地球科学进展, 2020, 35(10): 1041-1051 DOI: 10.11867/j.issn.1001-8166.2020.081

综述与评述

河冰遥感监测研究进展

李浩杰,1,2, 李弘毅,1, 王建1,3, 郝晓华1

1.中国科学院西北生态环境资源研究院,甘肃 兰州 730000

2.中国科学院大学,北京 100049

3.江苏省地理信息资源开发与利用协同创新中心,江苏 南京 210023

Advances in Remote Sensing of River Ice

Li Haojie,1,2, Li Hongyi,1, Wang Jian1,3, Hao Xiaohua1

1.Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou 730000,China

2.University of Chinese Academy of Sciences,Beijing 100049,China

3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application,Nanjing 210023,China

通讯作者: 李弘毅(1981-),男,四川西充人,研究员,主要从事寒区水文模拟研究. E-mail:lihongyi@lzb.ac.cn

收稿日期: 2020-05-25   修回日期: 2020-09-07   网络出版日期: 2020-11-30

基金资助: 国家自然科学基金面上项目“结合遥感数据的青藏高原典型流域季节性河冰春季径流贡献研究”.  41971399
甘肃省自然科学基金项目“以遥感数据为主要驱动的山区积雪水文预报系统”.  17JR5RA296

Corresponding authors: Li Hongyi (1981-), male, Xichong County, Sichuan Province, Professor. Research areas include hydrological simulation in cold regions. E-mail:lihongyi@lzb.ac.cn

Received: 2020-05-25   Revised: 2020-09-07   Online: 2020-11-30

作者简介 About authors

李浩杰(1986-),男,甘肃民勤人,博士研究生,主要从事寒区水文遥感研究.E-mail:lihaojie@lzb.ac.cn

LiHaojie(1986-),male,MinqinCounty,GansuProvince,Ph.Dstudent.Researchareasincludehydrologicalremotesensingincoldregions.E-mail:lihaojie@lzb.ac.cn

摘要

河冰是寒冷季节河水冻结的一种常见现象,河水冻结会对水文、运输、环境等产生一系列的重要影响。河冰监测既可为研究寒冷地区水循环与水资源管理提供参考,也可为水利工程建设和航运安全提供依据。遥感技术可以实现对大范围河冰的快速观测,且成本低、时间和空间分辨率均较高,被认为是监测河冰的有效方法之一。首先,以不同类型传感器为顺序,客观地阐述当前河冰遥感监测研究与应用进展。多光谱遥感数据因其较高的空间分辨率和时间分辨率得到了广泛的应用,主要用于开河日/封河日、河冰分布范围与面积的监测。微波遥感数据因其独特的穿透能力常用来监测河冰类型与厚度。其次,探讨了河冰遥感监测技术未来的发展趋势,以及河冰遥感的机遇和挑战。当前无人机和探地雷达等一些新技术也应用到了河冰遥感监测领域,未来应加强多传感器联合监测以提高监测效果。河冰遥感研究需要与水文模型、气候模型相结合,实现遥感观测与模型的相互协作,优势互补,促进河冰监测更深入地研究。

关键词: 河冰 ; 遥感 ; 水循环 ; 观测 ; 模型

Abstract

River ice is a common phenomenon of water freezing in the cold season, which will have a series of important effects on hydrology, transportation, and the environment. River ice monitoring can not only provide a reference for the study of the water cycle and water resources management in cold regions, but also provide a basis for water conservancy project construction and shipping safety. Remote sensing technology can realize the rapid observation of a large range of river ice with low cost and high temporal and spatial resolution, which is considered as one of the effective methods to monitor river ice. In this paper, the research and application progress of remote sensing monitoring of river ice were described objectively in the order of different types of sensors. Multi-spectral remote sensing data have been widely used because of their high spatial and temporal resolution. They are mainly used to monitor the distribution range and area of river ice. Microwave remote sensing data are often used to monitor the type and thickness of river ice due to their unique penetrating ability. Secondly, the future development trend of river ice remote sensing monitoring technology as well as the opportunities and challenges of river ice remote sensing were discussed. At present, some new technologies such as Unmanned Aerial Vehicles (UAV) and Ground-Penetrating Radar (GPR) have also been applied to the field of remote sensing monitoring of river ice. In the future, multi-sensor joint monitoring should be strengthened to improve the monitoring effect. River ice remote sensing research needs to be combined with hydrological and climate models to realize the mutual-cooperation and complementary advantages of remote sensing observations and the models, and promote more in-depth research on river ice monitoring.

Keywords: River ice ; Remote sensing ; Water cycle ; Observation ; Model.

PDF (4848KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李浩杰, 李弘毅, 王建, 郝晓华. 河冰遥感监测研究进展. 地球科学进展[J], 2020, 35(10): 1041-1051 DOI:10.11867/j.issn.1001-8166.2020.081

Li Haojie, Li Hongyi, Wang Jian, Hao Xiaohua. Advances in Remote Sensing of River Ice. Advances in Earth Science[J], 2020, 35(10): 1041-1051 DOI:10.11867/j.issn.1001-8166.2020.081

1 引 言

河冰是寒冷季节河水冻结的一种现象,也是冰冻圈的重要组成要素之一1,常出现在寒冷和温带地区的许多河流中。河冰的发育具有明显的季节性,一般在当年秋冬季开始出现,次年春夏季消融。河水的冻结会对水文、运输和环境等过程产生一系列的重要影响。河水的冻结和融化与气候变化和生态系统密切相关,具有明显的区域特征2。河冰的变化也是气候变化的重要指示之一。因此河冰对于水循环研究及水资源管理至关重要3

在我国北方和高海拔地区,大部分河流会在冬季形成河冰,特别是在东北和青藏高原地区。河冰对人类的生产和生活有着重要的影响。例如,在黄河中下游河段河冰的形成可能会导致凌汛性洪水的产生。在青藏高原,河冰分布广泛且冰期较长4,春季河冰的消融是重要的春灌水资源,可为下游生产生活用水提供重要的保障。如青藏高原以北的广大干旱区,特别是新疆和河西走廊地区。

河冰监测可为寒冷地区水循环与水资源管理研究提供参考,为寒区水利工程的建设和航运安全提供依据5。例如,黄河内蒙古段纬度较高, 封冻期长, 冰层厚, 河水上涨快6,河冰监测可为凌汛性洪水的防治提供依据。此外,河冰变化监测也可为气候变化研究提供重要依据。例如,北极地区和高寒地区的河冰变化与气候变化密切相关。

传统河冰观测方法受自然环境和交通等因素的限制,耗时耗力,很难开展大范围的有效测量。由于河冰现场实测资料极为缺乏,河冰研究面临着极大的挑战。遥感是至今为数不多的能够以非接触方式大范围进行同步观测的低成本监测手段,且具有较高的时间和空间分辨率,被认为是河冰监测的有效方法。遥感技术为开展全面、快速和大规模的河冰监测提供了可能。而且目前可供使用的历史存档遥感影像资料也比较丰富,尤其对于河冰变化的观测有着显著的优势,因此国内外学者已对河冰遥感进行了各种探索与研究。

对于河冰遥感监测,卫星传感器拥有的波段必须能够反映河冰与周围地物的光谱特征差异,卫星图像的空间分辨率足以区分河冰与周围景观,卫星图像的时间分辨率确定的河冰出现和消失日期在可接受的误差范围内7。相比海冰、湖冰的遥感监测,河冰的监测对影像的空间分辨率更高,因为河冰分布相对分散且形态细长。

河冰遥感也可以按照遥感方式的不同简单地划分为被动河冰遥感和主动河冰遥感两大类。被动遥感是指传感器在探测时所记录的往往是目标反射回来的来自太阳的电磁波信息。主动遥感是指从遥感平台上的人工辐射源向目标物发射一定形式的电磁波,再由传感器接收和记录反射回来的电磁波信息。例如,光学遥感属于典型的被动遥感,而雷达遥感则分为主动遥感与被动遥感两种方式。当然,除大气的吸收和散射等作用之外,河冰的遥感影像所记录的辐射信息还受到河冰表面的反射、吸收和散射等作用的影响(图1)。河冰遥感想要获得比较精准的结果,则需要仔细地考虑如何消除大气和积雪的干扰。在河冰发育的不同时期其反射特征也会存在差异,表面水体的存在也会影响河冰的反射特征。

图1

图1   河冰对电磁波散射作用示意图[8]

A:河冰的质地影响表面散射;B:杂质裂缝会导致体积散射

Fig.1   Scattering of electromagnetic waves by river ice[8]

A: Ice texture affects surface scatter;B: Impurities and cracks cause volume scattering


目前,光学卫星和雷达卫星可用于监测河冰2,常见的河冰遥感监测数据见表1。通常光学卫星传感器具有较高的光谱分辨率和空间分辨率,覆盖范围广,返回周期短。在可见光波段,河冰反射率较高,在短波红外波段反射率较低;这些特征明显不同于周围的景观,可以用于监测河冰的分布状况。因此,光学图像可以用于探测全球尺度河冰的分布范围和面积,并可识别河冰的冻结和消融状态。雷达影像具有区分不同类型河冰的能力和探测河冰厚度的潜力,其几乎不受云层的干扰。然而,由于雷达数据自身的复杂性、相对较低的时间分辨率和较窄的覆盖范围限制了其在大范围河冰监测中的应用。

表1   河冰遥感监测常用数据

Table 1  The data for remote sensing monitoring of river ice

卫星类型卫星名称可用数据时间范围波段范围数据分辨率监测内容
空间/m时间/d
光学AVHRR1979年6月至今0.58~12.50 μm1 1000.5

封河日

开河日

分布范围

面积/覆盖率

Landsat1972年6月至今0.45~3.35 μm3016
MODIS1999年12月至今0.40~14.40 μm2501~2
Sentinel-22015年6月至今0.44~2.19 μm1010/5
微波Sentinel-1A/B2014年4月至今C14~4012/6

分布范围

厚度

Envisat2002年3月至2012年4月C3035

RADARSAT-1

RADARSAT-2

1995年11月至2013年5月

2007年12月至今

C

C

8~100

8~100

1~3

24

新窗口打开| 下载CSV


因此,本文将对国内外河冰遥感研究的内容及其应用的进展情况进行梳理和总结,探讨河冰遥感的发展趋势,并尝试指出当前河冰遥感研究中的不足,期望能够吸引更多的遥感及冰冻圈科研工作者投入到河冰遥感的研究与应用中,推进河冰遥感研究的发展与进步。

2 河冰遥感监测的内容

河冰遥感可以认为是对河冰分布范围、形态、面积及厚度的遥感探测,主要包含如下几个方面的内容:

(1)封河日与开河日

封河日与开河日是指河水完全冻结与解冻破裂的日期,通常是对应于某个特定的河段。首先,水的封冻与解冻与当地气温,河水流速等因素密切相关。例如,在河水流速较大时,低温也无法使河水冻结,这在黄河兰州段尤为明显。其次,河水的封冻与解冻日期也受水动力条件、河道形状、河道粗糙度、水质和冰上辐射等因素影响。因为封河日与开河日与当地气候密切相关,可为凌汛性洪水防治提供依据,也可以为区域气候变化研究提供参考。在我国遥感技术已是黄河凌情监测的有效手段,可以及时、准确地监测黄河凌情发生、发展和消退的全过程9

(2)河冰分布范围与特征

河冰分布特征是指河冰在空间和时间尺度上具有的一些分布规律。河冰的形成及其时、空分布特征与河流冬季径流的补给条件有直接关系10。河冰的分布范围受河道的约束,河道的形状和坡度都会影响河冰的分布。受河水冻结的影响,在某些河段河冰可能会显著堆积形成冰坝或冰塞,而有的河段则可能坡度较陡河冰不发育。冰坝是河冰聚集的一种重要现象,可能发生在封河期、开河期和冬季的中间时段11。利用遥感技术可以快速定位冰堵塞或探测冰坝7,特别是在北极圈地区的一些大型河流上。缓坡往往有利于河冰的发育,这主要是由于平缓河道的水流速度通常比陡坡河道的水流速度要慢,流速慢有利于河水的冻结。

(3)河冰面积与覆盖率

河冰面积可用来定量评价特定河段或区域尺度上的河冰分布程度。河冰面积通常是在使用遥感图像确定河冰范围后,再通过空间计算而得到的。河冰覆盖率是指在某个特定的区域内河冰面积所占的比例,也是定量评价河冰分布情况的指标之一,通常依据获得的河冰面积与区域面积计算得到。

(4)河冰类型

因河冰表面及冰层物理特性的差异,河冰可以分为不同的类型。目前河冰分类的主要依据是河冰表面的雷达后向散射特征,其分类标准与研究区的河冰特点有关。

(5)河冰厚度

河冰厚度是指河冰表面与底层面之间的距离。河冰的厚度受温度、河水流量和河道形状等多种因素影响。目前常使用航空航天雷达与地面雷达技术来反演河冰厚度,使用在实地冰钻(电动或手动)打穿冰层测量得到的冰厚值来做验证。河冰厚度遥感反演的相关研究相比河冰分布监测研究要少得多,一方面可用数据源少,另一方面冰厚反演比较复杂。结合河冰厚度与面积数据,可以对河冰的体积进行估算,可以更准确地分析河冰储量与径流量之间的关系。这将有助于研究河冰在寒冷地区水文系统中的调蓄作用。

3 河冰的光学遥感与应用

河冰的光学遥感主要分为多光谱遥感与全色波段遥感,主要用来提取河冰的分布范围和封河日/开河日。一般而言,光学卫星传感器具有较高的空间和光谱分辨率、返回周期短、覆盖范围广等特点。因此,适合在全球范围内监测河冰的分布范围和面积,以及河冰的冻结或消融状态。

3.1 多光谱遥感

河冰多光谱遥感主要是利用河冰在各个波段的反射率特征的差异进行河冰提取。河冰在可见光波段反射率高,在短波红外波段反射率低(图2),与周围景观明显不同,可以用来监测河冰的范围。光学卫星图像也可为合成孔径雷达反演河冰提供参考12

图2

图2   黑河上游地区河冰与积雪实测光谱曲线对比

Fig.2   Comparison of measured spectral curves of river ice and snow in the upper reaches of the Heihe River


早期河冰遥感监测主要依靠目视解译或人机交互判读。例如,最早的河冰遥感研究之一,McGinnis等13利用美国国家海洋和大气管理局NOAA-4极轨卫星和地球同步观测环境卫星GOES-1的图像使用一个称为人机交互式的图像处理系统,监测了加拿大渥太华河的河冰破裂并测量了单条河流中河冰覆盖长度的变化。随后,Gatto14使用Landsat图像(30 m)和其他传感器图像,直观地比较了美国北部河流的河冰分布范围。

后来,随着中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)数据的应用,因其具有较高的时间分辨率,在河冰监测研究中得到了广泛应用,通常用于调查河冰的分布范围和河冰制图,以及河冰破裂模式的时空特征。例如,Pavelsky等15利用MODIS和高分辨率辐射计(Advanced Very High Resolution Radiometer,AVHRR)卫星影像,通过目视解译的方法查明了北极地区河流流域尺度上河冰融化的时间,与地面观测结果相比,该方法的误差为1.75天。Chaouch等16提出了一种基于决策树算法的影像阈值分类方案,并利用Landsat影像对9个冰期的结果进行了评价,其验证精度达91%。Kraatz等17提出了一种半透明云监测算法,即利用MODIS波段4和波段7的地表反射率乘积来识别河冰,并应用于美国萨斯奎哈纳河下游河冰监测。随后,Muhammad等18利用逐日MODIS影像,通过目视解译,结合典型地物的数字特征参考数值(Digital Number,DN),调查河冰的分布范围。后来,Cooley等7阐述了一种使用MODIS影像进行河冰破裂监测的自动化算法。Kraatz等17比较了MODIS/可见光红外成像仪辐射计传感器(Visible infrared Imaging Radiometer,VIIRS)对含冰河流的云掩膜,提高了河冰测图精度。近期,Beaton等19使用谷歌地球引擎(Google Earth Engine,GEE)提出了一种自动化方法,使用MODIS影像和基于阈值的技术来监测加拿大安大略省北部河冰的破裂日期,目的是最大限度地扩大河流的覆盖范围,最小化云干扰的影响。

此外,Landsat系列卫星影像因其拥有更高的空间分辨率(30 m),也常被用来监测河冰,绘制河冰的分布范围及冻结与消融状态。例如,Sakai等20利用Landsat TM/ETM+影像对西伯利亚勒拿河春季冰裂型洪水的时空分布范围进行了监测。赵水霞等21通过对2014—2015年冬季黄河什四份子弯道野外冰情监测及水文、气象资料分析,结合Landsat8影像的解译,研究了河冰生消及冰塞形成过程。每年河冰开始冻结到封冻到最后消融,都真实地记录了当地气候变化的情况。李超等22使用Landsat8 影像,采用监督分类的最大似然法对黄河内蒙古段三湖河口河段2013—2014年冬季不同时期遥感影像数据进行解译,揭示了大尺度下冬季河冰的生消演变及输移过程及特性。特别是,Yang等3利用1984—2018年的Landsat影像揭示了全球尺度的河冰分布范围,分析了全球河冰的历史变化特征并预测了未来的变化趋势。

归一化积雪指数(Normalized Difference Snow Index,NDSI)是一种常见且重要的提取冰雪的算法23,该算法可有效区分冰体和开阔水域,应在以后的研究中加以考虑15。例如,Liu等24和鄢俊洁等25利用NDSI算法监测了黄河特定河段的河冰分布范围和状态。Li等26利用Landsat影像和NDSI算法,首次揭示了青藏高原河冰在流域尺度上的时空分布特征,结果显示在1999—2018年研究区河冰面积呈减少趋势。由于不同地区河冰特征存在差异,需要根据河冰的实际情况来确定适宜的NDSI阈值进而监测河冰。一般采用人工目视解译结果作为真实值,利用河道的范围来掩盖其他周边地物信息。

3.2 全色波段遥感

全色波段遥感主要是指基于河冰在全色波段影像上独特的色调与形态等信息来提取河冰的分布范围及消融状态(图3),主要依靠人工解译或面向对象提取技术来识别河冰。通常全色波段影像拥有更高的空间分辨率。常用的数据源来自航天航空平台的全色波段传感器,或无人机等地面设施拍摄的影像或照片。

图3

图3   典型河段河冰光学遥感影像

Fig.3   Remote sensing images and field photos of typical river ice


无人机具有精度高、灵活性高、时效性强等特点,具有较广泛的应用前景。例如,Wang等27和Knut等28将无人机航空遥感技术应用于河冰监测,为凌汛性洪水的防治提供了有效支持。

目前采用全色波段数据提取河冰存在一定的困难,未来机器学习和人工智能等技术的发展应用可提高河冰提取的精度与效率。

4 河冰的微波遥感与应用

河冰的微波遥感主要为主动遥感。由于常用的被动微波数据如SMM、SSM和AMSR等数据限于空间分辨率等因素无法应用于河冰遥感监测。主动遥感,如合成孔径雷达(Synthetic Aperture Radar,SAR)能够通过微波脉冲发射和回波接收之间的时间间隔来测定目标的距离,实现目标的距离成像。常见的对地观测遥感卫星搭载合成孔径雷达传感器的有日本的ALOS、加拿大的RADARSAT、欧空局的哨兵一号(Sentinel-1)和中国的高分三号(GaoFen-3)等。其次还有机载雷达,但目前很少应用于河冰监测。

微波数据通常用于识别河冰的分布范围与类型22930,其次为反演河冰的厚度3132。目前关于河冰厚度的反演仍未获得可靠的结果。对于河冰监测微波技术与光学传感器相比,最突出的优点是几乎不受云层的干扰,并具有区分不同类型河冰的能力。尽管如此,大多数SAR传感器的低时间分辨率特性是一个限制,这使得在监测河冰破裂日期或变化范围时产生了较大的不确定性。SAR数据覆盖范围窄、数据复杂度高,也限制了其在大规模河冰监测中的应用。近年来,Sentinel-1微波数据以其良好的时空分辨率33显示出了良好的应用前景,这可能促进微波监测河冰的发展。近年来,探地雷达技术的快速发展与应用也促使一些研究人员尝试使用该技术来探测河冰厚度。例如,Kämäri等34指出,河冰厚度的空间变化也可以通过探地雷达技术来确定,误差可接受(平均绝对误差为±3 cm)。目前,在多种现场冰厚度测量方法中,基于磁致伸缩原理的冰厚测量仪测量精度最高,可达到±2 mm35。河冰的厚度在不同河段往往存在差别,实地测量冰厚效率低且成本高,限制了河冰研究中自然科学和工程科学问题的解决36。河冰厚度的反演仍存在很大的不确定性,也是当前河冰遥感的难点,未来仍具备很大的研究潜力和空间。

5 黑河上游地区河冰调查

河冰实测数据可以为河冰遥感监测研究提供依据,为此我们在黑河上游八宝河流域开展了河冰野外调查试验,在河冰比较发育河段布设观测点,主要调查对象为河冰光谱特征及河冰厚度(图4)。我们使用PSR-3500光谱仪于当地时间中午12点测量河冰的光谱曲线。我们尽可能选择不同类型的河冰进行测量,并拍摄河冰纹理的照片。选取有代表性的河冰光谱曲线,并同时测量典型积雪的光谱曲线与此进行比较。

图4

图4   八宝河流域及河冰观测区位置图[26]

Fig.4   Location of the Babao River Basin and river ice observation area[26]


河冰光谱特征调查结果显示河冰在波长0.52~0.60 μm处具有较高反射率,在1.55~1.75 μm均具有较低反射率,这一光谱特征与积雪光谱类似,但在近红外波段(0.76~0.90 μm)河冰的反射率低于积雪反射率(图2)。当河冰表面有积雪时其光谱曲线与积雪光谱曲线更加相似。在寒区河冰发育期往往伴随着积雪的存在,所以在河冰遥感监测时必须考虑积雪的干扰。

以往对于青藏高原地区河冰的厚度调查几乎空白,本次河冰厚度调查使用电钻打穿冰层实地测量的方式进行,其测量结果也为雷达反演河冰厚度提供了可靠依据(图5)。2019年1~4月每个月进行1次观测。第一次观测(1月17~20日)河冰的平均厚度达到0.51 m,第二次观测(2月18~20日)河冰的平均厚度达到0.74 m,第三次观测(3月18~20日)河冰的平均厚度达到0.71 m,第四次观测(4月11~12日)河冰的平均厚度达到0.56 m。在该区域河冰厚度1~2月呈明显的增厚趋势,3~4月开始出现变薄趋势。特别在4月,八宝河主河道部分观测点河冰已消失。因观测点海拔、河道形态等存在差异,河冰的厚度变化存在明显差别。在冰沟子流域河冰厚度总体上大于八宝河主河道,冰沟子流域相比八宝河主河道,海拔更高河道更窄。

图5

图5   八宝河流域冰河冰厚度统计图

Fig.5   The thickness of river ice in Babao River Basin


6 河冰遥感的机遇与挑战

6.1 河冰遥感监测需要多种手段的融合

河冰遥感的方法具有很强的多样性,既有较大范围的星载高光谱、多光谱和SAR遥感,又有较小范围的机载高光谱、多光谱、摄影测量和LiDAR(Light Detection and Ranging)测高,甚至还有探地雷达技术可以测量河冰厚度。同时它们在用途、效率、成本和适用范围等方面也存在着很强的互补性。

受限于Landsat图像的时间分辨率,使用该数据很难准确监测河流的冻结和融化日期。由于空间分辨率偏低,如AVHRR和MODIS这样的中空间分辨率(0.25~1 km)和高时间分辨率的传感器不能用于监测青藏高原的河冰。这一地区大部分河冰的宽度都相对较窄,不像北极圈地区的河冰宽度比较大。在青藏高原河冰往往处于不连续的状态,或者在冰阻塞位置堆积。特别是在最低气温期,大部分河流上游几乎完全冻结,没有河水流动。考虑到该地区河冰的分布特点和遥感图像的可用性,Landsat和Sentinel-2图像是较为合理的选择。虽然部分ETM数据存在条带问题影响河冰面积的计算,但其仍然是监测河冰以往冻结和融化情况的有用数据。

目前还没有专门针对河冰遥感而进行的技术研发与集成,导致很多河冰遥感实际上处于遥感应用的初级探索阶段。在未来,多传感器联合监测可以提高时间分辨率,有效减少数据缺失37,如Landsat图像也可以与Sentinel等其他卫星联合使用。

当前,无人机技术呈现井喷式的发展态势,国内大疆无人机就是其中的佼佼者之一。光学传感器获取的河冰面积数据联合航空雷达反演的河冰厚度,可以估算河冰的体积(储水量),可进一步了解河冰在冬季的储水功能,有助于研究河冰在寒区水文系统中的调节作用。

6.2 河冰遥感监测需要观测数据的支持

河冰的观测数据仍是河冰研究的基础,在河冰的遥感监测方法研究中需要观测数据的支持与验证。河冰野外观测内容主要包括光谱、厚度、宽度、冰层特性和温度等特征。最早在西伯利亚及北美的部分河流,河冰的观测已近成为河流水文观测的一项重要内容,为航运提供保障。在我国,张志忠10通过对乌鲁木齐河流域河冰定位观测和实际考察测量资料的分析, 简述了河冰发育条件、形成过程、时空分布规律、河冰分类和年际变化原因、河冰温度状况。通过测量流域内河冰储量,可估算出河冰融水对春季径流的补给量。

在我国,关于河冰的观测工作与数据大多集中在东北地区的黑龙江、松花江等河流和黄河内蒙段。这些河流也是我国凌汛性洪水发生的主要区域。在青藏高原等地区开展水文研究具有相当大的挑战性,因为现场实测的河冰资料极为稀少。很少有研究对青藏高原等高海拔山区的河冰进行监测。由于青藏高原复杂的地形和气候环境,其河冰具有独特的分布特征和规律,这不同于北极圈地区。目前,只有Li等26利用遥感揭示了青藏高原河冰在流域尺度上的时空分布特征。近年,我们开始在黑河上游开展系统的河冰野外观测实验,对河冰的起消过程进行研究,为河冰的遥感监测及水文过程模拟提供数据支持,以促进青藏高原河冰更深入的研究。在野外观测实验中除使用传统的冰钻、米尺和温度计等工具,目前一些新兴的观测工具也可以应用于河冰调查,如探地雷达、红外自动测温仪以及延时摄像机等,可以实现连续的观测,对促进河冰冻结与消融规律的研究具有积极的意义。

6.3 河冰遥感监测需要与水文模型结合

遥感监测到的河冰是一个瞬时状态,受到遥感数据时间分辨率的限制,遥感技术无法精细地揭示河冰发育的全过程。河冰水文模型则可以实时模拟河冰发育到消融的全过程。遥感监测与水文模型相结合可以优势互补,更好地研究河冰发育过程也可以预测河冰的未来发展趋势。河冰发育也需要一些条件,如低温度和慢流速等。冰情预报是进行防凌指挥、调度和决策的重要科学依据38。国内冰情方面的数值模拟研究起步较晚,与国外有相当的差距,但也有了一些进展39。我国水利部黄河委员会几十年来对黄河冰凌进行了系统地观测,提出了一些实用的冰塞和冰坝预报方法,主要分为数学模型与人工智能两类方法。

河冰具有特殊的水文作用,以往关于河冰水文贡献的研究大多集中在北极的主要大型河流上40。研究人员发现,河冰在储存冬季径流和补充春季径流中起一定作用5。在一个漫长的冬季,河冰会大量积累,并维持到春季融化期41,在此期间,河冰碎片和融水共同形成快速径流,径流量显著增加。将遥感的优势与水文模型相结合可以更好地研究河冰的水文过程及作用4243。例如,Turcotte等44提出了一个全球性的河冰概念模型,该模型可以作为预测河冰覆盖类型和识别影响寒区河道河冰形成过程的主要工具。此外,Zhang等45利用遥感数据对加拿大北部内陆三角洲的冰塞模型进行了参数化。

河流融冰期还伴随着积雪和季节性冻土的融化4。李弘毅等4指出,春季融雪是该地区径流的重要贡献,但目前的水文模型尚无法定量化各种水来源对河流流量的贡献比例。因此,河冰遥感监测有待与河冰水文模型相互协作,以使各种观测和模拟手段之间能够更广泛和深入地交叉融合。

6.4 河冰遥感监测需与气候模型结合

河冰具有明显的区域特征,其形成与当地气候因素和地理环境特征密切相关2。河冰也可以作为气候变化的敏感代表,河冰的冻结和融化与气候变化相联系2。河冰遥感监测与气候模型结合,可以预测河冰未来的变化趋势。例如,Yang等3利用Landsat数据揭示了全球河冰分布范围的变化,并结合气候模型预测了未来全球河冰的变化趋势。河冰也是冰冻圈的重要组成部分之一,冰冻圈的变化对区域气候,水资源、生态与环境产生了重大影响46。随着气候变暖,河冰期缩短1,对原有的河冰生态系统产生了影响。河冰对生态环境的影响,包括对河道,河岸堤坝,水利工程、桥墩等设施的侵蚀破坏。河冰的变化对动物迁徙路线,冰上运输、水中生物的生存、河流系统碳排放等也产生了新的挑战3

以往关于河冰与气候变化的研究主要集中在监测北极圈附近的大型河流,而北极圈是世界上对气候变化最敏感的地区之一。因此,北极河流春季河冰破裂的时间被用来推断过去1个世纪的区域气候变化1547。Shiklomanov等47和Vuglinsky等48研究结果都表明,河冰事件时间的变化与北极地区气温的变化是一致的。Helama等49依据观测资料定量分析了自1802年以来Tornionjoki河冰破裂日期和Lapland春季气温的时间变化。在我国,李辑等50利用辽宁省1981—2009年主要河流冻结和解冻日期观测资料,分析河冰期特征及其对气候变暖的响应,结果表明河冰的冻结期和解冻期分别推迟和提前,封冻期缩短。除此之外,还有一些研究使用遥感来研究冰物候的时间变化趋势1551

相比之下,关于青藏高原河冰的研究就非常少。青藏高原是地球的第三极,河流分布广泛,河冰期较长。青藏高原的河冰不同于北极圈内地势平坦的宽河冰。青藏高原也被认为是世界上对气候变化最敏感的地区之一52,冰川、冻土和积雪发生了显著变化465354。自20世纪50年代中期以来,青藏高原经历了显著的气候变暖52,河冰的水文作用可能已经改变。同时,青藏高原湖冰持续时间也呈下降趋势5556。目前,利用大尺度遥感对青藏高原的河冰监测研究很少,只有Yang等3对全球河冰的监测包括该地区。未来河冰遥感监测结果与气候模型相结合可以更好地研究未来河冰的变化趋势与气候和生态变化之间的关系。

7 结 语

国内外大量遥感卫星的发射、各种不同类型传感器设备的研发为河冰遥感的研究与应用提供了基本的硬件条件,各种遥感数据处理方法的开发则为遥感应用到河冰的调查与监测提供了基本的技术保障。回顾河冰遥感的研究与应用进展,发现在我国河冰遥感研究仍然未得到足够的重视,特别是青藏高原地区的河冰研究。其次,存在着多种技术手段的融合不够深入、遥感观测与水文模型和气候模型的融合仍比较缺乏、相关技术未完全成熟、国内水平落后于国外等问题。然而,借着河冰遥感研究与应用的这个契机,凭借国内遥感专家与河冰学者的共同努力,国内河冰遥感的研究应该会逐步赶上或超越国外的先进水平,更好地为国家水资源管理与保障提供服务。

参考文献

Kang ShichangGuo WanqinWu Tonghuaet al.

Cryospheric changes and their impacts on water resources in the Belt and Road regions

[J]. Advances in Earth Science, 2020351): 1-17.

[本文引用: 2]

康世昌郭万钦吴通华. “

一带一路”区域冰冻圈变化及其对水资源的影响

[J].地球科学进展, 2020351): 1-17.

[本文引用: 2]

Tedesco MDerksen CDeems J Set al. Remote Sensing of the Cryosphere[M]. ChichesterWiley Blackwell2015.

[本文引用: 5]

Yang XiaoTamlin M PGeorge H A.

The past and future of global river ice

[J]. Nature, 20205777 788): 69-73.

[本文引用: 5]

Li HongyiWang JianBai Yunjieet al.

The snow hydrological processes during a representa tive snow cover period in Binggou watershed in the upper reaches of Heihe River

[J]. Journal of Glaciology and Geocryology, 2009312): 293-300.

[本文引用: 3]

李弘毅王建白云洁.

黑河上游冰沟流域典型积雪期水文情势

[J]. 冰川冻土,2009312): 293-300.

[本文引用: 3]

Prowse T DBeltaos S.

Climatic control of river-ice hydrology:A review

[J]. Hydrological Processes,2002164): 805-822.

[本文引用: 2]

Gao PeishengJin Guohou.

Investigation and analysis of river ice disaster in cold regions of North China

[J]. Journal of China Institute of Water, 200312): 159-164.

[本文引用: 1]

高霈生靳国厚.

中国北方寒冷地区河冰灾害调查与分析

[J]. 中国水利水电科学研究院学报,200312): 159-164.

[本文引用: 1]

Cooley S WPavelsky T M.

Spatial and temporal patterns in Arctic river ice breakup revealed by automated ice detection from MODIS imagery

[J]. Remote Sensing of Environment, 2016175310-322.

[本文引用: 3]

Lindenschmidt K ESyrenne GHarrison R.

Measuring ice thicknesses along the Red River in Canada using RADARSAT-2 satellite imagery

[J]. Journal of Water Resource & Protection,2010211): 923-933.

[本文引用: 2]

He HoujunMa XiaobingLiu Xuegonget al.

Application of remote sensing technology in the monitoring of the ice situation of the Yellow River

[J].China Flood and Drought Management, 2015256): 16-19.

[本文引用: 1]

何厚军马晓兵刘学工.

遥感技术在黄河凌情监测中的应用

[J]. 中国防汛抗旱, 2015256): 16-19.

[本文引用: 1]

Zhang Zhizhong.

Basic characteristics of river ice in the Urumqi River Basin

[J]. Journal of Glaciology Geocryology,1992143): 267-270.

[本文引用: 2]

张志忠.

乌鲁木齐河流域河冰的基本特征

[J]. 冰川冻土, 1992143): 267-270.

[本文引用: 2]

Shen Hongdao.

Progress of river ice research

[C]// China Ice Engineering Academic Symposium, 2011.[

[本文引用: 1]

沈洪道.

河冰研究进展

[C]// 全国冰工程学术研讨会, 2011.]

[本文引用: 1]

Cook Timothy LBradley Raymond S.

An analysis of past and future changes in the ice cover of two High-Arctic lakes based on Synthetic Aperture Radar (SAR) and Landsat imagery

[J]. Arctic Antarctic & Alpine Research, 2010421): 9-18.

[本文引用: 1]

McGinnis D FSchneider S R.

Monitoring river ice break-up from space

[J]. Photogrammetric Engineering & Remote Sensing, 1978441): 57-68.

[本文引用: 1]

Gatto Lawrence W.

Monitoring river ice with Landsat images

[J]. Remote Sensing of Environment, 1990321): 1-16.

[本文引用: 1]

Pavelsky T MSmith L C.

Spatial and temporal patterns in Arctic river ice breakup observed with MODIS and AVHRR time series

[J]. Remote Sensing of Environment, 2004933):328-338.

[本文引用: 4]

Chaouch NTemimi MRomanov Pet al.

An automated algorithm for river ice monitoring over the Susquehanna River using the MODIS data

[J]. Hydrological Processes, 2013281): 62-73.

[本文引用: 1]

Kraatz SKhanbilvardi RRomanov P.

River ice monitoring with MODIS:Application over lower Susquehanna River

[J]. Cold Regions ence and Technology, 201613111): 116-128.

[本文引用: 2]

Muhammad PClaude DuguayKang Kevin.

Monitoring ice break-up on the Mackenzie River using MODIS data

[J]. The Cryosphere, 2016102): 569-584.

[本文引用: 1]

Beaton AWhaley RCorston Ket al.

Identifying historic river ice breakup timing using MODIS and Google Earth Engine in support of operational flood monitoring in Northern Ontario

[J]. Remote Sensing of Environment, 2019224352-364.

[本文引用: 1]

Sakai THatta SOkumura Met al.

Use of Landsat TM/ETM+ to monitor the spatial and temporal extent of spring breakup floods in the Lena River,Siberia

[J]. International Journal of Remote Sensing, 2015363/4): 719-733.

[本文引用: 1]

Zhao ShuixiaLi ChangyouLi Chaoet al.

Processes of river ice and ice-jam formation in Shensifenzi Bend of the Yellow River

[J]. Journal of Hydraulic Engineering,2017483): 351-358.

[本文引用: 1]

赵水霞李畅游李超.

黄河什四份子弯道河冰生消及冰塞形成过程分析

[J]. 水利学报, 2017483): 351-358.

[本文引用: 1]

Li ChaoLi ChangyouZhao Shuixiaet al.

Interpretation and analysis of river ice process based on remote sensing data

[J]. Advances in Science & Technology of Water Resources, 2016363): 52-56.

[本文引用: 1]

李超李畅游赵水霞.

基于遥感数据的河冰过程解译及分析

[J]. 水利水电科技进展, 2016363): 52-56.

[本文引用: 1]

Hall D KRiggs G A.

Normalized-Difference Snow Index (NDSI)

[M]// Bishop M P, Björnsson H, Haeberli W, et al. Encyclopedia of Snow,Ice and Glaciers. DordrechtSpringer Netherlands2011.

[本文引用: 1]

Liu LiangmingXu QiYang Siquan.

Identification of river ice on the Yellow River using landsat images

[C]// International Conference on Geoinformatics. IEEE2010.

[本文引用: 1]

Yan JunjieLiu LiangmingMa Haoluet al.

Application of MODIS data on the ice folld monitoring of Yellow River

[J]. Geomatics and Information Science of Wuhan University, 2004298): 679-681.

[本文引用: 1]

鄢俊洁刘良明马浩录.

MODIS数据在黄河凌汛监测中的应用

[J]. 武汉大学学报:信息科学版, 2004298): 679-681.

[本文引用: 1]

Li HaojieLi HongyiWang Jianet al.

Monitoring high-altitude river ice distribution at the basin scale in the northeastern Tibetan Plateau from a Landsat time-series spanning 1999-2018

[J]. Remote Sensing of Environment, 2020247111 915.

[本文引用: 4]

Wang H BWang G HTang X Met al.

Yellow River icicle hazard dynamic monitoring using UAV aerial remote sensing technology

[J]. IOP Conference Series:Earth and Environmental Science,201418012043. DOI:10.1088/1755-1315/18/1/012043.

[本文引用: 1]

Knut AChristian HTuhtan J Aet al.

Brief communication:Mapping river ice using drones and structure from motion

[J]. The Cryosphere, 2018122): 627-633.

[本文引用: 1]

Monique BernierYves Gauthier.

Monitoring the cryosphere using Radarsat-1 and SSM/I data:An overview of CRYSYS related accomplishments at INRS-ETE

[C]//IEEE International Conference on Geoscience & Remote Sensing Symposium2006.

[本文引用: 1]

Martin JasekYves GauthierJimmy Poulinet al.

Monitoring of freeze-up on the peace river at the vermilion rapids using RADARSAT-2 SAR data

[C]//CGU HS Committee on River Ice Processes and the Environment 17th Workshop on River Ice EdmontonAlberta2013.

[本文引用: 1]

Karl-Erich LindenschmidtSanden J JAllyson Demskiet al.

Characterising river ice along the Lower Red River using RADARSAT-2 imagery

[C]//16th CRIPE Workshop on the Hydraulics of Ice Covered Rivers2011.

[本文引用: 1]

Mermoz SAllain SBernier Met al.

Retrieval of river ice thickness from C-band polsar data

[C]// IEEE International Geoscience and Remote Sensing Symposium2012.

[本文引用: 1]

Los HPawlowski B.

The use of sentinel-1 imagery in the analysis of river ice phenomena on the lower vistula in the 2015-2016 winter season

[C]// Signal Processing Symposium2017.

[本文引用: 1]

Kämäri MAlho PColpaert Aet al.

Spatial variation of river-ice thickness in a meandering river

[J]. Cold Regions Science and Technology, 201713717-29.

[本文引用: 1]

Lei RuiboLi ZhijunQin Jianminet al.

Investigation of new technologies for in-situ ice thickness observation

[J]. Advances in Water Science,2009202): 287-292.

[本文引用: 1]

雷瑞波李志军秦建敏.

定点冰厚观测新技术研究

[J]. 水科学进展,2009202): 287-292.

[本文引用: 1]

Li ZhijunHan MingQin Jianminet al.

States and advances in monitor of ice thickness change

[J]. Advances in Water Science,2005165): 753-757.

[本文引用: 1]

李志军韩明秦建敏.

冰厚变化的现场监测现状和研究进展

[J]. 水科学进展, 2005165): 753-757.

[本文引用: 1]

Li HaojieLi HongyiWang Jianet al.

Extending the ability of near-infrared images to monitor small river discharge on the northeastern Tibetan Plateau

[J]. Water Resources Research,20195511): 8 404-8 421.

[本文引用: 1]

Yan Kailin. Advances of ice hydraulics

ice regime observation and forecasting in rivers

[J]. Journal of Hydraulic Engineering,2018491): 81-91.

[本文引用: 1]

杨开林.

河渠冰水力学、冰情观测与预报研究进展

[J]. 水利学报,2018491): 81-91.

[本文引用: 1]

Gu LihuaNi Jin.

Advance in river ice hydrology

[J]. Journal of Anhui Technical College of Water Resources and Hydroelectric Power, 200881): 24-26.

[本文引用: 1]

顾李华倪晋.

河冰水文研究的进展

[J]. 安徽水利水电职业技术学院学报, 200881): 24-26.

[本文引用: 1]

Brian MorseFaye Hicks.

Advances in river ice hydrology 1999-2003

[J]. Hydrological Processes, 2005191): 247-263.

[本文引用: 1]

Prowse T D.

River-ice hydrology

[M]//Encyclopedia of Hydrological Sciences. John Wiley & Sons, Ltd., 2006. DOI: 10.1002/0470848944.

[本文引用: 1]

Brakenridge G RCohen SKettner A Jet al.

Calibration of satellite measurements of river discharge using a global hydrology model

[J]. Journal of Hydrology, 2012475123-136.

[本文引用: 1]

Sun WenchaoIshidaira HiroshiBastola Satishet al.

Estimating daily time series of streamflow using hydrological model calibrated based on satellite observations of river water surface width:Toward real world applications

[J]. Environmental Research, 20151395): 36-45.

[本文引用: 1]

Turcotte BMorse B.

A global river ice classification model

[J]. Journal of Hydrology, 2013507134-148.

[本文引用: 1]

Zhang FanMosaffa MChu Thuanet al.

Using remote sensing data to parameterize ice jam modeling for a northern inland delta

[J]. Water, 201795): 306.

[本文引用: 1]

Qin Dahe

Ding Yongjian. Cryospheric changes and their impacts:Present,trends and key issues

[J]. Advances in Climate Change Research, 200954): 187-195.

[本文引用: 2]

秦大河丁永建.

冰冻圈变化及其影响研究——现状、趋势及关键问题

[J]. 气候变化研究进展,200954): 187-195.

[本文引用: 2]

Shiklomanov A ILammers R B.

River ice responses to a warming Arctic—Recent evidence from Russian Rivers

[J]. Environmental Research Letters, 201493): 206-222.

[本文引用: 2]

Vuglinsky VValatin D.

Changes in ice cover duration and maximum ice thickness for rivers and lakes in the Asian part of Russia

[J]. Natural Resources, 201893): 73-87.

[本文引用: 1]

Helama SJiang JKorhonen Jet al.

Quantifying temporal changes in Tornionjoki river ice breakup dates and spring temperatures in Lapland since 1802

[J]. Journal of Geographical Sciences, 2013236): 1 069-1 079.

[本文引用: 1]

Li JiHu ChunliLi Feiet al.

Characters of river's freeze/thaw date and their responses to regional warming in Liaoning Province during 1981-2009

[J]. Advances in Climate Change Research, 201176): 418-422.

[本文引用: 1]

李辑胡春丽李菲.

1981—2009年辽宁省河流封冻期特征及对气候变暖的响应

[J]. 气候变化研究进展, 201176): 418-422.

[本文引用: 1]

Latifovic RPouliot D.

Analysis of climate change impacts on lake ice phenology in Canada using the historical satellite data record

[J]. Remote Sensing of Environment,20071064):492-507.

[本文引用: 1]

Liu XiaodongChen Baode.

Climatic warming in the Tibetan Plateau during recent decades

[J]. International Journal of Climatology, 20002014): 1 729-1 742.

[本文引用: 2]

Li XinCheng GuodongJin Huijunet al.

Cryospheric change in China

[J]. Global and Planetary Change,2008623/4):210-218.

[本文引用: 1]

Yao TandongOnnie ThompsonYang Weiet al.

Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings

[J]. Nature Climate Change, 20122663-667.

[本文引用: 1]

Gou PengYe QinghuaChe Taoet al.

Lake ice phenology of Nam Co,Central Tibetan Plateau,China,derived from multiple MODIS data products

[J]. Journal of Great Lakes Research,2017436): 989-998.

[本文引用: 1]

Jan KropáčekMaussion FChen Fet al.

Analysis of ice phenology of lakes on the Tibetan Plateau from MODIS data

[J]. The Cryosphere, 201371): 287-301.

[本文引用: 1]

/