及时获取湖泊、水库的水位、水量和水体分布变化,是水资源监测中的重要内容之一。以往主要是采用地面定点(水文站)定时观测的方式监测水位变化,地面监测方式需要配套大量基础设施,耗费大量人力物力,对于偏远地区无法大规模布点,并且日常监测效果还会受到水文站上报频次的影响。为满足日益精细化的水资源管理需求,迫切需要扩大水资源监测范围、提升监测标准,而仅靠地面监测手段无法满足对时效性、广泛性的要求[1]。卫星测高技术的出现和快速发展,为湖库水位监测提供了一种全新的方法[2]。由于其具有周期性重访、监测成本低、监测范围可覆盖部分无资料地区等特点,在一定程度上可填补部分地面监测。

20世纪70年代,卫星测高技术起初仅用于测量海平面和南极冰盖高度,但随着后续发射的测高卫星性能不断改善,许多学者开始尝试将其用于大型湖泊水位变化的监测并取得较好的效果[3]。1982年Brooks就将Seasat测高数据观测的湖面高程作为地面控制点用于地图的绘制。1993年Koblinsky使用Geosat测高数据实现了卫星对内陆湖泊水位变化第一次长时间监测。1994年,Birkett研究了这项技术用于内陆水域的可能性,并使用Geosat卫星测高数据监测了多个湖泊的水位变化。1995年他又使用T OPEX/Poseidon卫星测高数据计算了全球24个湖泊的水位变化,其中包括中国的呼伦湖。2001年 Alsdof等使用 T/P测高数据结合JERS-1 SAR影像数据估算了Amazon湖蓄水量变化。2006年 Frappart等利用 T/P、ERS-2、GFO-1和Envisat卫星测高数据对亚马逊河流域4个试验区进行研究,提供了更准确的水位时变数据[4-9]。在国内,2005年褚永海利用Jason-1数据监测了呼伦湖水位变化,发现呼伦湖水位近年来呈明显下降趋势。2007年李建成等利用Envisat-1数据研究分析了长江中下游鄱阳湖、洞庭湖、太湖、巢湖等的水位变化及其与气候环境的关系。2008年姜卫平使用Envisat卫星SGDR数据,采用波形重跟踪技术对青海湖水位进行监测,结果表明对数据进行波形重定添加波形改正项可一定程度上提升监测精度。高永刚等利用T/P和Jason-1卫星的GDR和WDR数据,进行了波形重定,在提取的测高水位中添加了波形改正项,并用小波分析得出了呼伦湖水位变化周期。2011年李均力利用ICESat/GLAS数据获取了2003-2009年间中亚地区24个典型湖泊的水位信息,分析该地区湖泊水位变化的时间过程和空间特征。2013年戴玉凤利用Landsat数据和ICESat卫星测高数据,分别对青藏高原佩枯错湖泊的面积和高程变化进行了分析,并进一步估算了湖泊2003-2009年相对水量变化。2016年赵瑞等使用ICESat、Cryosat-2测高数据,以及Landsat遥感影像获取了佩古错流域冰川、湖泊面积和高程变化,估算了水量变化并结果气象资料,研究了佩古错流域对气候的响应[10-14]。

卫星测高用于观测湖库水位的可行性和精度都已得到很好验证,但由于其设计原理和特性,地面诸多因素可影响到数据的质量,如复杂的地形可能导致数据的丢失和异常,还有风沙、强降雨天气以及水面结冰等都可能会影响数据的质量和准确性[15-16]。在以往研究中,主要是利用高程均值、中误差、最大/最小水位差等指标去除异常数据,如传统的RANSAC算法、抗差最小二乘算法和3倍中误差算法,最常见的是高永刚、郭金运、以及孙佳龙等学者使用的3倍中误差算法。这类方法在数据质量稳定良好的情况效果良好,但有时异常数据占很高比例,中误差往往偏大,高程均值也已远远偏离真值,各指标不再具有约束效力。这样并不能有效去除噪声,并且还淹没掉少量存在的高精度高程点,在此时该类方法就不再适用。数据噪声的存在和质量的不稳定给卫星测高技术的大范围推广和业务化运行带来了很大困难。另外,Jason-3卫星于2016年1月发射工作,国内外还少有相应,Jason-3测高数据的质量和精度有待进一步验证。鉴于此,本文以Jason-3为数据源并选取数据质量不稳定的湖库进行水位监测实验,提出一套基于数据质量评价、筛选提取湖库水位的方法,提高Jason-3测高数据监测精度和适用性,为测高数据进一步应用到我国水资源监测体系中提供技术支撑。

1 数据与方法

1.1 实验数据

Jason-3卫星是由法国空间研究中心(CNES)、美国宇航局(NASA)、欧洲气象卫星组织(EUMET SAT)以及美国海洋和大气局(NOAA)等多个机构合作研制的一颗海洋测高卫星,主要用于监测海面高度和气候变化。它是T/P、Jason-1/2系列卫星的延续,采用了相同的轨道设计,轨道周期为10 d,轨道高度为1 336 km,倾角为 66°。由Poseidon-3B高度计、微波辐射计(AMR)、多普勒定轨和无线电定位组合系统接收机(DORIS)、全球定位系统接收机(GPS)和激光跟踪器等五大部分构成。在DORIS系统上,天线定位做了调整可联合多个潜在的发射通道作业。另外,太阳能电池的位置模型得到优化,使得卫星的定轨和定位更加精准。Jason-3采用的大地水准面是EGM96水准面,参考椭球体与Jason-2一样,将地球定义为一个赤道半径为6 378.1363 km、扁平率为1/298.257的椭球体。发射后的9个月里,一直与Jason-2所处相同轨道,接替了Jason-2的工作。在2016年10月,Jason-2变轨到了Jason-1在2009年2月到2012年8月期间所处轨道,保持了Jason系列同时有两颗卫星双轨道交叉运行的机制。

本文使用的是Jason-3卫星2级产品中的GDR(Geophysical Data Record)数据,下载官网为:https://www.aviso.altimetry.fr/。它是在60 d内生成的延迟时间数据集,经过了完全的验证,包含所有的环境和地球精确校正。产品以10 d一个周期进行存贮,每个周期内包含共254个Pass文件,每个Pass文件大小为5 M 左右[17]。另外,用于精度验证的湖库实测水位数据来自地面水文站上报,可从国家防汛抗旱指挥系统下载。研究区枯水期遥感影像为GF-1号卫星拍摄,从国家卫星资源应用中心下载获取。

1.2 研究方法

2.2 6 729例胎儿中出现NT增厚及鼻骨发育异常者共283例，检测指标异常发生率为4.2%(283/6 729)。283例超声软指标异常胎儿，随访结果为不良妊娠结局的共86例，不良妊娠结局发生率为30.4%(86/283)；检测指标无异常胎儿共6446例，随访结果为不良妊娠结局的共183例，发生率为2.8%(183/6 446)，两组间比较差异有统计学意义(P<0.05)，见表1。

卫星测高是在卫星上搭载微波雷达测高仪,让测高仪上的雷达装置垂直向下发射脉冲信号,通过测量脉冲从发射经地球表面反射再到卫星天线接收的时间,来计算出卫星到星下点的距离,结合卫星搭载的GPS定位信息计算得到海(水、冰)平面高度[18]。卫星测高基本工作原理见图1。

根据卫星测高基本工作原理,湖库测高水位计算公式[19]为:

 

式中:h为湖泊水位正高;halt为测高仪的椭球高;hran为测高仪的观测距离;hgeoid为大地基准面相对于参考椭球面高度;c为各项观测误差修正。

  

图1 卫星测高基本工作原理Fig.1 Basic working principle of satellite altimetry

湖库水位的各项观测误差修正参照海洋数据标准处理,但相对海面而言湖库的水面很小,海潮、逆气压、潮压等影响可不考虑,因此湖库水位具体的误差修正为:

 

式中各误差修正详见表1。

 

表1 误差修正项T ab.1 Error correction term

  

误差修正 中文名称 备注i 电离层修正测高卫星信号穿过电离层时,会产生各种物理效应,其中最主要的是折射效应,其结果对传播信号产生延时,对测量的影响约为0.2～5 cm。s 固体潮修正 固体潮会引起地球本体变形导致高度变化,最多可达50 cm。p 极潮修正极潮是指地壳对地球自转轴指向偏移的弹性相应,极潮引起的高度误差为0.1～ 25 mm。d 干对流层修正w 湿对流修正测高信号经对对流层折射率的变化使路径产生弯曲,对流层的影响可以分成干对流层效应和湿对流层效应,前者引起高度上的误差约为-2.2 m。后者为6～30 m。

1.2.2 测高数据编辑处理方法

从官网获取的测高数据是以二进制格式存储的,要将原始数据转换得到湖库精确的测高水位,需要对数据进行一系列读取转换、编辑处理和提取水位的工作[20]。经研究发现,对于不同湖库测高数据的数据质量好坏不一,即使对同一个湖库而言不同时期的数据质量也有所不同。因此,本文在参照以往方法的基础上,提出一种基于数据质量评价、筛选提取的测高数据编辑处理方法,处理过程见图2。

式中:hi为单个周期内某一高程点高程值;X为高程均值;n为该周期内高程点数,其中i=1,2,3,…,n,Di即为各高程值与均值的差值减去三倍中误差,当Di＞0时晒除该点,否则保留。m为经公式(3)筛选后保留下的高程点数;H平即为该周期的测高平均水位。

使用专业软件 BRAT读取原始测高数据,以Ascii格式输出经纬度、高程、各项修正等参数。借助 ice_qual_flag_20hz_ku、qual_20hz_alt_data等数据质量标识项保证数据系统处理过程有效,参照海洋处理标准将各修正项数值控制在有效范围内。将数据进一步导入ArcGIS,基于经纬度信息生成高程点图层,配合经ENVI处理后的湖库枯水期影像剔除湖面以外的高程点。经基本编辑后,保证了测高观测的有效性,再将处理后的数据使用公式(1)和公式(2)进行计算,得到初始的水面高程值。

“降炭提质技术”的推广应用，不但回收了宝贵的煤炭资源，创造了可观的经济效益，而且为电厂粉煤灰再利用提供了技术保障。山东煤机集团利用粉煤灰降炭提质技术和设备，先后在韶关乌石电厂、山东郓城电厂、福建龙岩电厂、广东东莞等地建设了粉煤灰降炭提质工艺系统，均获得了成功应用，取得了良好的经济和社会效益。

  

图2 测高数据编辑处理方案Fig.2 Altimetric data editing and processing scheme

(2)数据质量评价分级。

提出“连续优质点群”概念,将同一周期的高程点按纬度从低到高排列,以X轴为点号、Y轴为高程值,因湖库水面近似水平,数据质量较好时,各点号对应的高程值应近似在一条水平线上,数据质量不高或不稳定时,则相反。“连续优质点群”即指纬度序号连续、高程值近乎在一条水平线上并且满足每个点与高程均值间差值不超过 0.3 m的点群。点群至少由3点组成,当出现多组连续优质点群时,选中点数最多、中误差最小的点群。如果存在某一点群均值与选中点群均值近乎一致时,将两组合并生成最终选中的连续优质点群,其余的点群不予考虑,最终选中的连续优质点群应不少于5个点。对每一期卫星测高数据质量进行评价,最终选取的“连续优质点群”点数占周期内高程点总数比例越高,数据质量就越好。对每个周期的数据先进行质量评价,将它们分为4个等级,如图3所示,其中红色矩形框圈中的即为选中连续优质点群。评价标准如下:

1级:连续优质点群占全部数据的比例大于66.67%。

1.2.1 湖库测高水位计算基本原理

2级:连续优质点群占全部数据的比例大于33.33%。

All chromatographic separations were conducted on an Agilent 1100 series HPLC instrument (Palo Alto, CA, USA) equipped with a photodiode array detector (PDA), and the data were recorded and analyzed by Hewlett Packard ChemStation software (Palo Alto, CA, USA).

4级:数据中没有连续优质点群。

3级:数据中存在少量连续优质点群。

  

图3 数据质量分级Fig.3 Data quality classification

式中:为实际轨道的平均水位值;为实际轨道平均水位的约化值;Nj为实际轨道均值点的大地起伏值;N为参考轨道参考点的大地起伏值;其中j=1,2,3…z,z为观测周期数。

为河北农业大学苹果课题组于1995年在顺平县东阳各庄长富2号苹果园中发现的浓红型株变。2003年天红1号通过河北省科技厅组织的专家鉴定，2005年通过河北省林木品种审定委员会审定。其突出特点是着色好，果面光洁，果形端正，偏果率低，果形指数较大，丰产稳产。果实较大，平均单果重250克以上。果实圆形或近圆形，果形指数0.9以上。果实肉质细脆，香气浓郁，可溶性固形物含量15%～17%。

对于1、2、3级数据,只保留选取的连续优质点群,将其余的高程点剔除,再将周期内的每个高程值与高程均值的差值大于3倍中误差的高程点剔除[21](式(3)),取剩余点高程均值为提取的测高平均水位(式(4));对于4级数据,将最接近前后周期提取水位的高程值作为测高平均水位,若该值仍与前后周期水位相差甚远,则考虑直接舍去该周期数据。

2009年12月国务院批准甘肃省作为全国首个国家级循环经济示范省区，金昌市作为甘肃省循环经济试点城市，开启了产业共生、资源循环利用的循环经济工业文明发展之路，充分发挥资源型城市在提高资源利用效率方面的作用。

 

(1)数据基本编辑。

该矿体隐伏于矿区上棋盘村南约780 m，为(构造)蚀变石英脉型辉钼矿，矿体呈灰白色—褐黄色—褐红色，矿体外推长度200 m，厚度1.24 m。矿石钼品位为0.131%。

(4)约化、滤波处理。

图1两种模拟结果显示弹性受力状态，考虑分阶段受力与否，对最终计算结果影响不大，原因有两点：一是自重影响较小，二是现有有限元分析软件对加固分阶段受力模拟不足，该点须结合具体工程分析。此外，图1标记点2(3)、6(7)均显示共节点的两个单元结合面应力差较大，表明双单元法无法有效模拟结合面新老混凝土间作用力传递。

我们的基础教育由于受传统的观念体制、模式等制约很大程度上是一种不断泯灭学生创新力的教育。在数学教学中变传统教学为创新教学，激发学习动机，引导学生主动探究，促进学生从“学会”到“会学”，对培养学生合作，创新能力有着现实意义。

 

(3)筛选提取水位。

在公路路基加宽施工过程中，旧路基横坡比为9%左右，在填筑施工之后可以达到11%左右。新路基的横坡比在施工之前为15%左右，在填筑之后可以达到17%。如果路基结构的横坡比很大，那么就会引发开裂问题，难以保证公路路基结构安全性符合要求，无法对其进行全方位的管理控制[1]。因此在施工过程中，企业应做好新路基的处理工作，使用针对性方式实现横坡比的控制目的，无需借助其他技术，在完成填筑工作任务之后，应保证横坡比在标准范围之内，结合加宽施工技术应用特点与标准，完成当前的工作任务，完善公路使用性能，保证车辆行驶安全性符合标准要求，为其后续发展夯实基础[2]。

  

图4 测高数据约化示意图Fig.4 Schematic of data reduction

经约化后得到各周期的测高水位可能还存在一些粗差,所以利用Matlab软件编程对数据进行高斯滤波,经上述处理后便得到湖库水位变化的时间序列。具体的高斯函数为:

 

式中:r2= φ2+ λ2;Rs为搜索窗口大小的一半;σ=(这里选取的搜索窗口大小为半年)。

2 案例研究

2.1 洪泽湖水位监测

本文选取测高数据量丰富但质量不稳定的洪泽湖为研究区,分别使用传统的三倍中误差算法和本文基于数据质量筛选方法分别提取湖库水位,并利用洪泽湖尚咀水文站实测数据对监测结果进行对比分析。

洪泽湖是我国第四大浅水型湖泊,地处江苏省淮安市洪泽县西部,在北纬 33°06'-33°40',东经118°10'-118°52'之间。属平原型湖泊,湖岸线相对简单,海拔在10 m左右。湖区具有季风气候,四季分明,雨季多集中在6月-9月。Jason-3卫星地面轨迹Pass_240正好扫过湖面,下载了从2016年2月至2017年7月共52期测高数据。地面轨迹与枯水期湖面截距约为11 km,经编辑处理后湖面上每期测高数据平均有29个高程点,见图5。

  

图5 研究区示意图Fig.5 Schematic of study area

图5 (a)为Jason-3卫星扫过枯水期洪泽湖面情况,红色线为Pass240地面轨迹,图5(b)为经编辑处理后保留下的所有高程点。经质量评价,洪泽湖52期数据中有1级数据19期、2级数据10期、3级数据12期、4级数据11期,数据质量的时间分布情况见图6。从图中可知,洪泽湖地区测高数据各时期质量不一,质量较差的3、4级数据分别占到23%和21%,多集中在每年6月-9月。

由于Jason-3卫星不同周期间的同一地面轨道最大间距约为1 km,每次测量的点位都不完全相同,所以参照文献[5]将不同周期的水位数据约化到同一参考点上。首先选取高程点数最多的周期轨迹作为参考轨道,将各周期的水位平均值依次加入大地起伏差[7],最后根据各周期实际轨道与参考轨道的距离,将实际轨道上的湖面水位约化到参考轨道上,见图4。

分别使用传统3倍中误差算法和基于数据质量筛选的方法提取湖面测高水位,实验结果见图7。

  

图6 数据质量时间分布Fig.6 Time distribution of data quality

  

图7 Jason-3卫星监测洪泽湖水位变化Fig.7 Water level changes in Hongze Lake as monitored by Jason-3 satellite

2.2 实验结果分析

从图7可知,在洪泽湖地区传统方法提取水位整体精度较差,在数据质量好的几个周期与实测水位误差较小,但在数据质量较差时与实测水位误差达到5 m左右。而本文方法在改善数据精度方面明显优于传统方法,绝大部分周期数据与实测水位十分接近,误差很小且保持显著的相关性,尤其在数据质量差时与实测值也较为接近。但在极个别周期数据质量极差(大部分为4级数据),提取水位仍与实测水位有1 m左右的误差,这是由于当时卫星过境时一些地面因素对测高数据造成了极大的干扰,使得获取的所有高程点中都收到了污染。

在天文学上，定义轨道在距离太阳1.3 AU范围内，距离地球轨道最小距离在0.3 AU范围内的小行星为近地小行星(near-earth asteroid，NEA)，目前已发现近地小行星17 440颗，其中直径超过1 km的有886颗，直径超过140 m的有7 991颗。把距离地球轨道最小距离在0.05 AU范围内、直径大于140 m的小行星定义为具有潜在碰撞威胁的小行星(potentially hazardous asteroid，PHA)。目前已发现PHA为1 876颗，其中直径大于1 km的有157颗，此类小行星具有较高撞地地球的风险，是我们防御任务重点关注的目标。

本文方法提取的测高水位数据一方面可用于日常水位监测,填补地面实测水位不足,另一方面可用于无资料地区库容曲线的构建。基于数据质量评价结果,在日常水位监测上,可对每一期测高水位的可信度进行评价,数据质量越高整体误差较小,可信度越高;在构建库容曲线上,随着卫星短周期重访积累了丰富测高数据,可将质量较差的4级甚至3级数据进行剔除,以提高测高水位整体精度,进一步配合遥感影像获取的面积信息构建出精确的库容曲线。如图8和表2所示,传统方法提取的水位与实测数据比较,最小差值为0.14 m、最大差值为6.45 m、均方根误差为2 m、相关性系数只有0.11,而本文方法最小差值为0.01 m、最大差值为1.87 m、均方根误差减小到0.5 m、相关性系数增加到0.59。在将洪泽湖3、4级数据进一步剔除后,最大、最小差值分别减小到0.42 m和0.01 m、均方根误差减小到0.19 m、相关性系数增加到0.9,测高水位与实测数据间整体误差明显减小,相关性进一步提高,大大提高了监测精度。

  

图8 各提取结果同实测水位数据的相关性比较Fig.8 Comparison of correlation between each extraction result and the gauged water level

 

表2 基于实测水位数据的精度评价Tab.2 T he accuracy evaluation based on the gauged water level

  

评价指标 传统方法 本文方法 剔除4级数据 剔除3、4级数据最小差值/m 0.14 0.01 0.01 0.01最大差值/m 6.45 1.87 0.51 0.42均方根误差/m 2.00 0.50 0.22 0.19相关性系数 0.11 0.59 0.86 0.9

3 结论

本文使用Jason-3测高数据,提出一套基于数据质量评价、筛选提取湖库水位的方法。利用连续优质点群这一标准,首先进行数据质量评价,基于评价结果筛选数据,再提取湖库水位。主要结论如下。

方式一：在场人员(未关注或已关注的微信用户都适用)在易拉宝或宣传册扫二维码自动关注XX图书馆的官方微信公众号后，微信直接跳入虚拟荐购平台，读者自行进行荐书，参加图书荐购抽奖活动。

(1)在对数据质量全年不稳定的洪泽湖实验中,取得了最小水位差0.01 m、最大水位差0.42 m、均方根误差0.19 m、与实测数据相关性达到0.9这样较高的监测精度,验证了Jason-3测高卫星用于湖库水位监测较高的可信度。

(2)相较传统方法,在数据质量差、异常数据占比很大时,仍能将少量存在的高精度高程点挑选保留,大大减少了与实测水位间的误差;在数据质量良好时也有一定程度改善,显著提高了整体监测精度。所以,该方法不仅适用于测高数据质量良好的湖库,也适用于数据较差或质量不一的湖库,精度更高、更具有普适性。

(3)数据质量的评价分级对我国湖库监测有积极意义。评价结果可对日常监测中每期测高水位的可信度进行评价,质量等级为1、2级的数据连续优质点占总数的33.33%以上,数据质量更好、可信度更高;相反,3、4级数据可信度相对较低。此外,即便没有实测数据,基于评价结果仍可以较为精准地剔除掉质量较差的数据(3、4级数据),使得在长时间序列上,湖库水位监测的整体精度得到大幅提升,这对于为我国无资料湖库构建库容曲线,进一步实现水位、水量的动态监测意义重大。

当然,这离测高卫星数据业务化监测我国湖库水资源的目标仍有一定差距。下一步工作中,还需要使用多种测高卫星数据,选取不同地区、不同等级大小、不同类型的湖库进行更深入的研究分析,以制定出合理高效、针对我国湖库水资源的监测方案。

参考文献(References):

[1] 褚永海,李建成,姜卫平,等.利用Jason-1数据监测呼伦湖水位变化[J].大地测量与地球动力学,2005,25(4):11-16.(CHU Y H,LI J C,JIANG W P,et al.Monitoring of water level variations of Hulun Lake with Jason-1 Altimetric Data[J].Journal of Geodesy and Geodynamics,2005,25(4):11-16.(in Chinese))DOI:10.3969/j.issn.1671-5942.2005.04.003.

[2] 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),2008,33(1):64-67.(JIANG W P,CHU Y H,L I J C,et al.Water level variation of Qinghai Lake from altimeteric data[J].Geomatics and Information Science of Wuhan U niversity,2008,33(1):64-67.(in Chinese))DOI:10.13203/j.whugis2008.01.011.

[3] FRAPPART F,CALMANT S,CAU HOPÉ M,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.DOI:10.1016/j.rse.2005.10.027.

[4] 李建成,褚永海,姜卫平,等.利用卫星测高资料监测长江中下游湖泊水位变化[J].武汉大学学报(信息科学版),2007,32(2):144-147.(LI J C,CHU Y H,JIANG W P,et al.Monitoring level fluctuation of lakes in Yangtze River Basin by altimetry[J].Geomatics and Information Science of Wuhan U niversity,2007,32(2):144-147.(in Chinese))DOI:10.3969/j.issn.1671-8860.2007.02.013.

[5] 李景刚,李纪人,阮宏勋,等.Jason-2卫星测高数据在陆地水域水位变化监测中的应用——以南洞庭湖为例[J].自然资源学报,2010,25(3):502-510.(LI J G,LI J R,RUAN H X,et al.Application of Jason-2 altimetry data in monitoring of continental water level fluctuations-a case study in South Dongting Lake,China[J].Journal of Natural Resources,2010,25(3):502-510.(in Chinese))DOI:10.11849/zrzyxb.2010.03.015.

[6] HWANG C,KAO Y C,T ANGDAMRONGSUB N.A preliminary analysis of lake level and water storage changes over lakes baikal and balkhash from satellite altimetry and gravimetry[J].T errestrial Atmospheric&Oceanic Sciences,2011,22(2):97-108.DOI:10.3319/TAO.2010.05.19.01(TibXS).

[7] 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(6):73-75,29.(GAO Y G,GUO J Y,YUE J P.Lake level variations measurement with satellite altimetry[J].Science of Surveying and Mapping,2008(6):73-75,29.(in Chinese))DOI:10.3771/j.issn.1009-2307.2008.06.024.

[8] HENRIQU E COST A P,OLIVEIRA PEREIRA E,MAILLARD P.An original processing method of satellite altimetry for estimating water levels and volume fluctuations in a series of small lakes of the pantanal wetland complex in Brazil[J].ISPRS-International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences,2016,XLI-B8:327-334.DOI:10.5194/isprsarchives-XLI-B8-327-2016.

[9] 梁子亮,岳建平.利用卫星测高监测高邮湖水位变化[J].测绘通报,2013(11):65-67.(LIANG Z L,YUE J P.Monitoring of water level variations of Gaoyou Lake by altimetry[J].Bulletin of Surveying and Mapping,2013(11):65-67.(in Chinese))

[10] 张鑫,吴艳红,张鑫.基于多源卫星测高数据的扎日南木错水位动态变化(1992—2012年)[J].自然资源学报,2015,30(7):1153-1162.(ZHANG X,WU Y H,ZHANG X.Zhari namcowater level chang e detection using multi-satellite altimetric data during 1992-2012[J].Journal of Natural Resources,2015,30(7):1153-1162.(in Chinese))DOI:10.11849/zrzyxb.2015.07.008.

[11] 李静,岳建平,梁子亮.Jason-2卫星波形重定技术在研究贝加尔湖水位中的应用[J].河海大学学报(自然科学版),2015,43(2):163-166.(LI J,YUE J P,LIANG Z L.Application of Jason-2 waveform retracking method to investigation of water level of Lake Baikal[J].Journal of Hohai U niversity(Natural Sciences),2015,43(2):163-166.(in Chinese))DOI:10.3876/j.issn.1000-1980.2015.02.012.

[12] BAUP F,FRAPPART F,MAUBANT J.Combining hig h-resolution satellite images and altimetry to estimate the volume of small lakes[J].Hydrology& Earth System Sciences Discussions,2014,10(12):15731-15770.DOI:10.5194/hess-18-2007-2014.

[13] 戴玉凤,高杨,张国庆,等.2003-2011年青藏高原佩枯错相对水量变化及其对气候变化的响应[J].冰川冻土,2013,35(3):723-732.(DAI Y F,GAO Y,ZHANG G Q,et al.Water volume change of the Paiku Co in the Southern T ibetan Plateau and its response to climate change in 2003-2011[J].Journal of Glaciology& Geocryology,2013,35(3):723-732.(in Chinese))DOI:10.7522/j.issn.1000-0240.2013.0082.

[14] DUAN Z,BASTIAANSSEN W G M.Estimating water volume variations in lakes and reservoirs from four operational satellite altimetry databases and satellite imagery data[J].Remote Sensing of Environment,2013,134(5):403-416.DOI:10.1016/j.rse.2013.03.010.

[15] PAPA F,BALA S K,PANDEY R K,et al.Ganga-Brahmaputra river discharge from Jason-2 radar altimetry:An update to the long-term satellite-derived estimates of continental freshwater forcing flux into the Bay of Bengal[J].Journal of Geophysical Research Oceans,2014,117(C11):-.DOI:10.1029/2012JC008158,2012.

[16] 葛莉,习晓环,王成,等.ICESat-1/GLAS数据湖泊水位监测研究进展[J].遥感技术与应用,2017,32(1):14-19.(GE L,XI X H,WANG C,et al.Research progress of ICESat-1/GLAS in lake level monitoring[J].Remote Sensing T echnology and Application,2017,32(1):14-19.(in Chinese))DOI:10.11873/j.issn,1004-0323,2017.1.0014.

[17] YING,ZHAO,XINGHU I,et al.Growth and nutrient accumulation of Phragmites australis in relation to water level variation and nutrient loadings in a shallow lake[J].环境科学学报(英文版),2013,25(1):16-25.DOI:10.1016/S1001-0742(12)60004-7.

[18] SONG C,HUANG B,KE L.Heterogeneous change patterns of water level for inland lakes in Hig h Mountain Asia derived from multi-mission satellite altimetry[J].Hydrological Processes,2015,29(12):2769-2781.DOI:10.1002/hyp.10399.

[19] SONG C,YE Q,CHENG X.Shifts in water-level variation of Namco in the central T ibetan Plateau from ICESat and Cryo-Sat-2 altimetry and station observations[J].Science Bulletin,2015,60(14):1287-1297.DOI 10.1007/s11434-015-0826-8.

[20] 赵瑞,叶庆华,宗继彪.青藏高原南部佩枯错流域冰川-湖泊变化及其对气候的响应[J].干旱区资源与环境,2016,30(2):147-152.(ZHAO R,YE Q H,ZONG J B.Glacier and water storage changes in Peiku Co basin on T ibetan Plateau and its responses to the climatic changes[J].Journal of Arid Land Resources and Environment,2016,30(2):147-152.(in Chinese))DOI:10.13448/j.cnki.jalre.2016.061.

[21] 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,2015,44(3):309-315.(ZHU C M,ZHANG X,LU M,et al.Lake storage chang e automatic detection by multi-source remote sensing without underwater terrain data[J],Acta Geodaetica et Cartographica Sinica,2015,44(3):309-315.(in Chinese))DOI:10,11947/j.AGCS.2015.20130438.