论文部分内容阅读
在全球变暖的大背景下，雅鲁藏布江流域作为一个对环境变化十分敏感的区域，其气候变化在很大程度上影响着东亚大气环流及灾害性天气的形成和发展。雅鲁藏布江关键水文要素的变化则是雅鲁藏布江流域乃至青藏高原地区气候变化和环境变化的重要指示器，特别是雅鲁藏布江径流及其关键要素的变化备受国内外相关领域的科学家的关注。
本文基于Landsat影像数据及Envisat和Jason测高数据，对雅鲁藏布江径流及面积、河宽、水位等径流关键要素的变化进行了研究，研究内容主要分为以下三个部分：
(1)雅鲁藏布江整体径流关键要素变化分析。本文通过对比不同水体提取算法，确定了雅鲁藏布江不同河道特征区域的最佳提取方法，基于此处理了2000年至2016年共335景Landsat影像，生成雅鲁藏布江干季和湿季长时间序列矢量数据集，并计算了河流面积。据此分析了雅鲁藏布江河流面积年际变化情况、面积变化与高程变化的关系、影响面积变化波动幅度的因素、永久性过水区域。
(2)奴下水文站实验区径流关键要素分析。本文以奴下水文站所在位置向下15km作为实验区，处理了73景覆盖该区域的Landsat影像并计算了对应的河流宽度和面积。据此分析了奴下水文站实验区河流宽度及面积的月际及年际变化规律，同时利用HANTS算法对面积空缺值进行了插补，得到的拟合函数R2为0.96，拟合数据和验证数据的RMSE分别为0.45km2和0.65km2。同时简要分析了面积变化驱动力因素，并计算了气象因素响应时间。此外利用Envisat测高卫星计算了实验区水位，并将其变化规律与面积进行了对比。
(3)奴下水文站实验区径流模型构建。本文基于利用遥感手段获取的河流面积，同时考虑气象因素对径流的影响，结合奴下水文站实测数据，构建了实验区径流估算模型。此外本文利用已被发表的基于测高卫星获取的水位数据的径流估算模型，估算了实验区的径流。最后将两种模型的径流估算结果与实测数据进行对比，计算了各项指标评价了模型性能。
本文研究结果表明：雅鲁藏布江宽谷型河段区域和峡谷型河段区域，AWEI算法的河流提取精度最高，而辫状河流区域MBWI算法的河流提取精度最高。2000年至2016年间，不管是干季还是湿季，雅鲁藏布江河流面积整体上均呈减少趋势，河流面积变化波动幅度主要是受到辫状河流面积占比的影响，辫状河流面积占比越大的区域，河流面积波动幅度越大，与高程以及高程变化率的相关性不大。2000年至2016年雅鲁藏布江干季过水区域总面积达775km2，其中永久性过水区域面积为246km2，占比仅为31.7%，其中单一河道区域基本上为永久性过水区域，而辫状河流区域的永久性过水区域则占比较小，大部分为季节性过水区域。奴下水文站实验区的河流宽度2000年以来整体呈减小趋势，且河面越宽的河段其月际和年际的河宽变化范围越大，河流面积2000年以来整体也呈减少趋势，月际变化以年为单位呈现出明显的规律性，最大值和最小值分别出现在每年的8月和2月。气温和降水是影响面积变化的主要因素，其中降水周期峰值响应时间为43天，气温周期峰值响应时间为31天，该结果与利用日值降水和径流数据分析得到的降水平均响应时间不一致，可能和两者所使用的数据的时间尺度不同有关。此外，通过与实测水位数据的对比发现，2007年至2012年的Envisat水位精度较高，而2002年至2004年的Envisat水位不准确，这可能与欧空局在2005年至2006年对Envisat进行了仪器校准有关。同时水位的年际变化和河流面积一样存在明显的周期性，且月际变化规律符合干湿季变化的特点。基于面积构建的奴下水文站实验区径流估算模型，湿季估算精度较低，干季估算精度较高，整体校准数据和验证数据的RMSE平均值为628.78m3/s，NSE平均值为0.85，剔除湿季数据后校准数据和验证数据的RMSE平均值为177.02m3/s，NSE平均值为0.91。整体而言该模型精度略低于基于水位构建的径流估算模型，但因其在空间分辨率上较之水位存在明显优势，仍有较大的应用价值。
本文基于Landsat影像数据及Envisat和Jason测高数据，对雅鲁藏布江径流及面积、河宽、水位等径流关键要素的变化进行了研究，研究内容主要分为以下三个部分：
(1)雅鲁藏布江整体径流关键要素变化分析。本文通过对比不同水体提取算法，确定了雅鲁藏布江不同河道特征区域的最佳提取方法，基于此处理了2000年至2016年共335景Landsat影像，生成雅鲁藏布江干季和湿季长时间序列矢量数据集，并计算了河流面积。据此分析了雅鲁藏布江河流面积年际变化情况、面积变化与高程变化的关系、影响面积变化波动幅度的因素、永久性过水区域。
(2)奴下水文站实验区径流关键要素分析。本文以奴下水文站所在位置向下15km作为实验区，处理了73景覆盖该区域的Landsat影像并计算了对应的河流宽度和面积。据此分析了奴下水文站实验区河流宽度及面积的月际及年际变化规律，同时利用HANTS算法对面积空缺值进行了插补，得到的拟合函数R2为0.96，拟合数据和验证数据的RMSE分别为0.45km2和0.65km2。同时简要分析了面积变化驱动力因素，并计算了气象因素响应时间。此外利用Envisat测高卫星计算了实验区水位，并将其变化规律与面积进行了对比。
(3)奴下水文站实验区径流模型构建。本文基于利用遥感手段获取的河流面积，同时考虑气象因素对径流的影响，结合奴下水文站实测数据，构建了实验区径流估算模型。此外本文利用已被发表的基于测高卫星获取的水位数据的径流估算模型，估算了实验区的径流。最后将两种模型的径流估算结果与实测数据进行对比，计算了各项指标评价了模型性能。
本文研究结果表明：雅鲁藏布江宽谷型河段区域和峡谷型河段区域，AWEI算法的河流提取精度最高，而辫状河流区域MBWI算法的河流提取精度最高。2000年至2016年间，不管是干季还是湿季，雅鲁藏布江河流面积整体上均呈减少趋势，河流面积变化波动幅度主要是受到辫状河流面积占比的影响，辫状河流面积占比越大的区域，河流面积波动幅度越大，与高程以及高程变化率的相关性不大。2000年至2016年雅鲁藏布江干季过水区域总面积达775km2，其中永久性过水区域面积为246km2，占比仅为31.7%，其中单一河道区域基本上为永久性过水区域，而辫状河流区域的永久性过水区域则占比较小，大部分为季节性过水区域。奴下水文站实验区的河流宽度2000年以来整体呈减小趋势，且河面越宽的河段其月际和年际的河宽变化范围越大，河流面积2000年以来整体也呈减少趋势，月际变化以年为单位呈现出明显的规律性，最大值和最小值分别出现在每年的8月和2月。气温和降水是影响面积变化的主要因素，其中降水周期峰值响应时间为43天，气温周期峰值响应时间为31天，该结果与利用日值降水和径流数据分析得到的降水平均响应时间不一致，可能和两者所使用的数据的时间尺度不同有关。此外，通过与实测水位数据的对比发现，2007年至2012年的Envisat水位精度较高，而2002年至2004年的Envisat水位不准确，这可能与欧空局在2005年至2006年对Envisat进行了仪器校准有关。同时水位的年际变化和河流面积一样存在明显的周期性，且月际变化规律符合干湿季变化的特点。基于面积构建的奴下水文站实验区径流估算模型，湿季估算精度较低，干季估算精度较高，整体校准数据和验证数据的RMSE平均值为628.78m3/s，NSE平均值为0.85，剔除湿季数据后校准数据和验证数据的RMSE平均值为177.02m3/s，NSE平均值为0.91。整体而言该模型精度略低于基于水位构建的径流估算模型，但因其在空间分辨率上较之水位存在明显优势，仍有较大的应用价值。