鄱阳湖全天候水位-面积逐日数据集（2014—2023年）
doi: 10.18307/2025.0247
李昕悦1,2,3 ， 谢涛1 ， 马荣华2,3
1. 南京信息工程大学遥感与测绘工程学院，南京 210044
2. 中国科学院南京地理与湖泊研究所，湖泊与流域水安全重点实验室，南京 211135
3. 中国科学院大学南京学院，南京 211135
基金项目: 国家自然科学基金项目（42361144002） ； 自然资源部国土卫星遥感应用重点实验室项目（KLSMNR-K202302）联合资助
Daily water level-area dataset in Lake Poyang under all-weather (2014-2023)
Li Xinyue1,2,3 ， Xie Tao1 ， Ma Ronghua2,3
1. School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing 210044 , P.R.China
2. Key Laboratory of Lake and Watershed Science for Water Security, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 211135 , P.R.China
3. University of Chinese Academy of Science, Nanjing, Nanjing 211135 , P.R.China
摘要
在气候变化与人类活动的影响下，鄱阳湖洪涝灾害和干旱频发，严重影响鄱阳湖流域的生态环境。本研究旨在通过雷达遥感技术，准确监测鄱阳湖水域面积全天候的时空动态变化，为鄱阳湖水资源评估和旱涝灾害预警提供科学依据。基于2014—2023年Sentinel-1影像，分别利用单波段阈值法、双极化水体指数以及谱间关系法，结合最大类间方差法自适应确定阈值提取水体，通过精度评价，选定最优提取方法，应用于全天候鄱阳湖水域面积提取。结合星子站、湖口站水位数据，揭示水位变化与湖泊水域面积关系，得到鄱阳湖全天候水位-面积逐日数据集，该数据集包括2014—2023年共424期鄱阳湖水域栅格数据、水域面积汇总数据以及星子站、湖口站水位数据，数据集存储为.tif、.xlsx格式。同时，利用湖泊水域面积时间序列曲线的扰动事件识别方法，识别2020年和2022年面积突变的主要因素。结果表明：谱间关系法结合最大类间方差法的阈值分割法的提取精度最优(总体精度＞95%)；2016—2023年间，鄱阳湖的水域面积呈现显著的年内变化，主要集中在河道以及湖中部。水位与面积变化总体趋于一致，水位≥14 m时，水位变化与湖泊水域面积变化呈现显著正相关。从湖泊时间序列扰动结果分类可以看出，2020年湖泊水域面积扩张的主要原因是自然因素，2022年湖泊水域面积骤减的主要原因是人为因素。
Abstract
The occurrence of floods and droughts in Lake Poyang is becoming increasingly frequent as a consequence of climate change and human activities, with severe repercussions for the ecological environment of the Lake Poyang basin. The objective of this study is to accurately monitor the spatial and temporal dynamics of the Lake Poyang watershed area in all weather conditions using radar remote sensing technology. This will provide a scientific basis for the assessment of water resources and early warning of droughts and floods in Lake Poyang. The single-band threshold method, dual-polarized water body index and inter-spectral relationship method, when combined with the maximum interclass variance method, were used to adaptively determine the threshold value for the extraction of water bodies. The optimal extraction method was selected through the evaluation of the accuracy and applied to the all-weather extraction of the water area of Lake Poyang. The relationship between water level change and lake watershed area was revealed when the data from Xingzi Station and Hukou Station were combined. The resulting dataset which includes the raster data of the waters of Lake Poyang, represents the daily water level-area data for Lake Poyang under all-weather conditions. The data set comprises a total of 424 periods from 2014 to 2023, including the area of the water and the water level data from Xingzi Station and Hukou Station. The data set is stored in the .tif and .xlsx formats. Furthermore, the disturbance event identification method of lake watershed area time series curve was employed to identify the main factors of sudden area changes in 2020 and 2022. The results demonstrated that the inter-spectral relationship method, when combined with the threshold segmentation method utilising maximum interclass variance, exhibited optimal extraction accuracy (overall accuracy ＞95%). Additionally, the watershed area of Lake Poyang displayed notable intra-annual fluctuations during the 2016-2023 period, with the majority of these variations concentrated in the river and the middle portion of the lake. The changes in water level and area tended to be consistent. Furthermore, when the water level was ≥14 m, there was a significant positive correlation between the changes in water level and lake watershed area. The classification of the lake time series perturbation results indicated that the primary driver of the lake watershed area expansion in 2020 was natural, whereas the primary driver of the sudden decrease in 2022 was anthropogenic.
湖泊作为地球上重要的水域资源，其面积变化关乎生态环境和社会经济发展[1]。气候异常引发的极端降水事件导致湖泊水域面积扩大、水量增加，进而增加洪涝灾害的风险，洪涝灾害破坏沿岸生态环境，并造成严重的经济损失[2]。同时，全球气候变化和人类活动也加剧了湖泊干旱程度，威胁人类生产生活并破坏了动物栖息地[3-5]。鄱阳湖作为中国十大生态功能保护区之一，具有重要的调蓄洪水和涵养水源等生态保护功能[6-7]，近年来，该地区极端气候事件频发，高水位维持时间缩短，低水位时间延长[8]。因此，建立鄱阳湖全天候湖泊水域面积长时间序列数据集，对湖泊水资源评估、灾害风险预估、洪涝灾害预防和干旱应对至关重要[9]。
随着遥感技术的发展，众多学者利用激光测高卫星开展了针对北极等全球大尺度湖泊水量遥感监测研究[10-12]，光学和雷达影像均被广泛应用于水体变化研究[13]。已有研究利用光学卫星影像提取水体，常用的方法有阈值法、监督分类法等[14]，常常结合归一化差分水体指数（normalized difference water index，NDWI）、改进的归一化差分水体指数（modified normalized difference water index，MNDWI）[15]等提取不同类型水体。但光学遥感面临云层遮挡和恶劣天气的挑战，难以捕捉洪涝灾害地区的水体信息[16]，相比之下，Sentinel-1提供合成孔径雷达（synthetic aperture radar，SAR）影像，能够穿云透雾，提供全天候、大范围和周期性的对地观测[17]，其中，全天候是指所有复杂气象在内的各种天气条件，包括阴雨天气。已有研究利用Sentinel-1卫星数据，通过Sentinel-1双极化水体指数、单波段阈值法、Canny边缘监测和修正Sentinel-1A水体指数等方法有效提取水体，在巢湖流域、意大利威尼托、东南亚、艾比湖等地区得到有效验证[18-23]。近年来，决策树分类、深度学习等机器学习方法也被尝试应用于水体的自动化提取，在洪水淹没区域的实时监测中发挥重大作用[24-27]，表明了SAR影像在复杂水体动态监测中的适用性与必要性，但是这些方法通常依赖大量标注数据进行训练，存在一定局限性。在鄱阳湖流域，已有研究利用Landsat和MODIS等光学卫星影像，通过阈值法等方法监测湖泊长时间动态变化，分析湖泊的年际变化和季节性变化趋势，探究湖泊水域面积与水位的关系[6，28-32]，针对2020年鄱阳湖的超大洪水事件，有研究学者利用变化监测方法和Sentinel-1双极化水体指数等方法，监测洪灾前后的水体变化并评估灾区受灾程度[2，33-34]。此外，随着鄱阳湖干旱情况加剧，研究者通过对流域降水、出湖径流等数据以及标准化降水指数进行多尺度分析，探讨干旱成因[3-4，35-36]。
目前，鄱阳湖的长时序水体监测主要依赖光学影像[28-32，37]，但光学影像受天气条件限制，无法实现全天候监测。利用雷达影像进行鄱阳湖水体提取的研究相对较少，且多集中于分析特定洪涝年份[2，34]。对于鄱阳湖干旱事件的研究，往往侧重于原因分析[36]。为弥补这些局限，本研究基于雷达遥感影像，比较单波段阈值法、Sentinel-1双极化水体指数和谱间关系法的水体提取结果，选用精度最高的方法逐景提取水体面积。利用Sentinel-1卫星提供的2014—2023年雷达影像以及GEE平台构建鄱阳湖全天候水域面积逐日数据集，开展了对鄱阳湖水体的全天候、长时序监测，以提供更全面和连续的水文信息。随后，结合江西省水利厅发布的星子站、湖口站水位数据，揭示水位变化与湖泊水域面积关系，获得了鄱阳湖全天候水位-面积逐日数据集（2014—2023年）（表1）。基于湖泊水域面积时间序列，识别2020年和2022年湖泊面积发生变化的主要原因。该数据集为鄱阳湖水资源评估、旱涝灾害预警以及研究气候变化的响应提供数据支撑，具有高时间分辨率，其中鄱阳湖水域面积数据具有高空间分辨率，是首次基于Sentinel-1雷达影像监测的鄱阳湖逐日水域面积数据集。
表1数据集基本信息简介
Tab.1 Introduction to the basic information of the dataset
1 数据源介绍
1.1 研究区域概括
鄱阳湖（28°11′~29°51′N，115°49′~116°46′E）是我国最大的淡水湖，位于长江中下游南部[38]，是一个季节性、吞吐性的通江湖泊。鄱阳湖上承赣江、抚河、信江、饶河、修水“五河”之水，通过湖口流入我国长江[4]（图1），每年“五河”流入长江的水量充沛（赣江所占比例最大），平均年河湖径流量为143.6亿m3[39]。鄱阳湖水位受“五河”流入水量和长江水倒灌的双重影响，年际最大变幅为16.69 m。夏、秋季为丰水期，水位升高，水域面积辽阔，冬、春季为枯水期，湖面仅剩狭窄的河道[38]，具有明显的季节性和区域性[40]。因此，鄱阳湖以其“洪水一片、枯水一线”的特征而闻名[41]，是长江中下游的重要调蓄场所、水资源的重要来源、冬季候鸟越冬地以及长江流域生态系统的重要组成部分[34]。近年来，受全球气候变化和人类活动的双重影响，鄱阳湖出现了极端的洪枯水文情势[35]；2020年鄱阳湖发生超标准洪水[3]；2022年遭遇特大干旱[36]；2023年成为有记录以来最早进入枯水期的年份。
1.2 数据来源
1.2.1 Sentinel-1数据
Sentinel-1是欧洲航天局的对地观测卫星，由Sentinel-1A 和 Sentinel-1B组成，分别于2014年4月3日和2016年4月25日发射升空，单颗星轨道周期为12 d，双星组网常规重访周期为6 d，空间分辨率为10 m，载有 C波段合成孔径雷达。卫星具有VV（vertical-vertical，垂直-垂直极化）和VH（vertical-horizontal，垂直-水平极化）两种极化方式，可在干涉宽幅（interferometric wide swath，IW）、超宽幅（extra wide swath，EW）、波（wave，WV）或带状图（stripmap，SM）4种模式下运行。其中，IW模式主要用于陆地数据采集，监测地表变化。
选用由 IW模式和双频交叉极化方式的GRD 10 m高分辨Sentinel-1影像数据，2014—2023年共计424景（表2），其中2017—2021年间双星合作（1A和1B），影像的时间分辨率通常为6 d，因此该时间段影像数量明显增多。Sentinel-1提供合成孔径雷达（synthetic aperture radar，SAR）影像，能够穿云透雾，提供全天候、大范围和周期性对地观测[14]，在阴雨天气下依然能获取鄱阳湖影像（图2）。
1.2.2 JRC全球地表水月度监测数据集
JRC（joint research centre）是由欧盟联合研究中心开发的一套30 m分辨率的1984—2022年全球地表水覆盖的月度地表水监测地图集[42]，该数据集基于1984—2022年Landsat5、Landsat7和Landsat8的卫星影像，使用专家系统将每个像素单独分类为水体或非水体，主要用于与本文水体提取结果进行对比。
图1研究区域示意
Fig.1Schematic of the study area
表2本文使用的Sentinel-1影像统计
Tab.2 Statistics of Sentinel-1 imagery used in this study
1.2.3 Global全球地表水动态数据集
Global（global surface water dynamics）是由马里兰大学全球土地分析和发现实验室开发的一套30 m分辨率的1999—2021年全球内陆水动态特征数据集[43]，该数据集基于1999—2021年Landsat5、Landsat7、Landsat8的卫星影像，使用分类模型结合水体频率获得，主要用于与本文水体提取结果进行对比。
1.2.4 水位数据
水位数据由江西省水利厅（http://slt.jiangxi.gov.cn/col/col28224/index.html）提供。数据以时间序列格式记录，每小时更新，用于水文监测、水资源管理和洪水预警。这些实测数据为鄱阳湖水位和面积变化的精确分析与预测提供了可靠基础。
图22016—2023年雨天的影像数量统计
Fig.2Statistics on the number of images captured on rainy days from 2016 to 2023
2 数据处理
2.1 数据生产流程
GEE平台上Sentinel-1数据的预处理操作包括热噪声去除、辐射校准和地形校正。此外，对Sentinel-1数据进行了LEE滤波，使用的滤波器窗口大小为3 × 3。如图3所示，对同一天影像进行镶嵌，根据研究区范围裁剪影像得到研究区10 m分辨率的后向散射图。分别利用单波段阈值法、Sentinel-1双极化水体指数法以及谱间关系法，结合最大类间方差法自适应确定阈值提取水体，3种方法提取的水域面积与目视解译影像得到的真实水域进行精度评价，选定最优提取方法，此方法应用于全天候鄱阳湖水域面积提取，收集江西省水利厅发布的星子站、湖口站水位数据，最终得到鄱阳湖全天候水位-面积逐日数据集。该数据集中水体面积的栅格文件的投影坐标系为WGS_1984_UTM_Zone_50N。同时，将基于Sentinel-1提取的水域面积与现有的Landsat水体数据集进行精度验证，进一步确认基于Sentinel-1提取结果的可靠性。
2.2 数据处理方法
2.2.1 水体提取
在SAR图像分析中，由于水体的后向散射系数较低，其呈现出明显的暗色调和不规则闭合轮廓，与陆地表面形成鲜明对比[16]，对比了单波段阈值法、Sentinel-1双极化水体指数法和谱间关系法3种常用水体提取方法，并通过最大类间方差法自适应确定阈值以提取水体。
1）单波段阈值法：利用VV或VH单极化的SAR图像区分水体与背景时，关键在于阈值的确定。统计目标区域的灰度值，绘制灰度直方图，根据灰度直方图低谷值设定阈值。由于水体表面平滑，产生镜面反射，后向散射强度弱，反射率低，因此低于此阈值的像元分类为水体，高于则为非水体[44]。
2）Sentinel-1双极化水体指数（Sentinel-1 dual-polarized water index， SDWI）：利用Sentinel-1的双极化数据，通过构建双极化影像间水体信息的不同拟合关系式，关系式如下[19]：
KSDWI=ln⁡(10×VV×VH)-8
(1)
当KSDWI值大于阈值时为水体，其值小于阈值时为非水体。该指数是将VV和VH极化影像相乘，并且乘以10，以此扩大水体与其他地物之间的差异，从而提取水体。
3）谱间关系法：VV和VH极化影像相乘，放大水体与其他水体地物的差距[18]。利用阈值分割方法对影像进行二值化，从而提取水体。谱间关系法是使用阈值分割方法来提取水体，具体的阈值选择可以根据实际情况进行调整，以达到最佳效果。
4）最大类间方差法：最大类间方差法即大津法（OTSU）[45]，是图像阈值分割的最佳算法。当图像具有双峰分布，且目标要素占据图像30%以上时，OTSU的阈值接近最佳分割值[18]。OTSU算法通过计算图像灰度直方图中所有像素值的类间方差，从而确定最优阈值k*，有效区分两者，公式如下[45-46]：
图3鄱阳湖全天候水位-面积逐日数据集生产流程图
Fig.3Flowchart of production of all-weather water level-area day-by-day dataset of Lake Poyang
pi=niN
(2)
ω0=∑i=1k pi=ω(k),ω1=∑i=k+1L pi=1-ω(k),ω0+ω1=1
(3)
μ0=∑i=1k ipiω0=μ(k)ω(k),μ1=∑i=k+1L ipiω1=μT-μ(k)1-ω(k)
(4)
μT=ω0μ0+ω1μ1
(5)
ω(k)=∑i=1k pi,μ(k)=∑i=1k ipi
(6)
σB2=ω0μ0-μT2+ω1μ1-μT2=ω0ω1μ1-μ02
(7)
σB2k*=max1⩽k<L σB2(k)=μTω(k)-μ(k)2ω(k)[1-ω(k)]
(8)
式中，pi为ni在总像素数N中的概率，图像像元灰度级取值范围为1~L，σ2B是目标与背景的类间方差，μT为整幅影像的灰度均值，ω0、ω1分别为单个像素属于背景和目标的概率，ω（k）为图像中灰度值为k的像素的概率，μ0、μ1分别为背景和目标像元灰度的平均值，通过最大化类间方差σ2B获取最优阈值k*。
2.2.2 水体频率
像元水体频率（water inundation frequency， WIF）[47]主要用于分析年度以及单月湖泊水域面积的变化趋势，公式如下：
WIF=∑i=1N ωN×100%
(9)
式中，N表示某一像元的观测次数，ω表示二值变量（ω=1表示水体，ω=0表示非水体）。将水体频率按照5%、25%、75%、95%划分[48]，分为临时水体、临时水体但有季节性倾向、季节性水体、年水体、永久水体（表3）。
2.2.3 精度评定
本评估方法依据各类别像元数，构建混淆矩阵（表4）进行精度验证[49]。鄱阳湖具有显著的季节性水文特征，其水域面积在枯水期和丰水期之间具有明显差异。为了全面评估本文水体提取方法的准确性，分别在这两个不同的水文时期中随机选择一日。利用Sentinel-1影像，辅以相邻时间的Sentinel-2影像得到该日期的真实地表水，以此数据作为混淆矩阵计算的基准，实现对单波段阈值法、SDWI法、VV×VH法、JRC数据集以及Global数据集5种提取结果的精度验证，得到Kappa系数、总体分类精度、错分率、漏分率、用户精度及制图精度[50]。总体分类精度和Kappa系数都是用来评估遥感影像分类精度的指标。总体分类精度简单直观；Kappa系数考虑了实际分类结果与随机分类结果的差异，能更好地处理类别不平衡的情况。
表3基于水体频率的水体类别分类规则[45]
Tab.3 Rules of water type classification based on water frequency
表4水体与非水体分类结果的混淆矩阵
Tab.4 The confusion matrix for water and non-water classification
1）总体分类精度（overall accuracy， OA）：总体分类精度是指所分类的结果与真实验证数据类型相一致的概率，即被正确分类的像元总和除以总像元数[49]。
OA=∑k=12 XkkN
(10)
2）Kappa系数：Kappa系数是一种用于评估分类精度的统计指标，是分类结果与完全随机分类的差异程度，取值在0~1之间，越接近1表示分类精度越高。Kappa系数计算的是分类与完全随机的分类产生错误减少的比例[49]。
Kappa =N∑i=12 Xii-∑i=12 Xi+X+jN2-∑i=12 Xi+X+j
(11)
3）错分误差（commission error， CE）与用户精度（user's accuracy， UA）：以水体（类别1）为例。错分误差为某一类的像元被分为用户感兴趣的类别，实际上属于另一类的像元[49]。
CE=X1+-X11X1+
(12)
用户精度与错分误差相加为1，是指准确划分到某个类别的像元数量以及分类器将整个图像划分为该类别像元数量的比例[49]。
UA=XijXj+=1-CE
(13)
4）漏分误差（omission error， OE）与制图精度（producer's accuracy， PA）：以水体（类别1）为例。漏分误差为某一类的像素本属于地表真实分类，但没有被分类器分到相应类别中的像元数[49]。
OE=X+1-X11X+1
(14)
制图精度与漏分误差相加为1，是指分类器把像元正确分为某类的数量与该类的实际像元总数的比值[49]。
PA=XiiX+i=1-OE
(15)
2.2.4 扰动识别
由Douglas和Peucker提出的Douglas-Peucker（D-P）算法是一种经典的曲线简化方法[51]，算法迭代识别移除不重要的控制点，保留对整体曲线形状有显著影响的点。首先，该算法以时间序列曲线的起始点和终止点为端点，构建时间序列曲线的弦，设置一个公差阈值，计算曲线上的点到弦垂直距离，如果某个点的距离大于预设的公差阈值，则该点被认为是重要点，并保留下来，同时将曲线划分为两段，分别迭代识别，反复进行这一过程，直到所有剩余点的垂直距离都小于阈值。
Bend Simplification算法是针对曲线几何特征进行简化的技术，可以有效消除较小的波动[52]，预先给定一个阈值，评估曲线在特定点的曲率，该点曲率大于给定阈值则保留，得到最终的时间序列曲线简化结果。
人类活动导致的湖泊水域面积变化通常比自然因素引起的变化幅度大，并且短时间内难以恢复到变化前水平；而自然因素引起的湖泊面积变化会随着自然条件恢复逐渐恢复到变化前水平，此外，自然因素扰动的时间序列曲线通常呈现为“V”字形[53]。基于扰动的语义特征，总结湖泊水域面积扰动特征参数（式（16）~（19）），采用K-means聚类算法将湖泊面积变化扰动分为人为或自然扰动[53]。
利用Douglas-Peucker（D-P）算法和Bend Simplification 算法，简化湖泊水域面积时间序列，经过反复实验，公差阈值设置为0.5，角度阈值设置为0度，将湖泊水域面积时间序列曲线分割，得到了表示主要湖泊扰动的分段，根据分段曲线，采用K-means聚类方法进行分类。
湖泊水域面积扰动特征（以b点为例）：
Evenrate 1=∣ Area a- Area b∣Tb-Ta
(16)
Evenrate 2=∣ Area c- Area b∣Tb-Tc
(17)
Area_Diff ab=∣ Area a- Area b∣
(18)
Re rate = Area_Diff ab- Area_Diff bc/Max Area_Diff ab, Area_Diff bc
(19)
式中，Evenrate1、Evenrate2表示事件速率，Rerate表示b点的恢复率，Areaa、Areab、Areac分别表示a、b、c点面积，Ta、Tb、Tc分别表示a、b、c点扰动时间（年份），Area_Diffab、Area_Diffbc分别表示a、b点以及b、c点面积差（图4）。
图4湖泊水域面积时间序列曲线特征提取点示意
Fig.4Schematic diagram of feature extraction points on the time series curve of lake water area
3 数据结果与科学发现
3.1 数据组成
本数据集主要包括3个部分：（1）2014—2023年鄱阳湖水域面积栅格数据（.tif），共计424期，投影坐标系为WGS_1984_UTM_Zone_50N。（2）2014—2023年鄱阳湖水域面积统计数据（.xlsx）; （3）2014—2023年鄱阳湖水域面积对应日期的星子站、湖口站水位数据（.xlsx），这些数据保存为1个压缩文件（鄱阳湖全天候水位-面积逐日数据集（2014—2023）.rar）。
3.2 鄱阳湖水域面积提取结果验证
随机选取了2020年3月22日的枯水期和2020年8月13日的丰水期Sentinel-1影像，并以相邻时间的Sentinel-2影像作为辅助，通过人工目视解译方法获取了精确的水域范围数据作为验证基准。
利用OTSU阈值分割法自动提取水体结果，选择JRC、Global数据集中2020年3月和8月的月均水域面积进行对比分析，定量精度评价结果见表5。结果显示，在丰水期VV×VH的Kappa系数最高，为0.93，OA为97.47%，均高于SDWI、VV提取的结果。在枯水期，VV×VH在Kappa系数、总体精度、PA、UA方面均高于Global、JRC、VV以及SDWI。同时， VV×VH 的水体提取结果与人工目视解译结果高度一致（图5），因此，VV×VH结合OTSU阈值分割法在鄱阳湖不同时期的水体提取中表现最佳，是提取鄱阳湖水体的理想选择，提取2014—2023年共424期结果。
表5鄱阳湖水体提取精度评价结果
Tab.5 Evaluation results of Lake Poyang water extraction accuracy
将水体提取结果与星子站、湖口站提供的2014—2023年水位数据进行皮尔逊相关性分析，其相关系数（R2）分别为0.87和0.82，表明基于Sentinel-1影像水体面积提取与星子站、湖口站水位数据具有较高一致性（图6），说明提取结果是可靠的。
3.3 湖泊水域面积长时序动态变化
根据鄱阳湖的空间位置，逐景确定水体提取范围，基于Sentinel-1影像计算水体年频率分析2014—2023年鄱阳湖的水域空间分布（图7），发现鄱阳湖水体空间变化主要集中在中心湖区。由于2014年和2015年的雷达影像数据不完整，重点分析了2016—2023年的情况。结果表明，鄱阳湖的永久水体面积呈现显著变化趋势：从2016—2018年呈下降趋势，由1703.57 km2降至1512.02 km2，2018—2020年呈上升趋势，增至1876.11 km2，2020—2023年持续下降，2023年降至1434.31 km2。
季节性水体面积变化与永久水体面积变化一致，临时水体以及具有季节性倾向的水体面积（下文统称临时水体）变化则与此相反，2016年临时水体面积相对较小，2016—2018年呈上升趋势，由514.17 km2增至1056.32 km2，2018—2020年呈下降趋势，降至600.36 km2，2023年有所恢复，临时水体主要分布在湖泊边缘和低洼地区。
鄱阳湖2020年发生洪涝灾害[33]，2022年和2023年湖泊因干旱较早进入枯水期。研究表明（表6），鄱阳湖永久水体在各个年份中相对稳定，约占总水体面积的43%。然而，在干旱年临时水体面积占比显著增加（2018年为30.14%，2022年为16.37%，2023年为22.56%），突显了极端气候条件对湖泊水体动态的显著影响。
3.4 鄱阳湖水位与面积相关性分析
将雷达提取的湖泊水域面积与湖口站、星子站的水位数据进行统计分析。将水位数据分段，分析湖泊水域面积与水位（h）的相关性，并绘制分段散点图（图8）。
结果表明（表7）：（1）h＜12 m，水位与面积的相关性较弱，湖泊水域面积的变化受到其他因素（如蒸发、地下水流失等）的显著影响；（2）12≤h＜14 m，水位与面积的相关性进一步减弱，湖泊的水域面积相对稳定，不随水位变化而显著变化；（3）h≥14 m，水位变化与湖泊水域面积变化呈显著正相关。
3.5 扰动识别
通过D-P算法和Bend Simplification算法[53]简化2016—2023年雷达提取的鄱阳湖年度最大淹没面积时间序列曲线，保留时间序列曲线中较大的变化点（图9）。提取湖泊水域面积扰动特征参数，通过K-means聚类分析将扰动分为人为和自然扰动，如表8所示，鄱阳湖人为扰动的恢复率（Rerate）低于自然扰动，人为扰动事件对湖泊水域面积的影响“不可逆”。
图5基于不同方法的鄱阳湖枯水期（A）和丰水期（B）水域面积提取结果对比
Fig.5Extraction results of water area in Lake Poyang during dry season (A) and wet season (B) based on different methods
如图9所示，2020年湖泊水域面积达到最大值，湖泊水域面积增加与径流量和降水量呈显著正相关[54]，该年大面积、高强度的西太平洋副热带高压多次穿越长江中上游和鄱阳湖流域，在6、7、9月形成反复扫过流域的雨带，为地区降水提供了充沛的水汽条件[18]，根据K-means聚类分析，2020年湖泊水域面积变化的扰动分类结果是自然因素。2022年湖泊水域面积较2020年面积减少，极早进入枯水期，三峡水库调蓄，拉空效应增强，改变江湖水位-流量关系，存在大量矮围，湖泊滩涂变为农田，阻断河湖水系连通[55]，湖泊面积减少的主要原因是人类活动[56-57]，根据K-means聚类分析，2022年湖泊水域面积变化扰动分类结果是人为因素。
图62014—2023年鄱阳湖水域面积与水位变化对比
Fig.6Comparison of water area and water level changes of Lake Poyang from 2014 to 2023
表62016—2023年鄱阳湖不同类型水体的面积变化
Tab.6 Variations of water area in different water types of Lake Poyang from 2016 to 2023
表7湖泊水域面积-水位决定系数（R2）
Tab.7 The coefficient of determination for lake area and water level (R2)
4 结论
本研究基于2014—2023年的Sentinel-1雷达遥感影像数据、GEE平台以及江西省水利厅提供的水位数据，构建鄱阳湖全天候水位-面积逐日数据集（2014—2023年），共计424期数据，获得了高时间和空间分辨率的动态监测数据，记录鄱阳湖水域时空分布变化特征。该数据集包含首次基于Sentinel-1雷达影像监测的鄱阳湖逐日水域面积数据，与常用的光学水体数据集（JRC、Global）比较，时间分辨率高并且不受天气影响。本数据集主要包括3个部分：（1）2014—2023年鄱阳湖水域面积栅格数据（.tif），投影坐标系为WGS_1984_UTM_Zone_50N；（2）2014—2023年鄱阳湖水域面积统计数据（.xlsx）; （3）2014—2023年星子站、湖口站水位数据（.xlsx）。其中，鄱阳湖水域面积栅格数据的总体精度＞95%，Kappa系数＞0.9。
图72014—2023年鄱阳湖水体频率分布
Fig.7Distribution of water frequency in Lake Poyang from 2014 to 2023
图8鄱阳湖水位与湖泊水域面积关系散点图
Fig.8Scatter plot of the relationship between Lake Poyang water level and lake area
在鄱阳湖水域面积数据集中，阴雨天气条件下的观测数据约占59.38%，利用了Sentinel-1雷达影像在云雾遮挡以及全天候观测方面的技术优势，有效弥补了光学影像在复杂气象条件下观测的局限。该数据不仅可以应用于鄱阳湖水资源评估，也可以应用于鄱阳湖旱涝灾害预警等模型预测，是鄱阳湖动态监测的宝贵数据资源。观测期间，鄱阳湖呈现典型的年际变化：“枯水一线，丰水一片”，水体空间变化主要集中在中心湖区。洪涝灾害发生时，Sentinel-1能较好地连续观测湖泊水域面积变化情况，2020年鄱阳湖水域面积达到历史最大值（4297.32 km2）。近两年，鄱阳湖干旱情况日益严峻，在2022年和2023年湖泊水域面积显著减少并且进入枯水期时间屡次提前，打破历史记录。鄱阳湖水位与水域面积存在显著正相关性（P＜0.05，R2≥0.80）。高水位时，水位与湖泊水域面积呈显著相关，低、中水位时相关性较弱。根据K-means聚类分析，2020年湖泊水域面积变化的扰动分类结果是自然因素，2022年湖泊水域面积变化扰动分类结果是人为因素。
图92016—2023 年鄱阳湖水域面积时间序列曲线分割
Fig.9Time series curve segmentation of Lake Poyang area from 2016 to 2023
表8扰动特征参数和扰动分类结果*
Tab.8 Disturbance classification features and the classification results
5 数据集存储
数据集存储于国家地球系统科学数据中心湖泊-流域分中心（DOI：10.11971/lim.2024.130.db.lwdc），访问地址：http://data.niglas.ac.cn/#/catalog/detail/828。
图1研究区域示意
Fig.1Schematic of the study area
图22016—2023年雨天的影像数量统计
Fig.2Statistics on the number of images captured on rainy days from 2016 to 2023
图3鄱阳湖全天候水位-面积逐日数据集生产流程图
Fig.3Flowchart of production of all-weather water level-area day-by-day dataset of Lake Poyang
图4湖泊水域面积时间序列曲线特征提取点示意
Fig.4Schematic diagram of feature extraction points on the time series curve of lake water area
图5基于不同方法的鄱阳湖枯水期（A）和丰水期（B）水域面积提取结果对比
Fig.5Extraction results of water area in Lake Poyang during dry season (A) and wet season (B) based on different methods
图62014—2023年鄱阳湖水域面积与水位变化对比
Fig.6Comparison of water area and water level changes of Lake Poyang from 2014 to 2023
图72014—2023年鄱阳湖水体频率分布
Fig.7Distribution of water frequency in Lake Poyang from 2014 to 2023
图8鄱阳湖水位与湖泊水域面积关系散点图
Fig.8Scatter plot of the relationship between Lake Poyang water level and lake area
图92016—2023 年鄱阳湖水域面积时间序列曲线分割
Fig.9Time series curve segmentation of Lake Poyang area from 2016 to 2023
表1数据集基本信息简介
表2本文使用的Sentinel-1影像统计
表3基于水体频率的水体类别分类规则[45]
表4水体与非水体分类结果的混淆矩阵
表5鄱阳湖水体提取精度评价结果
表62016—2023年鄱阳湖不同类型水体的面积变化
表7湖泊水域面积-水位决定系数（R2）
表8扰动特征参数和扰动分类结果*
Song LJ, Jing HT, Xu JH et al. High spatial and temporal resolution monitoring of water area changes of Dongting Lake by joint Sentinel satellite series of radar and optical images. National Remote Sensing Bulletin,2023,27(11):2516-2529. DOI:10.11834/jrs.20221562.[宋利娟, 景海涛, 徐嘉慧等. 联合哨兵卫星系列雷达与光学影像的洞庭湖水域面积变化高时空分辨率监测. 遥感学报,2023,27(11):2516-2529.]
Lv SN, Xue SH, Xie T et al. Application of Sentinel-1 SAR data in Poyang Lake flood monitoring. Satellite Application,2021,(8):51-55.[吕素娜, 薛思涵, 谢婷等. 哨兵一号SAR数据在鄱阳湖洪涝灾害监测中的应用. 卫星应用,2021,(8):51-55.]
Zhang Q, Xue CY, Xia J. Impacts,contributing factors and countermeasures of extreme droughts in Poyang Lake. Bulletin of Chinese Academy of Sciences,2023,38(12):1894-1902.[张奇, 薛晨阳, 夏军. 鄱阳湖极端干旱的影响、成因与对策. 中国科学院院刊,2023,38(12):1894-1902.]
Liu YB, Zhao XS, Wu GP. A Primary investigation on the formation of freouent droughts in the Poyang Lake basin in recent decade. Resources and Environment in the Yangtze Basin,2014,23(1):131-138. DOI:10.11870/cjlyzyyhj201401019.[刘元波, 赵晓松, 吴桂平. 近十年鄱阳湖区极端干旱事件频发现象成因初析. 长江流域资源与环境,2014,23(1):131-138.]
Ye C, Wu GP, Zhao XS et al. Responses of wetland vegetation to droughts and its impact factors in Poyang Lake National Nature Reserve. J Lake Sci,2014,26(2):253-259. DOI:10.18307/2014.0212.[叶春, 吴桂平, 赵晓松等. 鄱阳湖国家级自然保护区湿地植被的干旱响应及影响因素. 湖泊科学,2014,26(2):253-259.]
Zhang W, Cui CL, Li LY et al. Analysis of relationship between water area and water level based on long-term observation in Poyang Lake. Journal of China Hydrology,2019,39(3):29-35,21.[张文, 崔长露, 李林宜等. 基于长时间序列遥感数据的鄱阳湖水面面积监测分析. 水文,2019,39(3):29-35,21.]
Ye C, Zhao XS, Wu GP et al. Vegetation biomass spatial-temporal variations and the influence of the water level in Poyang Lake National Nature Reserve. J Lake Sci,2013,25(5):707-714. DOI:10.18307/2013.0512.[叶春, 赵晓松, 吴桂平等. 鄱阳湖自然保护区植被生物量时空变化及水位影响. 湖泊科学,2013,25(5):707-714.]
Ye C, Liu YB, Zhao XS et al. Analysis of Poyang Lake wetland vegetation growth dynamicsand its response to lake water level based on MODIS. Resources and Environment in the Yangtze Basin,2013,22(6):705-712.[叶春, 刘元波, 赵晓松等. 基于MODIS的鄱阳湖湿地植被变化及其对水位的响应研究. 长江流域资源与环境,2013,22(6):705-712.]
孙岩. 基于多源卫星数据的地表水体提取研究[学位论文]. 南京: 南京信息工程大学,2023.
Xu N, Li WY, Gong P et al. Satellite altimeter observed surface water increase across lake-rich regions of the Arctic. The Innovation,2024,5(6):100714. DOI:10.1016/j.xinn.2024.100714.
Xu N, Lu H, Li WY et al. Natural lakes dominate global water storage variability. Science Bulletin,2024,69(8):1016-1019. DOI:10.1016/j.scib.2024.02.023.
Luo SX, Song CQ, Ke LH et al. Satellite laser altimetry reveals a net water mass gain in global lakes with spatial heterogeneity in the early 21st century. Geophysical Research Letters,2022,49(3):e2021GL096676. DOI:10.1029/2021GL096676.
Wang Q, Liao JJ. Water area extraction and change detection of the Poyang Lake using SAR data.remote sensing for land and resource,2010,(4):91-97. DOI:10.6046/gtzyyg.2010.04.19.[王庆, 廖静娟. 基于SAR数据的鄱阳湖水体提取及变化监测研究. 国土资源遥感,2010,(4):91-97.]
Li CY, Liu JQ, Liu XX et al. Flood monitoring and analysis based on time-series SAR image for complex area. National Remote Sensing Bulletin,2024,28(2):346-358. DOI:10.11834/jrs.20211228.[李聪妤, 刘家奇, 刘欣鑫等. 适应复杂区域的时序SAR影像洪水监测与分析. 遥感学报,2024,28(2):346-358.]
Xu HQ. A study on information extraction of water body with the modified normalized difference water index(MNDWI). National Remote Sensing Bulletin,2005,9(5):589-595. DOI:10.11834/jrs.20050586.[徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究, 遥感学报,2005,9(5):589-595.]
胡新茹. SAR影像快速洪水范围和深度提取方法与应用研究[学位论文]. 徐州: 中国矿业大学,2022.
Shen XY, Wang DC, Mao KB et al. Inundation extent mapping by synthetic aperture radar: A review. Remote Sensing,2019,11(7):879. DOI:10.3390/rs11070879.
Jia JJ, Ma JG, Sheng M et al. Research on spatial-temporal dynamic changes of flood in Lake Chaohu Basin based on Sentinel-1 SAR Satellite image. Remote Sensing Technology and Application,2022,37(1):173-185.[贾佳佳, 马金戈, 沈明等. 基于 Sentinel-1 SAR 数据巢湖流域洪水时空动态变化监测研究. 遥感技术与应用,2022,37(1):173-185.]
Jia SC, Xue DJ, Li CR et al. Study on new method for water area information extraction based on Sentinel-1 data. Yangtze River,2019,(2):213-217.[贾诗超, 薛东剑, 李成绕等. 基于 Sentinel-1 数据的水体信息提取方法研究. 人民长江,2019,(2):213-217.]
Cian F, Marconcini M, Ceccato P. Normalized Difference Flood Index for rapid flood mapping: Taking advantage of EO big data. Remote Sensing of Environment,2018,209:712-730. DOI:10.1016/j.rse.2018.03.006.
Demissie B, Vanhuysse S, Grippa T et al. Using Sentinel-1 and Google Earth Engine cloud computing for detecting historical flood hazards in tropical urban regions: A case of Dar es Salaam. Geomatics. Natural Hazards and Risk,2023,14(1):2202296. DOI:10.1080/19475705.2023.2202296.
Wang JZ, Ding JL, Li GN et al. Dynamic detection of water surface area of Ebinur Lake using multi-source satellite data(Landsat and Sentinel-1A)and its responses to changing environment. CATENA,2019,177:189-201. DOI:10.1016/j.catena.2019.02.020.
Markert KN, Markert AM, Mayer T et al. Comparing sentinel-1 surface water mapping algorithms and radiometric terrain correction processing in Southeast Asia utilizing google earth engine. Remote Sensing,2020,12(15):2469. DOI:10.3390/rs12152469.
Hess LL, Melack JM, Filoso S et al. Delineation of inundated area and vegetation along the Amazon floodplain with the SIR-C synthetic aperture radar. IEEE Transactions on Geoscience and Remote Sensing,1995,33(4):896-904. DOI:10.1109/36.406675.
Matgen P, Hostache R, Schumann G et al. Towards an automated SAR-based flood monitoring system: Lessons learned from two case studies. Physics And Chemistry Earth, Parts A/B/C,2011,36(7/8):241-252. DOI:10.1016/j.pce.2010.12.009.
McCormack T, Campanyà J, Naughton O. A methodology for mapping annual flood extent using multi-temporal Sentinel-1 imagery. Remote Sensing of Environment,2022,282:113273. DOI:10.1016/j.rse.2022.113273.
Zhang SS, Xu Q, Wang HY et al. Automatic waterline extraction and topographic mapping of tidal flats from SAR images based on deep learning. Geophysical Research Letters,2022,49(2):e2021GL096007. DOI:10.1029/2021GL096007.
Li H, Li CA, Zhang LH et al. Relationship between water level and water area in Poyang Lake based on MODIS image. Quaternary Sciences,2008,(2):332-337.[李辉, 李长安, 张利华等. 基于MODIS影像的鄱阳湖湖面积与水位关系研究. 第四纪研究,2008,(2):332-337.]
Li P, Feng ZM, Jiang LG et al. Natural water surface of Poyang Lake monitoring based on remote sensing and the relationship with water level. Journal of Natural Resources,2013,28(9):1556-1568.[李鹏, 封志明, 姜鲁光等. 鄱阳湖天然湖面遥感监测及其与水位关系研究. 自然资源学报,2013,28(9):1556-1568.]
Liu H, Zhou WP, Zhang YJ et al. Dynamic monitoring of area in Povang lake from 1999 to 2019 based on Landtsat images. Journal of East China University of Technology: Natural Science,2023,46(1):68-76.[刘浩, 周万蓬, 张宇佳等. 基于Landsat影像的1999—2019年鄱阳湖面积动态监测. 东华理工大学学报: 自然科学版,2023,46(1):68-76.]
Zhang NN, Wang W, Wang Y. Estimate the area of the Poyang Lake using Satellite remote sensing data and analyze its relationship with water level. Remotie Sensing Technology and Application,2012,27(6):947-953. DOI:1004-0323(2012)06-0947-07.[张楠楠, 王文, 王胤. 鄱阳湖面积的卫星遥感估计及其与水位关系分析. 遥感技术与应用,2012,27(6):947-953.]
Zhao H, Chen Z, Feng C et al. Study on monitoring of Povang lakes area based on remote sensing and its relationship water level. Remote Sensing for Natural Resources,2024,36(2):198-206. DOI:10.6046/zrzyyg.2023061.[赵辉, 陈振, 冯超等. 基于Landsat影像的鄱阳湖面积监测及其与水位关系研究. 自然资源遥感,2024,36(2):198-206.]
Duan WF, Wen XL, Xu HQ et al. Assessment and analysis of the 2020 Poyang Lake flood hazard based on optical and radar image assisted change detection. Journal of Geo-information Science,2022,24(12):2435-2447. DOI:10.12082/dqxxkx.2022.220184.[段伟芳, 温小乐, 徐涵秋等. 基于光学与雷达影像变化检测的2020年鄱阳湖洪灾评估与分析. 地球信息科学学报,2023,24(12):2435-2447.]
Yao SM, Lei WT, Qu G et al. Analysis on inundation condition in Poyang Lake during flood season of 2020 based on satellite image. Yangtze River,2020,51(12):185-190.[姚仕明, 雷文韬, 渠庚等. 基于遥感影像的鄱阳湖2020年汛期灾情分析. 人民长江,2020,51(12):185-190.]
Yao SM, Fan FD, Luan HL et al. Analysis of recent extreme flood and drought hydrological situation in Poyang Lake and countermeasures. Journal of Yangtze River Scientific Research Institute,2023:1-9. DOI:10.11988/ckyyb.20230913.[姚仕明, 范达福, 栾华龙等. 鄱阳湖近年极端洪枯情势分析及应对策略. 长江科学院院报,2023:1-9.]
Lei S, Shi S, Qu YP et al. Characteristics of extreme drought in the Poyang Lake basinin 2022 and implications for future response. Journal of Hydraulic Engineering,2023,54(3):333-346.[雷声, 石莎, 屈艳萍等.2022年鄱阳湖流域特大干旱特征及未来应对启示. 水利学报,2023,54(3):333-346.]
Duan XY, Liu XG. Analysis of characteristics of water level variation and influence oninundation in Poyang Lake in winter. Journal of Natural Disasters,2023,32(3):180-191. DOI:10.13577/i.jnd.2023.0317.[段夕跃, 刘星根. 鄱阳湖冬季水位变化特征及其淹没影响分析. 自然灾害学报,2023,32(3):180-191.]
赵辉. 基于Landsat数据的鄱阳湖面积动态监测及其与水位关系研究[学位论文]. 北京: 中国地质大学,2016.
Finlayson M, Harris J, Mccartney M et al. Report on Ramsar visit to Poyang Lake Ramsar site, PR China. Secretariat of the Ramsar Convention,2010.
Wu GP, Liu YS, Zhao XS et al. Spatio-temporal variations of evapotranspirationin Poyang Lake Basin using MOD16 products. Geographical research,2013,32(4):617-627. DOI:10.11821/yj2013040004.[吴桂平, 刘元波, 赵晓松等. 基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征. 地理研究,2013,32(4):617-627.]
Wu J, Li YL, Ye XC. Spatiotemporal heterogeneity and driving mechanism of inundation dynamics in the floodplain system of Poyang Lake. Journal of China Hydrology,2023,43(4):81-87.[吴娟, 李云良, 叶许春. 鄱阳湖洪泛系统淹没动态时空异质性特征及驱动机制. 水文,2023,43(4):81-87.]
Pekel JF, Cottam A, Gorelick N et al. High-resolution mapping of global surface water and its long-term changes. Nature,2016,540:418-422. DOI:10.1038/nature20584.
Pickens AH, Hansen MC, Hancher M et al. Mapping and sampling to characterize global inland water dynamics from 1999 to 2018 with full Landsat time-series. Remote Sensing of Environment,2020,243:111792. DOI:10.1016/j.rse.2020.111792.
Zeng LF, Li L, Wan LH. SAR-based fast flood mapping using Sentinel-1 imagery. Geomatics World,2015,22(5):100-103,107.[曾玲方, 李霖, 万丽华. 基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取. 地理信息世界,2015,22(5):100-103,107.]
Otsu N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man,and Cybernetics,1979,9(1):62-66. DOI:10.1109/TSMC.1979.4310076.
李健锋. 基于多源遥感影像和 Google Earth Engine 的斯里兰卡地表水体及洪水信息快速提取研究[学位论文]. 西安: 长安大学,2020.
Wang CL, Jiang WG, Deng Y et al. Long time series water extent analysis for SDG 6.6.1 based on the GEE platform: A case study of Dongting Lake. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2022,15:490-503. DOI:10.1109/JSTARS.2021.3088127.
Wang W, Teng HF, Zhao L et al. Long-term changes in water body area dynamic and driving factors in the middle-Lower Yangtze Plain based on multi-source remote sensing data. Remote Sensing,2023,15(7):1816. DOI:10.3390/rs15071816.
覃巧婷. 基于Sentinel-1和Sentinel-2的漓江流域地表水体动态变化监测研究[学位论文]. 桂林: 桂林理工大学,2022.
Qing LX, Su ZX, Wang X et al. Study on water extraction method of Qionghai Lake based on Sentinel-1/2. Journal of Green Science and Technology,2023,25(14):196-203.[青玲萱, 苏子昕, 王鑫等. 基于Sentinel-1/2的邛海水体提取方法研究. 绿色科技,2023,25(14):196-203.]
Douglas DH, Peucker TK. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature. Cartographica:the International Journal for Geographic Information and Geovisualization,1973,10(2):112-122.
Chuon C, Guha S, Janecek P et al. Simplipoly: Curvature-based polygonal curve simplification. International Journal of Computational Geometry & Applications,2011,21(4):417-429. DOI:10.1142/s0218195911003743.
黄广才. 基于时间序列遥感数据的云南省湖泊面积扰动主导因素识别方法研究[学位论文]. 昆明: 云南师范大学,2020.
雷盛磊. 基于遥感影像的水体提取研究及鄱阳湖面域动态变化分析[学位论文]. 贵阳: 贵州大学,2023.
Xiong B, Zhuo YQ, Xu SY et al. Analysis on the evolution and driving mechanism of low flow regime from 1956 to 2022 in Poyang Lake. China Journal of Hydraulic Engineering,2024,55(3):313-324.[熊斌, 卓云强, 许崇育等.1956—2022年鄱阳湖枯水情势演变及驱动机制分析. 水利学报,2024,55(3):313-324.]
Jiang T, Zhang XD, Jiang C et al. Area change and attribution analysis of Poyang Lake in the past 40 years. Safety and Environmental Engineering,2024,31(5):219-227.[蒋涛, 张旭东, 江聪等. 近40年鄱阳湖面积变化及其归因分析. 安全与环境工程,2024,31(5):219-27.]
Li XG, Jiang N, Cao K et al. Study on surface area change of major lakes in Taihu Basin based on topographical and remotely sensed information. Water Resources Protection,2006,(3):20-23.[李新国, 江南, 曹凯等. 太湖流域主要湖泊的水域动态变化. 水资源保护,2006,(3):20-23.]