取程序^［30］，對湖泊水面上所有的數(shù)據(jù)點進行平均計算，將白天均值和夜晚均值再次求平均，取用作每日湖面溫度。

2.2 湖冰物候過程特征值

湖冰物候指湖泊凍結(jié)、消融的時間，常用以下關鍵物候指標來表征：開始凍結(jié)（Freeze-up start，F(xiàn)US，湖冰首次出現(xiàn)）、完全凍結(jié)（Freeze-up end，F(xiàn)UE，湖冰完全覆蓋湖面）、開始消融（Break-up start，BUS，湖冰開始融化、破裂）、完全消融（Break-up end，BUE，湖冰完全消失）。湖泊冰情的演變情況可以由上述4個物候節(jié)點反映。例如，封凍歷時（Freeze duration，F(xiàn)D）是湖泊開始凍結(jié)至完全消融的一段時間。

在遙感數(shù)據(jù)出現(xiàn)或利用以前，湖泊開始凍結(jié)通常是指觀測點視線范圍內(nèi)首次出現(xiàn)湖冰的日期，完全消融是指觀測點視線范圍內(nèi)無冰的最后日期。對于小湖而言該類定義基本與實際結(jié)冰過程相符，但對于大、中型湖泊而言，該類定義與湖泊的冰物候存在較大差異。即便是遙感技術應用于湖冰過程監(jiān)測后，因其重訪期、空間分辨率和精度問題仍不能精確地解譯湖泊開始凍結(jié)、完全消融的確切時間^［31］。

本文選擇湖面溫度降至低于冰點（淡水湖泊的冰點約為0 ℃）作為湖泊開始凍結(jié)日；相似地，定義湖面溫度開始升至冰點的日期作為湖冰完全消融日。盡管該定義與實際開始凍結(jié)日和完全消融日有一定出入，但可直觀刻畫整個湖泊結(jié)冰與冰層消失的平均狀態(tài)。通過與湖冰發(fā)展遙感數(shù)據(jù)的比對（圖2，該數(shù)據(jù)集在湖泊封凍歷時前后內(nèi)首次識別出湖冰的日子為FUS、最后一次識別湖冰的日子為BUE，s_bia為偏差），發(fā)現(xiàn)鄂陵湖、扎陵湖湖面開始凍結(jié)和完全消融日湖面冰層覆蓋率基本分別維持在5%±6%（均值±標準差，最小值不低于0）和17%±25%，這與遙感數(shù)據(jù)通常定義的開始凍結(jié)日、完全消融日（或開湖日）十分接近，說明了該定義用于指示湖冰物候過程的合理性。

2.3 模型的說明與驗證

2.3.1 FLake模型及改進

通過選用湖面平均溫度作為湖冰物候指標，可簡化計算，將湖泊溫度變化作為垂向一維問題。文章采用一維淡水湖泊模型FLake，采用相對簡單的分層方案，在淺湖適用性較好^［16］。FLake將湖泊分為2層，上層湖水充分混合、溫度趨于等溫，稱其為混合層（圖3），與大氣相接；下層為溫躍層，采用自相似理論對其溫度結(jié)構(gòu)進行參數(shù)化，與湖底相接。自相似理論本質(zhì)是溫躍層中的量綱一溫度剖面可以通過“量綱一深度的通用函數(shù)”以合理的精度進行參數(shù)化^［32］，即：

式中：t為時間；z為深度；θ（z，t）為深度z處的水溫；θ_s（t）為水面溫度（此時等于混合層水溫）；θ_b（t）為湖底溫度；h（t）為混合層深度；d為湖水深度；ψ_θ（ζ）為深度比值ζ=［z-h（t）］/［d-h（t）］的函數(shù)，滿足邊界條件ψ_θ（0）=0和ψ_θ（1） =1。該模型可計算雪層、湖冰層、水層和湖底沉積層的溫度結(jié)構(gòu)，并將自相似理論應用于所有介質(zhì)層。

湖面溫度受季節(jié)影響出現(xiàn)周期變化，春季、夏季湖面升溫，秋季、冬季湖面溫度下降，湖泊凍結(jié)就是水面溫度降至0 ℃的過程。對于淡水湖泊來說，水在約4 ℃時密度最大。進入秋季，湖泊表面降溫過程最為迅速，其降溫過程可以以4 ℃為分界線分為3個階段：高于4 ℃時湖水在風力和重力的作用下進行局部混合，4 ℃時湖水在自身重力和風力的作用下達到整體混合，低于4 ℃時水體僅在風動力強迫下局部混合或者無垂向混合。試算發(fā)現(xiàn)，F(xiàn)Lake模型計算的結(jié)冰日一般晚于觀測值14～20 d，存在較大誤差。通過分析FLake模型4～0 ℃降溫過程中的水溫垂向曲線發(fā)現(xiàn)，可能是由于過于簡單的分層方案使水溫垂向曲線刻畫比較粗略，湖泊散失一定熱量時湖表降溫幅度偏小，湖表降溫速率偏低，使結(jié)冰日計算值晚于觀測值。為了減小模擬誤差，需要對驅(qū)動水溫垂向結(jié)構(gòu)和表溫的物理過程模擬更加精細化，因此嘗試將刻畫4～0 ℃階段更為詳細的SELF模型融入FLake模型中^［33］，即：降溫過程中，當FLake計算湖表溫度將至4 ℃后，4～0 ℃階段使用SELF模型計算，形成FLake-SELF聯(lián)合模型，以期改善結(jié)冰日的模擬情況。

SELF模型將每日的降溫過程分為混合階段和降溫階段2個階段（圖4，虛線為上一時刻水溫）。

（1） 混合階段。湖水在風的作用下進行混合，使混合層內(nèi)水溫趨于一致，即風的動能輸入用于攪動水體混合而改變水體勢能，可表示為

式中：η為風能傳遞系數(shù)；P_w（t）為風能;E_P為水體勢能;ΔE_P為水體混合之后勢能的改變量；

θ_mix（t）為混合層水溫。式（2）是關于h（t）單一變量的方程，由此計算混合層深度。

（2） 降溫階段。降溫階段僅作用于混合層，水溫計算如下：

式中：Δθ_s（t）為水面與前次混合層水溫的差值；E_c（t）為單位時間內(nèi)水面能量交換；c_p為淡水比熱容；ρ₀（t）為淡水密度。

2.3.2 模型設置

FLake、SELF模型驅(qū)動數(shù)據(jù)要求相似，均含有短波輻射、風速、氣溫、水汽壓和云量這5個氣象要素，2個模型均使用中國區(qū)域高時空分辨率地面氣象要素驅(qū)動數(shù)據(jù)集和ERA再分析數(shù)據(jù)計算湖水表面溫度。對FLake-SELF模型進行初始化，水深設置為平均水深（鄂陵湖18.9 m，扎陵湖8.9 m），初始日期設置為夏季1979年6月1日。由于缺少初始混合層溫度和厚度，初始水溫和混合層厚度利用重復迭代的方法獲得，在模擬過程中用1979年的驅(qū)動數(shù)據(jù)反復迭代模擬10 a，使湖泊溫度不再發(fā)生變化，以消除模型初始值的影響^［32］。鄂陵湖、扎陵湖水的消光系數(shù)（λ）根據(jù)經(jīng)驗公式估算^［34］，模型其他參數(shù)依賴內(nèi)部的經(jīng)驗公式和數(shù)值數(shù)據(jù)估算，湖泊依賴性較小，不需要重新調(diào)整^［35］。計算消光系數(shù)的經(jīng)驗公式為

模型的氣象驅(qū)動數(shù)據(jù)來自于中國區(qū)域高時空分辨率地面氣象要素驅(qū)動數(shù)據(jù)集^［24］和ERA數(shù)據(jù)集產(chǎn)品^［26］，模擬結(jié)果用MODIS遙感數(shù)據(jù)進行驗證，以均方根誤差（E_RMS）、s_bia作為評估指標。

式中：m為模擬結(jié)果；

o為遙感結(jié)果；m為模擬結(jié)果平均值；o為遙感結(jié)果平均值；下標i為第i年（1979年為第1年），i=1，2，…，n，n為模擬數(shù)量。

3 結(jié)果與討論

3.1 鄂陵湖和扎陵湖湖冰物候特征分析

鄂陵湖和扎陵湖2002—2015年不同遙感監(jiān)測方案的開始凍結(jié)日和完全融化日序列如圖5所示。扎陵湖開始凍結(jié)多始于11月中旬，次年4—5月完全融化，多年平均開始凍結(jié)日為319 d，完全消融日為470 d（366 d為次年1月1日），封凍歷時為151 d，標準差為18 d；鄂陵湖多于11月底12月初開始凍結(jié)，次年5—6月完全消融，多年平均開始凍結(jié)日為334 d，完全消融日為486 d，封凍歷時151 d，標準差為12 d。鄂陵湖開始凍結(jié)晚于扎陵湖，但是兩者封凍歷時沒有明顯差別。2002—2014年13個冰封期內(nèi)兩湖湖冰物候變化趨勢不明顯。不同的方法比較可以看出，由湖面溫度獲得湖泊冰封期變化浮動小于由湖冰范圍得到的冰封期，這表明由溫度數(shù)據(jù)得到的湖泊冰封期更加穩(wěn)定。

3.2 FLake-SELF模型的驗證

已有的遙感數(shù)據(jù)序列可用于檢驗FLake-SELF的模擬效果，圖6給出了鄂陵湖、扎陵湖非冰期湖面溫度模擬結(jié)果。模型計算的湖面溫度與MODIS監(jiān)測數(shù)據(jù)高度一致（相關系數(shù)R²=0.84），鄂陵湖s_bia=3.3 ℃、E_RMS=4.2 ℃，扎陵湖s_bia=3.6 ℃、E_RMS=4.3 ℃，兩湖模擬效果類似。Crosman等^［36］研究發(fā)現(xiàn)MODIS的觀測值要低于實際觀測值，并且云存在導致MODIS觀測溫度有較大的負偏差。Wen等^［37］認為，F(xiàn)Lake模型在湖泊封凍歷時內(nèi)忽略了太陽輻射透過冰層對湖水的加熱效應，低估了冰封期內(nèi)湖泊的熱容量及水溫，因此模擬的完全消融日期晚于觀測值，且相差較大，鄂陵湖E_RMS=17.4 d，扎陵湖E_RMS=23.5 d;但是開始凍結(jié)日模擬結(jié)果與觀測值相差較小，鄂陵湖E_RMS=13.4 d，扎陵湖E_RMS=9.2 d。

改進的FLake-SELF模型開始凍結(jié)日模擬效果較FLake模擬結(jié)果更接近遙感觀測值（圖7）。鄂陵湖FLake模擬開始凍結(jié)日最大誤差出現(xiàn)在2004年，為36 d；新模型同年誤差為23 d，減少了13 d。扎陵湖Flake模擬最大誤差出現(xiàn)在2019年，為24 d；新模型為19 d，減少了5 d。扎陵湖的FLake開始凍結(jié)日E_RMS=14.2 d，鄂陵湖E_RMS=20.5 d；新模型扎陵湖開始凍結(jié)日模擬精度提升了35.2%，鄂陵湖提升了34.6%?？梢?，用新模型來重建鄂陵湖、扎陵湖開始凍結(jié)日期序列，可以更好地探究開始凍結(jié)日期變化規(guī)律。

3.3 鄂陵湖和扎陵湖開始凍結(jié)日變化趨勢

利用改進的FLake-SELF模型重構(gòu)兩湖1979—2021年開始凍結(jié)日序列，如圖8所示。多年平均而言，鄂陵湖開始凍結(jié)出現(xiàn)在340 d，扎陵湖為322 d，鄂陵湖開始凍結(jié)日晚于扎陵湖約18 d，與遙感觀測結(jié)果一致（圖5）。

基于Mann-Kendall非參數(shù)檢驗法的開始凍結(jié)日變化趨勢分析表明，1979—2021年鄂陵湖、扎陵湖開始凍結(jié)日推遲變化趨勢均達到99%的顯著性水平。43 a中，鄂陵湖開始凍結(jié)日期已從11月下旬變化到12月中旬，扎陵湖從11月中旬變化到12月上旬，兩湖開始凍結(jié)日期均明顯推遲。鄂陵湖開始凍結(jié)日平均推遲4.5 d/（10 a），扎陵湖平均推遲3.8 d/（10 a），鄂陵湖開始凍結(jié)日延后速率略大于扎陵湖。兩湖開始凍結(jié)日年際變化有明顯的一致性（R²=0.82），最早開始凍結(jié)日均出現(xiàn)在1985年，可能是兩地相似的氣候條件造成的，鄂陵湖、扎陵湖在1985年年均氣溫分別為-5.77、-6.01 ℃，這是43 a內(nèi)觀測到的最低年均氣溫。

3.4 影響湖泊開始結(jié)冰的主要氣象因素

以扎陵湖為例，1979—2021年每10 a年均氣溫增長0.62 ℃、水汽壓增長17 Pa、風速減少0.2 m/s、短波輻射減少0.2 W/m²、云量增加0.01，各氣象要素均發(fā)生不同程度變化。通過設置敏感性試驗來識別引起結(jié)冰日變化的關鍵因素。將氣象驅(qū)動數(shù)據(jù)進行組合開展5種虛擬試驗，即假定1979—2021年只保留其中1個氣象要素取實測序列，其他氣象要素43 a間均用1980年數(shù)據(jù)替換而保持年過程不變。如短波輻射（R）組，其氣溫、水汽壓、風速、云量1979—2021年均維持1980年的年變化過程不變，僅有短波輻射取43 a的實際觀測數(shù)據(jù)。以此類推，定義氣溫（T_a）組、水汽壓（e）組、風速（W）組和云量（C）組。驅(qū)動數(shù)據(jù)的背景值選擇1980年，是因為該年各氣象因素年均值與1979—1982年間的平均值相差最小，僅為7%，可以用于表征扎陵湖模擬初期的氣候狀態(tài)。

模擬結(jié)果表明（圖9），氣溫、水汽壓、風速、云量和短波輻射單獨變化時可造成扎陵湖開始凍結(jié)日每10 a分別推遲2.1 d、推遲1.4 d、推遲0.9 d、推遲0.6 d和提前0.5 d。橫向比較可以發(fā)現(xiàn)，氣溫變化對扎陵湖開始凍結(jié)日影響最大，其引發(fā)的開始凍結(jié)日變化與實際變化相關性最高（相關系數(shù)R²=0.81），其次為水汽壓（R²=0.79）和風速（R²=0.52）。另一方面，重建序列的方差（D）和變差系數(shù)（C_V）分別為6.3 d和1.9%，氣溫組試驗結(jié)果的方差和變異系數(shù)分別為4.3 d和1.3%，與重建序列最為接近，表明其對開始凍結(jié)日年際差異性貢獻最大;其次為風速（D=2.8 d，C_V=0.9%）和水汽壓（D=2.3 d，C_V=0.7%）?？梢?，氣溫、風速、水汽壓是扎陵湖開始凍結(jié)日年際差異性和推遲的關鍵氣象因素。

3.5 不同深度湖泊開始凍結(jié)日對氣候變化響應的差異

對比發(fā)現(xiàn)，扎陵湖平均氣溫、水汽壓、風速、短波輻射和云量分別比鄂陵湖低0.5 ℃、低5 Pa、低0.026 m/s、高0.83 W/m²和低0.001，相差極小，兩湖氣象條件基本一致。扎陵湖氣象要素平均每10 a變化6.51%，鄂陵湖平均每10 a變化6.56%，兩湖氣象要素變化趨勢基本相同。為了消除氣候差異對兩湖開始凍結(jié)日的影響，將兩湖氣候條件互換模擬，結(jié)果表明互換氣候條件之后扎陵湖開始凍結(jié)日變化僅為1.28 d，因此，可以推測氣象要素不是造成鄂陵湖、扎陵湖結(jié)冰日期表現(xiàn)不同的主要原因。為了探究兩湖結(jié)冰日不同的原因，考慮湖泊形態(tài)特點，設計了5組不同湖深（5、10、20、30、40 m）的模型模擬，以分析湖泊深度對開始凍結(jié)日在相同氣候變化下的影響。

結(jié)果表明，相同氣候變化情勢下，隨湖泊深度的增加開始凍結(jié)日逐漸推遲（圖10）。平均湖深為5、10、20、30、40 m時近40 a平均開始凍結(jié)日期分別出現(xiàn)在311、324、339、347、355 d。湖深20 m開始凍結(jié)日比10 m時晚出現(xiàn)14.8 d，這與衛(wèi)星觀測的鄂陵湖（18.9 m）比扎陵湖（8.9 m）平均結(jié)冰日（2002—2021年）晚14 d的結(jié)果相近。因此可推斷主要是兩湖深度的不同造成了兩湖開始凍結(jié)日的差異。同時還發(fā)現(xiàn)，湖深若為40 m時，2017年則可能出現(xiàn)不結(jié)冰的現(xiàn)象。

不同深度湖泊過去43 a推遲日數(shù)也存在明顯差異。湖深5、10、20、30、40 m時近40 a開始凍結(jié)日期推遲速率分別為每10 a推遲3.5、3.7、5.2、6.0、7.0 d。隨著湖深的增加結(jié)冰日推遲天數(shù)不斷增大。43 a湖深10 m與20 m推遲天數(shù)相差1.5 d，這也與鄂陵湖、扎陵湖開始凍結(jié)日重建結(jié)果（相差0.7 d）相近。

不同深度的湖泊開始凍結(jié)日年際波動幅度不同，5、10、20、30、40 m深的湖泊在過去43 a的時間序列里開始凍結(jié)日期標準差分別為6.3、6.6、7.9、9.0、10.2 d，隨著深度的增加開始凍結(jié)日年際波動幅度也在增加。

3.6 湖泊開始凍結(jié)日敏感性分析

IPCC第6次報告指出，當前地球氣候變暖是前所未有的，預計到2100年根據(jù)不同溫室氣體排放氣溫將升溫1.3～5 ℃^［1］。根據(jù)中國1960—1990年30 a的短波輻射量研究，發(fā)現(xiàn)全國大部分地區(qū)太陽輻射量降低了15%左右^［38］。研究指出西南地區(qū)1969—2009年風速以每10 a減小0.24 m/s的速率顯著降低^［39］。因此，對氣溫、短波輻射、風速3個氣象因素進行敏感性分析。

以扎陵湖氣候要素為背景值，各氣象要素分3次進行敏感性分析（氣溫分別增加1.5、3.0、4.5 ℃；短波輻射分別減少5%、10%、15%；風速分別減少0.4、0.8、1.2 m/s）（圖11）。結(jié)果表明：氣溫組開始凍結(jié)日變化最為明顯，增溫4.5 ℃時平均開始凍結(jié)日從初始條件的322 d推遲至332 d，推遲了10 d；其次為短波輻射組，輻射量減少15%時平均開始凍結(jié)日期較初始條件提前了5 d；風速組開始凍結(jié)日變化不明顯，風速減少1.2 m/s時平均開始凍結(jié)日期較初始條件僅推遲了2.3 d。氣溫的增加和風速的減小均削弱了湖泊與大氣的熱量交換過程，造成了開始凍結(jié)日推遲的現(xiàn)象；短波輻射是湖水的主要能量來源，因此短波輻射的減小造成了湖泊蓄能降低，湖面更容易達到冰點，開始凍結(jié)日提前。

既然氣溫是造成開始凍結(jié)日變化最重要的因素，則根據(jù)IPCC氣溫預測結(jié)果，可對兩湖未來開始凍結(jié)日的變化進行大致預測。以2015年氣溫為基礎，將5 ℃升溫幅度平均地分配在2016—2100年，構(gòu)建出未來氣溫變化。其他氣象要素保持不變，均采用與近5 a均值最接近的年份數(shù)據(jù)，即水汽壓采用2017年數(shù)據(jù)、風速和云量采用2020年數(shù)據(jù)、短波輻射采用2021年數(shù)據(jù)。使用該數(shù)據(jù)計算的2016—2021年開始凍結(jié)日與上面構(gòu)建的開始凍結(jié)日序列相比，誤差僅為4.3 d，說明這種處理的氣象數(shù)據(jù)具有一定的合理性。預測結(jié)果表明，兩湖的開始凍結(jié)日仍維持推遲現(xiàn)象，鄂陵湖推遲速率為2.9 d/（10 a）、扎陵湖為1.6 d/（10 a）；到2100年，鄂陵湖開始凍結(jié)日為373 d，扎陵湖開始凍結(jié)日為349 d，相比于近5 a，開始凍結(jié)日將分別推遲23 d和12 d。

4 結(jié)論

本文將計算預凍結(jié)期的SELF模型融入FLake模型，構(gòu)建了計算湖泊開始凍結(jié)日的FLake-SELF模型，對研究區(qū)開始凍結(jié)日進行了模擬和重建，研究了青藏高原鄂陵湖、扎陵湖1979—2021年開始結(jié)冰日的演變特征，并通過敏感性試驗識別、分析了湖泊開始結(jié)冰的主控因素，主要結(jié)論如下：

（1） 將SELF模型融入FLake模型來模擬淡水湖結(jié)冰日，并以MODIS湖面溫度數(shù)據(jù)作為驗證。新模型對鄂陵湖、扎陵湖開始凍結(jié)日模擬精度均有提升。利用該模型重建了兩湖1979年以來的開始凍結(jié)日序列，發(fā)現(xiàn)兩湖開始凍結(jié)日均呈現(xiàn)出不同程度的推遲（鄂陵湖推遲速率為4.5 d/（10 a）、扎陵湖為3.8 d/（10 a））。

（2） 模型試驗揭示，1979年以來，氣溫、風速、水汽壓的年際波動是鄂陵湖、扎陵湖開始凍結(jié)日年際波動的關鍵因素，氣溫升高、水汽壓升高、風速降低是造成湖泊開始凍結(jié)日推遲的關鍵原因。

（3） 兩湖氣象、氣候條件及變化趨勢基本相同，其開始凍結(jié)日及其推遲速率的差異主要是由兩湖深度不同造成的。相同的氣候條件下深（淡水）湖開始凍結(jié)日對氣候變化的響應更為敏感。

本文發(fā)展的淡水湖泊開始凍結(jié)日計算模型為監(jiān)測困難、條件惡劣地區(qū)的湖冰物候變化的研究提供了一種模擬方法，可用于長序列開始凍結(jié)日重建、湖冰物候變化機制分析和未來變化預測，但模型未能模擬湖冰完全消融日，未來仍需進一步完善模型的結(jié)構(gòu)與參數(shù)化方案。

參考文獻：

［1］IPCC. Climate change 2022：summary for policymakers ［M/OL］. ［2022-05-24］. https：∥www.ipcc.ch/report/ar6/wg3/downloads/report/IPCC_AR6_WGIII_SPM.pdf

［2］YANG K，WU H，QIN J，et al. Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle：a review［J］. Global and Planetary Change，2014，112：79-91.

［3］季芳，范林峰，匡星星，等. 青藏高原多年凍土退化對蒸散發(fā)的影響［J］. 水科學進展，2022，33（3）：390-400. （JI F，F(xiàn)AN L F，KUANG X X，et al. Role of permafrost degradation on evapotranspiration on the Qinghai-Tibet plateau［J］. Advances in Water Science，2022，33（3）：390-400.（in Chinese））

［4］GRANT L，VANDERKELEN I，GUDMUNDSSON L，et al. Attribution of global lake systems change to anthropogenic forcing［J］. Nature Geoscience，2021，14（11）：849-854.

［5］劉吉平，金晶，李晟銘，等. 1995—2015年全球不同氣候帶典型冰川補給型湖泊動態(tài)變化［J］. 水科學進展，2021，32（1）：1-9. （LIU J P，JIN J，LI S M，et al. Dynamic changes of typical glacier-fed lakes in different climatic zones around the world from 1995 to 2015［J］. Advances in Water Science，2021，32（1）：1-9.（in Chinese））

［6］丁永建，張世強，吳錦奎，等. 中國冰凍圈水文過程變化研究新進展［J］. 水科學進展，2020，31（5）：690-702. （DING Y J，ZHANG S Q，WU J K，et al. Recent progress on studies on cryospheric hydrological processes changes in China［J］. Advances in Water Science，2020，31（5）：690-702.（in Chinese））

［7］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.

［8］HUANG W F，ZHANG Z，LI Z J，et al. Under-ice dissolved oxygen and metabolism dynamics in a shallow lake：the critical role of ice and snow［J］. Water Resources Research，2021，57（5）：e2020WR027990.

［9］GARNAUD C，MACKAY M，F(xiàn)ORTIN V. A one-dimensional lake model in ECCC′s land surface prediction system［J］. Journal of Advances in Modeling Earth Systems，2022，14（2）：e2021MS002861.

［10］GUO L N，ZHENG H X，WU Y H，et al. Responses of lake ice phenology to climate change at Tibetan Plateau［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2020，13：3856-3861.

［11］XIONG C，LEI Y H，QIU Y B. Contrasting Lake ice phenology changes in the Qinghai-Tibet plateau revealed by remote sensing［J］. IEEE Geoscience and Remote Sensing Letters，2021，18（12）：2132-2136.

［12］NEWTON A M W，MULLAN D J. Climate change and Northern Hemisphere Lake and river ice phenology from 1931—2005［J］. The Cryosphere，2021，15（5）：2211-2234.

［13］EFREMOVA T，PALSHIN N，ZDOROVENNOV R. Long-term characteristics of ice phenology in Karelian lakes［J］. Estonian Journal of Earth Sciences，2013，62（1）：33-41.

［14］TUTTLE S E，ROOF S R，RETELLE M J，et al. Evaluation of satellite-derived estimates of lake ice cover timing on linnévatnet，kapp linné，svalbard using in situ data［J］. Remote Sensing，2022，14（6）：1311.

［15］LANG J H，MA Y M，LI Z G，et al. The impact of climate warming on lake surface heat exchange and ice phenology of different types of lakes on the Tibetan Plateau［J］. Water，2021，13（5）：634.

［16］MIRONOV D V. Parameterization of lakes in numerical weather prediction. description of a lake model［R］. Offenbach：Deutscher Wetterdienst，2008.

［17］宋興宇，文莉娟，李茂善，等. 不同湖泊模式對青藏高原典型湖泊適用性對比研究［J］. 高原氣象，2020，39（2）：213-225. （SONG X Y，WEN L J，LI M S，et al. Comparative study on applicability of different lake models to typical lakes in Qinghai-Tibetan Plateau［J］. Plateau Meteorology，2020，39（2）：213-225.（in Chinese））

［18］QIU B，HUANG A N，SHI X L，et al. Implementation and evaluation of an improved lake scheme in Beijing climate center atmosphere-vegetation interaction model［J］. Journal of Geophysical Research：Atmospheres，2020，125（9）：e2019JD031272.

［19］WU Y，HUANG A N，LAZHU，et al. Improvements of the coupled WRF-Lake model over Lake Nam Co，Central Tibetan Plateau［J］. Climate Dynamics，2020，55（9/10）：2703-2724.

［20］ROBINSON A L，ARIANO S S，BROWN L C. The influence of snow and ice albedo towards improved lake ice simulations［J］. Hydrology，2021，8（1）：11.

［21］龍笛，李雪瑩，李興東，等. 遙感反演2000—2020年青藏高原水儲量變化及其驅(qū)動機制［J］. 水科學進展，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））

［22］WEN L J，WANG C，LI Z G，et al. Thermal responses of the largest freshwater lake in the Tibetan Plateau and its nearby saline lake to climate change［J］. Remote Sensing，2022，14（8）：1774.

［23］WANG M X，WEN L J，LI Z G，et al. Mechanisms and effects of under-ice warming water in Ngoring Lake of Qinghai-Tibet Plateau［J］. The Cryosphere，2022，16（9）：3635-3648.

［24］YANG K，HE J. China meteorological forcing dataset （1979—2015）［DS］. Lhasa：National Tibetan Plateau Data Center，2016. ［DOI：10.3972/westdc.002.2014.db. CSTR：18406.11.westdc.002.2014.db］

［25］CHEN Y Y，YANG K，HE J，et al. Improving land surface temperature modeling for dry land of China［J］. Journal of Geophysical Research Atmospheres，2011，116（D20）：D20104.

［26］DEE D P，UPPALA S M，SIMMONS A J，et al. The ERA-Interim reanalysis：configuration and performance of the data assimilation system［J］. Quarterly Journal of the Royal Meteorological Society，2011，137（656）：553-597.

［27］QIU Y B. The Tibet Plateau river lake ice range / coverage data set V1.0（2002—2018）［DS］. Lhasa：National Tibetan Plateau Data Center，2019. ［DOI：10.11922/sciencedb.744］

［28］QIU Y B，XIE P F，LEPPRANTA M，et al. MODIS-based daily lake ice extent and coverage dataset for Tibetan Plateau［J］. Big Earth Data，2019，3（2）：170-185.

［29］HULLEY G C，HOOK S J，BALDRIDGE A M. Investigating the effects of soil moisture on thermal infrared land surface temperature and emissivity using satellite retrievals and laboratory measurements［J］. Remote Sensing of Environment，2010，114（7）：1480-1493.

［30］王敏，梁雨華，馬建行，等. 基于MODIS數(shù)據(jù)的2015年夏季全球大型湖泊表面溫度格局初析［J］. 濕地科學，2017，15（4）：571-581. （WANG M，LIANG Y H，MA J H，et al. Preliminary study on pattern of surface temperature of large lakes in the world in summer in 2015 based on MODIS LST product［J］. Wetland Science，2017，15（4）：571-581.（in Chinese））

［31］REED B，BUDDE M，SPENCER P，et al. Integration of MODIS-derived metrics to assess interannual variability in snowpack，lake ice，and NDVI in Southwest Alaska［J］. Remote Sensing of Environment，2009，113（7）：1443-1452.

［32］MIRONOV D，HEISE E，KOURZENEVA E，et al. Implementation of the lake parameterisation scheme FLake into the numerical weather prediction model COSMO［J］. Boreal Environment Research，2009，15（2）：77-95.

［33］TOFFOLON M，CORTESE L，BOUFFARD D. SELF v1.0：a minimal physical model for predicting time of freeze-up in lakes［J］. Geoscientific Model Development，2021，14（12）：7527-7543.

［34］HKANSON L. Models to predict Secchi depth in small glacial lakes［J］. Aquatic Sciences，1995，57（1）：31-53.

［35］BALSAMO G，DUTRA E，STEPANENKO V，et al. Deriving an effective lake depth from satellite lake surface temperature data：a feasibility study with MODIS data［J］. Boreal Environment Research，2010，15：178-190.

［36］CROSMAN E T，HOREL J D. MODIS-derived surface temperature of the Great Salt Lake［J］. Remote Sensing of Environment，2009，113（1）：73-81.

［37］WEN L J，LYU S H，KIRILLIN G，et al. Air-lake boundary layer and performance of a simple lake parameterization scheme over the Tibetan Highlands［J］. Tellus A：Dynamic Meteorology and Oceanography，2016，68（1）：31091.

［38］虞海燕，劉樹華，趙娜，等. 我國近59年日照時數(shù)變化特征及其與溫度、風速、降水的關系［J］. 氣候與環(huán)境研究，2011，16（3）：389-398. （YU H Y，LIU S H，ZHAO N，et al. Variation characteristics of the sunshine duration and its relationships with temperature，wind speed，and precipitation over recent 59 years in China［J］. Climatic and Environmental Research，2011，16（3）：389-398.（in Chinese））

［39］張志斌，楊瑩，張小平，等. 我國西南地區(qū)風速變化及其影響因素［J］. 生態(tài)學報，2014，34（2）：471-481. （ZHANG Z B，YANG Y，ZHANG X P，et al. Wind speed changes and its influencing factors in Southwestern China［J］. Acta Ecologica Sinica，2014，34（2）：471-481.（in Chinese））

Analysis on the variation of ice-on date of Lakes Ngoring and?Gyaring from 1979—2021 and its influencing factors

The study is financially supported by the National Key R&D Program of China （No.2019YFE0197600） and the Open Fund of State Key Laboratory of Frozen Soil Engineering（No.SKLFSE 201813）.

HUANG Wenfeng^1，2，LI Rui^1，2，LI Zhijun³，ZHANG Yusu^1，2，YANG Wenhuan⁴

（1. Key Laboratory of Subsurface Hydrology and Ecological Effect in Arid Region （Ministry of Education），Chang′an University，Xi′an 710054，China;2. School of water and Environment，Chang′an University，Xi′an 710054，China;3. State Key Laboratory of Coastal and Offshore Engineering，Dalian University of Technology，Dalian 116024，China;4. School of?Energy and Environment，Inner Mongolia University of Science & Technology，Baotou 014010，China）

Abstract：Lake ice phenology affects the lake environment and lake-air interaction through the ice-covered period. In order to investigate the trends and influencing factors of lake ice phenology in freshwater lakes on the Tibetan Plateau，the FLake model was employed after improvement. The model validation used MODIS surface temperature data based reconstruction of the ice-on date time series in 1979—2021 for Lakes Ngoring and Gyaring. Sensitivity experiments were conducted using the improved model. The results showed that the present FLake-SELF model improved the accuracy of the ice-on date calculation by 35%，and the reconstructed sequences showed that the ice-on dates of Lakes Ngoring and Gyaring have been delayed by 4.5 d/（10 a） and 3.8 d/（10 a），respectively. Increasing air temperature，decreasing wind speed，and increasing vapor pressure are the most important meteorological factors leading to the delay of ice-on date，and interannual variability in these factors were the most important reasons for the interannual fluctuations of ice-on dates in the two lakes. In the same climate conditions，the different lake depth was the reason for the differences in ice-on date and their delay rate between the two lakes. The deeper the lake was，the greater was the interannual fluctuation in ice-on date，the greater was the rate of change of ice-on date，and the more sensitive was the ice-on date to climate change.

Key words：ice-on date;climate change;lake model;Lake Ngoring;Lake Gyaring