EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 5: 1 - 14

DOI: https://doi.org/10.6046/zrzyyg.2024100

Monitoring 2018—2022 changes in lake levels across China using ICESat-2 data

  • JING Ruofan , 1, 2, 3 ,
  • LIAO Jingjuan , 1, 2 ,
  • MA Shanmu 1, 2, 3
Expand
  • 1. Key Laboratory of Digital Earth Science，Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China
  • 2. International Research Center of Big Data for Sustainable Development Goals，Beijing 100094，China
  • 3. University of Chinese Academy of Sciences，Beijing 100049，China

Received date: 2024-03-15

  Revised date: 2024-09-11

  Online published: 2026-06-03

Fold

Abstract

Satellite altimetry enables non-contact，large-scale Earth observation，providing technical support for monitoring changes in water levels of lakes where there is a lack of ground-based hydrological stations. The ICESat-2 laser altimeter features small footprints and high measurement accuracy，enjoying advantages in monitoring small-to medium-sized lakes. Therefore，this study extracted water level data from October 2018 to August 2022 for 1248 lakes across China based on ICESat-2 ATL08 data. The extracted data were validated using measured water level data from 18 lakes and Hydroweb data from 36 ones. Subsequently，based on the division of China's five major lake regions，this study analyzed variations in water levels of 957 lakes that were observed for over two years in at least four campaigns. The results show that the root mean square errors （RMSEs） between ICESat-2-derived and measured lake levels showed a minimum of 0.097 m. The cross-validation with Hydroweb data yielded a correlation coefficient of 0.95 and a minimum RMSE of 0.085 m. These results demonstrate the high precision and accuracy of the water level retrieval based on the ICESat-2 data. The lake levels on the Tibetan Plateau exhibited a slow rising trend，while those in northwestern China showed a declining trend. In eastern China，the water levels of large lakes displayed no significant variation trend，whereas those of small lakes showed pronounced fluctuations. Overall，the lake levels across China exhibited a gently rising trend. This study achieved high-precision measurement and monitoring of variations in lake levels across China，providing a scientific basis for water resource protection，ecological management，and the exploration of the responses of lake levels to human activities and climate change.

Key words： satellite altimetry; lake level; ICESat-2; change analysis; lake region of China

Cite this article

JING Ruofan , LIAO Jingjuan , MA Shanmu . Monitoring 2018—2022 changes in lake levels across China using ICESat-2 data[J]. Remote Sensing for Natural Resources, 2025 , 37(5) : 1 -14 . DOI: 10.6046/zrzyyg.2024100

0 引言

水位是湖泊的重要特征之一，是影响湖泊生态系统长期变化的主要因素，在全球变暖的背景下，湖泊水位变化逐渐受到各国政府和研究机构的重视[1]。我国地理环境复杂多样，不同区域气候特点差异明显，湖泊水位变化特征复杂多样，因而研究全国湖泊水位的时空变化具有重要意义。
湖泊水位通常由地面水文站定点、连续观测获得，这种测量方式常对人力、物力有较大需求[2]，而遥感卫星测高技术可以为更大范围、更长时序的湖泊水位变化监测提供技术支持。目前雷达高度计在监测湖泊水位方面的应用广泛且技术成熟，具有全天时、全天候的特点。赵云[3]融合Cryosat-2和ENVISAT数据监测了中国27个湖泊在2002—2015年间的水位变化，并分析其与气候之间的关系；Chen等[4]基于Cryosat-2，Sentienl-3，Jason-2/3 这4种高度计数据，获取了中国境内2016—2019年的340个湖泊水位变化，表明融合多源合成孔径雷达（synthetic aperture Radar，SAR）高度计数据能够扩展全国湖泊的监测范围。但雷达高度计仍受到分辨率的限制，在小型湖泊水位监测方面具有挑战性，尤其是青藏高原湖区存在诸多面积小于10 km2的湖泊，这在一定程度上阻碍了大规模的应用。
ICESat-2激光雷达测高卫星基于微脉冲光子计数法，大大提高了采样密度和分辨率[5]，可以监测面积更小的湖泊。安德笼等[6]检验了ICESat-2在内陆湖泊水位监测结果的精度和可靠性，表明在内陆水位监测上ICESat-2相比微波测高数据在观测精度上具有明显优势；Cooley等[7]利用ICESat-2 ATL08测量数据提取全球水位数据集，量化了2018—2020年期间全球227 386个水体的水位变化，结果表明57%的地球季节性地表水储存变化发生在人类管理的水库中；Luo等[8]通过整合ICESat-1/ICESat-2数据、全球地表水数据集和Hydro LAKES数据集，研究了2003—2019年高原湖泊水位变化，并进一步估算了水储量变化，结果表明ICESat-2观测到的湖泊数量约为ICESat-1的3倍；张国庆等[9]基于多源遥感数据监测结果总结了青藏高原湖泊（大于1 km2）在1976—2018年间的面积、水位与水量变化等方面的研究进展，表明利用ICESat和ICESat-2数据提取水位，可大大增加监测湖泊的数量；马山木等[10]基于ICESat-2数据对2018年10月—2021年4月期间青藏高原的473个湖泊进行高精度水位动态监测，发现3 a间青藏高原湖泊水位总体呈上升趋势，验证结果表明ICESat-2数据提取水位有更高精度。此外，目前已有部分研究通过ICESat-1数据监测全国范围内湖泊的水位变化：如Wang等[11]基于ICESat数据提出了一种水位趋势计算方法，监测了全国56个较大湖泊的水位，并划分为五大湖区进行水位变化分析；张国庆等[12]基于ICESat-1与Landsat数据，研究了中国最大的10个湖泊2003—2009年的高程、面积和体积变化，根据气象站的数据分析了可能的变化因素。由此可见，通过精度更高的ICESat-2测高数据监测近年来全国大、小湖泊的高精度水位变化具有重要意义。
本文以全国范围内ICESat-2数据监测到的湖泊为研究对象，以2018年10月—2022年8月作为监测时段，通过对ICESat-2测高数据的获取与处理，提取2018—2022年全国湖泊水位数据集，并结合前人研究划分的五大湖区分析全国各区域湖泊水位变化的时序特征和空间特征，为我国水资源和生态环境保护提供科学依据。

1 研究区概况与数据

1.1 研究区概况

根据前人研究和相关资料，我国境内湖泊可划分为五大湖区（图1），分别为青藏高原湖区、东部平原湖区、东北平原与山地湖区、蒙新湖区（内蒙古与西北干旱湖区）和云贵高原湖区[13]。不同湖区之间存在多种自然环境、人文等因素的差异。其中青藏高原湖区湖泊数量最多，分布十分密集，典型湖泊有青海湖、鄂陵湖、纳木错、色林错等；蒙新湖区主要由构造湖和风蚀湖组成，地处内陆，地表径流补给不足，蒸发量大，典型湖泊有呼伦湖、博斯腾湖、乌伦古湖等；东部平原湖区是我国湖泊最密集地区之一，较著名的湖泊有洞庭湖、鄱阳湖、巢湖、太湖、南四湖等。东部平原湖区由于季风影响湖泊水资源比较丰沛，河湖关系密切[13]，湖泊类型多样；东北平原与山地湖区由辽宁省、吉林省和黑龙江省境内湖泊组成，典型湖泊有镜泊湖、连环湖、查干湖等；云贵高原湖区是全国诸湖泊分布区中湖泊数量和面积最为稀少的区域，典型湖泊有滇池、泸沽湖、抚仙湖、杞麓湖等。
图1 研究区概貌图（审图号：GS京（2025）1936号）

Fig.1 Overview of the study area

1.2 数据源

1.2.1 ICESat-2 ATL08数据

ATL08数据由ICESat-2卫星搭载的先进地形激光测高系统（advanced topographic laser altimeter system，ATLAS）获取的点云数据生产，它针对陆地表面情况，使用差分、回归和高斯自适应最近邻算法，由此生成基于WGS84参考系的沿轨方向陆表高度测量数据。ATL08产品数据尚未经过水体掩模的筛选，因此可以利用更为精细的水体掩模进行处理，以更准确地整理较小面积湖泊的水位信息。在本研究中，选取2018年10月—2022年8月的ATL08产品数据用于全国湖泊水位的提取。

1.2.2 湖泊矢量数据

本研究选择全球水体发生频率数据集（global surface water occurrence，GSWO）（https://global-surfacewater.appspot.com）、全球大坝地理参考数据（global georeferenced database of dams，GOODD）（http://globaldamwatch.org/goodd/）、全球水库矢量数据（global reservoir and dam，GRanD）（http://globaldamwatch.org/grand/）用于水体范围掩模的创建，筛选过境湖面的ICESat-2观测数据。相比其他湖泊范围数据，GSWO提供水发生频率，便于据此设定阈值进行湖泊边界的优化。此外，利用包含湖泊面积、矢量边界（湖泊在1984—2019年间的最大范围边界）等信息的全球湖泊矢量产品GLAKES（https://doi.org/10.5281/zenodo.7016548）把提取到的水位观测结果与GLAKES中已知湖泊信息相对应。而在青藏高原湖区，为了对应到更多小型湖泊，使用了更加精细的青藏高原湖泊数据集[14]，该数据集中包含1 171个面积大于1 km2的青藏高原湖泊。

1.2.3 验证数据

利用《中华人民共和国水文年鉴》，整理得到了2018—2019年（部分2018—2020年）全国18个湖泊的实测水位数据，用于对ICESat-2提取的水位结果进行精度验证。
同时利用法国和俄罗斯联合发布的Hydroweb水位产品（https://hydroweb.theia-land.fr/）获取到我国境内36个湖泊的Hydroweb水位数据用于精度交叉验证。

2 研究方法

基于ATL08产品数据与湖泊位置数据，通过水面掩模处理、水位高程提取、水位信息处理和精度交叉验证等步骤，生成全国湖泊2018—2022年水位时间序列，并经进一步筛选处理后，分析湖泊水位的变化趋势。研究的技术路线如图2所示。
图2 本文技术路线

Fig.2 Flow chart of this study

2.1 湖泊水体掩模处理

首先对覆盖全国范围的GSWO数据进行二值化处理，保留30 a内水体不低于80%的像素，生成水体掩模。受风浪和迎风湖岸线的影响，湖泊（尤其是大型湖泊）近岸水位会随着距湖岸线距离增加而快速变化[15]，故为了降低波浪和湖岸线对湖泊平均水位的干扰，将掩模向内侵蚀3像素（约75 m），确保提取水位高度时数据点完全投射在湖面上。计算水体面积与包含水体边界的外包矩形框面积之商，以5%为阈值，将小于阈值的水体识别为河流等非湖泊水体并删除[7]。最后结合GRanD数据建立1 km范围缓冲区，并与已有的水面掩模进行叠加处理，有效地筛选出过境湖面的ICESat-2测量值。

2.2 ICESat-2水位高程提取

对ATL08产品数据进行预处理后与水体掩模相交，得到测高数据在水面上过境的部分。以呼伦湖2019年3月过境的ICESat-2轨道为例（图3（a）），首先仅保留轨道内数据10%~90%的部分（图3（b）—（d）），经过该处理，受到陆地等多种因素干扰的观测点可作为无效观测值被滤除，从而得到稳定的观测值。然后，为减少不可靠轨道观测值对水位提取的影响，将标准差大于0.25 m的轨道内高程观测值视为不可靠轨道观测值并删除[7]。以达里诺尔湖为例，考虑2021年4月21日的6束过境轨道（图4），轨道gt1r中的水面高程测量点与其他平行轨道相比出现了明显的断层现象，其轨道内测量值的标准差大于0.25 m。因此将轨道gt1r标识为异常轨道，并进行去除。最后计算每个观测轨道的高程中位数作为过境当日的湖泊水位，从而得到研究时段内全国湖泊水位数据集。
图3 呼伦湖ICESat-2数据处理过程

Fig.3 Processing of ICESat-2 data of Hulun Lake

图4 达里诺尔湖2021年4月21日过境轨道剖面图

Fig.4 Profile of the transit track of Lake Darinor on April 21，2021

2.3 水位信息的进一步处理

对得到的数据集进行进一步的处理，剔除质量较差的数据和异常值。对于数据集中在2018年10月—2022年8月间收到超过一次观测的水体，基于3σ准则筛选高程观测值，使其与研究时段内所有观测值的平均值相差在3倍标准差以内，以消除因云层或传感器错误导致的无效观测，进一步保证水位时间序列的可靠性；然后以每月内所有水位观测值的平均值作为该月的水位观测值；最后，将得到的月水位数据集通过全国湖泊矢量进行对应，将湖泊信息（湖泊ID、名称、面积等）添加到水位数据中。

2.4 精度验证

2.4.1 实测数据验证

通过对实测水位数据的整理，确定了18个与研究时段有重合（至少3个月度）的湖泊进行精度验证。计算实测水位与ICESat-2提取的水位序列的均方根误差（root mean square error，RMSE）和相关系数（表1），结果表明ICESat-2提取的水位与实测水位有较好的一致性。尤其是位于青藏高原湖区的扎陵湖和鄂陵湖，相关系数达到0.9左右，RMSE分别为0.097 m和0.195 m，表明变化趋势有很好的一致性且精度较好；但由于实测水位站多位于湖泊岸边，实地测量数据与ICESat-2得到的平均湖泊水位有差异，特别是面积较大的湖泊，其表面相对水准面有一定的曲率，因此部分湖泊的实测验证结果存在误差。此外，从湖泊水位序列对比图（图5）可见，ICESat-2提取的水位序列与实测水位的变化趋势相一致。
表1 实测数据验证误差统计表

Tab.1 Statistics for verification error using the in-situ data

序号 湖泊名 重复水位数/个 重合水位日期范围 RMSE/m 相关系数
1 扎陵湖 22 2018年10月—2020年12月 0.097 0.881
2 鄂陵湖 21 2018年10月—2020年12月 0.195 0.894
3 太湖 18 2018年10月—2020年12月 0.462 0.366
4 青海湖 12 2018年12月—2019年12月 0.203 0.766
5 巢湖 10 2018年12月—2019年12月 0.830 0.365
6 乌梁素海 8 2018年10月—2020年10月 0.198 0.555
7 独山湖 7 2019年3月—2019年12月 0.270 0.771
8 南漪湖 6 2018年11月—2019年11月 0.398 0.932
9 石臼湖 6 2018年11月—2019年11月 0.241 0.981
10 阳澄湖 6 2018年10月—2019年12月 0.134 0.416
11 大官湖 6 2018年12月—2019年12月 0.384 0.417
12 菜子湖 5 2018年12月—2019年12月 0.320 0.774
13 高邮湖 4 2018年12月—2020年12月 0.045 0.978
14 微山湖 4 2019年4月—2019年12月 0.167 0.324
15 泸沽湖 3 2019年2月—2019年5月 0.019 0.966
16 洪泽湖 3 2019年6月—2019年12月 0.152 0.933
17 武昌湖 3 2019年1月—2019年10月 0.424 0.982
18 固城湖 3 2018年11月—2019年4月 0.139 0.996
图5 ICESat-2与实测月水位重合序列对比

Fig.5 Comparison of water levels from ICESat-2 and in-situ data

2.4.2 交叉验证

对Hydroweb水位产品数据进行整理，得到36个湖泊的水位数据，和ICESat-2提取的湖泊水位进行交叉验证。结果表明ICESat-2提取的水位序列与Hydroweb水位序列间的RMSE最大值是0.854 m（巢湖），最小值是0.064 m（结则茶卡湖），平均值是0.238 m，大多数湖泊展现出较高的精度和相关性：扎日南木错相关系数最高，达到0.95，RMSE为0.085 m，说明两序列间有很高的相关性和极小的误差。另一方面，ICESat-2水位、Hydroweb水位标准差总体均值分别为0.05 m和0.09 m，这表明ICESat-2监测精度优于Hydroweb水位产品。此外，对比部分湖泊的ICESat-2水位序列和Hydroweb水位序列（图6），两者变化趋势相一致，且具有很高的吻合度。
图6 ICESat-2与Hydroweb产品重合水位序列对比

Fig.6 Comparison of water levers from ICESat-2 data and Hydroweb

3 结果与分析

3.1 水位序列提取结果

基于上述方法，提取了我国境内共1 248个湖泊2018年10月—2022年8月间的月度水位序列。这些湖泊分布在五大湖区，其中青藏高原湖区979个，东部平原湖区181个，蒙新湖区42个，东北平原与山地湖区43个，云贵高原湖区3个。图7显示了监测到的湖泊在五大湖区的分布情况以及监测水位数（以月为单位）的空间分布。从图中可见，全国范围内青藏高原湖区监测到湖泊数目最多，分布最密集；东部平原湖区的湖泊分布比较集中，主要在长江、淮河中下游流域。此外，在监测的全国1 248个湖泊中，2018年10—12月提取湖泊水位763个；2019年、2020年和2021年分别提取水位3 187个、3 279个和3 139个；2022年1—8月提取水位1 868个，监测数据在研究时段内的分布较为稳定。
图7 监测湖泊分布情况及观测次数（审图号：GS京（2025）1936号）

Fig.7 Distribution of monitored lakes and the number of observations

图8统计了研究时段内每个湖泊的ICESat-2水位观测次数。全国湖泊在4 a间平均收到9.48次水位观测（以月为度量），不同湖泊的被观测次数为2~46个月度水位不等（图8（a））。此结果相比前人通过ICESat-1监测湖泊水位得到的平均观测次数明显增多[11]。此外湖泊的水位观测次数和湖泊面积A有较强的正相关（图8（b）），面积越大的湖泊，其卫星过境数据一般也会越多，因此水位序列会更完整。此外水位观测数在不同地区也存在一定的差异，青藏高原湖区湖泊单位面积上受到的观测次数与其他湖区存在显著差异（p≈7.6E-26，远小于其他湖区间p值），表明位于青藏高原地区的湖泊比其他地区更容易受到多的观测，这可能与卫星过境时的天气、卫星轨道等因素有关。
图8 ICESat-2观测数据统计图

Fig.8 Statistical of ICESat-2 observed data

基于提取结果对ICESat-2的小面积湖泊监测能力进行评估，表明在所监测的1 248个湖泊中，约90%是面积100 km2以下的小型湖泊，监测到最小湖泊的面积为0.433 km2。统计表明面积在1 km2以下的湖泊平均得到4次观测，最多能达到11次观测，这凸显了ICESat-2对小水体的监测能力。

3.2 湖泊水位变化分析

为了更好地分析2018—2022年间湖泊水位变化趋势，去除水位观测次数不足4次的湖泊以及观测时段长度小于2 a的湖泊，从而得到2018—2022年间全国957个湖泊的水位数据集，然后通过线性模型拟合计算这957个湖泊的水位变化趋势。统计得到，全国957个湖泊中有398个湖泊呈现显著的水位变化趋势（p<0.05）。以湖泊面积为权，计算得到全国湖泊水位在2018—2022年间的平均上升率约0.26 m/a ，平均下降率约-0.17 m/a ，整体呈缓慢上升趋势。
由于各湖区之间存在多种自然、人文特点差异，本文对每个湖区的湖泊水位变化趋势分别进行分析，其中云贵高原湖区只监测到2个湖泊的水位变化，无法明确区域性水位变化趋势，故不做分析。

3.2.1 青藏高原湖区

对青藏高原湖区734个湖泊水位变化情况做统计（表2）。按湖泊面积加权后得到青藏高原湖区湖泊水位平均上升率约为0.212 m/a，平均下降率为-0.129 m/a，表明青藏高原地区湖泊水位呈现缓慢上升趋势。此外，青藏高原大型、中型湖泊上升趋势较为明显，62个有显著变化趋势的大型、中型湖泊中，有44个呈显著的水位上升趋势（p<0.05）；中小型湖泊随着面积减小，增长趋势愈加缓慢，面积在10 km2以下的小型湖泊总体呈现水位下降趋势，这其中有89个湖泊的水位显著下降（p<0.05）。
表2 青藏高原湖区不同面积湖泊水位变化趋势统计表

Tab.2 Trends in water levels of lakes of different sizes in the lake area of the Qinghai-Xizang Plateau

湖泊面积
范围/km2		 湖泊数量/个 总面积/km2 上升数量/个 上升面积/
km2		 上升率/
（m·a-1）		 下降数量/个 下降面积/
km2		 下降率/
（m·a-1）
>1 000 4 9 673.41 3 8 672.84 0.207 1 1 000.57 -0.051
（500，1 000] 10 6 561.89 6 3 997.77 0.279 4 2 564.12 -0.146
（200，500] 29 9 698.25 14 4 938.49 0.239 15 4 759.76 -0.132
（100，200] 46 6 264.33 32 4 433.57 0.197 14 1 830.77 -0.120
（50，100] 69 4 956.55 40 2 980.10 0.165 29 1 976.45 -0.094
（10，50] 231 5 411.45 102 2 593.46 0.174 129 2 817.98 -0.148
≤10 345 1 477.06 146 641.12 0.141 199 835.94 -0.192
总计 734 44 042.94 343 28 257.35 0.212 391 15 785.59 -0.129
图9展示了青藏高原湖区水位变化的空间分布，可见水位变化多集中在羌塘高原内流区，在该区域中部，水位上升和下降的湖泊交错分布，且变化程度较小，而该区域西北部以及东部靠近长江源流域的湖泊呈明显上升趋势；此外，柴达木内流区湖泊水位也呈上升趋势；而水位呈下降趋势的湖泊集中分布在羌塘高原内流区北部、喜马拉雅山脉沿线和西南国际河流域。
图9 青藏高原湖区湖泊水位变化趋势空间分布图（审图号：GS京（2025）1936号）

Fig.9 Distribution of lake level trends on the Qinghai-Xizang Plateau

进一步对青藏高原湖区不同流域的水位变化面积进行统计（表3），表明黄河源流域和西南国际河流域下降趋势明显，其他3个流域整体呈现水位上升趋势，其中柴达木内流区上升最明显，其上升湖泊面积远大于下降面积，水位平均上升率约0.25 m/a。
表3 青藏高原湖区各流域湖泊水位变化趋势

Tab.3 Trends in lake level changes in various basins on the Qinghai-Xizang Plateau

流域名称 湖泊数/个 上升面积/km2 平均上升率/（m·a-1） 下降面积/km2 平均下降率/（m·a-1）
柴达木内流区 30 5 747.132 0.245 4 554.773 -0.111 4
羌塘高原内流区 532 21 259.077 0.205 9 11 143.659 -0.118 9
黄河源流域 27 148.091 0.114 3 1 295.693 -0.222 2
长江源流域 58 691.819 0.243 8 343.625 -0.047 5
西南国际河流域 73 371.611 0.067 3 2 280.361 -0.145 2

3.2.2 东部平原湖区

东部平原湖区水位上升的湖泊明显多于水位下降的湖泊（表4）。其中15个湖泊有显著的水位上升趋势，3个湖泊有显著的水位下降趋势（p<0.05）。该湖区湖泊水位平均上升率约为0.373 m/a，平均下降速率约-0.234 m/a。从湖泊面积分布情况来看，东部平原湖区大型湖泊无显著变化趋势，而众多小型湖泊水位变化剧烈。
表4 东部平原湖区不同面积湖泊水位变化趋势统计

Tab.4 Trends in water levels of lakes of different sizes in the Eastern Plains lake area

湖泊面积/
km2		 湖泊数量/个 总面积/
km2		 上升数量/个 上升面积/
km2		 年均上升率/
（m·a-1）		 下降数量/个 下降面积/
km2		 年均下降率/
（m·a-1）
>1 000 1 2 457.42 0 0 0 1 2 457.42 -0.025
（500，1 000] 4 2 985.60 3 2 125.73 0.101 1 859.87 -0.034
（100，500] 26 5 010.93 23 4 259.28 0.275 3 751.65 -0.375
（50，100] 17 1 162.70 10 684.72 0.699 7 477.98 0.049
（10，50） 100 2 464.14 68 1 727.11 0.817 32 737.03 -0.604
总计 148 14 080.78 104 8 796.84 0.373 44 5 283.94 -0.234
图10为东部平原湖区湖泊水位变化趋势空间分布。由图可知，水位变化的湖泊多集中在长江中下游流域和淮河流域。该湖区湖泊水位变化在空间分布上有一定的规律性：淮河流域和长江中下游流域内绝大多数湖泊都呈现上升趋势，包括巢湖、泊湖等，部分沿海湖泊呈现水位下降趋势；黄河下游水系与山东半岛湖泊水位上升趋势明显；而水位下降的湖泊分布在河流上游以及南部沿海地区。
图10 东部平原湖区湖泊水位变化趋势空间分布图（审图号：GS京（2025）1936号）

Fig.10 Distribution of lake level trends in the Eastern Plains lake area

按照流域进行水位变化情况的统计，如表5所示，珠江流域呈现较为明显的下降趋势，下降面积显著高于上升面积。其余4个流域呈现水位上升趋势，黄河中下游流域和海河流域水位上升的面积占比更大，故上升趋势更为明显，且平均上升率都达到0.80 m/a以上；淮河流域和长江中下游流域整体上升速率较为缓慢（约0.30 m/a）。
表5 东部平原湖区各流域水位变化趋势

Tab.5 Trends in lake level changes in various basins in the Eastern Plains lake area

流域名称 湖泊数/个 上升面积/km2 平均上升率/（m·a-1） 下降面积/km2 平均下降率/（m·a-1）
长江中下游流域 60 4 935.227 0.303 9 3 569.893 -0.165 6
黄河中下游流域 6 310.559 0.801 9 44.734 -0.783 0
淮河流域 55 2 896.429 0.336 5 1 292.278 -0.077 7
海河流域 19 615.876 0.878 5 161.389 -0.319 4
珠江流域 7 38.750 0.315 7 197.237 -2.331 9

3.2.3 东北平原与山地湖区

东北平原与山地湖区共监测到40个湖泊的水位变化情况，变化范围在-1.50~2.50 m/a之间。湖区中有30个湖泊处于水位上升趋势，其中9个湖泊有显著的水位上升趋势（p<0.05）；而在10个水位下降湖泊中，有2个下降趋势显著（p<0.05）。该湖区上升湖泊面积占东北平原与山地湖区总面积的76.25%，整体上呈现水位上升趋势。
该湖区40个监测湖泊中，多数面积在100 km2以下。按照水位变化率与湖泊面积的关系来看，和东部平原湖区有较为类似的规律，即更大面积的湖泊变化趋势不明显。从空间分布情况来看（图11），辽河平原和松花江水系内东部的大部分湖泊水位上升。长白山及长白山以南的辽东半岛、鸭绿江水系的湖泊水位上升更为明显，且速率更快。而乌苏里江水系、小兴安岭及黑龙江水系监测到的湖泊水位呈下降趋势。
图11 东北平原与山地湖区湖泊水位变化趋势空间分布图（审图号：GS京（2025）1936号）

Fig.11 Distribution of lake level trends in the Northeast Plains and Mountains lake area

3.2.4 蒙新湖区湖泊水位变化分析

在蒙新湖区共观测到33个湖泊水位变化，上升湖泊数和下降湖泊基本持平。大部分湖泊（约70%）4 a间水位变化率绝对值在0.2 m/a以内。该湖区面积最大的湖泊呼伦湖（面积2 097.67 km2）在2018—2022年间变化率达到0.55 m/a，且有非常显著的水位上升趋势（p≈2.23E-8）。除呼伦湖外，该湖区其余3个面积大于500 km2的大型湖泊（博斯腾湖（p≈0.007）、乌伦古湖（p≈0.043）、艾比湖（p≈0.023））均呈显著的水位下降趋势。总体上看，除呼伦湖外蒙新湖区湖泊水位呈现较为明显的下降趋势，湖区水位年均下降率约0.24 m/a。
从水位变化的空间分布来看，蒙新湖区湖泊水位变化在东、西部的差异明显。西北地区湖泊较为稀少，多分布在塔里木盆地、准格尔盆地四周，绝大部分的水域呈明显的水位下降趋势；此外内蒙古高原中部，黄河中上游流域水位也多呈下降趋势，但变化较缓慢；而内蒙古东部、东北部湖泊水位呈上升趋势，与邻近的东部地区水位变化特征较为相似。
相较于新疆地区，内蒙古地区湖泊受人类活动的影响更大[16]，因此在未来的研究中，将新疆地区和内蒙古地区分为2个湖区[17]，分别探讨其湖泊水位变化特征是有必要的。

3.3 典型湖泊水位变化特征分析

选择青藏高原湖区的3个典型湖泊和蒙新湖区的1个典型湖泊进行水位变化特征分析，结果如图12和图13所示。
图12 典型湖泊ICESat-2水位-时间序列

Fig.12 Changes in water levels of typical lakes from ICESat-2 data

图13 典型湖泊2018—2022年水面变化状况

Fig.13 -2 Changes in water surface of typical lakes from 2018 to 2022

结泽茶卡湖（图12（a））属于青藏高原湖区，位于羌塘高原内流区西北部，在4 a间呈现出平稳的上升趋势（0.286 5 m/a，p≈7.23E-12），年内水位变幅不超过0.2 m，另外，通过Landsat8 OLI影像获取结则茶卡湖2018年和2022年水面变化情况（图13（a）—（c）），可见结则茶卡湖水位变化情况与同期水面变化相一致；鄂陵湖（图12（b））位于青藏高原湖区东北部黄河源流域，在4 a间，总体上呈显著的水位下降趋势（-0.277 3 m/a，p≈2E-5），但变化浮动较大，每年夏季水位上涨，10月达到年内水位峰值，每年冬季水位明显下降，到次年4—5月份达到年内水位最小值，年内水位落差近1.5 m；扎日南木错（图12（c））位于羌塘高原流域南部、喜马拉雅北麓沿线，在4 a间变化趋势有所改变（-0.051 4 m/a，p≈0.149 4），可以看出在2018—2020年间水位总体呈上升趋势，在2020—2022年间总体呈下降趋势，结合Landsat8 OLI影像获取的水面变化情况，可见扎日南木错湖面在研究时段内先增大后减小（图13（d）—（i）），与水位变化特征一致。
降水、温度、蒸发、冰川融化和永久冻土融化是影响青藏高原地区湖泊水位的重要因素[11]。青藏高原气温变暖的趋势和降水的增多可能会导致更多的冰川和雪融化，从而导致湖泊水位上升。而喜马拉雅山脉北麓湖泊地处背风坡，降水显著减少，湖泊蒸发量大于补给量，从而导致了水位下降趋势；对于西南诸河流域和黄河源流域，大部分冰川融水可能会泄入下游而非保留在流域内，因此气候变暖引起的蒸发作用是该区域水位下降的主要原因。
乌伦古湖（图12（d））属于蒙新湖区，位于准噶尔盆地北部，由于深处内陆干旱区，年内水位变化较小，4 a间年际水位呈显著下降趋势（-0.455 7 m/a，p≈7.33E-14），与Landsat8 OLI影像获取的同期水面变化特点一致（图13（j）—（l））。以乌伦古湖为典型的新疆干旱区湖泊，由于气候干旱其水位难以通过降雨进行有效的补充，加上该地区蒸发量高、农田对水源需求较大，所以水位多呈下降趋势。

4 结论与讨论

1）本文通过对ICESat-2 ATL08数据进行处理，获取到全国1 248个湖泊2018年10月—2022年8月水位变化数据集，实现了大区域尺度下小面积湖泊水位的监测，突出ICESat-2数据在小型湖泊水位监测方面的优势。对提取水位进行精度验证，表明 ICESat-2水位提取结果具有很高的精度和准确性，其变化趋势与实际情况具有较好的一致性。
2）通过对具有充足观测次数和观测时段长度的957个湖泊的水位进行变化分析，发现有398个湖泊的水位呈现出显著的线性变化趋势（p<0.05）。各湖区表现出不同的变化特点：青藏高原地区湖泊水位呈缓慢上升趋势，西北地区湖泊水位呈较明显的下降趋势，东部地区水位变化情况较为复杂：大型湖泊无明显变化趋势，而小型湖泊水位变化波动较大。总体上，全国湖泊水位呈缓慢上升趋势。本文的研究成果可为水资源保护，生态管理，探究湖泊水位与人类活动、气候变化的响应关系等提供科学依据。
3）值得注意的是，东部地区诸多湖泊如巢湖、太湖等，由于该地区湖泊水位受多种人为因素的影响（如灌溉、蓄水等），其水位变化上下浮动较大，这造成了不可避免的验证误差，如何更准确地提取这些湖泊的水位序列，还需要进一步的研究；但通过分析提取到的水位序列发现，这些湖泊大多在4 a左右的监测时段内没有明显的线性变化趋势，这表明在区域范围内对水位变化趋势进行分析时，这些湖泊对分析结果影响很小。

志谢：研究中用到的ICESat-2 ATL08数据由美国国家冰雪数据中心NSIDC提供（https://nsidc.org/data/atl08），在此表示感谢！

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
吴红波, 郭忠明, 毛瑞娟. ICESat-GLAS测高数据在长江中下游湖泊水位变化监测中的应用[J]. 资源科学, 2012, 34(12):2289-2298.

Wu H B, Guo Z M, Mao R J. Monitoring lake water level changes in the middle and Lower Yangtze River Basin based on ICESat-GLAS altimetry data[J]. Resources Science, 2012, 34(12):2289-2298.

[2]
高乐, 廖静娟, 刘焕玲, 等. 卫星雷达测高的应用现状及发展趋势[J]. 遥感技术与应用, 2013, 28(6):978-983.

Gao L, Liao J J, Liu H L, et al. Applying status and development tendency of satellite Radar altimeter[J]. Remote Sensing Technology and Application, 2013, 28(6):978-983.

[3]
赵云. 雷达高度计数据中国主要湖泊水位变化监测方法研究[D]. 北京: 中国科学院大学(中国科学院遥感与数字地球研究所), 2017.

Zhao Y. Method of monitoring water level change of main lakes in China with Radar altimeter data[D]. Beijing: University of Chinese Academy of Sciences (Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences), 2017.

[4]
Chen J, Liao J. Monitoring lake level changes in China using multi-altimeter data (2016-2019)[J]. Journal of Hydrology, 2020, 590:125544.

[5]
王成, 习晓环, 骆社周, 等. 星载激光雷达数据处理与应用[M]. 北京: 科学出版社, 2015.

Wang C, Xi X H, Luo S Z, et al. Data processing and application of spaceborne LiDAR[M]. Beijing: Science Press, 2015.

[6]
安德笼, 杨进, 武永斌, 等. ICESat-2激光测高卫星应用研究进展[J]. 海洋测绘, 2019, 39(6):9-15.

An D L, Yang J, Wu Y B, et al. Current research progress and applications of ICESat-2 laser altimetry satellite[J]. Hydrographic Surveying and Charting, 2019, 39(6):9-15.

[7]
Cooley S W, Ryan J C, Smith L C. Human alteration of global surface water storage variability[J]. Nature, 2021, 591(7848):78-81.

[8]
Luo S, Song C, Zhan P, et al. Refined estimation of lake water level and storage changes on the Tibetan Plateau from ICESat/ICESat-2[J]. CATENA, 2021, 200:105177.

[9]
张国庆, 王蒙蒙, 周陶, 等. 青藏高原湖泊面积、水位与水量变化遥感监测研究进展[J]. 遥感学报, 2022, 26(1):115-125.

Zhang G Q, Wang M M, Zhou T, et al. Progress in remote sensing monitoring of lake area,water level,and volume changes on the Tibetan Plateau[J]. National Remote Sensing Bulletin, 2022, 26(1):115-125.

[10]
马山木, 甘甫平, 吴怀春, 等. ICESat-2数据监测青藏高原湖泊2018—2021年水位变化[J]. 自然资源遥感, 2022, 34(3):164-172.doi:10.6046/zrzyyg.2021329.

Ma S M, Gan F P, Wu H C, et al. ICESat-2 data-based monitoring of 2018—2021 variations in the water levels of lakes in the Qinghai-Tibet Plateau[J]. Remote Sensing for Natural Resources, 2022, 34(3):164-172.doi:10.6046/zrzyyg.2021329.

[11]
Wang X, Gong P, Zhao Y, et al. Water-level changes in China’s large lakes determined from ICESat/GLAS data[J]. Remote Sensing of Environment, 2013, 132:131-144.

[12]
张国庆, Xie H J, 姚檀栋, 等. 基于ICESat和Landsat的中国十大湖泊水量平衡估算[J]. 科学通报, 2013, 58(26):2664-2678.

Zhang G Q, Xie H J, Yao T D, et al. Estimation of water balance of ten lakes in China based on ICESat and landsat[J]. Chinese Science Bulletin, 2013, 58(26):2664-2678.

[13]
王娜. 中国五大湖区湖泊生态系统结构及水生生物演化比较研究[D]. 南京: 南京大学, 2012.

Wang N. Comparative study on the structure of lake ecosystem and the evolution of aquatic organisms in the five great lakes of China[D]. Nanjing: Nanjing University, 2012.

[14]
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, 3:160039.

[15]
吴红波, 王宁练, 郭忠明. ICESat-2/ATLAS测高数据在青海湖湖泊水位估计中的应用[J]. 水资源与水工程学报, 2021, 32(5):11-18,26.

Wu H B, Wang N L, Guo Z M. Application of ICESat-2/ATLAS altimetry data to the estimation of the Qinghai Lake water level[J]. Journal of Water Resources and Water Engineering, 2021, 32(5):11-18,26.

[16]
Tao S, Fang J, Zhao X, et al. Rapid loss of lakes on the Mongolian Plateau[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(7):2281-2286.

DOI PMID

[17]
Zhang G, Yao T, Chen W, et al. Regional differences of lake evolution across China during 1960—2015 and its natural and anthropogenic causes[J]. Remote Sensing of Environment, 2019, 221:386-404.

Options
Outlines

/

〈 〉