中国广西、云南、贵州及东盟十国河流、湖库面域矢量及其覆盖率数据集

广西及东盟区域可持续发展目标数据集 II 区论文（已发表） • 版本 ZH2 Vol 9 (2) 2024

A dataset of vector and coverage of river and lake surface water in Guangxi, Yunnan, Guizhou (China), and the ASEAN member states

彭崇泰，邱玉宝，赵宁，贾国强，钟万洋，王昭程

PENG Chongtai, QIU Yubao , ZHAO Ning , JIA Guoqiang , ZHONG Wanyang , WANG Zhaocheng

DOI: 10.11922/11-6035.csd.2023.0173.zh
CSTR: 32001.14.11-6035.csd.2023.0173.zh
: 10.57760/sciencedb.13707

： 2023 - 11 - 27

： 2024 - 03 - 15

： 2023 - 12 - 06

： 2024 - 05 - 16

map

4772 26 0

摘要&关键词

摘要：径流是水循环中的重要过程，流域中河流的分布信息对该区域的水资源、生态、环境及其社会经济活动具有重要意义。我国广西、云南、贵州和东盟十国属于多云雨、山地特点突出的区域，对比已有的河流面域数据产品，发现对该区域的河流信息表征不足。为获得更为精确的河流分布数据，满足水资源及生态环境评估，本文采用欧亚大陆河流矢量数据（2010）及欧空局（ESA）全球土地分类数据（2020）陆表水体产品，通过融合形成综合河流矢量数据，再采用膨胀和收缩缓冲分析方法，解决河流不连续问题，并制作了中国广西、云南、贵州及东盟十国河流面域矢量数据。通过对ESA土地分类数据的进一步处理，获得了同区域的湖泊面域矢量数据。最终，本文计算了河流和湖泊的覆盖率，并生成1 km格网的河流和湖库覆盖率数据集。与HydroRIVERS数据集，以及4种水体遥感数据集（Global Surface water，Esri Land Cover， Dynamic World V1，GRWL）的对比结果显示，本数据集在研究区对河流水系的表征能力更强，比原始输入数据集具有更丰富的细节，表现为：本数据集填补了欧亚大陆河流矢量数据（2010）中缺少的山区支流部分，解决了河流不连续、缺失等问题。本数据集为我国广西、云南、贵州及东盟十国的水体提取提供基础的先验数据，在洪水预报、水资源管理等方面具有重要价值，可服务于生态环境、交通运输、农业灌溉、能源等社会经济活动。

关键词：中国广西、云南、贵州；东盟十国；河流水系；面域矢量数据集；覆盖率

Abstract & Keywords

Abstract: Runoff plays an important role in the water cycle, and information on the distribution of rivers in a watershed is essential for water resources, ecology, environment as well as socio-economic activities in a certain region. The region involving Guangxi, Yunnan and Guizhou in China, and the ASEAN member states is known for cloudy rainfall and distinct mountainous terrain. A comparative analysis of existing river datasets highlights the insufficient characterization of river information in this unique region. To obtain more accurate river distribution data for assessing water resources and the ecological environments, we integrated in this paper the Eurasian continental river vector data (2010) and the ESA land classification data (2020). Following this, we employed an expansion and contraction buffer analysis method to address the issue of river discontinuity. And in this way, we produced a dataset of river surface water in Guangxi, Yunnan and Guizhou in China and the ASEAN member states. After further processing the ESA land classification data, we derived a vector dataset of lake surface water encompassing Guangxi, Yunnan, and Guizhou in China, along with the ASEAN member states. Finally, we calculated the coverage of river and lake surface water and compiled a coverage dataset with a resolution of 1km grid across Guangxi, Yunnan, Guizhou in China, and the ASEAN member states. Comparing with the HydroRIVERS dataset and our water remote sensing datasets (Global Surface water, Esri Land Cover, Dynamic World V1, GRWL), this dataset excels in characterizing the river system in the study area, and provides richer details than the input datasets, as evidenced by the following. This dataset can fill in gaps in the mountainous tributary sections of the Eurasian continent's river vector data from 2010, and effectively address the issue of discontinuous and missing rivers. The dataset can be used to provide basic prior data for water extraction in Guangxi, Guizhou, Yunnan and the ASEAN state members, and it holds great value in flood forecasting and water resources management. Moreover, it can also serve social and economic activities such as ecological preservation, transportation planning, agricultural irrigation and energy use.

Keywords: Guangxi, Yunnan and Guizhou in China; 10 ASEAN member states; river system; vector dataset of surface water; coverage

数据库（集）基本信息简介

数据库（集）名称	中国广西、云南、贵州及东盟十国河流、湖库面域矢量及其覆盖率数据集
数据通信作者	邱玉宝（qiuyb@aircas.ac.cn）
数据作者	彭崇泰、邱玉宝、赵宁、贾国强、钟万洋、王昭程
数据时间范围	2020年
地理区域	地理范围为36°26′9″N–11°6′32″S，79°6′24″E–145°25′47″E，其中包括广西、云南、贵州以及东盟十国。地理区域范围涉及的国家有中国，缅甸，老挝，泰国，柬埔寨，越南，马来西亚，印度尼西亚，新加坡，文莱和菲律宾。
数据量	963 MB
数据格式	.shp、.tif
数据服务系统网址	https://doi.org/10.57760/sciencedb.13707
基金项目	广西创新驱动发展专项“中国-东盟地球大数据平台与应用示范”（桂科AA20302022）；中国科学院战略性先导科技专项（A类）子课题“桂林市SDG综合应用示范”（XDA19090130）。
数据库（集）组成	数据集为5个文件，其中包括3个ESRI Shapefile （shp）文件包（.shp, .shx, .dbf, .cpg, .prj, .sbn, .sbx,.xml），2个*.tif栅格文件。3个矢量文件分别为中国广西、云南、贵州及东盟十国河流、湖库面域矢量和河流等级数据；两个栅格文件为中国广西、云南、贵州及东盟十国河流、湖库覆盖率数据。

Dataset Profile

Title	A dataset of vector and coverage of river and lake surface water in Guangxi, Yunnan, Guizhou (China), and the ASEAN member states
Datacorresponding author	QIU Yubao (qiuyb@aircas.ac.cn)
Data authors	PENG Chongtai, QIU Yubao, ZHAO Ning, JIA Guoqiang, ZHONG Wanyang, WANG Zhaocheng
Time range	2020
Geographical scope	Guangxi, Yunnan, Guizhou and the ASEAN member states (36°26′9″N–11°6′32″S, 79°6′24″E–145°25′47″E), covering the areas in China, Myanmar, Laos, Thailand, Cambodia, Vietnam, Malaysia, Indonesia, Singapore, Brunei and the Philippines.
Data volume	963 MB
Data format	.shp、.tif
Data service system	<https://doi.org/10.57760/sciencedb.13707>
Sources of funding	China-ASEAN Big Earth Data Platform and its Pilot Applications, CADA (GuikeAA20302022); Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090130).
Dataset composition	The dataset consists of five files, including three ESRI Shapefile (shp) packages (.shp, .shx, .dbf, .cpg, .prj, .sbn, .sbx, .xml), and two *.tif raster files. The three vector files contain the surface area vectors of rivers and lakes as well as the data on the river classes in Guangxi, Yunnan, Guizhou in China and 10 ASEAN member states. The two raster files contain the coverage data of rivers and lakes in Guangxi, Yunnan, Guizhou in China and 10 ASEAN member states.

map

引言

径流是水循环中的重要过程，是陆地淡水资源的重要载体，既满足人类生产与生活所需，同时也是全球气候和环境变化的关键信息。河流通过提供水资源、水能源以及与大气、陆地和海洋之间的水文联系来影响人类和环境^[1]；准确掌握河流的空间分布，对水资源利用、环境保护、水利、交通运输和工农业生产等具有重要意义。

现有的全球水体数据集，如全球湖泊和湿地数据库（GLWD）^[2]，以现有的水体矢量图为基础制作了地表水体数据集，其栅格数据集的空间分辨率为1 km，但这是对1996年以前大多数现有地图的汇编，没有包含最新的河流信息。Carroll M L研发了90米分辨率的全球陆地水掩模数据，该数据集通过整合250米分辨率的航天飞机雷达地形任务（SRTM）数据和中分辨率成像光谱仪（MODIS）数据制作而成^[3]。Pekel J F^[4]利用Landsat数据对1984–2015年全球水资源变化进行分析，并提供了6组相关水产品，根据不同的指标来反映水体的变化。Feng M^[5]利用2000年的Landsat TM数据中生成了更多关于全球湖泊数据清单和全球水掩模的自动化数据产品。沈瑜^[6]通过改进LinkNet模型的分割网络（AFR-LinkNet），制作了寒旱区高分辨率遥感河流图像数据集，虽然提高了提取河流的准确度，但对特别细小河流的分割精度还不够。姚锦一^[7]以蒙古高原色楞格河流域为研究对象，基于谷歌地球引擎（Google Earth Engine, GEE）云平台，使用Sentinel-2多光谱卫星遥感影像和深度神经网络（Deep Neural Network, DNN）方法提取色楞格河流域的河流信息，总体精度达97.65%，但由于Sentinel-2每个像元的大小为10 m×10 m，河宽小于2个像元的河流存在混合像元问题，导致河流边界模糊，难以体现河流的细节特征，并存在将少量山体阴影错分为河流的情况，不能细致描绘河流。

目前，全球河流数据集依然存在类似诸多细小河流缺失、河流面域数据出现不连续等问题，在喀斯特地貌及多云雨的植被茂盛区域，如广西、云南、贵州及东盟十国地区，不能精确提供河流数据。因此本论文数据基于2010欧亚大陆河流矢量数据集，结合最新发布的2020年10 m分辨率ESA World Cover土地覆盖数据、HydroSHEDS流域及河流线状数量数据进行互补，构建更为详细的河流数据，再通过融合、合并和删除等后处理，制作了较为精细的中国广西、云南、贵州及东盟十国所在流域的河流面域数据，并进一步扩展，制作了湖库面域数据，及中国广西、云南、贵州及东盟十国河流、湖库覆盖率数据。本数据集在洪水预报、水资源管理等方面具有重要价值，可为中国广西、云南、贵州及东盟十国进行水文地貌分析、水利开发、水资源利用评价等方面提供基础数据支撑。

1 数据采集和处理方法

1.1 数据介绍

本研究所采用的河流数据集包括2010欧亚大陆河流矢量数据集、2020年10 m分辨率ESA World Cover土地覆盖数据。为了满足流域分析等后期应用，研究区的范围是由Hydro BASINS流域数据确定，而非行政边界，流域全面覆盖中国广西、云南、贵州及东盟十国。所涉及的数据产品基本信息见表1。

表1 数据产品基本信息

产品名称	数据源	空间范围	空间分辨率	时间
欧亚大陆河流矢量数据	2010年30米分辨率的地表水数据集、GRWL、SRTM	欧亚大陆	30米	2010
ESA World Cover土地覆盖数据	Sentinel-1、Sentinel-2	全球	10米	2020
HydroSHEDS流域及河流线状数据	SRTM	全球	15弧秒	2000

1.1.1 欧亚大陆河流矢量数据（2010）

2010欧亚大陆河流矢量数据集^[8]基于2010年30米分辨率的地表水数据集^[9]、全球河宽数据（GRWL）^[10]和SRTM 30米数字高程数据^[11]制作完成，这些数据采用分类算法对全球水体进行分类，使用面向对象的处理方法消除稻田和湿地等水体影响，然后对包括河流、湖泊和水库在内的水体进行数据整合和制图，确定了每个北极流域的河流。与Google Earth高分辨率图像进行对比验证，该数据集准确率为93.96%。

1.1.2 ESA World Cover土地覆盖数据

欧空局全球土地覆盖^[12]（ESA World Cover）数据是一个空间分辨率为10米的全球土地覆盖数据产品（URL:https://esa-worldcover.org/en），由欧洲航天局根据哨兵1号（Sentinel-1），哨兵2号（Sentinel-2）光学遥感图像制作完成。土地覆盖数据是使用决策树分类方法产生，产品的总体准确度为75%，该数据集一共分为十类，本文选取的类别是水体。

1.1.3 HydroSHEDS流域及河流线状数据

HydroSHEDS基于2000年美国宇航局航天飞机雷达地形任务（SRTM）获得的高程数据（DEM）地图产品（URL:https://www.hydrosheds.org/products/hydrolakes），为区域和全球范围的应用程序提供水文信息^[13]。该数据集提供了一套不同尺度的地理参考数据集（矢量和栅格），包括河网、流域边界、排水方向和流量累积。本文用到的数据集是HydroBASINS和HydroRIVERS。

研究区范围包括中国广西、云南、贵州及东盟十国所在的流域范围，流域数据集来源于HydroBASINS数据集。HydroBASINS是以15弧秒的分辨率从网格化的HydroSHEDS核心层中提取的子流域边界，HydroBASINS产品中实施了“Pfafstetter”编码系统，在全球范围内提供12个分层嵌套的子流域细分，本文采用的是其中的lev05级子流域。

1.2 数据处理

数据生产流程主要包括数据预处理、河流及湖库面域矢量数据生成和1 km网格河流及湖库覆盖率计算。技术路线图如图1所示。

图1 河流、湖库面域矢量数据生成流程图

Figure 1 Flowchart for generating vector data of river surface areas

本数据集具体生产步骤如下：

（1）数据预处理

首先对ESA World Cover水体数据进行镶嵌、按属性提取；然后通过HydroBASINS数据分别对2010欧亚大陆河流矢量数据和ESA World Cover水体数据进行掩膜和裁剪；最终得到分布在中国广西、云南、贵州及东盟十国所在流域的两种河流矢量数据，作为后续河流数据生成、湖库数据生成和河流及湖库1 km网格面积覆盖率数据的基础。利用HydroRIVERS河流线状数据进行按属性提取，得到中国广西、云南、贵州及东盟十国所在流域的一、二和三级河流线状数据作为辅助说明。

（2）河流数据生成

河流数据的生成分为两部分，分别是相交部分和不相交部分。

相交部分指的是欧亚大陆河流矢量数据和ESA World Cover水体数据中的重叠河流面元，如图2（a）（b）所示。对相交部分分别求面积，通过连接属性表选择面积较大的河流数据，即对河流刻画更详细的数据，得到欧亚大陆河流矢量数据和ESA World Cover水体数据相交部分的河流数据。

不相交部分包括：欧亚大陆河流矢量数据比ESA World Cover水体数据多出的河流、ESA World Cover水体数据比欧亚大陆河流矢量数据多出的河流和湖泊部分，如图2（c）（d）所示，其中湖泊部分需要通过对照Google Earth高分辨率图像进行人工删除。

（a）

（b）

（c）

（d）

图2 河流水系相交分析后生成示意图（a、b为相交部分；c、d为不相交部分）

Figure 2 Schematic diagram generated after river system intersection analysis (a and b are intersecting parts; c and d are non-intersecting parts)

然后，将相交部分面积最大的河流（欧亚大陆河流矢量数据中面积最大的河流和ESA World Cover水体数据中面积最大的河流）、欧亚大陆河流矢量数据比ESA World Cover水体数据多出的河流、ESA World Cover水体数据比欧亚大陆河流矢量数据多出的河流，共三部分河流数据进行合并，得到欧亚大陆河流矢量数据和ESA World Cover水体数据两者互补且更为完整的河流面域数据。

最后，为了解决河流面域数据出现不连续的情况，进行了膨胀和收缩的后处理工作。主要是将河流面域数据通过缓冲区域分析工具先进行向外膨胀，然后再向内收缩，将河流面域数据不连续部分进行相连。最终得到中国广西、云南、贵州及东盟十国所在流域的河流面域数据。

（3）湖库数据生成

将ESA World Cover水体数据叠加到上述得到的中国广西、云南、贵州及东盟十国所在流域的河流面域数据，并通过按位置选择工具，选择出完整的河流进行删除，最终得到中国广西、云南、贵州及东盟十国所在流域的湖泊面域数据。

（4）河流及湖库1 km网格面积覆盖率数据

基于创建渔网工具生成1 km格网，并采用交集制表的方式计算每个格网内河流及湖库面积，然后分别计算河流和湖泊在单个格网内的占比以及覆盖率。通过面转栅格工具，生成最终的中国广西、云南、贵州及东盟十国所在流域的河流、湖泊1 km×1 km格网覆盖率数据。

其中，河流覆盖率（River coverage）定义为河流覆盖面积与单位面积之比，可描述河流的空间分布特征，进一步反映河流宽度。对河流的空间分布及河流宽度变化分析等研究具有重要意义。数学表达式为：

\(Rc={S}_{r}/S\)

（1）

式中，\(Rc\)为河流覆盖率，\({S}_{r}\)为河流总面积，\(S\)为区域总面积。

2 数据样本描述

本数据集为中国广西、云南、贵州及东盟十国河流面域矢量数据，在中国区域的地形主要为喀斯特地貌。数据集为5个文件，其中包括3个ESRI Shapefile（shp）矢量文件包（.shp, .shx, .dbf, .cpg, .prj, .sbn, .sbx, .xml）和2个（*.tif）栅格文件，时间范围是2020年，数据集共计963M。3个矢量文件分别为中国广西、云南、贵州及东盟十国河流、湖库面域矢量，和河流等级数据；2个栅格文件为中国广西、云南、贵州及东盟十国河流、湖库覆盖率数据。数据文件命名方式为：Karst_ASEAN_River.shp、Karst_ASEAN_Lake.shp、Karst_ASEAN_River_Class.shp、Karst_ASEAN_River_Coverage.tif、Karst_ASEAN_Lake_Coverage.tif，文件名含义见表2，图3（a）和（c）分别为河流和湖泊的分布情况，（b）和（d）分别为河流和湖泊的覆盖率分布情况。

表2 数据集的文件名含义

序号	文件名	中文含义
1	Karst	中国西南喀斯特地貌
2	ASEAN	东盟十国
3	River	河流数据
4	Lake	湖库数据
5	River_ Coverage	河流覆盖率
6	Lake_ Coverage	湖库覆盖率
7	Class	河流等级

图3 中国广西、云南、贵州及东盟十国河流（a）和湖泊（c）的分布，（b）和（d）分别为河流和湖泊的覆盖率分布

Figure 3 Distribution of rivers (a) and lakes (c) in Guangxi, Yunnan and Guizhou in China and ten ASEAN member states, with (b) and (d) showing the distribution of river and lake coverage, respectively

3 数据质量控制和评估

3.1 新综合数据产品与HydroRIVERS河流线状数据对比

HydroRIVERS代表全球范围所有河流的矢量化数据，以15弧秒的分辨率从网格化的HydroSHEDS核心层中提取。HydroRIVERS数据集包括8477883万条河流，平均长度为5.4公里，代表全球河流总数为2万公里，并根据经典排序系统的河流顺序指标确定河流级别，1级代表从汇水区到源头的干流；2级代表流入1级河流的所有支流；3级代表流入2代表流入1级河流的所有支流等，共分了12个等级。

整体上看本文的河流面域数据集与HydroRIVERS河流线状数据集分别在澜沧江（湄公河节段）、南盘江（珠江流域西江干流河段）和金沙江（长江干流河段）举例比较，如图4所示。通过对比发现河流面域数据集和1级河流（即河流干流）的覆盖率较高，而对于2级河流（即河流支流）及以上的覆盖率则较低，故本数据集主要描述的是河流干流信息。然而相较于HydroRIVERS河流线状数据集，本数据集有以下优势，（1）河流信息更为全面：河流面域数据集能够提供河流的位置、形状、大小、流域面积等多种信息，HydroRIVERS河流线状数据集只提供了河道的线形信息，河流面域数据集表达的河流信息更加全面。（2）更便于进行空间分析：河流面域数据集可以直接呈现河流的形态和轮廓，可视化效果更好，方便用户进行地图浏览和分析，方便地进行空间分析和水资源管理、生态环境保护等工作。

图4 新综合数据产品与HydroRIVER数据对比示例，其中红色线为干流，绿色线为主要支流。（a）澜沧江节段，（b）南盘江节段，（c）金沙江节段

Figure 4 Example of the comparison between the new integrated data product with HydroRIVER data, where the red line is a Class 1 stream and the green line is Class 2. (a) Lancang River section, (b) Nanpan River section, (c). Jinsha River section.

同时，根据HydroRIVERS河流线状数据集按属性提取生成的中国广西、云南、贵州及东盟十国所在流域的一、二和三级河流线状数据作为辅助，快速说明本数据集中河流面域矢量中的干流和支流部分。

3.2 新综合数据产品精度验证分析

为了更加全面地验证河流面域数据的精度，本文选择了4个验证区（清水河节段、红水河节段、六冲河节段和郁江节段），先基于谷歌地球（Google Earth）高分辨率图像选择了河网感兴趣区，通过目视解译方法按照7:3的比例从河网感兴趣区和背景区中共生成了3000个验证点，分为河网点与非河网点，最终统计每个验证区内河网点与非河网点数量，进一步计算河流提取结果的总体精度和Kappa系数来衡量数的精度。

本文提取了中国广西、云南、贵州地区的河流面域信息，与4种水体遥感数据集（Global Surface water，Esri Land Cover，Dynamic World V1，GRWL）进行了对比分析。本文选取了4个验证区展示细节（如图5所示）。Site1（清水河节段）、Site2（红水河节段）和Site3（六冲河节段）地区主要为山谷，河流流经山谷，存在山体阴影遮盖，容易出现误提。同时，Site3地区所展示的中间河段地势存在落差现象。Site4（郁江节段）地区主要为地势平坦地区，但位置靠近城区容易出现人为生活、商业活动等干扰情况。

图5 新综合河流数据产品与4种水体遥感数据集对比结果

Figure 5 Comparative results between the new integrated river data product and four water body remote sensing datasets

本文通过目视解译遥感图像和计算总体精度和Kappa系数来进行精度验证分析。在山谷地区中（Site1、Site2和Site3），本研究与Global Surface water、Esri Land Cover均能够有效识河流，但Global Surface water与Esri Land Cover对于部分较为细窄的河流容易出现断流，造成了不连续的现象；Dynamic World V1对河流的提取效果则位于前面三种数据集之后，对于相对较宽的河流会出现小部分漏提的现象，但总体河流走势一致；GRWL对河流的提取效果较差，出现大量漏提的现象。在地势平坦地区（Site4），上述的所有数据集对于河流的描述较为完整。结果表明，本研究方法在4个验证区的冰前河网提取精度要优于其他4种数据集，总体精度和Kappa系数分别为0.926±0.03和0.817。Global Surface water的总体精度和Kappa系数分别为0.912±0.02和0.799，Esri Land Cover的总体精度和Kappa系数分别为0.909±0.03和0.789，提取效果仅次于本研究。Dynamic World V1的总体精度和Kappa系数分别为0.804±0.02和0.529，GRWL提取河网的总体精度和Kappa系数最低，为0.435±0.03和0.294（表3）。

表3 本研究与4种数据集总体精度和Kappa系数对比

	本研究	Global Surface water	Esri Land Cover	Dynamic World V1	GRWL
总体精度	0.926	0.912	0.909	0.804	0.435
Kappa系数	0.817	0.799	0.789	0.529	0.294

总体的比较结果表明本研究中的河流面域数据集与Global Surface water、Esri Land Cover在山谷和地势平坦地区均能够有效的识别河流。从图5所示，Global Surface water、Esri Land Cover与Dynamic World V1数据集中并未做河流、湖泊水库的区分处理，本研究的新综合数据产品针对河流、湖泊水库做区分处理，分别形成河流和湖库面域矢量数据，但本研究的河流面域矢量数据集仍存在以下的局限性：（1）受季节性水的影响，导致在河漫滩等区域的土壤含水量高时，容易误判为水体；（2）本数据集也较难体现出不同时期水面面积的变化和差别。

3.3 河流连通性评估

河流矢量数据在较为细窄的区域或者峡谷地区容易出现不连续的情况。为了得到更加完整的河流矢量数据，相交部分选取面积较大的河流数据，不相交部分的流动河流矢量数据比ESA World Cover水体数据多出的河流数据、ESA World Cover水体数据比流动河流矢量数据多出的河流数据，然后将三种河流数据合并，最大限度地保证在较为狭窄的区域或者峡谷地区曾经有水的区域也包含在内。

为了填补不连续部分，最后借助缓冲区分析工具进行向外膨胀，然后向内收缩处理，通过目视解译和多次测试的方法，根据收缩完的效果确定最终结果。这样可以填补不连续部分，使河流矢量数据更加完整，符合实际情况（如图6所示）。由于本研究更大程度地考虑了河流的连通性，采用膨胀和收缩的方法时对于不同宽度河流缓冲区范围的确定依靠于经验方法，所以对于细小河流水体表面及河宽产品会出现一定程度上的失真。

图6 膨胀、收缩缓冲分析后的结果示意图

Figure 6 Schematic representation of the results after expansion and contraction buffer analysis

3.4 河流面积统计

针对新综合数据产品中的河流和湖库面域矢量数据，分别对中国广西、云南、贵州及东盟十国的河流面积进行统计，按河流面积从大到小排序（如图7所示），依次是印度尼西亚、缅甸、菲律宾、越南、泰国、柬埔寨、马来西亚、广西、老挝、云南、贵州、文莱、新加坡。

图7 按国家/区域面积统计直方图

Figure 7 Histogram of river area statistics in the study areas

4 数据价值

精细制作后的2010年欧亚大陆河流矢量数据结果准确度高，结合最新、高分辨率的2020年ESA 水体数据完善河流面域数据，弥补两种数据在时效性和准确度方面的不足。同时，将河流、湖库分离处理，并针对元数据中河流不连续的问题通过膨胀收缩解决，最终形成中国广西、云南、贵州及东盟十国河流、湖库面域矢量数据。河流、湖库水体对该区域的资源环境格局及其生态环境影响重大，在水资源管理中有不同的价值，例如现有的河流数据一般为线状数据，而本数据能够最大限度地表现区域内河流水系的现存情况；湖库面域矢量数据还能用于表达自然过程中水的蒸散发和生态情况。本数据集为后续区域内水体的提取提供了基础的掩膜数据。

本河流、湖库面域矢量数据集提供了河流和湖库水体的空间分布、水文特征、水系结构等信息，以及根据构建渔网计算得到的覆盖度数据，为生态环境保护、水资源管理、城市规划和建设、旅游业发展以及科学研究等方面提供数据支持。有助于河流生态环境的监测、评估和保护，能够协助制定科学合理的水资源管理方案，以及开展相关领域的研究和应用。

[1]

FENG D M, GLEASON C J, YANG X A, et al. How have global river widths changed over time?[J]. Water Resources Research, 2022, 58(8). DOI: 10.1029/2021wr031712.

+ CSCD · Baidu Scholar

[2]

LEHNER B, DÖLL P. Development and validation of a global database of lakes, reservoirs and wetlands[J]. Journal of Hydrology, 2004, 296(1/2/3/4): 1–22. DOI: 10.1016/j.jhydrol.2004.03.028.

+ CSCD · Baidu Scholar

[3]

CARROLL M L, TOWNSHEND J R, DIMICELI C M, et al. A new global raster water mask at 250 m resolution, International Journal of Digital Earth, 2009, 2(4): 291-308. DOI: 10.1080/17538940902951401.

+ CSCD · Baidu Scholar

[4]

PEKEL J F, COTTAM A, GORELICK N, et al. High-resolution mapping of global surface water and its long-term changes[J]. Nature, 2016, 540(7633): 418–422. DOI: 10.1038/nature20584.

+ CSCD · Baidu Scholar

[5]

FENG M, SEXTON J O, CHANNAN S, et al. A global, high-resolution (30-m) inland water body dataset for 2000: first results of a topographic–spectral classification algorithm[J]. International Journal of Digital Earth, 2016, 9(2): 113–133. DOI: 10.1080/17538947.2015.1026420.

+ CSCD · Baidu Scholar

[6]

沈瑜, 王海龙, 苑玉彬, 等. 基于改进LinkNet的寒旱区遥感图像河流识别方法[J]. 农业机械学报, 2022, 53(7): 217–225. DOI: 10.6041/j.issn.1000-1298.2022.07.022. [SHEN Y, WANG H L, YUAN Y B, et al. Recognition of rivers in remote sensing images in cold and arid regions based on improved LinkNet[J]. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(7): 217–225. DOI: 10.6041/j.issn.1000-1298.2022.07.022.]

+ CSCD · Baidu Scholar

[7]

姚锦一, 王卷乐, 严欣荣, 等. 基于深度神经网络的蒙古国色楞格河流域水体信息提取[J]. 地球信息科学学报, 2022, 24(5): 1009–1017. DOI: 10.12082/dqxxkx.2022.210031. [YAO J Y, WANG J L, YAN X R, et al. Water information extraction of Selenga River Basin in Mongolia based on deep neural network[J]. Journal of Geo-Information Science, 2022, 24(5): 1009–1017. DOI: 10.12082/dqxxkx.2022.210031.]

+ CSCD · Baidu Scholar

[8]

LIANG W S, QIU Y B, XIE P F, et al. Vector dataset for river systems originating in Eurasia to the Arctic Ocean[J]. IOP Conference Series: Earth and Environmental Science, 2020, 502(1): 012035. DOI: 10.1088/1755-1315/502/1/012035.

+ CSCD · Baidu Scholar

[9]

CHEN J, LIAO A P, CHEN L J, et al. Global 30 m resolution land surface water dataset[DS/OL]. Global Change Research Data Publishing & Repository, 2014. DOI:10.3974/geodb.2014.02.01.

+ CSCD · Baidu Scholar

[10]

ALLEN G H, PAVELSKY T M. Global extent of rivers and streams[J]. Science, 2018, 361(6402): 585–588. DOI: 10.1126/science.aat0636.

+ CSCD · Baidu Scholar

[11]

NASA JPL. NASA Shuttle Radar Topography Mission Global 1 arc second.[DS/OL]. NASA EOSDIS Land Processes DAAC, 2013. (2023-05-08). DOI: 10.5067/MEaSUREs/SRTM/SRTMGL1.003.

+ CSCD · Baidu Scholar

[12]

ZANAGA D, KERCHOVE R, KEERSMAECKER W, et al. ESA WorldCover 10 m 2020 v100[DS/OL]. Zenodo, 2021. https://doi.org/10.5281/zenodo.5571936.

+ CSCD · Baidu Scholar

[13]

LEHNER B, GRILL G. Global River hydrography and network routing: baseline data and new approaches to study the world’s large river systems[J]. Hydrological Processes, 2013, 27(15): 2171–2186. DOI: 10.1002/hyp.9740.

+ CSCD · Baidu Scholar

数据引用格式

彭崇泰, 邱玉宝, 赵宁, 等. 中国广西、云南、贵州及东盟十国河流、湖库面域矢量及其覆盖率数据集[DS/OL]. V1. Science Data Bank, 2023. (2023-12-06). DOI:10.57760/sciencedb.13707.

map

稿件与作者信息

论文引用格式

彭崇泰, 邱玉宝, 赵宁, 等. 中国广西、云南、贵州及东盟十国河流、湖库面域矢量及其覆盖率数据集[J/OL]. 中国科学数据, 2024, 9(2). (2024-05-16). DOI: 10.11922/11-6035.csd.2023.0173.zh.

彭崇泰

PENG Chongtai

主要承担工作：数据产品生产、精度验证等工作。

（1998—），男，广西北海人，硕士研究生，主要研究方向为被动微波遥感和湖泊信息提取。

邱玉宝

QIU Yubao

主要承担工作：技术研发、数据产品规划和方案。

qiuyb@airca.ac.cn

（1978—），男，江西兴国人，博士，研究员，研究方向为被动微波遥感、冰雪及北极环境遥感及数据科学研究。

赵宁

ZHAO Ning

主要承担工作：数据产品生产、精度验证等工作。

（1998—），男，河南开封人，硕士研究生，主要研究方向为遥感降水数据处理。

贾国强

JIA Guoqiang

主要承担工作：方案设计和数据分析。

（1993—），男，山西朔州人，博士，助理研究员，研究方向为水文及灾害模拟与评估。

钟万洋

ZHONG Wanyang

主要承担工作：数据产品生产和制备。

（2002—），男，江西兴国人，本科生，主要研究方向为遥感数据处理，遥感数据制图。

王昭程

WANG Zhaocheng

主要承担工作：数据产品生产。

（1999—），男，广西河池人，硕士研究生，主要研究方向为水文数据处理及应用。

广西创新驱动发展专项“中国-东盟地球大数据平台与应用示范”（桂科AA20302022）；中国科学院战略性先导科技专项（A类）子课题“桂林市SDG综合应用示范”（XDA19090130）。

China-ASEAN Big Earth Data Platform and its Pilot Applications, CADA (GuikeAA20302022); Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090130).

map

出版历史

I区发布时间：2023年12月6日（版本ZH1）

II区出版时间：2024年5月16日（版本ZH2）