欢迎访问中国科学数据!

2002~2016年高亚洲地区中大型湖泊微波亮温和冻融数据集

责编:

(一)对数据集的意见

1、请作者把论文中“数据库(集)基本信息简介”里面描述的内容与上传到ScienceDB里面的数据集保持一致,主要为“数据库(集)组成”这部分:两个数据集的格式和名字请与上传的数据集保持一致,上传的数据集解压缩之后有一个为“2002-2016高亚洲中大型湖泊亮温数据集”,是一个文件夹,但是论文中介绍为.zip格式,且名称为“基于最邻近法与像元分解的湖泊亮温数据”,请作者修改其一,使两者保持一致。另文件格式为.xlsx,请注意字母大小写;
2、论文中湖泊亮温数据集的介绍分别都是AMSR-E、AMSR2,但是数据集的文件夹里命名为1_AMSR-E、2_AMSR2,也请作者修改并统一。
(二)对论文的意见

  1. 数据集组成一项应有独立性、自明性,建议补充观测时间间隔、明确所涉湖泊数量等必要信息,以便读者了解数据集全貌。
  2. 引言第二段主旨不够明确,容易让人对35个大型湖泊与本数据集中51个湖泊的被动微波数据的区别与关联产生困惑,建议修改/分段,理顺逻辑关系。
  3. 《数据》期刊请确认期刊名称是否准确。
  4. 第1.1.3节中“湖泊不确定”,请考虑是否需做简明解释。
  5. 请检查出现“AMSR-E”的地方是否漏了“AMSR2”。
  6. 第1.2.1节中第二段最后一句述不清晰,请修改,另请注意距离小于°是否正确。
  7. 第1.2.2节中出现的“公式(3)”是否应为“公式(2)”?
  8. 图3中的圆是椭圆还是正圆?如为后者,请将图3恢复原样,勿拉升变形。“{}”的使用是否有依据?
  9. 第3.1.2节中最后一句表述有误,建议删改。
  10. 第3.2.1节中可方便给出本数据集的误差范围?
  11. 第3.2.2节中“…像元分解结果出现差异”,“差异”一词是否准确?
  12. 致谢部分的“SCIENCE DATA”是否准确?
  13. 参考文献部分:

①3 中英文不一致,请确认。

②7 请确认作者信息是否应为“Yao X, Long L I, Zhao J, et al.”?

③23 文中没有标明参考文献23出现的位置。

④24 建议参考如下著录方式:

主要责任者. 资源名称[文献类型,EB/OL(电子公告)或DP/OL(计算机程序)或Z/OL(其他)]. (发布如期)[引用日期]. 出版地: 出版者, 出版年. 网址.

⑤25 请尽快补充期卷和页码。

另外,文中部分批注的地方请确认是否有误。

【2017-01-09】 评论来自:版本 2
作者: 1、请作者把论文中“数据库(集)基本信息简介”里面描述的内容与上传到ScienceDB里面的数据集保持一致,主要为“数据库(集)组成”这部分:两个数据集的格式和名字请与上传的数据集保持一致,上传的数据集解压缩之后有一个为“2002-2016高亚洲中大型湖泊亮温数据集”,是一个文件夹,但是论文中介绍为.zip格式,且名称为“基于最邻近法与像元分解的湖泊亮温数据”,请作者修改其一,使两者保持一致。另文件格式为.xlsx,请注意字母大小写; 回答:已将数据集和论文中的描述修改一致。并且将所有文件格式修改成.xls。 2、论文中湖泊亮温数据集的介绍分别都是AMSR-E、AMSR2,但是数据集的文件夹里命名为1_AMSR-E、2_AMSR2,也请作者修改并统一。 回答:已将文件中“1_AMSR-E、2_AMSR2”修改为“AMSR-E、AMSR2”。 (二)对论文的意见 1. 数据集组成一项应有独立性、自明性,建议补充观测时间间隔、明确所涉湖泊数量等必要信息,以便读者了解数据集全貌。 回答:已在原文中补充观测时间间隔(1~2天),并且明确所涉及的湖泊数量(51个)等信息。 2. 引言第二段主旨不够明确,容易让人对35个大型湖泊与本数据集中51个湖泊的被动微波数据的区别与关联产生困惑,建议修改/分段,理顺逻辑关系。 回答:已在文章中对35个大型湖泊与本数据集中51个湖泊的被动微波数据的区别与关联加以说明,并且在文中分段修改、重新理顺逻辑关系。修改部分用红色字表示 3. 《数据》期刊请确认期刊名称是否准确。 回答:已经将“《数据》”修改为“《科学数据》”。 4. 第1.1.3节中“湖泊不确定”,请考虑是否需做简明解释。 回答:已经在文中对“湖泊不确定”增加说明解释,解释如下:其中湖泊不确定是数据生产者在在去云重分类的过程中在湖泊区域存在较少数无法判别湖泊状态的类别。 5. 请检查出现“AMSR-E”的地方是否漏了“AMSR2”。 回答:已在原文中补全纰漏的“AMSR2”描述。 6. 第1.2.1节中第二段最后一句述不清晰,请修改,另请注意距离小于°是否正确。 回答:已在原文中将“小于°”修改为“小于25km”。 7. 第1.2.2节中出现的“公式(3)”是否应为“公式(2)”? 回答:已在原文中将“公式(3)”修改为“公式(2)”。 8. 图3中的圆是椭圆还是正圆?如为后者,请将图3恢复原样,勿拉升变形。“{}”的使用是否有依据? 回答:图3两圆皆为WGS84坐标经投影拉伸的正圆,并非椭圆。且已将“{}”内容修改删除。 9. 第3.1.2节中最后一句表述有误,建议删改。 回答:已在文章将最后一句删改。 10. 第3.2.1节中可方便给出本数据集的误差范围? 回答:本数据集的亮温误差在原有的被动微波数据误差基础上,湖冰冻结时期误差约为3~4K,而湖冰融化时期误差可达7~8K,并且在原文中加以说明。 11. 第3.2.2节中“…像元分解结果出现差异”,“差异”一词是否准确? 回答:已在文中对3.2.2的该段话进行删改。 12. 致谢部分的“SCIENCE DATA”是否准确? 回答:已在原文中将“SCIENCE DATA”修改成“科学数据存储库(Science Data Bank)”。 13. 参考文献部分: ①3 中英文不一致,请确认。 ②7 请确认作者信息是否应为“Yao X, Long L I, Zhao J, et al.”? ③23 文中没有标明参考文献23出现的位置。 ④24 建议参考如下著录方式: 主要责任者. 资源名称[文献类型,EB/OL(电子公告)或DP/OL(计算机程序)或Z/OL(其他)]. (发布如期)[引用日期]. 出版地: 出版者, 出版年. 网址. 回答:已在参考文献中对①、②、③、④问题进行修改处理。 ⑤25 请尽快补充期卷和页码。 回答:参考文献25还在待刊,尚未有期卷与页码,已在文中加以说明。 【2017-01-22】 评论来自:版本 2
责编:

同评专家一:

在以微波遥感影像像元尺度的范围内,不考虑湖泊面积变化的条件下,非冻结的湖泊和陆表的面积具有相对固定的比例关系。作者以微波遥感影像为研究对象,应用最邻近法和混合像元法获取了像元(亚像元)尺度的湖泊亮温信息,并依据亮温对湖泊冻结与融化状态的反映特征,分析了像元尺度内时间序列的湖泊面积和陆表面积的比例变化,据此判别了湖泊(完全)冻结与(完全)融化的时间。其结果在可西里湖、达则错和库赛湖等湖泊获得了较好的的验证。该数据集提供的湖泊时间序列亮温值和湖冰冻融参数,为进一步开展高亚洲地区湖泊变化对气候、环境变化的响应提供了较好的数据基础。

由于文章关于湖泊冻融的判别是在像元内湖水面积与陆地面积的比例恒定条件下进行,而随着气候变化,一些大型湖泊(如色林错)的湖泊面积大幅扩张,不同年份像元尺度的湖水面积与陆地面积的比例发生变化,因此需要考虑微波遥感影像像元尺度内湖水面积变化是否存在影响。另外,如作者指出,湖盆地形等因素对湖水面积的影响较为显著,而坡度缓和的区域可能更好地反映湖泊冻融程度,因此在数据更新时,可以考虑不以湖泊中心为基点选取像元,而以湖盆的坡度和缓区域为中心。

同评专家二:

建议把该数据集持续的建设下去。另外建议采用更多的遥感数据集合其他更多的地面信息如旅行者照片等对数据进行持续的验证和信息补充。

【2017-03-30】 评论来自:版本 2
作者: 同评专家一意见回复: 感谢评审专家所提建议。本文所提及方法也考虑到部分湖泊的面积出现扩张的情况,在数据处理的过程中引入2005与2014两期的青藏高原湖泊数据集湖泊面积数据用来计算湖水面积与陆地面积比例,其中2002~2011年的AMSR-E是以2005期来计算,2012~2016年的AMSR2数据是2014期用在计算。并且在文中1.1.2节补充以下说明: “在本数据集的生产中,分别采用了2005期与2014两期的湖泊面积数据与被动微波数据进行叠置分析求取湖泊面积与陆地面积比例。其中2002~2011年的AMSR-E被动微波数据采用2005期的青藏高原湖泊数据集作为湖泊面积输入数据,而2012~2016年的AMSR2被动微波数据则采用2014期的青藏高原湖泊数据集来计算”。 同时在以后数据维护更新时,将考虑所提出的意见,针对湖水面积变化较大的湖泊采用多期数据开展,并考虑以湖盆的坡度作为缓区域为中心,用以尝试像元分解的效果。 同评专家二意见回复: 感谢评审专家的所提建议,该数据集在后续的建设与更新中会考虑利用更多的遥感数据集与及地面观测信息作为数据验证与信息补充。目前我们已经进一步完善和开展了蒙古以及欧亚大陆等大中型湖泊的冻融监测,并开展了湖冰厚度的发生发展的估算。 【2017-04-19】 评论来自:版本 2
责编:

经编委会投票,决定录用本文。

【2017-05-04】 评论来自:版本 2

提交问题或建议:



您还没有登录,请[登录]或[ 注册]!

2002~2016年高亚洲地区中大型湖泊微波亮温和冻融数据集

浏览下载总计

网页浏览 论文下载
1069 9

2002~2016年高亚洲地区中大型湖泊微波亮温和冻融数据集

作者发表的论文

很抱歉,没有检索到作者相关论文!

            数据来源:CSCD中国科学引文数据库

20022016年高亚洲地区中大型湖泊微波亮温和冻融数据集

邱玉宝1*,郭华东1,阮永俭1,付心如1,石利娟1,田邦森1

1. 中国科学院遥感与数字地球研究所,数字地球重点实验室,北京 100094;

* 通讯作者(Email: qiuyb@radi.ac.cn

摘要:高亚洲地区是中纬度全球变化敏感区和研究的热点区域,其境内湖泊星罗棋布,湖冰冻融参数是全球变化的关键敏感因子之一。由于冰水介电常数差异大,高重访率且对天气不敏感的星载被动微波遥感可实现湖冰冻融状态的快速监测。本数据集依据微波辐射计像元内湖泊和陆表的面积比例,应用混合像元分解方法获取了像元(亚像元级)的湖泊亮温信息,实现高亚洲地区被动微波遥感亚像元级湖冰冻融监测,并采用多种被动微波数据,共计获得高亚洲区域2002~2016年51个中大型时间序列湖泊亮温数据和冻融状态信息。以无云MODIS光学产品为验证数据,在高亚洲不同区域,选取可可西里湖、达则错、库赛湖等三个大小不一的湖泊进行冻融判别验证,结果表明微波和光学遥感所获取的湖冰冻结和融化参数具有较高的一致性,其相关系数可达0.968与0.987。本数据集包含湖泊的时间序列亮温值和湖冰冻融参数,可进一步对湖泊开展特征参数反演,以及提升对高亚洲地区的湖冰冻融的理解,为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。

关键词:高亚洲;湖泊;被动微波亮温;冻融参数;混合像元分解法

Microwave brightness temperature and freeze-thaw datasets for medium-large lakes over the High Asia (2002 – 2016)

Qiu Yubao1*, Guo Huadong1, Ruan Yongjian1, Fu Xinru1, Shi Lijuan1, Tian Bangsen1

1. Digital Earth laboratory, Institute of remote sensing and digital earth, Chinese Academy of Sciences, Beijing 100094, P. R. China

*Email: qiuyb@radi.ac.cn

Abstract: High Asia, dotted with lakes over the plateau, is a hotspot for researchers and a sensitive area to global changes. Due to the great differences in dielectric constant of ice and water, the satellite-borne passive microwave remote sensing, which is of high revisit rate and insensitive to weather, can realise the rapid determination of lake ice thaw and freezing. Based on the proportion rate of lake and land area within the microwave radiometer pixels, the brightness temperature of lake surface is acquired by way of linear and dynamic decomposition from the footprint measurement of radiometer. Therefore, the lake ice freeze-thaw has been closely-monitored over the High Asia within 51 sub-pixels level lakes across the 2002 – 2016. The cloudless MODIS optics snow products data were used as the validation data, and three different sizes of lakes, Hoh Xil Lake, Dagze Co Lake and Kusai Lake, which were distributed in different regions of High Asia, were selected. The results suggested that the parameters of the freeze and thaw time of lake ice are related with high correlation coefficients, 0.968 and 0.987 respectively, measured by the two methods. This datasets contain data of lake brightness temperature and lake ice freeze-thaw in different basin of High Asia, which can be used to carry out further geophysical inversion of lakes, and enhance the understanding of lake freezing and thawing in High Asia, so as to provide data base for the climate and environmental change in high Asia as well as its response to global climate change.

Keywords: High Asia; lake; passive microwave brightness temperature; freeze-thaw; pixel unmixing

数据库(集)基本信息简介

数据库(集)中文名称

2002~2016年高亚洲地区中大型湖泊微波亮温和冻融数据集

数据库(集)英文名称

Microwave brightness temperature and freeze-thaw datasets for medium-large lakes over the High Asia ( 2002 – 2016)

数据作者

邱玉宝、郭华东、阮永俭、付心如、石利娟、田邦森

通讯作者

邱玉宝(qiuyb@radi.ac.cn)

数据时间范围

2002~2016年

地理区域

高亚洲地区的地理范围为:北纬24°40′~45°58′,东经61°57′~105°29′。以青藏高原为主体的喜马拉雅山、昆仑山、横断山、祁连山和天山等山脉等山区和高原等组成。

数据格式

*.xls

数据量

12.1 MB

数据服务系统网址

http://www.sciencedb.cn/dataSet/handle/371

基金项目

中国科学院国际合作局对外合作重点项目(131CllKYSB20160061)、国家自然科学基金(41371351)、国家自然科学基金重点项目(ABCC计划,41120114001)

数据库(集)组成

数据集由2部分数据组成,其一为2002~2016年高亚洲区域51个湖泊的被动微波遥感亮温数据集,观测时间间隔为1~2天;其二是由湖泊亮温数据集判断所获得的湖冰冻融数据集。文件名分别为:最邻近法与像元分解的湖泊亮温数据.zip(12 MB),2002–2016高亚洲51个湖泊湖冰冻融数据集. xls(0.1 MB)。

引 言

以青藏高原为主体,由喜马拉雅山、昆仑山、横断山、祁连山和天山等山脉及高原地区组成的高亚洲区域,海拔范围在2000~8844 m之间,是全球高海拔湖泊最为密集的地区。其境内湖泊星罗棋布,面积大于1 km2的约有1210个[1]。高亚洲地区气候变化研究已引起了相关学者的广泛关注[2-3],该地区成为全球气候变化最为敏感的区域和研究的热点区域[4]。高山湖泊对于气候变化非常敏感[5],特别是高山湖泊冻融的时间点,常被期望用来记录、揭示区域气候变化特征[6]

1 本数据集所包括的湖泊分布图

高亚洲地区具有高寒、人迹罕至等特征,缺少湖泊监测站点,湖冰冻融参数难以获取[7-8],通常借助遥感手段补充获取。星载被动微波数据具有全天时、全天候、重放周期短等特点[9],微波对冰水相变的敏感性高[10],特别适合用于冰雪冻融监测研究,如陆表冻土变化监测[11]、积雪变化监测[12]、海冰变化监测[13]等研究。

但由于被动微波辐射计分辨率粗糙,混合像元效应严重,在湖冰冻融变化监测中受到极大的限制[14-15]。目前在整个北半球区域适合用于现有被动微波像元尺度的湖泊仅有35个大型湖泊[16],而在高亚洲区域可以直接采用被动微波数据开展监测的为青海湖、纳木错和色林错等大型湖泊[14-15]

要清晰、深入了解高亚洲区气候和环境变化对湖泊冻融带来的影响及其响应,需要了解该区更多湖泊的冻融状况,在地面观测和光学遥感(云影响)获取湖泊冻融资料都受限制的情况下,被动微波数据依然是监测和理解湖泊冻融的资料源 [16]

本数据集采用最邻近法与线性混合像元分解技术,利用高分辨率数据作为辅助输入,将通常用于大尺度地表监测的AMSR-E、AMSR2与MWRI被动微波数据,应用到高亚洲地区中大型湖泊湖冰冻融监测,获取了2002~2016年高亚洲不同区域的51个湖泊湖冰冻融情况(图1),为高亚洲区域的湖冰冻融信息提供重要的资料补充。

1 数据采集和处理方法

1.1 数据采集

本数据集生产过程中主要采用3种研究数据,包括AMSR-E、AMSR2与MWRI(Microwave Radiation Imager)被动微波亮温数据、青藏高原湖泊数据集和青藏高原MODIS逐日无云积雪面积数据集,分别用于提取湖泊区域亮温值、计算湖泊与湖岸的动态面积比例、验证湖冰冻融参数。详细介绍如下:

1.1.1 AMSR-EAMSR2MWRI被动微波亮温数据

被动微波AMSR-E具有水平极化和垂直极化的12个成像仪通道,频率分别为6.9、10.65、18.7、23.8、36.5、89.0 GHz;而AMSR2有14个成像仪通道,频率分别为6.9、7.3、10.65、18.7、23.8、36.5、89.0 GHz。冰与水在18.7 GHz通道下发射率差异较大,从其分辨率和受大气和地表状态影响的角度考虑,通常用18.7 GHz的V极化进行湖冰冻融监测[14-15],AMSR-E的数据分辨率为27 km × 16 km,AMSR2分辨率为22 km × 14 km。其中AMSR-E数据获取地址为ftp://n5eil01u.ecs.nsidc.org/SAN/AMSA/AE_L2A.003,AMSR2数据获取地址为sftp://gcom-w1.jaxa.jp。

AMSR-E与AMSR2两个传感器在时间上未能衔接,从2011年10月4日开始至2012年7月2日数据存在缺失空档,而国产风云三号的MWRI传感器于2010升空运行至今,可补充AMSR-E与AMSR2缺失的数据信息。MWRI传感器有10个成像仪通道,除6.9 GHz外,其他通道频率与AMSR-E一致。由于MWRI数据分辨率较低,其18.7 GHz数据的分辨率为30 km × 50 km,在本数据集中仅采用最邻近法处理MWRI数据对青海湖、纳木错与色林错进行空档信息补缺。MWRI数据获取地址为http://www.nsmc.cma.gov.cn/NewSite/NSMC/Channels/100097.html。

1.1.2 青藏高原湖泊数据集

青藏高原面积1 km2以上湖泊在过去60年的变迁数据集[1]来自于《科学数据》。该数据集包含3期数据,分别为:(a)20世纪60年代(人工测绘,部分基于第一次湖泊调查成果整理);(b)2005年(CBERS-1 CCD,部分基于第二次湖泊调查成果整理);(c)2014年(GF-1 WFV)。在本数据集的生产中,分别采用了2005期与2014期的湖泊面积数据与被动微波数据进行叠置分析求取湖泊面积与陆地面积比例。其中2002~2011年的AMSR-E被动微波数据采用2005期的青藏高原湖泊数据集作为湖泊面积输入数据,而2012~2016年的AMSR2被动微波数据则采用2014期的青藏高原湖泊数据集来计算。青藏高原湖泊数据集的获取地址为https://figshare.com/articles/Data_TPLakes/3145369。

1.1.3 青藏高原MODIS逐日无云积雪面积数据集

此数据为基于MOD10A1与MYD10A1开发的逐日无云二值积雪产品[17],下载网址为http://www.sciencedb.cn/dataSet/handle/55,包括以下几种青藏高原区域的地物分类:陆地、积雪、湖水、湖冰及湖泊不确定(其中湖泊不确定是在去云重分类的过程中,湖泊区域存在的较少数无法判别湖泊状态的类别)。利用该数据集湖水及湖冰变化情况,可比较验证微波的湖泊冻融情况。

1.2 数据处理

1.2.1 最邻近法

卫星在高空中对地扫描时,相对地球处于不断运动的状态,故在传感器重访过程中,离湖泊中心最邻近的扫描点位置会出现偏移,导致AMSR-E(27 km × 16 km)、AMSR2(22 km × 14 km)与MWRI(30 km × 50 km)像元获取的地表区域也会发生细小的局部挪移,所以该像元捕获的湖泊/湖岸面积不停地发生变化(除了面积远远小于像元分辨率的湖泊外)。卫星过境扫描示意图如图2。

2 卫星过境扫描导致的湖泊/陆地面积比例发生变化

为获取湖泊区域亮温信息,论文根据AMSR-E、AMSR2或MWRI像元距离湖心点最短距离法来选择像元。首先通过高分辨Landsat5影像辅助确定湖中心点位置,获取湖心坐标位置,然后以湖心坐标为中心缓冲出一个25 km×25 km的矩形,该矩形和被动微波18.7 GHz像元覆盖范围相当,目的是尽量控制获得像元坐标中心点与湖心点在一个像元范围内。最邻近法满足条件为:假设湖泊中心点为0 (X, Y) TB (Xi, Yi) 为任意像元中心点,A (Xa , Ya) 为矩形的一个顶点坐标。当点 TB (Xi, Yi) 是满足以下公式(1)、(2)与(3)的像元点(Xmin ,Ymin )则为所求的点:

用于混合像元分解的湖岸像元亮温则以较高分辨率Landsat影像为依据获取,选取距离湖泊最近的2~3个被动微波像元作为纯净陆地像元P (Xi, Yi) ,并求取均值而获得。

1.2.2 混合像元分解方法

被动微波数据空间分辨率低,单个像元能捕获到多种不同种类的地表特征信息,混合效应严重,采用经过辐射定标后的AMSR-E L2A与AMSR2 L1R亮温数据[18],采用基于湖泊/陆地面积比例的混合像元分解算法进行湖泊亮温数据获取,其主要思路为:假设被动微波辐射计所捕获的陆表信息是均质的,所获的地表陆地信息只与地物的面积有关,忽略其他影响因素,则基于湖泊/陆地面积比例的被动微波像元分解的算法模型可以用公式(4)表示[19-20]

式中,TBsensor 表示被动微波数据单个像元所捕获的湖泊亮温值,TBwater 为混合像元中的湖泊区域亮温值,TBland 为混合像元中陆地区域亮温值,a 与b 分别表示湖泊与陆地像元在一个被动微波像元的面积比例权重。式(4)中,湖泊区域亮温与陆地区域亮温包括了与其对应的大气等影响因素。

湖泊面积权重a 与湖岸面积权重b ,在分解计算AMSR-E像元所对应的值时,是以卫星过境的最邻近湖心点的扫描点为中心缓冲出一个27 km × 16 km的矩形区域,AMSR2数据缓冲出的矩形区域为22 km × 14km。然后通过叠置分析动态计算出每次卫星重访像元的湖泊湖岸面积权重。最后将求出的湖泊与湖岸的比值代入公式(4)中,分解出每个像元里湖泊区域的亮温值。

在WGS84(World Geodetic System 1984)投影坐标系统中,利用一个中心点难以一次性缓冲生成一个矩形区域,AMSR-E像元对应的矩形长宽为27 km × 16 km,AMSR2为22 km × 14km。故在实验操作中通过利用一点先缓冲成两个正圆,其中大圆的半径为矩形长的一半,小圆的半径为矩形宽的一半,再求取两圆的最小外包矩形,然后根据等角横轴割圆柱投影坐标系统特性,获得所求矩形,如图3为AMSR-E像元缓冲示意图。最后求取出卫星每天过境的矩形IJKL后与湖泊面积数据进行叠置分析,动态分解出湖岸与湖泊的比例。

3 AMSR-E像元矩形动态缓冲示意图

1.2.3 基于TIMESAT软件及目视判别的冻融参数提取

在对湖泊区域像元亮温进行混合像元分解处理后,应用TIMESAT(Time-series of satellite sensor data)软件提取湖泊冻融参数。TIMESAT软件系统起初是应用于处理长时间序列的NDVI数据,以监测植物的周期性生长变化[21-22],鉴于TIMESAT软件系统具有快速处理季节性变化的长时间序列数据的能力,结合被动微波数据在湖泊冻融变化的亮温周期规律[14-15],将湖泊亮温数据嵌入到该软件,并结合目视判别,纠正并提取湖泊冻融参数(图4)。

4 基于TIMESAT软件辅助的冻融参数提取

2 数据样本描述

2.1 基于最邻近法与像元分解的湖泊亮温数据

数据存储于Excel表格中,其中有51个湖泊2002~2011年的AMSR-E数据,51个湖泊2012~2016年的AMSR2数据,3个湖泊2011~2016年的MWRI数据,共含105个表格。全部表格有两种类型的存储格式,详细说明如下:

类型一:不需要混合像元分解,仅利用最邻近法就能够探测到的湖冰冻融变化的湖泊亮温存储格式(表1)。数据只有A与B两列,其中A列代表日期,B列代表18.7 GHz的V极化亮温。

1 基于最邻近法的湖泊亮温表

A

B

日期

18.7GHz V

20020619

203.179993

20020620

195.949997

20020622

195.020004

20020624

199.179993

20020625

193.970001

20020626

200.949997

20020629

192.380005

20020701

197.929993

20020703

200.919998

利用最邻近法获取的湖泊长时间序列亮温曲线图如图5所示。

5 最邻近法湖泊亮温长时间序列曲线图(以青海湖为例)

类型二:结合最邻近法与混合像元分解法探测到湖冰冻融变化的湖泊亮温存储格式如表2。数据共8列,其中A列代表日期,B、C列分别代表像元中心点的X坐标、Y坐标,D列代表18.7 GHz的V极化湖泊湖岸混合亮温,E、F列分别代表湖泊区域、湖岸区域在最邻近湖心像元的比例,G列是邻近湖岸区域的18.7 GHz的V极化亮温值,H列是分解还原后的湖泊区域亮温值。

2 基于像元分解法的湖泊亮温表

A

B

C

D

E

F

G

H

日期

X坐标

Y坐标

湖泊湖岸混合亮温

湖泊比例

湖岸比例

湖岸亮温

分解的湖泊亮温

20020620

31.888 47

87.526 56

253.44

0.644 517

0.355 483

265.09

247.0145

20020621

31.881 92

87.531 67

247.07

0.620 583

0.379 417

260.31

238.9752

20020623

31.846 58

87.546 26

249.17

0.459 976

0.540 024

263.05

232.8745

20020625

31.896 07

87.557 38

253.18

0.625 501

0.3744 99

264.37

246.4803

20020626

31.922 45

87.563 47

250.67

0.540 223

0.459 777

261.35

241.5804

20020630

31.905 04

87.519 09

249.59

0.523 359

0.476 641

262.42

237.9052

20020702

31.876 72

87.584 86

251.72

0.610 791

0.389 209

262.34

244.9527

20020704

31.916 36

87.509 19

252.49

0.566 584

0.433 416

267.03

241.3674

20020705

31.869 82

87.493 92

253.33

0.603 482

0.396 518

269.08

242.9814

利用像元分解法获取的湖泊长时间序列亮温曲线图如图6所示。

6 像元分解法湖泊亮温长时间序列曲线图(以拜惹布错为例)

2.2 湖泊湖冰冻融数据集

数据以Excel表格格式存储,共有一个Excel表格,其中包含51个表单,每个表单以湖泊名称命名。表格存储格式(表3)以青海湖为例,其详细说明如下:数据共8列,其中A列代表湖泊中文名称,B列代表湖泊英文名称,C、D列分别代表湖泊中心点的X坐标、Y坐标,E、F列分别代表该湖泊湖冰开始冻结日期、完全冻结日期,G、H列分别代表该湖泊湖冰开始融化日期、完全融化日期。

3 青海湖湖冰冻融日期表

A

B

C

D

E

F

G

H

湖泊名称(中文)

湖泊名称(英文)

湖心点X坐标

湖心点Y坐标

开始冻结

完全冻结

开始融化

完全融化

青海湖

Qinghai Lake

36.886 03

100.178 55

2002-12-22

2002-12-30

2003-3-26

2003-4-1

青海湖

Qinghai Lake

36.886 03

100.178 55

2003-12-21

2004-1-1

2004-3-17

2004-3-27

青海湖

Qinghai Lake

36.886 03

100.178 55

2004-12-25

2004-12-30

2005-3-18

2005-3-28

青海湖

Qinghai Lake

36.886 03

100.178 55

2005-12-12

2005-12-20

2006-3-24

2006-4-4

青海湖

Qinghai Lake

36.886 03

100.178 55

2006-12-19

2006-12-30

2007-3-31

2007-4-6

青海湖

Qinghai Lake

36.886 03

100.178 55

2007-12-27

2008-1-1

2008-4-6

2008-4-11

青海湖

Qinghai Lake

36.886 03

100.178 55

2008-12-15

2008-12-29

2009-3-19

2009-3-29

青海湖

Qinghai Lake

36.886 03

100.178 55

2009-12-23

2009-12-26

2010-3-19

2010-3-27

青海湖

Qinghai Lake

36.886 03

100.178 55

2010-12-14

2010-12-26

2011-4-3

2011-4-15

青海湖

Qinghai Lake

36.886 03

100.178 55

2011-12-20

2012-1-3

2012-4-3

2012-4-10

青海湖

Qinghai Lake

36.886 03

100.178 55

2012-12-9

2012-12-23

2013-3-27

2013-4-1

青海湖

Qinghai Lake

36.886 03

100.178 55

2013-12-21

2013-12-30

2014-3-9

2014-3-24

青海湖

Qinghai Lake

36.886 03

100.178 55

2014-12-19

2014-12-29

2015-3-17

2015-4-1

青海湖

Qinghai Lake

36.886 03

100.178 55

2015-12-25

2016-1-6

2016-3-16

2016-3-22

3 数据质量控制和评估

3.1 数据缺失情况说明

3.1.1 高亚洲被动微波遥感数据日重访问题

被动微波数据在对地扫描时存在数据间隙,其在中低纬地区的重访周期约为1~2天,而在高纬度地区的重访率可以达到1天多次(图7)。而高亚洲地区处于中高纬之间,其所获取的湖泊亮温值的时间间隔为1或2天。

7 被动微波数据观测覆盖图

3.1.2 数据断档缺失说明

本数据集生产选用AMSR-E、AMSR2与MWRI三种被动微波传感器数据,其中AMSR-E于2002年5月4日升空,于2002年6月19日开始获取对地观测数据,在轨运行至2011年10月4日,因天线失去动力,而无法获得后续数据;AMSR2于2012年5月18日升空,于2012年7月3日开始获取对地观测数据,在轨运行至今;而MWRI于2010升空运行至今,可以填补AMSR-E与AMSR2的数据空档。

但MWRI数据分辨率较低,在本数据集生产中仅采用最邻近法处理MWRI数据对青海湖、纳木错与色林错三个湖泊进行数据补缺。因此其他的湖泊亮温数据集与湖冰冻融数据集在2011年10月至2012年7月期间的数据存在空缺。

3.2 误差来源和分析

3.2.1 被动微波数据定位误差

在应用被动微波数据进行湖冰监测应用中,由于只选取被动微波传感器过境时离湖泊中心点最近的单个像元,故该像元定位精度所带来的误差将会直接影响湖冰冻融探测的精度。以AMSR-E L2A数据为例,其定位误差约为5~7 km[23]。这种位置偏移也给湖泊亮度的混合像元分解带来误差,在原有的被动微波数据误差基础上,湖冰冻结时期误差约为3~4 K,而湖冰融化时期误差可达7~8 K。

3.2.2 数据处理过程误差

经过数据分析,被动微波混合像元分解法可普遍适用于湖泊面积占单个AMSR-E像元0.3倍以上的湖泊。而湖泊面积与AMSR-E像元比例在0.2~0.3倍之间时,该方法受湖泊形状、湖泊的本身特质和湖岸周边地理环境特征影响,具有较大的不确定性。此外,被动微波混合像元线性分解也还存在着一些限制条件:湖泊周围生长的植被受季节性影响明显会对湖泊亮温分解造成干扰,致使提取结果出现偏差;湖泊与湖岸像元间应避免海拔落差巨大,如高山环绕的湖泊,湖泊亮温与周边陆地亮温有很大差异,山地的角度和地形影响会造成像元分解结果出现较大的误差。

3.3 对比验证

以青藏高原MODIS逐日无云积雪面积数据集作为对比验证数据[17],该套数据集主要解决了云盖条件下积雪与陆地的重新判别问题,其湖泊区的云覆盖也做了重分类,将湖泊上空区域重新判别为湖水、湖冰及少数湖泊不确定三种状态。选取去云处理之前云盖情况较好的湖泊区域,以长时间序列的湖泊中的湖水面积变化曲线,以湖水面积占湖泊面积的90%为湖冰融化的判别阈值,以湖水面积占湖泊面积的20%为湖冰冻结的判别阈值[7] ,以此削弱去云重分类误差带来的直接目视判别湖冰冻融状况的误差积累[8]

选择达则错、库赛湖与可可西里湖作为验证湖泊,利用AMSR-E数据提取的湖泊冻融结果与MODIS无云数据提取的湖泊冻结与湖泊融化结果有一定相关性,其皮尔森相关系数分别为0.968与0.987(图8),可认为基于被动微波遥感数据的湖泊冻融数据具有较高的可靠性。

8 基于MODIS无云数据产品的对比验证图

4 数据使用方法和建议

本数据集包含高亚洲区域2002~2016年51个中大型湖泊时间序列亮温值和湖冰冻融参数信息;可进一步对湖泊开展特征参数反演,如湖冰厚度变化等;可提升对高亚洲地区湖冰冻融的理解,如对全球气温升高等大尺度气候变化的响应模式认知;可为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。

致 谢

感谢美国国家冰雪数据中心(National Snow and Ice Data Center)提供AMSR-E L2A Swath亮温数据,日本宇宙航空研究开发机构(Japan Aerospace Exploration Agency)提供AMSR2 L1R Swath亮温数据,科学数据存储库(Science Data Bank)提供青藏高原MODIS逐日无云积雪面积数据和《科学数据》提供青藏高原湖泊数据集。

数据作者分工职责

邱玉宝(1978—),男,江西人,博士,副研究员,从事环境遥感应用研究。主要承担工作:算法和处理过程建模。

郭华东(1950—)男,江苏人,博士,研究员,研究方向为遥感技术应用。主要承担工作:全球变化研究指导。

阮永俭(1990—),男,广东人,硕士生,主要研究方向被动微波遥感技术与应用。主要承担工作:数据生产和冻融识别研究。

付心如(1991—),女,河北人,硕士生,主要研究方向为遥感技术与应用。主要承担工作:数据预处理和分析工作。

石利娟(1987—),女,河南人,博士生,主要从事被动微波技术。主要承担工作:数据预处理与数据解译。

田邦森(1983—),男,湖北人,助理研究员,主要从事微波遥感应用研究。主要承担工作:数据处理和解译。

参考文献

[1] Wan W, Long D, Hong Y, et al. A lake data set for the Tibetan Plateau from the 1960s, 2005, and 2014[J/OL].Sci. Data, 2016. DOI: 10.1038/sdata.2016.39.

[2] Han G, Wang Y, Fang S. Climate Change over the Qinghai-Tibet Plateau and Its Impacts on Local Agriculture and Animal Husbandry in the Last 50 Years[J]. Resources Science, 2011, 33(10): 1969–1975.

[3] 姚檀栋, 郭学军, Thompson L, 等. 青藏高原冰芯过去100年δ18O记录与温度变化[J]. 中国科学: 地球科学, 2006, 36(1): 1–8.

[4] Liu X, Chen B. Climatic warming in the Tibetan Plateau during recent decades[J]. International Journal of Climatology, 2000, 20(14): 1729–1742.

[5] 姚晓军, 刘时银, 李龙, 等. 近40年可可西里地区湖泊时空变化特征[J]. 地理学报, 2013, 68(7): 886–896.

[6] Preston D, Caine N, Mcknight D, et al. Climate regulates alpine lake ice cover phenology and aquatic ecosystem structure[J]. Geophysical Research Letters, 2016, 43(10):1–8. DOI: 10.1002/2016GL069036.

[7] Yao X, Long L, Zhao J, et al. Spatial-temporal variations of lake ice phenology in the Hoh Xil region from 2000 to 2011[J]. Journal of Geographical Sciences, 2016, 26(1):70–82.

[8] Kropácek J, Maussion F, Chen F, et al. Analysis of ice phenology of lakes on the Tibetan Plateau from MODIS data[J]. Cryosphere Discussions, 2013, 7(1): 287–301.

[9] Maa? N, Kaleschke L. Improving passive microwave sea ice concentration algorithms for coastal areas: applications to the Baltic Sea[J]. Tellus, 2010, 62(4): 393–410.

[10] Stogryn A. Equations for Calculating the Dielectric Constant of Saline Water (Correspondence)[J]. IEEE Transactions on Microwave Theory & Techniques, 1971, 19(8):733–736.

[11] Zhao T, Zhang L, Jiang L, et al. A new soil freeze/thaw discriminant algorithm using AMSR-E passive microwave imagery[J]. Hydrological Processes, 2011, 25(11): 1704–1716.

[12] Kelly R, Chang A, Tsang L, et al. A prototype AMSR-E global snow area and snow depth algorithm[J]. IEEE Transactions on Geoscience & Remote Sensing, 2003, 41(2): 230–242.

[13] Comiso J, Fumihiko N. Trends in the sea ice cover using enhanced and compatible AMSR-E, SSM/I, and SMMR data[J]. Journal of Geophysical Research, 2007, 113(C2): 228–236.

[14] 车涛, 李新, 晋锐. 利用被动微波遥感低频亮温数据监测青海湖封冻与解冻期[J]. 科学通报, 2009, 54(6): 787–791.

[15] 陶安琪. 被动微波遥感纳木错湖冰变化研究[D]. 南京: 南京大学, 2014.

[16] Che T, Li X, Dai L. Monitoring freeze-up and break-up dates of Northern Hemisphere big lakes using passive microwave remote sensing data[C]// Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International. IEEE, 2011: 3191–3193.

[17] 邱玉宝, 郭华东, 除多, 等. 青藏高原MODIS逐日无云积雪面积数据集(2002~2015年)[DB/OL]. Science Data Bank. DOI: 10.11922/sciencedb.170.55.

[18] Shibata A. AMSR/AMSR-E algorithm development and data distribution[C]// Geoscience and Remote Sensing Symposium, Proceedings, 2000 IEEE International, 2000, 1(1): 59–61.

[19] Bellerby T, Taberner M, Wilmshurst A, et al. Retrieval of land and sea brightness temperatures from mixed coastal pixels in passive microwave data[J]. IEEE Transactions on Geoscience & Remote Sensing, 1998, 36(6): 1844–1851.

[20] Bennartz R. On the Use of SSM/I Measurements in Coastal Regions[J]. Journal of Atmospheric & Oceanic Technology, 1999, 16(4): 183–204.

[21] Jonsson P, Eklundh L. TIMESAT—a program for analyzing time-series of satellite sensor data [J]. Computers & Geosciences, 2004, 30(8): 833–845.

[22] Jonsson P, Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data[J]. IEEE Transactions on Geoscience & Remote Sensing, 2002, 40(8): 1824–1832.

[23] Ashcroft P, Wentz F. 2013. AMSR-E/Aqua L2A Global Swath Spatially-Resampled Brightness Temperatures, Version 3[EB/OL]. (2015-07-18). Boulder, Colorado USA: NASA National Snow and Ice Data Center Distributed Active Archive Center. http://dx.doi.org/10.5067/AMSR-E/AE_L2A.003.

引用本文

邱玉宝, 郭华东, 阮永俭, 等. 2002~2016年高亚洲地区中大型湖泊微波亮温和冻融数据集[J/OL]. 中国科学数据, 2017, 2 (2). DOI: 10.11922/csdata.170.2017.0117.

引用数据

邱玉宝, 郭华东, 阮永俭, 等. 2002~2016年高亚洲地区中大型湖泊微波亮温和冻融数据集[DB/OL]. Science Data Bank, 2017. DOI: 10.11922/sciencedb.374.

下载