ICESat-2数据监测青藏高原湖泊2018—2021年水位变化

图1 技术路线

Fig.1 Technical route

2.1 水面掩模处理

由于ATL08产品包括土地和植被的地表高度,以及内陆水体的高程,需要采用水面掩模对水体进行空间筛选。为了保证ICESat-2的足迹经过水体,对GSWO进行二值化处理,提取30 a内超过80%为水体的像素,然后将掩模侵蚀3个像素(90 μm)以进一步降低陆表地物影响。以水体面积除以包含水体的边界的水体总面积之商小于5%的阈值进行河流等水体的删除^[21],提取湖泊水面位置和分布。

利用全球水库矢量数据建立1 km范围缓冲区,并与已有的水面掩模进行叠加处理,获取水面掩模数据^[21]。

2.2 水位高程提取

将湖泊矢量数据与ICESat-2卫星ATL08产品数据进行位置配对处理。对每个湖泊水体,选取其高程观测数据序列10%~90%的部分。若某一水体的高程观测数据少于3个,则去除该观测值,此外删除当天及轨道内标准差大于0.25 m的高程观测值。然后计算每个湖泊水体高程观测值的中位数为水位。

基于上述处理,得到2018年10月14日—2021年4月21日青藏高原湖泊水位数据集。对于给定水体,77%水体的当日高程观测值标准差小于0.05 m,86%水体的当日高程观测值标准差小于0.1 m。

2.3 水位信息处理

首先筛除与2018年10月14日—2021年4月21日监测期内所有观测值的平均值相差超过3倍标准差的高程观测值,以消除因云层或其他传感器的错误而导致的质量较差的观测值。然后,通过取每个月所有高度观测的平均值为每月的高度观测值,以便于观察各水体一致时间段的水位。青藏高原湖泊在31个月中平均有1.5个高程观测,观测值数与湖泊面积呈正相关。

为了筛除高程观测值中的异常值,对于月度时间序列高度观测值将额外筛选。去除月度时间序列高度观测值中超过MERIT水文数据集中湖泊高程40 m的观测值,以及超出高度观测值中值2.5倍标准差的观测值。这些筛选步骤确保青藏地区水位高程变化观测是可靠的。

2.4 精度交叉验证

利用G-REALM及Hydroweb水位产品数据对ICESat-2数据获取的水位序列进行精度交叉验证(表1)。为了进一步验证本文获取水位序列的精度,分别计算了上述18个湖泊的ICESat-2水位和Hydroweb水位的标准差(表2),得出两者的标准差均值分别为0.06 m和0.1 m。综合来看,本文获取的ICESat-2水位序列精度至少优于Hydroweb水位产品0.04 m。综合表1和表2可知,在与Hydroweb水位交叉验证中,可可西里湖的相关系数最高,为0.957,兹格塘错相关系数最低,为0.122,考虑到兹格塘错月水位重复数少,且其Hydroweb水位的标准差高(表2),水位数据不可靠导致相关系数低。

表1 Hydroweb及G-REALM水位产品与所获取的ICESat-2水位序列的统计比较

Tab.1 Comparison between the ICESat-2 time series and the Hydroweb and G-REALM water levels

湖泊名称	月水位重复数/个	相关系数	均方根误差/m
扎日南木措	29	0.776	0.171
赤布张错	21	0.834	0.194
昂孜错	22	0.846	0.152
色林错	31	0.717	0.232
兹格塘错	9	0.122	0.263
阿雅格库	26	0.752	0.237
纳木错	28	0.613	0.264
格仁错	27	0.795	0.343
多格错仁强错	18	0.870	0.077
鄂陵湖	22	0.798	0.293
青海湖	21	0.736	0.247
可可西里湖	20	0.957	0.102
勒斜武担错	21	0.934	0.152
达则错	20	0.925	0.141
阿其克库勒湖	20	0.884	0.256
吐错	16	0.933	0.098
乌兰乌拉湖	23	0.596	0.124
哈拉湖	19	0.913	0.171

表2 Hydroweb水位产品与所获取的ICESat-2水位序列的标准差比较

Tab.2 Comparison between the Hydroweb water levels and water levels obtained from ICESat-2 data(m)

湖泊名称	ICESat-2水位			Hydroweb水位
湖泊名称	最大值	最小值	均值	最大值	最小值	均值
扎日南木错	0.17	0.02	0.06	0.08	0.03	0.04
赤布张错	0.13	0.03	0.06	0.06	0.01	0.03
昂孜错	0.07	0.02	0.05	0.36	0.01	0.05
色林错	0.19	0.04	0.10	0.08	0.02	0.04
兹格塘错	0.10	0.02	0.05	1.10	0.16	0.35
阿雅格库	0.13	0.02	0.04	0.16	0.02	0.07
纳木错	0.14	0.03	0.06	0.09	0.02	0.04
格仁错	0.08	0.01	0.04	0.65	0.03	0.12
多格错仁强错	0.09	0.01	0.04	0.07	0	0.03
鄂陵湖	0.12	0.01	0.07	0.24	0.03	0.08
青海湖	0.10	0.04	0.07	0.27	0.02	0.10
可可西里湖	0.10	0.01	0.05	0.16	0.03	0.07
勒斜武担错	0.08	0.02	0.04	1.00	0.02	0.12
达则错	0.06	0.01	0.04	0.25	0.01	0.04
阿其克库勒湖	0.24	0.03	0.13	0.14	0.03	0.08
吐错	0.10	0.01	0.05	0.29	0.04	0.21
乌兰乌拉湖	0.20	0.01	0.11	1.36	0.12	0.23
哈拉湖	0.05	0.01	0.03	0.18	0.09	0.13

2.5 时间序列水位监测

利用ICESat-2卫星ATL08产品数据,基于前文的相关数据处理流程和数据处理方法对2018年10月14日—2021年4月21日期间青藏高原湖泊水位信息进行提取和动态监测,得到了水位变化情况(图2)。

图2

图2 青藏高原湖泊的水位变化趋势空间分布

Fig.2 Distribution of lake level change trends of the lakes on the Qinghai-Tibet Plateau

3 湖泊水位时空变化特征

对所监测到473个湖泊,从其整体的水位变化趋势、不同分布区域的时空特征、部分典型湖泊的月度变化趋势进行了分析。

3.1 湖泊水位的整体变化

采取线性回归模型估算了2018—2021年间青藏高原473个湖泊的水位变化趋势。整体上,湖泊水位呈现明显的上升趋势(表3),整体年均变化率(按照湖泊面积加权计算)为0.013 m/a,水位上升湖泊面积占整体湖泊的75%。

表3 青藏高原473个湖泊的水位变化趋势统计(2018—2021年)

Tab.3 Lake level change trends of 473 lakes on the Qinghai-Tibet Plateau(2018—2021)

湖泊面积范围/km²	湖泊数量/个	年均变化率/ (m·a^-1)	上升湖泊数量/个	年均上升率/ (m·a^-1)	下降湖泊数量/个	年均下降率/ (m·a^-1)
>500	12	0.017	10	0.023	2	-0.017
[200,500]	25	0.008	16	0.021	9	-0.015
[100,200)	33	0.010	20	0.025	13	-0.014
[50,100)	52	0.005	31	0.017	21	-0.011
[10,50)	141	-0.002	64	0.017	77	-0.018
[1,10)	210	-0.001	80	0.026	130	-0.017

水位上升湖泊总面积(33 422 km²)远大于水位下降湖泊总面积(10 732 km²),而且83%的面积大于500 km²的湖泊水位均为上升。绝大多数水位下降湖泊年变化率低于0.01 m/a(图3),这表明青藏高原湖泊水量在持续上涨。其中,水位上升最快的和下降最快的湖泊中,面积大于500 km²分别是阿其克库勒湖(0.061 m/a)和鄂陵湖(-0.026 m/a),[200,500] km²分别是勒斜武担错(0.059 m/a)和吴如错(-0.035 m/a),[100,200) km²分别是托素湖(0.097 m/a)和振泉湖(-0.024 m/a),[50,100) km²分别是错达日玛(0.039 m/a)和朝阳湖(-0.037 m/a),[10,50) km²分别是荷花湖(0.085 m/a)和八松措(-0.081 m/a),[1,10) km²分别是冲果错(0.151 m/a)和郭扎错(小)(-0.063 m/a)。综合来看,青藏高原湖泊在2018—2021年间总体水位明显上升,其中大型湖泊水位上升趋势明显,中型湖泊水位上升平缓,小型湖泊水位呈微弱下降。

图3

图3 青藏高原湖泊水位变化趋势统计

Fig.3 Histogram of lake level change trends of the lakes on the Qinghai-Tibet Plateau

3.2 不同流域的湖泊水位变化趋势

为了更好地了解湖泊水位变化的空间分布特征,本研究将按照柴达木流域、黄河源流域、雅鲁藏布江流域、印度河流域、内高原流域等流域对青藏高原湖泊水位变化情况进行分析,流域范围如图2所示。

1)柴达木流域。该流域内监测到的18个湖泊中,有10个湖泊水位呈上升趋势,集中分布于流域北部,年均上升率为0.024 m/a。其余8个湖泊水位呈下降趋势,多集中于流域南部,昆仑山脉北麓地区,年均下降率为-0.009 m/a。上升湖泊总面积为673 km²,下降湖泊总面积为315 km²。流域内水位上升最快的湖泊为托素湖(0.097 m/a),下降最快为库水浣(-0.006 m/a)。柴达木流域监测到的面积最大的冬给措纳湖(241 km²)水位变化率为0.035 m/a。

2)长江源流域。该流域内监测到的35个湖泊主要分布于长江源地区,其中的23个湖泊水位呈上升趋势,年均上升率为0.017 m/a。其余12个湖泊水位呈下降趋势,多靠近山麓,年均下降率为-0.005 m/a。上升湖泊总面积为277 km²,下降湖泊总面积为325 km²。流域内水位上升最快的湖泊为亚莫错根(0.048 m/a),下降最快为日九错(-0.013 m/a)。其中监测到的面积最大的叶鲁苏湖(202 km²)水位变化率为-0.009 m/a。

3)青海湖流域。该流域内监测到的2个湖泊,青海湖与都兰湖水位均呈上升趋势,年均上升率为0.015 m/a,上升湖泊总面积为4 391 km²。流域内监测到的面积最大的青海湖(4 348 km²)水位变化率为0.028 m/a。

4)黄河源流域。该流域内监测到的15个湖泊中9个湖泊水位呈上升趋势,集中于下游,年均上升率为0.025 m/a; 其余6个湖泊水位呈下降趋势,位于上游,年均下降率为-0.012 m/a; 上升湖泊总面积为121 km²,下降湖泊总面积为1 204 km²。流域内水位上升最快的湖泊为苦海(0.050 m/a),下降最快为鄂陵湖(-0.026 m/a),同时与鄂陵湖相邻的扎陵湖水位也呈下降趋势(-0.007 m/a)。

5)雅鲁藏布江流域。该流域内监测到的18个湖泊中的7个湖泊水位呈上升趋势,年均上升率为0.027 m/a。其余11个湖泊水位呈下降趋势,多分布于上游地区,年均下降率为-0.015 m/a。上升湖泊总面积为71 km²,下降湖泊总面积为93 km²。流域内水位上升最快的湖泊为冲果错(0.151 m/a),下降最快为八松错(-0.081 m/a)。监测到的湖泊中面积最大的多庆错(49 km²)水位变化率为0.015 m/a。

6)印度河流域。该流域监测到的18个湖泊中的9个湖泊水位呈上升趋势,年均上升率为0.015 m/a。其余9个湖泊水位虽然呈下降趋势,但年均下降率为-0.008 m/a。上升湖泊总面积为826 km²,下降湖泊总面积为610 km²。流域内水位上升最快的湖泊为台错(0.027 m/a),下降最快为阿永布错(-0.015 m/a)。印度河流域监测到的面积最大的班公错(671 km²)水位变化率为0.008 m/a。

7)内高原流域。该流域包含羌塘高原、可可西里地区(图4),自然环境恶劣、气候干燥,是青藏高原最大的内流区,湖泊众多。该流域监测到的349个湖泊中的153个湖泊水位呈上升趋势,年均上升率为0.021 m/a。其余196个湖泊水位呈下降趋势,年均下降率为-0.017 m/a。上升湖泊总面积为19 571 km²,下降湖泊总面积为6 854 km²。流域内水位上升最快的湖泊为荷花湖(0.084 m/a),下降最快为向阳湖(-0.067 m/a)。内高原流域监测到的面积最大的色林错(2 300 km²)水位变化率为0.019 m/a。①内高原北部流域^[2]区域主要为可可西里地区^[22]。该流域内监测到的121个湖泊中的50个湖泊水位呈上升趋势,多分布其东部和北部,年均上升率为0.019 m/a。其余71个湖泊水位呈下降趋势,多分布与西部和南部,年均下降率为-0.019 m/a。上升湖泊总面积为6 127 km²,下降湖泊总面积为2 240 km²。流域内水位上升最快的湖泊为荷花湖(0.084 m/a),下降最快为向阳湖(0.067 m/a)。②内高原中部流域^[2]区域主要包含羌塘高原中西部、西北部地区^[22]。该流域内监测到的126个湖泊中的49个湖泊水位呈上升趋势,年均上升率为0.016 m/a。其余77个湖泊水位呈下降趋势,年均下降率为-0.021 m/a。上升湖泊总面积为3 816 km²,下降湖泊总面积为1 825 km²。流域内水位上升最快的湖泊为加穷湖(0.043 m/a),下降最快为郭扎错(小)(-0.063 m/a)。③内高原南部流域^[22]区域为羌塘高原南部地区^[22]。该流域内监测到的102个湖泊中的54个湖泊水位呈上升趋势,年均上升率为0.029 m/a。其余48个湖泊水位呈下降趋势,年均下降率为-0.012 m/a。上升湖泊总面积为9 628 km²,下降湖泊总面积为2 789 km²。流域内水位上升最快的湖泊为错雄拉则(0.047 m/a),下降最快为查尔康错(-0.039 m/a)。

图4

图4 内高原流域湖泊的水位变化趋势空间分布

Fig.4 Distribution of lake level change trends of the lakes in the Inner Plateau

总体来看(图5和表4),综合湖泊面积与湖泊水位变化率,除黄河源流域湖泊水位明显下降外,青藏高原各流域湖泊水位呈上升趋势,其中柴达木流域与内高原南部流域湖泊水位上升显著。值得注意的是,各流域水位呈下降趋势的湖泊多分布于山麓与上游,即流域内海拔相对较高的地区。同时,较多小型湖泊水位呈下降趋势,以内高原中部和北部流域地区最明显。雅鲁藏布江流域统计湖泊总面积小,且未获取羊卓雍措的湖泊水位数据,故该流域变化趋势暂不确定。另外,怒江、塔里木和澜沧江流域未能获得水位信息暂不予讨论。

图5

图5 各流域湖泊水位不同变化趋势占比

Fig.5 Proportion of different changing trends of lake level in each basin

表4 青藏高原各流域湖泊的水位变化趋势统计(2018—2021年)

Tab.4 Lake level change trends of the lakes of each basin in the Qinghai-Tibet Plateau(2018—2021)

流域	湖泊数量/个	上升湖泊数量/个	年均上升率/(m·a^-1)	上升湖泊总面积/km²	下降湖泊数量/个	年均下降率/(m·a^-1)	下降湖泊总面积/km²
柴达木流域	18	10	0.024	673	8	-0.009	315
长江源流域	35	23	0.017	277	12	-0.005	325
黄河源流域	15	9	0.025	121	6	-0.012	1 204
青海湖流域	2	2	0.015	4 391	0	—	—
雅鲁藏布江流域	18	7	0.027	71	11	-0.015	93
印度河流域	18	9	0.015	826	9	-0.008	610
内高原北部流域	121	50	0.019	6 127	71	-0.019	2 240
内高原中部流域	126	49	0.016	3 816	77	-0.021	1 825
内高原南部流域	102	54	0.029	9 628	48	-0.012	2 789
河西走廊流域	3	3	0.031	612	0	—	—
恒河流域	7	3	0.054	29	4	-0.017	50

3.3 典型湖泊水位变化特征

通过结合前人研究及地区重点,与本文的湖泊面积分级、流域分区的分类标准,选取纳木错、色林错、西金乌兰湖、多格错仁与格仁错作为典型湖泊,并对其水位变化情况进行了分析(图6)。纳木错(内高原南部,>500 km²)湖泊水位在2018—2021年间,季节性变化明显,且2020年秋季水位显著上升; 但近3 a内水位仅微弱上升。色林错(内高原南部,[200,500) km²)2018年10月—2020年10月水位上升1 m,呈现上升趋势。西金乌兰湖(内高原北部,[200,500) km²)2018年10月—2020年10月水位上升0.6 m,湖泊水位呈现上升趋势的同时,同年水位的波动范围也在不断扩大。多格错仁(内高原北部,[200,500) km²)水位变化较为稳定,略有下降趋势。格仁错(内高原南部,[100,200) km²)湖泊水位下降趋势明显,季节性水位下降0.6 m,2018年10月—2021年4月期间水位下降达1 m。

图6

图6 典型湖泊2018—2021年水位变化

Fig.6 Changes of water level of typical lakes from 2018 to 2021

4 讨论与结论

4.1 讨论

监测结果表明,2018年10月—2021年4月,青藏高原湖泊水位总体呈上升趋势。大型湖泊水位上升明显,中型湖泊水位上升平缓,小型湖泊水位略呈下降趋势。研究表明,降水对湖泊水量增加贡献占74%,冰川、冻土与积雪消融占26%^[23]。相对于大中型湖泊,小型湖泊的冰川融水补给十分有限。因此,在青藏高原降水增多^[24]的背景下,气温持续升高^[25]导致冰川融水增加与湖泊蒸发增强,可能是大中型湖泊水位上升,而小型湖泊水位呈微弱下降的原因。

4.2 结论

本文基于水面掩模处理、水位高程提取、水位信息处理等方法,利用ICESat-2卫星ATL08产品对青藏高原地区湖泊水位进行动态监测。受卫星观测数据的限制,仅实现了对青藏地区473个面积大于1 km²的湖泊进行较高频次(月-季度)监测,所监测湖泊数量多于前人,并使用Hydroweb及G-REALM水位产品进行交叉验证,证实本文水位序列精度较高,弥补了青藏高原湖泊水位监测数据在时空方面的不足,为高原湖泊动态监测提供了水位变化的最新信息。

本文采用了ICESat-2卫星成功发射以来的最新数据,监测了近3 a间青藏高原湖泊的水位变化。未来将持续采用该卫星数据高精度动态监测青藏高原湖泊水位变化。同时也将进一步融合更多卫星测高数据,以期实现对整个青藏高原面积大于1 km²的湖泊进行全面动态监测,监测青藏高原湖泊的水量变化,更好地支撑全球气候变化研究和区域水资源评价。

志谢

感谢廖静娟老师、吴艳红老师和陈嘉明博士对本研究的指导与帮助!

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Zhang

, Liu

C L

, Xu

C Y

, et al.

Observed trends of annual maximum water level and streamflow during past 130 years in the Yangtze River basin,China

[J]. Journal of Hydrology, 2006, 324(1-4):255-265.

DOI:10.1016/j.jhydrol.2005.09.023 URL [本文引用: 1]

[2]

Wan

, Long

, Hong

, et al.

A lake data set for the Tibetan Plateau from the 1960s,2005,and 2014

[J]. Scientific Data, 2016, 3:160039.

DOI:10.1038/sdata.2016.39 URL [本文引用: 4]

[3]

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

, Liao

J J

, Liu

H L

, et al.

Applying status and development tendency of satellite Radar altimeter

[J]. Remote Sensing Technolo-gy and Application, 2013, 28(6):978-983.

[4]

Hwang

, Cheng

Y S

, Han

, et al.

Multi-decadal monitoring of lake level changes in the Qinghai-Tibet Plateau by the TOPEX/Poseidon-family altimeters:Climate implication

[J]. Remote Sensing, 2016, 8(6):446.

DOI:10.3390/rs8060446 URL [本文引用: 2]

[5]

Gao

, Liao

, Shen

Monitoring lake-level changes in the Qinghai-Tibetan Plateau using Radar altimeter data (2002—2012)

[J]. Journal of Applied Remote Sensing, 2013, 7(1):073470.

DOI:10.1117/1.JRS.7.073470 URL [本文引用: 2]

[6]

Song

, Huang

, Ke

, et al.

Seasonal and abrupt changes in the water level of closed lakes on the Tibetan Plateau and implications for climate impacts

[J]. Journal of Hydrology, 2014(514):131-144.

[本文引用: 2]

[7]

Chen

, Liao

Monitoring lake level changes in China using multi-altimeter data (2016—2019)

[J]. Journal of Hydrology, 2020, 590:125544.

DOI:10.1016/j.jhydrol.2020.125544 URL [本文引用: 2]

[8]

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), 2008(1):64-67.

Jiang

W P

, Chu

Y H

, Li

J C

, et al.

Water level variation of Qinghai Lake from altimeteric data

[J]. Geomatics and Information Science of Wuhan University, 2008(1):64-67.

[9]

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.

Zhao

, 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.

[10]

吴红波, 陈艺多.

联合Landsat影像和ICESat测高数据估计青海湖湖泊水量变化

[J]. 水资源与水工程学报, 2020, 31(5):7-15,22.

H B

, Chen

Y D

Estimation of lake water storage change of Qinghai Lake based on the ICESat satellite altimetry data and Landsat satellite imageries

[J]. Journal of Water Resources and Water Engineering, 2020, 31(5):7-15,22.

[11]

廖静娟, 薛辉, 陈嘉明.

卫星测高数据监测青藏高原湖泊2010年—2018年水位变化

[J]. 遥感学报, 2020, 24(12):1534-1547.

Liao

J J

, Xue

, Chen

J M

Monitoring lake level changes on the Tibetan Plateau from 2000 to 2018 using satellite altimetry data

[J]. Journal of Remote Sensing, 2020, 24(12):1534-1547.

[12]

Neuenschwander

, Pitts

The ATL08 land and vegetation product for the ICESat-2 mission

[J]. Remote Sensing of Environment, 2019(221):247-259.

[本文引用: 2]

[13]

Abdalati

, Zwally

H J

, Bindschadler

, et al.

The ICESat-2 laser altimetry mission

[J]. Proceedings of the IEEE, 2010, 98(5):735-751.

DOI:10.1109/JPROC.2009.2034765 URL [本文引用: 1]

[14]

Markus

, Neumann

, Martino

, et al.

The ice,cloud,and land elevation satellite-2 (ICESat-2):Science requirements,concept,and implementation

[J]. Remote Sensing of Environment, 2017, 190:260-273.

DOI:10.1016/j.rse.2016.12.029 URL [本文引用: 2]

[15]

G Y

Earth observing satellite laser altimeter data processing method and engineer practice

[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(12):1691.

[16]

Pekel

J F

, Cottam

, Gorelick

, et al.

High-resolution mapping of global surface water and its long-term changes

[J]. Nature, 2016, 540(7633):418-422.

DOI:10.1038/nature20584 URL [本文引用: 1]

[17]

Grill

, Lehner

, Thieme

, et al.

Mapping the world’s free-flowing rivers

[J]. Nature, 2019, 569(7755):215-221.

DOI:10.1038/s41586-019-1111-9 URL [本文引用: 1]

[18]

Birkett

C M

, Reynolds

C A

, Deeb

E J

, et al.

G-REALM:A lake/reservoir monitoring tool for water resources and regional security assessment

[C]// American Geophysical Union Fall Meeting, 2018.

[19]

Cretaux

J F

, Jelinski

, Calmant

, 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.

DOI:10.1016/j.asr.2011.01.004 URL [本文引用: 1]

[20]

Yamazaki

, Ikeshima

, Sosa

, et al.

MERIT Hydro:A high-resolution global hydrography map based on latest topography dataset

[J]. Water Resources Research, 2019, 55(6):5053-5073.

DOI:10.1029/2019WR024873 [本文引用: 1]

High-resolution raster hydrography maps are a fundamental data source for many geoscience applications. Here we introduce MERIT Hydro, a new global flow direction map at 3-arc sec resolution (similar to 90 m at the equator) derived from the latest elevation data (MERIT DEM) and water body data sets (G1WBM, Global Surface Water Occurrence, and OpenStreetMap). We developed a new algorithm to extract river networks near automatically by separating actual inland basins from dummy depressions caused by the errors in input elevation data. After a minimum amount of hand editing, the constructed hydrography map shows good agreement with existing quality-controlled river network data sets in terms of flow accumulation area and river basin shape. The location of river streamlines was realistically aligned with existing satellite-based global river channel data. Relative error in the drainage area was <0.05 for 90% of Global Runoff Data Center (GRDC) gauges, confirming the accuracy of the delineated global river networks. Discrepancies in flow accumulation area were found mostly in arid river basins containing depressions that are occasionally connected at high water levels and thus resulting in uncertain watershed boundaries. MERIT Hydro improves on existing global hydrography data sets in terms of spatial coverage (between N90 and S60) and representation of small streams, mainly due to increased availability of high-quality baseline geospatial data sets. The new flow direction and flow accumulation maps, along with accompanying supplementary layers on hydrologically adjusted elevation and channel width, will advance geoscience studies related to river hydrology at both global and local scales. Plain Language Summary Rivers play important roles in global hydrological and biogeochemical cycles, and many socioeconomic activities also depend on water resources in river basins. Global-scale frontier studies of river networks and surface waters require that all rivers on the Earth are precisely mapped at high resolution, but until now, no such map has been produced. Here we present MERIT Hydro, the first high-resolution, global map of river networks developed by combining the latest global map of land surface elevation with the latest maps of water bodies that were built using satellites and open databases. Surface flow direction of each 3-arc sec pixel (similar to 90-m size at the equator) is mapped across the entire globe except Antarctica, and many supplemental maps (such as flow accumulation area, river width, and a vectorized river network) are generated. MERIT Hydro thus represents a major advance in our ability to represent the global river network and is a data set that is anticipated to enhance a wide range of geoscience applications including flood risk assessment, aquatic carbon emissions, and climate modeling.

[21]

Cooley

S W

, Ryan

J C

, Smith

L C

Human alteration of global surface water storage variability

[J]. Nature, 2021, 591(7848):78-81.

DOI:10.1038/s41586-021-03262-3 URL [本文引用: 2]

[22]

Luo

, Song

, Zhan

, et al.

Refined estimation of lake water level and storage changes on the Tibetan Plateau from ICESat/ICESat-2

[J]. Catena, 2021, 200:105177.

DOI:10.1016/j.catena.2021.105177 URL [本文引用: 4]

[23]

Zhang

G Q

, Yao

T D

, Shum

C K

, et al.

Lake volume and groundwater storage variations in Tibetan Plateau’s endorheic basin

[J]. Geo-physical Research Letters, 2017, 44(11):5550-5560.

DOI:10.1002/2017GL073773 URL [本文引用: 1]

[24]

Yang

, Wu

, Qin

, et al.

Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle:A review

[J]. Global and Planetary Change, 2014, 112:79-91.

DOI:10.1016/j.gloplacha.2013.12.001 URL [本文引用: 1]

[25]

Chen

B X

, Zhang

X Z

, Tao

, et al.

The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau

[J]. Agricultural and Forest Meteorology, 2014, 189:11-18.