基于SIMSTRAT的近20年内蒙古南湖冰厚生消特征分析
doi: 10.18307/2025.0152
朱云印1 ， 罗红春1,2 ， 冀鸿兰1,2 ， 薛中姝1 ， 张宝森3 ， 高文龙4
1. 内蒙古农业大学水利与土木建筑工程学院，呼和浩特 010018
2. 黄河流域内蒙段水资源与水环境综合治理协同创新中心，呼和浩特 010018
3. 黄河水利委员会黄河水利科学研究院，郑州 450000
4. 内蒙古自治区呼和浩特市托克托县头道拐水文站，呼和浩特 010018
基金项目: 国家自然科学基金联合基金项目(U23A2012) ； 国家自然科学基金项目(52379014) ； 内蒙古自然科学基金重点项目(2022ZD08) ； 内蒙古自然科学基金青年基金项目(2023QN05026)联合资助
Ice thickness formation and melting characteristics of Lake Nanhu in Inner Mongolia based on the process-based model of SIMSTRAT
Zhu Yunyin1 ， Luo Hongchun1,2 ， Ji Honglan1,2 ， Xue Zhongshu1 ， Zhang Baosen3 ， Gao Wenlong4
1. College of Water Conservancy and Civil Engineering, Inner Mongolia Agricultural University, Hohhot 010018 , P.R.China
2. Collaborative Innovation Center for Integrated Management of Water Resources and Water Environment in Inner Mongolia of Yellow River Basin, Hohhot 010018 , P.R.China
3. Yellow River Institute of Hydraulic Research, Yellow River Conservancy Commission, Zhengzhou 450000 , P.R.China
4. Hohhot Togtoh Toudaoguai Hydrological Station of Inner Mongolia, Hohhot 010018 , P.R.China
摘要
湖冰是冰冻圈水文学的重要研究对象，湖冰的生消对气候变化极其敏感，可以作为气候变化的指示因子，并通过影响湖泊与大气之间的物质能量交换，调节区域气候和湖泊生态系统。湖冰厚度是研究湖冰生消过程的关键变量，明晰其生消特征对于揭示气候变化下湖泊响应过程具有重要的理论价值和现实意义。本文以内蒙古南湖湖冰为研究对象，基于2013—2017年和2022—2023年原型测冰数据，利用ERA5-Land再分析数据作为大气强迫场，通过SIMSTRAT湖泊过程模型重建2003—2022年内蒙古南湖完整冰厚生消过程并分析其变化特征。结果表明：1）SIMSTRAT模型模拟与原型观测得到的初冰日和终冰日平均偏差为3.40 d，冰厚数据平均偏差为1.29 cm，平均绝对误差为1.29 cm，均方根误差为1.90 cm。模拟结果与现场观测结果具有较高的一致性。2）2003—2022年南湖封冻期平均持续119 d，冰厚生长期、平衡期、融化期平均日数分别为64、34、21 d。南湖封冻期整体呈缩短趋势，缩短率为4.27 d/10 a；其中，融化期年际变化幅度较大，缩短率为3.67 d/10 a。3）近20年，南湖年均冰厚介于14~30 cm之间，2012—2017年冰厚年际波动剧烈，整体呈下降趋势。南湖冰厚在每年12月与1月以0.43和0.55 cm/d的速率快速增加，3月以0.74 cm/d的融化速率快速融化。4）SIMSTRAT模型揭示了南湖冰厚生消受气温、降水、风速等气象因素综合影响。气温是影响冰厚生消特征的主要因素，累积气温降低会显著延长冰厚生长期和平衡期日数，同时增大当年最大冰厚；降水量和风速对冰厚生消特征也存在不同程度影响。
Abstract
Lake ice is a crucial subject in cryospheric hydrology, and can be a key indicator to represent climate change due to its sensitivity to climate change. Lake ice growth and melt, as a response to climate variations, influence material and energy exchange between lakes and the atmosphere, thereby regulating regional climate and lake ecosystems. The thickness of lake ice is a critical variable in studying its growth and melt processes. Understanding its characteristics is of significant theoretical and practical importance for unraveling lake responses to climate change. In this study, the ice in Lake Nanhu, Inner Mongolia was taken as the study area. Based on the prototype ice measurement data from 2013-2017 and 2022-2023, the ERA5-Land reanalysis data were used as the atmospheric forcing field. The process-based model of SIMSTRAT was used to reconstruct the growth-melt process in Lake Nanhu from 2003 to 2022, and to investigate its change characteristics. The results showed that: 1) The SIMSTRAT model showed a high level of agreement with prototype observations. The mean deviation of the simulated first ice day and final ice day was 3.4 days, while the mean bias for ice thickness was 1.29 cm. The mean absolute error and root mean square error of the ice thickness were 1.29 cm and 1.90 cm, respectively. 2) From 2003 to 2022, the average freezing period of Lake Nanhu lasted 119 days, with the ice growth, balance, and melting periods averaging 64, 34 and 21 days, respectively. The freezing period exhibited an overall shortening trend at a rate of 4.27 days per decade. Among these, the melting period showed the largest interannual variability, with a shortening rate of 3.67 days per decade. 3) Over the past 20 years, the annual average ice thickness of Lake Nanhu ranged from 14 to 30 cm. From 2012 to 2017, interannual fluctuations in ice thickness were pronounced, showing an overall declining trend. Ice thickness increased rapidly during December and January at rates of 0.43 cm/d and 0.55 cm/d respectively, and melted quickly in March at a rate of 0.74 cm/d. 4) The SIMSTRAT model further elucidated the comprehensive impact of meteorological factors, including air temperature, precipitation, and wind speed on lake ice thickness dynamics. Air temperature was identified as the primary factor, with decreased cumulative temperature significantly extending the ice growth and balance periods, concurrently increasing the maximum ice thickness for the year. Precipitation and wind speed also exhibited varying degrees of influence on lake ice thickness dynamics. This study enhanced our understanding of lake ice processes and their response to climate change, providing valuable insights for future studies in related fields.
结冰是寒冷地区冬季常见的自然现象，河流、湖泊、水库都会发生结冰现象并形成一定厚度的冰盖[1]。全世界1.17亿个湖泊中，一半以上都不同程度地被冰层所覆盖，特别是地处温带和寒带高海拔高纬度地区的湖泊，一年有超过40%的时间处于冰覆盖状态[2]。湖冰生消过程显著影响区域热量和能量收支平衡，同时其特征变化也反映了区域气候变化[3]。然而，受湖泊自身条件差异和区域气候变化的空间异质性影响，不同区域湖泊冰情变化特征存在显著差异[4]。相比极地、北美等地，东亚地区湖冰生消特征报道相对较少，而东亚地区内蒙古高原气温和太阳辐射变化加剧，波动梯度较大[5]。内蒙古高原的南湖属于典型的东亚季风区高原浅水湖泊，更加敏感于气候波动。同时，南湖是维系黄河流域生态安全的“天然屏障”，也是国内候鸟迁徙的“重要驿站”。因此，分析变化环境下南湖的冰厚生消特征及其影响因素，对深入研究内蒙古高原湖泊响应气候的冰情变化及其反馈机制均具有重要意义。
作为湖冰领域的关键气候变量[6]，湖冰厚度不仅反映了水—气界面能量交换强度和物质迁移过程，而且影响冰上交通、渔业冬捕、冬季旅游等人类活动，具有重要的生态服务价值[7]。早期对湖冰厚度的研究依赖人类对湖冰的现场直接测量，如原位钻孔法[8]、电阻丝加热法[9]、电热丝融冰[10]以及磁致伸缩法[11]等，此类方法得到的冰厚数据精度较高，可作为其他测量手段的标定方法使用，但存在观测效率低、数据量少、损坏冰盖等缺点；当前较为先进的测定手段是依靠声波的声呐测冰[12]和依靠电磁波的雷达测冰[13]，但内蒙古高原湖泊分布地区自然环境恶劣，高寒环境严重限制测量仪器的采样频率，无法保证观测数据的连续性。随着遥感技术的快速发展，卫星遥感测冰[14-16]被广泛应用，现阶段研究主要借助单源被动微波和热红外遥感信息获取湖冰厚度信息，但遥感数据积累年限相对较短且对薄冰和融化期冰厚的反演效果较差[17]，难以揭示湖冰厚度的长期变化规律。数值模拟将气象要素作为模型驱动数据，模拟结果弥补了湖泊长时间序列可获取数据的不足，有助于从机理的层面揭示和预测湖冰的生消过程，使用湖泊过程模式对湖泊进行数值模拟已成为研究湖泊的重要手段[18]。
现有湖泊过程模式有CLIMO[19]、FLake[20]、LAKE[21]、HIGHTSI[22]、SIMSTRAT[23]等，其中SIMSTRAT3.03考虑了多种气候强迫项和湖泊形态特征对湖冰冻融过程的作用，有助于认识湖泊冻融过程的物理机制，进而量化湖冰特征对气候的响应。Gaudard等[24]基于SIMSTRAT模拟了瑞士54个湖泊及水库近30年的热结构，模型性能与GLM全球32湖建模研究的相关系数始终大于0.93，表明该模型成功再现了所调查湖泊的热结构；Feldbauer等[25]应用SIMSTRAT研究气候变暖下德国利希滕贝格饮用水水库封冻期变化时发现，SIMSTRAT能够准确地重现冰物候；Imrit等[26]利用SIMSTRAT模拟了全球范围内湖泊的冰厚生消，表明SIMSTRAT估计湖泊冰厚长期趋势的可靠性。就内蒙古的湖泊而言，目前系统性的湖冰生消过程观测仍很少，仅在个别年份有人工观测点，但频次较低、观测位置不定，缺乏揭示完整湖冰生消过程及长序列湖冰特征变化的研究。
本研究以内蒙古南湖湖冰作为重点监测对象，基于南湖原型测冰数据与欧洲中期天气预报中心（ECMWF）历史再分析数据集进行冰厚特征规律研究，主要包括3个目标：1）通过与原型观测数据对比，评估SIMSTRAT模型在内蒙古南湖的适用性；2）模拟南湖2003—2022年冰期冰厚生消过程，对南湖的冰厚生消特征进行分析；3）探究南湖冰厚生消特征与气温、风速、降水等气象因子之间的关系，以及影响中纬度冰厚的主次气象因子。研究结果将为深入探究南湖湖冰生消机理提供参考。
1 研究区及数据
1.1 研究区概况
南湖（40°15′13″~40°16′10″N，111°08′41″~111°09′45″E）位于内蒙古自治区呼和浩特市境内，西临黄河，地处中温带，属温带大陆性季风气候。1950—2003年间的统计数据显示，南湖年均气温为6℃，多年平均降水量为413.1 mm，年日照时数为2950 h，太阳辐射较强[27]。南湖湖面形状不规则，东西距离长约1.57 km，南北最大宽为1.15 km，平均宽约0.63 km。湖面面积为1.04 km2，平均水深为2.6 m，每年11月中下旬结冰到翌年3月中下旬融化，冰期持续3—4个月。
1.2 数据来源
1.2.1 湖冰测厚数据
2013—2017年和2022—2023年在内蒙古南湖进行了冬季现场观测。实验设定在生长期和融化期，每日上午、下午各观测1次；在平衡期，每周进行2次周期性观测。2013—2015年间隔3 m设置5个采样点；2015—2017年与2022—2023年新增4个延伸至湖中心的采样点，采样点间隔5 m，采样点布设如图1所示。采用量冰尺测量冰厚，测量精度为0.1 cm。以上实测数据用于拟合SIMSTRAT模型参数及模拟结果误差分析。
图1内蒙古南湖采样点分布
Fig.1Distribution of sampling sites of Lake Nanhu in Inner Mongolia
1.2.2 气象数据
SIMSTRAT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再分析数据集（https://www.ecmwf.int/en/forecasts/dataset/ecmwf-reanalysis-v5），其中包含气温、风速、辐射和总降水量数据，该数据集的时间分辨率为1 h，空间分辨率为0.1°×0.1°，对于内蒙古南湖，选择气象站位置（图1b）网格的气象数据。为了进一步评估ERA5-Land再分析数据集在南湖应用的可靠性，2022年在南湖设立气象观测站（图1），将2022年ERA5-Land再分析数据集中的气温、风速和太阳辐射数据与气象站观测数据进行比较。如图2所示，ERA5-Land的气温与现场观测气温数据表现出显著一致性，平均偏差Bias=0.27℃，相关系数为r=0.99，而气温是影响冰厚生消的关键因素，气温的准确性保证了模拟结果的可靠性；风速（r=0.98，Bias=1.38 m/s）及太阳辐射数据（r=0.89，Bias=29.74 W/m2）虽普遍高于现场观测值，但与现场实测值显示出较高的相关性。SIMSTRAT模型的参数，例如p_sw_water、p_sw_ice和f_wind等，可被用于调整太阳辐射和风速数据，以校正湖面气象条件与ERA5-Land再分析数据之间的系统性差异[24]。因此，ERA5-Land再分析数据集中的气象因子可以作为湖泊过程模型的输入数据。
图2内蒙古南湖ERA5-Land气象数据与观测值的对比
Fig.2Comparison of meteorological data and observed values of ERA5-Land in Lake Nanhu in Inner Mongolia
2 研究方法
2.1 SIMSTRAT模型
本研究基于一维水动力模型SIMSTRAT中冰模块部分模拟南湖完整的冰厚生消过程。在SIMSTRAT模型中，控制冰厚变化的过程包括依赖大气温度的黑冰形成和增长、浮力驱动的白冰形成、短波辐射的反射和穿透以及直接热通量和短波辐射导致的冰盖融化。当大气温度小于或等于冰点温度时，黑冰的生长方程为：
dhibdt=2ki/ρib×lh×Tf-Ti
(1)
式中，hib为黑冰厚度；ki为冰的导热系数；ρib为黑冰密度；lh为冻结潜热；Tf为冰点温度；Ti为冰温。
白冰在雪和黑冰之间形成，平衡雪和黑冰的浮力和质量，具体如式（2）：
dhiwdt=ms-Biρs
(2)
式中，hiw为白冰厚度；ms为雪团重量；Bi为向上作用的浮力；ρs为雪层密度。
如果大气温度高于冰点温度，冰盖开始融化。融化过程中，冰盖的能量通量由短波辐射、长波辐射、感热和潜热等因素共同决定，具体如下：
dhxdt=-Hx-ylh+le×ρx+Eflm×ρx
(3)
式中，hx为冰盖厚度，x代表不同的层，白冰为iw，黑冰为ib；Hx_y为与各层相关的热通量，y表示冰盖融化位置，冰盖顶部热通量包括太阳入射短波辐射、长波辐射、冰盖反射辐射以及感热和潜热，冰盖底部不与大气直接接触，仅使用太阳入射短波辐射从上方融化；le为蒸发潜热；ρx为不同冰盖密度；Ef为水体从固态到液态变化的能量，当穿透冰盖的辐射使冰下水温变暖，冰盖从下方以能量Ef进行融化；lm为融化潜热。
模型采用的关键参数见表1。基于上述设置，本文对南湖冰厚生消进行计算，时间为2003—2023年每年11月1日—翌年3月31日。
2.2 湖冰物候过程特征值
冰物候学研究水体上冰盖的周期性形成和消融以及由于气候的季节性和年际变化而导致的时间变化[29]。为了更精确地探究南湖冰厚生消特征对气候的响应，本文根据冰厚确定冰情发展的时间节点，参考杨宇[30]和霍璞真[22]的定义，将南湖冰期时间节点分别设定为初冰日、盛冰日、融冰日和终冰日。SIMSTRAT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；冰厚第一次大于当年最大冰厚90%的时间被定义为盛冰日；冰厚最后一次小于当年最大冰厚90%的时间被定义为融冰日；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。在一个研究周期内，湖泊的封冻期（从湖泊开始冻结至完全消融[7]）被分为生长期、平衡期、融化期[22]。生长期是指初冰日至盛冰日期间，平衡期是指从盛冰日至融冰日期间，融化期是指从融冰日至终冰日期间。
表1SIMSTRAT模型的关键参数[24，28]
Tab.1 Key parameters of the SIMSTRAT model[24, 28]
*表示已校准的参数。
3 结果分析
3.1 SIMSTRAT模型在南湖的适用性评价
为检验SIMSTRAT模型在南湖的适用性，以2013—2017年和2022—2023年原型测冰数据为基础进行验证计算。与曲斌等[31]的观测方法相同，通过观测人员在南湖进行连续目视并人工记录，目视范围可以覆盖整个南湖。湖泊初冰日取观测点视线范围内首次出现湖冰并且持续存在的日期，终冰日取观测点视线范围内无冰的最后日期。已有研究[3]表明该类定义对于小湖而言基本与实际结冰过程相符。如图3a所示，模型提取与原型观测的初冰日和终冰日的平均偏差为3.40 d，两者之间的相关系数为0.99（P＜0.05）；模型提取的初冰日略迟于观测得到的初冰日，而模型终冰日略早于观测终冰日。两者存在误差的原因可以归结为模型应用了南湖平均深度，反映了南湖较大范围的平均冻结情况。将冰厚实测值与模拟值对比分析，结果如图3b所示：平均偏差为1.29 cm，平均绝对误差为1.29 cm，均方根误差为1.90 cm，两者之间的相关系数为0.99（P＜0.05）。结果表明，SIMSTRAT较好地复现了南湖冰厚完整生消过程。
3.2 典型年南湖冰厚完整生消过程分析
2015—2016年野外观测时期较长，获取数据较为全面，因此本文以2015—2016年为例，利用SIMSTRAT复现南湖完整冰厚生消过程。如图4所示，2015年11月23日—2016年3月21日期间，南湖冰盖经历了生长、平衡和融化阶段。
2015年11月23日—翌年1月28日为南湖湖冰生长期。南湖浅水处水—气热交换快，因此在浅滩、浅湾及水草丛生处首先出现岸冰或薄冰（图4a）；随着气温继续降低，南湖深水区结冰，除少数敞露水面部分外，整个湖冰形成整体，岸冰牢固不易松动（图4b）。如图5所示，11月23日南湖开始封冻，出现1 cm的薄冰，自此开始稳定增长，因此可判断模型初冰日为11月23日。11月23日—11月27日期间，冰厚生长较快，出现整个观测期最大生长速率（1.70 cm/d），主要是由于11月23日—11月26日期间持续的降水和降温。这一时期的累积降水量为8.20 mm，累积降温为14.16℃，持续降温增大了湖面水—气温差。同时该阶段气温为负，降水以雪的形态存在，当雪花降落到水面的薄冰上时，会吸收大量的潜热，加速冰的生长速度，同时促进水体的冷却[28]。11月23日—1月4日期间，日均气温在-5.38℃上下波动，冰盖增长速率为0.42 cm/d；2016年1月5日—1月28日，日均气温在-6.60~-19.82℃之间波动，这一时期冰盖增长速率较上一时期更快，为0.60 cm/d。冰盖的生长速率随气温的升降而加速或减缓，表明气温是湖泊冰盖增长的主要影响因素。1月28日冰厚第一次大于最大冰厚的90%，由此判断模型盛冰日出现在1月28日。因该年湖冰生长期共持续67 d，冰厚变化速率为（0.57±0.44） cm/d。
图3原型测冰数据与SIMSTRAT模拟结果比较
Fig.3Comparison of prototype ice measurement data with SIMSTRAT simulation results
2016年1月28日—3月3日为南湖湖冰平衡期。平衡期，冰面出现冰裂，冰面局部有较多蜂窝坑（图4c）。此时段日均气温在-13.00~5.73℃之间，比生长期平均气温更高，而冰盖增厚导致水体向大气的散热速率减小，与空气中的热量输入达到了动态平衡。2月8日—2月12日正午气温突破0℃，且太阳辐射逐日增强，使得冰盖开始融化。然而，在2月12日—14日期间，气温急剧下降使得水—气温差增大，同时降雪使表面反照率上升从而阻碍了冰底的进一步融化。3月3日冰厚小于最大冰厚的90%并持续减小，由此判断模型融冰日出现在3月3日。在此阶段，气温、太阳辐射和积雪的综合影响使得冰盖平衡在（38.68±0.61）cm，该年平衡期持续35 d，冰盖变化速率为（0.31±0.60） cm/d。
图4内蒙古南湖冻结与融化过程
Fig.4Freezing and melting process of Lake Nanhu in Inner Mongolia
2016年南湖融化期为3月4日—3月21日。融化期，南湖冰面逐渐变薄变软，颜色由白色逐渐变为墨绿色（图4d）；随着持续正气温，南湖湖冰逐渐融化，蜂窝坑分布在整个冰面。南湖岸边水浅，形成的岸冰较薄，冰—气热交换较快，融化过程始于南湖岸边水浅处，然后不断发展到湖中心深水处，形成岸冰先消失、中心冰后消失的现象。融化期日均气温维持在2.12~5.56℃之间，虽然气温升高可以导致冰盖融化、冰面厚度减小，但已有研究表明，太阳辐射在融化期的影响比温度更显著[32-33]。图5c为净太阳辐射值，整个封冻期太阳辐射逐日升高，且融化期太阳辐射均值为生长期的2.1倍，观测期间每日照度持续时间随着时间的推移而增加，随着光照时间的增加，冰厚不断减小。此外，根据观测，南湖水面在3月20日大约有1/4~1/3被薄冰覆盖，而当日平均风速为3.97 m/s，最大风速达到5.23 m/s，风速产生的机械作用加速了水面上薄冰的破碎过程。该年融化期共持续18 d，冰盖变化速率为（-0.86±2.09） cm/d。
基于南湖湖冰完整生消过程的模拟结果表明，在气温为（-5.32±5.62）℃、风速为（3.02±1.20）m/s、累积降水量为16.02 mm、累积净太阳辐射达到33.75（kW·h）/m2的条件下，南湖封冻期共持续119 d，时间跨度为2015年11月23日—2016年3月21日。
图52015—2016年内蒙古南湖冰厚及气象要素
Fig.5Ice thickness and meteorological elements of Lake Nanhu in Inner Mongolia from 2015 to 2016
3.3 近20年南湖冰厚变化特征分析
3.3.1 南湖湖冰物候变化特征
基于SIMSTRAT模拟的冰厚数据提取南湖2003—2022年物候。由图6可知，2003—2022年间南湖初冰日最早发生于2003年11月7日，最晚发生于2009年11月29日，平均初冰日为11月20日。初冰日整体呈现缓慢提前的趋势，提前率大约为1.60 d/10 a。盛冰日最早发生于2013年与2021年的11月9日，最晚发生于2005年2月8日，平均盛冰日为1月25日。以2011年为界，平均盛冰日可分为两个阶段，2011年之前平均为1月27日，2012—2022年为1月24日，呈现逐渐提前的趋势，提前率为2.54 d/10 a。融冰日最早发生于2009年2月7日，最晚发生于2005年3月16日，平均融冰日为2月28日。融冰日整体上略呈提前趋势，平均提前率为1.62 d/10 a。终冰日最早发生于2021年3月4日，最晚发生于2017年4月2日，平均终冰日为3月20日。终冰日整体呈现逐渐提前的趋势，提前率为5.87 d/10 a。南湖平均封冻期为119 d，最长为130 d（2016—2017年），最短为101 d（2020—2021 年），冰盖冻融日期最大差异为一个月，整体呈缩短趋势，平均缩短率为4.27 d/10 a。其中，生长期平均为64 d，最长为90 d（2021—2022年），最短为47 d（2020—2021年）；平衡期平均为34 d，最短和最长持续时间分别为21 d（2008—2009 年）和47 d（2013—2014年）；融化期平均为21 d，最短为10 d（2017—2018年、2014—2015年、2021—2022年），最长为43 d（2008—2009年）。南湖生长期与平衡期变化分别呈缩短及延长趋势，但变化趋势并不明显。融化期年际变化幅度较大，平均缩短率为3.67 d/10 a。
3.3.2 南湖湖冰厚度变化特征
从2003—2022年南湖冰厚完整生消过程（图7a）可以发现，南湖冰厚每年呈一致的变化趋势，遵循增大后基本保持不变、最后减小的过程，但融化期日数远少于生长期日数。同时，湖冰最大厚度集中在2月出现，介于28.04~50.92 cm之间，不同年份最大冰厚差异较大，平均以0.30 cm/a的趋势减小。总体来说，冰厚生长期集中在每年11月—翌年1月，而平衡期和融化期依次发生在2、3月。
图7b为2003—2022年南湖年际及各月平均冰厚变化。在年际尺度上，近20年南湖平均冰厚介于14~30 cm之间，呈下降趋势。依据年均冰厚大小，可将此时段划分为3个阶段：（1）2003—2011年为冰厚稳定期，此时段南湖年均冰厚为21.74 cm，最大变幅为3.76 cm；（2）2012—2017年为冰厚剧烈波动期，20年最大冰厚（2012年的30.57 cm）与最小冰厚（2016年的14.02 cm）都在此出现，平均冰厚总体呈下降趋势，由2012年的30.57 cm下降至2017年的22.00 cm；（3）2020—2022年为冰厚恢复期，此时段南湖冰盖平均厚度为21.06 cm，略低于第1阶段。在月际尺度上，南湖在11月份平均冰厚较小（3.50 cm），12月和1月冰厚快速增加，可分别达到15.58和32.05 cm，增加速率分别为0.43和0.55 cm/d；2月冰厚变化速率较小（0.15 cm/d），平均厚度为36.77 cm；3月进入融化期，融化速率为0.74 cm/d。湖冰年均厚度的不同主要由12月—翌年2月月均冰厚的差异决定，如2012年平均冰厚最大主要与这一时段12月—翌年2月冰厚普遍较大有关。
图62003—2022年内蒙古南湖湖冰物候变化趋势（图中年份表示各年内11月1日—翌年3月31日，例如2021表示2021年11月1日—2022年3月31日）； 图a、b中日期采用年积日法，例如1月20日为年内第20天）
Fig.6Trend of ice phenology in Lake Nanhu in Inner Mongolia from 2003 to 2022
3.4 近20年南湖冰厚特征对气候变化的响应规律
2003—2022年南湖冰厚呈现明显的周期性和季节性变化，这与气温的变化是相似的，在湖冰厚度增加—减小过程中，气温经历了下降—上升的过程。如图7a所示，2003—2022年南湖初冰日集中在11月下半月（即11月15日—11月30日）出现。南湖初冰日与11月下半月平均气温变化趋势一致（图8a），且相关系数为0.48（图8b，P＜0.05），表明该阶段气温下降是引起南湖初冰日提前的重要因素。
从时间尺度上来看，南湖生长期累积气温呈现出逐渐上升的趋势（图9a），这与全球气候变暖的趋势具有很好的一致性。为研究南湖冰厚特征对气温的响应规律，利用2003—2022年南湖冰期日数与累积气温做相关性分析（图10a），结果表明生长期、平衡期对累积气温较为敏感，相关系数分别为-0.57与-0.58（P值均小于0.01），说明累积气温较低时，生长期、平衡期日数更长；南湖封冻期累积气温与最大冰厚也存在很强的负相关（图10b，r=-0.43；P＜0.1）。这表明在较长的时间尺度上，气温是影响冰厚特征的主要因素，南湖冰厚变化对区域气候变暖有较好的响应。个别特殊年份，如2013年平衡期累积气温为-351℃，低于历年均值，却出现研究期内最长平衡期日数（47 d）。对比研究期风速数据可知（图9b），历年稳封期冬季风速均值为4.89 m/s，而2013年冬季平均风速只有4.07 m/s，属于研究期内的较低风速，可以进一步推断2013年南湖冰盖生消与较大的风速之间存在一定的关系。
图72003—2022年冰厚动态变化
Fig.7Dynamic change of ice thickness from 2003 to 2022
图82003—2022年初冰日与11月下半月平均气温的趋势分析
Fig.8Trend analysis of first ice day and average air temperature in the second half of November from 2003 to 2022
为研究南湖冰厚特征对风速的响应规律，分析了南湖冰期与平均风速之间的相关性，发现平衡期日数对平均风速较为敏感（图10c，r=-0.51；P＜0.05），即在平均风速较大的年份，平衡期日数较短，反之则较长。这是由于平衡期后期气温回升，风在平衡期后期带来的暖气流使水面温度变化，加速了冰盖融化，从而缩短平衡期时间。另外，平衡期平均风速与最大冰厚也存在相关性（图10d，r=0.42；P＜0.1），这是因为平衡期前期气温较低，风速加快湖面空气对流，带走湖冰形成时所产生的潜热在湖表面产生降温效应，促使冰厚增长。
除气温、风速等气象要素外，降水量变化（图9c）对冰盖的形成和融化也起着重要作用。如图10e所示，生长期、平衡期、融化期日数和降水量的相关系数分别为0.65（P＜0.01）、0.50（P＜0.05）和0.76（P＜0.01），在降水量较大的年份，封冻期较长。除此之外，最大冰厚与平衡期降水量也有较好的一致性（图10f，r=-0.50；P＜0.05）。这是由于在生长期与平衡期积雪覆盖对冰盖有保温作用，可减缓冰盖增长速率，减小当年最大冰厚；在融化期，水面温度持续低于0℃，此时降水量增多导致水面温度降低，减缓了冰盖融化过程。
综上所述，南湖生长期的主要控制因素是累积气温和降水量，平衡期还受到风速的影响，消融期则主要受到降水影响。最大冰厚随着累积气温和平衡期降水量的增加减小，随着平衡期风速增大而增加。
图92003—2022年内蒙古南湖气温、风速、降水量的动态变化
Fig.9Dynamic changes of air temperature, wind speed and precipitation in Lake Nanhu in Inner Mongolia from 2003 to 2022
图10冰厚特征与不同气候因子的关系
Fig.10Relationship between ice thickness characteristics and different climatic factors
4 讨论
内蒙古南湖冬季水动力微弱，自然环境接近于静水，在我国内蒙古高原天然浅湖、水塘及流域湿地水体中具有良好的代表性[27]。基于SIMSTRAT模型对内蒙古南湖冰厚生消过程进行模拟，发现南湖初冰日呈现出缓慢提前的趋势，有别于前人对其他湖泊冰物候研究的结论。在全球变暖背景下，很多研究[34-36]发现湖泊冰物候开始冻结和完全冻结呈推迟趋势，与本研究结果存在差异；而秦启勇等[29]研究发现赛里木湖开始冻结和完全冻结时间平均每年提前0.43和0.25 d，本研究结果与其一致。南湖初冰日提前一方面与11月下半月平均气温呈下降趋势有关；另一方面可能是由于冰物候对气温等因素的滞后响应存在差异，表现为区域、地形之间的差异。南湖终冰日逐渐提前、封冻期缩短，这与内蒙古高原乃至北半球湖冰物候呈相似的变化趋势。例如，吴其慧等[34]结合MODIS、Landsat、GF-1、HJ-1等多源遥感影像对1986—2017年内蒙古呼伦湖湖冰物候特征进行了分析，发现呼伦湖完全消融日以1.70 d/30 a的趋势提前，完全封冻期以0.90 d/30 a的趋势显著缩短；柯长青等[35]基于1979—2019年的被动微波遥感数据获取了东北湖区兴凯湖的冻融日期，结果表明兴凯湖湖冰开始消融日期和完全消融日期分别以0.16和0.13 d/a的趋势提前，完全封冻时间和覆盖时间则以0.31和0.07 d/a的趋势缩短；赵明杰等[36]基于MODIS地表反射率数据，提取了2000—2020年中亚地区湖泊的湖冰物候信息，分析得出中亚地区众多湖泊完全消融日期有提前的趋势，湖冰存在期与完全冻结期呈缩短趋势。同时，南湖湖冰厚度变化趋势也与我国西藏（0.29 cm/a）、北美和加拿大（（10~50 cm）/80 a）等地区相同[37]，都呈现出减小的态势，且变化更加明显和剧烈。在全球气候变化的背景下，内蒙古高原呈现气温升高和降水量增多的趋势。在这种趋势的影响下，南湖湖冰发育也愈加困难，厚度减小，而消融则愈发迅速，稳定性逐渐减弱。此外，南湖湖冰厚度存在空间差异，而本文得出的模拟结果为整个南湖平均厚度，虽然无法表征南湖湖冰的空间分布，但面对目前国内湖冰厚度研究可用数据少、研究方法缺乏的现状来看，整体平均厚度仍能够反映湖冰厚度变化，且能够说明气候变化与湖冰厚度之间的响应关系。
湖泊冰厚生消过程受很多因素影响，包括气象因素[31，38-39]（气温、太阳辐射、湿度、降水等）和湖泊自身理化性质[4，40]（形状、面积、透明度、矿化度等）。本研究结果表明，气温是影响南湖冰厚生消特征的主要气象因素，这与呼伦湖[34]、兴凯湖[35]和中亚地区湖泊[36]的主要影响因素一致。有分析表明，风速对不同面积湖泊的湖冰物候具有不同影响[31]。呼伦湖[34]和青藏高原湖泊[41]面积较大，风速大的年份湖泊越早封冻，则封冻期越长，表明风速对大湖湖冰的形成与发展有促进作用；而本研究水体面积较小，平衡期风速与日数有良好的负相关性，表明风速抑制小湖湖冰的发展，进一步佐证了前人的研究。积雪可通过其反照率及绝热性来延迟湖冰的生长与消融，南湖封冻期日数与降水量的关系表明，降水量越大，则封冻期越长，但兴凯湖[35]和中亚地区湖泊[36]湖冰物候湖泊对降水并不敏感。在湖泊自身理化性质对湖冰特征的影响方面，以往研究表明，湖泊形态越复杂越容易结冰，结冰时间也越早[4]。中亚地区湖冰存在期随湖泊面积的增大和海拔的升高而缩短[36]。本研究受资料限制，仅讨论了气候变量与湖冰冰厚特征的相关性，在一定程度上限制了对湖冰生消特征影响因素的进一步认识。同时，缺乏不同尺度数据研究结果的对比，以获得更加可靠的结果。此外，南湖封冻期的减少不仅会影响区域热量收支平衡，而且对该区域气候变化会产生一定的影响。本研究仅分析了近20年南湖冰厚生消特征的变化情况，并对其影响因素进行分析，更长时间序列、更大尺度的冰厚生消特征以及其与区域气候的响应有待进一步深入探究。
5 结论
本研究基于SIMSTRAT模型模拟并分析了2003—2022年内蒙古南湖冰盖完整生消过程，主要结论如下：
1）SIMSTRAT以ERA5-Land再分析气象数据作为模型输入，模型提取与原型观测得到的初冰日和终冰日之间的相关系数为0.99（P＜0.05），平均偏差为3.40 d；冰厚实测值与模拟值的相关系数为0.99（P＜0.05），平均偏差为1.29 cm；SIMSTRAT模拟数据与现场观测值具有较高的一致性，可以表征现场真实冰厚生消过程。
2）2003—2022年南湖封冻期平均持续119 d，其中，冰厚生长期、平衡期、融化期平均日数分别为64、34、21 d。南湖平均初冰日、平均盛冰日、平均融冰日和平均终冰日分别发生在11月20日、1月25日、2月28日和3月20日。南湖封冻期整体呈缩短趋势，平均缩短率为4.27 d/10 a；相比生长期与平衡期，融化期年际变化幅度较大，缩短率为3.67 d/10 a。南湖初冰日与融冰日整体呈现缓慢提前的趋势；盛冰日呈现逐渐提前的趋势，提前率为2.54 d/10 a；终冰日整体呈现逐渐提前的趋势，提前率为5.87 d/10 a。
3）2003—2022年南湖每年最大冰厚集中在2月出现，介于28.04~50.92 cm之间。近20年，南湖年均冰厚介于14~30 cm之间，整体呈下降趋势，其中2003—2011年为冰厚稳定期，2012—2017年为冰厚剧烈波动期，2020—2022年为冰厚恢复期。南湖冰厚在每年12月和1月快速增加，增厚速率分别为0.43 和0.55 cm/d；2月冰厚变化速率较小（0.15 cm/d），平均厚度为36.77 cm；3月快速融化，融化速率为0.74 cm/d。
4）SIMSTRAT模型对2015—2016年南湖完整生消过程的模拟进一步揭示出南湖冰厚生消受气温、降水、风速等气象因素综合影响。近20年来，南湖生长期、平衡期随累积气温的降低和降水量的增加而延长，平衡期还受到风速的影响，随风速增大而延长；消融期则主要随着降水量的增加而延长。南湖每年最大冰厚随着当年累积气温和平衡期降水量的增加减小，随着平衡期风速的增大而增加。
图1内蒙古南湖采样点分布
Fig.1Distribution of sampling sites of Lake Nanhu in Inner Mongolia
图2内蒙古南湖ERA5-Land气象数据与观测值的对比
Fig.2Comparison of meteorological data and observed values of ERA5-Land in Lake Nanhu in Inner Mongolia
图3原型测冰数据与SIMSTRAT模拟结果比较
Fig.3Comparison of prototype ice measurement data with SIMSTRAT simulation results
图4内蒙古南湖冻结与融化过程
Fig.4Freezing and melting process of Lake Nanhu in Inner Mongolia
图52015—2016年内蒙古南湖冰厚及气象要素
Fig.5Ice thickness and meteorological elements of Lake Nanhu in Inner Mongolia from 2015 to 2016
图62003—2022年内蒙古南湖湖冰物候变化趋势（图中年份表示各年内11月1日—翌年3月31日，例如2021表示2021年11月1日—2022年3月31日）； 图a、b中日期采用年积日法，例如1月20日为年内第20天）
Fig.6Trend of ice phenology in Lake Nanhu in Inner Mongolia from 2003 to 2022
图72003—2022年冰厚动态变化
Fig.7Dynamic change of ice thickness from 2003 to 2022
图82003—2022年初冰日与11月下半月平均气温的趋势分析
Fig.8Trend analysis of first ice day and average air temperature in the second half of November from 2003 to 2022
图92003—2022年内蒙古南湖气温、风速、降水量的动态变化
Fig.9Dynamic changes of air temperature, wind speed and precipitation in Lake Nanhu in Inner Mongolia from 2003 to 2022
图10冰厚特征与不同气候因子的关系
Fig.10Relationship between ice thickness characteristics and different climatic factors
表1SIMSTRAT模型的关键参数[24，28]
Ding FL, Mao ZY. Ice cover growth-decay process of pond in cold region. Journal of Hydraulic Engineering,2021,52(3):349-358.[丁法龙, 茅泽育. 寒区水塘冰盖生长和消融分析. 水利学报,2021,52(3):349-358.]
Zhao YX, Wen LJ, Wang MX et al. Application of the analytic model based on energy balance into the lake ice simulation of Qinghai Lake. Plateau Meteorology,2023,42(3):590-602. DOI:10.7522/j.issn.1000-0534.2022.00042.[赵仪欣, 文莉娟, 王梦晓等. 基于能量平衡的分析模型在青海湖湖冰模拟中的应用. 高原气象,2023,42(3):590-602.]
Huang WF, Li R, Li ZJ et al. Analysis on the variation of ice-on date of Lakes Ngoring and Gyaring from 1979-2021 and its influencing factors. Advances in Water Science,2023,34(1):102-114.[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. 水科学进展,2023,34(1):102-114.]
Tai XN, Wang NL, Wu YW et al. Lake ice phenology variations and influencing factors of Selin Co from 2000 to 2020. J Lake Sci,2022,34(1):334-348. DOI:10.18307/2022.0127.[邰雪楠, 王宁练, 吴玉伟等. 近20 a色林错湖冰物候变化特征及其影响因素. 湖泊科学,2022,34(1):334-348.]
Cao XW, Lu P, Leppäranta M et al. Solar radiation transfer for an ice-covered lake in the central Asian arid climate zone. Inland Waters,2021,11(1):89-103. DOI:10.1080/20442041.2020.1790274.
Li XD, Long D, Huang Q et al. Progress and prospects of remote sensing of lake ice thickness. National Remote Sensing Bulletin,2022,26(7):1289-1301. DOI:10.11834/jrs.20221683.[李兴东, 龙笛, 黄琦等. 湖冰厚度遥感反演进展与展望. 遥感学报,2022,26(7):1289-1301.]
Cao J, Yao XJ, Jin HA et al. Spatiotemporal variation of ice thickness of Lake Qinghai derived from field measurements and model simulation. J Lake Sci,2021,33(2):607-621. DOI:10.18307/2021.0225.[曹娟, 姚晓军, 靳惠安等. 基于实测与模拟的青海湖冰厚时空变化特征. 湖泊科学,2021,33(2):607-621.]
Wang Y, Zhao C, Gladstone R et al. Thermal structure of the Amery Ice Shelf from borehole observations and simulations. The Cryosphere,2022,16(4):1221-1245. DOI:10.5194/tc-16-1221-2022.
Qin JM, Chen P, Qin MQ. Ice layer-thickness sensor and its measuring method. Advances in Water Science,2008,(3):418-421. DOI:10.3321/j.issn:1001-6791.2008.03.019.[秦建敏, 程鹏, 秦明琪. 冰层厚度传感器及其检测方法. 水科学进展,2008,(3):418-421.]
Li ZJ, Yang Y, Peng XM et al. The analysis of the field observation data of fresh ice growing process in Hongqipao Reservoir of Heilongjiang. Journal of Xi'an University of Technology,2009,25(3):270-274.[李志军, 杨宇, 彭旭明等. 黑龙江红旗泡水库冰生长过程现场观测数据的剖析. 西安理工大学学报,2009,25(3):270-274.]
Shah A, Niksan O, Jain MC et al. Microwaves see thin ice: A review of ice and snow sensing using microwave techniques. IEEE Microwave Magazine,2023,24(10):24-39. DOI:10.1109/MMM.2023.3293617.
Khvorostovsky K, Hendricks S, Rinne E. Surface properties linked to retrieval uncertainty of satellite sea-ice thickness with upward-looking sonar measurements. Remote Sensing,2020,12(18):3094. DOI:10.3390/rs12183094.
Liu ZP, Fu H, Guo XL et al. Double frequency radar system for ice thickness and water depth measurement. Journal of Hydraulic Engineering,2017,48(11):1341-1347.[刘之平, 付辉, 郭新蕾等. 冰水情一体化双频雷达测量系统. 水利学报,2017,48(11):1341-1347.]
Liu B, Ji HL, Zhai YG et al. Ice thickness inversion and ice storage estimation of Yellow River based on satellite radar characteristic parameters. Journal of Glaciology and Geocryology,2022,44(5):1470-1481. DOI:10.7522/j.issn.1000-0240.2022.0009.[刘斌, 冀鸿兰, 翟涌光等. 基于星载雷达特征参数的黄河冰厚反演及冰储量估算. 冰川冻土,2022,44(5):1470-1481.]
Tuttle SE, Roof SR, Retelle MJ et al. Evaluation of satellite-derived estimates of lake ice cover timing on Linnévatnet, Kapp Linné, Svalbard using in-situ data. Remote Sensing,2022,14(6):1311. DOI:10.3390/rs14061311.
Qiu YB, Wang XX, Ruan YJ et al. Passive microwave remote sensing of lake freeze-thawing over Qinghai-Tibet Plateau. J Lake Sci,2018,30(5):1438-1449. DOI:10.18307/2018.0525.[邱玉宝, 王星星, 阮永俭等. 基于星载被动微波遥感的青藏高原湖冰物候监测方法. 湖泊科学,2018,30(5):1438-1449.]
Beckers JF, Alec Casey J, Haas C. Retrievals of lake ice thickness from great slave lake and great bear lake using CryoSat-2. IEEE Transactions on Geoscience and Remote Sensing,2017,55(7):3708-3720. DOI:10.1109/TGRS.2017.2677583.
Su DS, Hu XQ, Wen LJ et al. Combining long-term remote sensing monitoring and machine learning algorithms to predict spatiotemporal changes in algal proliferation risk. Plateau Meteorology,2018,37(2):394-405. DOI:10.7522/j.issn.1000-0534.2017.00069.[苏东生, 胡秀清, 文莉娟等. 青海湖热力状况对气候变化响应的数值研究. 高原气象,2018,37(2):394-405.]
Qiu B, Huang AN, Shi XL et al. Implementation and evaluation of an improved lake scheme in Beijing climate center atmosphere-vegetation interaction model. Journal of Geophysical Research: Atmospheres,2020,125(9):e2019JD031272. DOI:10.1029/2019JD031272.
Song XY, Wen LJ, Li MS et al. Comparative study on applicability of different lake models to typical lakes in Qinghai-Tibetan Plateau. Plateau Meteorology,2020,39(2):213-225. DOI:10.7522/j.issn.1000-0534.2019.00102.[宋兴宇, 文莉娟, 李茂善等. 不同湖泊模式对青藏高原典型湖泊适用性对比研究. 高原气象,2020,39(2):213-225.]
Wu YH, Guo LN, Fan LX et al. Lake ice phenology of the Nam Co at Tibetan Plateau: Remote sensing and modelling. National Remote Sensing Bulletin,2022,26(1):193-200. DOI:10.11834/jrs.20221288.[吴艳红, 郭立男, 范兰馨等. 青藏高原纳木错湖冰物候变化遥感监测与模拟. 遥感学报,2022,26(1):193-200.]
Huo PZ, Lu P, Xie F et al. Numerical simulation of the complete process of lake ice formation and melting in Lake Ulansu. Advances in Water Science,2024,35(1):145-155.[霍璞真, 卢鹏, 解飞等. 乌梁素海湖冰完整生消过程的数值模拟. 水科学进展,2024,35(1):145-155.]
Gaudard A, Schwefel R, Vinnå LR et al. Optimizing the parameterization of deep mixing and internal seiches in one-dimensional hydrodynamic models: A case study with Simstrat v1.3. Geoscientific Model Development,2017,10(9):3411-3423. DOI:10.5194/gmd-10-3411-2017.
Gaudard A, Råman Vinnå L, Bärenbold F et al. Toward an open access to high-frequency lake modeling and statistics data for scientists and practitioners-the case of Swiss Lakes using Simstrat v2.1. Geoscientific Model Development,2019,12(9):3955-3974. DOI:10.5194/gmd-12-3955-2019.
Feldbauer J, Ladwig R, Mesman JP et al. Ensemble of models shows coherent response of a reservoir's stratification and ice cover to climate warming. Aquatic Sciences,2022,84(4):50. DOI:10.1007/s00027-022-00883-2.
Imrit MA, Filazzola A, Woolway RI et al. Global evaluation of process-based models with in situ observations to detect long-term change in lake ice. The Cryosphere Discuss,2022,2022:1-16. DOI:10.5194/tc-2022-31.
Ji HL, Shi HQ, Mu XY et al. Study on the pool ice growth-decay and numerical modeling. Journal of Hydraulic Engineering,2016,47(11):1352-1362.[冀鸿兰, 石慧强, 牟献友等. 水塘静水冰生消原型研究与数值模拟. 水利学报,2016,47(11):1352-1362.]
Pang ZH, Hu SB, Wang JY. A roadmap to geothermal energy development in China. Science & Technology Review,2012,30(32):18-24. DOI:10.3981/j.issn.1000-7857.2012.32.002.[庞忠和, 胡圣标, 汪集旸. 中国地热能发展路线图. 科技导报,2012,30(32):18-24.]
Qin QY, Li XM, Zhang B et al. Change of ice phenology in the Sayram Lake from 2000 to 2019. Arid Land Geography,2022,45(1):37-45. DOI:10.12118/j.issn.1000-6060.2021.029.[秦启勇, 李雪梅, 张博等.2000—2019年赛里木湖湖冰物候特征变化. 干旱区地理,2022,45(1):37-45.]
杨宇. 冰雪热力过程中物理参数辨识及高分辨率计算.[学位论文]. 大连: 大连理工大学,2012.
Qu B, Kang SJ, Chen F et al. Lake ice and its effect factors in the Nam Co Basin, Tibetan Plateau. Climate Change Research,2012,8(5):18-24. DOI:10.3969/j.issn.1673-1719.2012.05.003.[曲斌, 康世昌, 陈锋等.2006—2011年西藏纳木错湖冰状况及其影响因素分析. 气候变化研究进展,2012,8(5):18-24.]
Xie F, Zhang YW, Lu P et al. Characteristics and influencing factors of lake ice growth and decay in a shallow lake from a cold region. J Lake Sci,2021,33(5):1552-1563. DOI:10.18307/2021.0523.[解飞, 张议文, 卢鹏等. 寒区浅水湖冰生消特征及其影响因素. 湖泊科学,2021,33(5):1552-1563.]
李兆全. 盘锦地区太阳辐射对冰-岸连接影响的研究[学位论文]. 大连: 大连理工大学,2022.
Wu QH, Li CY, Sun B et al. Change of ice phenology in the Hulun Lake from 1986 to 2017. Progress in Geography,38(12):1933-1943. DOI:10.18306/dlkxjz.2019.12.009.[吴其慧, 李畅游, 孙标等.1986—2017年呼伦湖湖冰物候特征变化. 地理科学进展,2019,38(12):1933-1943.]
Ke CQ, Cai Yu, Xiao Y. Monitoring ice phenology variations in Khanka Lake based on passive remote sensing data from 1979 to 2019. National Remote Sensing Bulletin,2022,26(1):201-210. DOI:10.11834/jrs.20221267.[柯长青, 蔡宇, 肖瑶.1979—2019年兴凯湖湖冰物候变化的被动微波遥感监测. 遥感学报,2022,26(1):201-210.]
Zhao MJ, Wang NL, Shi CL et al. Temporal and spatial variations of lake ice phenology in large lakes of Central Asia from 2000 to 2020. Arid Land Geography,2024,47(4):561-575.[赵明杰, 王宁练, 石晨烈等.2000—2020年中亚大型湖泊湖冰物候时空变化. 干旱区地理,2024,47(4):561-575.]
Wang GX, Zhang YJ, Li XD et al. Detecting changes of ice phenology using satellite passive microwave remote sensing data in Qinghai Lake. Journal of Glaciology and Geocryology,2021,43(1):296-310. DOI:10.7522/j.issn.1000-0240.2020.0528.[汪关信, 张廷军, 李晓东等. 利用被动微波探测青海湖湖冰物候变化特征. 冰川冻土,2021,43(1):296-310.]
Lei DY, Wang X, Wei JF et al. Variation characteristics and influencing factors of water temperature in lake-ice contact glacial lakes. Journal of Glaciology and Geocryology,2023,45(4):1266-1275. DOI:10.7522/j.issn.1000-0240.2023.0097.[雷东钰, 王欣, 魏俊锋等. 湖-冰接触型冰湖水温变化特征及影响因素. 冰川冻土,2023,45(4):1266-1275.]
Liu QM, Sha ZJ, Wang QG et al. Characteristics and influencing factors of phenological changes of Qinghai Lake ice based on MODIS remote sensing images from 2001 to 2018. Journal of Earth Environment,2020,11(4):390-400. DOI:10.7515/JEE192036.[刘秋漫, 沙占江, 王求贵等.2001—2018年基于MODIS遥感影像的青海湖湖冰物候变化特征分析及其影响因素. 地球环境学报,2020,11(4):390-400.]
李维邦. 基于遥感的湖冰表面形态特征提取及其影响因素[学位论文]. 长春: 吉林建筑大学,2022.
Wang ZY, Wu YH, Chang J et al. Temporal and spatial variation of lake ice phenology and its influencing factors in the Tibetan Plateau. Journal of Beijing University of Technology,2017,43(5):701-709. DOI:10.11936/bjutxb2016110002.[王智颖, 吴艳红, 常军等. 青藏高原湖冰物候的时空变化及其影响因素. 北京工业大学学报,2017,43(5):701-709.]