基於多源雷達高度計數據的高亞洲湖泊水位變化數據集

基於多源雷達高度計數據的高亞洲湖泊水位變化數據集
作者：廖靜娟　趙雲
2019年6月17日

本作品收錄於《中國科學數據》

廖靜娟, 趙雲. 基於多源雷達高度計數據的高亞洲湖泊水位變化數據集[J/OL]. 中國科學數據, 2019. (2019-06-14). DOI: 10.11922/csdata.2019.0019.zh.

摘要&關鍵詞

摘要：湖泊水位是全球環境變化和水資源動態變化的重要指標。高亞洲湖泊眾多，開展湖泊水位變化監測對研究該區域的氣候變化和生態環境變化具有重要意義。但高亞洲地區水文站點稀少且站點設置極為不易，地面觀測較為困難。衛星測高技術的發展為湖泊水位變化監測帶來機遇，為此本文利用多源雷達高度計數據和MODIS影像數據經湖泊邊界提取、水位計算、水位異常值剔除、高斯濾波去噪、高程系統轉換等過程，提取了高亞洲地區87個湖泊2002–2017年的水位變化數據集。本數據集包括87個湖泊的單天水位、月平均水位和年平均水位，以及2002–2017年的水位變化率。本數據集可為監測高亞洲地區湖泊水體動態變化規律、氣候和環境變化研究以及水資源管理等提供基礎數據支持。

關鍵詞：湖泊；水位變化；高亞洲；多源雷達高度計

Abstract & Keywords

Abstract: Lake levels are important indicators of global environmental changes and dynamics of water resources. High Mountain Asia is a region dotted with lakes, and monitoring lake level changes is important for the research of climate and ecological changes in the region. However, it is difficult for ground measurements of lake levels due to scarce hydrological sites. Satellite altimetry technology is a tool for monitoring lake level changes. In this study, a dataset of lake level changes from 2002 to 2017 for 87 lakes in High Mountain Asia was compiled through lake boundary delineation, water level calculation, outlier removal, Gaussian filtering, and elevation system conversion, and developed based on multi-altimeter data and MODIS images. The dataset includes the daily water level, the monthly and annual average water levels, and annual rate of lake level change for 87 lakes, and can support to monitor the dynamics of lake changes, and study the climate and environmental changes and manage the water resources in this region.

Keywords: lake; water level changes; High Mountain Asia; multi-altimeter

數據庫（集）基本信息簡介

數據庫（集）名稱	基於多源雷達高度計數據的高亞洲湖泊水位變化數據集
數據作者	廖靜娟、趙雲
數據通信作者	廖靜娟（liaojj@radi.ac.cn）
數據時間範圍	2002–2017年
地理區域	高亞洲，地理範圍包括24°40′48″N–45°46′18′′N，61°57′23′′E–105°29′38″E，由喜馬拉雅山、興都庫什山、岡底斯山、崑崙山、橫斷山、祁連山和天山等山脈及帕米爾等高原的高海拔山地與高原地區構成。
數據量	68.8 MB
數據格式	*.xlsx, *.shp
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/787
基金項目	中國科學院國際合作局對外合作重點項目（131C11KYSB20160061）；國家自然科學基金（41871256）；國家發展和改革委員會促進大數據發展重大工程項目（2016-999999-65-01-000696-01）。
數據庫（集）組成	數據集由2部分數據組成，其一為2002−2017年高亞洲區域87個湖泊的水位變化數據集，由87個文件組成，壓縮為1個數據文件，文件名為高亞洲湖泊水位.rar，數據量為0.98 MB；其二是高亞洲區域87個湖泊2002−2017年水位變化率數據及分布範圍，文件名為高亞洲湖泊水位變化率分布圖.rar，數據量67.8 MB。

Dataset Profile

Title	A dataset of lake level changes in High Mountain Asia using multi-altimeter data
Data corresponding author	LIAO Jingjuan (liaojj@radi.ac.cn)
Data authors	LIAO Jingjuan, ZHAO Yun
Time range	2002–2017
Geographical scope	High Mountain Asia: 24°40′48″N–45°46′18′′N, 61°57′23′′E–105°29′38″E; including Himalayas, Hindu Kush Mountains, Gangdese Mountains, Kunlun Mountains, Hengduan Mountains, Qilian Mountains, Tianshan Mountains and plateaus ,such as Tibetan and Pamirs.
Data volume	68.8 MB
Data format	*.xlsx, *.shp
Data service system	<http://www.sciencedb.cn/dataSet/handle/787>
Source(s) of funding	International Partnership Program of Chinese Academy of Sciences (131C11KYSB20160061); National Natural Science Foundation of China (41871256); Major Program for Big Data Development of the National Development and Reform Commission (2016-999999-65-01-000696-01).
Dataset/Database composition	The dataset consists of two parts: (1) the lake level changes for 87 lakes in High Mountain Asia (2002-2017), totaling 87 data files ( compressed to 0.98MB in one files); (2) the annual rate of lake level for 87 lakes from 2002 to 2017 in High Mountain Asia, archived in .shp data format with 67.8 MB.

引 言

高亞洲（High Mountain Asia）地區位於亞洲中部，由喜馬拉雅山、興都庫什山、岡底斯山、崑崙山、橫斷山、祁連山和天山等山脈及帕米爾等高原的高海拔山地與高原地區構成；範圍西起興都庫什山脈和天山山脈西端，東至祁連山脈東南緣—邛崍山東麓—橫斷山脈，橫跨約45個經度；南自蘇萊曼山脈南麓—喜馬拉雅山脈南緣—橫斷山脈南端，北迄天山山脈北側阿爾金山和祁連山北緣，縱貫約22個緯度；海拔在2000–8844 m，平均海拔在4046 m；分布在經度為61°57′23′′E–105°29′38″E，緯度為24°40′48″N–45°46′18′′N的區域，面積約為3804.98×103 km2，約占亞洲陸地總面積的9.34%。在高亞洲地區，分布有面積大於1 km2的湖泊1000多個，這些湖泊由於受人類活動影響較少，其變化主要受自然因素的驅動，而湖泊水位是開展全球變化研究和評價湖泊水量的重要指標。因此在該區域開展湖泊水位變化監測對研究該區域的氣候變化和生態環境變化具有重要意義。

然而，由於該區域地處偏遠，環境惡劣，在地表布設水文站點進行湖泊監測較為困難。衛星測高技術經過20餘年的應用，在湖泊水位監測中取得了重要的成果^{[1][2][3][4][5][6]}。針對高亞洲地區的湖泊，前人曾利用激光雷達測高衛星ICESat-1監測了青藏高原湖泊2003-2009年的水位變化^[7][8][9]，Gao等^[4]融合Envisat、Jason-1、Jason-2和Cryosat-2雷達高度計數據獲取到51個青藏高原湖泊2002–2012年的水位變化，Hwang等^[10]利用T/P系列雷達高度計數據監測了23個青藏高原湖泊1993–2014年間的水位變化，Kleinherenbrink等^[11]和Jiang等^[1]則利用Cryosat-2 SARIn數據分別監測了青藏高原湖泊2012–2014年和2010–2014年的水位變化。此外，還有學者專門針對青藏高原的單個湖泊（如青海湖、納木措和扎日南木措等）進行了長時序的水位變化監測^{[12][13][14][15][16][17][2]}。因此，已有的研究主要針對青藏高原湖泊，而對於整個高亞洲地區湖泊，目前還未有完全監測數據，為此，我們利用ENVISAT/RA-2、Jason-2和Cryosat-2/SIRAL等多源雷達高度計的GDR（Geophysical Data Record）數據，獲取了87個高亞洲湖泊2002–2017年的水位變化，構成了基於多源雷達高度計數據的高亞洲湖泊水位變化數據集，為開展高亞洲地區的區域環境變化和水資源管理提供數據支持。

1 數據採集和處理方法

1.1 數據採集

2002–2017年高亞洲湖泊水位變化數據集主要基於多源雷達高度計數據融合生成。使用的數據資料包括：

（1）MODIS植被指數產品（MOD13Q1）。該產品是美國國家宇航局（NASA）提供的空間分辨率為250米、時間間隔16天的高時相大尺度數據，包括EVI、red_reflectance 12等12個波段，本文採用了歸一化植被指數（NDVI）波段。利用該產品影像，提取湖泊的邊界。

（2）ENVISAT/RA-2高度計數據。ENVISAT是歐空局（ESA）於2002年3月發射的極軌對地觀測衛星，其上攜帶的RA-2是監測內陸水域水位方面應用較廣泛的一種高度計數據，其GDR產品採用了Ocean、Ice-1、Ice-2和Sea-Ice共4種重跟蹤算法。前人研究表明，基於Ice-1算法的數據最適用於陸地水文應用研究^[18][19]，故本文將採用此數據來提取高亞洲湖泊的水位，時間跨度為2002–2010年。

（3）Cryosat-2/SIRAL高度計數據。Cryosat-2衛星工作在Ku波段，主要包括3種測量模式：低分辨率指向星下點的高度計測量模式（LRM）、SAR測量模式和SAR干涉測量模式（SARIn）^[20][21]。經過高亞洲的數據為LRM測量模式，最新更新的GDR產品中，LRM模式數據採用了Refined CFI、UCL和Refined OCOG 3種重跟蹤算法。本文採用2010–2017年Cryosat-2/SIRAL LRM的GDR數據。

（4）Jason-2高度計數據。Jason-2是由美國NASA和法國空間局（CNES）2008年6月發射的用於海洋表面地形觀測的極軌衛星，其上攜帶Poseidon-3雷達高度計工作在Ku和C波段，重軌周期10天。本文使用的GDR數據產品時間跨度為2008–2017年。

（5）青海湖下社水位站的2001–2012年5–10月的實測水位數據，該數據用於對所生成的數據集進行精度驗證。

1.2 數據處理

對高度計的GDR數據進行處理，根據公式（1），便獲得湖面每個點的高程值 hortho 。 \[{h\mathop{{}}\nolimits_Template:Ortho{=h\mathop{{}}\nolimits_Template:Alt-R-∆R-h\mathop{{}}\nolimits_Template:Geoid}}\]（1） 式中， halt代表衛星的高度；hgeoid代表大地水準面高程；R代表雷達高度計到水面的距離； ∆R代表各項改正值，這裡主要運用了乾濕對流層改正、電離層改正、海況偏差和潮汐改正。

然後首先利用MODIS MOD13Q1產品的NDVI波段，針對不同湖泊不同時相的影像，經過實驗選取合適的閾值，在ENVI軟件環境下，經過坐標投影轉換、批量裁剪、密度分割、柵格矢量轉換等處理過程，獲得每個湖泊的矢量邊界，提取每個湖泊2002–2016年的湖泊邊界。對於邊界變化較小，即小於高度計兩個測量點間的距離的湖泊，採用了統一的邊界；而對於湖泊邊界變化較大的，採用相對實時的湖泊邊界。其次，對湖面上所有的20 Hz的水位觀測點，先目視解譯，剔除明顯的異常水位，然後與總體水位平均值作差，再次目視解譯剔除明顯異常值。對於每一天的數據，用3σ準則剔除異常值後，將一天中的所有有效水位值取平均作為單天水位。對整體單天水位數據採用高斯濾波法去除噪聲，得到較為乾淨的單天水位序列，將單天水位按月取平均得到月平均水位，按年取平均得到年平均水位。

分別提取Cryosat-2、Jason-2和ENVISAT/RA-2 3種高度計的水位，然後對提取的水位進行融合，得到2002–2018年湖泊的水位時間序列。由於Cryosat-2、Jason-2和ENVISAR/RA-2都是採用了EGM96的重力場模型，因此3種數據水位之間不需要進行高程系統的轉換，但是這3種數據之間仍然存在着系統偏差，需要對其進行消除。Jason-2數據與另外兩種數據都有較長時間的重合部分，故以Jason-2數據為基準分別計算Crysat-2和ENVISAR/RA-2兩種數據的結果與Jason-2所得水位的平均差值。對單天水位，根據上一步算出的差值，將這兩種水位結果變換到與Jason-2相同的水平上來，對於有多個水位值的時間點，將這多個水位值（2個或3個）取平均作為該時間點的水位值，這樣便得到由3種高度計數據融合而得的單天水位時間序列，進而得到融合後的月平均水位序列及年平均水位序列；對獲得的年平均水位序列作簡單線性回歸，得到2002–2018年的平均水位變化趨勢。研究的技術路線如圖1所示。

圖片

圖1 多源高度計數據湖泊水位序列提取技術路線圖

2 數據樣本描述

2.1 數據集信息

該數據集為87個高亞洲湖泊2002–2017年的水位變化序列，每個湖泊水位變化序列數據包括湖泊的單天水位、月平均水位和年平均水位，數據集存儲在Excel文件中，命名規則為「HMA_湖泊ID_湖泊名（英文）」。每個湖泊的2002–2017年水位年平均變化率採用簡單線性回歸計算，和湖泊的分布範圍一起存貯在Shape文件中，全部湖泊的年均變化狀況見圖2及表1。

圖片

圖2 高亞洲湖泊2002–2017年水位年均變化狀況圖（圖中藍色數字代表湖泊編號）

表1 高亞洲湖泊2002–2017年水位年均變化狀況統計表

編號	湖泊名稱	年變化率（m/y）	編號	湖泊名稱	年變化率（m/y）
1	伊塞克湖	0.004	45	羊湖	0.603
2	青海湖	0.120	46	仁青休布措	0.013
3	色林措	0.401	47	措那	−0.018
4	納木措	0.075	48	其香措	0.049
5	扎日南木措	0.094	49	蓬措	0.034
6	阿雅克庫木湖	0.299	50	依布茶卡	−0.070
7	當惹雍措	0.136	51	美馬措	0.410
8	班公措	0.042	52	托素湖	0.392
9	赤布張措	0.119	53	雅根措	0.076
10	鄂陵湖	0.143	54	姆措丙尼	−0.084
11	哈拉湖	0.299	55	邦達措	0.648
12	烏蘭烏拉湖	0.464	56	帕龍措	0.067
13	阿其克庫勒	0.412	57	懂措	0.061
14	羊卓雍措	−0.106	58	玉液湖	0.284
15	扎陵湖	0.066	59	崩措	−0.001
16	昂拉仁措	−0.039	60	卓乃湖	0.036
17	多爾索洞措	0.298	61	傑薩措	0.214
18	多格錯仁	0.215	62	拜惹布措	−0.029
19	塔若措	−0.163	63	茶卡鹽湖	−0.001
20	格仁措	0.140	64	班戈措	−0.032
21	西金烏蘭湖	0.267	65	澤措	0.159
22	昂孜措	0.226	66	向陽湖	0.246
23	瑪旁雍措	−0.032	67	達瓦措	0.084
24	多格錯仁強措	0.165	68	結則茶卡	0.187
25	魯瑪江冬措	0.167	69	果忙措	−0.113
26	可可西里湖	0.276	70	蘇千湖	0.020
27	吳如措	−0.040	71	明鏡湖	0.328
28	鯨魚湖	0.411	72	欽馬湖	−0.096
29	庫賽湖	0.721	73	打加措	−0.156
30	達則措	0.375	74	龍木措	0.281
31	普莫雍措	−0.170	75	查木措	0.121
32	阿克賽欽湖	0.148	76	阿魯措	0.017
33	勒斜武擔湖	0.336	77	太陽湖	0.354
34	佩枯措	−0.034	78	倉木措	−0.115
35	錯鄂	−0.057	79	布若措	0.245
36	郭扎措	−0.037	80	波濤湖	−0.047
37	拉昂措	−0.065	81	達如措	−0.028
38	巴木措	−0.062	82	拉雄措	0.238
39	冬給措納湖	0.066	83	嘉措	0.231
40	茲格塘措	0.194	84	珍措	−0.391
41	鹼水湖	0.340	85	托克托古爾水庫	−0.377
42	錯仁德加	0.105	86	Chatyr−Kol湖	−0.087
43	許如措	−0.042	87	Song−Kul湖	−0.032
44	達布遜湖	−0.021

2.2 數據樣本

數據集中每個數據樣本包括了每個湖泊的單天水位（day）、月平均水位（month）和年平均水位（year），每種水位都可單獨成圖，得到不同的水位序列。圖3展示了青海湖的月平均水位序列。

圖片

圖3 多源高度計數據提取的青海湖2002–2017年月平均水位變化

3 數據質量控制和評估

3.1 數據缺失情況說明

由於高度計衛星在高亞洲地區的過境覆蓋的差異，不是所有湖泊都有上述3種高度計數據覆蓋，其中除編號12的烏蘭烏拉湖只有Jason-2數據覆蓋外，其他86個湖泊均有Cryosat-2數據不同程度的覆蓋，ENVISAT/RA-2數據覆蓋了大部分的湖泊，而Jason-2數據覆蓋的湖泊數量卻較少，因此得到的87個湖泊的水位序列時間跨度並不都為2002–2017年，其中時間跨度最短的為達如措（編號81）和珍措（編號84），跨度分別為2011–2015年和2010-2014年。對於每個湖泊的時間跨度，在數據集中均已清楚顯示。

3.2 數據集提取精度驗證

利用獲取的青海湖實測水位數據，開展了水位提取精度驗證。圖4為高度計提取青海湖的單天水位序列、月平均水位序列、年平均水位序列與實測水位的對比圖，並計算了它們之間的均方根誤差（RMSE）與相關係數（表2）。結果顯示，不管是單天水位還是年際水位，兩組水位結果的整體變化趨勢一致，相關係數達到0.95以上，水位提取精度為0.1 m左右。

表2 高度計提取水位序列與實測水位的對比

青海湖水位精度驗證	均方根誤差（m）	相關係數	參與驗證的水位個數
單天水位與實測水位對比	0.119	0.957	168
月均水位與實測水位對比	0.107	0.964	64
年均水位與實測水位對比	0.091	0.978	11

圖片（a）

圖片（b）

圖片（c）

圖4 高度計提取青海湖水位序列與實測水位對比圖（a）單天水位對比圖；（b）月平均水位對比圖；（c）年水位對比圖

4 數據使用方法和建議

本數據集包含了高亞洲區域2002–2017年87個湖泊的水位變化序列及水位年均變化率信息。本數據集可以單獨使用，也可結合湖泊面積變化數據，實現對湖泊水量變化的估算。本數據集可服務於地方或國家水文信息監測中心日常監測業務，也可作為關鍵基礎數據用於科學研究，包括高亞洲地區湖泊水體動態變化規律、氣候和環境變化研究以及水資源管理等。

致 謝

此研究中用到的高度計數據來源於歐洲航空局（ESA），MODIS圖像數據來源於美國國家航空航天局（NASA），實測水位數據由青海省下社水文站提供，在此表示衷心的感謝！

參考文獻

1. ^ ^{1.0 1.1} Jiang L, Nielsen K, Andersen O B, et al. Monitoring recent lake level variations on the Tibetan Plateau using Cryosat-2 SARIn mode data[J]. Journal of Hydrology, 2017, 544: 109-124.
2. ^ ^{2.0 2.1} Liao J, Gao L, Wang X. Numerical simulation and forecasting of water level for Qinghai Lake using multi-altimeter data between 2002 and 2012[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2014, 7(7): 609-622.
3. 高樂, 廖靜娟, 劉煥玲, 等. 衛星雷達測高的應用現狀及發展趨勢[J]. 遙感技術與應用，2013, 28(6): 978-983.
4. ^ ^{4.0 4.1} Gao L, Liao J, Shen G. Monitoring lake-level changes in the Qinghai-Tibetan Plateau using radar altimeter data (2002-2012)[J]. Journal of Applied Remote Sensing, 2013, 7: 073470.
5. Birkett C M. The contribution of TOPEX/Poseidon to the global monitoring of climatically sensitive lakes[J]. Journal of Geophysical Research Atmospheres, 1995, 100(C12): 25179-25204.
6. Morris C S, Gill S K. Evaluation of the TOPEX/Poseidon altimeter system over the Great Lakes[J]. Journal of Geophysical Research Oceans, 1994, 99(C12): 24527-24539.
7. Zhang G, Xie H, Kang S, et al. Monitoring lake level changes on the Tibetan Plateau using ICESat altimetry data (2003–2009)[J]. Remote Sensing of Environment. 2011, 115(7): 1733-1742.
8. Song C, Huang B, Ke L, et al. Seasonal and abrupt changes in the water level of closed lakes on the Tibetan Plateau and implications for climate impacts[J]. Journal of Hydrology. 2014, 514: 131-144.
9. Phan V H, Lindenbergh R, Menenti M. ICESat derived elevation changes of Tibetan lakes between 2003 and 2009[J]. International Journal of Applied Earth Observation and Geoinformation. 2012, 17(7): 12-22.
10. Hwang C, Cheng Y, Han J, et al. Multi-Decadal Monitoring of Lake Level Changes in the Qinghai-Tibet Plateau by the TOPEXPoseidon-Family AltimetersClimate Implication[J]. Remote Sensing. 2016, 8.
11. Kleinherenbrink M, Ditmar P G, Lindenbergh R C. Retracking Cryosat data in the SARIn mode and robust lake level extraction[J]. Remote Sensing of Environment. 2014, 152: 38-50.
12. 趙雲, 廖靜娟, 沈國狀, 等. 衛星測高數據監測青海湖水位變化[J]. 遙感學報. 2017, 21(4): 633-644.
13. Song C, Ye Q, Cheng X. Shifts in water-level variation of Namco in the central Tibetan Plateau from ICESat and CryoSat-2 altimetry and station observations[J]. SCIENCE CHINA PRESS. 2015, 60(14): 1287-1297.
14. 張鑫, 吳艷紅, 張鑫. 基於多源衛星測高數據的扎日南木錯水位動態變化(1992—2012年)[J]. 自然資源學報. 2015, 30(7): 1153-1162.
15. Wu Y, Zheng H, Zhang B, et al. Long-Term Changes of Lake Level and Water Budget in the Nam Co Lake Basin, Central Tibetan Plateau[J]. Journal of Hydrometeorology. 2014, 15(3): 1312-1322.
16. Kropáček J, Braun A, Kang S, et al. Analysis of lake level changes in Nam Co in central Tibet utilizing synergistic satellite altimetry and optical imagery[J]. International Journal of Applied Earth Observation and Geoinformation. 2012, 17(7): 3-11.
17. 姜衛平, 褚永海, 李建成, 等. 利用ENVISAT測高數據監測青海湖水位變化[J]. 武漢大學學報.信息科學版. 2008, 33(1): 64-67.
18. Medina C E, Gomez-Enri J, Alonso J J et al., Water level fluctuations derived from ENVISAT Radar Altimeter (RA-2) and in-situ measurements in a subtropical waterbody: Lake Izabal (Guatemala) [J]. Remote Sensing of Environment, 2008, 112(9): 3604-3617 [DOI: 10.1016/j.rse.2008.05.001]
19. Frappart F, Calmant S, Cauhope M, et al., Preliminary results of ENVISAT RA-2-derived water levels validation over the Amazon basin[J]. Remote Sensing of Environment, 2006, 100(2): 252-264 [DOI: 10.1016/j.rse.2005.10.027]
20. 李建成, 金濤勇. 衛星測高技術及應用若干進展[J]. 測繪地理信息, 2013, 38(4):1-8)
21. Wingham D J, Francis C R, Baker S, et al., Cryosat: A mission to determine the fluctuations in Earth’s land and marine ice fields [M]. Advances in Space Research. England: ELSEVIER SCIENCE LTD, 2006: 841-871

數據引用格式

廖靜娟, 趙雲. 基於多源雷達高度計數據的高亞洲湖泊2002−2017年水位變化數據集[DB/OL]. Science Data Bank, 2019. (2019-06-05). DOI: 10.11922/sciencedb.770.