Please wait a minute...
 
自然资源遥感  2025, Vol. 37 Issue (5): 1-14    DOI: 10.6046/zrzyyg.2024100
  湖泊生态环境遥感监测专栏 本期目录 | 过刊浏览 | 高级检索 |
ICESat-2数据监测全国湖泊2018—2022年水位变化
井若凡1,2,3(), 廖静娟1,2(), 马山木1,2,3
1.中国科学院空天信息创新研究院数字地球重点实验室,北京 100094
2.可持续发展大数据国际研究中心,北京 100094
3.中国科学院大学,北京 100049
Monitoring 2018—2022 changes in lake levels across China using ICESat-2 data
JING Ruofan1,2,3(), LIAO Jingjuan1,2(), MA Shanmu1,2,3
1. Key Laboratory of Digital Earth Science,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100094,China
2. International Research Center of Big Data for Sustainable Development Goals,Beijing 100094,China
3. University of Chinese Academy of Sciences,Beijing 100049,China
全文: PDF(9311 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 遥感卫星测高技术可以无接触、大范围地进行对地观测,为缺乏地面水文站的湖泊水位变化监测提供技术支持,ICESat-2激光雷达高度计具有较小的地面足迹和较高的监测精度,在中小型湖泊监测方面具有优势。为此该研究基于ICESat-2 ATL08数据提取了我国1 248个湖泊2018年10月—2022年8月水位数据集,并利用18个湖泊的实测水位数据和36个湖泊的Hydroweb数据开展精度验证;然后,基于我国五大湖区的划分,对观测次数达到4次以上和监测时长大于2 a的957个湖泊的水位变化情况进行了分析。结果表明,ICESat-2提取的湖泊水位与实测水位的均方根误差(root mean square error,RMSE)最低为0.097 m,与Hydroweb数据开展的交叉验证相关系数可达0.95,RMSE最低为0.085 m,ICESat-2水位提取结果有很高的精度和准确性;青藏高原地区湖泊水位呈缓慢上升趋势,西北地区湖泊水位呈较明显的下降趋势,东部地区大型湖泊无明显水位变化趋势,而小型湖泊变化较为剧烈;总体上,全国湖泊水位呈缓慢上升趋势。研究实现了全国湖泊水位的高精度测量和湖泊水位变化监测,可为水资源保护、生态管理、探究湖泊水位与人类活动及气候变化的响应关系等提供科学依据。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
井若凡
廖静娟
马山木
关键词 卫星测高湖泊水位ICESat-2变化分析全国湖区    
Abstract

Satellite altimetry enables non-contact,large-scale Earth observation,providing technical support for monitoring changes in water levels of lakes where there is a lack of ground-based hydrological stations. The ICESat-2 laser altimeter features small footprints and high measurement accuracy,enjoying advantages in monitoring small-to medium-sized lakes. Therefore,this study extracted water level data from October 2018 to August 2022 for 1248 lakes across China based on ICESat-2 ATL08 data. The extracted data were validated using measured water level data from 18 lakes and Hydroweb data from 36 ones. Subsequently,based on the division of China's five major lake regions,this study analyzed variations in water levels of 957 lakes that were observed for over two years in at least four campaigns. The results show that the root mean square errors (RMSEs) between ICESat-2-derived and measured lake levels showed a minimum of 0.097 m. The cross-validation with Hydroweb data yielded a correlation coefficient of 0.95 and a minimum RMSE of 0.085 m. These results demonstrate the high precision and accuracy of the water level retrieval based on the ICESat-2 data. The lake levels on the Tibetan Plateau exhibited a slow rising trend,while those in northwestern China showed a declining trend. In eastern China,the water levels of large lakes displayed no significant variation trend,whereas those of small lakes showed pronounced fluctuations. Overall,the lake levels across China exhibited a gently rising trend. This study achieved high-precision measurement and monitoring of variations in lake levels across China,providing a scientific basis for water resource protection,ecological management,and the exploration of the responses of lake levels to human activities and climate change.

Key wordssatellite altimetry    lake level    ICESat-2    change analysis    lake region of China
收稿日期: 2024-03-15      出版日期: 2025-10-28
ZTFLH:  TP79  
基金资助:国家自然科学基金项目“合成孔径干涉雷达高度计数据湖泊水位高精度反演模型研究”(41871256)
通讯作者: 廖静娟(1966-),女,博士,研究员,主要从事微波遥感理论和应用研究。Email:liaojj@aircas.ac.cn
作者简介: 井若凡(2001-),男,博士研究生,主要从事雷达高度计在陆地水文应用领域的研究。Email:jingruofan23@mails.ucas.ac.cn
引用本文:   
井若凡, 廖静娟, 马山木. ICESat-2数据监测全国湖泊2018—2022年水位变化[J]. 自然资源遥感, 2025, 37(5): 1-14.
JING Ruofan, LIAO Jingjuan, MA Shanmu. Monitoring 2018—2022 changes in lake levels across China using ICESat-2 data. Remote Sensing for Natural Resources, 2025, 37(5): 1-14.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/zrzyyg.2024100      或      https://www.gtzyyg.com/CN/Y2025/V37/I5/1
Fig.1  研究区概貌图(审图号:GS京(2025)1936号)
Fig.2  本文技术路线
Fig.3  呼伦湖ICESat-2数据处理过程
Fig.4  达里诺尔湖2021年4月21日过境轨道剖面图
序号 湖泊名 重复水位数/个 重合水位日期范围 RMSE/m 相关系数
1 扎陵湖 22 2018年10月—2020年12月 0.097 0.881
2 鄂陵湖 21 2018年10月—2020年12月 0.195 0.894
3 太湖 18 2018年10月—2020年12月 0.462 0.366
4 青海湖 12 2018年12月—2019年12月 0.203 0.766
5 巢湖 10 2018年12月—2019年12月 0.830 0.365
6 乌梁素海 8 2018年10月—2020年10月 0.198 0.555
7 独山湖 7 2019年3月—2019年12月 0.270 0.771
8 南漪湖 6 2018年11月—2019年11月 0.398 0.932
9 石臼湖 6 2018年11月—2019年11月 0.241 0.981
10 阳澄湖 6 2018年10月—2019年12月 0.134 0.416
11 大官湖 6 2018年12月—2019年12月 0.384 0.417
12 菜子湖 5 2018年12月—2019年12月 0.320 0.774
13 高邮湖 4 2018年12月—2020年12月 0.045 0.978
14 微山湖 4 2019年4月—2019年12月 0.167 0.324
15 泸沽湖 3 2019年2月—2019年5月 0.019 0.966
16 洪泽湖 3 2019年6月—2019年12月 0.152 0.933
17 武昌湖 3 2019年1月—2019年10月 0.424 0.982
18 固城湖 3 2018年11月—2019年4月 0.139 0.996
Tab.1  实测数据验证误差统计表
Fig.5  ICESat-2与实测月水位重合序列对比
Fig.6  ICESat-2与Hydroweb产品重合水位序列对比
Fig.7  监测湖泊分布情况及观测次数(审图号:GS京(2025)1936号)
Fig.8  ICESat-2观测数据统计图
湖泊面积
范围/km2
湖泊数量/个 总面积/km2 上升数量/个 上升面积/
km2
上升率/
(m·a-1
下降数量/个 下降面积/
km2
下降率/
(m·a-1
>1 000 4 9 673.41 3 8 672.84 0.207 1 1 000.57 -0.051
(500,1 000] 10 6 561.89 6 3 997.77 0.279 4 2 564.12 -0.146
(200,500] 29 9 698.25 14 4 938.49 0.239 15 4 759.76 -0.132
(100,200] 46 6 264.33 32 4 433.57 0.197 14 1 830.77 -0.120
(50,100] 69 4 956.55 40 2 980.10 0.165 29 1 976.45 -0.094
(10,50] 231 5 411.45 102 2 593.46 0.174 129 2 817.98 -0.148
≤10 345 1 477.06 146 641.12 0.141 199 835.94 -0.192
总计 734 44 042.94 343 28 257.35 0.212 391 15 785.59 -0.129
Tab.2  青藏高原湖区不同面积湖泊水位变化趋势统计表
Fig.9  青藏高原湖区湖泊水位变化趋势空间分布图(审图号:GS京(2025)1936号)
流域名称 湖泊数/个 上升面积/km2 平均上升率/(m·a-1 下降面积/km2 平均下降率/(m·a-1
柴达木内流区 30 5 747.132 0.245 4 554.773 -0.111 4
羌塘高原内流区 532 21 259.077 0.205 9 11 143.659 -0.118 9
黄河源流域 27 148.091 0.114 3 1 295.693 -0.222 2
长江源流域 58 691.819 0.243 8 343.625 -0.047 5
西南国际河流域 73 371.611 0.067 3 2 280.361 -0.145 2
Tab.3  青藏高原湖区各流域湖泊水位变化趋势
湖泊面积/
km2
湖泊数量/个 总面积/
km2
上升数量/个 上升面积/
km2
年均上升率/
(m·a-1
下降数量/个 下降面积/
km2
年均下降率/
(m·a-1
>1 000 1 2 457.42 0 0 0 1 2 457.42 -0.025
(500,1 000] 4 2 985.60 3 2 125.73 0.101 1 859.87 -0.034
(100,500] 26 5 010.93 23 4 259.28 0.275 3 751.65 -0.375
(50,100] 17 1 162.70 10 684.72 0.699 7 477.98 0.049
(10,50) 100 2 464.14 68 1 727.11 0.817 32 737.03 -0.604
总计 148 14 080.78 104 8 796.84 0.373 44 5 283.94 -0.234
Tab.4  东部平原湖区不同面积湖泊水位变化趋势统计
Fig.10  东部平原湖区湖泊水位变化趋势空间分布图(审图号:GS京(2025)1936号)
流域名称 湖泊数/个 上升面积/km2 平均上升率/(m·a-1 下降面积/km2 平均下降率/(m·a-1
长江中下游流域 60 4 935.227 0.303 9 3 569.893 -0.165 6
黄河中下游流域 6 310.559 0.801 9 44.734 -0.783 0
淮河流域 55 2 896.429 0.336 5 1 292.278 -0.077 7
海河流域 19 615.876 0.878 5 161.389 -0.319 4
珠江流域 7 38.750 0.315 7 197.237 -2.331 9
Tab.5  东部平原湖区各流域水位变化趋势
Fig.11  东北平原与山地湖区湖泊水位变化趋势空间分布图(审图号:GS京(2025)1936号)
Fig.12  典型湖泊ICESat-2水位-时间序列
Fig.13  典型湖泊2018—2022年水面变化状况
[1] 吴红波, 郭忠明, 毛瑞娟. ICESat-GLAS测高数据在长江中下游湖泊水位变化监测中的应用[J]. 资源科学, 2012, 34(12):2289-2298.
Wu H B, Guo Z M, Mao R J. Monitoring lake water level changes in the middle and Lower Yangtze River Basin based on ICESat-GLAS altimetry data[J]. Resources Science, 2012, 34(12):2289-2298.
[2] 高乐, 廖静娟, 刘焕玲, 等. 卫星雷达测高的应用现状及发展趋势[J]. 遥感技术与应用, 2013, 28(6):978-983.
Gao L, Liao J J, Liu H L, et al. Applying status and development tendency of satellite Radar altimeter[J]. Remote Sensing Technology and Application, 2013, 28(6):978-983.
[3] 赵云. 雷达高度计数据中国主要湖泊水位变化监测方法研究[D]. 北京: 中国科学院大学(中国科学院遥感与数字地球研究所), 2017.
Zhao Y. Method of monitoring water level change of main lakes in China with Radar altimeter data[D]. Beijing: University of Chinese Academy of Sciences (Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences), 2017.
[4] Chen J, Liao J. Monitoring lake level changes in China using multi-altimeter data (2016-2019)[J]. Journal of Hydrology, 2020, 590:125544.
[5] 王成, 习晓环, 骆社周, 等. 星载激光雷达数据处理与应用[M]. 北京: 科学出版社, 2015.
Wang C, Xi X H, Luo S Z, et al. Data processing and application of spaceborne LiDAR[M]. Beijing: Science Press, 2015.
[6] 安德笼, 杨进, 武永斌, 等. ICESat-2激光测高卫星应用研究进展[J]. 海洋测绘, 2019, 39(6):9-15.
An D L, Yang J, Wu Y B, et al. Current research progress and applications of ICESat-2 laser altimetry satellite[J]. Hydrographic Surveying and Charting, 2019, 39(6):9-15.
[7] Cooley S W, Ryan J C, Smith L C. Human alteration of global surface water storage variability[J]. Nature, 2021, 591(7848):78-81.
[8] Luo S, Song C, Zhan P, et al. Refined estimation of lake water level and storage changes on the Tibetan Plateau from ICESat/ICESat-2[J]. CATENA, 2021, 200:105177.
[9] 张国庆, 王蒙蒙, 周陶, 等. 青藏高原湖泊面积、水位与水量变化遥感监测研究进展[J]. 遥感学报, 2022, 26(1):115-125.
Zhang G Q, Wang M M, Zhou T, et al. Progress in remote sensing monitoring of lake area,water level,and volume changes on the Tibetan Plateau[J]. National Remote Sensing Bulletin, 2022, 26(1):115-125.
[10] 马山木, 甘甫平, 吴怀春, 等. ICESat-2数据监测青藏高原湖泊2018—2021年水位变化[J]. 自然资源遥感, 2022, 34(3):164-172.doi:10.6046/zrzyyg.2021329.
Ma S M, Gan F P, Wu H C, et al. ICESat-2 data-based monitoring of 2018—2021 variations in the water levels of lakes in the Qinghai-Tibet Plateau[J]. Remote Sensing for Natural Resources, 2022, 34(3):164-172.doi:10.6046/zrzyyg.2021329.
[11] Wang X, Gong P, Zhao Y, et al. Water-level changes in China’s large lakes determined from ICESat/GLAS data[J]. Remote Sensing of Environment, 2013, 132:131-144.
[12] 张国庆, Xie H J, 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, 58(26):2664-2678.
Zhang G Q, Xie H J, Yao T D, et al. Estimation of water balance of ten lakes in China based on ICESat and landsat[J]. Chinese Science Bulletin, 2013, 58(26):2664-2678.
[13] 王娜. 中国五大湖区湖泊生态系统结构及水生生物演化比较研究[D]. 南京: 南京大学, 2012.
Wang N. Comparative study on the structure of lake ecosystem and the evolution of aquatic organisms in the five great lakes of China[D]. Nanjing: Nanjing University, 2012.
[14] Wan W, Long D, Hong Y, et al. A lake data set for the Tibetan Plateau from the 1960s,2005,and 2014[J]. Scientific Data, 2016, 3:160039.
[15] 吴红波, 王宁练, 郭忠明. ICESat-2/ATLAS测高数据在青海湖湖泊水位估计中的应用[J]. 水资源与水工程学报, 2021, 32(5):11-18,26.
Wu H B, Wang N L, Guo Z M. Application of ICESat-2/ATLAS altimetry data to the estimation of the Qinghai Lake water level[J]. Journal of Water Resources and Water Engineering, 2021, 32(5):11-18,26.
[16] Tao S, Fang J, Zhao X, et al. Rapid loss of lakes on the Mongolian Plateau[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(7):2281-2286.
doi: 10.1073/pnas.1411748112 pmid: 25646423
[17] Zhang G, Yao T, Chen W, et al. Regional differences of lake evolution across China during 1960—2015 and its natural and anthropogenic causes[J]. Remote Sensing of Environment, 2019, 221:386-404.
[1] 王义, 张艺藂, 程洋, 许联航, 郭俊廷, 王慧, 李军, 杜守航. 1986—2023年间神东矿区煤炭开采活动下植被覆盖遥感监测与时空变化分析[J]. 自然资源遥感, 2025, 37(3): 65-75.
[2] 魏佳宁, 罗凯, 陈又榕, 李培根, 杨康. 综合冰通量散度的格陵兰冰盖表面物质平衡遥感估算[J]. 自然资源遥感, 2025, 37(2): 80-87.
[3] 朱雨欣, 满梦甜, 王裕涵, 陈定华, 杨康. 基于PlanetScope光学小卫星与ICESat-2激光测高数据的极地冰盖冰面湖水深遥感反演[J]. 自然资源遥感, 2024, 36(4): 314-320.
[4] 刘美艳, 聂胜, 王成, 习晓环, 程峰, 冯宝坤. 基于ICESat-2和Sentinel-2A数据的森林蓄积量反演[J]. 自然资源遥感, 2024, 36(1): 210-216.
[5] 席磊, 舒清态, 孙杨, 黄金君, 宋涵玥. 基于ICESat2的西南山地森林LAI遥感估测模型优化[J]. 自然资源遥感, 2023, 35(3): 160-169.
[6] 辛荣芳, 李宗仁, 张焜, 张兴, 黄丽, 刘宝山. 青海省湟水流域地质灾害动态变化遥感监测[J]. 自然资源遥感, 2022, 34(4): 254-261.
[7] 马山木, 甘甫平, 吴怀春, 闫柏琨. ICESat-2数据监测青藏高原湖泊2018—2021年水位变化[J]. 自然资源遥感, 2022, 34(3): 164-172.
[8] 魏浩翰, 许仁杰, 杨强, 周权平. 多源卫星测高数据监测太湖水位变化及影响分析[J]. 自然资源遥感, 2021, 33(3): 130-137.
[9] 陈虹, 郭兆成, 贺鹏. 1988—2018年间洱海流域植被覆盖度时空变换特征探究[J]. 国土资源遥感, 2021, 33(2): 116-123.
[10] 李儒, 朱博勤, 童晓伟, 岳跃民, 甘华阳, 万思达. 2002—2013年海南东寨港自然保护区湿地变化分析[J]. 国土资源遥感, 2017, 29(3): 149-155.
[11] 戚晓明, 杜培军, 汪迎春, 金菊良, 徐善健. 基于World Wind的鄱阳湖水位动态变化仿真系统研究 [J]. 国土资源遥感, 2012, 24(2): 105-109.
[12] 陈雪玲, 陈绍杰, 杜培军, 夏俊士. 基于多时相遥感影像的龙岩市景观格局变化分析 [J]. 国土资源遥感, 2012, 24(2): 132-137.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发