2015年中国西部冰湖编目数据集
作者:杨成德 王欣 魏俊锋 刘时银
2018年11月20日
本作品收录于《中国科学数据
杨成德, 王欣, 魏俊锋, 刘时银. 2015年中国西部冰湖编目数据集[J/OL]. 中国科学数据, 2018, 3(4). (2018-06-28). DOI: 10.11922/csdata.2018.0038.zh.


    摘要&关键词

    摘要:以青藏高原为核心的中国西部地区,地理范围为26°N–55°N,65°E–105°E,包含喜马拉雅山、横断山、天山及阿尔泰山等区域。该区域内冰湖分布密集,不仅能够真实地记录气候与冰川的变化状况,而且对于区域水资源具有十分重要的作用。本数据集在综合中国第二次冰川编目数据、云量覆盖度低于10%的Landsat OLI等多种数据的基础上,结合ArcGIS、ENVI及Google Earth等处理软件,通过人工目视解译的方法提取距离冰川边界向外10 km缓冲区内的冰湖边界,并对解译后的数据进行统一的属性添加、质量检验与精度评价。本数据集由两部分组成,分别为使用冰川编目数据生成的冰湖分布区矢量文件和2015年中国西部冰湖编目数据集。不仅能够作为中国西部冰湖–冰川耦合关系、水资源利用与管理等相关研究的参考数据,还可以作为区域气候变化与冰冻圈等相关研究的基础数据。

    关键词:冰湖编目;中国西部;2015年

    Abstract & Keywords

    Abstract: The West China region with the Tibetan Plateau as its core has a geographical range of 26°N~46°N,62°E~105°E, with Himalayas, Hengduan mountain, Tienshan, Altai and other mountains and plateaus involved. With the high concentration of glacial lakes in this region, it can record the changes of climate and glacier, but play a significant role in regional water resources as well. Integrated the second glacier inventory data and Landsat OLI remote sensing data which cloud cover is less than 10%, this dataset combined the processing software of ArcGIS, ENVI and Google Earth to extract glacial lake boundary within 10km range of glacier boundary through manual visual interpretation, and performed unified attribute addition, quality inspection and accuracy evaluation after it. The dataset consists of vector files of glacial lake distribution region derived from glacier inventory data and the glacial lake inventory of West China in 2015. It can not only be the reference data for the study of the coupling relationship between glacial lake and glacier, water resource usage and management in West China, but also be used as the basic data of regional climate and cryosphere change.

    Keywords: glacial lake inventory; West China; 2015

    数据库(集)基本信息简介

    数据库(集)名称 2015年中国西部冰湖编目数据集
    数据作者 杨成德,王欣,魏俊锋,刘时银
    数据通信作者 王欣(xinwang_hn@163.com)
    数据时间范围 2015
    地理区域 以青藏高原为中心的中国西部地区,地理范围约为26°N–55°N,65°E–105°E;包括青藏高原、喜马拉雅山、横断山及天山等。
    空间分辨率 30 m
    数据量 14.2 MB
    数据格式 Shapefile(*.shp, *.shx, *.sbx, *.sbn, *.dbf, *.prj, *.CPG, *.xml)
    数据服务系统网址 http://www.sciencedb.cn/dataSet/handle/615
    基金项目 国家自然科学基金(41771075、41701061、41271091);科技部基础性工作专项(2013FY111400);冰冻圈科学国家重点科学实验室科研项目(SKLCS-OP-2017-05)。
    数据库(集)组成 数据集由两部分数据构成,一为冰湖分布范围的边界数据,二为2015年冰湖编目数据集合。两个数据文件分别为:1. West_China_glacial_lake_inventory_extent;2. West_China_glacial_lake_inventory_2015。

    Dataset Profile

    Title A dataset of glacial lake inventory in the West China in 2015
    Data authors Yang Chengde, Wang Xin, Wei Junfeng, Liu Shiyin
    Data corresponding author Wang Xin (xinwang_hn@163.com)
    Time range 2015
    Geographical scope The West China region with the Tibetan Plateau as its core, has a geographical range of 26°N–55°N,65°E–105°E, with Tibetan Plateau, Himalayas, Hengduan mountain, Tienshan mountain and other regions involved.
    Spatial resolution 30 m
    Data volume 14.2 MB
    Data format Shapefile(*.shp, *.shx, *.sbx, *.sbn, *.dbf, *.prj, *.CPG, *.xml)
    Data service system <http://www.sciencedb.cn/dataSet/handle/615>
    Sources of funding National Science Foundation of China, No.41771075, No.41701061, No.41271091; Groundwork Program of the Ministry of Science and Technology of China, No. 2013FY111400; Fund of State Key Laboratory of Cryosphere Science, No. SKLCS-OP-2017-05.
    Dataset composition This dataset consists of two components. The first one is vector files of glacial lake distribution extent in West China. The second one is dataset of glacial lake inventory of West China in 2015. They are: 1. West_China_glacial_lake_inventory_extent;2. West_China_glacial_lake_inventory_2015.


    引 言

    中国西部地区以青藏高原为主体,山地冰川广布、地形条件复杂,湖泊分布密集[1]。冰湖作为联结水圈与冰冻圈的纽带,参与区域能量循环和水汽循环等多种自然过程[2],对气候变化十分敏感[3],能够真实记录湖泊所处区域的气候变化信息[4][5]。在当前气候条件的影响下,我国西部地区的山地冰川普遍呈现出退缩减薄及物质负平衡加剧的特征[6],更多的冰川融水注入冰湖,致使区域内的冰湖呈现出数量增加与面积扩张的态势[7][8]。众多的冰湖滞留冰川融水,一方面能够延缓区域内因气候变暖而引起的水资源亏损,进而调整和改变区域水资源的循环过程;另一方面,随着冰湖水量的增加与水位的抬升、冰湖湖盆及坝体水热条件的改变,冰湖溃决风险逐渐增大,不仅会威胁下游地区居民的生产生活,而且会对区域生态环境安全产生负面的影响[9][4]

    尽管当前已有众多针对中国局部地区如青藏高原、天山、喜马拉雅山等地的冰湖编目研究[10][11][12][13],但由于区域差异显著,不同学者使用的基础数据、研究方法与编目规范等各异,因此当前对于我国西部地区冰湖的整体分布与变化特征仍缺乏深入的理解。随着遥感技术在地理研究中的普遍应用与计算机技术的快速发展,使得大区域、多尺度的冰湖编目研究成为可能。但我国西部地区地形地貌及气候条件复杂,且光学遥感影像易受冰雪、云层覆盖与山体阴影等的影响,因此对于诸如我国西部地区这类大区域连续时段内的冰湖分布及变化特征研究仍难以实现。本文结合国内外不同学者提取冰湖边界和编目的方法[14][15][16][17][18][19][20],为最大限度地保证数据精度,基于2015–2016年的Landsat OLI影像,采用人工目视解译的方法提取冰湖边界,并结合Google Earth判别冰湖类型,经过对编目中录入属性的统一规范和精度评价,最终形成了2015年中国西部地区冰湖编目数据集。

    1 数据采集和处理方法

    1.1 数据源

    本文采用的数据主要包括空间分辨率为30 m的Landsat系列光学影像数据、第二次中国冰川编目数据(v1.0)[21]及空间分辨率为1″的SRTM数字高程数据(http://imagico.de/map/demsearch.php)等。其中包括159景覆盖2015年中国西部地区冰川边界10 km范围内的冰湖分布区的Landsat OLI遥感影像(图1),将其作为对中国西部冰湖边界目视解译的基准数据。同时为保证冰湖边界提取的准确性,多选用夏、秋季节(6–11月)云层覆盖度低于10%的晴朗天气的遥感影像数据(约占总体影像数量的86.8%);冰川编目数据用于确定冰湖编目范围、并辅助判别冰湖类型及所属山脉、省域、流域等空间位置属性。


    图1 中国西部冰湖编目范围与遥感影像覆盖区域示意图


    1.2 数据处理步骤

    文中主要包括数据预处理与冰湖边界矢量化、冰湖编码及属性录入及数据检查与精度验证等多个环节(图2)。首先根据冰川边界数据建立10 km的缓冲区作为冰湖编目的最大范围,其次选用5、4、3波段对所有遥感影像进行彩色合成处理。其中,为保证冰湖面积计算的准确性,所有数据均统一采用GCS_WGS_1984地理坐标系统和Asia_North_Albers_Equal_Area_Conic投影系统。之后采用人工目视解译的方法在ArcGIS中基于遥感影像逐景提取冰湖边界,其中综合国内外学者在不同区域的冰湖编目方法,以0.0036 km²(约4个纯像元)作为中国西部冰湖编目的最小面积。另外,尽管邻近纯像元的混合像元同样包含一部分水体,但由于难以确定准确的水体边界,考虑到基于30 m分辨率遥感影像提取冰湖边界的误差约为±0.5个像元[22],因此认为最终得到的冰湖矢量化边界大致处于最邻近纯像元的混合像元的一半附近是较为合理的。


    图2 1990–2015年中国西部冰湖编目主要流程


    为便于探讨不同时期冰湖的变化特征,需要为不同的冰湖赋予唯一的特征编码,并且应当保证同一冰湖在不同时期编码的一致性。因此取各冰湖质心点的经纬度坐标对其编码,基本格式为“GLmmmmmmEnnnnnN”,其中mmmmmm表示经度值乘1000后的6位数字,整数位小于3位时在千分位补零,nnnnn为纬度乘1000后的5位数字,E、N分别代表东经与北纬。其中,冰湖所属的空间位置属性如流域、山脉等与冰川编目数据联结获取,所属分区来源于全球冰川地面网络(Global Terrestrial Network for Glaciers,https://www.gtn-g.ch/glacreg/),经纬度坐标使用ArcGIS计算得出;冰湖表征属性如面积(km2)、周长(m)等由ArcGIS计算得出,使用SRTM数据提取冰湖质心点对应的高程,并结合ArcGIS、Google Earth平台、遥感影像及冰川编目数据按照是否有冰川融水的补给将其划分为冰川补给湖和非冰川补给湖两类,并在此基础上按照冰川与冰湖距离的远近将冰川补给湖细分为冰面湖、冰前湖及非接触型冰川补给湖三个亚类;此外还录入了各个冰湖对应的遥感影像编码及其时间、母冰川编码等属性。

    采用人工目视修正的方式对编目属性与矢量边界两个方面进行了一系列的核查,其中针对冰湖编目属性的检查主要为冰湖编码唯一性的检查和冰湖类型的检查。此外,为保证冰湖面积的准确性,对每个冰湖的矢量边界开展进一步的拓扑检查与边界修正。

    2 数据样本描述

    本数据集中的中国西部冰湖编目矢量文件可以分为两个部分,命名规则为:West_China_glacial_lake_inventory_2015和West_China_glacial_lake_inventory_extent,其中前者为2015年我国西部地区的冰湖编目数据矢量文件,后者为我国西部地区的冰湖分布范围。将数据以点状形式表示如图3。


    图3 中国西部冰湖分布范围及冰湖分布


    3 数据质量控制和评估

    基于遥感影像通过人工目视解译冰湖边界时产生的误差一般同遥感影像的质量(时空分辨率、云层覆盖度、阴影等)、提取人员的经验与主观意识及阈值面积的选取等因素相关。相关研究表明,基于空间分辨率为30 m的Landsat遥感影像提取的冰湖边界时,由于遥感影像质量造成的面积误差约为±0.5个像元[23][22]。根据Hanshaw等[24]提出的估算冰湖面积误差的方法,假设解译造成的面积误差符合高斯分布,首先用冰湖周长(P)除以影像分辨率(G)得出冰湖边缘的像元数量;之后将边缘像元数量乘以0.6872,即假设约有69%(1σ)的像元符合该误差分布;最后由于冰湖边界提取的不确定面积为边界像元面积的一半,公式如下:

    \(\mathrm{E}\mathrm{r}\mathrm{r}\mathrm{o}\mathrm{r}\left(1\mathrm{\sigma }\right)=\frac{P}{G}×\frac{{G}^{2}}{2}×0.6872\) (1)

    其中Error为最大面积误差,P为冰湖周长(m),G为遥感影像的空间分辨率(30 m),σ为方差。结果显示,此数据集中的冰湖面积误差约为±147.49 km2,占2015年中国西部地区冰湖总面积的±13.0%。

    4 数据使用方法和建议

    2015年中国西部地区冰湖编目数据集通过SDB(Science Data Bank)提供数据共享服务。数据文件采用Shapefile矢量数据格式存储,可在ArcMap、ArcCatalog等GIS平台的软件进行查询、编辑等操作。本数据集基于人工目视解译的方式提取冰湖边界,能够与中国第二次冰川编目数据结合使用,数据可靠性高,能够作为中国西部冰湖–冰川耦合关系、水资源利用与管理等相关研究的参考数据,可以为区域气候变化与冰冻圈等相关研究提供基础数据支撑。

    致 谢

    感谢地理空间数据云和美国地质调查局(USGS)等网站提供Landsat影像数据与DEM数字高程数据,感谢中国科学院寒区旱区研究所科学数据中心提供第二次中国冰川编目数据集,感谢谷歌地球(Google Earth)提供高分辨率影像数据。

    参考文献

    1. WAN W, LONG D, HONG Y, et al. A lake data set for the Tibetan Plateau from the 1960s, 2005, and 2014[J]. Scientific Data, 2016, 3(3): 160039.
    2. KRINNER G. Impact of lakes and wetlands on boreal climate[J]. Journal of Geophysical Research Atmospheres, 2003, 108(D16): 4520.
    3. WANG X, LIU Q, LIU S, et al. Heterogeneity of glacial lake expansion and its contrasting signals with climate change in Tarim Basin, Central Asia[J]. Environmental Earth Sciences, 2016, 75(8): 696.
    4. ^ 4.0 4.1 姚晓军, 李龙, 赵军, 等. 近 10 年来可可西里地区主要湖泊冰情时空变化[J]. 地理学报, 2015, 70(7): 1114-1124.
    5. 姚晓军, 刘时银, 韩磊, 等. 冰湖的界定与分类体系——面向冰湖编目和冰湖灾害研究[J]. 地理学报, 2017, 72(07): 1173-1183.
    6. YAO T, WANG Y, LIU S, et al. Recent glacial retreat in High Asia in China and its impact on water resource in Northwest China[J]. Science in China, 2004, 47(12): 1065-1075.
    7. 姚檀栋, 刘时银, 蒲健辰, 等. 高亚洲冰川的近期退缩及其对西北水资源的影响[J]. 中国科学: D 辑, 2004, 34(6): 535-543.
    8. ZHANG M M, CHEN F,TIAN B S. An automated method for glacial lake mapping in High Mountain Asia using Landsat 8 imagery[J]. Journal of Mountain Science, 2018, 15(1): 13-24.
    9. 崔鹏, 陈容, 向灵芝, 等. 气候变暖背景下青藏高原山地灾害及其风险分析[J]. 气候变化研究进展, 2014, 10(2): 103-109.
    10. NIE Y, SHENG Y, LIU Q, et al. A regional-scale assessment of Himalayan glacial lake changes using satellite observations from 1990 to 2015[J]. Remote Sensing of Environment, 2017, 189: 1-13.
    11. ZHANG G, YAO T, XIE H, et al. An inventory of glacial lakes in the Third Pole region and their changes in response to global warming[J]. Global and Planetary Change, 2015, 131: 148-157.
    12. WANG X, DING Y, LIU S, et al. Changes of glacial lakes and implications in Tian Shan, central Asia, based on remote sensing data from 1990 to 2010[J]. Environmental Research Letters, 2013, 8(4): 044052.
    13. 王欣, 刘时银, 姚晓军, 等. 我国喜马拉雅山区冰湖遥感调查与编目[J]. 地理学报, 2010, 65(1): 29-36.
    14. YAGOL P, MANANDHAR A, GHIMIRE P, et al. Identification of locations for potential glacial lakes formation using remote sensing technology. Nepalese Journal of Geoinformatics, 2013, 12: 10-16.
    15. JAWAK S. D, KULKARNI K, LUIS A. J. A review on extraction of lakes from remotely sensed optical satellite data with a special focus on cryospheric lakes[J]. Advances in Remote Sensing, 2015, 04(03): 196-213.
    16. 曹学诚, 刘周周, 李维胜. 尼泊尔4·25地震震前冰湖制图与潜在危险性分析[J]. 冰川冻土, 2016, 38(03): 573-583.
    17. BHARDWAJ A, SINGH M. K, JOSHI P. K, et al. A lake detection algorithm (LDA) using Landsat 8 data: A comparative approach in glacial environment[J]. International Journal of Applied Earth Observation and Geoinformation, 2015, 38: 150-163.
    18. NIE Y, LIU Q, LIU S Y. Glacial lake expansion in the Central Himalayas by Landsat Images, 1990–2010[J]. Plos One, 2013, 8(12): e83973.
    19. UKITA J, NARAMA C, TADONO T, et al. Glacial lake inventory of Bhutan using Alos data: Methods and preliminary results[J]. Annals of Glaciology, 2011, 52(58): 65-71.
    20. PETROV M. A, SABITOV T. Y, TOMASHEVSKAYA I. G, et al. Glacial lake inventory and lake outburst potential in Uzbekistan[J]. Science of the Total Environment, 2017, 592: 228-242.
    21. GUO W Q, XU J L, LIU S Y, et al. The Second Glacier Inventory Dataset of China (Version 1.0)[DB/OL]. Cold and Arid Regions Science Data Center at Lanzhou, 2014. DOI: 10.3972/glacier.001.2013.db.
    22. ^ 22.0 22.1 SALERNO F, THAKURI S, D’AGATA C, et al. Glacial lake distribution in the Mount Everest region: Uncertainty of measurement and conditions of formation[J]. Global and Planetary Change, 2012, 92-93: 30-39.
    23. FUJITA K, SAKAI A, NUIMURA T, et al. Recent changes in Imja glacial lake and its damming moraine in the Nepal Himalaya revealed byin situsurveys and multi-temporal ASTER imagery[J]. Environmental Research Letters, 2009, 4(4): 045205.
    24. HANSHAW M N,BOOKHAGEN B. Glacial areas, lake areas, and snow lines from 1975 to 2012: status of the Cordillera Vilcanota, including the Quelccaya Ice Cap, northern central Andes, Peru[J]. The Cryosphere, 2014, 8(2): 359-376.

    数据引用格式

    杨成德, 王欣, 魏俊锋, 刘时银. 2015年中国西部冰湖编目数据集[DB/OL]. Science Data Bank, 2018. (2018-06-10). DOI: 10.11922/sciencedb.615.