跳至內容

2000–2015年鹹海邊界數據集

維基文庫,自由的圖書館
2000–2015年鹹海邊界數據集
作者:孫芳蒂 熊立
2019年12月24日
本作品收錄於《中國科學數據
孫芳蒂, 熊立. 2000–2015年鹹海邊界數據集[J/OL]. 中國科學數據, 2019, 4(4). (2019-09-15). DOI: 10.11922/csdata.2019.0033.zh.


摘要&關鍵詞

[編輯]

摘要:本研究利用高時頻的MODIS數據,基於一種自動化水體提取方法,經過修改和驗證工作,得到了2000–2015年32期鹹海邊界數據集。結果顯示,2000年鹹海面積為本數據集可以描繪鹹海不同區域的時空變化特徵,可應用於本世紀以來鹹海受人類活動和自然環境影響的後續研究。

關鍵詞:鹹海;湖泊邊界;面積變化

Abstract & Keywords

[編輯]

Abstract: Based on an automatic water extraction method and correctness procedure, we obtained the 32 series of Aral Sea coastlines during 2000–2015 were obtained in this research through modification and validation by making use of high-frequency MODIS data. This dataset can be used to delineate the tempo-spatial dynamics of the different Areal Sea areas and is benefit for analyzing the effect of human activities and environment in the current century.

Keywords: Aral Sea; lake periphery; inundation changes

數據庫(集)基本信息簡介

[編輯]
數據庫(集)名稱 2000–2015年鹹海邊界數據集
數據作者 孫芳蒂,熊立
數據通信作者 孫芳蒂(heaven816@163.com)
數據時間範圍 2000–2015年
地理區域 33.0°–48.5°N, 53.5°–79.0°E,鹹海水域的空間分布。
空間分辨率 500 m
數據量 948 KB
數據格式 *.shp
數據服務系統網址 http://www.sciencedb.cn/dataSet/handle/820
基金項目 中國科學院流域地理學重點實驗室開放基金(WSGS2015010);廣州市屬高校計劃(1201430672);中國科學院青藏高原環境變化與地表過程重點實驗室開放基金(TEL201601)。
數據庫(集)組成 本數據集主要包括32期鹹海邊界數據,這些數據保存為1個壓縮文件(2000–2015年32期鹹海邊界數據集.rar)。

Dataset Profile

[編輯]
Title A dataset of the Aral Sea periphery during 2000 – 2015
Data corresponding author Sun Fangdi (heaven816@163.com)
Data authors Sun Fangdi, Xiong Li
Time range 2000 – 2015
Geographical scope 33.0°–48.5°N, 53.5°–79.0°E. Inundation of Aral Sea.
Spatial resolution 500 m
Data volume 948 KB
Data format *.shp
Data service system <http://www.sciencedb.cn/dataSet/handle/820>
Sources of funding Open Fund of Key Laboratory of River Basin Geography, Chinese Academy of Sciences (WSGS2015010); Scientific Program of Guangzhou Bureau of Education (1201430672); Open Research Fund Program of Key Laboratory of Tibetan Environment Changes and Land Surface Processes, Chinese Academy of Sciences (TEL201601).
Dataset composition This dataset mainly includes 32 phases of the Aral Sea peripheries, stored as a compressed file named 「2000 – 2015 Aral Sea coastlines data sets.rar」.


引 言

[編輯]

作為一個典型的內陸鹹水湖,鹹海坐落在哈薩克斯坦南部與烏茲別克斯坦北部接壤區域。鹹海流域包含的國家還有塔吉克斯坦、土庫曼斯坦、吉爾傑斯斯坦和阿富汗。1960s以前,鹹海是全球第四大湖泊,面積超過68000 km2。1960s以後,前蘇聯政府鼓勵大規模種植農業和興修水利,流域內鹹海補給河流的水量被大量抽取或截留,鹹海的水量平衡被破壞,開始萎縮,水位從52 m降至1980年的40 m[1]。1991年,前蘇聯解體後,水資源的分配問題關係到鹹海流域內各個國家的政治和經濟利益。一些水庫修建於鹹海的兩條補給河流上,減少了鹹海的供給量。烏茲別克斯坦大量的棉花出口促使南鹹海的水位進一步下降。由於人口的增加使得用水需求增大,哈薩克斯坦於2005年在南、北鹹海相接處修建了13 km

的Kok-Aral水壩,從而攔截鹹海北部的水向南流。到2007年,南鹹海水位為29.6 m,鹹海面積萎縮了2/3,流量損失高達90%[2][3],鹹海萎縮成3個獨立的小湖泊。截止2015年,其面積僅為10000 km[4]。鹹海的劇烈萎縮被認為是全球最大的環境災難,當地生態系統、沉積物和古生物環境惡化,魚類和野生動物數量銳減,土壤鹽化導致農業減產,且鹹海東部大面積裸露的湖底使得空氣中充滿灰塵和鹽分[4]。本研究利用高時頻的MODIS數據,得到了2000–2015年共32期鹹海的邊界數據,並提供數據共享服務。相關研究成果作為鹹海水文特徵監測的一部分,可以用來描繪本世紀以來鹹海水域面積的波動情況,反映鹹海受人類活動和自然環境的影響。

1 數據採集和處理方法

[編輯]

1.1 數據來源

[編輯]

本研究使用的MODIS數據為覆蓋鹹海區域的三級反射率產品MOD09A,該產品已經進行了大氣校正,時間頻率為8天,空間分辨率為500 m,投影為等面積投影Sinusoidal。本研究選取每年夏季6–8月的數據進行鹹海水域提取,排除影像中湖泊被雲干擾的情況,最終確定2000–2015年32期數據。

1.2 數據處理方法

[編輯]

水體光譜反射率總體比較低,反射特徵並不單一,主要分為三種類型:清水、綠水和濁水[5]。其中,清水反射率最大值在藍光(Blue)波段,且反射率隨着波長增加而降低;綠水最高反射率在近紅外(NIR)波段,主要由於含有葉綠素導致近紅外波段存在高反射;由於混有泥沙,濁水中紅外波段反射率較高。對於這三種類型的水體,採用單一的水體指數不能實現有效提取。本研究通過構建決策樹的方法[6][5],對水體進行自動化提取。

首先,計算水體指數(Modified Normalized Differenced Index,MNDWI),其計算公式如下:

MNDWI = (R4-R5) / (R4 + R5) (1)

R代表MOD09產品中各波段的反射率,其中4、5波段分別指Blue和NIR波段。

利用MNDWI>0可以去除一些高反射地物,如不透水層、裸地。因此,本研究通過該條件生成掩膜數據,然後再進行各類水體的提取。

在掩膜數據的基礎上,可以利用第2波段小於某一閾值來提取清水;通過設置光譜反射率最高值在第4波段同時又小於一定的閾值來提取綠水和濁水。由於含有葉綠素,綠水的光譜特徵與植被、水田類似,在紅光波段處有吸收谷,近紅外波段處有反射峰,但是綠水具有較低的反射率和植被指數(Normalized Differenced Vegetation Index,NDVI)值。因此,利用NDVI小於一定的閾值來提取綠水。利用最高反射率在第5波段且第5波段的反射率小於一定閾值來提取濁水。本研究利用決策樹提取水體的流程如圖1所示。


圖片

圖1 基於決策樹的水體提取


其中,T表示閾值,根據已有各種土地覆蓋產品和水體產品,對2000–2015年鹹海水域面積中清水、綠水和濁水分別進行採樣。通過對樣本的統計,本研究給出各波段閾值的建議範圍為:Tb2<0.18;Tb4<0.2;TNDVI<0.3;Tb5<0.15[5]

根據鹹海的空間位置,確定其水域範圍。最後對提取結果逐一進行目視檢驗。針對錯分、漏分的情況採用數字矢量化方法進行修改,共完成32期鹹海水域分布圖的繪製。

2 數據樣本描述

[編輯]

2.1 數據組成

[編輯]

本數據集包括2000–2015年每年2期,共計32期鹹海的空間分布數據,本數據保存為1個壓縮文件(「2000–2015年32期鹹海邊界數據集.rar」),總數據量為948 KB。數據存貯為shp矢量數據文件,投影系統為WGS-84。

2.2 數據樣本

[編輯]

本數據主要反映鹹海在每年夏季的水域分布狀況,鹹海2000–2015年水域分布樣例如圖2所示。


圖片

圖2 2000–2015年鹹海水域空間分布圖


鹹海水域面積在過去16年經歷了顯著的變化。面積呈現逐步萎縮趨勢,其中2009年、2014年面積比較小。本數據集中,最大水域面積為2000年的26809.39km2,最小水域面積為2014年的7208.20km2。鹹海於2007年分裂為獨立的三個湖泊。鹹海北部自2006年開始呈現了輕微的增加趨勢,截止2015年面積增加了150km2。主要由於自2005年開始,哈薩克斯坦在北鹹海的南端修建了一個水壩,阻止了北鹹海的水向南流。西鹹海和東鹹海呈現出了明顯的萎縮趨勢。2000~2015年東鹹海的萎縮速率高達−1089.48km2/yr,主要因為鹹海東部湖底地形比較平坦,水量的減少使得東鹹海面積萎縮比較劇烈。西鹹海湖底地形稍陡,它的萎縮速率為−191.73km2/yr[4]

3 數據質量控制和評估

[編輯]

為了驗證數據集中鹹海邊界精度,本研究獲取了2000和2010年兩套30 m分辨率的水體產品GL30。GL30是基於Landsat、CEBERS和HJ衛星數據,在水體自動提取的基礎上又經過了人工修正[6]。為保證湖面的一致性,本研究挑選與30 m影像時間最近的MODIS提取結果參與精度驗證。將2000、2010年的30 m水體結果重新採樣為500 m分辨率,從而與MODIS結果在空間上進行對比。2000、2010年MODIS結果的漏分率分別為0.9%、1.5%,錯分率分別為2.94%、4.23%。由於GL30的水體精度高於96%[6],因此本研究鹹海邊界的精度也應高於90%。此外,利用兩期結果漏分、錯分比例的絕對值之差可以面積的統計誤差[7],本研究中鹹海面積統計的誤差範圍應為0.6%–1.29%之內。

4 數據使用方法和建議

[編輯]

2000–2015年鹹海32期邊界數據均為shp格式,可利用ArcGIS等地理信息系統軟件對本數據集進行編輯及後續分析工作。本數據可用於鹹海的水文特徵研究,與降水、溫度、重力衛星和土地利用數據結合進行鹹海面積萎縮的驅動力分析,揭示本世紀以來自然環境和人類活動對鹹海的影響。

參考文獻

[編輯]
  1. CAWATERinfo. Database of the Aral Sea[EB/OL]. [2019-08-15]. http://www.cawater-info.net/aral/data/index_e.html.
  2. MICKLIN P P. The Aral Sea Disaster[J]. Annual Review of Earth Planet Science, 2007, 35: 47-72.
  3. MICKLIN P P. Desiccation of the Aral Sea: A Water Management Disaster in the Soviet Union[J]. Science, 1988, 241: 1170-1176.
  4. ^ 4.0 4.1 4.2 SUN F, MA R. Hydrologic changes of Aral Sea: A reveal by the combination of radar altimeter data and optical images[J]. Annals of GIS, 2019, 25(3): 247-261.
  5. ^ 5.0 5.1 5.2 SUN F, SUN W, CHEN J, et al. Comparison and improvement of methods for identifying waterbodies in remotely sensed imagery[J]. International Journal of Remote Sensing, 2012, 33(21): 6854-6875.
  6. ^ 6.0 6.1 6.2 LIAO A, CHEN J, CHEN J, et al. High-Resolution Remote Sensing Mapping of Global Land Water[J]. Science of China, Series D: Earth Science, 2014, 57: 2305-2316.
  7. 孫芳蒂, 趙圓圓, 宮鵬, 等. 動態地表覆蓋類型遙感監測:中國主要湖泊面積2000~2010年間逐旬時間尺度消長[J]. 科學通報, 2014, 2: 397-411.

數據引用格式

[編輯]

孫芳蒂, 熊立. 2000–2015年鹹海邊界數據集[DB/OL]. Science Data Bank, 2019. (2019-08-02). DOI: 10.11922/sciencedb.820.


本作品在「知識共享-署名 4.0 國際」協議下發表。

Public domainPublic domainfalsefalse