EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 1: 99

DOI: https://doi.org/10.3724/SP.J.1047.2015.00099

Orginal Article

Detection and Analysis of Qinghai-Tibet Plateau Lake Area from 2000 to 2013

  • CHE Xianghong , 1, 3 ,
  • FENG Min , 2, * ,
  • JIANG Hao 3 ,
  • XIAO Tong 4 ,
  • WANG Changzuo 4 ,
  • JIA Bei 1 ,
  • BAI Yan 3
Expand
  • 1. College of Mining Engineering, Taiyuan University of Technology, Taiyuan 030024, China
  • 2. Global Land Cover Facility, Department of Geographical Sciences, University of Maryland, College Park, MD 20742, USA
  • 3. State Key Laboratory of Resources And Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 4. Department of Ecological Remote Sensing, Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China
*Corresponding author: FENG Min, E-mail:

Received date: 2014-02-10

  Request revised date: 2014-04-11

  Online published: 2015-01-05

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Qinghai-Tibet plateau is the world's highest and largest plateau which is surrounded by massive mountain ranges. There are plenty of lakes and glaciers covering this area, and the variation of lake area is closely related to the regional and global climate changes. This paper presents a method using MODIS observations to quantify lake area in each month in Qinghai-Tibet plateau for 14 years, and then analyzes the change of lake area at both monthly and annually scales. MODIS surface reflectance data (MOD09A1) acquired within the period of each month are retrieved and composited to produce the optimal and cloud-free SR data of the month, which are adopted as the input data. In order to achieve better accuracy on water detection, multiple water indices are combined, and then the DEM and summer season water maps are adopted to remove noisy pixels caused by cloud, shadow, snow and ice. With this approach, the monthly and annually lake area is derived for Qinghai-Tibet plateau from 2000 to 2013.Subsequently,the accuracy of these results are evaluated by correlation coefficient calculated with respect to the artificial interpreted Landsat products assigned as reference for Selin Co lake and Zhuonai lake, respectively. The comparisons show high consistency on both spatial and temporal aspects(R2 is 0.99 and 0.97). Finally, the variation tendency of lakes in Qinghai-Tibet plateau is analyzed, the results show: (1) a stable increase is obvious (R2 is 0.96) for the lake area during the past 14 years with an average annual increase rate of 490.98 km2a-1; (2)monthly increment indicates lake expansion is unlikely due to seasonality in Qinghai-Tibet plateau. Stable increases (R2> 0.78, increase rate > 400 km2a-1) are also found in every month of the year except February, March and April.

Key words： MODIS; Qinghai-Tibet plateau; lakes change; lakes detection

Cite this article

CHE Xianghong , FENG Min , JIANG Hao , XIAO Tong , WANG Changzuo , JIA Bei , BAI Yan . Detection and Analysis of Qinghai-Tibet Plateau Lake Area from 2000 to 2013[J]. Journal of Geo-information Science, 2015 , 17(1) : 99 . DOI: 10.3724/SP.J.1047.2015.00099

1 引言

青藏高原上分布着地球上数量最多、面积最大、海拔最高的湖泊群。湖泊面积的变化将改变地表下垫面的条件,进而对大气环流产生影响[1-2]。另外,气温和降水变化影响地表水分循环,使湖泊与冰川发生紧密联系,并对气候系统具有反馈作 用[3]。在全球气候变暖的背景下,青藏高原地区部分湖泊处于退缩咸化状态,湖泊水位下降,湖面解体为咸簇湖群,而一些小型湖泊则逐渐消亡[4]。但在气候暖干化趋势的影响下,冰川融化退缩,夏季河流水流量增加,也有大量由冰川直接补给或与河流直接沟通的湖泊,存在着扩张和淡化的现象[5]。近年来,西藏班戈、尼玛、申扎三县的牧民不同程度地受到湖水上涨带来的灾害影响。因此,迅速、精准地监测湖泊动态变化,揭示自然因素对湖泊面积的影响规律,这对合理利用、开发以及保护湖泊水域有着极其重要的意义[6]。
青藏高原地区地域广阔、地形险峻、多湖泊和冰川、高峰终年积雪,难以通过常规观测手段有效地获取其湖泊变化数据。遥感技术是湖泊面积及其变化监测的先进手段。近年来,国内许多学者开展了青藏高原地区湖泊变化分析的相关研究。例如,武慧智等[7]和闫丽娟等[8]利用多源遥感信息分析了青藏高原从1970年到2000年左右湖泊的动态变化。贾珅玥等[9]监测了1992-2005年青藏高原南羌塘地区纳木错湖泊流域北部的动态变化[9-10]。他们主要以MSS和TM等遥感影像进行分析,难以反映青藏高原地区湖泊逐年、逐季节乃至逐月的变化。因此,本文探讨以MODIS遥感数据,综合多种水体指数构建湖泊提取模型,对青藏高原地区的湖泊面积动态变化进行深入分析。

2 数据源与遥感湖泊分析方法

MODIS是美国国家航空航天局（National Aeronautics and Space Administration,NASA）地球观测系统计划中的传感器,搭载在Terra和Aqua两个观测平台上[11]。MODIS数据具有36个通道,分布在0.4~14 μm的电磁波谱范围内,其中,2个通道（可见光0.62~0.67 μm、近红外0.841~0.876 μm）的空间分辨率为250 m、5个通道的空间分辨率为 500 m（表1）,其余29个通道的空间分辨率均为 1 km。另外,Terra在地方时上午过境,Aqua在地方时下午过境,可得到每天最少2次白天和2次黑夜更新数据。并且,MODIS前7个波段的波段宽度一般小于0.05 μm,能够识别极其复杂的地物[12]。
Tab. 1 Part of the channel information of MODIS

表1 MODIS部分通道信息

波段(地面分辨率) 光谱范围(nm) 光谱范畴 主要应用领域
B1(250 m) 620~670 可见光（红） 植物叶绿素吸收
B2(250 m) 841~876 近红外 云与植物,土地被
B3(500 m) 459~479 可见光（蓝） 土壤植被差异
B4(500 m) 545~565 可见光（绿） 绿色植物
B5(500 m) 1230~1250 近红外 叶子/冠层差异
B6(500 m) 1628~1652 短波红外 雪/云差异
B7(500 m) 2105~2135 短波红外 土地与云特性
本文采用MODISMODIS Level 3反射率产品MOD09A1（来自http://modis.gsfc.nasa.gov）B1-B7的地表反射率的8天合成数据对高原湖泊进行监测分析。
目前,利用遥感数据提取水体信息的方法一般可分为单波段法和多波段法。单波段法主要是选取影像中对水体敏感的近红外波段设定阈值来提取水体信息[13]。这种方法简单但却很难去除水体中的阴影。多波段法则是利用多个波段的综合优势来提取水体信息,例如归一化水体指数和谱间关系法[14-15]。其中,谱间关系法通过分析水体与背景地物的光谱曲线特征,利用“回归树”等算法寻找最优的地物与光谱关系,但易受限于研究区特定的自然环境特征[16]。水体指数方法存在一定的错分和漏分现象,但结果相对稳定。因此,本文提出了一种基于MOD09A1反射率数据,综合多种水体指数的方法提取湖泊范围。首先,设计了逐月代表性数据合成处理方法;最后,针对青藏高原地区的湖泊特征,设计了地形和时间序列修正处理。水体提取的具体流程如图1所示。
Fig. 1 Flow chart of water extraction from MODIS images

图1 MODIS影像水体提取流程图

2.1 地表反射率数据的逐月合成方法

本文选择逐月时间频率,主要考虑到：（1）逐月能较准确地捕捉湖泊的季节变化;（2）用每8 d的MOD09A1观测逐月合成,能为消除大气状况和数据质量的影响提供更丰富的数据支持。
一般来说,有云像元比晴空像元反射率明显高,特别在波长较短的波段[16],因此,本文以蓝光波段作为判断晴空像元的依据,并参考MOD09A1的“反射率数据质量”子数据集,定位存在数据和传感器质量问题的像元,然后选择蓝光波段反射率最小的观测,从而利用每月4景影像生成逐月的最优合成数据集。图2(a)、(b)、(c)、(d)分别为2013年6月1日、9日、17日、25日的4景B6、B2、B4彩色合成影像,图2(e)为该月最优合成影像,其中,裸地为黄色、植被为绿色、水体和阴影为黑色、云为白色、冰雪为蓝色。
Fig. 2 Comparison of images before and after the application of best-pixel composition

图2 影像最优合成前后对比图

2.2 综合多种水体指数的湖泊提取方法

近年来,研究产生了多种湖泊提取方法。例如,Mcfeeters主要利用了水体在绿色波段反射率较高,近红外波段强吸收的特点构建了归一化水体指数（Normalized Difference Water Index,NDWI）[17],但NDWI提取的水体中仍夹杂着许多非水体信息,特别是在提取城市范围内的水体方面很不成功。徐秋涵发现水体在短波红外比近红外反射率更低,而其他地物在短波红外的反射骤然变强,增强了水体与其他地物（特别是城镇）光谱特征差异,提出了改进的归一化水体指数（Modified Normalized Difference Water Index,MNDWI）[18]。然而,单一的NDWI或MNDWI都不能准确地将水体与其他地物区分,其中包括漏分一些比较浅、水质较差的水体,或将山体阴影错分为水体等。此外,马丹[19]综合考虑水体的光谱特征,MODIS波段的主要应用领域,以及将各个波段加载到遥感处理软件中的目视效果,确定水体最为明显的波段组合为MODIS的2、4、6波段。鉴此,本文采用了MODIS的2、4、6波段建立湖泊提取模型,首先,对于NDWI选设定较严格阈值（0.1）提取出典型水体;对于混合像元水体,利用MNDWI对水体特征进行提取。冰雪在可见光波段(0.5~0.7 μm)反射率较高,短波红外(1~4 μm)反射率较低[20],因此,本文为MNDWI设定阈值（0.1）判别冰雪。另外,水体在短波红外反射率低于近红外波段,而其他地物（如植被,土壤）则相反[21],可利用短波红外和近红外波段波段来区分混合像元水体和陆地。因此,本文采用的湖泊提取方法综合利用NDWI（式（1））和MNDWI（式（2））,以及近红外与短波红外的谱间关系来构建湖泊提取模型。具体的湖泊提取流程如图3所示。
Fig. 3 Flow chart of lake detection based on multiple water indices

图3 基于多种水体指数湖泊提取方法流程图

NDWI = CH 4 - CH 2 CH 4 + CH 2 （1）
MNDWI = CH 4 - CH 6 CH 4 + CH 6 （2）
式（1）、（2）中,CH2、CH4和CH6分别为MODIS的B2、B4、B6波段的地表反射率值。

2.3 基于地形数据和时间序列的去噪方法

通过以上湖泊提取方法,获得青藏高原地区的逐月湖泊分布图,但检查发现,山体周围大多数阴影或者部分冰雪错分为水体,产生一些比较细碎的噪点等。对此,首先利用5×5的活动窗口过滤比较细碎的噪点;然后,采用GLS（Global Land Survey）DEM（Digital Elevation Model）数据（http://glcf.umd.edu/data/glsdem/）,依据坡度较大的水体被过滤的思想来消除由于山体阴影造成的错分现象。
5-9月份山体阴影和冰雪覆盖较少,将每年5-9月份的水体影像图叠加逐像元判读,如果像元在至少3个月中为水体,则该像元被标识为水体,即青藏高原逐年湖泊分布图。其他季相湖泊面积比该年夏天水域最大合成的范围小,因此,用夏天水域最大合成过滤其他季相消除冰雪的影响,具体的去噪方法如图4所示。
Fig. 4 Flow chart of noisy pixels removal based on topographic data and time series analysis

图4 基于地形数据与时间序列的去噪流程图

本文采用C和Python编程语言编写计算模型,并在“地球系统科学数据共享平台”进行共享,以支持模型和代码的重用。共享模型可以通过OGCWPS等开放交互接口格式进行访问（URL为：http://159.226.111.26:38080/d/mod_ndwi.ndwi）。用户可通过网络获取模型的元数据,并进行在线模型调用[22]。

3 高原湖泊面积MODIS数据监测结果分析

3.1 典型湖泊的面积变化分析

通过对各个湖泊面积年变化分析,本文选取湖泊变化较大的2个典型湖泊（色林错和卓乃湖）进行对比验证和分析。验证参考数据为Landsat系列影像（14景,来源：http://glovis.usgs.gov/）,利用标准偏差（RMSE）验证本文湖泊提取模型可靠性。
RMSE = ∑ i = 1 n ( M i — L i ) 2 n （3）
式（3）中,Mi为MODIS影像上湖泊在第i年的水体面积;Li为Landsat影像上湖泊在第i年水体面积;n为对比验证年数。
（1）色林错对比分析
色林错又称奇林湖,位于西藏自治区西藏班戈、尼玛、申扎3县交界处,空间范围为N 31°34′~ 31°57′,E 88°33′~89°21′。本文选取包括色林错区域且时相近的MODIS与Landsat系列影像提取结果进行对比（表2）,图5为MODIS与Landsat提取色林错湖泊空间分布对比。其中,红色边界为人工解译Landsat影像（2005年11月14日）的湖泊范围,绿色为以本文合成的MODIS数据（2005年11月）提取的湖泊范围,底图为Landsat影像（2005年11月14日）4、3、2波段真彩色合成。由式（3）可知,相对Landsat系列影像目视解译结果,MODIS提取的色林错湖泊面积RMSE约为141.94 km2,占色林错湖泊面积6.30%。通过最小二乘法建立MODIS与Landsat线性关系,由图6可知,两者之间线性拟合度约为0.99。
Tab. 2 Comparison of water area derived from Landsat and MODIS data for SelinCo lake

表2 MODIS与Landsat提取色林错湖泊面积比较

数据源 时间 面积(km2) 数据源 时间 面积(km2)
Landsat 2000-10-17 1934.41 MODIS 2000-10 1930.29
2005-11-14 2244.81 2005-11 2243.00
2006-11-17 2254.73 2006-11 2282.27
2007-10-03 2275.74 2007-10 2291.71
2010-05-04 2304.73 2010-05 2321.33
2011-08-27 2353.02 2011-08 2343.87
2013-05-28 2379.57 2013-05 2360.82
Fig. 5 Comparison ofspatial distributions derived from Landsat and MODIS data for Selin Co lake

图5 MODIS与Landsat提取色林错湖泊空间分布对比

Fig. 6 Scatterplot of water area derived from Landsat and MODIS data for Selin Co lake

图6 MODIS与Landsat提取色林错湖泊面积散点图

基于提取的青藏高原逐年湖泊范围,分析色林错2000-2013年湖泊湖面的变化情况（图7）。图7(a)蓝色部分为提取的2000年水域面积,绿色边缘为2006年水体较2000年扩张的区域,红色边缘2013年水体较2006年扩张的区域。由图7(b)可看出,过去14年色林错面积呈持续增加趋势,其中,2000年色林错的面积为1892.22 km2,2013年面积为2364.89 km2,共增加了472.67 km2,增长速率约为34.96 km2a-1。通过分析,发现色林错的扩张可分为2个阶段：
Fig. 7 Spatial and temporal changes of Selin Co lake

图7 色林错水域面积变化

①2000-2006年,色林错的湖泊面积增加了357.40 km2,增加速率约为57.15 km2a-1。
②2006-2013年,色林错的湖泊面积增加了115.27 km2,增加速率约为17.59 km2a-1。前一个快速增长相比,该阶段湖泊面积仍然持续扩张,但增速放缓。该结果与文献[6]利用中巴资源卫星(CBERS)与Landsat TM影像分析结果一致。
（2）卓乃湖对比分析
卓乃湖又称霍鲁诺尔,地处青海省玉树藏族自治州治多县,空间范围为N35°29′~35°37′,E91°47′~92°07′。邻近地区有较多小型湖泊,湖泊水源来自周围山区（海拔5950 m）的小型河流,出水向东流入库赛湖盆地。
同样,选取包括卓乃湖区域且时相接近的MODIS与Landsat系列影像提取结果进行对比（表3）。图8为MODIS与Landsat提取卓乃湖空间分布对比,其中,红色边界为人工解译Landsat影像（2006年9月7日）的湖泊范围,绿色为以本文合成的MODIS数据（2006年9月）提取的湖泊范围,底图为Landsat影像（2006年9月7日）4、3、2波段真彩色合成影像。由式（3）可知,相对Landsat系列影像人工解译结果,MODIS提取的卓乃湖湖泊面积RMSE约为35.07 km2,占卓乃湖湖泊面积14.64%。通过最小二乘法建立MODIS与Landsat线性关系,由图9可知,两者之间线性拟合度约为0.97。
Tab. 3 Comparison of water area derived from Landsat and MODIS data for Zhuonai lake

表3 MODIS与Landsat提取卓乃湖湖泊面积比较

数据源 时间 面积(km2) 数据源 时间 面积(km2)
Landsat 2000-04-15 254.73 MODIS 2000-04 239.73
2003-10-17 256.11 2003-10 256.04
2005-03-12 255.92 2005-03 242.09
2006-09-07 259.16 2006-09 261.62
2007-07-24 261.89 2007-07 255.18
2010-04-27 264.09 2010-04 258.83
2013-08-09 159.44 2013-08 162.04
Fig. 8 Comparison of spatial distributions derived from Landsat and MODIS data for Zhuonai lake

图8 MODIS与Landsat提取卓乃湖湖泊空间分布对比

Fig. 9 Scatterplot of water area derived from Landsat and MODIS data for Zhuonai lake

图9 MODIS与Landsat提取卓乃湖湖泊面积散点图

根据青藏高原逐年湖泊分布图,本文分析了卓乃湖2000-2013年湖泊湖面变化（图10）。图10(a)中红色部分为提取的2013年水体面积,蓝色边缘是2013年水体较2000年收缩区域,绿色边缘为2010年水体较2000年扩张区域。从图10(b)可看出,2000年卓乃湖的面积为247.07 km2,2013年面积为160.56 km2,整体减少86.51 km2,卓乃湖收缩经历了2个阶段：
Fig. 10 Spatial and temporal changes of Zhuonai lake

图10 卓乃湖水域面积时空变化

① 2000-2011年,除2005年湖泊面积稍减小,卓乃湖的面积平稳地增加了13.95 km2,增长速率约为1.39 km2 a-1。
② 2011-2012年,卓乃湖的面积从261.02 km2骤减到163.78 km2,减少了97.24 km2,到2013年卓乃湖面积减少为160.56 km2,与前一个较稳定阶段相比,卓乃湖的面积从2011年骤减,主要原因为卓乃湖水外溢到库赛湖。此变化趋势和文献[10]中利用Landsat TM/ETM+影像和中国环境与灾害监测预报卫星(HJ1A/B)CCD影像分析结果一致。

3.2 青藏高原2000-2013年湖泊面积逐年变化分析

本文提取了青藏高原2000-2013年的逐年湖泊分布图,图11为青藏高原2012年夏天水域最大合成图,统计可知：青藏高原上面积小于50 km2湖泊居多,且主要分布在青藏高原西北部,面积大于2.5 km2湖泊数目约为782个。
Fig. 11 Composited map representing lakes in the summer for Qinghai-Tibet plateau in 2012

图11 青藏高原地区2012年夏天水域最大合成图

2000-2013年,青藏高原的湖泊面积发生了显著的变化,统计结果如图12所示。图中表明：2000年青藏高原湖泊总面积为37 648.56 km2,14 a来一直持续扩张,到2013年,湖泊总面积增加到44 306.62 km2,增加速率约为490.98 km2 a-1。
Fig. 12 Changes of the total area of lakes in Qinghai-Tibet plateau

图12 青藏高原湖泊总面积变化趋势

3.3 青藏高原2000-2013年湖泊面积逐月变化分析

依据青藏高原2000年3月到2013年9月逐月的青藏高原湖泊分布,为消除季节性对湖泊面积变化的影响,本研究采用最小二乘法建立湖泊面积同一月份不同年份之间的线性关系[23],分析了湖泊面积逐月变化（图13）。分析可知：（1）1-12月份湖泊面积变化率均大于0,表明14 a来湖面在各个季节均存在扩张趋势,除2-4月份以外,其他月份的增加速率均在400 km2 a-1以上,线性拟合度（R2）大于0.79,表现为稳定且持续扩张趋势;（2）2-4月份的扩张趋势较弱（R2小于0.35）。通过分析青藏高原上123个气象站点逐月观测数据,发现2-4月份降雨较少,且气温波动较大。
Fig. 13 Monthly changes of lake area in Qinghai-Tibet plateau from 2000 to 2013

图13 2000至2013年青藏高原湖泊逐月面积变化图

青藏高原湖泊动态变化的影响因素众多：朱大刚等[24]指出,导致湖泊湖面变化的主要因素有气温、降水,以及冰川变化等,并且气温的变化为湖泊变化的直接影响因素;拉巴等[25]基于MODIS影像对色林错湖面面积变化分析指出,气温、地表温度升高导致冰雪融化和冻土层变浅是湖泊上涨的主要原因;吴艳红等[26]通过对纳木错的变化分析,认为升温幅度的增加是冰川加速退缩的根本原因,而且湖面的加速扩张主要是受冰川的加剧退缩导致融水增加的影响,但与该地区降水量略微增加和蒸发量显著减少也具有密切联系。以上研究结果均说明青藏高原湖泊面积的变化与全球气候变化背景下的青藏高原气温、降水、冰川变化存在密切耦合联系。

4 结论

本文将每8 d的MOD09A1反射率数据逐月合成,提出了综合多种水体指数的湖泊提取方法。由于青藏高原地区独特的地理特征,利用活动窗口,DEM数据和时间序列对提取结果进行去噪处理。最后,提取了2000-2013年青藏高原地区的逐月、逐年湖泊分布范围,并选择色林错和卓乃湖2个典型湖泊进行对比验证。将人工解译Landsat系列14景影像与以MODIS反射率数据提取的结果进行对比发现：MODIS提取的色林错湖泊面积RMSE约为141.94 km2,占色林错湖泊面积6.30%,其拟合度约为0.99;卓乃湖湖泊面积RMSE约为35.07 km2,占卓乃湖湖泊面积14.64%,其拟合度约为0.97。同时,通过与相关已发表的研究成果对比,从空间分布和变化趋势等角度对提取结果进行了验证。对湖泊面积变化分析得出：
（1）本文采用的MODIS反射率数据空间分辨率仅为500 m,提取湖泊面积存在一定的误差。另一方面,人工解译Landsat系列影像为具体某时刻水体信息,而MODIS提取为每8 d合成为月的水体信息,两影像数据时相不完全一致也造成一定的验证误差。但是,由于其较高的时间分辨率,MODIS卫星数据用于长时间序列的湖泊面积变化趋势研究,且研究结果与利用Landsat、CBERS、HJ1A/B等高分辨率卫星数据分析结果一致。
（2）2000-2013年,除2009年湖泊面积略微减小,青藏高原湖泊的面积呈现持续扩大趋势,2000年湖泊总面积为37 648.56 km2,14 a湖泊面积总共增加6656.06 km2,增加速率约为490.98 km2 a-1。
（3）经湖泊面积逐月变化趋势分析,发现1-12月份湖泊面积变化率均大于0,表明青藏高原湖泊面积扩张是整体扩张,而非季节性。但其扩张速率随季节变化而不同,2-4月份扩张趋势较弱（R2<0.35）,其余月份呈显著线性增长（R2>0.79）。青藏高原湖泊面积的变化与全球气候变化背景下的青藏高原气温、降水、冰川变化存在密切耦合联系,今后需进一步深入地、定量化地探讨和分析。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Yu G E, Harrison S P.Holocene changes in atmospheric circulation patterns as shown by lake status changes in northern Europe[J]. Boreas, 1995,24(3):260-268.

[2]
秦伯强,施雅风,于革.亚洲内陆湖泊在18kaBP及6kaBP的水位变化及其指示意义[J].科学通报,1997,42(24):2586-2595.

[3]
Houghton J T, Meira F, Callander B A,et al. IPCC. Third assessment report: Climate change: Summary to policymakers[R]. 2002.

[4]
陈平,刘正祥,李彬.浅析小型河湖消亡及其对生态环境的危害[J].国土与自然资源研究,2001(2):52-54.

[5]
姜加虎,黄群.青藏高原湖泊分布特征及与全国湖泊比较[J].水资源保护,2005,20(6):24-27.

[6]
边多,边巴次仁,拉巴,等.1975-2008年西藏色林错湖面变化对气候变化的响应[J].地理学报,2010,65(3):313-319.

[7]
武慧智,姜琦刚,程彬.基于RS和GIS技术青藏高原湖泊动态变化研究[J].世界地质,2007,26(1):66-70.

[8]
闫立娟,齐文.青藏高原湖泊遥感信息提取及湖面动态变化趋势研究[J].地球学报,2012,33(1):65-74.

[9]
贾珅玥,肖鹏峰.基于多时相图谱的青藏高原湖泊变化检测研究[J].国土资源遥感,2009,21(4):78-81,85.

[10]
姚晓军,刘时银,孙美平,等.可可西里地区库赛湖变化及湖水外溢成因[J].地理学报,2012,67(5):689-698.

[11]
刘闯,葛成辉.美国对地观测系统(EOS)中分辨率成像光谱仪(MODIS)遥感数据的特点与应用[J].遥感信息,2000(3):45-48

[12]
丁莉东,吴昊,王长健,等.基于谱间关系的MODIS遥感影像水体提取研究[J].测绘与空间地理信息,2007,29(6):25-27.

[13]
Rundquist D C, Lawson M P, Queen L P, et al.The relationship between summer-season rainfall events and lake-surface area[J]. JAWRA Journal of the American Water Resources Association,1987,23(3):493-508.

[14]
杜云艳,周成虎.水体的遥感信息自动提取方法[J].遥感学报,1998,2(4):264-269.

[15]
Yu J K, Huang Y S, Feng X Z, et al.Study on water bodies extraction and classification from SPOT image[J]. Journal of Remote Sensing, 2001,5(3):214-219.

[16]
Luo Y, Trishchenko A P, Khlopenkov K V.Developing clear-sky, cloud and cloud shadow mask for producing clear-sky composites at 250-meter spatial resolution for the seven MODIS land bands over Canada and North America[J]. Remote Sensing of Environment,2008,112(12):4167-4185.

[17]
McFeeters S K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J]. International journal of remote sensing,1996,17(7):1425-1432.

[18]
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595.

[19]
马丹. 基于MODIS数据的水体提取研究[J].地理空间信息,2008,6(1):25-28.

[20]
Tang B H, Shrestha B, Li Z L, et al. Determination of snow cover from MODIS data for the Tibetan Plateau region[J]. International Journal of Applied Earth Observation and Geoinformation, 2013(21):356-365.

[21]
闵文彬. 长江上游MODIS影像的水体自动提取方法[J].高原气象,2004(23):141-145.

[22]
Feng M, Liu S, Euliss Jr N H, et al. Prototyping an online wetland ecosystem services model using open model sharing standards[J]. Environmental Modelling & Software,2011,26(4):458-468.

[23]
刘爽,宫鹏.2000-2010年中国地表植被绿度变化[J].科学通报,2012,57(16):1423-1434.

[24]
朱大岗,孟宪刚,郑达兴,等.青藏高原近25年来河流、湖泊的变迁及其影响因素[J].地质通报,2007,26(1):22-30.

[25]
拉巴,陈涛,拉巴卓玛,等.基于MODIS影像的色林错湖面积变化及成因[J].气象与环境学报,2011,27(2):69-72.

[26]
吴艳红,朱立平,叶庆华,等.纳木错流域近30年来湖泊—冰川变化对气候的响应[J].地理学报,2007,62(3):301-311.

Options
Outlines

/

〈 〉