![]()
水温和湖冰是研究湖泊生态、地球化学和物理功能的关键特征。然而，大多数湖泊缺乏具体的温度和冰盖观察数据，这些信息对于理解湖泊在生物圈和水圈中的全球作用至关重要。本文介绍LakeTEMP数据集，该数据集涵盖了HydroLAKES数据库中全球约140万面积超过0.1平方公里的湖泊，并包含两个子集：(1) 一个观测数据集，包含2013年至2021年通过Landsat 8热辐射观测在湖泊中心点提取的湖泊表面水温（LSWT）；(2) 一个包含月度和年度LSWT总结统计数据和平均年度湖冰持续时间预测的数据集，这些数据是通过季节性趋势线从观测数据集插值得到的。![]()
图1 LakeTEMP 数据集及其两个子集的概述。主要数据集包含 2013 年至 2021 年期间每周到每月的离散 LSWT 数据。聚合数据集包括年平均和月平均、最小和最大 LSWT（± 95% 置信区间）和湖冰物候预测
湖泊表面水温（LSWT）数据通过Landsat 8热波段10观测获得，在每个湖泊中心点周围设置一个50米缓冲区，避免小湖泊观测中包含陆地表面。从GEE下载Landsat 8 TIR影像 ，去除被云、云影或卷云覆盖的像素，然后与2.5 度和 6 小时分辨率的水汽栅格数据集并进行插值，通过SW算法（1）计算并校正水汽后的湖泊表面水温（LSWT）。每个湖泊中心点周围50米缓冲区内的像素被用来计算加权平均的湖泊表面水温（LSWT），权重由像素覆盖的缓冲区部分决定。观测数据基于影像重叠、湖泊间歇性和统计异常值三个标准进行标记或移除，进行数据过滤和质量控制。LSWT观测结果与来自五大洲48个湖泊的原位LSWT观测结果进行验证（图 2a）。![]()
![]()
图2 用于 a) 使用原位数据验证 LSWT 观测结果，b) 将月平均 LSWT 与欧洲航天局气候变化倡议数据进行比较的湖泊位置，c）利用原位和被动微波辐射计冰物候观测验证冰物候估计
年度和月度 LSWT 是根据主要数据中每个 LSWT 时间序列拟合的季节性趋势线计算的，分别取 365 或 28 至 31 个每日趋势线值的平均值、最大值和最小值（图 1）。由于数据缺口集中在多云季节，趋势线方法能减少偏差。使用广义相加模型（GAM）生成趋势线，排除异常值和干燥表面观测值。如果时间序列中过滤后的观测数少于12，则直接计算年度统计值。为修正数据稀少时期的极端观测值，趋势线绘制两次，并使用Z = ±2的阈值标记极端值。负LSWT观测值保留用于趋势线绘制，趋势线值低于0°C的部分设为0°C。表1详细描述了方法和间歇性类别及其对数据质量的影响。通过比较月均LSWT与现场数据和CCI数据，测试了趋势线预测平均LSWT的适用性。（图 2b）。表1 聚合数据集的质量级别标志方案，标志定义基于基础数据集，每个标志相关的湖泊类型的解释，对数据的影响，以及受影响的湖泊的百分比（在1,427,688个湖泊中）![]()
通过LSWT趋势线等于0°C的天数来估算湖泊冰覆盖的平均年持续时间，近似确定冰的出现和融化日期。如果观测不足，将不计算冰现象数据。当每年出现多个结冰期间时，只记录第一天的结冰和最后一天的解冻日期。将平均年冰覆盖持续时间的估算与现场冰现象记录以及PMR图像导出的湖泊记录进行了比较。现场数据库包括了北美和欧亚大陆409个湖泊和河流的冰冻和破冰日期。由于横向图像重叠的增加，观测数量随纬度增加而增加，较小规模的变化是由云量和间歇性程度驱动的。![]()
图3 在主要数据集中每个湖泊中心进行的地表水温观测的数量。类指示根据每个湖泊时间序列的观测数量，如何将根据主要数据计算出的聚合数据视为可靠、可接受、不确定或不足。这些数字不包括被云层遮蔽、从干燥表面获取的观测值和异常值，并且包括来自重叠图像（间隔 > 1 小时）的观测值和 <0 °C 的观测值。
1.1 使用现场数据进行验证
在完整的LSWT验证数据集中，R2为0.93，RMSE为1.71°C，MOD为0.42°C。其中正 MOD 值表明 Landsat 8 总体上略有低估 LSWT。LSWT差异分布绘制的趋势线表明，这种偏差随着温度的升高而减小（图 4）。验证数据集中 7% 的 Landsat 8 与现场观测对彼此相差 >3 °C，并且在大多数情况下 (88%) Landsat 8 观测结果比现场数据温度更低。这些在原位位置较冷的观测结果通常是从受云层影响的图像中获得的（图 5）。
![]()
图4 Landsat
8 和现场测量之间 LSWT 的差异 ( n = 2074)。Landsat 8 LSWT 是在现场浮标位置获取的。具有 95% 测量预测区间（阴影区域）的趋势线（实线）是使用广义加法模型 (GAM) 生成的，显示了为原位验证获取的 Landsat 观测范围（0–32.7 °C）的中心偏差）。虚线强调零差异以供参考。![]()
图5 Landsat 8 拍摄的苏必利尔湖（加拿大/美国）表面温度图像（2014-07-21
04:33，LC08_023027）。透明区域是因云层而被遮挡的像素。插图显示了“云层边缘”问题的两个例子：在被遮挡区域的边缘，温度低于周围的表面温度。这可能表明传感器异常，也可能表明云层阴影经过时表层水面快速冷却。全球平均水温为6.3°C（假设冰覆盖时为0°C），在仅考虑开放水域期间时为12.4°C。全球90%的湖泊的平均温度低于10.0°C（假设冰下温度为0°C），在仅考虑开放水域期间时为15.5°C。高纬度地区的湖泊浓度较高，导致全球平均水温更具代表性的结果为15.9°C。全球月平均水温从12月到2月的1.3°C到7月的17.6°C不等。年均LSWT的置信区间（95%）通常在±1.2°C之内，月均置信区间从7月的±1.6°C到1月的±2.9°C不等。LSWT的年度范围对于位于中纬度地区的湖泊最高，范围高达46°C。其他极高但罕见的温度范围和平均温度通常记录在用于发电、采矿、盐提取和水产养殖的小而浅的人工湖泊中。图6 基于 2013 年至 2021 年儒略日平均值（左）和约 140 万个湖泊中心点的年平均 LSWT (a)、LSWT 的年范围 (b) 和年冰盖持续时间 (c)按 1 度纬度区间进行平均（右）。LSWT 观测值 <12 的湖泊未显示在面板 a、b 和 c 中，并且标记为潜在间歇性的湖泊（级别 1 至 4，表 1）未显示在面板 a 和 b 中。冰盖类别基于统计可能性：当预测的冰盖持续时间（包括下限和上限估计）>0 天时，假定“年度冰盖”；“零星（频繁）冰覆盖”是指预测冰覆盖 > 0 天，但较低估计为 0 天；“零星（不频繁）冰覆盖”，当预测冰覆盖为 0 天时，但较高的估计值 > 0 天；当预测的冰盖（包括下限和上限估计）为 0 天时，“无冰盖”。
表2 按月份和冰级分类的湖泊表面水温 (LSWT) 和冰盖的汇总统计![]()
结果显示，R2为 0.97，RMSE 为 1.23 °C，MOD 为 0.80 °C，R2为 0.99，RMSE 为 0.81 °C，MOD 为 0.42 °C，分别表明与 CCI 数据的一致性更好，并且整体上稍微偏向较冷的 Landsat 8 观测值。图7 根据每个湖泊的趋势线计算出的Landsat 8 的月平均湖泊表面水温 (LSWT)，与直接根据 a) 现场数据 ( n = 405) 和 b) 欧洲航天局气候变化数据计算得出的月平均 LSWT 进行比较倡议（n =
4095）。具有 95% 测量预测区间（阴影区域）的趋势线（实线）是使用广义加性模型 (GAM) 生成的，并显示 Landsat 月平均 LSWT 范围 (0–32.7 °C) 的中心偏差。虚线强调零差异以供参考。
在所有进行过 12 次或以上 LSWT 观测的湖泊中，7.9% 的湖泊在 2013 年至 2021 年间其中心点从未结冰（图 6）。6.0% 的湖泊偶尔结冰。86.1% 的湖泊每年结冰，平均冰盖持续213天。如果湖泊的平均冰盖持续时间少于48天，则该湖泊不太可能每年都结冰。总体而言，Landsat 8 高估了冰盖持续时间约三天，并且预测精度随着冰盖持续时间的延长而提高。 Landsat 8 的预测与从结冰第一天到解体最后一天确定的冰盖持续时间（R2 = 0.85，MOD = -3 天，RMSE = 23 天）比冰盖的预测更吻合从冻结的最后一天到破裂的第一天确定的持续时间（R2 = 0.84，MOD = -20.5 天，RMSE = 28 天）。图8 与 Landsat 8 观测预测的平均年冰覆盖持续时间（2013年至 2021 年，以每年天数为单位）和 a) 对北美和欧亚大陆 84 个湖泊进行现场观测的比较，以及b) 根据被动微波辐射计对北美和欧亚大陆 54 个湖泊的测量观察到的结果。虚线表示 1:1 关系，MOD 是天数差异的中位数（观测值减去 Landsat 8 预测），RMSE 是天数的均方根误差。误差线是基于 LSWT 趋势线周围 95% 测量预测范围的冰覆盖持续时间的上限和下限估计值。如果观察结果不属于这些估计值，则用十字标记点。LakeTEMP是首个全球范围的湖泊表层水温（LSWT）数据集，包含了超过140万个湖泊的观测数据，涵盖了所有面积≥0.1 km²的湖泊。除了整理这些数据外，还将它们标准化为每个湖泊的关键指标，包括2013年至2021年的温度历史，以及每个湖冰现象估计。LakeTEMP的结果显示，在全球约140万个湖泊中，平均LSWT为6.3°C，其中约8%的湖泊从不结冰，约6%间歇性结冰，约86%每年结冰。这些数字以前未公开，LakeTEMP的发布填补了这一空白。此外，研究还发现，人工湖泊，特别是用于发电、采矿、盐提取和水产养殖的人工湖泊，具有全球最高的LSWT，这引发了对湖泊生态的长期影响的担忧。以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。
https://doi.org/10.1016/j.rse.2024.114164点击左下方 “阅读原文” 可下载论文原文。
湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师4人（段洪涛，罗菊花，刘东，谭振宇），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！
联系人：段洪涛研究员，htduan@niglas.ac.cn。
