2000–2018年青海湖湖冰物候特征数据集
作者:祁苗苗 姚晓军 李晓锋 高永鹏
2018年11月27日
本作品收录于《中国科学数据
祁苗苗, 姚晓军, 李晓锋, 高永鹏. 2000–2018年青海湖湖冰物候特征数据集[J/OL]. 中国科学数据, 2018. (2018-11-23). DOI: 10.11922/csdata.2018.0045.zh.


    摘要&关键词

    摘要:湖冰物候是气候变化的灵敏指示器。青海湖是我国境内最大的咸水湖,其湖冰物候特征及变化备受关注。本文基于较高时空分辨率的Terra MODIS和Landsat TM/ETM+/OLI遥感影像,综合应用RS和GIS技术构建2000–2018年青海湖湖冰物候特征数据集。本数据集基于MODIS数据选用阈值法区分湖冰和湖水,通过设定红光波段、红光和近红外两波段反射率之差的阈值提取湖冰面积,并将基于Landsat TM/ETM+/OLI遥感影像人工目视解译的湖冰面积作为真值来验证基于MODIS数据提取的湖冰面积,两者误差仅为0.8%,表明基于MODIS数据提取的湖冰面积具有较好的精度。本数据集包含2000–2018年青海湖湖冰范围矢量数据、湖冰面积比例和湖冰物候特征信息(如开始冻结、完全冻结、开始消融、完全消融、封冻期等)及近19 a的青海湖水域矢量信息,可为理解青海湖湖冰时空变化规律及对气候变化的响应提供数据支撑。

    关键词:青海湖;MODIS;湖冰物候;阈值法

    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

    数据库(集)基本信息简介

    数据库(集)名称 2000–2018年青海湖湖冰物候特征数据集
    数据通信作者 姚晓军(xj_yao@nwnu.edu.cn)
    数据作者 祁苗苗、姚晓军、李晓锋、高永鹏
    数据时间范围 2000–2018年
    地理区域 地理范围包括北纬36.53°–37.25°,东经99.60°–100.78°
    空间分辨率 250 m
    数据量 42.36 MB
    数据格式 .shp, .xlsx(压缩为 .ZIP 格式)
    数据服务系统网址 http://www.sciencedb.cn/dataSet/handle/634
    基金项目 中国科学院冰冻圈科学国家重点实验室开放基金项目(SKLCS-OP-2016-10)、国家自然科学基金(41561016)、西北师范大学青年教师科研能力提升计划项目(NWNU-LKQN-14-4)、科技部科技基础性工作专项(2013FY111400)。
    数据库(集)组成 数据集由青海湖湖冰范围矢量数据、湖冰面积比例、湖冰物候特征信息、水域矢量信息4部分数据的压缩包组成,数据量分别为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

    全球气候变化正深刻影响着人类的生存和发展,是当今国际社会共同面临的重大挑战之一[1]。湖泊表面温度对气候变化异常敏感,在全球变暖背景下,湖冰持续时间与湖面温度呈明显的负相关[2][3]。湖冰物候特征客观记录了局地气候变化状况,其冻结和消融时间被视作区域气候变化的灵敏指示器[4][5][6]。湖冰作为冰冻圈的重要组成部分,其年内变化不仅影响区域热量和能量收支平衡,而且具有重要的生态价值和经济价值[7][8][9][5]。湖冰物候特征研究包括湖冰的时间参数和属性参数提取,其中湖冰时间参数包括开始冻结日期、完全冻结日期、开始消融日期、完全消融日期、封冻期及完全封冻期等;属性参数包括冰厚、冰体类型、冻结速率和不同时期绝对冻结面积等[10]。湖冰物候特征及湖泊冰情演变是区域气候变化和湖泊自身条件共同作用的结果,其中气温、湖泊面积、湖深、湖水矿化度和湖泊形态是影响湖冰物候特征的主要因素[11][12][13][14][15],而湖泊热储量、地质构造等因素对湖冰演化的作用亦不可忽视[16]。青海湖位于东亚季风、印度季风和西风带的交汇处,对气候变化十分敏感[17],其湖冰物候特征及变化一直受到学者们的关注[18][19][20]。目前,国内外对湖冰的研究采用数据源主要包括MODIS、AVHRR等多光谱数据,以及SAR、ASAR等主动微波数据和AMSR-E、SMMR和SSM/R数据,并分别利用水和冰的反射率、后向散射系数和亮度温度差异来区分湖冰和湖水[10],如单波段阈值法[20]、指数法[21][22]和经验公式法[23]等。本文基于较高时空分辨率的Terra MODIS和Landsat TM/ETM+/OLI遥感影像,综合应用RS和GIS技术建立2000–2018年青海湖湖冰物候特征数据集,从而为青海湖冬季旅游、湖泊通航和湖冰厚度反演提供参考,同时本数据集对于认识青藏高原气候变化及补充高原地区湖冰研究资料也具有重要意义。

    1 数据采集和处理方法

    1.1 数据源

    本数据集主要基于MODIS MOD09GQ数据产品和Landsat TM/ETM+/OLI遥感影像产生。其中,从NASA网站(https://ladsweb.modaps.eosdis.nans.gov)收集整理了2000–2018年逐日MODIS MOD09GQ数据产品(行列号为h25v05和h26v05,空间分辨率为250 m),共计约13140景,数据量达1 028 GB。从USGS网站(http://glovis.usgs.gov)挑选38景空间分辨率为30 m的Landsat TM/ETM+/OLI遥感影像(轨道号为133034和133035)。为获取湖面高程本文所用的数字高程模型(DEM)数据为ASTER GDEM V2产品,从中国科学院计算机网络信息中心地理空间数据云平台(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)。研究区范围如图1所示。

    1.2 数据处理

    1.2.1 基于阈值法识别青海湖湖冰范围

    为准确识别湖冰范围,本文选用阈值法,通过设定红光波段、红光和近红外两波段反射率之差的阈值提取湖冰范围,计算方法如下[20]

    (1)

    式中:Band 1和Band 2分别表示MODIS MOD09GQ数据的第1(红光)、2(近红外)波段;a和b为阈值,满足上述条件的范围即为湖冰范围。为确定提取湖冰边界的阈值,参考已有学者对湖泊冰情信息提取的方法和阈值[24][25][10],在“ENVI—band math”中利用阈值法,将a和b赋值进行波段计算,直到阈值法计算的结果与人工目视解译的湖冰矢量范围达到最佳的重合效果,此时a和b就是确定青海湖湖冰边界的最佳阈值。本文基于Landsat遥感影像人工目视解译湖冰面积以此作为湖冰面积真值,经过人机交互反复检验,并与同时段的MODIS影像自动识别湖冰面积结果做比对,最终选用阈值a为0.028,b为0.05。


    图1 研究区范围


    1.2.2 基于Landsat遥感影像提取青海湖边界信息

    青海湖水域面积主要包括主湖区及相连的海晏湾面积,本文基于Landsat TM/ETM+/OLI遥感影像,通过人工目视解译方法获得2000–2018年青海湖水域矢量数据。相关研究表明[11],在湖泊冻结后湖泊面积的变化量基本可以忽略不计,因此可利用人工目视解译得到的19期湖泊矢量数据分别计算各期青海湖逐日的冻结面积百分比。

    1.2.3 基于MODIS数据提取青海湖湖冰物候

    为确定青海湖开始冻结、完全冻结、开始消融和完全消融的4个时间节点,本文将湖泊开始冻结日期定义为下半年湖冰比例(即湖冰面积与湖泊面积的比值)为10%的日期;湖泊完全冻结日期定义为下半年湖冰比例为90%的日期;湖泊开始消融和完全消融日期则分别定义为上半年湖冰比例为90%和10%的日期,计算方法如下[26]

    (2)

    式中:FUS(Freeze-up start)、FUE(Freeze-up end)、BUS(Break-up start)和BUE(Break-up end)分别为湖泊开始冻结、完全冻结、开始消融和完全消融;LA(Lake area)和IA(Ice area)分别为湖泊面积和湖冰面积。在一个研究周期内,湖冰存在期(Exist Duration,ED)指湖泊开始冻结至完全消融之间的时间段;湖冰消融期(Break Duration,BD)指湖泊开始消融至完全消融之间的时间段。不同学者对湖泊封冻期(Freeze Duration,FD)的定义不尽相同[26][20],为便于和国内外已有研究成果相比较,本文选择将湖泊封冻期(Freeze Duration,FD)定义为湖泊完全冻结至完全消融的时间间隔,湖泊完全封冻期(Completely Freezing Duration,CFD)定义为湖泊完全冻结至开始消融的时间间隔来分析青海湖冰情状况。

    由于预处理的MODIS遥感影像数据量大,本文利用Python语言编写的脚本程序对MODIS 1B数据进行几何纠正,统一选用WGS84地理坐标系和UTM投影,同时输入多景影像计算湖冰面积比例,再通过目视解译逐一选择晴朗无云的影像进行统计分析。图2显示了主要的处理步骤。


    图2 数据处理流程示意图


    1.2.4 基于MODIS数据提取青海湖湖冰范围矢量数据

    本文基于MOD09GQ和Landsat TM/ETM+/OLI遥感影像,利用Python语言编写的脚本程序对MOD09GQ数据进行批量拼接、提取波段和波段计算等处理得到2000–2018年的青海湖湖冰二值图,再将湖冰二值图栅格数据转换为湖冰范围矢量数据,最后基于湖冰范围矢量数据和青海湖边界数据计算湖冰面积比例(湖冰面积/湖泊面积),从而获得青海湖湖冰物候特征及其变化信息。

    2 数据样本描述

    2.1 湖冰范围矢量数据

    数据以shp格式存储,有18个文件夹,分别按照年份命名,如2000_2001,表示2000–2001年青海湖一个完整的冰期。青海湖通常于每年12月中旬开始冻结,翌年1月上旬完全冻结,3月下旬开始消融,至4月上旬完全消融。为保证数据的准确性和完整性,将当年12月1日(年内第334天)起至次年4月30日(年内第120天)之间的时间段,作为一个完整的冰期来制作青海湖湖冰范围矢量数据。

    2.2 湖冰面积比例

    数据以Excel文件存储,共有18个Excel表单,每个表单以冻融期年份命名。以2000–2001年表格为例,数据共包含2列,其中A列表示日期,B列表示湖冰面积比例。数据可用来统计分析青海湖冻结和消融过程的持续日数,从而提升对青海湖冻融过程的理解。本文挑选青海湖的4个冻融期作为样例(图 3),就青海湖冻结过程和消融过程而言,前者持续时间(18–31 d)整体上大于后者(7–20 d),二者相差约10 d。湖冰面积比例在个别年份出现异常值,分析该异常值的出现可能与温度骤降、风速变大导致已经融化的部分湖冰重新封冻有关[27]


    图3 不同年份青海湖冻结与消融过程


    2.3 湖冰物候特征信息

    数据以Excel文件存储,共有一个Excel表单,详细信息说明如表1所示。数据共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开始冻结和完全冻结,至翌年春夏季开始消融到完全消融,因此用年/次年(如2000/2001)来表示一个完整的冻融期。B、C、D和E列分别为青海湖开始冻结(FUS)、完全冻结(FUE)、开始消融(BUS)和完全消融(BUE)的时间节点,日期均采用年内第多少天(day of year)(例如12月9日为年内第343天)来表示。F、G、H和I列表示湖冰的持续时间(day),分别为湖冰存在期(ED = BUE−FUS)、湖冰消融期(BD = BUE−BUS)、湖泊封冻期(FD = BUE−FUE)和湖泊完全封冻期(CFD = BUS−FUE)。


    表1 2000–2018年青海湖湖冰物候特征数据集

    A B C D E F G H I
    年份 开始冻结(FUS) 完全冻结(FUE) 开始消融(BUS) 完全消融(BUE) 湖冰存在期(ED) 消融期(BD) 封冻期(FD) 完全封冻期(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
    极差 22 32 62 21 32 52 41 85
    每年变幅 0.26 0.32 −1.67 −0.22 −0.48 1.45 −0.55 −1.98

    注:*表示有误差的日期,误差最大为3 d。

    2.4 水域矢量数据

    数据以shp格式存储,有19个shpefile文件,文件名按照年份命名如2018.shp。属性表中有8列,从左至右依次表示FID、Shape、湖泊名称、湖泊质心X坐标、湖泊质心Y坐标、湖泊面积、湖泊周长和湖面高程。

    3 数据质量控制和评估

    3.1 人工目视解译造成的误差

    在人工目视解译过程中若不考虑混合像元的影响,则湖泊边界每个像元有50%的湖泊面积被包含或者排除在外(即在不对混合像元进行分解时按像元对角线进行矢量化所产生的误差),误差可由下式计算[28]

    (3)

    式中:Ua 为湖泊矢量化误差值;λ 为影像空间分辨率; ρ 为湖泊周长。计算表明从遥感影像提取的青海湖边界相对误差平均为±0.1%。

    3.2 阈值法提取湖冰面积的适用性及准确性评估

    图4为2014年2月22日青海湖冻结状况,基于Landsat ETM+影像人工目视解译的湖冰面积为4 125.66 km2,基于MODIS MOD09GQ数据利用阈值法提取的湖冰面积为4 092.17 km2,两者误差仅为0.8%,表明Landsat ETM+遥感影像和MODIS数据所获取的湖冰面积具有较好的一致性,阈值法可准确识别湖冰。


    图4 2014年2月22日青海湖结冰状况


    3.3 MODIS影像被云覆盖造成的误差

    基于MODIS MOD09GQ数据提取2000–2018年青海湖湖冰物候特征数据时,受云覆盖影响,部分年份湖冰物候特征数据无法精确到日尺度,统计显示在最坏情况下研究期内最大误差为3 d。

    4 数据价值

    本数据集基于空间分辨率为250 m、时间分辨率为1 d的MODIS MOD09GQ数据,利用阈值法提取了青海湖湖冰物候信息,并按照监测日期构建了长时间序列的湖冰物候特征数据集,是首次基于较高时空分辨率建立的青海湖长时间序列湖冰物候特征数据集。通过对湖冰物候不同时期数据的统计分析,可以得到青海湖在2000–2018年间的湖冰物候特征变化趋势,可进一步对青海湖属性参数(如冰厚)展开反演,以及提升对青藏高原大面积湖泊冻融过程的理解,为青藏高原区域气候变化规律的认知提供数据基础。青海湖湖冰面积比例和湖冰矢量范围数据可更深层次理解青海湖冻结–消融过程,为青海湖冬季旅游和湖泊通航提供参考。此外本数据集提供的2000–2018年青海湖水域矢量数据反映了近19 a来的青海湖变化现状,可作为湖泊研究相关领域的基础数据。

    5 数据使用方法和建议

    本数据集解压后可使用支持ESRI Shapefile文件格式的地理信息系统软件(如ArcGIS、MapGIS、MapInfo等)或图像处理软件(如ERDAS、ENVI、PCI等)直接打开、显示、编辑、查看、统计等,也可通过这些软件平台将数据转换成其他交换格式后使用。本数据集包含Shapefile和Excel文件格式,其中Shapefile数据参考椭球体均采用WGS-84,平面坐标统一采用UTM投影,可直接用于统计青海湖面积变化及变化速率等参数。数据集可直接使用亦可扩展,利用近期或2000年以前的遥感数据产品延长数据时序,可为模拟青海湖未来冰情提供数据支撑,也为青藏高原地区对全球气候变化响应模型提供数据基础。

    致 谢

    感谢NASA DACC 数据中心提供的MODIS MOD09GQ产品数据和美国地质调查局(USGS)提供的Landsat TM/ETM+/OLI影像数据。

    参考文献

    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. 中国气候与环境演变: 2012 综合卷[M]. 北京: 气象出版社, 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. 辛羽飞, 卞林根. 全球冰冻圈变化预测研究现状[J]. 极地研究, 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, 叶庆华. 湖冰遥感监测方法综述[J]. 地理科学进展, 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. 姚晓军, 李龙, 赵军, 等. 近10年来可可西里地区主要湖泊冰情时空变化[J]. 地理学报, 2015, 70(7): 1114-1124.
    17. 中国科学院兰州地质研究所. 青海湖综合考察报告[M]. 北京: 科学出版社, 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. 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.
    20. ^ 20.0 20.1 20.2 20.3 殷青军, 杨英莲. 基于EOS/MODIS数据的青海湖遥感监测[J]. 湖泊科学,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. 吴龙涛, 吴辉碇, 孙兰涛, 等. MODIS渤海海冰遥感资料反演[J]. 中国海洋大学学报, 2006, 36(2): 173-179.
    24. 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): 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, 姚晓军, 李晓锋, 等. 2000–2016年青海湖湖冰物候特征变化[J]. 地理学报, 2018, 73(5): 932-944.
    28. 廖淑芬, 王欣, 谢自楚, 等. 近40年来中国喜马拉雅山不同流域冰湖演化特征[J]. 自然资源学报, 2015, 30(2): 293-303.

    数据引用格式

    祁苗苗, 姚晓军, 李晓锋, 高永鹏. 2000–2018年青海湖湖冰物候特征数据集[DB/OL]. Science Data Bank, 2018. (2018-07-22). DOI: 10.11922/sciencedb.634.