跳转到内容

2000–2015年咸海边界数据集

維基文庫,自由的圖書館
2000–2015年咸海边界数据集
作者:孙芳蒂 熊立
2019年12月24日
本作品收錄於《中国科学数据
孙芳蒂, 熊立. 2000–2015年咸海边界数据集[J/OL]. 中国科学数据, 2019, 4(4). (2019-09-15). DOI: 10.11922/csdata.2019.0033.zh.


摘要&关键词

[编辑]

摘要:本研究利用高时频的MODIS数据,基于一种自动化水体提取方法,经过修改和验证工作,得到了2000–2015年32期咸海边界数据集。结果显示,2000年咸海面积为本数据集可以描绘咸海不同区域的时空变化特征,可应用于本世纪以来咸海受人类活动和自然环境影响的后续研究。

关键词:咸海;湖泊边界;面积变化

Abstract & Keywords

[编辑]

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

数据库(集)基本信息简介

[编辑]
数据库(集)名称 2000–2015年咸海边界数据集
数据作者 孙芳蒂,熊立
数据通信作者 孙芳蒂(heaven816@163.com)
数据时间范围 2000–2015年
地理区域 33.0°–48.5°N, 53.5°–79.0°E,咸海水域的空间分布。
空间分辨率 500 m
数据量 948 KB
数据格式 *.shp
数据服务系统网址 http://www.sciencedb.cn/dataSet/handle/820
基金项目 中国科学院流域地理学重点实验室开放基金(WSGS2015010);广州市属高校计划(1201430672);中国科学院青藏高原环境变化与地表过程重点实验室开放基金(TEL201601)。
数据库(集)组成 本数据集主要包括32期咸海边界数据,这些数据保存为1个压缩文件(2000–2015年32期咸海边界数据集.rar)。

Dataset Profile

[编辑]
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

[编辑]

作为一个典型的内陆咸水湖,咸海坐落在哈萨克斯坦南部与乌兹别克斯坦北部接壤区域。咸海流域包含的国家还有塔吉克斯坦、土库曼斯坦、吉尔杰斯斯坦和阿富汗。1960s以前,咸海是全球第四大湖泊,面积超过68000 km2。1960s以后,前苏联政府鼓励大规模种植农业和兴修水利,流域内咸海补给河流的水量被大量抽取或截留,咸海的水量平衡被破坏,开始萎缩,水位从52 m降至1980年的40 m[1]。1991年,前苏联解体后,水资源的分配问题关系到咸海流域内各个国家的政治和经济利益。一些水库修建于咸海的两条补给河流上,减少了咸海的供给量。乌兹别克斯坦大量的棉花出口促使南咸海的水位进一步下降。由于人口的增加使得用水需求增大,哈萨克斯坦于2005年在南、北咸海相接处修建了13 km

的Kok-Aral水坝,从而拦截咸海北部的水向南流。到2007年,南咸海水位为29.6 m,咸海面积萎缩了2/3,流量损失高达90%[2][3],咸海萎缩成3个独立的小湖泊。截止2015年,其面积仅为10000 km[4]。咸海的剧烈萎缩被认为是全球最大的环境灾难,当地生态系统、沉积物和古生物环境恶化,鱼类和野生动物数量锐减,土壤盐化导致农业减产,且咸海东部大面积裸露的湖底使得空气中充满灰尘和盐分[4]。本研究利用高时频的MODIS数据,得到了2000–2015年共32期咸海的边界数据,并提供数据共享服务。相关研究成果作为咸海水文特征监测的一部分,可以用来描绘本世纪以来咸海水域面积的波动情况,反映咸海受人类活动和自然环境的影响。

1 数据采集和处理方法

[编辑]

1.1 数据来源

[编辑]

本研究使用的MODIS数据为覆盖咸海区域的三级反射率产品MOD09A,该产品已经进行了大气校正,时间频率为8天,空间分辨率为500 m,投影为等面积投影Sinusoidal。本研究选取每年夏季6–8月的数据进行咸海水域提取,排除影像中湖泊被云干扰的情况,最终确定2000–2015年32期数据。

1.2 数据处理方法

[编辑]

水体光谱反射率总体比较低,反射特征并不单一,主要分为三种类型:清水、绿水和浊水[5]。其中,清水反射率最大值在蓝光(Blue)波段,且反射率随着波长增加而降低;绿水最高反射率在近红外(NIR)波段,主要由于含有叶绿素导致近红外波段存在高反射;由于混有泥沙,浊水中红外波段反射率较高。对于这三种类型的水体,采用单一的水体指数不能实现有效提取。本研究通过构建决策树的方法[6][5],对水体进行自动化提取。

首先,计算水体指数(Modified Normalized Differenced Index,MNDWI),其计算公式如下:

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

R代表MOD09产品中各波段的反射率,其中4、5波段分别指Blue和NIR波段。

利用MNDWI>0可以去除一些高反射地物,如不透水层、裸地。因此,本研究通过该条件生成掩膜数据,然后再进行各类水体的提取。

在掩膜数据的基础上,可以利用第2波段小于某一阈值来提取清水;通过设置光谱反射率最高值在第4波段同时又小于一定的阈值来提取绿水和浊水。由于含有叶绿素,绿水的光谱特征与植被、水田类似,在红光波段处有吸收谷,近红外波段处有反射峰,但是绿水具有较低的反射率和植被指数(Normalized Differenced Vegetation Index,NDVI)值。因此,利用NDVI小于一定的阈值来提取绿水。利用最高反射率在第5波段且第5波段的反射率小于一定阈值来提取浊水。本研究利用决策树提取水体的流程如图1所示。


图片

图1 基于决策树的水体提取


其中,T表示阈值,根据已有各种土地覆盖产品和水体产品,对2000–2015年咸海水域面积中清水、绿水和浊水分别进行采样。通过对样本的统计,本研究给出各波段阈值的建议范围为:Tb2<0.18;Tb4<0.2;TNDVI<0.3;Tb5<0.15[5]

根据咸海的空间位置,确定其水域范围。最后对提取结果逐一进行目视检验。针对错分、漏分的情况采用数字矢量化方法进行修改,共完成32期咸海水域分布图的绘制。

2 数据样本描述

[编辑]

2.1 数据组成

[编辑]

本数据集包括2000–2015年每年2期,共计32期咸海的空间分布数据,本数据保存为1个压缩文件(“2000–2015年32期咸海边界数据集.rar”),总数据量为948 KB。数据存贮为shp矢量数据文件,投影系统为WGS-84。

2.2 数据样本

[编辑]

本数据主要反映咸海在每年夏季的水域分布状况,咸海2000–2015年水域分布样例如图2所示。


图片

图2 2000–2015年咸海水域空间分布图


咸海水域面积在过去16年经历了显著的变化。面积呈现逐步萎缩趋势,其中2009年、2014年面积比较小。本数据集中,最大水域面积为2000年的26809.39km2,最小水域面积为2014年的7208.20km2。咸海于2007年分裂为独立的三个湖泊。咸海北部自2006年开始呈现了轻微的增加趋势,截止2015年面积增加了150km2。主要由于自2005年开始,哈萨克斯坦在北咸海的南端修建了一个水坝,阻止了北咸海的水向南流。西咸海和东咸海呈现出了明显的萎缩趋势。2000~2015年东咸海的萎缩速率高达−1089.48km2/yr,主要因为咸海东部湖底地形比较平坦,水量的减少使得东咸海面积萎缩比较剧烈。西咸海湖底地形稍陡,它的萎缩速率为−191.73km2/yr[4]

3 数据质量控制和评估

[编辑]

为了验证数据集中咸海边界精度,本研究获取了2000和2010年两套30 m分辨率的水体产品GL30。GL30是基于Landsat、CEBERS和HJ卫星数据,在水体自动提取的基础上又经过了人工修正[6]。为保证湖面的一致性,本研究挑选与30 m影像时间最近的MODIS提取结果参与精度验证。将2000、2010年的30 m水体结果重新采样为500 m分辨率,从而与MODIS结果在空间上进行对比。2000、2010年MODIS结果的漏分率分别为0.9%、1.5%,错分率分别为2.94%、4.23%。由于GL30的水体精度高于96%[6],因此本研究咸海边界的精度也应高于90%。此外,利用两期结果漏分、错分比例的绝对值之差可以面积的统计误差[7],本研究中咸海面积统计的误差范围应为0.6%–1.29%之内。

4 数据使用方法和建议

[编辑]

2000–2015年咸海32期边界数据均为shp格式,可利用ArcGIS等地理信息系统软件对本数据集进行编辑及后续分析工作。本数据可用于咸海的水文特征研究,与降水、温度、重力卫星和土地利用数据结合进行咸海面积萎缩的驱动力分析,揭示本世纪以来自然环境和人类活动对咸海的影响。

参考文献

[编辑]
  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. 孙芳蒂, 赵圆圆, 宫鹏, 等. 动态地表覆盖类型遥感监测:中国主要湖泊面积2000~2010年间逐旬时间尺度消长[J]. 科学通报, 2014, 2: 397-411.

数据引用格式

[编辑]

孙芳蒂, 熊立. 2000–2015年咸海边界数据集[DB/OL]. Science Data Bank, 2019. (2019-08-02). DOI: 10.11922/sciencedb.820.


本作品在“知识共享-署名 4.0 国际”协议下发表。

Public domainPublic domainfalsefalse