论文部分内容阅读
湖泊表面水温（Lake surface water temperature,LSWT）是湖泊表层1米范围内的水温,是湖泊的水质参数和重要的物理参数。有研究表明,在全球气候变暖胁迫下,全球湖泊表面水温也呈上升趋势。随着人类活动的不断加剧,城镇化进程中不透水面的快速扩张对湖泊表面水温的影响也不容忽视。高原湖泊以其特殊的地理位置,湖泊表面水温的改变对高原山地区域的气候、生物及文化等方面的多样性将产生非常重要影响。因此,有必要从宏观尺度分析湖泊表面水温的时空变化过程,探讨影响湖泊表面水温变化的驱动因子,从而监测和预警蓝藻水华爆发等水环境突发事件,进而从源头控制和改善湖泊水生态环境。本文以云南九大高原湖泊（程海、滇池、洱海、抚仙湖、泸沽湖、杞麓湖、星云湖、阳宗海、异龙湖）作为研究区,主要对驱动因子的影像融合与降尺度、湖泊表面水温的归因分析及未来趋势预测这三个方面进行探究。在影像融合与降尺度方面,主要包括三个部分的内容,分别是湖泊表面水温和自然因子的降尺度、人文因子的空间估算。（1）对于湖泊表面水温降尺度,以Landsat TM/TIRS、MOD11Q3和MOD11A1/A2等遥感影像为数据基础,结合基于统计的Dis Trad及基于深度学习的SRCNN方法,实现了1 km到50 m分辨率的降尺度,最终得到了50 m空间分辨率的月均湖泊表面水温数据集,从而最大程度的避免了近岸地表像元对湖泊表面水温的影响。结果表明,降尺度结果的误差比MOD11A2更小,且LSWT-day优于LSWT-night(MAEday=1.10±0.13,RMSEday=1.36±0.15,MAEnight=1.62±0.11,RMSEnight=1.95±0.11),降尺度结果可靠,可用于湖泊表面水温的进一步研究分析。（2）对于自然因子降尺度,选用Delta和地理加权回归（Gergraphic Weighted Regression,GWR）方法进行对比。自然因子包括近地表气温（Near Surface Air Temperature,NSAT）、地表太阳辐射（Surface Solar Radiation,SSR）、风速（Wind Speed,WS）、水汽压（Water Vapor Pressure,WVP）等4个因素。结果表明,空间降尺度及估算结果可靠,能够表达各因素的空间分布特征,NSAT和WVP选用GWR方法(MRENSAT=8.33%,MREWVP=13.03%);WS和SSR选用Delta方法(MREWS=11.64%,MRESSR=12.78%)。（3）对于人文因子空间分布估算,选用Logistic和随机森林（Random Forest,RF）回归方法进行对比。人文因子包括人口（Population,POP）和国内生产总值（Gross Domestic Product,GDP）2个因素。结果表明,随机森林方法更适合于估算人文因子的空间分布密度（MREPOP=0.04%,MREGDP=0.12%）。在湖泊表面水温归因分析方面,主要包括湖泊类型划分与驱动因子分析两个部分,其中驱动因子分析包括了趋势分析、相关性分析、贡献率分析及阈值分析。（1）对于湖泊类型划分,基于K-Means聚类方法提出一种新的可量化人类活动对湖泊影响程度的分类方法,并以流域尺度将湖泊划分为3个类型,分别为自然型湖泊（程海、抚仙湖、泸沽湖、星云湖）、半城市型湖泊（洱海、阳宗海、异龙湖）、城市型湖泊（滇池、杞麓湖）。（2）对于驱动因子分析,将NSAT、SSR、WS、WVP、降水量（Total Precipitation,TP）等5个指标作为自然因子,将不透水面积（Impervious Surface Area,ISA）、POP和GDP等3个指标作为人文因子,以Theil-Sen变化率分析各驱动因子的变化趋势,以Pearson相关系数分析各因子间的相关性,以回归分析的可解释度作为衡量因子贡献率的方法,以回归分析及拐点分析计算LSWT的阈值。研究结果表明:对于趋势分析,2001～2018年间LSWT-day和LSWT-night总体均呈现上升趋势（CRday=0.06℃/10a,CRnight=0.02℃/10a）,自然因子除了WVP总体均呈现上升趋势,人文因子总体均呈显著的上升趋势;对于相关性分析,自然因子与LSWT的相关性高于人文因子,其中NSAT相关性最高;对于贡献率分析,8个驱动因子能够解释昼夜湖泊表面水温79.82%和76.65%的贡献程度,LSWT-day和LSWT-night的主要影响因素因湖泊类型不同而有差异,但可以确定NSAT是最主要的影响因子,POP其次;对于阈值分析,LSWT-day的阈值范围为18.07～18.59℃,LSWT-night的阈值范围为14.03～14.36℃。在湖泊表面水温未来趋势预测方面,主要分为短期与长期预测两个部分。基于机器学习理论,本文提出了适合于湖泊表面水温短期预测的SHANN模型及适合于长期预测的WTFLSTM模型。SHANN和WTFLSTM模型均能较好的预测湖泊表面水温未来的变化趋势,但两个模型都存在收敛较慢的缺点,且对极值的预测不够准确,相较而言,WTFLSTM模型的预测效果更好(RMSELSWT-day=0.1773,RMSELSWT-night=0.1788,R~2LSWT-day=0.8323,R~2LSWT-night=0.8452);SHANN在短期预测中对局部特征的表现较好(RMSELSWT-day=0.1924,RMSELSWT-night=0.1851,R~2LSWT-day=0.8262,R~2LSWT-night=0.8171)。最后,分析了2001年～2028年湖泊表面水温的变化特征,从而进一步揭示了未来人类活动因素对云南九大高原湖泊表面水温未来变化趋势的影响。研究结果表明:（1）城市型湖泊的表面水温增温趋势较半城市型和自然型湖泊更为明显,表明人类活动对城市型湖泊表面水温的影响更为显著,且主要驱动因素是不透水表面扩张和人口增加;（2）半城市型湖泊表面水温主要受到人为因素与近地表气温的双重影响;（3）自然型湖泊日间湖泊表面水温主要受人为影响,夜间湖泊表面水温变化的主要驱动因素为近地表气温;（4）人类活动对云南九大高原湖泊表面水温的影响越来越明显,同时也是造成云贵高原湖泊水环境恶化的主要因素。