青藏高原河流网络高分CubeSat遥感监测

青藏高原河流网络高分CubeSat遥感监测 Tracking dynamic river networks in the Tibetan Plateau with high-resolution CubeSat imagery 1 first-author 章斯腾，1996年生，男，助理工程师，研究方向为水文遥感。E-mail：zhangst_nju@163.com 章斯腾，1996年生，男，助理工程师，研究方向为水文遥感。E-mail：zhangst_nju@163.com zhangst_nju@163.com 1 1 1 2 3 1 2 3 1 2 3 corresp 杨康，1986年生，男，副教授，研究方向为水文遥感、冰冻圈遥感。E-mail：kangyang@nju.edu.cn 杨康，1986年生，男，副教授，研究方向为水文遥感、冰冻圈遥感。E-mail：kangyang@nju.edu.cn kangyang@nju.edu.cn 南京大学 地理与海洋科学学院, 南京 210023 南京大学 地理与海洋科学学院, 南京 210023 School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China 江苏省地理信息技术重点实验室, 南京 210023 江苏省地理信息技术重点实验室, 南京 210023 Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing 210023, China Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing 210023, China 中国南海研究协同创新中心, 南京 210023 中国南海研究协同创新中心, 南京 210023 Collaborative Innovation Center for the South Sea Studies, Nanjing University, Nanjing 210023, China Collaborative Innovation Center for the South Sea Studies, Nanjing University, Nanjing 210023, China 河流网络是地表水循环的重要组成部分，如何实现河流网络动态监测已成为河流遥感研究的热点。近年来，以PlanetScope为代表的CubeSat小卫星已具备了米级空间分辨率、1 d重访周期的优势，这为河流网络高时空分辨率动态监测提供了可能。本文以青藏高原长江源区的通天河流域（227 km 2 ）为研究区，选取2017-05—2017-10 5期3 m空间分辨率CubeSat遥感影像，增强河流横纵剖面特征自动化提取了河流网络，研究了通天河流域河流网络动态变化，对比分析了3 m CubeSat与30 m Landsat 8、10 m Sentinel-2所提取的河流网络，以及5种现有水体数据集（GRWL，GSW，FROM-GLC 2017，OpenStreetMap，HydroSHEDS）。研究结果表明：（1）研究区内河流网络5月水系密度较低（0.38 km -1 ），7—8月河流网络进入丰水期，水系密度显著增加至0.61 km -1 ，9月河流网络进入平水期，水系密度趋于平稳（0.53 km -1 ），随后迅速退化并于10月开始冻结，水系密度迅速降低至0.37 km -1 ；（2）采用高空间分辨率CubeSat所提取的河流网络能够识别更多细小河流（河宽3—30 m），CubeSat所提取的河流总长分别为Landsat 8、Sentinel-2所提取河流总长的1.6倍和1.3倍；（3）CubeSat所提取的河流网络水系密度高于现有水体数据集（2.9—12.4倍），弥补了现有水体数据集无法反映细小河流的不足。 River networks play an important role in the terrestrial water. They have become a hotspot in river remotely sensed studies on using remotely sensed imagery to monitor river dynamic changes. Recent development of CubeSat satellite, such as PlanetScope, allows monitoring of river networks at high spatial and high temporal resolution by providing near-daily revisit time imagery at 3 m spatial resolution. We selected the Yangtze headwaters (Tongtian river basin, ~227 km²) located in Tibetan Plateau as the study area. Five CubeSat images from May to October in 2017 were selected to extract river networks at 3 m resolution by enhancing the river cross sectional and longitudinal features, in order to monitor dynamic changes of in river networks at high-spatial resolution. In addition, we compared the 3 m CubeSat river networks with 30 m Landsat 8 and 10 m Sentinel-2 river networks, and the five existing hydrography data products including GRWL, GSW, FROM-GLC, OpenStreetMap, and HydroSHEDS. We concluded that: (1) Rivers in the study area begin to develop in May with drainage density of 0.38 km -1 . July and August are the wet seasons, and the drainage density reaches the peak (0.61 km -1 ). In September, rivers reach the mean discharge with drainage density of 0.53 km -1 , and then the rivers degrade gradually with drainage density of 0.37 km -1 and begin to freeze in October. (2) The high spatial resolution CubeSat river networks include more small rivers (3—30 m wide), and the CubeSat river length is 1.6 and 1.3 times larger than Landsat 8 and Sentinel-2 river networks, respectively. (3) The drainage density of CubeSat river networks is 2.9 to 12.4 times larger than existing hydrography data products, thereby compensating for any lack in the spatial and temporal resolution of the existing river network products. 河流网络 遥感信息提取 动态监测 CubeSat 青藏高原 river network remote sensing information extraction dynamic monitoring CubeSat Tibetan Plateau 1　引言 1 河流网络能够储存和运输大量地表物质，是地球生物化学循环的重要组成部分（ Benstead和Leigh，2012 Benstead和Leigh，2012 ； Jung等，2010 Jung等，2010 ； Raymond等，2013 Raymond等，2013 ； Sjögersten等，2014 Sjögersten等，2014 ）。河流网络变化是河流延伸与消退引起的有水河道范围变化。随着对地观测技术的迅速发展，卫星遥感影像已成为监测河流动态变化的重要数据来源（ Allen和Pavelsky，2015 Allen和Pavelsky，2015 ； Alsdorf等，2007 Alsdorf等，2007 ； Gleason和Smith，2014 Gleason和Smith，2014 ）。近年来，已有研究者利用遥感影像生产了一些全球河流网络/水体数据集。例如， Yamazaki等（2015） Yamazaki等（2015） 通过计算多时相Landsat遥感影像中水体出现的频率，划分了永久性与季节性水体，生产了90 m空间分辨率的G3WBM（Global 3 arc-second Water Body Map）水体数据集； Gong等（2013） Gong等（2013） 使用Landsat遥感影像生产了第一个30 m空间分辨率下的全球土地利用与土地覆盖变化数据集FROM-GLC（Finer Resolution Observation and Monitoring-Global Land Cover），其中包含了水体分类； Allen和Pavelsky（2018） Allen和Pavelsky（2018） 利用1071景Landsat遥感影像，生产了全球30 m空间分辨率带河宽属性的河流网络数据集； Pekel等（2016） Pekel等（2016） 使用300万幅Landsat遥感影像，量化了全球永久性和季节性水体的变化，生产了30 m空间分辨率的GSW（Global Surface Water）水体数据集。 然而，现有河流网络数据集主要以Landsat系列遥感影像作为数据源，仅能识别河宽大于30 m的河流，忽略了河宽小于30 m的细小河流。细小河流的生态系统非常活跃，陆—气相互作用频繁（ Meyer等，2007 Meyer等，2007 ），河流网络总碳排放量的50%源于细小河流（ Butman等，2016 Butman等，2016 ； Raymond等，2013 Raymond等，2013 ），忽略细小河流会低估河流网络在地球生物化学循环中的作用（ Allen等，2018 Allen等，2018 ； Benstead和Leigh，2012 Benstead和Leigh，2012 ； Meyer等，2007 Meyer等，2007 ）。近年来，以PlanetScope为代表的CubeSat小卫星已经具备了米级空间分辨率、1 d重访周期，这为河流网络高时空分辨率动态监测提供了可能（ McCabe等，2017 McCabe等，2017 ）。目前，国外已有研究者利用高时空分辨率的CubeSat遥感影像开展陆地水文研究。 Poursanidis等（2019） Poursanidis等（2019） 首次基于CubeSat影像反演了希腊Obros Gyalos海湾的水深； Cooley等（2017） Cooley等（2017） 利用170景CubeSat遥感影像，分析了北美阿拉斯加育空河流域268个湖泊的夏季面积变化； Cooley等（2019） Cooley等（2019） 进一步利用CubeSat遥感影像，实现了对北极阿拉斯加与加拿大地区85358个湖泊的动态监测，然而，很少有研究者基于高时空分辨率CubeSat遥感影像研究河流网络变化。CubeSat遥感影像高时空分辨率的优势能够弥补现阶段大部分遥感影像覆盖频次过低的缺陷（ Feng等，2019 Feng等，2019 ），其高空间分辨率的特点能够满足监测细小河流（河宽 < 30 m）变化的需求，填补偏远地区缺少水文数据的空缺。 本次研究以青藏高原长江源区的通天河流域为研究区，选用5期夏季CubeSat遥感影像，采用 Yang等（2015） Yang等（2015） 提出的基于横纵剖面特征的河流网络遥感信息提取方法，自动化提取河流网络，监测通天河流域内河流网络的夏季动态变化。此外，研究对比10 m空间分辨率Sentinel-2、30 m空间分辨率Landsat 8所提取的河流网络和5种现有的水体数据集，分析评价CubeSat遥感影像提取的河流网络质量，揭示CubeSat遥感影像监测河流网络动态变化的潜力与前景。 2　河流网络提取方法 1 2.1　研究区与研究数据 2 青藏高原是黄河、长江、澜沧江的发源地，河网密集，小河流众多。青藏高原河流在时空尺度的变化时刻影响着下游生态系统与人类活动，但由于青藏高原自然条件限制，导致该地区研究缺少长时间序列的水文数据（ 李志威 等，2016 李志威 等，2016 ）。因此，研究选取青藏高原长江源区的通天河流域为研究区（ 图1 图1 （a）），面积约227 km 2 。研究区河流主要为冰雪融水补给为主的季节性河流，河流径流量主要受气温影响，汛期发生在夏季，枯水期出现在冬季。该地区气温于4月底开始上升，冰雪逐渐融化引起河流水量增加，并于6月进入夏秋汛，其最大径流量和最大水月发生在7月或9月，河流于10月上中旬进入初冰期，冰情在1月上旬达到最大范围并持续到来年4月（ 中国科学院《中国自然地理》编辑委员会，1981 中国科学院《中国自然地理》编辑委员会，1981 ） 。 本次研究选用了PlanetScope CubeSat遥感影像作为实验数据。PlanetScope CubeSat是由Planet Labs生产、运营并发布的遥感影像，具有4个波段：蓝色（波段1，455—515 nm）、绿色（波段2，500—590 nm）、红色（波段3，590—670 nm）与近红外（波段4，780—860 nm），重访周期1 d，空间分辨率3 m。由于研究区河流于11月至来年4月期间处于冰期（ 中国科学院《中国自然地理》编辑委员会，1981 中国科学院《中国自然地理》编辑委员会，1981 ），河流径流量小，故研究选取2017-05—2017-10的5期PlanetScope CubeSat遥感影像作为研究数据，由于6月无云量小、成像质量好的PlanetScope CubeSat遥感影像，研究剔除了6月份遥感影像。为了对比CubeSat影像识别细小河流的能力，研究额外选取了Landsat 8与Sentinel-2遥感影像作为对比数据，由于Sentinel-2与Landsat 8影像覆盖频次低，无法获取2017年夏季无云的影像，研究分别选取了2018-07-17 Landsat 8影像与2016-09-21 Sentinel-2影像，影像详细信息见 表1 表1 。研究从中国气象数据网（ http：//data.cma.cn/ http://data.cma.cn/ ［2019-07-19］）获取了研究区2016年—2018年7月与9月日降水量数据，发现2016年—2018年7月与9月无极端降水事件发生，CubeSat、Landsat 8、Sentinel-2影像拍摄当日降水量均小于1.5 mm，无较大差异，从3种遥感影像所提取的河流网络具有可比性。 影像类型 空间分辨率/m 拍摄日期 影像数量 7 CubeSat 7 3 2017-05-26 4 2017-07-18 4 2017-07-21 2 2017-08-03 3 2017-09-12 4 2017-10-01 4 2017-10-06 2 Sentinel-2B 10 2016-09-21 1 Landsat 8 30 2018-07-17 1 研究选用了ALOS World 3D-30 m（AW3D30）数字表面模型DSM（Digital Surface Model）作为辅助数据。日本宇宙航空研究开发机构（JAXA）发布了5 m空间分辨率AW3D DSM产品（ Takaku等，2016 Takaku等，2016 ），AW3D30 DSM是对AW3D产品重采样后得到的数字表面模型产品（ 袁小棋 等，2018 袁小棋 等，2018 ），空间分辨率30 m，垂直精度1 m （ Tadono等，2014 Tadono等，2014 ）。AW3D30 DSM能够精细刻画青藏高原等高山地区的地形起伏，是目前可免费获取的精度最高的地形数据（ Liu等，2019 Liu等，2019 ）。 此外，研究选取了5种现有的全球河流网络/水体数据集作为对比数据。研究选取了 Allen和Pavelsky（2018） Allen和Pavelsky（2018） 生产的GRWL（Global River Widths from Landsat）河流网络数据集；选取了 Pekel等（2016） Pekel等（2016） 生产的GSW（Global Surface Water）水体数据集，合并了2015年的永久性水体和季节性水体，得到2015年水体的最大范围；选取了 Gong等（2013） Gong等（2013） 生产的全球2017年土地利用与土地覆盖变化图FROM-GLC 2017，获取了其中的水体分类；选取了全球用户参与编辑的公共地图数据OSM（OpenStreetMap）（ Haklay和Weber，2008 Haklay和Weber，2008 ），得到了矢量的河流网络；选取了基于SRTM DEM数据生产的空间分辨率3 rad（~90 m）的河流网络数据集HydroSHEDS（ Lehner等，2006 Lehner等，2006 ）。 2.2　河流遥感信息提取方法 2 研究区内主干河流河宽 > 30 m，与周围地物的光谱对比度强，易于从遥感影像中被识别（ 图1 图1 （b））；细小河流河宽 < 30 m，与周围地物的光谱对比度不显著，不易通过简单的河流遥感信息提取方法被提取（ 图1 图1 （c））。河流网络遥感信息提取的方法主要依据水体的形态特征与光谱特征，利用特征增强与特征提取区分水体与非水体部分。研究采用 Yang等（2015） Yang等（2015） 提出的基于河流横纵剖面特征的河流遥感信息提取方法（提取精度97.79%），改进阈值选取范围并补充了后处理步骤，以适应高空间分辨率CubeSat影像，实现自动化提取遥感影像中的河流网络（ 图2 图2 ）。 首先，该方法采用归一化水体指数NDWI（Normalized Difference Water Index） （ McFeeters，1996 McFeeters，1996 ）增强水体同非水体地物的对比度，初步区分水体与非水体特征（ 图3（a） 图3（a） 和 图3（b） 图3（b） ）。 1,2,3,4;5,6,7,8; 其次，该方法采用带宽滤波对遥感影像预处理，抑制影像中的低频背景与高频噪声，增强河流与背景的对比度（ 图3（c） 图3（c） ）。 Gabor滤波是正弦调制的高斯函数，能够增强影像中呈现高斯形态的横截面特征，常用于图像特征提取与边缘检测。遥感影像经过预处理后，细小河流与影像背景的对比度仍然较低， Yang等（2015） Yang等（2015） 采用Gabor滤波增强宽度小于某一阈值的河流横截面特征，进一步增强细小河流同背景的对比度（ 图3（d） 图3（d） ）。 路径开操作是一种灵活的形态学滤波，能够构造细长定向的路径算子，沿多个方向增强长度大于某一阈值的线状要素纵剖面特征，提高河流等线状要素的连续性。经过Gabor滤波增强后的影像，河流纵向光谱上存在显著的变化，导致细小河流纵向光谱的不连续， Yang等（2015） Yang等（2015） 采用路径开操作增强了细小河流纵剖面特征，生成了值域［0，255］的河流特征增强影像（ 图3（e） 图3（e） ）。 由于 Yang等（2015） Yang等（2015） 设定的宽度阈值与长度阈值仅适用于Landsat影像，为了适应高空间分辨率CubeSat影像，研究经过反复试验，发现当宽度阈值为7个像元，长度阈值为70个像元时，CubeSat河流网络提取效果最佳。最后，研究选取全局阈值（35—45），生成了二值化河流网络掩模。研究利用ArcScan工具自动矢量化河流网络掩膜，得到了矢量的河流提取结果（ 图3（f） 图3（f） ）。 由于山体阴影、冰雪等非水体特征的干扰，导致河流提取结果中存在误提。本文利用AW3D30 DSM数据建模河流网络，创建50 m缓冲区，生成河流兴趣区去除误提（ 图3（g） 图3（g） ），遥感提取结果中落在河流兴趣区内的特征为正确提取的水体，反之则为错误提取的非水体特征。研究利用河流兴趣区去除遥感提取结果中非水体特征，最终得到去除误提的河流网络（ 图3（h） 图3（h） ）。 研究采用了相同的河流提取方法，从2016-09-21 Sentinel-2（10 m）与2018-07-17 Landsat 8（30 m）遥感影像中提取了河流网络。研究利用水系密度（河流长度与流域面积的比值）、OWF（Open-water fraction，水体表面积与流域面积的比值）、河流宽度、河流连通性（单个连通河段长度）指标，量化分析了不同空间分辨率遥感影像对河流网络提取结果的影响。 3　结果与分析 1 3.1　对比不同空间分辨率遥感影像河流提取结果 2 对比30 m空间分辨率Landsat 8遥感影像，高空间分辨率CubeSat遥感影像能识别更多河宽小于30 m的细小河流，包含更多河流细节，河流网络结构更完整，连续性更强（ 图4 图4 ）。CubeSat所提取的河流网络水系密度为0.61 km -1 ，相比于Landsat 8所提取的河流网络（0.38 km -1 ）提升了56.7%（ 图5 图5 ）。然而，CubeSat所提取的河流网络OWF为1.23%，仅为Landsat 8所提取的河流网络的55%。主要由于两个原因：（1）由于Landsat 8空间分辨率的限制，使其无法区分河流边界的混合像元，导致河流面积被高估。（2）OWF主要受大河流面积的控制，细小河流的河宽多为1—2个像元，细小河流的增加对OWF的贡献较小。因此，CubeSat能够精确刻画大河流边界的混合像元，识别宽度小于30 m的细小河流，得到更为精细的河流网络。 1,2,3,4;5; 1,2;3; 对比Sentinel-2与CubeSat所提取的河流网络（ 图4 图4 ），CubeSat所提取的河流网络水系密度为0.53 km -1 ，OWF为0.99%，较Sentinel-2所提取的河流网络分别提升了26.1%与15.9%（ 图5 图5 ）。CubeSat与Sentinel-2所提取的河流网络形态相似，CubeSat能够略微提升细小河流的提取结果。 研究对比分析了不同空间分辨率影像提取的河流网络河宽分布直方图（ 图6 图6 ），CubeSat所提取的河流网络能够提取出更多河宽小于30 m的细小河流，弥补了Sentinel-2和Landsat 8遥感影像仅能识别河宽大于10 m的河流的不足，得到了更为完整的河宽直方图。此外，研究发现CubeSat所提取的河流网络的宽度分布直方图峰值位于15—18 m，研究区发育的河流多为10—20 m的细小河流。 1,2; 研究对比分析了不同空间分辨率影像提取的河流网络连通性（ 图7 图7 ），由于长度小于1 km的连通河段对河流总长贡献较小，故研究只统计了长度大于1 km的连通河段的连通性。CubeSat所提取的河流网络的平均连通河段长度分别是Landsat 8与Sentinel-2所提取的河流网络的1.04与1.19倍（ 图7 图7 ）。相比Landsat 8与Sentinel-2影像，利用高空间分辨率CubeSat影像能够略微提升河流网络连通性，但由于研究采用基于像元的河流网络提取方法，忽略了河流像元间的连通关系，因此，CubeSat所提取的河流网络连通性有待进一步提高。 1,2; 3.2　对比现有水体数据集 2 研究进一步对比分析了河流丰水期（7月）的CubeSat所提取的河流网络与5种现有全球河流网络数据集（ 图8 图8 ）。CubeSat所提取的河流网络水系密度远高于现有的河流网络数据集，约为现有河流网络数据集的 2.9倍以上（ 图9 图9 ）。一方面由于研究使用了高空间分辨率（3 m）的CubeSat遥感影像，能够识别更多的细小河流；另一方面，研究采用了基于河流横纵剖面特征的河流遥感信息提取方法，该方法更有针对性地增强了细小河流同周围背景的对比度，能够提取出更多细小河流。 1,2,3;4,5,6;7; CubeSat所提取的河流网络的OWF约为现有水体数据集的1.1倍以上（ 图9 图9 ）。CubeSat所提取的河流网络对OWF的提升不高，主要由于细小河流数量的增减主要影响河流总长度，对水体表面积的贡献不大。此外，FROM-GLC、GRWL、GSW河流网络数据集都使用Landsat系列遥感影像作为数据源，忽略了河宽小于30 m的河流。由于Landsat影像分辨率的限制，导致其无法识别大河流边界，难以区分河宽小于1个像元（30 m）的细小河流混合像元，高估了水体面积，因此，3种水体数据集的OWF的直方都远高于水系密度（ 图9 图9 ）。 现有遥感河流产品数据集（FROM-GLC、GRWL、GSW），由于其考虑全球范围内大区域河流制图的效率，因此采用了简单易行的河流提取方法，导致其只提取了主干河流，忽略了细小河流（ 图8 图8 ）。此外，FROM-GLC数据集的河流网络破碎，在高高程地区，由于山体阴影的干扰，提取效果较差。HydroSHEDS和OSM数据集的水系密度虽然高于现有遥感河流网络数据集的水系密度，但其无法反映某一时间河流真实分布，缺少河宽属性。 3.3　河流网络动态变化遥感监测分析 2 研究利用CubeSat遥感影像对2017-05—2017-10青藏高原通天河流域河流网络制图，对比分析了夏季研究区内河流动态变化（ 图10 图10 — 图12 图12 ）。 1,2,3;4,5,6;7; 5月研究区内河流由枯水期向丰水期过渡，该时期河流网络发育较差，仅出水口处河流发育较为完整，河流网络整体呈破碎状（ 图10 图10 ），水系密度约0.38 km -1 ，河流表面积仅为流域总面积的0.91%（ 图11 图11 ），遥感影像中显示该时期水面仍有部分浮冰。 5月后研究区内河流迅速发育并于7月进入丰水期，河流网络连通性显著提升，河流向高高程地区延伸（ 图10 图10 ），河流总长度增加，水系密度提升59.2%至全年最大值（0.61 km -1 ），OWF提升36.1%（1.24%）（ 图11 图11 ），主干河流河宽增大，细小河流发育，河宽分布直方图的峰值由14 m上升至16 m（ 图12 图12 ）。 7月—9月研究区内河流由丰水期逐渐过渡到平水期，河流网络逐渐退化（ 图10 图10 ），水系密度与OWF分别为0.53 km -1 和0.99%以上（ 图11 图11 ），河宽分布直方图峰值左移至15 m（ 图12 图12 ）。9月后河流迅速退化，10月水系密度与OWF分别降至0.37 km -1 与0.62%（ 图11 图11 ），河宽分布直方图的峰值左移至14 m（ 图12 图12 ），河流逐渐进入枯水期，最后完全冻结进入冰期。 采用CubeSat遥感影像能够捕捉更多河宽3—30 m的细小河流，对细小河流位置形态与主干河流边界的描绘更加精确，满足对小区域精细制图的要求。CubeSat遥感影像因其高时间分辨率的优势，适用于长时间序列河流网络动态变化监测。 4　结论 1 本文选用高时空分辨率CubeSat遥感影像，对比分析了CubeSat与Landsat 8、Sentinel-2所提取的河流网络，以及5种现有全球河流网络数据集，得出如下主要结论： （1）青藏高原长江源区河流网络5月水系密度较低（0.38 km -1 ），7、8月进入丰水期，河宽增加，水系密度达到峰值（0.61 km -1 ），9月河流进入平水期并开始退化，水系密度趋于平稳（0.53 km -1 ），10月河流网络进一步退化，水系密度迅速降低至0.37 km -1 ，直至完全冻结。 （2）采用高空间分辨率的CubeSat遥感影像能够较完整地建模3 m空间分辨率的河流网络，精细刻画河流边界，其河流总长分别为Sentinel-2和Landsat 8所提取的河流网络的1.3和1.6倍。此外，CubeSat高时间分辨率的优势能够弥补Sentinel-2和Landsat 8等卫星由于覆盖频次过低而导致高质量影像难以获取的问题，实现河流网络动态监测。 （3）CubeSat所提取的河流网络包含更多细小河流，河流总长是现有水体数据集的2.9倍以上，能够弥补现有水体数据集仅提取了河宽大于30 m的主干河流，未能建模细小河流（河宽<30 m）的不足。 参考文献（References） Allen G H and Pavelsky T M . 2015 . Patterns of river width and surface area revealed by the satellite-derived North American River Width data set . Geophysical Research Letters , 42 ( 2 ): 395 - 402 [ DOI: 10.1002/2014gl062764 http://dx.doi.org/10.1002/2014gl062764 ] Patterns of river width and surface area revealed by the satellite-derived North American River Width data set Allen G H and Pavelsky T M . 2018 . Global extent of rivers and streams . Science , 361 ( 6402 ): 585 - 588 [ DOI: 10.1126/science.aat0636 http://dx.doi.org/10.1126/science.aat0636 ] Global extent of rivers and streams Allen G H , Pavelsky T M , Barefoot E A , Lamb M P , Butman D , Tashie A and Gleason C J . 2018 . Similarity of stream width distributions across headwater systems . Nature Communications , 9 ( 1 ): 610 [ DOI: 10.1038/s41467-018-02991-w http://dx.doi.org/10.1038/s41467-018-02991-w ] Similarity of stream width distributions across headwater systems Alsdorf D E , Rodríguez E and Lettenmaier D P . 2007 . Measuring surface water from space . Reviews of Geophysics , 45 ( 2 ): Measuring surface water from space RG 2002 [ DOI: 10.1029/2006RG000197 http://dx.doi.org/10.1029/2006RG000197 ] Benstead J P and Leigh D S . 2012 . An expanded role for river networks . Nature Geoscience , 5 ( 10 ): 678 - 679 [ DOI: 10.1038/ngeo1593 http://dx.doi.org/10.1038/ngeo1593 ] An expanded role for river networks Butman D , Stackpoole S , Stets E , McDonald C P , Clow D W and Striegl R G . 2016 . Aquatic carbon cycling in the conterminous United States and implications for terrestrial carbon accounting . Proceedings of the National Academy of Sciences of the United States of America , 113 ( 1 ): 58 - 63 [ DOI: 10.1073/pnas.1512651112 http://dx.doi.org/10.1073/pnas.1512651112 ] Aquatic carbon cycling in the conterminous United States and implications for terrestrial carbon accounting Cooley S W , Smith L C , Ryan J C , Pitcher L H and Pavelsky T M . 2019 . Arctic‐boreal lake dynamics revealed using CubeSat imagery . Geophysical Research Letters , 46 ( 4 ): 2111 - 2120 [ DOI: 10.1029/2018gl081584 http://dx.doi.org/10.1029/2018gl081584 ] Arctic‐boreal lake dynamics revealed using CubeSat imagery Cooley S W , Smith L C , Stepan L and Mascaro J . 2017 . Tracking dynamic northern surface water changes with high-frequency planet CubeSat imagery . Remote Sensing , 9 ( 12 ): 1306 [ DOI: 10.3390/rs9121306 http://dx.doi.org/10.3390/rs9121306 ] Tracking dynamic northern surface water changes with high-frequency planet CubeSat imagery Feng D M , Gleason C J , Yang X and Pavelsky T M . 2019 . Comparing discharge estimates made via the BAM algorithm in high-order Arctic rivers derived solely from optical CubeSat, Landsat, and Sentinel-2 data . Water Resources Research , 55 ( 9 ): 7753 - 7771 [ DOI: 10.1029/2019WR025599 http://dx.doi.org/10.1029/2019WR025599 ]. Comparing discharge estimates made via the BAM algorithm in high-order Arctic rivers derived solely from optical CubeSat, Landsat, and Sentinel-2 data Gleason C J and Smith L C . 2014 . Toward global mapping of river discharge using satellite images and at-many-stations hydraulic geometry . Proceedings of the National Academy of Sciences of the United States of America , 111 ( 13 ): 4788 - 4791 [ DOI: 10.1073/pnas.1317606111 http://dx.doi.org/10.1073/pnas.1317606111 ] Toward global mapping of river discharge using satellite images and at-many-stations hydraulic geometry Gong P , Wang J , Yu L , Zhao Y C , Zhao Y Y , Liang L , Niu Z G , Huang X M , Fu H H , Liu S , Li C C , Li X Y , Fu W , Liu C X , Xu Y , Wang X Y , Cheng Q , Hu L Y , Yao W B , Zhang H , Zhu P , Zhao Z Y , Zhang H Y , Zheng Y M , Ji L Y , Zhang Y W , Chen H , Yan A , Guo J H , Yu L , Wang L , Liu X J , Shi T T , Zhu M H , Chen Y L , Yang G W , Tang P , Xu B , Giri C , Clinton N , Zhu Z L , Chen J and Chen J . 2013 . Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data . International Journal of Remote Sensing , 34 ( 7 ): 2607 - 2654 [ DOI: 10.1080/01431161.2012.748992 http://dx.doi.org/10.1080/01431161.2012.748992 ] Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data Haklay M and Weber P . 2008 . OpenStreetMap: user-generated street maps . IEEE Pervasive Computing , 7 ( 4 ): 12 - 18 [ DOI: 10.1109/MPRV.2008.80 http://dx.doi.org/10.1109/MPRV.2008.80 ] OpenStreetMap: user-generated street maps Jung M , Reichstein M , Ciais P , Seneviratne S I , Sheffield J , Goulden M L , Bonan G , Cescatti A , Chen J Q , De Jeu R , Dolman A J , Eugster W , Gerten D , Gianelle D , Gobron N , Heinke J , Kimball J , Law B E , Montagnani L , Mu Q Z , Mueller B , Oleson K , Papale D , Richardson A D , Roupsard O , Running S , Tomelleri E , Viovy N , Weber U , Williams C , Wood E , Zaehle S and Zhang K . 2010 . Recent decline in the global land evapotranspiration trend due to limited moisture supply . Nature , 467 ( 7318 ): 951 - 954 [ DOI: 10.1038/nature09396 http://dx.doi.org/10.1038/nature09396 ] Recent decline in the global land evapotranspiration trend due to limited moisture supply Lehner B , Verdin K and Jarvis A . 2006 . HydroSHEDS Technical Documentation , Version 1 .0. Washington, DC: World Wildlife Fund US : 1 - 27 HydroSHEDS Technical Documentation Li Z W , Yu G A , Xu M Z , Hu X Y , Yang H M and Hu S X . 2016 . Progress in studies on river morphodynamics in Qinghai-Tibet Plateau . Advances in Water Science , 27 ( 4 ): 617 - 628 Progress in studies on river morphodynamics in Qinghai-Tibet Plateau 李志威 , 余国安 , 徐梦珍 , 胡旭跃 , 杨洪明 , 胡世雄 . 2016 . 青藏高原河流演变研究进展 . 水科学进展 , 27 ( 4 ): 617- 628 [ DOI: 10.14042/j.cnki.32.1309.2016.04.017 http://dx.doi.org/10.14042/j.cnki.32.1309.2016.04.017 ] 青藏高原河流演变研究进展 Liu K , Song C Q , Ke L H , Jiang L , Pan Y Y and Ma R H . 2019 . Global open-access DEM performances in Earth's most rugged region High Mountain Asia: a multi-level assessment . Geomorphology , 338 : 16 - 26 [ DOI: 10.1016/j.geomorph.2019.04.012 http://dx.doi.org/10.1016/j.geomorph.2019.04.012 ] Global open-access DEM performances in Earth's most rugged region High Mountain Asia: a multi-level assessment McCabe M F , Rodell M , Alsdorf D E , Miralles D G , Uijlenhoet R , Wagner W , Lucieer A , Houborg R , Verhoest N E C , Franz T E , Shi J C , Gao H L and Wood E F . 2017 . The future of Earth observation in hydrology . Hydrology and Earth System Sciences , 21 ( 7 ): 3879 - 3914 [ DOI: 10.5194/hess-21-3879-2017 http://dx.doi.org/10.5194/hess-21-3879-2017 ] The future of Earth observation in hydrology McFeeters S K . 1996 . The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features . International Journal of Remote Sensing , 17 ( 7 ): 1425 - 1432 [ DOI: 10.1080/01431169608948714 http://dx.doi.org/10.1080/01431169608948714 ] The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features Meyer J L , Strayer D L , Wallace J B , Eggert S L , Helfman G S and Leonard N E . 2007 . The contribution of headwater streams to biodiversity in river networks . JAWRA Journal of the American Water Resources Association , 43 ( 1 ): 86 - 103 [ DOI: 10.1111/j.1752-1688.2007.00008.x http://dx.doi.org/10.1111/j.1752-1688.2007.00008.x ] The contribution of headwater streams to biodiversity in river networks Pekel J F , Cottam A , Gorelick N and Belward A S . 2016 . High-resolution mapping of global surface water and its long-term changes . Nature , 540 ( 7633 ): 418 - 422 [ DOI: 10.1038/nature20584 http://dx.doi.org/10.1038/nature20584 ] High-resolution mapping of global surface water and its long-term changes Poursanidis D , Traganos D , Chrysoulakis N and Reinartz P . 2019 . Cubesats allow high spatiotemporal estimates of satellite-derived bathymetry . Remote Sensing , 11 ( 11 ): 1299 [ DOI: 10.3390/rs11111299 http://dx.doi.org/10.3390/rs11111299 ] Cubesats allow high spatiotemporal estimates of satellite-derived bathymetry Raymond P A , Hartmann J , Lauerwald R , Sobek S , McDonald C , Hoover M , Butman D , Striegl R , Mayorga E , Humborg C , Kortelainen P , Dürr H , Meybeck M , Ciais P and Guth P . 2013 . Global carbon dioxide emissions from inland waters . Nature , 503 ( 7476 ): 355 - 359 [ DOI: 10.1038/nature12760 http://dx.doi.org/10.1038/nature12760 ] Global carbon dioxide emissions from inland waters Sjögersten S , Black C R , Evers S , Hoyos‐Santillan J , Wright E L and Turner B L . 2014 . Tropical wetlands: a missing link in the global carbon cycle? Global Biogeochemical Cycles , 28 ( 12 ): 1371 - 1386 [ DOI: 10.1002/2014GB004844 http://dx.doi.org/10.1002/2014GB004844 ] Tropical wetlands: a missing link in the global carbon cycle? Tadono T , Ishida H , Oda F , Naito S , Minakawa K and Iwamoto H . 2014 . Precise global DEM generation by ALOS PRISM. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, II- 4 : 71 - 76 [ DOI: 10.5194/isprsannals-II-4-71-2014 http://dx.doi.org/10.5194/isprsannals-II-4-71-2014 ] Precise global DEM generation by ALOS PRISM. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, II- Takaku J , Tadono T , Tsutsui K and Ichikawa M . 2016 . Validation of “AW3D” global DSM generated from Alos Prism. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, III- 43 : 25 - 31 [ DOI: 10.5194/isprs-annals-III-4-25-2016 http://dx.doi.org/10.5194/isprs-annals-III-4-25-2016 ] Validation of “AW3D” global DSM generated from Alos Prism. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, III- Yamazaki D , Trigg M A and Ikeshima D . 2015 . Development of a global ~90m water body map using multi-temporal Landsat images . Remote Sensing of Environment , 171 : 337 - 351 [ DOI: 10.1016/j.rse.2015.10.014 http://dx.doi.org/10.1016/j.rse.2015.10.014 ] Development of a global ~90m water body map using multi-temporal Landsat images Yang K , Li M C , Liu Y X , Cheng L , Huang Q H and Chen Y M . 2015 . River detection in remotely sensed imagery using gabor filtering and path opening . Remote Sensing , 7 ( 7 ): 8779 - 8802 [ DOI: 10.3390/rs70708779 http://dx.doi.org/10.3390/rs70708779 ] River detection in remotely sensed imagery using gabor filtering and path opening Yuan X Q , Li G Y , Gao X M , Zhang W J and Lu J . 2018 . Evaluation of AW 3 D 30 m DSM Data elevation quality and precision validation of typical region. Geomatics and Spatial Information Technology , 41 ( 4 ): 98 - 101, 105 Evaluation of AW 袁小棋 , 李国元 , 高小明 , 张文君 , 禄兢 . 2018 . AW3D 30mDSM数据质量分析及部分典型区域精度验证 . 测绘与空间地理信息 , 41 ( 4 ): 98 - 101 , 105 AW3D 30mDSM数据质量分析及部分典型区域精度验证 Editorial board of Chinese Academy of Sciences for “Physical Geography of China” book series . 1981 . Physical Geography of China (Surface Water) . Beijing : Science Press , 8 - 64 Physical Geography of China (Surface Water) 中国科学院《中国自然地理》编辑委员会 . 1981 . 中国自然地理(地表水) . 北京 : 科学出版社 , 8 - 64 中国自然地理(地表水) 10.11834/jrs.20219268 1007-4619（2021）10-2142-11 章斯腾，陆欣，陆瑶，程亮，李满春，杨康.2021.青藏高原河流网络高分CubeSat遥感监测.遥感学报，25（10）： 2142-2152 章斯腾，陆欣，陆瑶，程亮，李满春，杨康.2021.青藏高原河流网络高分CubeSat遥感监测.遥感学报，25（10）： 2142-2152 Zhang S T，Lu X，Lu Y，Cheng L，Li M C and Yang K. 2021. Tracking dynamic river networks in the Tibetan Plateau with high-resolution CubeSat imagery. National Remote Sensing Bulletin， 25（10）：2142-2152 Zhang S T，Lu X，Lu Y，Cheng L，Li M C and Yang K. 2021. Tracking dynamic river networks in the Tibetan Plateau with high-resolution CubeSat imagery. National Remote Sensing Bulletin， 25（10）：2142-2152 国家重点研发计划（编号：2018YFC1406101）；国家自然科学基金（编号：41871327）；中央高校基本科研业务费项目（编号：JBGS2102） Supported by National Key Research and Development Program (No. 2018YFC1406101); National Natural Science Foundation of China (No. 41871327); Fundamental Research Funds for the Central Universities (No. JBGS2012) 2019-07-19 2021-10-07 2021-11-01 2020-03-30 遥感学报 10 25