第32卷第1期 遥感技术与应用 2017年2月 REMOTE SENSING TECHNOLOGY AND APPLICATION Feb,2017 5I R t It: Ge Li, Xi Xiaohuan, Wang Cheng,et al. Research Progress of ICESat-l/GLAS in Lake Level Monito ring[J]. Remote Sensing Technology and Application,2017,32(1):14-19.[葛莉,习晓环,王成,等. ICESat--1/GLAS 数据湖泊水位监测研究进展[冂遥感技术与应用,2017,32(1):14-19.] doi:10.11873/jisn.1004-0323.2017.1.0014 ICESat-1/GLAS数据湖泊水位监测研究进展 葛莉12,习晓环!,王成1, Khun-Neay Khun3 (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.中囯科学院大学,北京100049;3.柬埔寨吴哥窟世界文化遗产管理局,暹粒999094) 摘要:湖泊水位动态监测和调查对湖泊资源利用、水循环过程和生态环境变化等硏究具有重要意 义。 ICESat-1/GLAS激光测高数据已经在全球陆地、森林植被和极地冰盖变化监测等方面得到了 广泛应用,但在湖泊、河流等内陆水体监测方面的应用研究相对较少。本研究系统分析了国内外利 用GLAS数据,以及GLAS和其他卫星测高数据、光学遥感数据联合反演湖泊物理参数方面的研 究进展,探讨了该数据在湖泊应用中的关键技术和难点,如GLAS数据的精度评价、湖泊脚印点自 动提取等,分析了目前研究中存在的问题,以期对我囯即将发射的高分七号测绘卫星在水文方面的 应用提供参考 关键词:湖泊水位;GLAS;星载激光测高;多源遥感;精度评价 中图分类号:TP79文献标志码:A文章编号:1004-0323(2017)01-0014-06 1引言 ICESat-1/GLAS(Geoscience Laser Altimeter System)即地球科学激光高度计,于2003年1月发 湖泊变化是区域和全球气候变化的重要指示射升空,其宗旨是观测86°N~86°s的全球大部分地 器,进行湖泊水位动态监测和调查,对湖泊资源利区地球表面、大气与气溶胶的高度信息。GLAS激 用、水循环过程和生态环境变化研究等具有重要意光测高系统平均每天发射34万个激光脉冲,其中有 义口。目前研究湖泊变化的方法有地面水文站点观1/3的激光脉冲发射在陆地和冰川,有近一半的海 测、遥感图像建模、卫星测高技术等[21。地面水文洋表面被云遮挡,因此每天可产生10万个有效的水 站点观测主要是利用野外台站直接观测,精度高,但面高程数据[。GLAS提供15种标准数据产品,即 由于水文站位置、地形坡度、站点分布等表现出显著GLA01~GLA15,其中GLA01是全球测高数据产 的时空异质性,尤其难以观测偏远或者无法架站地品,包含了GLAS系统发射与接收的波形数据文 区的湖泊情况。遥感图像建立的水位一面积模型和件;GLA14是全球表面测高数据产品,包含了该点 卫星雷达测高的结果数据精度不高,对于精确获取的经纬度、高程及经波形分解后的高斯波信息,对这 湖泊水文数据具有一定的局限性[。如何快速、高些高斯波进行分析即可得到探测目标垂直方向的结 效、可靠地测定湖泊水位数据也是目前湖泊科学中构信息,这为观测湖泊水位高程提供了可能。近年 面临的一个重要问题。激光雷达测高系统的传播介来已有很多学者利用GLA01和GLA14数据提取 质、频率和分辨率不同于微波测高,为研究全球水资高精度的水位信息,在一定程度上弥补了微波遥 源垂直信息提供了新的思路 感卫星在湖泊水位的测量精度低、光学遥感图像不 收稿日期:2016~03-09;修订日期:2016-05-07 基金项目:中国科学院国际合作重点项目“吴哥遗产地环境遥感”(241311KYSB20130001) 作者简介:葛莉(1992-),女,黑龙江青冈人,硕士研究生,主要从事激光雷达遥感研究。E-mail:geli@aradi.ac.cn 通讯作者:习晓环(1972-),女,陕西乾县人,副研究员,主要从事激光雷达遥感及应用研究,E- mail: xixi( radi.ac.cn
引 用 格 式:GeLi,XiXiaohuan,WangCheng,etal．ResearchProgressofICESatＧ１/GLASinLakeLevelMonitoＧ ring[J]．RemoteSensingTechnologyandApplication,２０１７,３２(１):１４Ｇ１９．[葛莉,习晓环,王成,等．ICESatＧ１/GLAS 数据湖泊水位监测研究进展[J]．遥感技术与应用,２０１７,３２(１):１４Ｇ１９．] doi:１０．１１８７３/ji．ssn．１００４Ｇ０３２３．２０１７．１．００１４ 收稿日期:２０１６Ｇ０３Ｇ０９;修订日期:２０１６Ｇ０５Ｇ０７ 基金项目:中国科学院国际合作重点项目“吴哥遗产地环境遥感”(２４１３１１KYSB２０１３０００１). 作者简介:葛 莉(１９９２－),女,黑龙江青冈人,硕士研究生,主要从事激光雷达遥感研究.EＧmail:geli＠radi．ac．cn. 通讯作者:习晓环(１９７２－),女,陕西乾县人,副研究员,主要从事激光雷达遥感及应用研究.EＧmail:xixh＠radi．ac．cn. ICESatＧ１/GLAS数据湖泊水位监测研究进展 葛 莉１,２,习晓环１,王 成１,KhunＧNeayKhuon３ (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．中国科学院大学,北京 １０００４９;３．柬埔寨吴哥窟世界文化遗产管理局,暹粒 ９９９０９４) 摘要:湖泊水位动态监测和调查对湖泊资源利用、水循环过程和生态环境变化等研究具有重要意 义.ICESatＧ１/GLAS激光测高数据已经在全球陆地、森林植被和极地冰盖变化监测等方面得到了 广泛应用,但在湖泊、河流等内陆水体监测方面的应用研究相对较少.本研究系统分析了国内外利 用 GLAS数据,以及 GLAS和其他卫星测高数据、光学遥感数据联合反演湖泊物理参数方面的研 究进展,探讨了该数据在湖泊应用中的关键技术和难点,如 GLAS数据的精度评价、湖泊脚印点自 动提取等,分析了目前研究中存在的问题,以期对我国即将发射的高分七号测绘卫星在水文方面的 应用提供参考. 关 键 词:湖泊水位;GLAS;星载激光测高;多源遥感;精度评价 中图分类号:TP７９ 文献标志码:A 文章编号:１００４Ｇ０３２３(２０１７)０１Ｇ００１４Ｇ０６ １ 引 言 湖泊变化是区域和全球气候变化的重要指示 器,进行湖泊水位动态监测和调查,对湖泊资源利 用、水循环过程和生态环境变化研究等具有重要意 义[１].目前研究湖泊变化的方法有地面水文站点观 测、遥感图像建模、卫星测高技术等[２Ｇ４].地面水文 站点观测主要是利用野外台站直接观测,精度高,但 由于水文站位置、地形坡度、站点分布等表现出显著 的时空异质性,尤其难以观测偏远或者无法架站地 区的湖泊情况.遥感图像建立的水位—面积模型和 卫星雷达测高的结果数据精度不高,对于精确获取 湖泊水文数据具有一定的局限性[５].如何快速、高 效、可靠地测定湖泊水位数据也是目前湖泊科学中 面临的一个重要问题.激光雷达测高系统的传播介 质、频率和分辨率不同于微波测高,为研究全球水资 源垂直信息提供了新的思路[６]. ICESatＧ１/GLAS(GeoscienceLaser Altimeter System)即地球科学激光高度计,于２００３年１月发 射升空,其宗旨是观测８６°N~８６°S的全球大部分地 区地球表面、大气与气溶胶的高度信息.GLAS激 光测高系统平均每天发射３４万个激光脉冲,其中有 １/３的激光脉冲发射在陆地和冰川,有近一半的海 洋表面被云遮挡,因此每天可产生１０万个有效的水 面高程数据[７].GLAS提供１５种标准数据产品,即 GLA０１~GLA１５,其中 GLA０１是全球测高数据产 品,包含了 GLAS 系统发射与接收的波 形 数 据 文 件;GLA１４是全球表面测高数据产品,包含了该点 的经纬度、高程及经波形分解后的高斯波信息,对这 些高斯波进行分析即可得到探测目标垂直方向的结 构信息,这为观测湖泊水位高程提供了可能.近年 来已有很多学者利用 GLA０１和 GLA１４数据提取 高精度的水位信息[８],在一定程度上弥补了微波遥 感卫星在湖泊水位的测量精度低、光学遥感图像不 第３２卷 第１期 ２０１７年２月 遥 感 技 术 与 应 用 REMOTESENSINGTECHNOLOGY ANDAPPLICATION Vol．３２ No．１ Feb．２０１７
葛莉等: ICESat-1/GLAS数据湖泊水位监测研究进展 能直接获取湖泊垂直信息的不足 不规则三角网和克里格插值,模拟湖底地形的数字 GLAS已于2009年停止获取数据,但其在轨6高程模型(DEM),最后综合DEM湖泊面积和水位 年间获取的全球表面测高数据为人们开展星载激光信息计算湖泊的动态库容。实验验证表明,该方法 雷达科学研究和行业应用提供了宝贵的数据源。当计算结果与真实值的相关系数可达0.99,但这种方 前很多国家都将星载激光雷达系统列入其空间对地法依赖于密集的等水位线观测值来构建高精度的 观测计划的重要内容,如我国即将于2018年发射的DEM。此外GLAS也用作其他高程数据(如 高分七号卫星,将搭载波形激光测高系统,其性能参SRTM)的验证数据,对湖盆地形模拟结果进行验 数与GLAS接近;美国NASA也将发射第二代星载证。 Huang等以SRTM作为数据源构建DEM 激光雷达系统。本文系统分析了GLAS数据以及与GLAS数据利用3×3窗口邻域方法判定偏离 其与多源遥感数据融合在湖泊水位变化监测方面的值,结果与青海湖实际地形数据有较好的一致性,说 研究进展,探讨了研究和应用中的关键技术和难点,明GLAS数据精度高、可靠性好。Wang等t利用 以期为未来的星载激光测高数据在湖泊方面的应用分割算法和设阈值法构建丹江口区域DEM,并与研 提供参考 究区GLAS数据进行比较,在140~147m时数据 2GLAS数据在湖泊中的应用 相关性达83%~93%,在140~149m时一致性达 52%~75%,可见构建的湖泊DEM的精度和深度 湖泊水位的波动受多种因素的影响。在空间分有关,该方法要考虑湖盆坡度和坡向的问题,对于十 布上,平原湖泊湖水收支的季节差异明显,高原湖泊分复杂的湖泊地形模拟精确度有待提高 则受冰川、融雪补给因素影响较大,从而引起溯泊水3GLAS数据和多源遥感数据融合在 位发生相应的变化。 Zhang等[利用2003~2009年 的GLAS数据监测青藏高原湖泊变化,通过绘制湖泊 湖泊监测中的应用 水位多年波动曲线来研究冰川萎缩、降水、蒸散发等 通过对GLAS数据进行波形分解可以获取光斑 对青藏高原及周边地区湖泊水位的影响,证明了上高精度的平均高程信息,但由于GLAS数据的空间 GLAS在获取湖泊水位方面的精度达到要求。Phan分辨率和数据量有限,如果直接通过空间插值而推r 等【01利用2003~2009年的GLAS数据监测青藏高到面尺度,得到的水位精度会大大降低,因此很多学 原的湖泊水位变化,并分别分析变化原因。研究表者将其与其他遥感数据融合,以提高其在湖泊水位监 明,大部分高原湖泊水位的年际变化曲线与实测数据测中的应用精度和范围,如GLAS与微波测高数据 的变化曲线趋势相同,从水位线的转折点处可以分析光学数据以及 GRACE重力卫星数据的融合应用。 总结相应湖泊受降水或者冰川融雪等因素影响的时3.1GLAS和微波测高数据融合提取湖泊参数 间及原因。李均力等[利用GLAs数据提取中亚干 雷达测高计和激光测高系统测量原理近似,但 旱地区24个典型湖泊水位在2003~2009年的年际传播介质不同:微波可以穿透云和大气,激光测高系 和季节变化及原因,利用实测的湖泊水位数据对提取统在工作频率和精度方面则更具优势。不同湖泊适 的结果进行验证,表明GLAS数据得到的湖泊水位误合不同的测高卫星观测,这和湖泊自身性质、卫星数 差小于5cm。Wang等[以我国境内56个湖泊为研据的脚点宽度、重访周期等密切相关。Song 究对象,提取水位并分析变化趋势,结果均很好地反等以高原湖泊为研究对象,利用GLAS数据和 映了各地区湖泊水位变化。以上研究均通过绘制和ERs1/2、 ENVISAT、 Jason-1等多源遥感数据融合 分析水位过程线,研究湖泊年际年内波动原因及与构建时间序列数据来反演湖泊变化,得到的湖泊水 气候、降水等因素的关系,结果表明GLAS数据提取位变化趋势也更加全面,但由于这些数据获取介质 的湖泊水位精度高,可作为分析湖泊变化原因可靠的方式等不尽相同,因此数据的精确度和参考标准不 基础数据 一致,若不考虑将造成较大误差,因此需要转为同 GLAS数据在湖盆地形模拟中也发挥着重要的基准并建立更完善的数据质量评价体系。宋春桥 作用,特别是对无湖盆数据区域的湖泊,往往难以直等利用GLAS和 CryoSat2两种数据联合反演 接测算湖泊的库容。朱长明等利用GLAS数据2003~2013年间青藏高原纳木错的水位变化,并利 反演湖泊的动态水位高程,并将其与相应时间的湖用实测水位数据进行验证,表明GLAS反演的水位 泊边界线进行匹配生成等水位线,对等水位线构建数据与站点记录的同步观测结果相关系数达0.98
能直接获取湖泊垂直信息的不足. GLAS已于２００９年停止获取数据,但其在轨６ 年间获取的全球表面测高数据为人们开展星载激光 雷达科学研究和行业应用提供了宝贵的数据源.当 前很多国家都将星载激光雷达系统列入其空间对地 观测计划的重要内容,如我国即将于２０１８年发射的 高分七号卫星,将搭载波形激光测高系统,其性能参 数与 GLAS接近;美国 NASA 也将发射第二代星载 激光雷达系统.本文系统分析了 GLAS数据以及 其与多源遥感数据融合在湖泊水位变化监测方面的 研究进展,探讨了研究和应用中的关键技术和难点, 以期为未来的星载激光测高数据在湖泊方面的应用 提供参考. ２ GLAS数据在湖泊中的应用 湖泊水位的波动受多种因素的影响.在空间分 布上,平原湖泊湖水收支的季节差异明显,高原湖泊 则受冰川、融雪补给因素影响较大,从而引起湖泊水 位发生相应的变化.Zhang等[９]利用２００３~２００９年 的 GLAS数据监测青藏高原湖泊变化,通过绘制湖泊 水位多年波动曲线来研究冰川萎缩、降水、蒸散发等 对青藏 高 原 及 周 边 地 区 湖 泊 水 位 的 影 响,证 明 了 GLAS在获取湖泊水位方面的精度达到要求.Phan 等[８,１０]利用２００３~２００９年的 GLAS数据监测青藏高 原的湖泊水位变化,并分别分析变化原因.研究表 明,大部分高原湖泊水位的年际变化曲线与实测数据 的变化曲线趋势相同,从水位线的转折点处可以分析 总结相应湖泊受降水或者冰川融雪等因素影响的时 间及原因.李均力等[１１]利用 GLAS数据提取中亚干 旱地区２４个典型湖泊水位在２００３~２００９年的年际 和季节变化及原因,利用实测的湖泊水位数据对提取 的结果进行验证,表明 GLAS数据得到的湖泊水位误 差小于５cm.Wang等[１２]以我国境内５６个湖泊为研 究对象,提取水位并分析变化趋势,结果均很好地反 映了各地区湖泊水位变化.以上研究均通过绘制和 分析水位过程线,研究湖泊年际、年内波动原因及与 气候、降水等因素的关系,结果表明 GLAS数据提取 的湖泊水位精度高,可作为分析湖泊变化原因可靠的 基础数据. GLAS数据在湖盆地形模拟中也发挥着重要的 作用,特别是对无湖盆数据区域的湖泊,往往难以直 接测算湖泊的库容.朱长明等[１３]利用 GLAS数据 反演湖泊的动态水位高程,并将其与相应时间的湖 泊边界线进行匹配生成等水位线,对等水位线构建 不规则三角网和克里格插值,模拟湖底地形的数字 高程模型(DEM),最后综合 DEM、湖泊面积和水位 信息计算湖泊的动态库容.实验验证表明,该方法 计算结果与真实值的相关系数可达０．９９,但这种方 法依赖于密集的等水位线观测值来构建高精度的 DEM.此 外 GLAS 也 用 作 其 他 高 程 数 据 (如 SRTM)的验证数据,对湖盆地形模拟结果进行验 证.Huang等[１４]以SRTM 作为数据源构建 DEM, 与 GLAS数据利 用 ３×３ 窗 口 邻 域 方 法 判 定 偏 离 值,结果与青海湖实际地形数据有较好的一致性,说 明 GLAS数据精度高、可靠性好.Wang等[１５]利用 分割算法和设阈值法构建丹江口区域 DEM,并与研 究区 GLAS数据进行比较,在１４０~１４７ m 时数据 相关性达８３％~９３％,在１４０~１４９ m 时一致性达 ５２％~７５％,可见构建的湖泊 DEM 的精度和深度 有关,该方法要考虑湖盆坡度和坡向的问题,对于十 分复杂的湖泊地形模拟精确度有待提高. ３ GLAS数据和多源遥感数据融合在 湖泊监测中的应用 通过对 GLAS数据进行波形分解可以获取光斑 上高精度的平均高程信息,但由于 GLAS数据的空间 分辨率和数据量有限,如果直接通过空间插值而推广 到面尺度,得到的水位精度会大大降低,因此很多学 者将其与其他遥感数据融合,以提高其在湖泊水位监 测中的应用精度和范围,如 GLAS与微波测高数据、 光学数据以及 GRACE重力卫星数据的融合应用. ３．１ GLAS和微波测高数据融合提取湖泊参数 雷达测高计和激光测高系统测量原理近似,但 传播介质不同:微波可以穿透云和大气,激光测高系 统在工作频率和精度方面则更具优势.不同湖泊适 合不同的测高卫星观测,这和湖泊自身性质、卫星数 据的 脚 点 宽 度、重 访 周 期 等 密 切 相 关[１６].Song 等[１７]以高原湖泊为研究对象,利用 GLAS 数据和 ERSＧ１/２、ENVISAT、JasonＧ１等多源遥感数据融合 构建时间序列数据来反演湖泊变化,得到的湖泊水 位变化趋势也更加全面,但由于这些数据获取介质、 方式等不尽相同,因此数据的精确度和参考标准不 一致,若不考虑将造成较大误差,因此需要转为同一 基准并建立更完善的数据质量评价体系.宋春桥 等[１８]利用 GLAS和 CryoSatＧ２两种数据联合反演 ２００３~２０１３年间青藏高原纳木错的水位变化,并利 用实测水位数据进行验证,表明 GLAS反演的水位 数据与站点记录的同步观测结果相关系数达０．９８, 第１期 葛 莉等:ICESatＧ１/GLAS数据湖泊水位监测研究进展 １５
遥感技术与应用 第32卷 CryoSat-2获得的水位值与实测值的相关系数达33GLAS数据与 GRACE重力卫星联合在湖泊中 0.71,两种数据联合可以得到纳木错长达10年的水 的应用 位变化规律。 Braun等以北美中东部的五大湖 GRACE是美国NASA与德国航空中心于 区为研究对象,分别利用 Topex/ Poseidon(T/P)、2002年发射的科学卫星,由两颗相距220km的卫 Jason-1、 ENVISAT和GLAS数据进行对比实验,星组成,该系统可通过精确测量两颗卫星间的距离 分析1991~2009年湖泊水位变化,发现GLAS因进而侦测重力场的变化。在陆地水体应用方面 数据密度高、间隔小的特点而更适合对海岸线处水 GRACE能通过重力变化而获得水储量变化,与 位进行监测。 Kropacek等以纳木错和色林错为GLAS数据提取的水位信息建立关系,但 研究区,结合 Landsat影像数据和GLAS激光数据、 GRACE受湖泊面积大小的限制,主要应用于估算 GFO( Geosat Follow-On)雷达数据构建长时间序列面积大于20万km2的水体的水储量变化,如高原 数据研究两个湖泊200~2009年的水位变化规大型湖泊、亚马逊流域、三峡集水区等。两种数据融 律,结果表明,雷达测高卫星数据和激光测高卫星数合使用,可以较好地发挥各自的优势,有效减少冰河 据在反演水位方面都有各自的优势。Duan等[1按期回弹误差,使得水体自身的重力等物体特性得 照参考系相同的标准把微波和激光数据分为4类,到充分的体现 从均质性的角度分别对美国的Mead湖、埃塞俄比 Song等10利用已有的湖泊水位和面积的统计 亚的Tana湖、荷兰的 Ijssel湖进行适应性分析,发数据建立经验模型,并 GLAS所测水位和 现形状较窄的湖泊单独利用GLAS测得的水位更 Landsat tm数据计算的面积之间的关系来估算湖 精确,说明GLAS与雷达测高相比空间分辨率高, 泊库容,将其与 GRACE卫星依重力变化推求的湖 对于均有两种类型数据覆盖的湖泊,利用合并后计泊容量进行比较,两者相差约0.02km3/a,其原因 算的结果与实测数据的相关系数达0.95以上 可能是由于常规的公式法未考虑水体重力的变化。 综上可以看出,GLAS激光测高数据联合微波Hall等[2以南美北部的亚马逊流域为研究对象,比 较GLAS测得的水位、 GRACE估测的水储量与亚 卫星数据,可以监测长时间序列湖泊水位变化,表现 在:一方面GLAS弥补了其他雷达测高卫星数据的 马逊沿岸6个实测站数据的差异,发现GLAS数据 不足,另一方面其反演的湖泊水位精度较高,可以作 精度可达厘米级,可以用来观测偏远地区的水位变 化,并且可以通过与实测数据建立数学关系估算数 为其他卫星数据反演结果的验证数据 据缺乏地区的水位,其中的关键是统一卫星测量数 32GLAS数据与光学遥感数据融合在湖泊中据和测站数据的参考系,从而可以进行整个研究区 的应用 的均质性比较和分析。 Carabajal等t以三峡集水 湖面高程和面积是湖泊研究中非常重要的参数 区为研究对象,建立GLAS提取的水位和 GRACE GLAS数据可以提供高精度的湖面水位高程信息,光 所得的集水区的水储量的关系模型,分析整个区域 学遥感数据可以反演精确的湖面面积或者范围信息,在2003~2009年水储量的变化,利用全球土壤湿度 融合两种数据就成为湖泊研究的重要手段。Wan 模型和降雪模型对水域重力变化进行验证,结果表 等利用多时相MODS数据通过图像分类方法提明 GRACE可以辅助GLAS监测水位。 取我国丹江口水库的边界信息,得到不同时段湖泊内 的GLAS脚点数据。张国庆等以我国青海湖、色4GLAS数据在湖泊应用中的关键技 林错、纳木错和兴凯湖等十大湖泊为研究对象,利用 术和难点分析 水体指数法从 Landsat数据提取湖泊面积、GLAS数 无论是GLAS数据还是GLAS数据与其他遥 据提取其2003~2009年对应的水位数据,建立面感数据融合提取湖泊参数,在应用中的关键是准确 积一水位之间的数学模型,进而计算湖泊水储量。提取湖泊内的有效GLAS脚印点以及对原始数据 Zhang等口以青藏高原湖泊为研究对象,利用 MODIS及提取结果的精度评价。 的积雪覆盖产品,首先对湖泊脚印点进行粗提取,在4.1自动提取湖泊脚印点 此基础上计算每个点的水位与平均水位的标准偏差, 目前自动提取湖泊激光脚印点的研究不多 大于某一阈值则认为该点为异常值而将其剔除,一定Phan等根据湖泊水位变化趋于一定的客观规律 程度上提高了湖泊脚点的提取精度 性的原理,利用随机采样一致性算法( RANdom
CryoSatＧ２ 获 得 的 水 位 值 与 实 测 值 的 相 关 系 数 达 ０．７１,两种数据联合可以得到纳木错长达１０年的水 位变化规律.Braun等[１９]以北美中东部的五大湖 区为研究对象,分别利用 Topex/Poseidon (T/P)、 JasonＧ１、ENVISAT 和 GLAS 数据进行对比实验, 分析１９９１~２００９年湖泊水位变化,发现 GLAS因 数据密度高、间隔小的特点而更适合对海岸线处水 位进行监测.Kropáˇcek等[２０]以纳木错和色林错为 研究区,结合Landsat影像数据和 GLAS激光数据、 GFO(GeosatFollowＧOn)雷达数据构建长时间序列 数据,研究两个湖泊２０００~２００９年的水位变化规 律,结果表明,雷达测高卫星数据和激光测高卫星数 据在反演水位方面都有各自的优势.Duan等[２１]按 照参考系相同的标准把微波和激光数据分为４类, 从均质性的角度分别对美国的 Mead湖、埃塞俄比 亚的 Tana湖、荷兰的Ijssel湖进行适应性分析,发 现形状较窄的湖泊单独利用 GLAS测得的水位更 精确,说明 GLAS与雷达测高相比空间分辨率高, 对于均有两种类型数据覆盖的湖泊,利用合并后计 算的结果与实测数据的相关系数达０．９５以上. 综上可以看出,GLAS激光测高数据联合微波 卫星数据,可以监测长时间序列湖泊水位变化,表现 在:一方面 GLAS弥补了其他雷达测高卫星数据的 不足,另一方面其反演的湖泊水位精度较高,可以作 为其他卫星数据反演结果的验证数据. ３．２ GLAS 数 据 与 光 学 遥 感 数 据 融 合 在 湖 泊 中 的应用 湖面高程和面积是湖泊研究中非常重要的参数, GLAS数据可以提供高精度的湖面水位高程信息,光 学遥感数据可以反演精确的湖面面积或者范围信息, 融合两种数据就成为湖泊研究的重要手段.Wang 等[１２]利用多时相 MODIS数据通过图像分类方法提 取我国丹江口水库的边界信息,得到不同时段湖泊内 的 GLAS脚点数据.张国庆等[２２]以我国青海湖、色 林错、纳木错和兴凯湖等十大湖泊为研究对象,利用 水体指数法从 Landsat数据提取湖泊面积、GLAS数 据提取其２００３~２００９ 年 对 应 的 水 位 数 据,建 立 面 积—水位之间的数学模型,进而计算湖泊水储 量. Zhang等[９]以青藏高原湖泊为研究对象,利用 MODIS 的积雪覆盖产品,首先对湖泊脚印点进行粗提取,在 此基础上计算每个点的水位与平均水位的标准偏差, 大于某一阈值则认为该点为异常值而将其剔除,一定 程度上提高了湖泊脚点的提取精度. ３．３ GLAS数据与 GRACE重力卫星联合在湖泊中 的应用 GRACE 是 美 国 NASA 与 德 国 航 空 中 心 于 ２００２年发射的科学卫星,由两颗相距２２０km 的卫 星组成,该系统可通过精确测量两颗卫星间的距离 进而侦 测 重 力 场 的 变 化.在 陆 地 水 体 应 用 方 面, GRACE能通 过 重 力 变 化 而 获 得 水 储 量 变 化,与 GLAS 数 据 提 取 的 水 位 信 息 建 立 关 系[２３],但 GRACE受湖泊面积大小的限制,主要应用于估算 面积大于２０万 km２ 的水体的水储量变化,如高原 大型湖泊、亚马逊流域、三峡集水区等.两种数据融 合使用,可以较好地发挥各自的优势,有效减少冰河 期回弹误差[２４],使得水体自身的重力等物体特性得 到充分的体现. Song等[１０]利用已有的湖泊水位和面积的统计 数据 建 立 经 验 模 型,并 建 立 GLAS 所 测 水 位 和 LandsatTM 数据计算的面积之间的关系来估算湖 泊库容,将其与 GRACE 卫星依重力变化推求的湖 泊容量进行比较,两者相差约０．０２km３/a,其原因 可能是由于常规的公式法未考虑水体重力的变化. Hall等[２５]以南美北部的亚马逊流域为研究对象,比 较 GLAS测得的水位、GRACE 估测的水储量与亚 马逊沿岸６个实测站数据的差异,发现 GLAS数据 精度可达厘米级,可以用来观测偏远地区的水位变 化,并且可以通过与实测数据建立数学关系估算数 据缺乏地区的水位,其中的关键是统一卫星测量数 据和测站数据的参考系,从而可以进行整个研究区 的均质性比较和分析.Carabajal等[２６]以三峡集水 区为研究对象,建立 GLAS提取的水位和 GRACE 所得的集水区的水储量的关系模型,分析整个区域 在２００３~２００９年水储量的变化,利用全球土壤湿度 模型和降雪模型对水域重力变化进行验证,结果表 明 GRACE可以辅助 GLAS监测水位. ４ GLAS数据在湖泊应用中的关键技 术和难点分析 无论是 GLAS数据还是 GLAS数据与其他遥 感数据融合提取湖泊参数,在应用中的关键是准确 提取湖泊内的有效 GLAS脚印点以及对原始数据 及提取结果的精度评价. ４．１ 自动提取湖泊脚印点 目前自 动 提 取 湖 泊 激 光 脚 印 点 的 研 究 不 多. Phan等[８]根据湖泊水位变化趋于一定的客观规律 性的原 理,利 用 随 机 采 样 一 致 性 算 法 (RANdomＧ １６ 遥 感 技 术 与 应 用 第３２卷
莉等: ICESat-1/GLAS数据湖泊水位监测研究进展 SAmple Consensus, RANSAC)得到一组规律极强和地面站点之间的距离从而导致结果存在一定的误 的点,认为这些点是滤除了GLAS接收数据中受云差,大部分研究只计算了RMSE作为统计数据,忽 和饱和波形影响的湖泊内点,该方法所得数据和水略了RMSE计算过程中正确性的偏差及标准偏差 文站实测数据相比精度达90%以上。但是这种方的分散度。针对这种情况, Abdallah等m提出使用 法未从GLAS数据本身的特点出发,只考虑统计数地统计学方法——用块克里格法提高GLAS数据 据的规律性。对此,wang等[提出一种以设定参的评估精度,即利用随机函数对不确定的现象进行 数阈值法为基础的自动湖泊脚印识别算法,在激光探索和分析,结合采样点的信息对未知点值进行估 测高数据GLA14原始波形数据中选择峰度、偏度、计和模拟,这种方法已被大量应用于自然现象的勘 宽度等指标作为判断依据,并检验各参数及其组合查中,在局部估值、不确定性分析、随机模拟估计方 的敏感性,构建最佳组合及阈值范围来计算后期参面优于常规的统计分析方法,充分考虑了地学数据 与计算的湖泊脚点,和 Zhang等应用光学影像提的空间分布特性。 取法相比,该方法自动化程度和识别精度都有所提 高。从识别结果来看,自动识别法误差主要来自地5结语 物的波形数据,因此对于无河流等干扰的湖泊脚印 GLAS卫星在测量内陆湖泊水位上的研究具有 点识别具有优势。选择合适的取值范围是迭代计算独特的优势,为研究时间尺度、空间尺度、流域和区 方法提取湖泊激光脚印点的关键步骤,结果的精度域水量平衡提供了新的技术手段,然而其数据应用 直接取决于所取范围,因此设立阈值规则,建立估算还存在一定的局限性。 体系如生产者精度、使用者精度等对于自动识别方 (1)重访周期长,时间跨度较短。GLAS数据 法的效果至关重要。 提取的湖泊水位信息受到轨道位置、回访周期以及 4.2GLAS提取水位信息的精度评定 水体形态等因素的限制。日前只有2003~2009年 依水体大小不同,微波测高系统测量水位的精的观测数据,由于卫星自身重访周期的限制,其所发 度约为0.40~1.1m,但激光测高计提取的水位高程射激光脚点不能覆盖所有湖泊,在时间上不连续,如 数据的精度已被证实可以稳定在厘米级。对利用集中在每年的2、5、10月份,因此需要其他数据作为 GLAS测得结果的验证多是以水文站点的数据作为辅助,如一些微波雷达高度计、多光谱数据、 GRACE 真值,而水文站点的地理位置和激光脚点之间并非重力卫星数据等来协同 完全重合,因此也可能在对比分析方面存在一定 (2)忽略了水体自身受重力影响。陆地水体由 的误差。 于地球引力等而受重力作用,GLAS所测得水位是 关于评估GLAS数据提取湖泊水位精度的研相对于大地水准面的高程差,忽略了所在的纬度位 究,多是以统计学上的标准差、方差、均方根误差、平置对湖泊水体的影响,因此单独得到的高程值是随 均标准偏差等作为评价指标。 bhang等t在对美纬度而变化的,需要进一步处理,但目前的研究主要 国 Otter Tail County不同湖泊间的水文站和激光集中于讨论导致水位变化的原因,而对于水位数据 测高数据比较时发现,误差在2~35cm之间。Ur-获得的精度问题关注较少。 ban等[以巴西 Tapas河流为研究区,在不同的 GLAS已于2009年失效,但该数据在科学研 天气条件下作对比试验,发现在天气晴朗条件下究和各行业的应用均取得了丰硕的成果,因此世界 LAS数据提取的高程与平均高程的均方根误差很多空间大国和国际空间组织都继续加大对星载 (RMSE)约为3cm,在多云条件下为8~15cm,在激光雷达系统的研制和投入,我国也不例外[21,继 大量云的天气下是25cm。 Chipman等研究埃在嫦娥系列上成功搭载激光测高计后,目前已经立 及南部 Nasser湖水位变化时发现,GLAS高程数据项并将于2018年发射的高分七号卫星也将搭载激 与水文站数据相比标准差在3~8cm,可见GLAS光测高仪,其性能设计与GLAS相似,同样为波形 卫星测高数据的精度评价涉及的因素较多。首先,数据,但其空间分辨率和激光脚点密度更高,光斑 细节描述性的假设以及准确的统计计算还不充分,更小,获取的水位精度也将更高,而且可以应用于 仅仅凭借简单的条件假设无法应对空间数据复杂的更小的湖泊或者水体。美国NASA也将于2018 变化情况。其次,许多在卫星和地面数据之间的计年发射新一代星载激光雷达系统 ATLAS(Ad 算误差均是以地面数据作为真值,未考虑卫星轨迹 vanced Topographic Laser Altimeter Systen),其
SAmpleConsensus,RANSAC)得到一组规律极强 的点,认为这些点是滤除了 GLAS接收数据中受云 和饱和波形影响的湖泊内点,该方法所得数据和水 文站实测数据相比精度达９０％以上.但是这种方 法未从 GLAS数据本身的特点出发,只考虑统计数 据的规律性.对此,Wang等[２７]提出一种以设定参 数阈值法为基础的自动湖泊脚印识别算法,在激光 测高数据 GLA１４原始波形数据中选择峰度、偏度、 宽度等指标作为判断依据,并检验各参数及其组合 的敏感性,构建最佳组合及阈值范围来计算后期参 与计算的湖泊脚点,和 Zhang等[９]应用光学影像提 取法相比,该方法自动化程度和识别精度都有所提 高.从识别结果来看,自动识别法误差主要来自地 物的波形数据,因此对于无河流等干扰的湖泊脚印 点识别具有优势.选择合适的取值范围是迭代计算 方法提取湖泊激光脚印点的关键步骤,结果的精度 直接取决于所取范围,因此设立阈值规则,建立估算 体系如生产者精度、使用者精度等对于自动识别方 法的效果至关重要. ４．２ GLAS提取水位信息的精度评定 依水体大小不同,微波测高系统测量水位的精 度约为０．４０~１．１m,但激光测高计提取的水位高程 数据的精度已被证实可以稳定在厘米级.对利用 GLAS测得结果的验证多是以水文站点的数据作为 真值,而水文站点的地理位置和激光脚点之间并非 完全重合,因 此 也 可 能 在 对 比 分 析 方 面 存 在 一 定 的误差. 关于评估 GLAS数据提取湖泊水位精度的研 究,多是以统计学上的标准差、方差、均方根误差、平 均标准偏差等作为评价指标.Bhang等[２８]在对美 国 OtterTailCounty不同湖泊间的水文站和激光 测高数据比较时发现,误差在２~３５cm 之间.UrＧ ban等[６]以巴西 Tapajps河流为研究区,在不同的 天气条件 下 作 对 比 试 验,发 现 在 天 气 晴 朗 条 件 下 GLAS数据提取的高程与平均高程的均方根误差 (RMSE)约为３cm,在多云条件下为８~１５cm,在 大量云的天气下是２５cm.Chipman等[２９]研究埃 及南部 Nasser湖水位变化时发现,GLAS高程数据 与水文站数据相比标准差在３~８cm,可见 GLAS 卫星测高数据的精度评价涉及的因素较多.首先, 细节描述性的假设以及准确的统计计算还不充分, 仅仅凭借简单的条件假设无法应对空间数据复杂的 变化情况.其次,许多在卫星和地面数据之间的计 算误差均是以地面数据作为真值,未考虑卫星轨迹 和地面站点之间的距离从而导致结果存在一定的误 差,大部分研究只计算了 RMSE 作为统计数据,忽 略了 RMSE 计算过程中正确性的偏差及标准偏差 的分散度.针对这种情况,Abdallah等[３０]提出使用 地统计学方法———用块克里格法提高 GLAS 数据 的评估精度,即利用随机函数对不确定的现象进行 探索和分析,结合采样点的信息对未知点值进行估 计和模拟,这种方法已被大量应用于自然现象的勘 查中,在局部估值、不确定性分析、随机模拟估计方 面优于常规的统计分析方法,充分考虑了地学数据 的空间分布特性. ５ 结 语 GLAS卫星在测量内陆湖泊水位上的研究具有 独特的优势,为研究时间尺度、空间尺度、流域和区 域水量平衡提供了新的技术手段,然而其数据应用 还存在一定的局限性. (１)重访周期长,时间跨度较短.GLAS数据 提取的湖泊水位信息受到轨道位置、回访周期以及 水体形态等因素的限制.目前只有２００３~２００９年 的观测数据,由于卫星自身重访周期的限制,其所发 射激光脚点不能覆盖所有湖泊,在时间上不连续,如 集中在每年的２、５、１０月份,因此需要其他数据作为 辅助,如一些微波雷达高度计、多光谱数据、GRACE 重力卫星数据等来协同. (２)忽略了水体自身受重力影响.陆地水体由 于地球引力等而受重力作用,GLAS所测得水位是 相对于大地水准面的高程差,忽略了所在的纬度位 置对湖泊水体的影响,因此单独得到的高程值是随 纬度而变化的,需要进一步处理,但目前的研究主要 集中于讨论导致水位变化的原因,而对于水位数据 获得的精度问题关注较少[３１]. GLAS已于 ２００９ 年失效,但该数据在科学研 究和各行业的应用均取得了丰硕的成果,因此世界 很多空间大国和国际空间组织都继续加大对星载 激光雷达系统的研制和投入,我国也不例外[３２],继 在嫦娥系列上成功搭载激光测高计后,目前已经立 项并将于２０１８年发射的高分七号卫星也将搭载激 光测高仪,其性能设计与 GLAS相似,同样为波形 数据,但其空间分辨率和激光脚点密度更高,光斑 更小,获取的水位精度也将更高,而且可以应用于 更小的湖 泊 或 者 水 体.美 国 NASA 也 将 于 ２０１８ 年发 射 新 一 代 星 载 激 光 雷 达 系 统 ATLAS(AdＧ vancedTopographicLaserAltimeterSystem),其 第１期 葛 莉等:ICESatＧ１/GLAS数据湖泊水位监测研究进展 １７
遥感技术与 第32卷 性能指标、获取数据的分辨率和数据密度等都比 tics of Lake Level Changes in Central Asia during 2003-2009 GLAS高,因此应用更加广泛。本文的分析和探讨 ]. Acta Geographica Sinica,2011,(9):1219-1229.[李均力 对于未来的星载激光测高数据在湖泊方面的应用 陈曦,包安明.2003-2009年中亚地区湖泊水位变化的时空特 征[J地理学报,2011,(9):1219-1229] 提供了很好的参考 [12] Wang X, Gong P, Zhao Y,et al. Water-level Changes in China 考文献( References) 's Large Lakes Determined from ICESat/GLAS Data[J]R ote Sensing of Environment, 2013, 132: 131-144 [1] Zhang Q, Liu C, Xu C,et al. Observed Trends of Annual Max- [13] Zhu Changming, Zhang Xin, Lu Ming, et al. Lake Storage imum Water Level and Streamflow during Past 130 Years in Change Automatic Detection by Multi-source Remote Sensing the Yangtze River Basin, China [J]. Journal of hydrology without Underwater Terrain Data[J. Acta Geodaetica et Car- 006,324(1):255-265 tographica Sinica,2015,(3):309-315.[朱长明,张新,路明 [2] Alsdorf D, Birkett C, Dunne T, et al. Water Level Changes in 等湖盆数据未知的湖泊动态库容遥感监测方法[J].测绘学 a Large Amazon Lake Measured with Space-borne Radar In- 报,2015,(3):309-315. erferometry and Altimetry [j]. Geophysical Research Let- [14] Huang X, Xie H, Liang T,et al. Estimating Vertical Error of ters,2001,28(14):2671-2674 SRTM and Map-based DEMs Using ICESat Altimetry Data in [3] Takagi Y, Yoneoka T Mori H, et al. Development of a Water the Eastern Tibetan Plateau[J]. International Journal of Re- Level Measuring System Using Image Processing[C]//The mote Sensing,2011,32(18):5177-5196 Ist International Water Association Conference on Instru- [15 Wang Y Sun G, Liao M, et al. Using MODIS Images to Ex- mentation, Cont rol and Automation, Malmo, Sweden, June 3- mine the surface extents and variations Derived from the 7,2001:309-316 DEM and Laser Altimeter Data in the Danjiangkou Reser- [4] Zhang Nannan, Wang Wen, Wang Yin Estimate the Area of voir, China [J]. International Journal of Remote Sensing the Poyang Lake Using Satellite Remote Sensing Data and 2008,29(1):293-311 Analyze Its Relationship with Water Level[J]. Remote Sens- [16] Baghdadi N, Lemarquand N, Abdallah H,et al. The Relevance ing Technology and Application. 2012-27(6):947-953 [5* Hili of ICESat/GLAS Elevation Data for the Monitoring of River 楠,王文,王胤.鄱阳湖面积的卫星遥感估计及其与水位关系 Networks[J. Remote Sensing, 2011. 3(4):708-720 分析[]遥感技术与应用,2012,27(6):947-953. [17] Song C, Huang B, Ke L Heterogeneous Change Patterns of [5] Liu Dong, Li Yan. The Calculation of Area and Storage Water Level for Inland Lakes in High Mountain Asia derived Poyang Lake based on Remote Sensing Technology [JI Re- from Multi-mission Satellite Altimetry [J]. Hydrological mote Sensing Information,2012,(2):57-61.[刘东,李艳基于 Processes,2015,29(12):2769-2781 遥感技术的鄱阳湖面积库容估算[遥感信息,2012,(2):[18] Song Chunqiao, Ye Qinghua, Cheng xiao. Shifts in water-level 57-61. Variation of Nam Co in the Central Tibetan plateau from ic- [6 Urban TJ, Schutz B E. Neuenschwander A L. A Survey of IC- ESat and CryoSat-2 Altimetry and Station Observations[] ESat Coastal Altimetry Applications: Continental Coast, Open Science bulletin,2015,21:2048.[宋春桥,叶庆华,程晓.基于 Ocean Island, and Inland River LJ]. Terrestrial, Atmospheric ICESat/ Cryosat-2卫星测高及站点观测的纳木错湖水位趋势 and Oceanic Sciences, 2008. 19(1-2):1-19 变化监测[J科学通报,2015,21:2048. [7 Abshire J B, Sun X Riris H, et al. GeoscienceLaser Altimeter [19] Braun A, Cheng K. Csatho B,et al.ICESat Laser Altimetry in (GLAS) on the ICESat Mission: On-orbit Measure- the Great Lakes[C]//Proceedings of the 60th Annual Meet- Performance[J]. Geophysical Research Letters, 2005 ing of the Institute of Navigation, Dayton, 2001: 409-416 32,L21S02,doi:10.1029/2005GL024028 [20] Kropacek J, Braun A, Kang S, et al. Analysis of Lake Level [8] Phan V H, Lindenbergh R, Menenti M ICESat Derived Eleva- Changes in Nam Co in Central Tibet Utilizing Synergistic tion Changes of Tibetan Lakes between 2003 and 20090J.In ellite Altimetry and Optical ImageryLJ] International Journal ernational Journal of Applied Earth Observation and Geoin- f Applied Earth Observation and Geoinformation, 2012, 17 formation,2012,17:12-22. 3-11. [9] Zhang G, Xie H, Kang S,et al. Monitoring Lake Level Chan- [21] Duan Z Bastiaanssen W G M Estimating Water Volume Var- ges on the Tibetan Plateau Using ICESat Altimetry Data iations in Lakes and Reservoirs from Four Operational Satel- (2003-2009)[J]. Remote Sensing of Environment, 2011, 115 lite Altimetry Databases and Satellite Imagery Data []. Re- (7):1733-1742 mote Sensing of Environment, 2013, 134: 403-416 [10] Song C, Huang B Ke L Modeling and Analysis of Lake Water [22] Zhang G Q. Xie H J. Yao T D,et al. Water Balance Estimates torage Changes on the Tibetan Plateau Using Multi-mission of Ten Greatest Lakes in China Using ICESat and Landsat Satellite Data[J]. Remote Sensing of Environment, 2013, 135 Data[J]. Chinese Science Bulletin, 2013, 58(26): 2664-2678 [张国庆, XIE HongJie,姚檀栋,等基于 ICESat和 Landsat的 [11] Li Junli, Chen Xi, Bao Anming Spatial-temporal Characteris- 中国十大湖泊水量平衡估算[].科学通报,2013,58(26):
性能指标、获 取 数 据 的 分 辨 率 和 数 据 密 度 等 都 比 GLAS高,因此应用更加广泛.本文的分析和探讨 对于未来的星载激光测高数据在湖泊方面的应用 提供了很好的参考. 参考文献(References): [１] ZhangQ,LiuC,XuC,etal．ObservedTrendsofAnnualMaxＧ imum WaterLevelandStreamflowduringPast１３０Yearsin theYangtze RiverBasin,China[J]．Journalof Hydrology, ２００６,３２４(１):２５５Ｇ２６５． [２] AlsdorfD,BirkettC,DunneT,etal．WaterLevelChangesin aLargeAmazonLakeMeasuredwithSpaceＧborneRadarInＧ terferometryand Altimetry[J]．GeophysicalResearch LetＧ ters,２００１,２８(１４):２６７１Ｇ２６７４． [３] TakagiY,YoneokaT,MoriH,etal．DevelopmentofaWater LevelMeasuringSystem UsingImageProcessing[C]//The １stInternational Water Association ConferenceonInstruＧ mentation,ControlandAutomation,Malmö,Sweden,June３Ｇ ７,２００１:３０９Ｇ３１６． [４] ZhangNannan,Wang Wen,WangYin．EstimatetheAreaof thePoyangLake UsingSatelliteRemoteSensing Dataand AnalyzeItsRelationshipwith WaterLevel[J]．RemoteSensＧ ingTechnologyandApplication,２０１２,２７(６):９４７Ｇ９５３．[张楠 楠,王文,王胤．鄱阳湖面积的卫星遥感估计及其与水位关系 分析[J]．遥感技术与应用,２０１２,２７(６):９４７Ｇ９５３．] [５] LiuDong,LiYan．TheCalculationofAreaandStorageof PoyangLakebasedonRemoteSensingTechnology[J]．ReＧ moteSensingInformation,２０１２,(２):５７Ｇ６１．[刘东,李艳．基于 遥感技术的鄱阳湖面积库容估算[J]．遥 感 信 息,２０１２,(２): ５７Ｇ６１．] [６] UrbanTJ,SchutzBE,NeuenschwanderAL．ASurveyofICＧ ESatCoastalAltimetryApplications:ContinentalCoast,Open OceanIsland,andInlandRiver[J]．Terrestrial,Atmospheric andOceanicSciences,２００８,１９(１Ｇ２):１Ｇ１９． [７] AbshireJB,SunX,RirisH,etal．GeoscienceLaserAltimeter System (GLAS)ontheICESatMission:OnＧorbitMeasureＧ mentPerformance[J]．GeophysicalResearch Letters,２００５, ３２,L２１S０２,doi:１０．１０２９/２００５GL０２４０２８． [８] PhanV H,LindenberghR,MenentiM．ICESatDerivedElevaＧ tionChangesofTibetanLakesbetween２００３and２００９[J]．InＧ ternationalJournalofAppliedEarthObservationandGeoinＧ formation,２０１２,１７:１２Ｇ２２． [９] ZhangG,XieH,KangS,etal．MonitoringLakeLevelChanＧ gesonthe Tibetan Plateau UsingICESat Altimetry Data (２００３~２００９)[J]．RemoteSensingofEnvironment,２０１１,１１５ (７):１７３３Ｇ１７４２． [１０] SongC,HuangB,KeL．ModelingandAnalysisofLakeWater StorageChangesontheTibetanPlateauUsingMultiＧmission SatelliteData[J]．RemoteSensingofEnvironment,２０１３,１３５: ２５Ｇ３５． [１１] LiJunli,ChenXi,BaoAnming．SpatialＧtemporalCharacterisＧ ticsofLakeLevelChangesinCentralAsiaduring２００３Ｇ２００９ [J]．ActaGeographicaSinica,２０１１,(９):１２１９Ｇ１２２９．[李均力, 陈曦,包安明．２００３Ｇ２００９年中亚地区湖泊水位变化的时空特 征[J]．地理学报,２０１１,(９):１２１９Ｇ１２２９．] [１２] WangX,GongP,ZhaoY,etal．WaterＧlevelChangesinChina ＇sLargeLakesDeterminedfromICESat/GLASData[J]．ReＧ moteSensingofEnvironment,２０１３,１３２:１３１Ｇ１４４． [１３] Zhu Changming,Zhang Xin,Lu Ming,etal．LakeStorage ChangeAutomaticDetectionbyMultiＧsourceRemoteSensing withoutUnderwaterTerrainData[J]．ActaGeodaeticaetCarＧ tographicaSinica,２０１５,(３):３０９Ｇ３１５．[朱 长 明,张 新,路 明, 等．湖盆数据未知的湖泊动态库容遥感监测方法[J]．测绘学 报,２０１５,(３):３０９Ｇ３１５．] [１４] HuangX,XieH,LiangT,etal．EstimatingVerticalErrorof SRTMandMapＧbasedDEMsUsingICESatAltimetryDatain theEasternTibetanPlateau[J]．InternationalJournalofReＧ moteSensing,２０１１,３２(１８):５１７７Ｇ５１９６． [１５] WangY,SunG,Liao M,etal．Using MODISImagestoExＧ amineTheSurfaceExtentsandVariationsDerivedfromthe DEMandLaserAltimeterDataintheDanjiangkou ReserＧ voir,China[J]．InternationalJournalof Remote Sensing, ２００８,２９(１):２９３Ｇ３１１． [１６] BaghdadiN,LemarquandN,AbdallahH,etal．TheRelevance ofICESat/GLASElevationDatafortheMonitoringofRiver Networks[J]．RemoteSensing,２０１１,３(４):７０８Ｇ７２０． [１７] SongC,HuangB,KeL．HeterogeneousChangePatternsof WaterLevelforInlandLakesinHighMountainAsiaderived from MultiＧmission Satellite Altimetry [J]．Hydrological Processes,２０１５,２９(１２):２７６９Ｇ２７８１． [１８] SongChunqiao,YeQinghua,ChengXiao．ShiftsinWaterＧlevel VariationofNamCoinTheCentralTibetanPlateaufromICＧ ESatandCryoSatＧ２ AltimetryandStationObservations[J]． ScienceBulletin,２０１５,２１:２０４８．[宋春桥,叶庆华,程晓．基于 ICESat/CryoSatＧ２卫星测高及站点观测的纳木错湖水位趋势 变化监测[J]．科学通报,２０１５,２１:２０４８．] [１９] BraunA,ChengK,CsathoB,etal．ICESatLaserAltimetryin theGreatLakes[C]//Proceedingsofthe６０thAnnualMeetＧ ingoftheInstituteofNavigation,Dayton,２００１:４０９Ｇ４１６． [２０] KropáˇcekJ,BraunA,KangS,etal．AnalysisofLakeLevel ChangesinNamCoinCentralTibetUtilizingSynergisticSatＧ elliteAltimetryandOpticalImagery[J]．InternationalJournal ofAppliedEarthObservationandGeoinformation,２０１２,１７: ３Ｇ１１． [２１] DuanZ,BastiaanssenW G M．EstimatingWaterVolumeVarＧ iationsinLakesandReservoirsfromFourOperationalSatelＧ liteAltimetryDatabasesandSatelliteImageryData[J]．ReＧ moteSensingofEnvironment,２０１３,１３４:４０３Ｇ４１６． [２２] ZhangG Q,XieHJ,YaoTD,etal．WaterBalanceEstimates ofTen GreatestLakesinChina UsingICESatandLandsat Data[J]．ChineseScienceBulletin,２０１３,５８(２６):２６６４Ｇ２６７８． [张国庆,XIEHongJie,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): １８ 遥 感 技 术 与 应 用 第３２卷