基于多源雷达高度计数据的高亚洲湖泊水位变化数据集

廖静娟，赵云，陈嘉明

1.中国科学院遥感与数字地球研究所数字地球重点实验室，北京 100094

2.海南省地球观测重点实验室，海南三亚 572029

3.中国科学院大学，北京 100049

引 言

高亚洲（High Mountain Asia）地区位于亚洲中部，由喜马拉雅山、兴都库什山、冈底斯山、昆仑山、横断山、祁连山和天山等山脉及帕米尔等高原的高海拔山地与高原地区构成；范围西起兴都库什山脉和天山山脉西端，东至祁连山脉东南缘—邛崃山东麓—横断山脉，横跨约45个经度；南自苏莱曼山脉南麓—喜马拉雅山脉南缘—横断山脉南端，北迄天山山脉北侧阿尔金山和祁连山北缘，纵贯约 22 个纬度；海拔 2000-8844 m，平均海拔 4046 m；分布在 61°57′23′′E-105°29′38″E，24°40′48″N-45°46′18′′N，面积约为3804.98×103 km2，约占亚洲陆地总面积的9.34%。在高亚洲地区，分布有面积大于1 km2的湖泊1000多个，这些湖泊受人类活动影响较少，其变化主要受自然因素的驱动，而湖泊水位是开展全球变化研究和评价湖泊水量的重要指标。因此在该区域开展湖泊水位变化监测对研究该区域的气候变化和生态环境变化具有重要意义。

然而，由于该区域地处偏远，环境恶劣，在地表布设水文站点进行湖泊监测较为困难。卫星测高技术经过 20余年的应用，在湖泊水位监测中取得了重要的成果[1-6]。针对高亚洲地区的湖泊，前人曾利用激光雷达测高卫星ICESat-1监测了青藏高原湖泊2003-2009年的水位变化[7-9]，Gao等[3]融合ENVISAT、Jason-1、Jason-2和Cryosat-2雷达高度计数据获取到51个青藏高原湖泊2002-2012年的水位变化，Hwang等[10]利用T/P系列雷达高度计数据监测了23个青藏高原湖泊1993-2014年间的水位变化，Kleinherenbrink等[11]和Jiang等[6]则利用Cryosat-2 SARIn数据分别监测了青藏高原湖泊2012-2014年和2010-2014年的水位变化。此外，还有学者专门针对青藏高原的单个湖泊（如青海湖、纳木措和扎日南木措等）进行了长时序的水位变化监测[5,12-17]。因此，已有的研究主要针对青藏高原湖泊，而对于整个高亚洲地区湖泊，目前还未有完全监测数据，为此，我们利用ENVISAT/RA-2、Jason-2和Cryosat-2/SIRAL等多源雷达高度计的GDR（Geophysical Data Record）数据，获取了87个高亚洲湖泊2002-2017年的水位变化，构成了基于多源雷达高度计数据的高亚洲湖泊水位变化数据集，为开展高亚洲地区的区域环境变化和水资源管理提供数据支持。

1 数据采集和处理方法

1.1 数据采集

2002-2017年高亚洲湖泊水位变化数据集主要基于多源雷达高度计数据融合生成。使用的数据资料包括：

（1）MODIS植被指数产品（MOD13Q1）。该产品是美国国家宇航局（NASA）提供的空间分辨率为250米、时间间隔16天的高时相大尺度数据，包括EVI、red_reflectance 12等12个波段，本文采用了归一化植被指数（NDVI）波段。利用该产品影像，提取湖泊的边界。

（2）ENVISAT/RA-2高度计数据。ENVISAT是欧空局（ESA）于2002年3月发射的极轨对地观测卫星，其上携带的RA-2是监测内陆水域水位方面应用较广泛的一种高度计数据，其GDR产品采用了Ocean、Ice-1、Ice-2和Sea-Ice共4种重跟踪算法。前人研究表明，基于Ice-1算法的数据最适用于陆地水文应用研究[18-19]，故本文将采用此数据来提取高亚洲湖泊的水位，时间跨度为 2002-2010年。

（3）Cryosat-2/SIRAL高度计数据。Cryosat-2卫星工作在Ku波段，主要包括3种测量模式：低分辨率指向星下点的高度计测量模式（LRM）、SAR测量模式和SAR干涉测量模式（SARIn）[20-21]。经过高亚洲的数据为LRM测量模式，最新更新的GDR产品中，LRM模式数据采用了Refined CFI、UCL和Refined OCOG 3种重跟踪算法。本文采用2010-2017年Cryosat-2/SIRAL LRM的GDR数据。

（4）Jason-2高度计数据。Jason-2是由美国NASA和法国空间局（CNES）2008年6月发射的用于海洋表面地形观测的极轨卫星，其上携带Poseidon-3雷达高度计工作在Ku和C波段，重轨周期10天。本文使用的GDR数据产品时间跨度为2008-2017年。

（5）青海省下社水位站2001-2012年5-10月的实测水位数据，该数据用于对所生成的数据集进行精度验证。

（6）Hydroweb湖泊水位产品数据。Hydroweb是由法国和俄罗斯共建的一个可提供全球湖泊水位产品的数据中心（http://www.LEGOS.obs-mip.fr/soa/hydrologie/HYDROWEB），可提供全球150个湖泊和水库的水位数据，由T/P、GFO、ERS-2、Jason-1、Jason-2和ENVISAT 6种测高数据生成。与本研究对应的高亚洲湖泊在Hydroweb数据库中有10个湖泊，本研究对10个湖泊提取的水位产品进行了对比（详见第3.2节）。

1.2 数据处理

对高度计的GDR数据进行处理，根据公式（1），便获得湖面每个点的高程值。

式中，halt代表卫星的高度；hgeoid代表大地水准面高程；R代表雷达高度计到水面的距离；ΔR代表各项改正值，这里主要运用了干湿对流层改正、电离层改正、海况偏差和潮汐改正。

然后首先利用MODIS MOD13Q1产品的NDVI波段，针对不同湖泊不同时相的影像，经过实验选取合适的阈值，在ENVI软件环境下，经过坐标投影转换、批量裁剪、密度分割、栅格矢量转换等处理过程，获得每个湖泊的矢量边界，提取每个湖泊2002-2016年的湖泊边界。对于边界变化较小，即小于高度计两个测量点间距离的湖泊，采用了统一的边界；而对于湖泊边界变化较大的，采用相对实时的湖泊边界。其次，对湖面上所有的20 Hz的水位观测点，先目视解译，剔除明显的异常水位，然后与总体水位平均值作差，再次目视解译剔除明显异常值。对于每一天的数据，用3σ准则剔除异常值后，将一天中的所有有效水位值取平均作为单天水位。对整体单天水位数据采用高斯滤波法去除噪声，得到较为干净的单天水位序列，将单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。

分别提取Cryosat-2、Jason-2和ENVISAT/RA-2 3种高度计的水位，然后对提取的水位进行融合，得到 2002-2017年湖泊的水位时间序列。由于 Cryosat-2、Jason-2和 ENVISAR/RA-2都是采用了EGM96的重力场模型，因此3种数据水位之间不需要进行高程系统的转换，但是这3种数据之间仍然存在着系统偏差，需要对其进行消除。Jason-2数据与另外两种数据都有较长时间的重合部分，故以Jason-2数据为基准分别计算Crysat-2和ENVISAR/RA-2两种数据的结果与Jason-2所得水位的平均差值。对单天水位，根据上一步算出的差值，将这两种水位结果变换到与Jason-2相同的水平上来，对于有多个水位值的时间点，将这多个水位值（2个或3个）取平均作为该时间点的水位值，这样便得到由3种高度计数据融合而得的单天水位时间序列，进而得到融合后的月平均水位序列及年平均水位序列；对获得的年平均水位序列作简单线性回归，得到2002-2017年的平均水位变化趋势。研究的技术路线如图1所示。

图1 多源高度计数据湖泊水位序列提取技术路线图

2 数据样本描述

2.1 数据集信息

本数据集为87个高亚洲湖泊2002-2017年的水位变化序列，每个湖泊水位变化序列数据包括湖泊的单天水位、月平均水位和年平均水位，数据集存储在 Excel文件中，命名规则为“HMA_湖泊ID_湖泊名（英文）”。每个湖泊的2002-2017年水位年平均变化率采用简单线性回归计算，和湖泊的分布范围一起存贮在Shape文件中，全部湖泊的年均变化状况见图2及表1。

图2 高亚洲湖泊2002-2017年水位年均变化状况图（图中蓝色数字代表湖泊编号）

表1 高亚洲湖泊2002-2017年水位年均变化状况统计表

编号 湖泊名称 年变化率（m/y） p值 编号 湖泊名称 年变化率（m/y） p值36 郭扎措 -0.037 0.024 80 波涛湖 -0.047 0.320 37 拉昂措 -0.065 0.014 81 达如措 -0.028 0.373 38 巴木措 -0.062 0.381 82 拉雄措 0.238 ＜0.001 39 冬给措纳湖 0.066 0.017 83 嘉措 0.231 0.001 40 兹格塘措 0.194 ＜0.001 84 珍措 -0.391 0.045 41 碱水湖 0.340 0.009 85 托克托古尔水库 -0.377 0.115 42 错仁德加 0.105 0.004 86 Chatyr-Kol湖 -0.087 0.163 43 许如措 -0.042 0.352 87 Song-Kul湖 -0.032 0.043 44 达布逊湖 -0.021 0.321

2.2 数据样本

数据集中每个数据样本包括了每个湖泊的单天水位（day）、月平均水位（month）和年平均水位（year），每种水位都可单独成图，得到不同的水位序列。图3展示了青海湖的月平均水位序列。

图3 多源高度计数据提取的青海湖2002-2017年月平均水位变化

3 数据质量控制和评估

3.1 数据缺失情况说明

由于高度计卫星在高亚洲地区的过境覆盖的差异，不是所有湖泊都有上述3种高度计数据覆盖，其中除编号12的乌兰乌拉湖只有Jason-2数据覆盖外，其他86个湖泊均有Cryosat-2数据不同程度的覆盖，ENVISAT/RA-2数据覆盖了大部分的湖泊，而Jason-2数据覆盖的湖泊数量却较少，因此得到的 87个湖泊的水位序列时间跨度并不都为 2002-2017年，其中时间跨度最短的为达如措（编号81）和珍措（编号84），跨度分别为2011-2015年和2010-2014年。对于每个湖泊的时间跨度，在数据集中均已清楚显示。

3.2 数据集提取精度验证

利用获取的青海湖实测水位数据，开展了水位提取精度验证。图4为高度计提取青海湖的单天水位序列、月平均水位序列、年平均水位序列与实测水位的对比图，并计算了它们之间的均方根误差（RMSE）与相关系数（表 2）。结果显示，不管是单天水位还是年际水位，两组水位结果的整体变化趋势一致，相关系数达到0.95以上，水位提取精度为0.1 m左右。

表2 高度计提取水位序列与实测水位的对比

图4 高度计提取青海湖水位序列与实测水位对比图

3.3 与已有数据产品的对比

本数据集包含的87个高亚洲湖泊中，同时期欧洲Hydroweb数据库监测了其中10个湖泊。为此，我们与其进行了对比（表3）。结果显示，除赤布张措和托克托古尔水库外，本研究提取的其他湖泊水位与Hydroweb水位产品的误差均小于1 m，说明本研究提取的湖泊水位产品精度较为可信。

表3 本研究提取的湖泊水位产品与Hydroweb水位产品的对比

4 数据使用方法和建议

本数据集包含了高亚洲区域2002-2017年87个湖泊的水位变化序列及水位年均变化率信息。本数据集可以单独使用，也可结合湖泊面积变化数据，实现对湖泊水量变化的估算。本数据集可服务于地方或国家水文信息监测中心日常监测业务，也可作为关键基础数据用于科学研究，包括高亚洲地区湖泊水体动态变化规律、气候和环境变化研究以及水资源管理等。

致 谢

此研究中用到的高度计数据来源于欧洲航空局（ESA），MODIS图像数据来源于美国国家航空航天局（NASA），实测水位数据由青海省下社水文站提供，在此表示衷心感谢！