2000–2018年青海湖湖冰物候特徵數據集

2000–2018年青海湖湖冰物候特徵數據集
作者：祁苗苗　姚曉軍　李曉鋒　高永鵬
2018年11月27日

本作品收錄於《中國科學數據》

祁苗苗, 姚曉軍, 李曉鋒, 高永鵬. 2000–2018年青海湖湖冰物候特徵數據集[J/OL]. 中國科學數據, 2018. (2018-11-23). DOI: 10.11922/csdata.2018.0045.zh.

摘要&關鍵詞

摘要：湖冰物候是氣候變化的靈敏指示器。青海湖是我國境內最大的鹹水湖，其湖冰物候特徵及變化備受關注。本文基於較高時空分辨率的Terra MODIS和Landsat TM/ETM+/OLI遙感影像，綜合應用RS和GIS技術構建2000–2018年青海湖湖冰物候特徵數據集。本數據集基於MODIS數據選用閾值法區分湖冰和湖水，通過設定紅光波段、紅光和近紅外兩波段反射率之差的閾值提取湖冰面積，並將基於Landsat TM/ETM+/OLI遙感影像人工目視解譯的湖冰面積作為真值來驗證基於MODIS數據提取的湖冰面積，兩者誤差僅為0.8％，表明基於MODIS數據提取的湖冰面積具有較好的精度。本數據集包含2000–2018年青海湖湖冰範圍矢量數據、湖冰面積比例和湖冰物候特徵信息（如開始凍結、完全凍結、開始消融、完全消融、封凍期等）及近19 a的青海湖水域矢量信息，可為理解青海湖湖冰時空變化規律及對氣候變化的響應提供數據支撐。

關鍵詞：青海湖；MODIS；湖冰物候；閾值法

Abstract & Keywords

Abstract: Lake ice phenology is considered a sensitive indicator of regional climate change. Qinghai Lake is the largest saltwater lake in China. Its lake ice phenological characters and changes have attracted much attention. Based on remote sensing datasets including the MOD09GQ surface reflectance product and Landsat TM/ETM+/OLI images, a dataset of lake ice phenology in Qinghai Lake from 2000 to 2018 was built by using RS and GIS technologies. Due to spectral differences between lake ice and lake water, the method of threshold segmentation was adopted to extract the ice area of Qinghai Lake based on MOD09GQ product, which was achieved by setting a reflectance threshold for red band and a reflectance difference threshold between red and near-infrared bands. The extracted ice area was then validated against the visually interpreted ice area based on Landsat TM/ETM+/OLI images, which showed a relative error of 0.8％ only. This dataset includes ice-water vector boundary data, area ratio, and phenological characters in Qinghai Lake from 2000 to 2018. Specifically, phenological information records the start and end dates of lake freeze-up and break-up, freeze-up periods, etc. This dataset provides an important reference for exploring the spatio-temporal characteristics of lake ice in Qinghai Lake, as well as for formulating responses of lake ice-based climate changes in the region.

Keywords: Qinghai Lake; MODIS; lake ice phenology; threshold method

數據庫（集）基本信息簡介

數據庫（集）名稱	2000–2018年青海湖湖冰物候特徵數據集
數據通信作者	姚曉軍（xj_yao@nwnu.edu.cn）
數據作者	祁苗苗、姚曉軍、李曉鋒、高永鵬
數據時間範圍	2000–2018年
地理區域	地理範圍包括北緯36.53°–37.25°，東經99.60°–100.78°
空間分辨率	250 m
數據量	42.36 MB
數據格式	.shp, .xlsx（壓縮為 .ZIP 格式）
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/634
基金項目	中國科學院冰凍圈科學國家重點實驗室開放基金項目（SKLCS-OP-2016-10）、國家自然科學基金（41561016）、西北師範大學青年教師科研能力提升計劃項目（NWNU-LKQN-14-4）、科技部科技基礎性工作專項（2013FY111400）。
數據庫（集）組成	數據集由青海湖湖冰範圍矢量數據、湖冰面積比例、湖冰物候特徵信息、水域矢量信息4部分數據的壓縮包組成，數據量分別為40.85 MB、66.79 KB、8.75 KB、1.43 MB。

Dataset Profile

Title	A dataset of lake ice phenology in Qinghai Lake from 2000 to 2018
Data corresponding author	Yao Xiaojun (xj_yao@nwnu.edu.cn)
Data authors	Qi Miaomiao, Yao Xiaojun, Li Xiaofeng, Gao Yongpeng
Time range	2000–2018
Geographical scope	36.53°–37.25° N, 99.60°–100.78° E
Spatial resolution	250 m
Data volume	42.36 MB
Data format	*.shp, *.xlsx
Data service system	http://www.sciencedb.cn/dataSet/handle/634
Sources of funding	Open Foundation of the State Key Laboratory of Cryosphere Sciences, CAS (SKLCS-OP-2016-10); National Natural Science Foundation of China (No. 41561016); Research Capability Promoting Project for Young Scholars of Northwest Normal University (No. NWNU-LKQN-14-4); National Basic Work Program of MST (No. 2013FY111400).
Dataset composition	This dataset includes four parts of data: ice-water vector boundary data, lake ice area ratio, and lake ice phenological characters in Qinghai Lake from 2000 to 2018, which are stored in the following four files: 1. Lake ice vector boundary data of Qinghai Lake from 2000 to 2018. ZIP, with a data volume of 40.85 MB; 2. Lake ice area ratio of Qinghai Lake from 2000 to 2018. ZIP, with a data volume of 66.79 KB; 3. Lake ice phenological characters in Qinghai Lake from 2000 to 2018. ZIP, with a data volume of 8.75 KB; 4. Water vector boundary data of Qinghai Lake from 2000 to 2018. ZIP, with a data volume of 1.43 MB.

引 言

全球氣候變化正深刻影響着人類的生存和發展，是當今國際社會共同面臨的重大挑戰之一^[1]。湖泊表面溫度對氣候變化異常敏感，在全球變暖背景下，湖冰持續時間與湖面溫度呈明顯的負相關^[2][3]。湖冰物候特徵客觀記錄了局地氣候變化狀況，其凍結和消融時間被視作區域氣候變化的靈敏指示器^[4][5][6]。湖冰作為冰凍圈的重要組成部分，其年內變化不僅影響區域熱量和能量收支平衡，而且具有重要的生態價值和經濟價值^[7][8][9][5]。湖冰物候特徵研究包括湖冰的時間參數和屬性參數提取，其中湖冰時間參數包括開始凍結日期、完全凍結日期、開始消融日期、完全消融日期、封凍期及完全封凍期等；屬性參數包括冰厚、冰體類型、凍結速率和不同時期絕對凍結面積等^[10]。湖冰物候特徵及湖泊冰情演變是區域氣候變化和湖泊自身條件共同作用的結果，其中氣溫、湖泊面積、湖深、湖水礦化度和湖泊形態是影響湖冰物候特徵的主要因素^{[11][12][13][14][15]}，而湖泊熱儲量、地質構造等因素對湖冰演化的作用亦不可忽視^[16]。青海湖位於東亞季風、印度季風和西風帶的交匯處，對氣候變化十分敏感^[17]，其湖冰物候特徵及變化一直受到學者們的關注^[18][19][20]。目前，國內外對湖冰的研究採用數據源主要包括MODIS、AVHRR等多光譜數據，以及SAR、ASAR等主動微波數據和AMSR-E、SMMR和SSM/R數據，並分別利用水和冰的反射率、後向散射係數和亮度溫度差異來區分湖冰和湖水^[10]，如單波段閾值法^[20]、指數法^[21][22]和經驗公式法^[23]等。本文基於較高時空分辨率的Terra MODIS和Landsat TM/ETM+/OLI遙感影像，綜合應用RS和GIS技術建立2000–2018年青海湖湖冰物候特徵數據集，從而為青海湖冬季旅遊、湖泊通航和湖冰厚度反演提供參考，同時本數據集對於認識青藏高原氣候變化及補充高原地區湖冰研究資料也具有重要意義。

1 數據採集和處理方法

1.1 數據源

本數據集主要基於MODIS MOD09GQ數據產品和Landsat TM/ETM+/OLI遙感影像產生。其中，從NASA網站（https://ladsweb.modaps.eosdis.nans.gov）收集整理了2000–2018年逐日MODIS MOD09GQ數據產品（行列號為h25v05和h26v05，空間分辨率為250 m），共計約13140景，數據量達1 028 GB。從USGS網站（http://glovis.usgs.gov）挑选38景空间分辨率为30 m的Landsat TM/ETM+/OLI遙感影像（軌道號為133034和133035）。為獲取湖面高程本文所用的數字高程模型（DEM）數據為ASTER GDEM V2產品，從中國科學院計算機網絡信息中心地理空間數據云平台（http://www.gscloud.cn）下载获得。该数据由日本METI和美国NASA联合研制，并于2015年1月6日以1°×1°的图幅大小免费向公众分发，空间分辨率为1弧秒（30 m）。研究區範圍如圖1所示。

1.2 數據處理

1.2.1 基於閾值法識別青海湖湖冰範圍

為準確識別湖冰範圍，本文選用閾值法，通過設定紅光波段、紅光和近紅外兩波段反射率之差的閾值提取湖冰範圍，計算方法如下^[20]：

圖片 （1）

式中：Band 1和Band 2分別表示MODIS MOD09GQ數據的第1（紅光）、2（近紅外）波段；a和b為閾值，滿足上述條件的範圍即為湖冰範圍。為確定提取湖冰邊界的閾值，參考已有學者對湖泊冰情信息提取的方法和閾值^[24][25][10]，在「ENVI—band math」中利用閾值法，將a和b賦值進行波段計算，直到閾值法計算的結果與人工目視解譯的湖冰矢量範圍達到最佳的重合效果，此時a和b就是確定青海湖湖冰邊界的最佳閾值。本文基於Landsat遙感影像人工目視解譯湖冰面積以此作為湖冰面積真值，經過人機交互反覆檢驗，並與同時段的MODIS影像自動識別湖冰面積結果做比對，最終選用閾值a為0.028，b為0.05。

圖片

圖1 研究區範圍

1.2.2 基於Landsat遙感影像提取青海湖邊界信息

青海湖水域面積主要包括主湖區及相連的海晏灣面積，本文基於Landsat TM/ETM+/OLI遙感影像，通過人工目視解譯方法獲得2000–2018年青海湖水域矢量數據。相關研究表明^[11]，在湖泊凍結後湖泊面積的變化量基本可以忽略不計，因此可利用人工目視解譯得到的19期湖泊矢量數據分別計算各期青海湖逐日的凍結面積百分比。

1.2.3 基於MODIS數據提取青海湖湖冰物候

為確定青海湖開始凍結、完全凍結、開始消融和完全消融的4個時間節點，本文將湖泊開始凍結日期定義為下半年湖冰比例（即湖冰面積與湖泊面積的比值）為10％的日期；湖泊完全凍結日期定義為下半年湖冰比例為90％的日期；湖泊開始消融和完全消融日期則分別定義為上半年湖冰比例為90％和10％的日期，計算方法如下^[26]：

圖片 （2）

式中：FUS（Freeze-up start）、FUE（Freeze-up end）、BUS（Break-up start）和BUE（Break-up end）分別為湖泊開始凍結、完全凍結、開始消融和完全消融；LA（Lake area）和IA（Ice area）分別為湖泊面積和湖冰面積。在一個研究周期內，湖冰存在期（Exist Duration，ED）指湖泊開始凍結至完全消融之間的時間段；湖冰消融期（Break Duration，BD）指湖泊開始消融至完全消融之間的時間段。不同學者對湖泊封凍期（Freeze Duration，FD）的定義不盡相同^[26][20]，為便於和國內外已有研究成果相比較，本文選擇將湖泊封凍期（Freeze Duration，FD）定義為湖泊完全凍結至完全消融的時間間隔，湖泊完全封凍期（Completely Freezing Duration，CFD）定義為湖泊完全凍結至開始消融的時間間隔來分析青海湖冰情狀況。

由於預處理的MODIS遙感影像數據量大，本文利用Python語言編寫的腳本程序對MODIS 1B數據進行幾何糾正，統一選用WGS84地理坐標系和UTM投影，同時輸入多景影像計算湖冰面積比例，再通過目視解譯逐一選擇晴朗無雲的影像進行統計分析。圖2顯示了主要的處理步驟。

圖片

圖2 數據處理流程示意圖

1.2.4 基於MODIS數據提取青海湖湖冰範圍矢量數據

本文基於MOD09GQ和Landsat TM/ETM+/OLI遙感影像，利用Python語言編寫的腳本程序對MOD09GQ數據進行批量拼接、提取波段和波段計算等處理得到2000–2018年的青海湖湖冰二值圖，再將湖冰二值圖柵格數據轉換為湖冰範圍矢量數據，最後基於湖冰範圍矢量數據和青海湖邊界數據計算湖冰面積比例（湖冰面積/湖泊面積），從而獲得青海湖湖冰物候特徵及其變化信息。

2 數據樣本描述

2.1 湖冰範圍矢量數據

數據以shp格式存儲，有18個文件夾，分別按照年份命名，如2000_2001，表示2000–2001年青海湖一個完整的冰期。青海湖通常於每年12月中旬開始凍結，翌年1月上旬完全凍結，3月下旬開始消融，至4月上旬完全消融。為保證數據的準確性和完整性，將當年12月1日（年內第334天）起至次年4月30日（年內第120天）之間的時間段，作為一個完整的冰期來製作青海湖湖冰範圍矢量數據。

2.2 湖冰面積比例

數據以Excel文件存儲，共有18個Excel表單，每個表單以凍融期年份命名。以2000–2001年表格為例，數據共包含2列，其中A列表示日期，B列表示湖冰面積比例。數據可用來統計分析青海湖凍結和消融過程的持續日數，從而提升對青海湖凍融過程的理解。本文挑選青海湖的4個凍融期作為樣例（圖 3），就青海湖凍結過程和消融過程而言，前者持續時間（18–31 d）整體上大於後者（7–20 d），二者相差約10 d。湖冰面積比例在個別年份出現異常值，分析該異常值的出現可能與溫度驟降、風速變大導致已經融化的部分湖冰重新封凍有關^[27]。

圖片

圖3 不同年份青海湖凍結與消融過程

2.3 湖冰物候特徵信息

數據以Excel文件存儲，共有一個Excel表單，詳細信息說明如表1所示。數據共9列，其中A列代表青海湖冰期的年份，因青海湖一般在每年秋冬季開始凍結和完全凍結，至翌年春夏季開始消融到完全消融，因此用年/次年（如2000/2001）來表示一個完整的凍融期。B、C、D和E列分別為青海湖開始凍結（FUS）、完全凍結（FUE）、開始消融（BUS）和完全消融（BUE）的時間節點，日期均採用年內第多少天（day of year）（例如12月9日為年內第343天）來表示。F、G、H和I列表示湖冰的持續時間（day），分別為湖冰存在期（ED = BUE−FUS）、湖冰消融期（BD = BUE−BUS）、湖泊封凍期（FD = BUE−FUE）和湖泊完全封凍期（CFD = BUS−FUE）。

表1 2000–2018年青海湖湖冰物候特徵數據集

A	B	C	D	E	F	G	H	I
年份	開始凍結(FUS)	完全凍結(FUE)	開始消融(BUS)	完全消融(BUE)	湖冰存在期(ED)	消融期(BD)	封凍期(FD)	完全封凍期(CFD)
2000/2001	343	6*	85	92*	114	7	86	79
2001/2002	351	5	92*	98	112	6	93	87
2002/2003	355	4	85*	89*	99	4	85	81
2003/2004	359*	12	79*	88	94	9	76	67
2004/2005	362*	10	69*	87*	90	18	79	59
2005/2006	340	357	86*	100*	125	14	108	94
2006/2007	348	7	90*	96	113	6	89	83
2007/2008	353	4*	97*	102*	114	5	99	93
2008/2009	344	23*	78*	92	113	14	69	55
2009/2010	351	365	78	84*	98	6	84	78
2010/2011	347	361	91*	104	122	13	108	96
2011/2012	350	5*	95	103	118	8	98	90
2012/2013	342	361	88	92	115	4	97	92
2013/2014	350	8	65	83	98	18	75	57
2014/2015	346	3	62*	88*	107	26	85	59
2015/2016	359	12	71*	84*	90	13	72	59
2016/2017	362	24	35*	91	94	56	67	11
2017/2018	359	10	63*	93	99	30	83	53
平均	350	7	78	93	107	14	86	72
極差	22	32	62	21	32	52	41	85
每年變幅	0.26	0.32	−1.67	−0.22	−0.48	1.45	−0.55	−1.98

註：*表示有誤差的日期，誤差最大為3 d。

2.4 水域矢量數據

數據以shp格式存儲，有19個shpefile文件，文件名按照年份命名如2018.shp。屬性表中有8列，從左至右依次表示FID、Shape、湖泊名稱、湖泊質心X坐標、湖泊質心Y坐標、湖泊面積、湖泊周長和湖面高程。

3 數據質量控制和評估

3.1 人工目視解譯造成的誤差

在人工目視解譯過程中若不考慮混合像元的影響，則湖泊邊界每個像元有50％的湖泊面積被包含或者排除在外（即在不對混合像元進行分解時按像元對角線進行矢量化所產生的誤差），誤差可由下式計算^[28]：

圖片 （3）

式中：Ua 為湖泊矢量化誤差值；λ 為影像空間分辨率； ρ 為湖泊周長。計算表明從遙感影像提取的青海湖邊界相對誤差平均為±0.1％。

3.2 閾值法提取湖冰面積的適用性及準確性評估

圖4為2014年2月22日青海湖凍結狀況，基於Landsat ETM+影像人工目視解譯的湖冰面積為4 125.66 km2，基於MODIS MOD09GQ數據利用閾值法提取的湖冰面積為4 092.17 km2，兩者誤差僅為0.8％，表明Landsat ETM+遙感影像和MODIS數據所獲取的湖冰面積具有較好的一致性，閾值法可準確識別湖冰。

圖片

圖4 2014年2月22日青海湖結冰狀況

3.3 MODIS影像被雲覆蓋造成的誤差

基於MODIS MOD09GQ數據提取2000–2018年青海湖湖冰物候特徵數據時，受雲覆蓋影響，部分年份湖冰物候特徵數據無法精確到日尺度，統計顯示在最壞情況下研究期內最大誤差為3 d。

4 數據價值

本數據集基於空間分辨率為250 m、時間分辨率為1 d的MODIS MOD09GQ數據，利用閾值法提取了青海湖湖冰物候信息，並按照監測日期構建了長時間序列的湖冰物候特徵數據集，是首次基於較高時空分辨率建立的青海湖長時間序列湖冰物候特徵數據集。通過對湖冰物候不同時期數據的統計分析，可以得到青海湖在2000–2018年間的湖冰物候特徵變化趨勢，可進一步對青海湖屬性參數（如冰厚）展開反演，以及提升對青藏高原大面積湖泊凍融過程的理解，為青藏高原區域氣候變化規律的認知提供數據基礎。青海湖湖冰面積比例和湖冰矢量範圍數據可更深層次理解青海湖凍結–消融過程，為青海湖冬季旅遊和湖泊通航提供參考。此外本數據集提供的2000–2018年青海湖水域矢量數據反映了近19 a來的青海湖變化現狀，可作為湖泊研究相關領域的基礎數據。

5 數據使用方法和建議

本數據集解壓後可使用支持ESRI Shapefile文件格式的地理信息系統軟件（如ArcGIS、MapGIS、MapInfo等）或圖像處理軟件（如ERDAS、ENVI、PCI等）直接打開、顯示、編輯、查看、統計等，也可通過這些軟件平台將數據轉換成其他交換格式後使用。本數據集包含Shapefile和Excel文件格式，其中Shapefile數據參考橢球體均採用WGS-84，平面坐標統一採用UTM投影，可直接用於統計青海湖面積變化及變化速率等參數。數據集可直接使用亦可擴展，利用近期或2000年以前的遙感數據產品延長數據時序，可為模擬青海湖未來冰情提供數據支撐，也為青藏高原地區對全球氣候變化響應模型提供數據基礎。

致 謝

感謝NASA DACC 數據中心提供的MODIS MOD09GQ產品數據和美國地質調查局（USGS）提供的Landsat TM/ETM+/OLI影像數據。

參考文獻

1. VAUGHAN D G, COMISO J C, ALLISON I, et al. Observations: Cryosphere//Stocker T F, Qin D, Plattner G K et al. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2013.
2. WAN, LI H, XIE H, et al. A comprehensive data set of lake surface water temperature over the Tibetan Plateau derived from MODIS LST products 2001–2015[J]. Scientific Data, 2017, 4: 170095.
3. ZHANG G, YAO T, XIE H, et al. Estimating surface temperature changes of lakes in the Tibetan Plateau using MODIS LST data[J]. Journal of Geophysical Research: Atmospheres, 2015, 119(14): 8552-8567.
4. BENSON B J, MAGNUSON J J, JENSEN O P, et al. Extreme events, trends, and variability in Northern Hemisphere lake-ice phenology (1855-2005)[J]. Climatic Change, 2012, 112(2): 299-323.
5. ^ ^{5.0 5.1} 秦大河. 中國氣候與環境演變: 2012 綜合卷[M]. 北京: 氣象出版社, 2012.
6. MARSZELEWSKI W, SKOWRON R. Ice cover as an indicator of winter air temperature changes: Case study of the Polish Lowland lakes[J]. Hydrological Sciences Journal, 2006, 51(2): 336-349.
7. 辛羽飛, 卞林根. 全球冰凍圈變化預測研究現狀[J]. 極地研究, 2008, 20(3): 671-682.
8. WEYHENMEYER G A, MEILI M, LIVINGSTONE D M. Nonlinear temperature response of lake ice breakup[J]. Geophysical Research Letters, 2004, 31(31): 157-175.
9. DUGUAY C R, PROWSE T D, BONSAL B R, et al. Recent trends in Canadian lake ice cover[J]. Hydrology Process, 2006, 20(4): 781-801.
10. ^ ^{10.0 10.1 10.2} 魏秋方, 葉慶華. 湖冰遙感監測方法綜述[J]. 地理科學進展, 2010, 29(7): 803-810.
11. ^ ^{11.0 11.1} KROPÁČEK J, MAUSSION F, CHEN F, et al. Analysis of ice phenology of lakes on the Tibetan Plateau from MODIS data[J]. Cryosphere, 2013, 7(1): 287-301.
12. BARRIE R B, TERRY D P, CLAUDE R D, et al. Impacts of large-scale teleconnections on freshwater-ice break/freeze-up dates over Canada[J]. Journal of Hydrology, 2006, 330: 340-353.
13. GHANBARI R N, BRAVO H R, MAGNUSON J J, et al. Coherence between lake ice cover, local climate and teleconnections[J]. Journal of Hydrology, 2009, 374(3/4): 282-293.
14. TODD M C. Large-scale climate controls on Lake Baikal ice cover[J]. Journal of Climate, 2003, 16(19): 3186-3199.
15. MÉNARD P, DUGUAY C R, FLATO G M, et al. Simulation of ice phenology on Great Slave Lake, Northwest Territories, Canada. Hydrology Process, 2002, 16: 3691-3706.
16. 姚曉軍, 李龍, 趙軍, 等. 近10年來可可西里地區主要湖泊冰情時空變化[J]. 地理學報, 2015, 70(7): 1114-1124.
17. 中國科學院蘭州地質研究所. 青海湖綜合考察報告[M]. 北京: 科學出版社, 1979.
18. CAI Y, KE C Q, DUAN Z. Monitoring ice variations in Qinghai Lake from 1979 to 2016 using passive microwave remote sensing data[J]. Science of the Total Environment, 2017, 607: 120-131.
19. 車濤, 李新, 晉銳. 利用被動微波遙感低頻亮溫數據監測青海湖封凍與解凍期[J]. 科學通報, 2009, 54(6): 787-791.
20. ^ ^{20.0 20.1 20.2 20.3} 殷青軍, 楊英蓮. 基於EOS/MODIS數據的青海湖遙感監測[J]. 湖泊科學,2005, 17(4): 356-360.
21. HAQ M A, JAIN K, MENON KPR. Development of New Thermal Ratio Index for Snow/Ice Identification[J]. International Journal of Soft Computing and Engineering, 2012, 1(6): 282-285.
22. HALL D K, RIGGS G A, SALOMONSON V V. Development of Methods for Mapping Global Snow Cover Using Moderate Resolution Imaging Spectroradiometer Data[J]. Remote Sensing of Environment, 1995, 54: 127-140.
23. 吳龍濤, 吳輝碇, 孫蘭濤, 等. MODIS渤海海冰遙感資料反演[J]. 中國海洋大學學報, 2006, 36(2): 173-179.
24. 曲斌, 康世昌, 陳鋒, 等. 2006-2011年西藏納木錯湖冰狀況及其影響因素分析. 氣候變化研究進展, 2012, 8(5): 327-333.
25. LATIFOVIC R, POULIOT D. Analysis of climate change impacts on lake ice phenology in Canada using the historical satellite data record. Remote Sensing of Environment, 2007, 106(4): 492-507.
26. ^ ^{26.0 26.1} 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.
27. 祁苗苗, 姚曉軍, 李曉鋒, 等. 2000–2016年青海湖湖冰物候特徵變化[J]. 地理學報, 2018, 73(5): 932-944.
28. 廖淑芬, 王欣, 謝自楚, 等. 近40年來中國喜馬拉雅山不同流域冰湖演化特徵[J]. 自然資源學報, 2015, 30(2): 293-303.

數據引用格式

祁苗苗, 姚曉軍, 李曉鋒, 高永鵬. 2000–2018年青海湖湖冰物候特徵數據集[DB/OL]. Science Data Bank, 2018. (2018-07-22). DOI: 10.11922/sciencedb.634.