盧善龍， 肖高懷,2， 賈立， 張微， 羅海靜,5

(1.中國科學(xué)院遙感與數(shù)字地球研究所，中國科學(xué)院數(shù)字地球重點實驗室，遙感科學(xué)國家重點實驗室，北京100101; 2.東北農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，哈爾濱　150030; 3.中國國土資源航空物探遙感中心，北京100083; 4.北斗航天衛(wèi)星應(yīng)用科技集團(tuán)，北京　100070； 5.湖南科技大學(xué)土木工程學(xué)院，湘潭　411201)

?

2000
—2012年青藏高原湖泊水面時空過程數(shù)據(jù)集遙感提取

盧善龍1， 肖高懷1,2， 賈立1， 張微3，4， 羅海靜1,5

(1.中國科學(xué)院遙感與數(shù)字地球研究所，中國科學(xué)院數(shù)字地球重點實驗室，遙感科學(xué)國家重點實驗室，北京100101; 2.東北農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，哈爾濱150030; 3.中國國土資源航空物探遙感中心，北京100083; 4.北斗航天衛(wèi)星應(yīng)用科技集團(tuán)，北京100070； 5.湖南科技大學(xué)土木工程學(xué)院，湘潭411201)

摘要：以MODISMOD09Q1為數(shù)據(jù)源，構(gòu)建了一種結(jié)合湖泊水面緩沖區(qū)邊界分析和逐個湖泊確定分割閾值的湖泊水面信息提取方法，并利用該方法提取了2000—2012年間青藏高原每期間隔8d的面積大于1km2湖泊水面數(shù)據(jù)集。精度分析結(jié)果表明，該文方法提取結(jié)果相對于研究中基于30m空間分辨率LandsatTM得到的133個抽樣湖泊水面面積結(jié)果，總精度為93.98%； 與近年來其他研究人員在納木錯、青海湖和色林錯等典型湖泊得到的遙感監(jiān)測結(jié)果對比，無論在日、月及年尺度上，均具有非常高的一致性； 而與第二次全國湖泊調(diào)查結(jié)果相比，整個高原區(qū)面積大于1km2的湖泊數(shù)量僅相差11個、面積誤差僅為4.74%。該論文為大范圍、長時間序列單一地物(水面、植被、城鎮(zhèn)等)分布面積提取提供了方法參考，也為開展青藏高原近10a多來湖泊變化研究提供了可靠的基礎(chǔ)數(shù)據(jù)。

關(guān)鍵詞：湖泊水面； 時空過程；MOD09Q1； 遙感； 青藏高原

0引言

青藏高原分布著全球海拔高、數(shù)量多、面積大的高原湖泊群[1]。全國第二次湖泊調(diào)查成果表明[2]，青藏高原1.0km2以上的湖泊1055個(不含干鹽湖)，占全國湖泊總量的39.2%，合計41 832km2，約占全國湖泊面積的51.4%。這些湖泊多處于自然狀態(tài)，受人類活動影響較小，它們的萎縮或擴(kuò)張能夠真實地反映區(qū)域氣候與環(huán)境的變化狀況，是全球氣候變化的敏感指示器[3-4]。近30a來青藏高原氣溫呈上升趨勢，高原內(nèi)部和周邊區(qū)域降水分別呈增加和減少趨勢，而風(fēng)速、太陽輻射、感熱和潛熱通量均呈減少趨勢[5-6]，對高原區(qū)湖泊水量產(chǎn)生了重大影響。

近年來，很多學(xué)者試圖利用早期地形圖、Landsat系列和CBERS存檔衛(wèi)星遙感數(shù)據(jù)來解決這一問題[7-12]。然而，受同一區(qū)域時空分辨率一致的可用衛(wèi)星遙感數(shù)據(jù)源有限的影響，大部分研究只考慮了高原特定區(qū)域湖泊的變化[7-10],或者研究時間間隔較長。雖然，Song等[11]和Lei等[12]將研究目標(biāo)定位到了整個高原區(qū)，但分析的重點分別為面積大于10km2和大于20km2的湖泊，而且分析時間尺度為10a左右。由于缺少過去幾十年高原區(qū)高時間分辯率連續(xù)的湖泊變化數(shù)據(jù)集，影響了人們對區(qū)域氣候變化背景下湖泊變化規(guī)律的認(rèn)識，因此，急需建立高原區(qū)時空過程連續(xù)的湖泊水面動態(tài)變化數(shù)據(jù)集。

MOD09Q1產(chǎn)品是MODIS地表反射率合成數(shù)據(jù)，包含紅光和近紅外2個波段，空間分辨率250m，每期間隔8d，每年46期，具備空間分辨率適中和時間過程連續(xù)的特點，成為提取高原區(qū)湖泊水面時空過程數(shù)據(jù)集的理想數(shù)據(jù)源。本研究以MODISMOD09Q1產(chǎn)品為數(shù)據(jù)源，通過引入改進(jìn)的最大類間方差法[14]，構(gòu)建了一種簡單、高效、精準(zhǔn)的湖泊水面遙感提取方法，提取了2000—2012年間青藏高原每期間隔8d的面積大于1km2湖泊水面數(shù)據(jù)集。

1研究區(qū)概況及數(shù)據(jù)源

研究區(qū)集中在青海省和西藏自治區(qū)，總面積為189.9萬km2。根據(jù)溫度條件、水分狀況和地形的差異，高原區(qū)被劃分成果洛那曲高寒灌叢草甸、青南高寒草甸草原、羌塘高寒草原、昆侖高寒荒漠、川西藏東山地針葉林、藏南山地灌叢草原、青東祁連山地草原、阿里山地半荒漠-荒漠、柴達(dá)木山地荒漠、昆侖北翼山地荒漠和東喜馬拉雅南翼山地常綠闊葉林等11個自然地帶[15]。區(qū)域內(nèi)大部分湖泊分布在羌塘、昆侖、青東祁連、青南和藏南等地(圖1)。

圖1　研究區(qū)2010年7月28日MODIS波段

研究中使用的主要數(shù)據(jù)源是2000年2月24日至2012年12月26日的MODISMOD09Q1產(chǎn)品，同時選用了2006年10月9日(軌道號138/038)、2009年9月8日(軌道號134/036)、2009年9月29日(軌道號140/036)、2010年6月25日(軌道號135/034)、2011年8月5日(軌道號145/036)、2011年8月21日(軌道號139/038)和2011年9月5日(軌道號138/040)7景LandsatTM影像用于精度驗證(圖1)。此外，90m空間分辨率的SRTMDEM數(shù)據(jù)被用來提取研究區(qū)地形坡度專題產(chǎn)品，以消除山體陰影對水面信息提取的影響。

2水面信息提取方法

本研究直接使用MOD09Q1第2波段影像通過單波段閾值法進(jìn)行水體邊界提取。因山體陰影、云霧覆蓋和其他光譜相似地物均會影響提取結(jié)果精度，所以算法運行過程中采用分層分類的方式逐步剔除這些干擾信息。

2.1山體陰影去除

山體陰影與水體光譜特征很相似，是水體邊界遙感提取的主要干擾因素之一。因藏南和橫斷山脈等山區(qū)山體陰影會影響這一區(qū)域的湖泊水面信息提取，在正式運算之前，根據(jù)研究區(qū)地表水面分布坡度較小的原理，選用10°為邊界閾值去除影像上的山體陰影信息[16]，即只保留坡度小于10°的區(qū)域參與后續(xù)的水面信息提取。

2.2水體邊界初步提取

以消除山體陰影后的影像數(shù)據(jù)集為基礎(chǔ)，采用改進(jìn)的最大類間方差法提取不同時期水體邊界初步結(jié)果，具體算法如下：

設(shè)影像C的灰度范圍為{ 0, 1, …,d-1}，閾值t將影像分割為C1和C2兩類，則C1和C2的類間、類內(nèi)方差為

S2=P1(A1-A)2+P2(A2-A)2,

(1)

(2)

(3)

綜合考慮C1與C2的類間、類內(nèi)方差的公式為

(4)

當(dāng)S2取最大值時對應(yīng)的分割閾值t*為最佳分割閾值，即

(5)

以t*為閾值對各影像進(jìn)行分割即可得到水面分布二值化圖像，其中，水面的像元灰度值為1，其他區(qū)域為0。

2.3不同時期云及其陰影覆蓋區(qū)水面數(shù)據(jù)恢復(fù)

在原始影像中被云霧及其陰影覆蓋的水域，其二值化圖像會出現(xiàn)孔洞和邊緣不連續(xù)等現(xiàn)象，需要進(jìn)行處理。根據(jù)云及其陰影不會長期出現(xiàn)在同一位置的原理，聯(lián)合前后幾期二值化圖像，通過水面出現(xiàn)的概率判定結(jié)果可以恢復(fù)出這部分殘缺數(shù)據(jù)。即針對影像上的某一點，當(dāng)

(6)

式中： n為參與分析的水面二值化圖像數(shù)目； di為第i景水面二值化圖像上某點的灰度值； p為概率閾值； D為經(jīng)恢復(fù)處理后云及其陰影區(qū)的灰度值。因不同年份云霧覆蓋特征存在空間上的差異以及所選參考二值化參考圖像的不同，不同年份的概率閾值略有差異(表1)。

表1　云及其陰影覆蓋區(qū)水面數(shù)據(jù)恢復(fù)所選用的

2.4最大水面邊界合成

以經(jīng)過云及其陰影區(qū)數(shù)據(jù)恢復(fù)的各年份多期水面二值化圖像為基礎(chǔ)，采用空間“并運算”方法，生成整個高原區(qū)最大水面二值化圖像。

遍歷整個研究時段各期二值化圖像上的每個像元點，當(dāng)

(7)

式中： m為參與合成的圖像數(shù)目； D′為最大水面二值化圖像上對應(yīng)點的灰度值。

對合成的最大水面二值化圖像進(jìn)行柵格轉(zhuǎn)矢量操作，對湖泊與其相鄰的河流邊界進(jìn)行分割、并刪除相應(yīng)的河流水面圖斑，得到整個高原區(qū)最大湖泊水面邊界矢量文件。

2.5不同時期湖泊水面信息提取

以合成的高原區(qū)最大湖泊水面邊界為參考、以500m為閾值，生成高原區(qū)湖泊水體邊界緩沖區(qū)文件，并在ArcGIS中把所有矢量對象打散，得到每個湖泊水體的緩沖區(qū)邊界。然后以每個獨立的湖泊緩沖區(qū)為計算單元，再次采用改進(jìn)的最大類間方差法，計算獲取不同時期不同湖泊水面邊界閾值，并采用公式6對云霧及其陰影進(jìn)行處理，得到不同湖泊的精確二值化水面分布圖像。最后采用空間統(tǒng)計方法得到湖泊水面的面積，計算公式為

(8)

式中： W為湖泊水面面積，km2； k為湖泊緩沖區(qū)像元總數(shù)； di為第i個像元的灰度值(水體區(qū)為1，非水體區(qū)為0)； 0.062 5為單個像元的面積，km2。

3結(jié)果分析

3.1湖泊水面遙感提取精度評價

本研究中湖泊水面遙感提取結(jié)果精度評價，參考30m空間分辨率的LandsatTM影像進(jìn)行。先利用增強(qiáng)型水體指數(shù)MNDWI[17]提取覆蓋高原區(qū)湖泊水體較多區(qū)域的7景影像上的水面分布數(shù)據(jù)，然后以此為基礎(chǔ)，評價對應(yīng)日期MOD09Q1數(shù)據(jù)8d合成影像上提取的湖泊水面精度，結(jié)果如表2所示。

表2　湖泊水面提取精度評價結(jié)果①

①正確提取面積是指Landsat提取面積與MOD09Q1提取面積的空間疊合區(qū)域面積，錯誤提取面積為Landsat提取面積和MOD09Q1提取面積與正確提取面積差的總和，提取精度為正確提取的水面面積占正確提取面積與錯誤提取面積之和的百分比。

根據(jù)面積大小，精度評價實驗區(qū)包括特大型湖泊(W≥1 000km2)1個、大型湖泊(500≤W<1 000km2)3個、中型湖泊(100≤W<500km2)18個、小型湖泊(10≤W<100km2)111個。整個區(qū)域湖泊水面的提取總精度為93.98%，其中，特大型湖泊水面的提取精度為97.79%，大型湖泊精度為95.64%，中型湖泊精度為94.39%，小型湖泊精度為87.24%。

將本研究提取的典型湖泊水面面積與近年來其他研究人員遙感監(jiān)測結(jié)果對比，在日、月及年尺度上，均有較好的一致性。其中，與Zhang等[18]在納木錯湖利用LandsatTM和HJ-CCD影像獲得的2009年5月19日、6月25日、8月30日、10月17日、11月8日和12月4日等日期的監(jiān)測結(jié)果相比，精度差都小于1%(表3)。與李曉東等[13]基于MODIS250m提取的青海湖2001—2010年4月和9月平均水面面積監(jiān)測結(jié)果相比，4月份的精度差都小于5%，9月份的精度差都小于10%(表4)。而本文結(jié)果與邊多等[9]年基于LandsatTM和CBERS影像提取的2000—2008年色林錯湖年平均水面結(jié)果相比，年精度差都小于4%(表5)。

表3　納木錯湖2009年部分日期本文結(jié)果

表4　本文結(jié)果與李曉東等[13]基于MODIS250m提取的青海湖2001—2010年4月和9月結(jié)果對比

表5　色林錯湖2000—2008年基于LandsatTM/CBERS

3.2湖泊數(shù)量、面積及其空間分布

根據(jù)2006年9月6日水面提取結(jié)果(年最大水面)，青藏高原湖泊水面面積大于1km2的湖泊數(shù)量為1 044個，總的水域面積為39 849km2。其中，水面面積為[1,10]km2的湖泊數(shù)量為675個，總面積為2 101km2； 水面面積大于10km2的湖泊數(shù)量為369個，總面積為37 748km2。這一結(jié)果與中國科學(xué)院南京地理與湖泊研究所基于2005—2006 年CBERS和LandsatETM+遙感影像開展的第二次全國湖泊調(diào)查結(jié)果[19]相比，其中面積大于1km2的湖泊總數(shù)量少11個，總面積小1 983km2，面積誤差為4.74%。面積在[1,10]km2的湖泊數(shù)量多9個，面積誤差為2.33%； 面積大于10km2的湖泊數(shù)量少20個，面積誤差為5.10%(表6)。導(dǎo)致兩者出現(xiàn)誤差的主要原因有以下3個方面： ①在本文結(jié)果中，[1,10]km2的湖泊數(shù)量多9個與使用的衛(wèi)星影像的獲取時間有關(guān)。本文中的影像獲取時間為夏季，在這個時間所有的冰川湖泊均處于消融狀態(tài)，可以被檢測并提取。而第二次全國湖泊調(diào)查使用的部份影像上冰川湖泊未解凍，所以未被提取出來； ②250mMODIS影像與19.5mCBERS影像、30mLandsatETM+影像在空間分辨率上存在的固有差異，會導(dǎo)致本文水面面積提取結(jié)果偏小； ③第二次全國湖泊調(diào)查成果中，湖泊面積包括水面面積、島嶼面積、圍墾面積和灘地面積，而本文算法提取的僅是湖泊的水面面積。這一處理方式的差異同樣會導(dǎo)致本文結(jié)果偏小。

表6　青藏高原湖泊數(shù)量與面積統(tǒng)計和比較

將該期水面提取結(jié)果分別按行政區(qū)劃和自然地帶統(tǒng)計，結(jié)果見表7。

表7　青藏高原不同行政區(qū)劃和自然地帶湖泊數(shù)量與面積統(tǒng)計

1)青藏高原湖泊主要分布在西藏自治區(qū)，該區(qū)面積大于1km2的湖泊數(shù)量為801個，面積為27 780km2，占高原區(qū)總水域面積的69.71%； 青海省湖泊數(shù)量為243個，面積為12 069km2，占總水域面積的30.29%。

2)羌塘自然帶湖泊分布最多且面積最大，面積大于1km2的湖泊數(shù)量為472個，總面積21 662km2，占整個高原區(qū)湖泊水域總面積的54.36%； 雖然青東祁連自然帶只有湖泊21個，但湖泊總面積為5 296km2，占高原區(qū)湖泊水域總面積的13.29%； 湖泊數(shù)量第二多的是昆侖自然帶，面積大于1km2的湖泊有224個，總面積為4 633km2，占整個高原區(qū)湖泊水域總面積的11.63%； 其他自然地帶，按湖泊水面總面積排序，依次為青南、藏南、柴達(dá)木、阿里、昆侖北翼、果洛納曲、川西藏東和東喜馬拉雅南翼。

4結(jié)論

本研究針對MODISMOD09Q1產(chǎn)品特征，以改進(jìn)的最大類間方差法為核心算法，構(gòu)建了一種結(jié)合湖泊水面緩沖區(qū)邊界分析和逐個湖泊確定分割閾值的湖泊水面信息提取方法，并將該方法成功地應(yīng)用于青藏高原2000—2012年湖泊水面時空序列數(shù)據(jù)集的提取，部分解決了高原區(qū)長期以來沒有時空過程連續(xù)湖泊水面數(shù)據(jù)集的問題。方法具有以下優(yōu)點： 一是能有效利用相鄰時間數(shù)據(jù)恢復(fù)云霧及其陰影覆蓋區(qū)的水面分布信息； 二是以多年最大湖泊邊界數(shù)據(jù)為基礎(chǔ)生成的計算緩沖區(qū)即能將所有湖泊納入計算范圍，又能盡可能消除其他地物對水體邊界提取的影響； 三是逐湖泊自動確定分割閾值的方式能充分反映不同區(qū)域水陸邊界像元的光譜差異，提高最終的邊界提取精度。文章中精度評價結(jié)果表明，該方法提取的青藏高原區(qū)湖泊水面面積結(jié)果，無論與研究中基于LandsatTM影像得到的133個樣本湖泊水面面積結(jié)果，還是其他研究人員利用不同衛(wèi)星遙感提取的結(jié)果相比，均具有非常高的一致性。此外，該方法雖然是針對青藏高原湖泊水面時空連續(xù)數(shù)據(jù)集提取需求提出的，但方法的設(shè)計思路具有普適性，如利用鄰近影像差異恢復(fù)云霧及其陰影覆蓋區(qū)域數(shù)據(jù)、通過緩沖區(qū)選擇減少外部干擾和減少運算量、利用改進(jìn)的最大類間方差法進(jìn)行全自動分割閾值確定等均可以應(yīng)用到其他地物的遙感提取過程中。

青藏高原過去的湖泊變化研究多依賴氣象和水文觀測站數(shù)據(jù)，一般通過對湖泊所在流域降雨、氣溫、上游來水、冰川厚度及湖泊水位等的時間變化過程及相互作用關(guān)系分析來獲取湖泊面積或水量變化信息。這種基于定位觀測數(shù)據(jù)的方法雖然比較可靠，但呈點狀分布的數(shù)據(jù)無法有效刻畫湖泊的空間變化特征。此外，因這種方法成本高、費時費力，目前整個高原區(qū)只有少數(shù)幾個典型湖泊建有監(jiān)測站點，影響了人們對高原區(qū)湖泊的整體變化規(guī)律的認(rèn)識。本研究提取的高原區(qū)2000—2012年每8d為1期的面積大于1km2湖泊水面時空過程數(shù)據(jù)集為開展高原區(qū)近10多年來湖泊變化分析提供了可靠的基礎(chǔ)數(shù)據(jù)。

參考文獻(xiàn)(References)：

[1]王蘇民,竇鴻身.中國湖泊志[M].北京:科學(xué)出版社,1998:1-5.

WangSM,DouHS.TheLakesofChinese[M].Beijing:SciencePress,1998:1-5.

[2]馬榮華,楊桂山,段洪濤,等.中國湖泊的數(shù)量、面積與空間分布[J].中國科學(xué):地球科學(xué),2011,41(3):394-401.

MaRH,YangGS,DuanHT,etal.China’slakesatpresent:Number,areaandspatialdistribution[J].ScienceChinaEarthSciences,2011,54(2):283-289.

[3]李均力,盛永偉,駱劍承,等.青藏高原內(nèi)陸湖泊變化的遙感制圖[J].湖泊科學(xué),2011,23(3):311-320.

LiJL,ShengYW,LuoJC,etal.RemotelysensedmappingofinlandlakeareachangesintheTibetanPlateau[J].JournalofLakeSciences,2011,23(3):311-320.

[4]SongCQ,HuangB,KeLH,etal.RemotesensingofalpinelakewaterenvironmentchangesontheTibetanPlateauandsurroundings:Areview[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2014,92:26-37.

[5]吳紹洪,尹云鶴,鄭度,等.青藏高原近30年氣候變化趨勢[J].地理學(xué)報,2005,60(1):3-11.

WuSH,YinYH,ZhengD,etal.ClimatechangesintheTibetanPlateauduringthelastthreedecades[J].ActaGeographicaSinica,2005,60(1):3-11.

[6]YangK,YeBS,ZhouDG,etal.ResponseofhydrologicalcycletorecentclimatechangesintheTibetanPlateau[J].ClimaticChange,2011,109(3/4):517-534.

[7]朱立平,謝曼平,吳艷紅.西藏納木錯1971—2004年湖泊面積變化及其原因的定量分析[J].科學(xué)通報,2010,55(18):1789-1798.

ZhuLP,XieMP,WuYH.Quantitativeanalysisoflakeareavariationsandtheinfluencefactorsfrom1971to2004intheNamCoBasinoftheTibetanPlateau[J].ChineseScienceBulletin,2010,55(13):1294-1303.

[8]邊多,邊巴次仁,拉巴,等.1975—2008年西藏色林錯湖面變化對氣候變化的響應(yīng)[J].地理學(xué)報,2010,65(3):313-319.

BianD,BianBCR,LaB,etal.TheresponseofwaterlevelofSelinCotoclimatechangeduring1975-2008[J].ActaGeographicaSinica,2010,65(3):313-319.

[9]萬瑋,肖鵬峰,馮學(xué)智,等.近30年來青藏高原羌塘地區(qū)東南部湖泊變化遙感分析[J].湖泊科學(xué),2010,22(6):874-881.

WanW,XiaoPF,FengXZ,etal.RemotesensinganalysisforchangesoflakesinthesoutheastofQiangtangarea,Qinghai-TibetPlateauinrecent30years[J].JournalofLakeSciences,2010,22(6):874-881.

[10]黃衛(wèi)東,廖靜娟,沈國狀.近40年西藏那曲南部湖泊變化及其成因探討[J].國土資源遙感,2012,24(3):122-128.doi:10.6046/gtzyyg.2012.03.22.

HuangWD,LiaoJJ,ShenGZ.Lakechangeinpast40yearsinthesouthernNagquDistrictofTibetandanalysisofitsdrivingforces[J].RemoteSensingforLandandResources,2012,24(3):122-128.doi:10.6046/gtzyyg.2012.03.22.

[11]SongCQ,HuangB,KeLH.ModelingandanalysisoflakewaterstoragechangesontheTibetanPlateauusingmulti-missionsatellitedata[J].RemoteSensingofEnvironment,2013,135:25-35.

[12]LeiYB,YangK,WangB,etal.ResponseofinlandlakedynamicsovertheTibetanPlateautoclimatechange[J].ClimaticChange,2014,125(2):281-290.

[13]李曉東,肖建設(shè),李鳳霞,等.基于EOS/MODIS數(shù)據(jù)的近10a青海湖遙感監(jiān)測[J].自然資源學(xué)報,2012,22(11):1962-1970.

LiXD,XiaoJS,LiFX,etal.RemotesensingmonitoringoftheQinghaiLakebasedonEOS/MODISdatainrecent10years[J].JournalofNaturalResources,2012,22(11):1962-1970.

[14]李景剛,李紀(jì)人,黃詩峰,等.Terra/MODIS時間序列數(shù)據(jù)在湖泊水域面積動態(tài)監(jiān)測中的應(yīng)用研究——以洞庭湖地區(qū)為例[J].自然資源學(xué)報,2009,24(5):923-933.

LiJG,LiJR,HuangSF,etal.ApplicationofTerra/MODIStimeseriesdataindynamicmonitoringoflakewaterareavariations:AcasestudyinDongtingLakeregion,China[J].JournalofNaturalResources,2009,24(5):923-933.

[15]鄭度.青藏高原自然地域系統(tǒng)研究[J].中國科學(xué)(D輯),1996,26(4):336-341.

ZhengD.Thesystemofphysico-geographicalregionsoftheQinghai-Xizang(Tibet)Plateau[J].ScienceinChina(SeriesD),1996,39(4):410-417.

[16]LuSL,WuBF,YanNN,etal.WaterbodymappingmethodwithHJ-1A/Bsatelliteimagery[J].InternationalJournalofAppliedEarthObservationandGeoinformation,2011,13(3):428-434.

[17]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報,2005,9(5):589-595.

XuHQ.Astudyoninformationextractionofwaterbodywiththemodifiednormalizeddifferencewaterindex(MNDWI)[J].JournalofRemoteSensing,2005,9(5):589-595.

[18]ZhangB,WuYH,ZhuLP,etal.EstimationandtrenddetectionofwaterstorageatNamCoLake,centralTibetanPlateau[J].JournalofHydrology,2011,405(1/2):161-170.

[19]萬瑋,肖鵬峰,馮學(xué)智,等.衛(wèi)星遙感監(jiān)測近30年來青藏高原湖泊變化[J].科學(xué)通報,2014,59(8):701-714.

WanW,XiaoPF,FengXZ,etal.MonitoringlakechangesofQinghai-TibetanPlateauoverthepast30yearsusingsatelliteremotesensingdata[J].ChineseScienceBulletin,2014,59(10):1021-1035.

(責(zé)任編輯： 邢宇)

Extraction of the spatial-temporal lake water surface dataset in theTibetanPlateauoverthepast10years

LU Shanlong1, XIAO Gaohuai1,2, JIA Li1, ZHANG Wei3,4, LUO Haijing1,5

(1. Key Laboratory of Digital Earth Science, State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China; 2. College of Resources and Environment, Northeast Agricultural University,Harbin 150030, China; 3. China Aero Geophysical Survey and Remote Sensing Center for Land and Resources, Beijing 100083,China; 4. Bei Dou Aerospace Science and Technology Group, Beijing 100070, China; 5. School of Civil Engineering,Hunan University of Science and Technology, Xiangtan 411201, China)

Abstract:Alakewatersurfaceextractionmethodisproposedinthispaper,whichiscombinedwithlakewatersurfaceboundarybufferanalyzingandlakebylakesegmentationthresholddetermining,withMOD09Q1asthedatasource.Themethodwassuccessfullyusedtoextractthe8-daylakewatersurfacedatasetoftheTibetanPlateau,duringtheperiodof2000-2012.Theaccuracyanalysisresultsindicatedthat,comparedwithwatersurfacedataofthe133samplinglakesthatextractedfromthe30mLandsatTMimages,thetotalprecisionoftheproposedmethodis93.98%;theextracteddaily,monthly,andannuallakewatersurfaceareasoftheNamCo,theQinghaiLake,andtheSilingCoarewellconsistentwiththeremotesensingmonitoringresultsgeneratedbyotherresearchers;andthedifferencesofthelakequantitiesandacreagestatisticalresultsbetweenthesecondnationallakesurveyandthisstudyareonly11and4.74%,respectively.Thisstudyprovidesareferencemethodforlargescaleandlongtimeseriessingleobjects(suchaswater,vegetation,andurban)distributionareaextraction.Furthermore,itprovidesreliabledatasetforthelakechangeresearchoftheTibetanPlateauinthepast10years.

Keywords:lakewatersurface;spatio-temporalprocesses;MOD09Q1;remotesensing;TibetanPlateau

doi:10.6046/gtzyyg.2016.03.28

收稿日期：2015-01-26；

修訂日期：2015-02-24

基金項目：國家自然科學(xué)基金應(yīng)急管理項目“近30年青藏高原湖泊水面變化及其區(qū)域氣候效應(yīng)”(編號： 41440010)和國家自然科學(xué)基金青年基金項目“基于多源異構(gòu)數(shù)據(jù)的湖泊水儲量遙感估算方法研究”(編號： 41101401)共同資助。

中圖法分類號：TP79

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-070X(2016)03-0181-07

第一作者簡介：盧善龍(1979-)，男，副研究員，主要從事地表水資源和水環(huán)境遙感研究。Email:lusl@radi.ac.cn。

引用格式： 盧善龍，肖高懷，賈立，等.2000—2012年青藏高原湖泊水面時空過程數(shù)據(jù)集遙感提取[J].國土資源遙感,2016,28(3):181-187.(LuSL,XiaoGH,JiaL,etal.Extractionofthespatial-temporallakewatersurfacedatasetintheTibetanPlateauoverthepast10years[J].RemoteSensingforLandandResources,2016,28(3)：181-187.)