衛星測高數據篩選方法研究

文京川 趙紅莉 蔣云鐘 陳德清 紀剛

摘要：針對衛星測高數據質量在湖庫地區不穩定問題，提出一種基于數據質量評價、篩選提取水位的方法。使用Jason3衛星測高數據，選取數據質量不穩定的洪澤湖地區為例進行實驗。結果表明，該方法在改善數據精度方面明顯優于傳統方法，提取的測高水位與實測水位間相關系數從傳統方法的011提高到059，均方根誤差也從2 m減少到05 m，使得Jason3數據用于湖庫水位監測時具有較高的可信度。此外，對于那些數據質量不好的周期，提取的水位精度普遍不高，基于數據質量評價結果將它們舍去，可進一步提高了整體的監測精度，相關系數可提高到09，均方根誤差減少到019 m，這對于為無資料湖庫構建精確的庫容曲線具有重要意義。

關鍵詞：遙感監測；測高衛星；數據質量；水位變化 ；湖庫

中圖分類號：TP791文獻標志碼：A文章編號：16721683（2018）03019407

Research on the quality screening method for satellite altimetry data

——take Jason3 data and Hongze Lake as an example

WEN Jingchuan1，2，3，ZHAO Hongli2，JIANG Yunzhong2，CHEN Deqing4，JI Gang1，2，3

（1.Faculty of Geomatics of Lanzhou Jiaotong University，Lanzhou 730070，China；

2.China Institute of Water Resources and Hydropower Research，Beijing 100038，China；

3.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring， Lanzhou 730070，China；

4. Information Center of the Ministry of Water Resources， Beijing 100053，China）

Abstract：This paper proposes a method based on data quality evaluation and extraction of water level to improve the steadiness of data quality of satellite altimetry in lakes and reservoirs area.We used Jason3 satellite altimetry data and performed a case study in Hongze Lake area where the altimetric data quality was unsteady.Results showed that the accuracy of this method was obviously better than that of the traditional methods.The correlation coefficient between the satellitederived water level and the gauged water level increased from 011 to 059，and the root mean square error was reduced from 2 m to 05 m，making the Jason3 data more reliable for water level monitoring of lakes and reservoirs.In addition，for those periods with poor data quality，since the water level accuracy is generally low，they can be discarded based on the results of data quality evaluation.This can further improve the overall monitoring accuracy.The correlation coefficient can be increased to 09，and the root mean square error was reduced to 019 m.This is of great significance to building a precise capacity curve for the ungauged lakes and reservoirs.

Key words：remote sensing monitoring；altimeter satellite；data quality；water level changes；lakes and reservoirs

及時獲取湖泊、水庫的水位、水量和水體分布變化，是水資源監測中的重要內容之一。以往主要是采用地面定點（水文站）定時觀測的方式監測水位變化，地面監測方式需要配套大量基礎設施，耗費大量人力物力，對于偏遠地區無法大規模布點，并且日常監測效果還會受到水文站上報頻次的影響。為滿足日益精細化的水資源管理需求，迫切需要擴大水資源監測范圍、提升監測標準，而僅靠地面監測手段無法滿足對時效性、廣泛性的要求[1]。衛星測高技術的出現和快速發展，為湖庫水位監測提供了一種全新的方法[2]。由于其具有周期性重訪、監測成本低、監測范圍可覆蓋部分無資料地區等特點，在一定程度上可填補部分地面監測。

第16卷 總第96期·南水北調與水利科技·2018年6月文京川等·衛星測高數據篩選方法研究——以Jason3數據和洪澤湖為例20世紀70年代，衛星測高技術起初僅用于測量海平面和南極冰蓋高度，但隨著后續發射的測高衛星性能不斷改善，許多學者開始嘗試將其用于大型湖泊水位變化的監測并取得較好的效果[3]。1982年Brooks就將Seasat測高數據觀測的湖面高程作為地面控制點用于地圖的繪制。1993年 Koblinsky使用Geosat測高數據實現了衛星對內陸湖泊水位變化第一次長時間監測。1994年，Birkett研究了這項技術用于內陸水域的可能性， 并使用Geosat衛星測高數據監測了多個湖泊的水位變化。1995年他又使用TOPEX/Poseidon衛星測高數據計算了全球24個湖泊的水位變化， 其中包括中國的呼倫湖。2001年Alsdof等使用T/P測高數據結合JERS1 SAR影像數據估算了Amazon湖蓄水量變化。2006年Frappart等利用T/P、ERS2、GFO1和Envisat衛星測高數據對亞馬遜河流域4個試驗區進行研究，提供了更準確的水位時變數據[49]。在國內，2005年褚永海利用Jason1數據監測了呼倫湖水位變化，發現呼倫湖水位近年來呈明顯下降趨勢。2007年李建成等利用Envisat1數據研究分析了長江中下游鄱陽湖、洞庭湖、太湖、巢湖等的水位變化及其與氣候環境的關系。2008年姜衛平使用Envisat衛星SGDR數據，采用波形重跟蹤技術對青海湖水位進行監測，結果表明對數據進行波形重定添加波形改正項可一定程度上提升監測精度。高永剛等利用T/P和Jason1衛星的GDR和WDR數據，進行了波形重定，在提取的測高水位中添加了波形改正項，并用小波分析得出了呼倫湖水位變化周期。2011年李均力利用ICESat/GLAS數據獲取了2003-2009年間中亞地區24個典型湖泊的水位信息，分析該地區湖泊水位變化的時間過程和空間特征。2013年戴玉鳳利用Landsat數據和ICESat衛星測高數據，分別對青藏高原佩枯錯湖泊的面積和高程變化進行了分析，并進一步估算了湖泊2003-2009年相對水量變化。2016年趙瑞等使用ICESat、Cryosat2測高數據，以及Landsat遙感影像獲取了佩古錯流域冰川、湖泊面積和高程變化，估算了水量變化并結果氣象資料，研究了佩古錯流域對氣候的響應[1014]。

衛星測高用于觀測湖庫水位的可行性和精度都已得到很好驗證，但由于其設計原理和特性，地面諸多因素可影響到數據的質量，如復雜的地形可能導致數據的丟失和異常，還有風沙、強降雨天氣以及水面結冰等都可能會影響數據的質量和準確性[1516]。在以往研究中，主要是利用高程均值、中誤差、最大/最小水位差等指標去除異常數據，如傳統的RANSAC算法、抗差最小二乘算法和3倍中誤差算法，最常見的是高永剛、郭金運、以及孫佳龍等學者使用的3倍中誤差算法。這類方法在數據質量穩定良好的情況效果良好，但有時異常數據占很高比例，中誤差往往偏大，高程均值也已遠遠偏離真值，各指標不再具有約束效力。這樣并不能有效去除噪聲，并且還淹沒掉少量存在的高精度高程點，在此時該類方法就不再適用。數據噪聲的存在和質量的不穩定給衛星測高技術的大范圍推廣和業務化運行帶來了很大困難。另外，Jason3衛星于2016年1月發射工作，國內外還少有相應，Jason3測高數據的質量和精度有待進一步驗證。鑒于此，本文以Jason3為數據源并選取數據質量不穩定的湖庫進行水位監測實驗，提出一套基于數據質量評價、篩選提取湖庫水位的方法，提高Jason3測高數據監測精度和適用性，為測高數據進一步應用到我國水資源監測體系中提供技術支撐。

1數據與方法

1.1實驗數據

Jason3衛星是由法國空間研究中心（CNES）、美國宇航局（NASA）、歐洲氣象衛星組織（EUMETSAT）以及美國海洋和大氣局（NOAA）等多個機構合作研制的一顆海洋測高衛星，主要用于監測海面高度和氣候變化。它是T/P、Jason1/2系列衛星的延續，采用了相同的軌道設計，軌道周期為10 d，軌道高度為1 336 km，傾角為66°。由Poseidon3B高度計、微波輻射計（AMR）、多普勒定軌和無線電定位組合系統接收機（DORIS）、全球定位系統接收機（GPS）和激光跟蹤器等五大部分構成。在DORIS系統上，天線定位做了調整可聯合多個潛在的發射通道作業。另外，太陽能電池的位置模型得到優化，使得衛星的定軌和定位更加精準。Jason3采用的大地水準面是EGM96水準面，參考橢球體與Jason2一樣，將地球定義為一個赤道半徑為6 3781363 km、扁平率為1/298257的橢球體。發射后的9個月里，一直與Jason2所處相同軌道，接替了Jason2的工作。在2016年10月，Jason2變軌到了Jason1在2009年2月到2012年8月期間所處軌道，保持了Jason系列同時有兩顆衛星雙軌道交叉運行的機制。

本文使用的是Jason3衛星2級產品中的GDR（Geophysical Data Record）數據，下載官網為：https：//www.aviso.altimetry.fr/。它是在60 d內生成的延遲時間數據集，經過了完全的驗證，包含所有的環境和地球精確校正。產品以10 d一個周期進行存貯，每個周期內包含共254個Pass文件，每個Pass文件大小為5 M左右[17]。另外，用于精度驗證的湖庫實測水位數據來自地面水文站上報，可從國家防汛抗旱指揮系統下載。研究區枯水期遙感影像為GF1號衛星拍攝，從國家衛星資源應用中心下載獲取。

1.2研究方法

1.2.1湖庫測高水位計算基本原理

衛星測高是在衛星上搭載微波雷達測高儀，讓測高儀上的雷達裝置垂直向下發射脈沖信號，通過測量脈沖從發射經地球表面反射再到衛星天線接收的時間，來計算出衛星到星下點的距離，結合衛星搭載的GPS定位信息計算得到海（水、冰）平面高度[18]。衛星測高基本工作原理見圖1。

根據衛星測高基本工作原理，湖庫測高水位計算公式[19]為：

h=halt-hran-hgeoid-c（1）

式中：h為湖泊水位正高；halt為測高儀的橢球高；hran為測高儀的觀測距離；hgeoid為大地基準面相對于參考橢球面高度；c為各項觀測誤差修正。

湖庫水位的各項觀測誤差修正參照海洋數據標準處理，但相對海面而言湖庫的水面很小，海潮、逆氣壓、潮壓等影響可不考慮，因此湖庫水位具體的誤差修正為：

c=i+s+p+d+w（2）

式中各誤差修正詳見表1。

誤差修正中文名稱備注i電離層修正測高衛星信號穿過電離層時，會產生各種物理效應，其中最主要的是折射效應，其結果對傳播信號產生延時，對測量的影響約為02～5 cm。s固體潮修正固體潮會引起地球本體變形導致高度變化，最多可達50 cm。p極潮修正極潮是指地殼對地球自轉軸指向偏移的彈性相應，極潮引起的高度誤差為01～25 mm。dw干對流層修正濕對流修正測高信號經對對流層折射率的變化使路徑產生彎曲，對流層的影響可以分成干對流層效應和濕對流層效應，前者引起高度上的誤差約為22 m。后者為6～30 m。1.2.2測高數據編輯處理方法

從官網獲取的測高數據是以二進制格式存儲的，要將原始數據轉換得到湖庫精確的測高水位，需要對數據進行一系列讀取轉換、編輯處理和提取水位的工作[20]。經研究發現，對于不同湖庫測高數據的數據質量好壞不一，即使對同一個湖庫而言不同時期的數據質量也有所不同。因此，本文在參照以往方法的基礎上，提出一種基于數據質量評價、篩選提取的測高數據編輯處理方法，處理過程見圖2。

（1）數據基本編輯。

使用專業軟件BRAT讀取原始測高數據，以Ascii格式輸出經緯度、高程、各項修正等參數。借助ice_qual_flag_20hz_ku、qual_20hz_alt_data等數據質量標識項保證數據系統處理過程有效，參照海洋處理標準將各修正項數值控制在有效范圍內。將數據進一步導入ArcGIS，基于經緯度信息生成高程點圖層，配合經ENVI處理后的湖庫枯水期影像剔除湖面以外的高程點。經基本編輯后，保證了測高觀測的有效性，再將處理后的數據使用公式（1）和公式（2）進行計算，得到初始的水面高程值。

（2）數據質量評價分級。

提出“連續優質點群”概念，將同一周期的高程點按緯度從低到高排列，以X軸為點號、Y軸為高程值，因湖庫水面近似水平，數據質量較好時，各點號對應的高程值應近似在一條水平線上，數據質量不高或不穩定時，則相反。“連續優質點群”即指緯度序號連續、高程值近乎在一條水平線上并且滿足每個點與高程均值間差值不超過03 m的點群。點群至少由3點組成，當出現多組連續優質點群時，選中點數最多、中誤差最小的點群。如果存在某一點群均值與選中點群均值近乎一致時，將兩組合并生成最終選中的連續優質點群，其余的點群不予考慮，最終選中的連續優質點群應不少于5個點。對每一期衛星測高數據質量進行評價，最終選取的“連續優質點群”點數占周期內高程點總數比例越高，數據質量就越好。對每個周期的數據先進行質量評價，將它們分為4個等級，如圖3所示，其中紅色矩形框圈中的即為選中連續優質點群。評價標準如下：

1級：連續優質點群占全部數據的比例大于6667%。

2級：連續優質點群占全部數據的比例大于3333%。

3級：數據中存在少量連續優質點群。

4級：數據中沒有連續優質點群。

（3）篩選提取水位。

對于1、2、3級數據，只保留選取的連續優質點群，將其余的高程點剔除，再將周期內的每個高程值與高程均值的差值大于3倍中誤差的高程點剔除[21]（式（3）），取剩余點高程均值為提取的測高平均水位（式（4））；對于4級數據，將最接近前后周期提取水位的高程值作為測高平均水位，若該值仍與前后周期水位相差甚遠，則考慮直接舍去該周期數據。

Di=|hi-X|-3×∑ni=1（hi-X）2n（3）

H平=1m ∑mi=1hi（4）

式中：hi為單個周期內某一高程點高程值；X為高程均值；n為該周期內高程點數，其中i=1，2，3，…，n，Di即為各高程值與均值的差值減去三倍中誤差，當Di>0時曬除該點，否則保留。m為經公式（3）篩選后保留下的高程點數；H平即為該周期的測高平均水位。

（4）約化、濾波處理。

由于Jason3衛星不同周期間的同一地面軌道最大間距約為1 km，每次測量的點位都不完全相同，所以參照文獻[5]將不同周期的水位數據約化到同一參考點上。首先選取高程點數最多的周期軌跡作為參考軌道，將各周期的水位平均值H1平、H2平、H3平…Hm平依次加入大地起伏差[7]，最后根據各周期實際軌道與參考軌道的距離，將實際軌道上的湖面水位約化到參考軌道上，見圖4。

Hj約化=Hj平+（Nj-N）（5）

式中：Hj平為實際軌道的平均水位值；Hj約化為實際軌道平均水位的約化值；Nj為實際軌道均值點的大地起伏值；N為參考軌道參考點的大地起伏值；其中j=1，2，3…z，z為觀測周期數。

經約化后得到各周期的測高水位可能還存在一些粗差，所以利用Matlab軟件編程對數據進行高斯濾波，經上述處理后便得到湖庫水位變化的時間序列。具體的高斯函數為：

w（φλ）=Aexp-r22σ2r≤Rs

式中：r2=φ2+λ2；Rs為搜索窗口大小的一半；σ=Rs3（這里選取的搜索窗口大小為半年）。

2案例研究

2.1洪澤湖水位監測

本文選取測高數據量豐富但質量不穩定的洪澤湖為研究區，分別使用傳統的三倍中誤差算法和本文基于數據質量篩選方法分別提取湖庫水位，并利用洪澤湖尚咀水文站實測數據對監測結果進行對比分析。

洪澤湖是我國第四大淺水型湖泊，地處江蘇省淮安市洪澤縣西部，在北緯33°06′-33°40′，東經118°10′-118°52′之間。屬平原型湖泊，湖岸線相對簡單，海拔在10 m左右。湖區具有季風氣候，四季分明，雨季多集中在6月-9月。Jason3衛星地面軌跡Pass_240正好掃過湖面，下載了從2016年2月至2017年7月共52期測高數據。地面軌跡與枯水期湖面截距約為11 km，經編輯處理后湖面上每期測高數據平均有29個高程點，見圖5。

圖5（a）為Jason3衛星掃過枯水期洪澤湖面情況，紅色線為Pass240地面軌跡，圖5（b）為經編輯處理后保留下的所有高程點。經質量評價，洪澤湖52期數據中有1級數據19期、2級數據10期、3級數據12期、4級數據11期，數據質量的時間分布情況見圖6。從圖中可知，洪澤湖地區測高數據各時期質量不一，質量較差的3、4級數據分別占到23%和21%，多集中在每年6月-9月。

分別使用傳統3倍中誤差算法和基于數據質量篩選的方法提取湖面測高水位，實驗結果見圖7。

2.2實驗結果分析

從圖7可知，在洪澤湖地區傳統方法提取水位整體精度較差，在數據質量好的幾個周期與實測水位誤差較小，但在數據質量較差時與實測水位誤差達到5 m左右。而本文方法在改善數據精度方面明顯優于傳統方法，絕大部分周期數據與實測水位十分接近，誤差很小且保持顯著的相關性，尤其在數據質量差時與實測值也較為接近。但在極個別周期數據質量極差（大部分為4級數據），提取水位仍與實測水位有1 m 左右的誤差，這是由于當時衛星過境時一些地面因素對測高數據造成了極大的干擾，使得獲取的所有高程點中都收到了污染。

本文方法提取的測高水位數據一方面可用于日常水位監測，填補地面實測水位不足，另一方面可用于無資料地區庫容曲線的構建。基于數據質量評價結果，在日常水位監測上，可對每一期測高水位的可信度進行評價，數據質量越高整體誤差較小，可信度越高；在構建庫容曲線上，隨著衛星短周期重訪積累了豐富測高數據，可將質量較差的4級甚至3級數據進行剔除，以提高測高水位整體精度，進一步配合遙感影像獲取的面積信息構建出精確的庫容曲線。如圖8和表2所示，傳統方法提取的水位與實測數據比較，最小差值為014 m、最大差值為645 m、均方根誤差為2 m、相關性系數只有011，而本文方法最小差值為001 m、最大差值為187 m、均方根誤差減小到05 m、相關性系數增加到059。在將洪澤湖3、4級數據進一步剔除后，最大、最小差值分別減小到042 m 和001 m、均方根誤差減小到019 m、相關性系數增加到09，測高水位與實測數據間整體誤差明顯減小，相關性進一步提高，大大提高了監測精度。

本文使用Jason3測高數據，提出一套基于數據質量評價、篩選提取湖庫水位的方法。利用連續優質點群這一標準，首先進行數據質量評價，基于評價結果篩選數據，再提取湖庫水位。主要結論如下。

（1）在對數據質量全年不穩定的洪澤湖實驗中，取得了最小水位差001 m、最大水位差042 m、均方根誤差019 m、與實測數據相關性達到09這樣較高的監測精度，驗證了Jason3測高衛星用于湖庫水位監測較高的可信度。

（2）相較傳統方法，在數據質量差、異常數據占比很大時，仍能將少量存在的高精度高程點挑選保留，大大減少了與實測水位間的誤差；在數據質量良好時也有一定程度改善，顯著提高了整體監測精度。所以，該方法不僅適用于測高數據質量良好的湖庫，也適用于數據較差或質量不一的湖庫，精度更高、更具有普適性。

（3）數據質量的評價分級對我國湖庫監測有積極意義。評價結果可對日常監測中每期測高水位的可信度進行評價，質量等級為1、2級的數據連續優質點占總數的3333%以上，數據質量更好、可信度更高；相反，3、4級數據可信度相對較低。此外，即便沒有實測數據，基于評價結果仍可以較為精準地剔除掉質量較差的數據（3、4級數據），使得在長時間序列上，湖庫水位監測的整體精度得到大幅提升，這對于為我國無資料湖庫構建庫容曲線，進一步實現水位、水量的動態監測意義重大。

當然，這離測高衛星數據業務化監測我國湖庫水資源的目標仍有一定差距。下一步工作中，還需要使用多種測高衛星數據，選取不同地區、不同等級大小、不同類型的湖庫進行更深入的研究分析，以制定出合理高效、針對我國湖庫水資源的監測方案。

參考文獻（References）：

[1]褚永海，李建成，姜衛平，等.利用Jason1數據監測呼倫湖水位變化[J].大地測量與地球動力學，2005，25（4）：1116.（CHU Y H，LI J C，JIANG W P，et al.Monitoring of water level variations of Hulun Lake with Jason1 Altimetric Data[J].Journal of Geodesy and Geodynamics，2005，25（4）：1116.（in Chinese）） DOI：10.3969/j.issn.16715942.2005.04.003.

[2]姜衛平，褚永海，李建成，等.利用ENVISAT測高數據監測青海湖水位變化[J].武漢大學學報（信息科學版），2008，33（1）：6467.（JIANG W P，CHU Y H，LI J C，et al.Water level variation of Qinghai Lake from altimeteric data[J].Geomatics and Information Science of Wuhan University，2008，33（1）：6467.（in Chinese）） DOI：10.13203/j.whugis2008.01.011.

[3]FRAPPART F，CALMANT S，CAUHOP M，et al.Preliminary results of ENVISAT RA2derived water levels validation over the Amazon basin[J].Remote Sensing of Environment，2006，100（2）：252264.DOI：10.1016/j.rse.2005.10.027.

[4]李建成，褚永海，姜衛平，等.利用衛星測高資料監測長江中下游湖泊水位變化[J].武漢大學學報（信息科學版），2007，32（2）：144147.（LI J C，CHU Y H，JIANG W P，et al.Monitoring level fluctuation of lakes in Yangtze River Basin by altimetry[J].Geomatics and Information Science of Wuhan University，2007，32（2）：144147.（in Chinese）） DOI：10.3969/j.issn.16718860.2007.02.013.

[5]李景剛，李紀人，阮宏勛，等.Jason2衛星測高數據在陸地水域水位變化監測中的應用——以南洞庭湖為例[J].自然資源學報，2010，25（3）：502510.（LI J G，LI J R，RUAN H X，et al.Application of Jason2 altimetry data in monitoring of continental water level fluctuationsa case study in South Dongting Lake，China[J].Journal of Natural Resources，2010，25（3）：502510.（in Chinese）） DOI：10.11849/zrzyxb.2010.03.015.

[6]HWANG C，KAO Y C，TANGDAMRONGSUB N.A preliminary analysis of lake level and water storage changes over lakes baikal and balkhash from satellite altimetry and gravimetry[J].Terrestrial Atmospheric & Oceanic Sciences，2011，22（2）：97108.DOI：10.3319/TAO.2010.05.19.01（TibXS）.

[7]高永剛，郭金運，岳建平.衛星測高在陸地湖泊水位變化監測中的應用[J].測繪科學，2008（6）：7375，29.（GAO Y G，GUO J Y，YUE J P.Lake level variations measurement with satellite altimetry[J].Science of Surveying and Mapping，2008（6）：7375，29.（in Chinese）） DOI：10.3771/j.issn.10092307.2008.06.024.

[8]HENRIQUE COSTA P，OLIVEIRA PEREIRA E，MAILLARD P.An original processing method of satellite altimetry for estimating water levels and volume fluctuations in a series of small lakes of the pantanal wetland complex in Brazil[J].ISPRS International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2016，XLIB8：327334.DOI：10.5194/isprsarchivesXLIB83272016.

[9]梁子亮，岳建平.利用衛星測高監測高郵湖水位變化[J].測繪通報，2013（11）：6567.（LIANG Z L，YUE J P.Monitoring of water level variations of Gaoyou Lake by altimetry[J].Bulletin of Surveying and Mapping，2013（11）：6567.（in Chinese））

[10]張鑫，吳艷紅，張鑫.基于多源衛星測高數據的扎日南木錯水位動態變化（1992—2012年）[J].自然資源學報，2015，30（7）：11531162.（ ZHANG X，WU Y H，ZHANG X.Zhari namcowater level change detection using multisatellite altimetric data during 19922012[J].Journal of Natural Resources，2015，30（7）：11531162.（in Chinese）） DOI：10.11849/zrzyxb.2015.07.008.

[11]李靜，岳建平，梁子亮.Jason2衛星波形重定技術在研究貝加爾湖水位中的應用[J].河海大學學報（自然科學版），2015，43（2）：163166.（LI J，YUE J P，LIANG Z L.Application of Jason2 waveform retracking method to investigation of water level of Lake Baikal[J].Journal of Hohai University（ Natural Sciences），2015，43（2）：163166.（in Chinese）） DOI：10.3876/j.issn.10001980.2015.02.012.

[12]BAUP F，FRAPPART F，MAUBANT J.Combining highresolution satellite images and altimetry to estimate the volume of small lakes[J].Hydrology & Earth System Sciences Discussions，2014，10（12）：1573115770.DOI：10.5194/hess1820072014.

[13]戴玉鳳，高楊，張國慶，等.20032011年青藏高原佩枯錯相對水量變化及其對氣候變化的響應[J].冰川凍土，2013，35（3）：723732.（DAI Y F，GAO Y，ZHANG G Q，et al.Water volume change of the Paiku Co in the Southern Tibetan Plateau and its response to climate change in 20032011[J].Journal of Glaciology & Geocryology，2013，35（3）：723732.（in Chinese）） DOI：10.7522/j.issn.10000240.2013.0082.

[14]DUAN Z，BASTIAANSSEN W G M.Estimating water volume variations in lakes and reservoirs from four operational satellite altimetry databases and satellite imagery data[J].Remote Sensing of Environment，2013，134（5）：403416.DOI：10.1016/j.rse.2013.03.010.

[15]PAPA F，BALA S K，PANDEY R K，et al.GangaBrahmaputra river discharge from Jason2 radar altimetry：An update to the longterm satellitederived estimates of continental freshwater forcing flux into the Bay of Bengal[J].Journal of Geophysical Research Oceans，2014，117（C11）：.DOI：10.1029/2012JC008158，2012.

[16]葛莉，習曉環，王成，等.ICESat1/GLAS數據湖泊水位監測研究進展[J].遙感技術與應用，2017，32（1）：1419.（GE L，XI X H，WANG C，et al.Research progress of ICESat1/GLAS in lake level monitoring[J].Remote Sensing Technology and Application，2017，32（1）：1419.（in Chinese）） DOI：10.11873/j.issn，10040323，2017.1.0014.

[17]YING，ZHAO，XINGHUI，et al.Growth and nutrient accumulation of Phragmites australis in relation to water level variation and nutrient loadings in a shallow lake[J].環境科學學報（英文版），2013，25（1）：1625.DOI：10.1016/S10010742（12）600047.

[18]SONG C，HUANG B，KE L.Heterogeneous change patterns of water level for inland lakes in High Mountain Asia derived from multimission satellite altimetry[J].Hydrological Processes，2015，29（12）：27692781.DOI：10.1002/hyp.10399.

[19]SONG C，YE Q，CHENG X.Shifts in waterlevel variation of Namco in the central Tibetan Plateau from ICESat and CryoSat2 altimetry and station observations[J].Science Bulletin，2015，60（14）：12871297.DOI 10.1007/s1143401508268.

[20]趙瑞，葉慶華，宗繼彪.青藏高原南部佩枯錯流域冰川湖泊變化及其對氣候的響應[J].干旱區資源與環境，2016，30（2）：147152.（ZHAO R，YE Q H，ZONG J B.Glacier and water storage changes in Peiku Co basin on Tibetan Plateau and its responses to the climatic changes[J].Journal of Arid Land Resources and Environment，2016，30（2）：147152.（in Chinese）） DOI：10.13448/j.cnki.jalre.2016.061.

[21]朱長明，張新，路明，等.湖盆數據未知的湖泊動態庫容遙感監測方法[J].測繪學報，2015，44（3）：309315.（ZHU C M，ZHANG X，LU M，et al.Lake storage change automatic detection by multisource remote sensing without underwater terrain data[J]，Acta Geodaetica et Cartographica Sinica，2015，44（3）：309315.（in Chinese）） DOI：10，11947/j.AGCS.2015.20130438.