常翔宇,蔡 宇,2,柯長青,2*

基于衛(wèi)星測高數(shù)據(jù)的2002～2018年太湖水位變化監(jiān)測

常翔宇1,蔡 宇1,2,柯長青1,2*

(1.南京大學地理與海洋科學學院,江蘇 南京 210023；2.南京大學,自然資源部國土衛(wèi)星遙感應用重點實驗室,江蘇 南京 210023)

針對傳統(tǒng)水位監(jiān)測方法的弊端以及太湖水位變化監(jiān)測的現(xiàn)實需求,基于Envisat和Cryosat-2測高數(shù)據(jù),采用Morlet小波分析、Mann-Kendall檢驗法研究2002年6月～2018年12月近20a的水位以及周期變化,并應用實測數(shù)據(jù)進行精度驗證,從氣象因素和人為影響兩方面分析其不同時間尺度的變化趨勢以及原因.結果表明: Evnisat/RA2L2GDR數(shù)據(jù)和Cryosat-2/SIRAL L2GDR數(shù)據(jù)測量精度較高,與實測水位的季、年尺度相關系數(shù)分別為0.559和0.845,可以進行長時間序列水位變化的監(jiān)測; 多年來太湖平均水位1.379m,最高水位為2016年6月的2.252m,最低水位為2011年10月的0.832m,每年1～4月水位逐漸上漲,在6月前后達到峰值,此后開始下降,在年末出現(xiàn)輕微抬升,且太湖春季水位最高,夏季最低,極差0.041m;在太湖近20a的水位變化中存在10～20個月、15～30個月以及40～60個月3類尺度的周期變化規(guī)律,且40～60個月時間尺度的周期變化最為強烈;以2015年4月份為分界點,在此之前水位呈顯著下降趨勢,此后水位呈上升趨勢,并且在2003年3月與2004年12月水位發(fā)生顯著突變;21世紀前10a太湖水位主要受控于氣象因素,此后人為干預的影響逐漸加劇,使其與自然狀態(tài)呈現(xiàn)出不一樣的規(guī)律.

衛(wèi)星測高；水位變化；Envisat/RA-2；Cryosat-2；太湖

湖泊作為響應氣候變化和人類活動的重要指示器,近年來在全球變暖的背景下,其水位、面積、水量等指標已然成為國內(nèi)外的研究熱點,我國的湖泊也在遭受著面積持續(xù)收縮和數(shù)量減小的問題[1-4].水位是湖泊監(jiān)測的一個重要指標,長期、連續(xù)的水位數(shù)據(jù)可以為流域宏觀調(diào)控、洪澇災害預警等提供有效的專題信息.傳統(tǒng)的水位監(jiān)測方法存在著數(shù)據(jù)共享程度受限、站點在空間上不夠連續(xù)等弊端[5-6],隨著遙感技術的快速發(fā)展,衛(wèi)星測高技術被廣泛應用于水體的水位監(jiān)測中[7-9].

雷達測高是獲取地物高度的常用方法,最初該技術的主要應用是測量海平面高度的變化.全球重復觀測、云層穿透、密集軌道采樣等空間技術的出現(xiàn)大大擴展了其應用領域,并且面積較大的內(nèi)陸河流以及湖泊表面和海洋表面具有相似的反射特性,不會導致不規(guī)則反射的發(fā)生,因此可以達到較高的測量精度[10-12].

2010年4月,歐空局于拜科努爾基地發(fā)射了Cryosat-2衛(wèi)星,與傳統(tǒng)的雷達測高相比,它能夠提供更精細的測高觀測,并且有著更密集的空間采樣,Cryosat-2測高數(shù)據(jù)為提高雷達測高監(jiān)測內(nèi)陸水體的精度開辟了新的可能性.目前,Cryosat-2用于冰蓋、海洋、大面積水域的研究較多,而內(nèi)陸水體長時間水位序列的監(jiān)測研究尚少.太湖作為我國第三大淡水湖,其地方水文管理和監(jiān)測工作已相對成熟,但星載雷達高度計與站點觀測相比可以獲取整個水面的變化信息,并且通過同一高度計獲得的不同湖泊水位基于同一參考系統(tǒng),同時結合相應的氣象、水文資料,可以進一步對當?shù)氐臍夂蜃兓M行反演和預測.

因此,為驗證Cryosat-2衛(wèi)星對我國內(nèi)陸湖泊進行長時間序列監(jiān)測的可行性,本文采用Cryosat-2/ SIRAL L2GDR數(shù)據(jù)同時聯(lián)合Envisat/RA-2L2GDR數(shù)據(jù)研究太湖2002年6月～2018年12月近20a的水位變化,在用實測水位數(shù)據(jù)進行精度驗證的基礎上,利用小波分析從氣象因素和人為影響兩方面分析其不同時間尺度的變化特點及原因,以期為研究我國湖泊的水量平衡以及水資源調(diào)度等方面提供參考.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

太湖位于長江三角洲的南緣,是我國第三大淡水湖,界30°55'40"N～31°32'58"N和119°52'32"E～ 120°36'10"E之間,水域面積2338.1km2,岸線全長393.2km,平均年出湖徑流量為75億m3,蓄水量為44億m3.太湖流域?qū)賮啛釒Ъ撅L氣候,夏季受熱帶海洋氣團影響,高溫多雨,易產(chǎn)生極端降水天氣,冬季受北方高壓氣團控制,溫和干燥.年平均氣溫16～18℃,年累積降水量1100～1500mm,平均水深1.9m,每年4月春雨增加,水位上升,9月后開始下降,11、12月進入枯水期,歷年最高水位為4.62m(瓜徑口站1954年8月25日),最低水位2.17m(瓜徑口站56年2月29日)[13].受副熱帶高壓的影響,春夏之交常出現(xiàn)連綿持續(xù)的梅雨天氣,且個別年份異常持久,易造成洪澇災害.由于2000年以來“引江濟太”等大規(guī)模引水工程對太湖水情產(chǎn)生了重要影響,且2016年6月發(fā)生的超強厄爾尼諾現(xiàn)象使太湖流域發(fā)生了21世紀以來的第一次流域性特大洪水,湖泊水位達1954年以來的第二高.

圖1 太湖測高數(shù)據(jù)分布

圖中圓點代表Cryosat-2在研究期內(nèi)未經(jīng)過篩選和處理的原始足跡點,由于其運行軌道不固定所以數(shù)據(jù)遍布全湖; 左右兩側的三角分別代表RA-2高度計在研究期內(nèi)pass264和pass907的原始足跡點; 五角星代表用來做精度驗證的洞庭西山實測水位站點; 方形代表編號為58358的國家基本氣象站,用來統(tǒng)計蒸發(fā)數(shù)據(jù)

1.2 數(shù)據(jù)來源

1.2.1 Envisat/RA-2測高數(shù)據(jù) Evnisat于2002年3月1日發(fā)射成功,軌道高度為800km,傾角98°,重返周期35d,是ERS-1/2的后續(xù)衛(wèi)星,也是重要的極軌對地觀測系列衛(wèi)星之一.參考橢球為WGS84,大地水準面模型為EGM2008.Envisat Radar Altimeter system (RA-2)是第一個高緯度高度計系統(tǒng),在13.575GHz(“Ku”波段)和3.2GHz(“S”波段)兩個頻率下運行的星下點指向雷達,在1.1s間隔內(nèi)可提供20次距離測量,沿軌采樣率為390m,足跡點直徑1.7km.在Envisat任務計劃的E階段共有6種2級產(chǎn)品,所有產(chǎn)品均包含必要的地球物理改正.為獲取所有地表類型(海洋、冰、海冰等)上的地球物理參數(shù),4種波形重跟蹤算法同時運行,分別為Ocean、Ice-1、Ice-2和Sea-Ice,其中Ice-1算法更適合內(nèi)陸水體提取[14-17].本文采用2002年6月～2010年10月的Envisat/RA-2L2GDR數(shù)據(jù)進行水位變化時間序列前半程的計算,并基于Ice-1算法得到的測距進行數(shù)據(jù)編輯.數(shù)據(jù)由歐空局提供(ESA),下載網(wǎng)址: http: //envisat.esa.int.

1.2.2 Cryosat-2/SIRAL測高數(shù)據(jù) Cryosat-2衛(wèi)星軌道平均高度717km,傾角92°,重返周期為369d并伴有30d的子循環(huán),赤道上的跨軌間距約7km,且軌道不斷移動、軌道間距較小,密集的空間采樣使其可以觀測更多的湖泊.參考橢球為WGS84,并且在陸地和陸地冰區(qū)域采用EGM96大地水準面,在海洋和閉合海域采用基于UCL04模型的平均海平面.其主要荷載為SAR干涉雷達高度計(SIRAL),它是一種單頻ku波段高度計并結合了傳統(tǒng)的脈沖有限雷達、合成孔徑和干涉信號處理器,能夠在3種不同的模式下工作: LRM、SAR和SARIn.在LRM中,單個天線用于發(fā)射和接收雷達信號,此時SIRAL作為一個常規(guī)的星下點指向、脈沖有限的高度計.這意味著雷達足跡點大小取決于壓縮脈沖的長度,典型的Cryosat-2軌道速度為7.4km/s,LRM的脈沖間隔約為500ms,對應2kHz的重復頻率,這確保了返回的回聲是不相關的,并且在730km的高度上有1.65km的足跡點直徑.由于延遲多普勒技術,SAR和SARIn模式的沿軌分辨率可達305m,較小的足跡使這2種模式具有更陡峭的波形前緣和更快的衰減后緣[18],在太湖區(qū)域Cryosat-2采用LRM測量模式,沿軌分辨率為401m.本文采用2011年1月～2018年12月的Cryosat- 2/SIRAL L2GDR數(shù)據(jù)作為時間序列后半程的數(shù)據(jù)源.2級地球物理數(shù)據(jù)記錄包括衛(wèi)星觀測時刻相對參考橢球的高度、地面點的位置和相對于參考橢球的高程,以及在某個特定模式下計算測量高程值所需要的地球物理改正和軌道信息等.數(shù)據(jù)由歐空局提供,下載網(wǎng)址: ftp:// science-pds.cryosat. esa.int/.

1.2.3 實測水位數(shù)據(jù) 驗證數(shù)據(jù)為太湖洞庭西山水位站(31°06′N,120°18′E)的實地測量結果,由江蘇省水文水資源勘測局提供,數(shù)據(jù)格式為2002年6月～2018年12月每月1日、11日、21日當天的平均水位以及每月上、中、下三旬的旬平均水位,參考面為鎮(zhèn)江吳淞基準面.所有水位均已經(jīng)過基面訂正和沉降改正.

1.2.4 氣象數(shù)據(jù) 氣溫與降水數(shù)據(jù)為國家氣象信息中心提供的中國地面氣溫月值0.5°×0.5°格點數(shù)據(jù)集(SURF_CLI_CHN_TEM_MON_GRID_0.5)以及中國地面降水月值0.5°×0.5°格點數(shù)據(jù)集(SURF_ CLI_CHN_PRE_MON_GRID_0.5),數(shù)據(jù)集存儲格式為ARCGSI標準格式,所有數(shù)據(jù)均已經(jīng)交叉驗證,質(zhì)量狀況良好.蒸發(fā)數(shù)據(jù)來自于中國地面氣候資料日值數(shù)據(jù)集(V3.0),數(shù)據(jù)集中1951～2010年數(shù)據(jù)基于地面基礎氣象資料建設項目歸檔的"1951～2010年中國國家級地面站數(shù)據(jù)更正后的月報數(shù)據(jù)文件(A0/A1/A)基礎資料集"研制.2011年1月～2012年5月的數(shù)據(jù)基于各省上報至國家氣象信息中心的地面月報數(shù)據(jù)文件(A文件)研制.2012年6月～2017年12月的數(shù)據(jù)基于國家氣象信息中心實時庫數(shù)據(jù)研制.本文選擇位于太湖東南部編號為58358的國家基本氣象站所測并已經(jīng)過質(zhì)量控制的大型蒸發(fā)量數(shù)據(jù)進行分析.以上數(shù)據(jù)下載地址: http://data.cma. cn/data. html.

1.2.5 水體掩膜數(shù)據(jù) 為盡量避免與湖岸上的足印點混合,用于提取腳點數(shù)據(jù)的湖區(qū)水體掩膜來自國家青藏高原數(shù)據(jù)中心2000年的中國湖泊數(shù)據(jù)集[19],此時湖區(qū)擴張范圍小于研究期(2002～2018年).該數(shù)據(jù)集結合Landsat影像、地形圖,利用半自動水體提取及人工目視檢查編輯,完成了過去50多年來詳細的中國湖泊(>1km2)數(shù)量與面積變化研究[6],下載地址: https://data.tpdc.ac.cn/zh-hans/data.

1.3 波形重跟蹤

由于地面情況的復雜性,許多雷達回波是多峰的或者呈現(xiàn)出不規(guī)則的噪聲,揭示了足跡點中可能存在的多個反射體,如水、植被冠層粗糙的地形等.對于湖泊等水域環(huán)境復雜的內(nèi)陸水面,回波波形不再符合最初用于海面參數(shù)反演的Brown模型,使用波形重跟蹤是通過對波形進行后處理以最佳的定位代表散射表面到高度計之間雙向傳播時間的距離Bin值,從而提升測量精度.

重心偏移法(OCOG)是一種較為穩(wěn)健的基于統(tǒng)計規(guī)律的算法,基本思想是找到每個回波波形的重心,然后利用重心和面積與波形一致的矩形來確定每個波形的振幅和寬度,并以此來確定波形前緣的位置,計算公式如下:

式中:Gc表示波形的重心;A表示振幅;W表示寬度; MLEP表示前緣中點;N為為總閾門數(shù);n為波形開始和結束時需要剔除的采樣點個數(shù);Pi(t)為第i個bin值對應的功率值,通過前緣中點和窗口延遲即可直接改正表面高程.但是該算法在距離窗口最前端的熱噪聲和信號重疊部分會受到影響,最新發(fā)布的基線產(chǎn)品中將OCOG窗口化解決了該問題,被標記為差的數(shù)據(jù)總數(shù)降低了15.14%[20].

CFI重跟蹤算法是以二進制庫的形式提供,ESA數(shù)據(jù)處理文檔中并未給出重跟蹤器所執(zhí)行功能適配的詳細信息,這使得潛在的演變和閾值調(diào)整變得困難,但是在Baseline C中新增了一個處理步驟,即對原始波形進行過濾:如果測試的第一個bin已經(jīng)高過了預設的重跟蹤功率,則記錄被標記為bad并且將重跟蹤點的偏移輸出為0(bin 64),這個操作使得1.05%的差數(shù)據(jù)被過濾掉從而提升了總體質(zhì)量[21].

UCL Land-Ice是一種基于數(shù)學物理模型的重跟蹤算法,其目的是提出一種能夠替代CFI算法并且能夠進行調(diào)優(yōu)和進一步開發(fā)以提高測高精度.該算法遵循將Brown模型擬合到LRM回波波形的典型方程.

南極洲東部的平坦地區(qū)的測試結果顯示對于陸地冰,CFI算法有-0.29m的平均誤差和7.79m的標準差,而UCL算法的對應值分別為-0.11和3.15m,并且被標記為差的數(shù)據(jù)記錄減少了5.59%[22],數(shù)據(jù)表明后者的精度確實有一定程度的改善.

1.4 衛(wèi)星測高數(shù)據(jù)處理

星載雷達測高儀向地面發(fā)射高頻信號并接收由表面反射的回波(即波形),衛(wèi)星位置可以通過定位系統(tǒng)如DORIS準確測得.依據(jù)波形理論精確分析出脈沖的往返時間,即可推求衛(wèi)星相對于地球表面的距離.然而在實際測量中觀測值受多種因素的影響,如大氣中顆?；覊m、水分子以及電離層電子的影響而產(chǎn)生散射、折射等現(xiàn)象;衛(wèi)星的精確定軌以及海浪、潮汐等自然現(xiàn)象均會使測量產(chǎn)生偏差.為獲得精確的結果,對誤差源的分析與改正至關重要.以Envisat/RA-2測高數(shù)據(jù)為例,具體計算公式為:

式中:為地球表面相對于參考橢球面的高度;為衛(wèi)星到參考橢球面的高度;為衛(wèi)星到地球表面的距離;D為各項誤差改正;geoid為大地水準面的高度.由于內(nèi)陸湖泊相對于海洋面積較小,環(huán)境因素相對簡單,過境軌道也較為稀疏,因此不能完全將海洋的處理模式應用于湖泊,式(5)中的誤差修正主要為:

式中:wet為濕對流層改正;dry為干對流層改正;ion為電離層改正;inv為逆氣壓改正;sol為固體潮改正;pol為極潮改正.Cryosat-2測高數(shù)據(jù)的計算公式與公式(5)類似,不同的是其數(shù)據(jù)集中直接提供了測量點的大地高,并且已應用了各種地球物理改正,只需將不需要的改正項從D中減去即可,只保留以上6種.在本文的研究中,對GDR數(shù)據(jù)采用以下的編輯準則:(1)讀取Cryosat-2與Evnisat原始測高數(shù)據(jù),以Ascii格式輸出星下點的經(jīng)緯度、測距、衛(wèi)星高度、大地水準面高度以及各項誤差改正;(2)根據(jù)retracking_ice1_ qual_20_ku、trkr_1_quality等數(shù)據(jù)質(zhì)量標識保證系統(tǒng)處理過程有效; (3)根據(jù)surf_class_20和surf_ type_flags控制星下點的地表類型,前者為2時代表陸地水體,后者為1時代表閉合海域即湖泊,并根據(jù)湖泊邊界將數(shù)據(jù)限制在研究區(qū)范圍內(nèi); (4)為盡量避免雷達回波脈沖受到湖岸與陸地連接處的地形影響,設置3倍足印點直徑的緩沖區(qū),將湖泊邊界向內(nèi)縮小,剔除受地形影響較大的點,并根據(jù)表1將各項誤差改正控制在有效范圍內(nèi),超出范圍的改正項則不予采用; (5)對所有20Hz的水位觀測點,先目視解譯剔除明顯異常值,其次對于Cryosat-2/ SIRAL L2GDR數(shù)據(jù)以月為單位剔除大于3倍標準差的點,最終確保在年尺度和多年范圍內(nèi)其數(shù)據(jù)均分布在3倍標準差以內(nèi);對于Evnisat/RA-2L2GDR數(shù)據(jù)由于數(shù)據(jù)量較少,以年為單位剔除大于1倍標準差的點,再對所有數(shù)據(jù)剔除大于3倍標準差的點.數(shù)據(jù)編輯前后的分布對比見圖3,以Envisat過境的pass264和pass907以及Cryosat-2在2016年的過境全部數(shù)據(jù)進行說明:在處理前兩種測高數(shù)據(jù)均存在極端異常值,且分布范圍廣,偏差較大,處理后數(shù)據(jù)質(zhì)量得到了顯著提高,并且在保留數(shù)據(jù)真實性的同時分布更為集中;(6)對所有水位數(shù)據(jù)進行高斯濾波去除噪聲,選用濾波窗口為半年[23];(7)將每一軌道的數(shù)據(jù)按月取平均得到月平均水位,按年取平均得到年平均水位.

圖3 數(shù)據(jù)編輯前后對比

表1 地球物理改正數(shù)值標準

對于個別缺失的數(shù)據(jù),采用最大期望算法(EM)進行數(shù)據(jù)插補.EM法是一種通過迭代進行極大似然估計的優(yōu)化算法,用于對包含因變量或缺失數(shù)據(jù)的概率模型進行參數(shù)估計,此方法假設一個部分缺失數(shù)據(jù)的分布并基于此分布下的可能性進行推論,E步驟查找缺失數(shù)據(jù)的條件期望,M步驟計算參數(shù)的最大似然估計值.

1.5 測高數(shù)據(jù)融合與轉(zhuǎn)換

為驗證測高數(shù)據(jù)融合的可行性,選擇兩衛(wèi)星在公共監(jiān)測時段的結果進行對比評價.

Cryosat-2/SIRAL于2010年4月發(fā)射,其Level2GDR產(chǎn)品在2010年僅12月存在一條數(shù)據(jù),且未經(jīng)過太湖;為了確保額外的3a壽命,Envisat衛(wèi)星于2010年10月22日移動到一個新的較低軌道,重復周期也發(fā)生變化,因此為盡量降低系統(tǒng)誤差,僅選擇兩衛(wèi)星在2011年1～6月的太湖過境數(shù)據(jù)進行分析,由圖4(a)可知,過境軌道均分布在太湖中部.按數(shù)據(jù)編輯方法處理后作距平計算,得到月平均水位變化見圖4(b),可以看出兩衛(wèi)星的水位波動較為一致,最高水位均出現(xiàn)在6月,整體上呈先下降再上升的趨勢,半年來的累積平均差值僅0.004m,Envisat和Cryosat-2與實測水位變化的相關性分別為0.840,0.594,均方根誤差為0.100, 0.135m,因此具有時間序列合成的可行性.

由于2種衛(wèi)星觀測結果與實測水位所采用的參考基準不同,因此在進行后續(xù)分析前需要對其高程系統(tǒng)進行轉(zhuǎn)換,為進行絕對精度驗證并且使本文的研究更具有普遍意義,以我國目前統(tǒng)一采用的85黃海高程為基準.對于Cryosat-2測高數(shù)據(jù),它以WGS84參考橢球面為基準,并且在太湖區(qū)域采用了EGM96大地水準面模型,本文所得初步的水位結果為WGS84坐標系下的正高.進行高程轉(zhuǎn)換時,首先根據(jù)江蘇省水文局提供的轉(zhuǎn)換常數(shù),將實測水位數(shù)據(jù)減去1.850m得到太湖水位的85高程值; 其次根據(jù)郭海容等2004年的研究結果[24]:1985國家高程基準點與WGS84定義的似大地水準面之間有0.357m的垂直偏差,將Cryosat-2測高數(shù)據(jù)加上0.357m得到其85高程值; 對于Envisat測高數(shù)據(jù),采用WGS84參考系統(tǒng)與EGM2008大地水準面模型,本文將計算所得的正高直接采用求多年(即2002年6月～2010年10月)間所有數(shù)據(jù)與實測水位平均差值(0.248m)的方法將其變換到與85高程相同的水準面上[25].

2 結果

2.1 測高數(shù)據(jù)精度驗證與誤差分析

2.1.1 精度驗證 選取以實測站點為中心15km以內(nèi)的且過境日期在實測當日的前后一天內(nèi)的足跡點進行精度驗證,3種算法的有效觀測對數(shù)分別為5、9、13.從圖5可得知: 在Cryosat-2的3種重跟蹤算法中,Refined CFI算法由于數(shù)據(jù)利用率較低,樣本數(shù)目較少,缺乏參考價值,且在整體時間序列內(nèi)未通過顯著性檢驗; 如表2所示,UCL算法的相關系數(shù)為0.686,最小絕對差值為0.007m; Refined OCOG算法對實測水位變化擬合效果最好,相關系數(shù)為0.881,平均絕對誤差為0.328.

圖5 Refined CFI(a)、UCL(b)、Refined OCOG(c)與實測水位相關性

表2 測高數(shù)據(jù)與實測水位比較統(tǒng)計

2.1.2 誤差分析 3種算法的平均絕對誤差均為0.3m左右,說明在經(jīng)過參考系統(tǒng)轉(zhuǎn)換后仍存在一定的系統(tǒng)誤差,即基于WGS84橢球的大地高和基于85水準原點的正常高,在通過轉(zhuǎn)換常數(shù)進行計算之后,2個系統(tǒng)之間的差距,原因之一是似大地水準面是重力的等位面,不同區(qū)域的差異明顯,如果能夠進行GPS水準聯(lián)測,對太湖流域地形進行曲面擬合進而得到高精度的高程異常值,然后應用于測高數(shù)據(jù),平均誤差則會更低; 原因之二是85水準原點和鎮(zhèn)江吳淞基準面的垂直偏差在傳遞到實測站點處存在高程誤差的積累,僅用轉(zhuǎn)換常數(shù)并不能代表真實的差距,即實測水位值不能完全等同于真值.對全湖面的測高數(shù)據(jù)按季和年尺度取平均值,再次與水位站點進行比較,圖6(a)表明二者季尺度的相關系數(shù)為0.559,相比于僅選取水位站周圍的足跡點驗證得到的0.881降低了0.322,考慮存在以下影響因素: 首先太湖水域面積2338.1km2,環(huán)湖共13座水位站,受大地沉降、地球自轉(zhuǎn)等影響不同站點所得實測水位必然有所不同,有時高達10～30cm[26],由于數(shù)據(jù)獲取有限,本文采用洞庭西山單站所測數(shù)據(jù)來代表湖面平均水位存在一定區(qū)域性誤差; 其次,衛(wèi)星和站點獲取數(shù)據(jù)的時間、空間尺度都有所不同,衛(wèi)星通過傳感器獲取的水位通常時間上集中在某幾天并且空間上分布范圍廣,且由于較大的足跡點直徑,湖面瞬時水位會受到波浪、湖面粗糙度等物理參數(shù)的影響,而水位站則是持續(xù)對某一點進行觀測,不可避免存在一定差異.再次,不同的重跟蹤算法在不同季節(jié)的適用性也有所差別,前人研究指出[27],OCOG算法在春夏兩季有最低的均方根誤差,而秋冬兩季的RMSE相比于最佳的算法分別高出0.078和0.043,但綜合多個指標來看OCOG算法仍為最優(yōu).最后,采用多天的水位均值作為月平均水位欠缺一定的代表性,而獲取的實測水位數(shù)據(jù)僅有每月上、中、下三旬旬初當天的結果,所以二者在時間匹配上存在一定的不確定性.圖6(b)表明在年尺度上二者的相關系數(shù)為0.845,這也突出了遙感技術在進行長時間跨度上監(jiān)測的優(yōu)勢,結果也更為可信.

圖6 測高數(shù)據(jù)與實測水位季(a)、年(b)尺度相關性

2.2 太湖水位變化分析

利用最佳重跟蹤算法即Refined OCOG提取太湖2011～2018年的水位,并將其與Envisat/RA2GDR產(chǎn)品中Ice-1算法提取的2002～2010年水位相結合從而獲得2002～2018年近20a的水位時間序列.由于采用20Hz的瞬時水位代替月平均水位存在一定的誤差,同時受湖泊表面波浪、風速等環(huán)境因素的影響,測高數(shù)據(jù)的波動較大,存在一定的噪聲,這種現(xiàn)象在高斯濾波后得到緩解,并且與實測水位波動趨于一致.盡管Cryosat-2和Envisat過境時間與軌道并不相同,其重疊時段水位的平均差值僅為0.004m(圖4b),星間差異對多年水位變化趨勢的影響可以忽略不計.由圖7(a)可以看出,多年來,太湖最高水位為2.252m,出現(xiàn)在2016年6月,最低水位為0.832m,出現(xiàn)在2011年10月,每年1～4月水位逐漸上漲,在6月前后達到峰值,此后開始下降,在年末出現(xiàn)輕微抬升.太湖位于中緯度地區(qū),屬濕潤的北亞熱帶氣候,每年3～5月為春,6～8月為夏,9～11月為秋,12月～次年2月為冬.圖7(b)為4個季節(jié)濾波后的水位結果:在2011年以前四季水位變化較為混亂,2011年以后呈現(xiàn)出一定的規(guī)律性,一般情況下太湖春季水位最高,多年平均為1.391m,其次為冬季,平均水位1.390m,秋季平均水位為1.381m,夏季最低,平均水位1.350m;四季的最高水位均出現(xiàn)在2016年,為夏季的1.989m,最低水位除春季外均出現(xiàn)在2011年,為秋季的0.888m.

由圖7(c)可知,太湖在2002～2011年整體變化較為平緩且稍有下降,年際差距不大,此后呈波動上升趨勢,2016年達到峰值,年平均水位1.838m,年最低、最高水位分別為1.477與2.252m,2011年為最低水位年,平均水位1.019m,極差0.819m.經(jīng)比較發(fā)現(xiàn),一般年份秋冬兩季水位較高,而2016年春夏兩季的高水位使得該年份平均水位偏高,2011年四季的低水位導致該年整體水位偏低,并且2011年以前太湖水位受秋冬兩季的主導,此后為春夏兩季主導.

圖中陰影區(qū)域為各數(shù)據(jù)序列的正負1倍標準差

2.3 小波分析與M-K突變檢驗結果

圖8 太湖水位變化的小波分析結果

采用小波分析對太湖水位變化序列進行分解,從圖8(a)中可以看出存在的多時間尺度特征,整體來看,在太湖近20a的水位變化序列中存在10～20個月、15～30個月以及40～60個月3類尺度的周期變化規(guī)律,在40～60個月尺度上出現(xiàn)了4次的交替震蕩過程,且在2007年開始表現(xiàn)穩(wěn)定,預計在2019年后仍會延續(xù)這樣的周期變換.圖8(b)中的小波系數(shù)模值越大,表明該尺度所對應時段的周期性越強,可以得到: 在太湖水位變化過程中,40～60個月時間尺度的周期變化最為強烈,時間跨度也為最廣; 15～30個月尺度的周期變化次之,且僅在2012年后具有較為穩(wěn)定的能量輸出,其他時間尺度的周期性變化不明顯.圖8(c)能夠反映時間序列的波動能量隨尺度的分布情況,可以看到曲線存在5個較為明顯的峰值,最大峰值對應著56個月的尺度,為太湖水位變化的第一主周期; 26個月的尺度對應第二峰值,為水位變化的第二主周期,第三、四、五周期依次對應著19、14、8個月的時間尺度,說明上述5個周期的波動控制著水位在整個時間域內(nèi)的變化特征.根據(jù)小波方差的分析結果繪制出第一、第二主周期的小波系數(shù)見圖8(d),在56個月的時間尺度上水位變化平均周期為3a左右,大約經(jīng)歷了5次豐-枯轉(zhuǎn)換,而在26個月的時間尺度上平均周期為2.5a左右,大約經(jīng)歷了9次豐-枯轉(zhuǎn)換.

圖9 太湖水位M-K突變檢驗結果

M-K突變檢驗的結果如圖9所示,Sig0.05代表95%信度檢驗線.從UF曲線可以看出,以2015年4月份為分界點,在此之前除2002年12月外,UF值都小于0,說明水位呈下降趨勢,且2004年6月～2012年12月之間下降趨勢顯著; 2015年4月份之后UF值均大于0,說明水位呈上升趨勢,且2015年12月之后上升趨勢顯著.進一步觀察UF與UB曲線共有4個交點,第一、二交點分別位于2002年9月與2003年3月且在臨界直線之間,說明此時水位發(fā)生顯著突變,直至2004年12月與2006年6月發(fā)生第三、第四次突變,但突變不顯著.

為進一步確認突變點的準確性,采用滑動檢驗對4個突變時刻進行相互驗證.滑動檢驗是通過考察2組樣本平均值的差異是否顯著來檢驗突變,若兩段子序列的均值差異(統(tǒng)計量)超過給定顯著性水平則認為有突變發(fā)生,具體統(tǒng)計見表3.

表3 滑動t檢驗結果

由表3可知,2003年3月與2004年12月的t統(tǒng)計量均大于臨界值,認為該月份有突變發(fā)生,其余月份則無突變.根據(jù)衛(wèi)星測高結果,2003年3月平均水位1.341m,為時間序列開始以來的最低值,前后一年內(nèi)水位差值0.152m,此前水位下降較為迅速,此后經(jīng)歷了一個季度的平水期接著繼續(xù)下降,該年降水量僅70.1mm,屬于枯水年份,汛期雨量比常年偏少40%[28],流域水資源總量比常年減少66.8億m3,在尚未受人為干預較大的影響下較低的降水直接導致流域入湖徑流量的減少,河網(wǎng)調(diào)蓄作用減弱,水位下降; 2004年12月平均水位1.277m,在此前后2a平均水位差值達0.163m,為除2016年以外的最高值,并且水位開始在小范圍頻繁波動,從該年起引江濟太工程長效運行,通過引排水達到保障流域供水安全、改善太湖以及河網(wǎng)水環(huán)境的目的,使得水位受極端氣象條件的影響減弱[29].此外,拓浚入江水道等水利工程則緩解了太湖高水位上升的趨勢.

3 討論

3.1 水位變化與氣象因素的關系

本文所用氣溫與降水數(shù)據(jù)為水平分辨率0.5°× 0.5°的格點數(shù)據(jù)集,因此首先創(chuàng)建中國區(qū)域的地理格網(wǎng),分辨率與氣象數(shù)據(jù)保持一致,將每一網(wǎng)格的中心與插值后的氣象數(shù)據(jù)對應起來,再根據(jù)太湖邊界的矢量文件選取研究區(qū)域內(nèi)的數(shù)據(jù)求平均值作為當月的值,蒸發(fā)數(shù)據(jù)則直接采用東太湖國家基本氣象站大型蒸發(fā)皿所測且經(jīng)質(zhì)量控制為正確的蒸發(fā)量,各氣象數(shù)據(jù)隨水位的變化見圖10,其中降水-蒸發(fā)經(jīng)過歸一化處理統(tǒng)一到相同尺度.

圖10 年平均水位與氣溫、降水和蒸發(fā)變化趨勢

多年來氣溫、降水和水位表現(xiàn)了總體升高的趨勢(0.046℃/a、4.143mm/a和0.014m/a),蒸發(fā)則變化不明顯,水位在2003～2011年呈0.331m/a下降趨勢,2011～2018年呈0.069m/a上升趨勢.太湖流域河網(wǎng)眾多,降水和徑流是湖泊的主要補給來源.在2016年的超高氣溫、較高蒸發(fā)條件下,高于多年平均42.8mm的降水直接導致了特大洪水的發(fā)生,該年降水位列1951年來的第一位,可見當降水量過大時對水位會有直接影響,同時易形成流失較快的地面徑流,產(chǎn)生洪澇災害.此外,氣候變化不僅會直接影響湖泊水位,其對流域徑流輸入的影響也會間接作用于湖泊水位.例如2003年為降水的最低值,僅有70.1mm,該年10月降水僅有0.4mm,在這樣的條件下該年水位仍高于平均值0.143m,主要是由于夏季流域降水通過徑流補給對湖泊水位的影響存在一定的滯后效應,長期穩(wěn)定的降水對水位影響更為明顯[30].同時由于氣溫較低,蒸發(fā)效應有一定程度減弱,當月蒸發(fā)量為5月以來的最小值,僅0.3mm,使湖泊水量的損失降低,導致當月水位處于偏高狀態(tài).

年降水-蒸發(fā)在2003～2007年顯示為負值且顯著下降,由此導致的水量虧損會呈現(xiàn)在下一年的水位,如2005年的極小值導致2006年的水位迅速下降,2006年正的降水-蒸發(fā)加之此前4a持續(xù)升高的降水使得2007年的水位上升了0.110m,在陸琛莉?qū)Νh(huán)太湖地區(qū)汛期降水量的研究中有相似的結論[31]. 2010年的降水-蒸發(fā)為多年以來的極大值,而2011年的水位則低于多年平均值0.337m,氣溫與往年基本持平,雖然降水較常年僅偏少6%,但該年汛前降水量為1951年有降雨系列資料以來同期降水量最低的年份,導致該年太湖流域遭受60a以來最嚴重的氣象干旱,從2003年以來太湖水位一直處于偏枯狀態(tài),極端的氣象條件更加劇了這種狀態(tài),地區(qū)河網(wǎng)水位普遍偏低,導致入湖徑流量和蓄水量大幅降低,進而間接導致水位下降,出湖水量也相對減少,據(jù)資料統(tǒng)計: 該年環(huán)太湖入湖和出湖水量較2010年減少10.01和15.06億m3[32].

由圖11可知: 1～5月,氣溫與降水均隨著時間的推移不斷升高,由于氣溫較低,蒸發(fā)影響較弱,冬季降水的累積使得水位不斷上升,在3月達到第一個峰值1.463m,稍有下降后于6月迎來極大值1.482m,此時降水量也為整年最高; 隨著氣溫持續(xù)的升高,降水保持在高水平的前提下,水位開始下降,除蒸發(fā)增多原因以外,人為的排水引流也是重要的影響因素.氣溫對水位的影響則更多的是年內(nèi)極端高溫與少雨天氣對當月的水位產(chǎn)生短期下降[33],2013年太湖流域出現(xiàn)大范圍持續(xù)高溫少雨天氣導致該年常熟水利樞紐與望亭水利樞紐引水啟動時間提前,一直持續(xù)到10月5日,該年的最高水位也推遲到10月份出現(xiàn)[34].

3.2 人類活動對水位的影響

選用每年汛期經(jīng)過距平與標準化處理后的數(shù)據(jù)進行Wilcoxon秩和檢驗,結果見表4.對于氣溫和降水,雖然Z值的伴隨概率均大于0.05,肯定水位變化在統(tǒng)計學意義上與二者均有關聯(lián),但 Pearson相關分析表明其相關系數(shù)并不高(0.488與-0.520),這與人類活動的影響密切相關,大型的水利工程和高度的城市化使得水位對自然因素的響應發(fā)生改變.

工程調(diào)度是影響太湖環(huán)湖出入水量變化的重要因子,而出入湖水量變化則直接影響太湖水量平衡和水位[35].工程調(diào)度主要包括“引江濟太”調(diào)度、沿江門口引排水調(diào)度、圩區(qū)使用以及各地區(qū)閘泵運行等.在2011年極端干旱年太湖流域管理局在國家防控總局和水利部的有關指示下組織流域兩省一市首次實施跨年度調(diào)水,望虞河常熟水利樞紐全年累積引水31.8億m3,望亭水利樞紐累積入湖水量16.1億m3,且該年引水集中在1～6月與11～12月,排水集中在7～10月,無論是河網(wǎng)調(diào)蓄還是水庫蓄水汛初較年初均有下降使得太湖水量得到補充,非汛期的低水位得以與往年基本持平且全年大部分時間處于防洪控制水位以下,工程調(diào)度成效顯著,確保了大旱之年無大災[26].2016年特大洪水期間,5月份水位首次突破2m,5～7月和9月降水偏多25%～208%,而從6月的2.252m開始水位逐漸回落,并且即便經(jīng)歷了秋汛后水位也并未超過2m,主要原因是沿長江口門除汛前引水量大于排水量外其余時段排水量均大于引水量,汛期排水量占全年66%,且引江濟太工程全年引水期不足2個月,太湖年末蓄水量較年初減少3.066億m3,而在1991年大洪水期間,由于太湖環(huán)湖大堤質(zhì)量欠佳,抵御洪水能力弱,且下游河道工程尚未完工,宣泄的供水給蘇錫常地區(qū)帶來了嚴重災害[36],全流域洪水期經(jīng)濟損失占當年GDP的6.8%,而2016年隨著治太骨干工程全面建成,該年洪澇災害造成全流域經(jīng)濟損失僅占當年GDP的0.12%[37],基本實現(xiàn)了大汛無大災.

表4 雙變量Wilcoxon檢驗結果

太流域位于長江中下游經(jīng)濟帶,工農(nóng)業(yè)活動頻繁,人口眾多,故用于生產(chǎn)和人類生活的用水量也較大.根據(jù)《太湖流域及東南諸河水資源公報》中的統(tǒng)計數(shù)據(jù)[38],2018年太湖流域用水量342.9億m3,其中生活用水占9.5%,生產(chǎn)用水占89.9%,高出東南諸河38.4億立方米,近15a用水量以每年2.440億m3的速度增長,在2003～2009年流域內(nèi)降水普遍較低的情況下人類用水仍維持在較高水平,加劇了世紀初期水位的下降,即使在2011年后降水迅速增加的情況下水位仍僅有緩慢上升的趨勢.

此外,土地利用變化以及河網(wǎng)水系形態(tài)結構的變化造成產(chǎn)水量的增加會加劇太湖水位年內(nèi)的上升趨勢.快速城市化后所引起的建設用地的增加使得相當一部分透水性的地面變成不透水層從而增大了徑流系數(shù).文獻[39]中提到采用1980～2000年的雨情模擬土地利用的產(chǎn)流差異結果表明土地利用變化導致的產(chǎn)流差異平均增加7×108m3,其中上游入湖量的增加相當于水位增高8.9cm.在李恒鵬等人的研究中也指出城鎮(zhèn)擴張較為迅速的湖西區(qū)(4.3%)產(chǎn)流量增加的比例高于全流域2.92%,對太湖上游水位影響較大,進而通過流域河網(wǎng)抬升了整體的水位[40].此外,河網(wǎng)水系的快速衰減從整體上降低了流域的調(diào)蓄能力,汛期的水位變化規(guī)律相對明顯,非汛期的表現(xiàn)則出現(xiàn)一定的不確定性,這也解釋了圖7(b)在2011年前后主導水位變化的季節(jié)的多變[41].因此積極靈活的人為控制使得太湖水位變化與在自然狀態(tài)下呈現(xiàn)出了不一樣的規(guī)律,21世紀前10a水位主要受控于氣象因素,此后人為干預的影響逐漸加劇,在極端水位年受降水影響較大,而在平水年和枯水年太湖水位更多的依靠河網(wǎng)調(diào)蓄及流域引排水.

4 結論

4.1 Envisat與Cryosat-2在對太湖水位變化監(jiān)測的公共時段測量精度分別為0.100與0.135m,具有時間序列合成的可行性.在Cryosat-2/SIRAL L2GDR產(chǎn)品中的3種重跟蹤算法中,Refined OCOG算法與實測水位最為相關,多年汛期內(nèi)月尺度的相關系數(shù)為0.491,季尺度為0.559,年尺度可達0.845.

4.2 多年來,太湖最高水位為2016年6月的2.252m,最低水位為2011年10月的0.832m,每年1～4月水位逐漸上漲,在6月前后達到峰值,此后開始下降,在年末出現(xiàn)輕微抬升;一般情況下太湖春季水位最高,季節(jié)平均水位1.391m,冬季其次,秋季再次,夏季最低,極差0.041m;2016年為太湖的最高水位年,年平均水位1.838m,年最高水位達到2.252m,2011年為最低水位年,年平均水位1.019m,年最低水位0.832m.

4.3 在太湖近20a的水位變化序列中存在10～20個月、15～30個月以及40～60個月3類尺度的周期變化規(guī)律,且40～60個月時間尺度的周期變化最為強烈,時間跨度也為最廣; 15～30個月尺度的周期變化次之,且僅在2012年后具有較為穩(wěn)定的能量輸出,其他時間尺度的周期性變化不明顯; 56個月的尺度為太湖水位變化的第1主周期; 26個月的尺度為水位變化的第2主周期.

4.4 以2015年4月份為分界點,在此之前水位整體呈下降趨勢,且2004年6月～2012年12月之間下降趨勢顯著; 此后水位呈上升趨勢,且2015年12月之后上升趨勢顯著; 兩種突變檢驗方法的交互驗證表明第1次顯著的水位突變發(fā)生在2003年3月,第2次為2004年12月,其余時刻無顯著突變.

4.5 積極靈活的人為控制使得太湖水位變化與自然狀態(tài)下呈現(xiàn)出不同的規(guī)律,21世紀前10a水位主要受控于氣象因素,此后人為干預的影響逐漸加劇,在極端水位年受降水影響較大,而在平水年和枯水年太湖水位更多的依靠河網(wǎng)調(diào)蓄及流域引排水.

[1] Bonter D N, Sidney J R, Donovan T M. Characteristics of important stopover locations for migrating birds: remote sensing with radar in the Great Lakes basin [J]. Conservation Biology, 2009,23(2):440-448.

[2] Ke H L. Modeling and analysis of lake water storage changes on the Tibetan Plateau using multi-mission satellite data [J]. Remote Sensing of Environment, 2013,135:25-35.

[3] 張國慶, XIE HongJie,姚檀棟,等.基于ICESat和Landsat的中國十大湖泊水量平衡估算 [J]. 科學通報, 2013,(26):2664-2678.

Zhang G Q, Xie H J, Yao T D, et al. Water balance estimation of ten greatest lakes in China using ICESat and Landsat data [J]. Chin. Sci. Bull., 2013, 58:3815-3829.

[4] Ma R. A half-century of changes in China's lakes: global warming or human influence? [J]. Geophysical Research Letters, 2010,37: L24106.

[5] 文京川,趙紅莉,蔣云鐘,等.衛(wèi)星測高數(shù)據(jù)篩選方法研究——以Jason-3數(shù)據(jù)和洪澤湖為例 [J]. 南水北調(diào)與水利科技, 2018,16(3):8.

Wen J C, Zhao H L, Jiang Y Z, et al. Research on the quality screening method for satellite altimetry data-take Jason-3data and Hongze Lake as an example [J]. South-to-North Water Transfers and Water Science & Technology, 2018,16(3):194-200,208.

[6] Zhang G, Yao T, Chen W, et al. Regional differences of lake evolution across China during 1960s-2015 and its natural and anthropogenic causes [J]. Remote Sensing of Environment, 2018,221:386-404.

[7] 姜衛(wèi)平,褚永海,李建成,等.利用ENVISAT測高數(shù)據(jù)監(jiān)測青海湖水位變化 [J]. 武漢大學學報(信息科學版), 2018,33(1):64-67.

Jiang W P, Chu Y H, Li J C, et al. Water level variation of Qinghai Lake from altimetric data [J]. Geomatics and Information Science of Wuhan University, 2018,33(1):64-67.

[8] J F Crétaux, Birkett C. Lake studies from satellite radar altimetry [J]. Comptes Rendus Geoscience, 2006,338(14/15):1098-1112.

[9] Lee H, Shum C K, Yuchan Y I, et al. Louisiana wetland water level monitoring using retracked TOPEX/POSEIDON altimetry [J]. Marine Geodesy, 2009,32(3):284-302.

[10] 吳紅波.基于星載雷達測高資料估計博斯騰湖水位-水量變化研究[J]. 水資源與水工程學報, 2019,30(3):9-17.

Wu H B. Studies on changes in water level and storage of Bosten Lake based on satellite-borne radar altimetry data [J]. Journal of Water Resources & Water Engineering, 2019,30(3):9-17.

[11] Berry P, Garlick J D, Freeman J A, et al. Global inland water monitoring from multi-mission altimetry [J]. Geophysical Research Letters, 2005,32(16):101-120.

[12] Crétaux J F, Jelinski W, Calmant S, 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.

[13] 江蘇省地方志編纂委員會.江蘇省志第二卷:地理志 [M]. 南京:江蘇古籍出版社, 1999.

Jiangsu Provincial Local Records Compilation Committee. Geography of Jiangsu province [M]. Nanjing: Jiangsu Ancient Books Publishing House, 1999.

[14] Abdollah A J, John N C, Kasper J, et al. Evaluation of multiple satellite altimetry data for studying inland water bodies and river floods [J]. Journal of Hydrology, 2013,505(22):78-90.

[15] Frappart F, Calmant S, M Cauhopé, 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.

[16] Medina C E, Gomez-Enri J, Alonso J J, et al. Water level fluctuations derived from ENVISAT Radar Altimeter (RA-2) and in-situ measurements in a subtropical waterbody: Lake Izabal (Guatemala) [J]. Remote Sensing of Environment, 2008,112(9):3604-3617.

[17] Lopes L G, Zahiri E P. Envisat radar altimetry-derived water level variations in the Koliba-Corubal River basin, West Africa [Z]. 2017.

[18] Raney R Keith. The delay/doppler radar altimeter [J]. IEEE Transactions on Geoscience & Remote Sensing, 1998,36(5):1578– 1588.

[19] 張國慶.中國湖泊數(shù)據(jù)集(1960s-2015) [Z]. 國家青藏高原數(shù)據(jù)中心, 2019.

Zhang G Q. China lake dataset (1960s-2015) [Z]. National Tibetan Plateau Data Center, 2019.

[20] Labroue S, Ablain M, Urvoy M, et al. Global data quality assessment of the CryoSat-2 altimetric system over ocean [Z]. Esa Special Publication, ESA Special Publication, 2011.

[21] Bouffard J. CRYOSAT -2 level 2 product evolutions and quality improvements in baseline C [J/OL]. ESA. 8-11[2016-04-12]. https://earth.esa.int/web/guest/document-library/browse-document-library/-/article/cryosat-level-2-product-evolutions-and-quality-improvements-in-baseline-c.

[22] Bouffard J, Webb E, Scagliola M, et al. CryoSat instrument performance and ice product quality status [J]. Advances in Space Research, 2017,62(6):1526-1548.

[23] 高永剛,郭金運,岳建平.衛(wèi)星測高在陸地湖泊水位變化監(jiān)測中的應用 [J]. 測繪科學, 2008,33(6):73-75.

Gao Y G, Guo J Y, Yue J P. Lake level variations measurement with satellite altimetry [J]. Science of Surverying and Mapping, 2008,33(6): 73-75.

[24] 郭海榮,焦文海,楊元喜.1985國家高程基準與全球似大地水準面之間的系統(tǒng)差及其分布規(guī)律 [J]. 測繪學報, 2004,33(2):100-104.

Guo H R, Jiao W H, Yang Y X. The systematic difference and its distribution between the 1985 national height datum and the global quasigeoid [J]. Acta Geodaetica et Cartographoca Sinica, 2004,33(2): 100-104.

[25] 趙云,廖靜娟,沈國狀,等.衛(wèi)星測高數(shù)據(jù)監(jiān)測青海湖水位變化 [J]. 遙感學報, 2017,21(4):633-644.

Zhang Y, 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.

[26] 徐向陽,浦寶元.太湖水位分析和代表站選擇[J]. 河海大學學報, 1992,20(6):26-31.

Xu X Y, Pu B Y. Analysis of Tai Lake water level and selection of representative station [J]. Journal of Hohai University, 1992,20(6): 26-31.

[27] 常翔宇,蔡 宇,夏文韜,等. Cryosat-2測高數(shù)據(jù)的太湖水位監(jiān)測與變化分析 [J]. 測繪科學, 2020,45(10):85-91.

[28] 甘月云,王凱燕,甘升偉.近年來太湖流域水量平衡分析 [J]. 水文, 2019,39(1):89-92.

Gan Y Y, Wang K Y, Gan S W. Analysis of the water balance in the Taihu Basin in recent years [J]. Journal of China Hydrology, 2019,39 (1):89-92.

[29] 胥瑞晨,逄 勇,胡祉冰,等.“引江濟太”工程對太湖水體交換的影響研究 [J]. 中國環(huán)境科學, 2020,40(1):375-382.

Xu R C, Pang Y, Hu Z B, et al. Influence study about water exchange on the Taihu Lake based on the “water diversion project from the Yangtze River to the Taihu Lake (WDYT)” [J]. China Environmental Science, 2020,40(1):375-382.

[30] Wu J, Wu Z Y, Lin H J, et al. Hydrological response to climate change and human activities: A case study of Taihu Basin, China [J]. Water Science and Engineering, 2020,13(2):83-94.

[31] 陸琛莉,范柏松,朱蓮芳.環(huán)太湖地區(qū)汛期降水量與太湖水位的關系 [J]. 氣象科學, 2000,20(1):51-56.

Lu C L, Fan P S, Zhu L F. Relation between precipitation around Taihu in the flood season and Taihu water level [J]. Scientia Meteorologica Sinica, 2000,20(1):51-56.

[32] 水利部太湖流域管理局.太湖流域片2011水情年報 [EB/OL]. 上海:水利部太湖流域管理局, 2013.http://www.tba.gov.cn/slbthlyglj/ sqnb/content/slth1_8052a87eb49349e7af3ed9030fe8ba1a.html.

Tai Lake Basin Authority of the Ministry of water resources. Annual report of water regime of Tai Lake Basin in 2011 [EB/OL]. Shanghai: Tai Lake Basin Authority of the Ministry of water resources, 2013.

[33] 王 瑞,牛振國.中國湖泊溫度變化特征及其對氣候變化的響應[J]. 中國環(huán)境科學, 2020,40(2):780-788.

Wang R, Niu Z G. Characteristics of changes in lake temperature in China and their response to climate change [J]. China Environmental Science, 2020,40(2):780-788.

[34] 水利部太湖流域管理局.太湖流域片2016水情年報 [EB/OL]. 上海:水利部太湖流域管理局, 2018.http://www.tba.gov.cn/slbthlyglj/ sqnb/content/slth1_0edff4cdbfc2448a8b5b75e5fda661c6.html.

Tai Lake Basin Authority of the Ministry of water resources. Annual report of water regime of Tai Lake Basin in 2016[EB/OL]. Shanghai: Tai Lake Basin Authority of the Ministry of water resources, 2018.

[35] 季海萍,吳浩云,吳 娟.1986～2017年太湖出入湖水量變化分析 [J]. 湖泊科學, 2019,31(6):1525-1533.

Ji H P, Wu H Y, Wu J. Variation of inflow and outflow of Lake Taihu in 1986～2017 [J]. Journal of Lake Science, 2019,31(6):1525-1533.

[36] 王磊之,胡慶芳,王銀堂,等.太湖流域2016年、1991年大洪水對比分析 [J]. 河海大學學報(自然科學版), 2016,46(6):471-478.

Wang L Z, Hu Q F, Wang Y T, et al. Comparison of the two flood events occurred in 2016 and 1991 in the Taihu Lake Basin [J]. Journal of Hohai University (Natural Sciences), 2016,46(6):471-478.

[37] 梅 青,李 鵬,金 科,等.2016年太湖流域特大洪水防御工作及思考 [J]. 中國防汛抗旱, 2016,26(5):22-25.

Mei Q, Li P, Jin K, et al. The flood control and thoughts at the Taihu Lake Basin in 2016 [J]. China Flood & Drought Management, 2016, 26(5):22-25.

[38] 水利部太湖流域管理局.2018年太湖流域及東南諸河水資源公報[EB/OL].上海:水利部太湖流域管理局, 2019.http://www.tba.gov.cn/ slbthlyglj/szygb/content/slth1_7b417848365f411f8f5f0200e3cec1a3.html.

Tai Lake Basin Authority of the Ministry of water resources. Annual report of water regime of Tai Lake Basin in 2018 [EB/OL]. Shanghai: Tai Lake Basin Authority of the Ministry of water resources, 2019.

[39] 陳 瑩,許有鵬,尹義星.土地利用/覆被變化下的暴雨徑流過程模擬分析——以太湖上游西苕溪流域為例[J]. 地理科學, 2009,(1): 117-123.

Chen Y, Xu Y P, Yin Y X. Assessment of effects of land use changes on storm runoff generation—a case study of Xi Tiaoxi Basin [J]. Scientia Geographica Sinica, 2009(1):117-123.

[40] 李恒鵬,楊桂山,金 洋.太湖流域土地利用變化的水文響應模擬 [J]. 湖泊科學, 2007,19(5):537-543.

Li H P, Yang G S, Jin Y. Simulation of hydrological response of land use change in TaiHu Basin [J]. Journal of Lake Science, 2007,19(5): 537-543.

[41] 王躍峰,許有鵬,張倩玉,等.太湖平原區(qū)河網(wǎng)結構變化對調(diào)蓄能力的影響 [J]. 地理學報, 2016,71(3):449-458.

Wang Y F, Xu Y P, Zhang Q Y, et al. Influence of stream structure change on regulation capacity of river networks in Taihu Lake Basin [J]. Acta Geographic Sinica, 2016,71(3):449-458.

致謝：研究中用到的Envisat/RA-2和Cryosat-2/SIRAL高度計數(shù)據(jù)來源于歐洲航空局(ESA),實測水位數(shù)據(jù)由江蘇省水文水資源勘測局提供,氣象數(shù)據(jù)來源于中國氣象局國家氣象信息中心,在此表示衷心的感謝！.

Monitoring of water level variation in Tai Lake from 2002～2018 based on satellite altimeter data.

CHANG Xiang-yu1, CAI Yu1,2, KE Chang-qing1,2*

(1.School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China；2.Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210023, China)., 2022,42(3)：1295～1308

Due to the shortcomings of traditional water level monitoring methods and the actual needs of monitoring water level change in Tai Lake, based on Envisat and Cryosat-2 altimeter data, Morlet wavelet analysis and Mann-Kendall test were used to analyze the changes in water level and its periodicity from June 2002 to December 2018. The altimeter-derived water levels were compared with in-situ data to estimate the accuracy. Afterwards, we analyzed the change trends of water level at different time scales and discussed the causes of the changes from aspects of climatic factors and anthropogenic influences. Results indicated that the water level derived from Envisat/RA2L2GDR data and Cryosat-2/SIRAL L2GDR data had high accuracies. The correlation coefficients between altimeter-derived water levels and in situ water levels were 0.559 and 0.845, respectively, at seasonal and annual scales. Therefore, altimeter data can be used monitor the change of water level in a long time series. From 2002 to 2018, the average water level of Tai Lake was 1.379m, the highest water level was 2.252m in June 2016, and the lowest water level was 0.832m in October 2011. Besides, the water level gradually increased from January to April every year, reached the peak around June, and then began to decline, and slightly increased again at the end of the year. Tai Lake had the highest water level in spring, the lowest in summer, with a difference of 0.041m. In the recent 20years, there were three kinds of periodic changes in the water level of Tai Lake: 10～20months, 15～30months and 40～60months, in which the changes in the 40～60months scale were the strongest. Before April 2015, the water level had a significant downward trend, and experienced significant mutations in March 2003 and December 2004, respectively, while after that, water level had an upward trend. In the first decade of the 21st century, the water level of Tai Lake was mainly controlled by climatic factors. After that, the influence of human interventions gradually increased, causing the water level to show a different change pattern.

satellite altimetry；lake level variation；Envisat/RA-2；Cryosat-2；Tai Lake

X143

A

1000-6923(2022)03-1295-14

常翔宇(1997-),男,黑龍江哈爾濱人,南京大學碩士研究生,主要從事湖泊水文遙感的研究.發(fā)表論文3篇.

2021-08-07

國家自然科學基金(42011530120)

*責任作者, 教授, kecq@nju.edu.cn