基于卫星测高数据的2002～2018年太湖水位变化监测

常翔宇,蔡 宇,2,柯长青,2*

基于卫星测高数据的2002～2018年太湖水位变化监测

常翔宇1,蔡 宇1,2,柯长青1,2*

(1.南京大学地理与海洋科学学院,江苏 南京 210023；2.南京大学,自然资源部国土卫星遥感应用重点实验室,江苏 南京 210023)

针对传统水位监测方法的弊端以及太湖水位变化监测的现实需求,基于Envisat和Cryosat-2测高数据,采用Morlet小波分析、Mann-Kendall检验法研究2002年6月～2018年12月近20a的水位以及周期变化,并应用实测数据进行精度验证,从气象因素和人为影响两方面分析其不同时间尺度的变化趋势以及原因.结果表明: Evnisat/RA2L2GDR数据和Cryosat-2/SIRAL L2GDR数据测量精度较高,与实测水位的季、年尺度相关系数分别为0.559和0.845,可以进行长时间序列水位变化的监测; 多年来太湖平均水位1.379m,最高水位为2016年6月的2.252m,最低水位为2011年10月的0.832m,每年1～4月水位逐渐上涨,在6月前后达到峰值,此后开始下降,在年末出现轻微抬升,且太湖春季水位最高,夏季最低,极差0.041m;在太湖近20a的水位变化中存在10～20个月、15～30个月以及40～60个月3类尺度的周期变化规律,且40～60个月时间尺度的周期变化最为强烈;以2015年4月份为分界点,在此之前水位呈显著下降趋势,此后水位呈上升趋势,并且在2003年3月与2004年12月水位发生显著突变;21世纪前10a太湖水位主要受控于气象因素,此后人为干预的影响逐渐加剧,使其与自然状态呈现出不一样的规律.

卫星测高；水位变化；Envisat/RA-2；Cryosat-2；太湖

湖泊作为响应气候变化和人类活动的重要指示器,近年来在全球变暖的背景下,其水位、面积、水量等指标已然成为国内外的研究热点,我国的湖泊也在遭受着面积持续收缩和数量减小的问题[1-4].水位是湖泊监测的一个重要指标,长期、连续的水位数据可以为流域宏观调控、洪涝灾害预警等提供有效的专题信息.传统的水位监测方法存在着数据共享程度受限、站点在空间上不够连续等弊端[5-6],随着遥感技术的快速发展,卫星测高技术被广泛应用于水体的水位监测中[7-9].

雷达测高是获取地物高度的常用方法,最初该技术的主要应用是测量海平面高度的变化.全球重复观测、云层穿透、密集轨道采样等空间技术的出现大大扩展了其应用领域,并且面积较大的内陆河流以及湖泊表面和海洋表面具有相似的反射特性,不会导致不规则反射的发生,因此可以达到较高的测量精度[10-12].

2010年4月,欧空局于拜科努尔基地发射了Cryosat-2卫星,与传统的雷达测高相比,它能够提供更精细的测高观测,并且有着更密集的空间采样,Cryosat-2测高数据为提高雷达测高监测内陆水体的精度开辟了新的可能性.目前,Cryosat-2用于冰盖、海洋、大面积水域的研究较多,而内陆水体长时间水位序列的监测研究尚少.太湖作为我国第三大淡水湖,其地方水文管理和监测工作已相对成熟,但星载雷达高度计与站点观测相比可以获取整个水面的变化信息,并且通过同一高度计获得的不同湖泊水位基于同一参考系统,同时结合相应的气象、水文资料,可以进一步对当地的气候变化进行反演和预测.

因此,为验证Cryosat-2卫星对我国内陆湖泊进行长时间序列监测的可行性,本文采用Cryosat-2/ SIRAL L2GDR数据同时联合Envisat/RA-2L2GDR数据研究太湖2002年6月～2018年12月近20a的水位变化,在用实测水位数据进行精度验证的基础上,利用小波分析从气象因素和人为影响两方面分析其不同时间尺度的变化特点及原因,以期为研究我国湖泊的水量平衡以及水资源调度等方面提供参考.

1 数据与方法

1.1 研究区概况

太湖位于长江三角洲的南缘,是我国第三大淡水湖,界30°55'40"N～31°32'58"N和119°52'32"E～ 120°36'10"E之间,水域面积2338.1km²,岸线全长393.2km,平均年出湖径流量为75亿m³,蓄水量为44亿m³.太湖流域属亚热带季风气候,夏季受热带海洋气团影响,高温多雨,易产生极端降水天气,冬季受北方高压气团控制,温和干燥.年平均气温16～18℃,年累积降水量1100～1500mm,平均水深1.9m,每年4月春雨增加,水位上升,9月后开始下降,11、12月进入枯水期,历年最高水位为4.62m(瓜径口站1954年8月25日),最低水位2.17m(瓜径口站56年2月29日)[13].受副热带高压的影响,春夏之交常出现连绵持续的梅雨天气,且个别年份异常持久,易造成洪涝灾害.由于2000年以来“引江济太”等大规模引水工程对太湖水情产生了重要影响,且2016年6月发生的超强厄尔尼诺现象使太湖流域发生了21世纪以来的第一次流域性特大洪水,湖泊水位达1954年以来的第二高.

图1 太湖测高数据分布

图中圆点代表Cryosat-2在研究期内未经过筛选和处理的原始足迹点,由于其运行轨道不固定所以数据遍布全湖; 左右两侧的三角分别代表RA-2高度计在研究期内pass264和pass907的原始足迹点; 五角星代表用来做精度验证的洞庭西山实测水位站点; 方形代表编号为58358的国家基本气象站,用来统计蒸发数据

1.2 数据来源

1.2.1 Envisat/RA-2测高数据 Evnisat于2002年3月1日发射成功,轨道高度为800km,倾角98°,重返周期35d,是ERS-1/2的后续卫星,也是重要的极轨对地观测系列卫星之一.参考椭球为WGS84,大地水准面模型为EGM2008.Envisat Radar Altimeter system (RA-2)是第一个高纬度高度计系统,在13.575GHz(“Ku”波段)和3.2GHz(“S”波段)两个频率下运行的星下点指向雷达,在1.1s间隔内可提供20次距离测量,沿轨采样率为390m,足迹点直径1.7km.在Envisat任务计划的E阶段共有6种2级产品,所有产品均包含必要的地球物理改正.为获取所有地表类型(海洋、冰、海冰等)上的地球物理参数,4种波形重跟踪算法同时运行,分别为Ocean、Ice-1、Ice-2和Sea-Ice,其中Ice-1算法更适合内陆水体提取[14-17].本文采用2002年6月～2010年10月的Envisat/RA-2L2GDR数据进行水位变化时间序列前半程的计算,并基于Ice-1算法得到的测距进行数据编辑.数据由欧空局提供(ESA),下载网址: http: //envisat.esa.int.

1.2.2 Cryosat-2/SIRAL测高数据 Cryosat-2卫星轨道平均高度717km,倾角92°,重返周期为369d并伴有30d的子循环,赤道上的跨轨间距约7km,且轨道不断移动、轨道间距较小,密集的空间采样使其可以观测更多的湖泊.参考椭球为WGS84,并且在陆地和陆地冰区域采用EGM96大地水准面,在海洋和闭合海域采用基于UCL04模型的平均海平面.其主要荷载为SAR干涉雷达高度计(SIRAL),它是一种单频ku波段高度计并结合了传统的脉冲有限雷达、合成孔径和干涉信号处理器,能够在3种不同的模式下工作: LRM、SAR和SARIn.在LRM中,单个天线用于发射和接收雷达信号,此时SIRAL作为一个常规的星下点指向、脉冲有限的高度计.这意味着雷达足迹点大小取决于压缩脉冲的长度,典型的Cryosat-2轨道速度为7.4km/s,LRM的脉冲间隔约为500ms,对应2kHz的重复频率,这确保了返回的回声是不相关的,并且在730km的高度上有1.65km的足迹点直径.由于延迟多普勒技术,SAR和SARIn模式的沿轨分辨率可达305m,较小的足迹使这2种模式具有更陡峭的波形前缘和更快的衰减后缘[18],在太湖区域Cryosat-2采用LRM测量模式,沿轨分辨率为401m.本文采用2011年1月～2018年12月的Cryosat- 2/SIRAL L2GDR数据作为时间序列后半程的数据源.2级地球物理数据记录包括卫星观测时刻相对参考椭球的高度、地面点的位置和相对于参考椭球的高程,以及在某个特定模式下计算测量高程值所需要的地球物理改正和轨道信息等.数据由欧空局提供,下载网址: ftp:// science-pds.cryosat. esa.int/.

1.2.3 实测水位数据 验证数据为太湖洞庭西山水位站(31°06′N,120°18′E)的实地测量结果,由江苏省水文水资源勘测局提供,数据格式为2002年6月～2018年12月每月1日、11日、21日当天的平均水位以及每月上、中、下三旬的旬平均水位,参考面为镇江吴淞基准面.所有水位均已经过基面订正和沉降改正.

1.2.4 气象数据 气温与降水数据为国家气象信息中心提供的中国地面气温月值0.5°×0.5°格点数据集(SURF_CLI_CHN_TEM_MON_GRID_0.5)以及中国地面降水月值0.5°×0.5°格点数据集(SURF_ CLI_CHN_PRE_MON_GRID_0.5),数据集存储格式为ARCGSI标准格式,所有数据均已经交叉验证,质量状况良好.蒸发数据来自于中国地面气候资料日值数据集(V3.0),数据集中1951～2010年数据基于地面基础气象资料建设项目归档的"1951～2010年中国国家级地面站数据更正后的月报数据文件(A0/A1/A)基础资料集"研制.2011年1月～2012年5月的数据基于各省上报至国家气象信息中心的地面月报数据文件(A文件)研制.2012年6月～2017年12月的数据基于国家气象信息中心实时库数据研制.本文选择位于太湖东南部编号为58358的国家基本气象站所测并已经过质量控制的大型蒸发量数据进行分析.以上数据下载地址: http://data.cma. cn/data. html.

1.2.5 水体掩膜数据 为尽量避免与湖岸上的足印点混合,用于提取脚点数据的湖区水体掩膜来自国家青藏高原数据中心2000年的中国湖泊数据集[19],此时湖区扩张范围小于研究期(2002～2018年).该数据集结合Landsat影像、地形图,利用半自动水体提取及人工目视检查编辑,完成了过去50多年来详细的中国湖泊(>1km2)数量与面积变化研究[6],下载地址: https://data.tpdc.ac.cn/zh-hans/data.

1.3 波形重跟踪

由于地面情况的复杂性,许多雷达回波是多峰的或者呈现出不规则的噪声,揭示了足迹点中可能存在的多个反射体,如水、植被冠层粗糙的地形等.对于湖泊等水域环境复杂的内陆水面,回波波形不再符合最初用于海面参数反演的Brown模型,使用波形重跟踪是通过对波形进行后处理以最佳的定位代表散射表面到高度计之间双向传播时间的距离Bin值,从而提升测量精度.

重心偏移法(OCOG)是一种较为稳健的基于统计规律的算法,基本思想是找到每个回波波形的重心,然后利用重心和面积与波形一致的矩形来确定每个波形的振幅和宽度,并以此来确定波形前缘的位置,计算公式如下:

式中:Gc表示波形的重心;A表示振幅;W表示宽度; MLEP表示前缘中点;N为为总阈门数;n为波形开始和结束时需要剔除的采样点个数;Pi(t)为第i个bin值对应的功率值,通过前缘中点和窗口延迟即可直接改正表面高程.但是该算法在距离窗口最前端的热噪声和信号重叠部分会受到影响,最新发布的基线产品中将OCOG窗口化解决了该问题,被标记为差的数据总数降低了15.14%[20].

CFI重跟踪算法是以二进制库的形式提供,ESA数据处理文档中并未给出重跟踪器所执行功能适配的详细信息,这使得潜在的演变和阈值调整变得困难,但是在Baseline C中新增了一个处理步骤,即对原始波形进行过滤:如果测试的第一个bin已经高过了预设的重跟踪功率,则记录被标记为bad并且将重跟踪点的偏移输出为0(bin 64),这个操作使得1.05%的差数据被过滤掉从而提升了总体质量[21].

UCL Land-Ice是一种基于数学物理模型的重跟踪算法,其目的是提出一种能够替代CFI算法并且能够进行调优和进一步开发以提高测高精度.该算法遵循将Brown模型拟合到LRM回波波形的典型方程.

南极洲东部的平坦地区的测试结果显示对于陆地冰,CFI算法有-0.29m的平均误差和7.79m的标准差,而UCL算法的对应值分别为-0.11和3.15m,并且被标记为差的数据记录减少了5.59%[22],数据表明后者的精度确实有一定程度的改善.

1.4 卫星测高数据处理

星载雷达测高仪向地面发射高频信号并接收由表面反射的回波(即波形),卫星位置可以通过定位系统如DORIS准确测得.依据波形理论精确分析出脉冲的往返时间,即可推求卫星相对于地球表面的距离.然而在实际测量中观测值受多种因素的影响,如大气中颗粒灰尘、水分子以及电离层电子的影响而产生散射、折射等现象;卫星的精确定轨以及海浪、潮汐等自然现象均会使测量产生偏差.为获得精确的结果,对误差源的分析与改正至关重要.以Envisat/RA-2测高数据为例,具体计算公式为:

式中:为地球表面相对于参考椭球面的高度;为卫星到参考椭球面的高度;为卫星到地球表面的距离;D为各项误差改正;geoid为大地水准面的高度.由于内陆湖泊相对于海洋面积较小,环境因素相对简单,过境轨道也较为稀疏,因此不能完全将海洋的处理模式应用于湖泊,式(5)中的误差修正主要为:

式中:wet为湿对流层改正;dry为干对流层改正;ion为电离层改正;inv为逆气压改正;sol为固体潮改正;pol为极潮改正.Cryosat-2测高数据的计算公式与公式(5)类似,不同的是其数据集中直接提供了测量点的大地高,并且已应用了各种地球物理改正,只需将不需要的改正项从D中减去即可,只保留以上6种.在本文的研究中,对GDR数据采用以下的编辑准则:(1)读取Cryosat-2与Evnisat原始测高数据,以Ascii格式输出星下点的经纬度、测距、卫星高度、大地水准面高度以及各项误差改正;(2)根据retracking_ice1_ qual_20_ku、trkr_1_quality等数据质量标识保证系统处理过程有效; (3)根据surf_class_20和surf_ type_flags控制星下点的地表类型,前者为2时代表陆地水体,后者为1时代表闭合海域即湖泊,并根据湖泊边界将数据限制在研究区范围内; (4)为尽量避免雷达回波脉冲受到湖岸与陆地连接处的地形影响,设置3倍足印点直径的缓冲区,将湖泊边界向内缩小,剔除受地形影响较大的点,并根据表1将各项误差改正控制在有效范围内,超出范围的改正项则不予采用; (5)对所有20Hz的水位观测点,先目视解译剔除明显异常值,其次对于Cryosat-2/ SIRAL L2GDR数据以月为单位剔除大于3倍标准差的点,最终确保在年尺度和多年范围内其数据均分布在3倍标准差以内;对于Evnisat/RA-2L2GDR数据由于数据量较少,以年为单位剔除大于1倍标准差的点,再对所有数据剔除大于3倍标准差的点.数据编辑前后的分布对比见图3,以Envisat过境的pass264和pass907以及Cryosat-2在2016年的过境全部数据进行说明:在处理前两种测高数据均存在极端异常值,且分布范围广,偏差较大,处理后数据质量得到了显著提高,并且在保留数据真实性的同时分布更为集中;(6)对所有水位数据进行高斯滤波去除噪声,选用滤波窗口为半年[23];(7)将每一轨道的数据按月取平均得到月平均水位,按年取平均得到年平均水位.

图3 数据编辑前后对比

表1 地球物理改正数值标准

对于个别缺失的数据,采用最大期望算法(EM)进行数据插补.EM法是一种通过迭代进行极大似然估计的优化算法,用于对包含因变量或缺失数据的概率模型进行参数估计,此方法假设一个部分缺失数据的分布并基于此分布下的可能性进行推论,E步骤查找缺失数据的条件期望,M步骤计算参数的最大似然估计值.

1.5 测高数据融合与转换

为验证测高数据融合的可行性,选择两卫星在公共监测时段的结果进行对比评价.

Cryosat-2/SIRAL于2010年4月发射,其Level2GDR产品在2010年仅12月存在一条数据,且未经过太湖;为了确保额外的3a寿命,Envisat卫星于2010年10月22日移动到一个新的较低轨道,重复周期也发生变化,因此为尽量降低系统误差,仅选择两卫星在2011年1～6月的太湖过境数据进行分析,由图4(a)可知,过境轨道均分布在太湖中部.按数据编辑方法处理后作距平计算,得到月平均水位变化见图4(b),可以看出两卫星的水位波动较为一致,最高水位均出现在6月,整体上呈先下降再上升的趋势,半年来的累积平均差值仅0.004m,Envisat和Cryosat-2与实测水位变化的相关性分别为0.840,0.594,均方根误差为0.100, 0.135m,因此具有时间序列合成的可行性.

由于2种卫星观测结果与实测水位所采用的参考基准不同,因此在进行后续分析前需要对其高程系统进行转换,为进行绝对精度验证并且使本文的研究更具有普遍意义,以我国目前统一采用的85黄海高程为基准.对于Cryosat-2测高数据,它以WGS84参考椭球面为基准,并且在太湖区域采用了EGM96大地水准面模型,本文所得初步的水位结果为WGS84坐标系下的正高.进行高程转换时,首先根据江苏省水文局提供的转换常数,将实测水位数据减去1.850m得到太湖水位的85高程值; 其次根据郭海容等2004年的研究结果[24]:1985国家高程基准点与WGS84定义的似大地水准面之间有0.357m的垂直偏差,将Cryosat-2测高数据加上0.357m得到其85高程值; 对于Envisat测高数据,采用WGS84参考系统与EGM2008大地水准面模型,本文将计算所得的正高直接采用求多年(即2002年6月～2010年10月)间所有数据与实测水位平均差值(0.248m)的方法将其变换到与85高程相同的水准面上[25].

2 结果

2.1 测高数据精度验证与误差分析

2.1.1 精度验证 选取以实测站点为中心15km以内的且过境日期在实测当日的前后一天内的足迹点进行精度验证,3种算法的有效观测对数分别为5、9、13.从图5可得知: 在Cryosat-2的3种重跟踪算法中,Refined CFI算法由于数据利用率较低,样本数目较少,缺乏参考价值,且在整体时间序列内未通过显著性检验; 如表2所示,UCL算法的相关系数为0.686,最小绝对差值为0.007m; Refined OCOG算法对实测水位变化拟合效果最好,相关系数为0.881,平均绝对误差为0.328.

图5 Refined CFI(a)、UCL(b)、Refined OCOG(c)与实测水位相关性

表2 测高数据与实测水位比较统计

2.1.2 误差分析 3种算法的平均绝对误差均为0.3m左右,说明在经过参考系统转换后仍存在一定的系统误差,即基于WGS84椭球的大地高和基于85水准原点的正常高,在通过转换常数进行计算之后,2个系统之间的差距,原因之一是似大地水准面是重力的等位面,不同区域的差异明显,如果能够进行GPS水准联测,对太湖流域地形进行曲面拟合进而得到高精度的高程异常值,然后应用于测高数据,平均误差则会更低; 原因之二是85水准原点和镇江吴淞基准面的垂直偏差在传递到实测站点处存在高程误差的积累,仅用转换常数并不能代表真实的差距,即实测水位值不能完全等同于真值.对全湖面的测高数据按季和年尺度取平均值,再次与水位站点进行比较,图6(a)表明二者季尺度的相关系数为0.559,相比于仅选取水位站周围的足迹点验证得到的0.881降低了0.322,考虑存在以下影响因素: 首先太湖水域面积2338.1km²,环湖共13座水位站,受大地沉降、地球自转等影响不同站点所得实测水位必然有所不同,有时高达10～30cm[26],由于数据获取有限,本文采用洞庭西山单站所测数据来代表湖面平均水位存在一定区域性误差; 其次,卫星和站点获取数据的时间、空间尺度都有所不同,卫星通过传感器获取的水位通常时间上集中在某几天并且空间上分布范围广,且由于较大的足迹点直径,湖面瞬时水位会受到波浪、湖面粗糙度等物理参数的影响,而水位站则是持续对某一点进行观测,不可避免存在一定差异.再次,不同的重跟踪算法在不同季节的适用性也有所差别,前人研究指出[27],OCOG算法在春夏两季有最低的均方根误差,而秋冬两季的RMSE相比于最佳的算法分别高出0.078和0.043,但综合多个指标来看OCOG算法仍为最优.最后,采用多天的水位均值作为月平均水位欠缺一定的代表性,而获取的实测水位数据仅有每月上、中、下三旬旬初当天的结果,所以二者在时间匹配上存在一定的不确定性.图6(b)表明在年尺度上二者的相关系数为0.845,这也突出了遥感技术在进行长时间跨度上监测的优势,结果也更为可信.

图6 测高数据与实测水位季(a)、年(b)尺度相关性

2.2 太湖水位变化分析

利用最佳重跟踪算法即Refined OCOG提取太湖2011～2018年的水位,并将其与Envisat/RA2GDR产品中Ice-1算法提取的2002～2010年水位相结合从而获得2002～2018年近20a的水位时间序列.由于采用20Hz的瞬时水位代替月平均水位存在一定的误差,同时受湖泊表面波浪、风速等环境因素的影响,测高数据的波动较大,存在一定的噪声,这种现象在高斯滤波后得到缓解,并且与实测水位波动趋于一致.尽管Cryosat-2和Envisat过境时间与轨道并不相同,其重叠时段水位的平均差值仅为0.004m(图4b),星间差异对多年水位变化趋势的影响可以忽略不计.由图7(a)可以看出,多年来,太湖最高水位为2.252m,出现在2016年6月,最低水位为0.832m,出现在2011年10月,每年1～4月水位逐渐上涨,在6月前后达到峰值,此后开始下降,在年末出现轻微抬升.太湖位于中纬度地区,属湿润的北亚热带气候,每年3～5月为春,6～8月为夏,9～11月为秋,12月～次年2月为冬.图7(b)为4个季节滤波后的水位结果:在2011年以前四季水位变化较为混乱,2011年以后呈现出一定的规律性,一般情况下太湖春季水位最高,多年平均为1.391m,其次为冬季,平均水位1.390m,秋季平均水位为1.381m,夏季最低,平均水位1.350m;四季的最高水位均出现在2016年,为夏季的1.989m,最低水位除春季外均出现在2011年,为秋季的0.888m.

由图7(c)可知,太湖在2002～2011年整体变化较为平缓且稍有下降,年际差距不大,此后呈波动上升趋势,2016年达到峰值,年平均水位1.838m,年最低、最高水位分别为1.477与2.252m,2011年为最低水位年,平均水位1.019m,极差0.819m.经比较发现,一般年份秋冬两季水位较高,而2016年春夏两季的高水位使得该年份平均水位偏高,2011年四季的低水位导致该年整体水位偏低,并且2011年以前太湖水位受秋冬两季的主导,此后为春夏两季主导.

图中阴影区域为各数据序列的正负1倍标准差

2.3 小波分析与M-K突变检验结果

图8 太湖水位变化的小波分析结果

采用小波分析对太湖水位变化序列进行分解,从图8(a)中可以看出存在的多时间尺度特征,整体来看,在太湖近20a的水位变化序列中存在10～20个月、15～30个月以及40～60个月3类尺度的周期变化规律,在40～60个月尺度上出现了4次的交替震荡过程,且在2007年开始表现稳定,预计在2019年后仍会延续这样的周期变换.图8(b)中的小波系数模值越大,表明该尺度所对应时段的周期性越强,可以得到: 在太湖水位变化过程中,40～60个月时间尺度的周期变化最为强烈,时间跨度也为最广; 15～30个月尺度的周期变化次之,且仅在2012年后具有较为稳定的能量输出,其他时间尺度的周期性变化不明显.图8(c)能够反映时间序列的波动能量随尺度的分布情况,可以看到曲线存在5个较为明显的峰值,最大峰值对应着56个月的尺度,为太湖水位变化的第一主周期; 26个月的尺度对应第二峰值,为水位变化的第二主周期,第三、四、五周期依次对应着19、14、8个月的时间尺度,说明上述5个周期的波动控制着水位在整个时间域内的变化特征.根据小波方差的分析结果绘制出第一、第二主周期的小波系数见图8(d),在56个月的时间尺度上水位变化平均周期为3a左右,大约经历了5次丰-枯转换,而在26个月的时间尺度上平均周期为2.5a左右,大约经历了9次丰-枯转换.

图9 太湖水位M-K突变检验结果

M-K突变检验的结果如图9所示,Sig0.05代表95%信度检验线.从UF曲线可以看出,以2015年4月份为分界点,在此之前除2002年12月外,UF值都小于0,说明水位呈下降趋势,且2004年6月～2012年12月之间下降趋势显著; 2015年4月份之后UF值均大于0,说明水位呈上升趋势,且2015年12月之后上升趋势显著.进一步观察UF与UB曲线共有4个交点,第一、二交点分别位于2002年9月与2003年3月且在临界直线之间,说明此时水位发生显著突变,直至2004年12月与2006年6月发生第三、第四次突变,但突变不显著.

为进一步确认突变点的准确性,采用滑动检验对4个突变时刻进行相互验证.滑动检验是通过考察2组样本平均值的差异是否显著来检验突变,若两段子序列的均值差异(统计量)超过给定显著性水平则认为有突变发生,具体统计见表3.

表3 滑动t检验结果

由表3可知,2003年3月与2004年12月的t统计量均大于临界值,认为该月份有突变发生,其余月份则无突变.根据卫星测高结果,2003年3月平均水位1.341m,为时间序列开始以来的最低值,前后一年内水位差值0.152m,此前水位下降较为迅速,此后经历了一个季度的平水期接着继续下降,该年降水量仅70.1mm,属于枯水年份,汛期雨量比常年偏少40%[28],流域水资源总量比常年减少66.8亿m3,在尚未受人为干预较大的影响下较低的降水直接导致流域入湖径流量的减少,河网调蓄作用减弱,水位下降; 2004年12月平均水位1.277m,在此前后2a平均水位差值达0.163m,为除2016年以外的最高值,并且水位开始在小范围频繁波动,从该年起引江济太工程长效运行,通过引排水达到保障流域供水安全、改善太湖以及河网水环境的目的,使得水位受极端气象条件的影响减弱[29].此外,拓浚入江水道等水利工程则缓解了太湖高水位上升的趋势.

3 讨论

3.1 水位变化与气象因素的关系

本文所用气温与降水数据为水平分辨率0.5°× 0.5°的格点数据集,因此首先创建中国区域的地理格网,分辨率与气象数据保持一致,将每一网格的中心与插值后的气象数据对应起来,再根据太湖边界的矢量文件选取研究区域内的数据求平均值作为当月的值,蒸发数据则直接采用东太湖国家基本气象站大型蒸发皿所测且经质量控制为正确的蒸发量,各气象数据随水位的变化见图10,其中降水-蒸发经过归一化处理统一到相同尺度.

图10 年平均水位与气温、降水和蒸发变化趋势

多年来气温、降水和水位表现了总体升高的趋势(0.046℃/a、4.143mm/a和0.014m/a),蒸发则变化不明显,水位在2003～2011年呈0.331m/a下降趋势,2011～2018年呈0.069m/a上升趋势.太湖流域河网众多,降水和径流是湖泊的主要补给来源.在2016年的超高气温、较高蒸发条件下,高于多年平均42.8mm的降水直接导致了特大洪水的发生,该年降水位列1951年来的第一位,可见当降水量过大时对水位会有直接影响,同时易形成流失较快的地面径流,产生洪涝灾害.此外,气候变化不仅会直接影响湖泊水位,其对流域径流输入的影响也会间接作用于湖泊水位.例如2003年为降水的最低值,仅有70.1mm,该年10月降水仅有0.4mm,在这样的条件下该年水位仍高于平均值0.143m,主要是由于夏季流域降水通过径流补给对湖泊水位的影响存在一定的滞后效应,长期稳定的降水对水位影响更为明显[30].同时由于气温较低,蒸发效应有一定程度减弱,当月蒸发量为5月以来的最小值,仅0.3mm,使湖泊水量的损失降低,导致当月水位处于偏高状态.

年降水-蒸发在2003～2007年显示为负值且显著下降,由此导致的水量亏损会呈现在下一年的水位,如2005年的极小值导致2006年的水位迅速下降,2006年正的降水-蒸发加之此前4a持续升高的降水使得2007年的水位上升了0.110m,在陆琛莉对环太湖地区汛期降水量的研究中有相似的结论[31]. 2010年的降水-蒸发为多年以来的极大值,而2011年的水位则低于多年平均值0.337m,气温与往年基本持平,虽然降水较常年仅偏少6%,但该年汛前降水量为1951年有降雨系列资料以来同期降水量最低的年份,导致该年太湖流域遭受60a以来最严重的气象干旱,从2003年以来太湖水位一直处于偏枯状态,极端的气象条件更加剧了这种状态,地区河网水位普遍偏低,导致入湖径流量和蓄水量大幅降低,进而间接导致水位下降,出湖水量也相对减少,据资料统计: 该年环太湖入湖和出湖水量较2010年减少10.01和15.06亿m3[32].

由图11可知: 1～5月,气温与降水均随着时间的推移不断升高,由于气温较低,蒸发影响较弱,冬季降水的累积使得水位不断上升,在3月达到第一个峰值1.463m,稍有下降后于6月迎来极大值1.482m,此时降水量也为整年最高; 随着气温持续的升高,降水保持在高水平的前提下,水位开始下降,除蒸发增多原因以外,人为的排水引流也是重要的影响因素.气温对水位的影响则更多的是年内极端高温与少雨天气对当月的水位产生短期下降[33],2013年太湖流域出现大范围持续高温少雨天气导致该年常熟水利枢纽与望亭水利枢纽引水启动时间提前,一直持续到10月5日,该年的最高水位也推迟到10月份出现[34].

3.2 人类活动对水位的影响

选用每年汛期经过距平与标准化处理后的数据进行Wilcoxon秩和检验,结果见表4.对于气温和降水,虽然Z值的伴随概率均大于0.05,肯定水位变化在统计学意义上与二者均有关联,但 Pearson相关分析表明其相关系数并不高(0.488与-0.520),这与人类活动的影响密切相关,大型的水利工程和高度的城市化使得水位对自然因素的响应发生改变.

工程调度是影响太湖环湖出入水量变化的重要因子,而出入湖水量变化则直接影响太湖水量平衡和水位[35].工程调度主要包括“引江济太”调度、沿江门口引排水调度、圩区使用以及各地区闸泵运行等.在2011年极端干旱年太湖流域管理局在国家防控总局和水利部的有关指示下组织流域两省一市首次实施跨年度调水,望虞河常熟水利枢纽全年累积引水31.8亿m³,望亭水利枢纽累积入湖水量16.1亿m³,且该年引水集中在1～6月与11～12月,排水集中在7～10月,无论是河网调蓄还是水库蓄水汛初较年初均有下降使得太湖水量得到补充,非汛期的低水位得以与往年基本持平且全年大部分时间处于防洪控制水位以下,工程调度成效显著,确保了大旱之年无大灾[26].2016年特大洪水期间,5月份水位首次突破2m,5～7月和9月降水偏多25%～208%,而从6月的2.252m开始水位逐渐回落,并且即便经历了秋汛后水位也并未超过2m,主要原因是沿长江口门除汛前引水量大于排水量外其余时段排水量均大于引水量,汛期排水量占全年66%,且引江济太工程全年引水期不足2个月,太湖年末蓄水量较年初减少3.066亿m3,而在1991年大洪水期间,由于太湖环湖大堤质量欠佳,抵御洪水能力弱,且下游河道工程尚未完工,宣泄的供水给苏锡常地区带来了严重灾害[36],全流域洪水期经济损失占当年GDP的6.8%,而2016年随着治太骨干工程全面建成,该年洪涝灾害造成全流域经济损失仅占当年GDP的0.12%[37],基本实现了大汛无大灾.

表4 双变量Wilcoxon检验结果

太流域位于长江中下游经济带,工农业活动频繁,人口众多,故用于生产和人类生活的用水量也较大.根据《太湖流域及东南诸河水资源公报》中的统计数据[38],2018年太湖流域用水量342.9亿m3,其中生活用水占9.5%,生产用水占89.9%,高出东南诸河38.4亿立方米,近15a用水量以每年2.440亿m3的速度增长,在2003～2009年流域内降水普遍较低的情况下人类用水仍维持在较高水平,加剧了世纪初期水位的下降,即使在2011年后降水迅速增加的情况下水位仍仅有缓慢上升的趋势.

此外,土地利用变化以及河网水系形态结构的变化造成产水量的增加会加剧太湖水位年内的上升趋势.快速城市化后所引起的建设用地的增加使得相当一部分透水性的地面变成不透水层从而增大了径流系数.文献[39]中提到采用1980～2000年的雨情模拟土地利用的产流差异结果表明土地利用变化导致的产流差异平均增加7×108m³,其中上游入湖量的增加相当于水位增高8.9cm.在李恒鹏等人的研究中也指出城镇扩张较为迅速的湖西区(4.3%)产流量增加的比例高于全流域2.92%,对太湖上游水位影响较大,进而通过流域河网抬升了整体的水位[40].此外,河网水系的快速衰减从整体上降低了流域的调蓄能力,汛期的水位变化规律相对明显,非汛期的表现则出现一定的不确定性,这也解释了图7(b)在2011年前后主导水位变化的季节的多变[41].因此积极灵活的人为控制使得太湖水位变化与在自然状态下呈现出了不一样的规律,21世纪前10a水位主要受控于气象因素,此后人为干预的影响逐渐加剧,在极端水位年受降水影响较大,而在平水年和枯水年太湖水位更多的依靠河网调蓄及流域引排水.

4 结论

4.1 Envisat与Cryosat-2在对太湖水位变化监测的公共时段测量精度分别为0.100与0.135m,具有时间序列合成的可行性.在Cryosat-2/SIRAL L2GDR产品中的3种重跟踪算法中,Refined OCOG算法与实测水位最为相关,多年汛期内月尺度的相关系数为0.491,季尺度为0.559,年尺度可达0.845.

4.2 多年来,太湖最高水位为2016年6月的2.252m,最低水位为2011年10月的0.832m,每年1～4月水位逐渐上涨,在6月前后达到峰值,此后开始下降,在年末出现轻微抬升;一般情况下太湖春季水位最高,季节平均水位1.391m,冬季其次,秋季再次,夏季最低,极差0.041m;2016年为太湖的最高水位年,年平均水位1.838m,年最高水位达到2.252m,2011年为最低水位年,年平均水位1.019m,年最低水位0.832m.

4.3 在太湖近20a的水位变化序列中存在10～20个月、15～30个月以及40～60个月3类尺度的周期变化规律,且40～60个月时间尺度的周期变化最为强烈,时间跨度也为最广; 15～30个月尺度的周期变化次之,且仅在2012年后具有较为稳定的能量输出,其他时间尺度的周期性变化不明显; 56个月的尺度为太湖水位变化的第1主周期; 26个月的尺度为水位变化的第2主周期.

4.4 以2015年4月份为分界点,在此之前水位整体呈下降趋势,且2004年6月～2012年12月之间下降趋势显著; 此后水位呈上升趋势,且2015年12月之后上升趋势显著; 两种突变检验方法的交互验证表明第1次显著的水位突变发生在2003年3月,第2次为2004年12月,其余时刻无显著突变.

4.5 积极灵活的人为控制使得太湖水位变化与自然状态下呈现出不同的规律,21世纪前10a水位主要受控于气象因素,此后人为干预的影响逐渐加剧,在极端水位年受降水影响较大,而在平水年和枯水年太湖水位更多的依靠河网调蓄及流域引排水.

[1] Bonter D N, Sidney J R, Donovan T M. Characteristics of important stopover locations for migrating birds: remote sensing with radar in the Great Lakes basin [J]. Conservation Biology, 2009,23(2):440-448.

[2] Ke H L. Modeling and analysis of lake water storage changes on the Tibetan Plateau using multi-mission satellite data [J]. Remote Sensing of Environment, 2013,135:25-35.

[3] 张国庆, XIE HongJie,姚檀栋,等.基于ICESat和Landsat的中国十大湖泊水量平衡估算 [J]. 科学通报, 2013,(26):2664-2678.

Zhang G Q, Xie H J, Yao T D, et al. Water balance estimation of ten greatest lakes in China using ICESat and Landsat data [J]. Chin. Sci. Bull., 2013, 58:3815-3829.

[4] Ma R. A half-century of changes in China's lakes: global warming or human influence? [J]. Geophysical Research Letters, 2010,37: L24106.

[5] 文京川,赵红莉,蒋云钟,等.卫星测高数据筛选方法研究——以Jason-3数据和洪泽湖为例 [J]. 南水北调与水利科技, 2018,16(3):8.

Wen J C, Zhao H L, Jiang Y Z, et al. Research on the quality screening method for satellite altimetry data-take Jason-3data and Hongze Lake as an example [J]. South-to-North Water Transfers and Water Science & Technology, 2018,16(3):194-200,208.

[6] Zhang G, Yao T, Chen W, et al. Regional differences of lake evolution across China during 1960s-2015 and its natural and anthropogenic causes [J]. Remote Sensing of Environment, 2018,221:386-404.

[7] 姜卫平,褚永海,李建成,等.利用ENVISAT测高数据监测青海湖水位变化 [J]. 武汉大学学报(信息科学版), 2018,33(1):64-67.

Jiang W P, Chu Y H, Li J C, et al. Water level variation of Qinghai Lake from altimetric data [J]. Geomatics and Information Science of Wuhan University, 2018,33(1):64-67.

[8] J F Crétaux, Birkett C. Lake studies from satellite radar altimetry [J]. Comptes Rendus Geoscience, 2006,338(14/15):1098-1112.

[9] Lee H, Shum C K, Yuchan Y I, et al. Louisiana wetland water level monitoring using retracked TOPEX/POSEIDON altimetry [J]. Marine Geodesy, 2009,32(3):284-302.

[10] 吴红波.基于星载雷达测高资料估计博斯腾湖水位-水量变化研究[J]. 水资源与水工程学报, 2019,30(3):9-17.

Wu H B. Studies on changes in water level and storage of Bosten Lake based on satellite-borne radar altimetry data [J]. Journal of Water Resources & Water Engineering, 2019,30(3):9-17.

[11] Berry P, Garlick J D, Freeman J A, et al. Global inland water monitoring from multi-mission altimetry [J]. Geophysical Research Letters, 2005,32(16):101-120.

[12] Crétaux J F, Jelinski W, Calmant S, et al. SOLS: A lake database to monitor in the near real time water level and storage variations from remote sensing data [J]. Advances in Space Research, 2011,47(9): 1497-1507.

[13] 江苏省地方志编纂委员会.江苏省志第二卷:地理志 [M]. 南京:江苏古籍出版社, 1999.

Jiangsu Provincial Local Records Compilation Committee. Geography of Jiangsu province [M]. Nanjing: Jiangsu Ancient Books Publishing House, 1999.

[14] Abdollah A J, John N C, Kasper J, et al. Evaluation of multiple satellite altimetry data for studying inland water bodies and river floods [J]. Journal of Hydrology, 2013,505(22):78-90.

[15] Frappart F, Calmant S, M Cauhopé, 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.

[16] 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.

[17] Lopes L G, Zahiri E P. Envisat radar altimetry-derived water level variations in the Koliba-Corubal River basin, West Africa [Z]. 2017.

[18] Raney R Keith. The delay/doppler radar altimeter [J]. IEEE Transactions on Geoscience & Remote Sensing, 1998,36(5):1578– 1588.

[19] 张国庆.中国湖泊数据集(1960s-2015) [Z]. 国家青藏高原数据中心, 2019.

Zhang G Q. China lake dataset (1960s-2015) [Z]. National Tibetan Plateau Data Center, 2019.

[20] Labroue S, Ablain M, Urvoy M, et al. Global data quality assessment of the CryoSat-2 altimetric system over ocean [Z]. Esa Special Publication, ESA Special Publication, 2011.

[21] Bouffard J. CRYOSAT -2 level 2 product evolutions and quality improvements in baseline C [J/OL]. ESA. 8-11[2016-04-12]. https://earth.esa.int/web/guest/document-library/browse-document-library/-/article/cryosat-level-2-product-evolutions-and-quality-improvements-in-baseline-c.

[22] Bouffard J, Webb E, Scagliola M, et al. CryoSat instrument performance and ice product quality status [J]. Advances in Space Research, 2017,62(6):1526-1548.

[23] 高永刚,郭金运,岳建平.卫星测高在陆地湖泊水位变化监测中的应用 [J]. 测绘科学, 2008,33(6):73-75.

Gao Y G, Guo J Y, Yue J P. Lake level variations measurement with satellite altimetry [J]. Science of Surverying and Mapping, 2008,33(6): 73-75.

[24] 郭海荣,焦文海,杨元喜.1985国家高程基准与全球似大地水准面之间的系统差及其分布规律 [J]. 测绘学报, 2004,33(2):100-104.

Guo H R, Jiao W H, Yang Y X. The systematic difference and its distribution between the 1985 national height datum and the global quasigeoid [J]. Acta Geodaetica et Cartographoca Sinica, 2004,33(2): 100-104.

[25] 赵云,廖静娟,沈国状,等.卫星测高数据监测青海湖水位变化 [J]. 遥感学报, 2017,21(4):633-644.

Zhang Y, Liao J J, SHEN G Z, et al. Monitoring the water level changes in Qinghai Lake with satellite altimetry data [J]. Journal of Remote Sensing, 2017,21(4):633-644.

[26] 徐向阳,浦宝元.太湖水位分析和代表站选择[J]. 河海大学学报, 1992,20(6):26-31.

Xu X Y, Pu B Y. Analysis of Tai Lake water level and selection of representative station [J]. Journal of Hohai University, 1992,20(6): 26-31.

[27] 常翔宇,蔡 宇,夏文韬,等. Cryosat-2测高数据的太湖水位监测与变化分析 [J]. 测绘科学, 2020,45(10):85-91.

[28] 甘月云,王凯燕,甘升伟.近年来太湖流域水量平衡分析 [J]. 水文, 2019,39(1):89-92.

Gan Y Y, Wang K Y, Gan S W. Analysis of the water balance in the Taihu Basin in recent years [J]. Journal of China Hydrology, 2019,39 (1):89-92.

[29] 胥瑞晨,逄 勇,胡祉冰,等.“引江济太”工程对太湖水体交换的影响研究 [J]. 中国环境科学, 2020,40(1):375-382.

Xu R C, Pang Y, Hu Z B, et al. Influence study about water exchange on the Taihu Lake based on the “water diversion project from the Yangtze River to the Taihu Lake (WDYT)” [J]. China Environmental Science, 2020,40(1):375-382.

[30] Wu J, Wu Z Y, Lin H J, et al. Hydrological response to climate change and human activities: A case study of Taihu Basin, China [J]. Water Science and Engineering, 2020,13(2):83-94.

[31] 陆琛莉,范柏松,朱莲芳.环太湖地区汛期降水量与太湖水位的关系 [J]. 气象科学, 2000,20(1):51-56.

Lu C L, Fan P S, Zhu L F. Relation between precipitation around Taihu in the flood season and Taihu water level [J]. Scientia Meteorologica Sinica, 2000,20(1):51-56.

[32] 水利部太湖流域管理局.太湖流域片2011水情年报 [EB/OL]. 上海:水利部太湖流域管理局, 2013.http://www.tba.gov.cn/slbthlyglj/ sqnb/content/slth1_8052a87eb49349e7af3ed9030fe8ba1a.html.

Tai Lake Basin Authority of the Ministry of water resources. Annual report of water regime of Tai Lake Basin in 2011 [EB/OL]. Shanghai: Tai Lake Basin Authority of the Ministry of water resources, 2013.

[33] 王 瑞,牛振国.中国湖泊温度变化特征及其对气候变化的响应[J]. 中国环境科学, 2020,40(2):780-788.

Wang R, Niu Z G. Characteristics of changes in lake temperature in China and their response to climate change [J]. China Environmental Science, 2020,40(2):780-788.

[34] 水利部太湖流域管理局.太湖流域片2016水情年报 [EB/OL]. 上海:水利部太湖流域管理局, 2018.http://www.tba.gov.cn/slbthlyglj/ sqnb/content/slth1_0edff4cdbfc2448a8b5b75e5fda661c6.html.

Tai Lake Basin Authority of the Ministry of water resources. Annual report of water regime of Tai Lake Basin in 2016[EB/OL]. Shanghai: Tai Lake Basin Authority of the Ministry of water resources, 2018.

[35] 季海萍,吴浩云,吴 娟.1986～2017年太湖出入湖水量变化分析 [J]. 湖泊科学, 2019,31(6):1525-1533.

Ji H P, Wu H Y, Wu J. Variation of inflow and outflow of Lake Taihu in 1986～2017 [J]. Journal of Lake Science, 2019,31(6):1525-1533.

[36] 王磊之,胡庆芳,王银堂,等.太湖流域2016年、1991年大洪水对比分析 [J]. 河海大学学报(自然科学版), 2016,46(6):471-478.

Wang L Z, Hu Q F, Wang Y T, et al. Comparison of the two flood events occurred in 2016 and 1991 in the Taihu Lake Basin [J]. Journal of Hohai University (Natural Sciences), 2016,46(6):471-478.

[37] 梅 青,李 鹏,金 科,等.2016年太湖流域特大洪水防御工作及思考 [J]. 中国防汛抗旱, 2016,26(5):22-25.

Mei Q, Li P, Jin K, et al. The flood control and thoughts at the Taihu Lake Basin in 2016 [J]. China Flood & Drought Management, 2016, 26(5):22-25.

[38] 水利部太湖流域管理局.2018年太湖流域及东南诸河水资源公报[EB/OL].上海:水利部太湖流域管理局, 2019.http://www.tba.gov.cn/ slbthlyglj/szygb/content/slth1_7b417848365f411f8f5f0200e3cec1a3.html.

Tai Lake Basin Authority of the Ministry of water resources. Annual report of water regime of Tai Lake Basin in 2018 [EB/OL]. Shanghai: Tai Lake Basin Authority of the Ministry of water resources, 2019.

[39] 陈 莹,许有鹏,尹义星.土地利用/覆被变化下的暴雨径流过程模拟分析——以太湖上游西苕溪流域为例[J]. 地理科学, 2009,(1): 117-123.

Chen Y, Xu Y P, Yin Y X. Assessment of effects of land use changes on storm runoff generation—a case study of Xi Tiaoxi Basin [J]. Scientia Geographica Sinica, 2009(1):117-123.

[40] 李恒鹏,杨桂山,金 洋.太湖流域土地利用变化的水文响应模拟 [J]. 湖泊科学, 2007,19(5):537-543.

Li H P, Yang G S, Jin Y. Simulation of hydrological response of land use change in TaiHu Basin [J]. Journal of Lake Science, 2007,19(5): 537-543.

[41] 王跃峰,许有鹏,张倩玉,等.太湖平原区河网结构变化对调蓄能力的影响 [J]. 地理学报, 2016,71(3):449-458.

Wang Y F, Xu Y P, Zhang Q Y, et al. Influence of stream structure change on regulation capacity of river networks in Taihu Lake Basin [J]. Acta Geographic Sinica, 2016,71(3):449-458.

致谢：研究中用到的Envisat/RA-2和Cryosat-2/SIRAL高度计数据来源于欧洲航空局(ESA),实测水位数据由江苏省水文水资源勘测局提供,气象数据来源于中国气象局国家气象信息中心,在此表示衷心的感谢！.

Monitoring of water level variation in Tai Lake from 2002～2018 based on satellite altimeter data.

CHANG Xiang-yu1, CAI Yu1,2, KE Chang-qing1,2*

(1.School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China；2.Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210023, China)., 2022,42(3)：1295～1308

Due to the shortcomings of traditional water level monitoring methods and the actual needs of monitoring water level change in Tai Lake, based on Envisat and Cryosat-2 altimeter data, Morlet wavelet analysis and Mann-Kendall test were used to analyze the changes in water level and its periodicity from June 2002 to December 2018. The altimeter-derived water levels were compared with in-situ data to estimate the accuracy. Afterwards, we analyzed the change trends of water level at different time scales and discussed the causes of the changes from aspects of climatic factors and anthropogenic influences. Results indicated that the water level derived from Envisat/RA2L2GDR data and Cryosat-2/SIRAL L2GDR data had high accuracies. The correlation coefficients between altimeter-derived water levels and in situ water levels were 0.559 and 0.845, respectively, at seasonal and annual scales. Therefore, altimeter data can be used monitor the change of water level in a long time series. From 2002 to 2018, the average water level of Tai Lake was 1.379m, the highest water level was 2.252m in June 2016, and the lowest water level was 0.832m in October 2011. Besides, the water level gradually increased from January to April every year, reached the peak around June, and then began to decline, and slightly increased again at the end of the year. Tai Lake had the highest water level in spring, the lowest in summer, with a difference of 0.041m. In the recent 20years, there were three kinds of periodic changes in the water level of Tai Lake: 10～20months, 15～30months and 40～60months, in which the changes in the 40～60months scale were the strongest. Before April 2015, the water level had a significant downward trend, and experienced significant mutations in March 2003 and December 2004, respectively, while after that, water level had an upward trend. In the first decade of the 21st century, the water level of Tai Lake was mainly controlled by climatic factors. After that, the influence of human interventions gradually increased, causing the water level to show a different change pattern.

satellite altimetry；lake level variation；Envisat/RA-2；Cryosat-2；Tai Lake

X143

A

1000-6923(2022)03-1295-14

常翔宇(1997-),男,黑龙江哈尔滨人,南京大学硕士研究生,主要从事湖泊水文遥感的研究.发表论文3篇.

2021-08-07

国家自然科学基金(42011530120)

*责任作者, 教授, kecq@nju.edu.cn