文章总结： GLOBathy是全球首个覆盖超过140万个水体的高分辨率湖泊水深数据集，通过随机森林回归和距离法生成最大深度估算与1角秒分辨率水深图，提供水头-面积-体积关系多项式函数。数据集包含栅格文件、基础参数表和Python工具脚本，适用于水文建模、湖沼学及水资源管理等领域，经验证显示三角棱柱和圆锥几何形状预测效果最佳（NSE达0.76）。 综合评分： 85 文章分类： 技术标准,数据安全,解决方案
GLOBathy（全球湖泊水深数据集）
LSC6 LSC6
生态遥感监测笔记
2026年6月29日 11:20 河南
在小说阅读器读本章
去阅读
今日分享：
GLOBathy（全球湖泊水深数据集）
全球水深测量（GLOBathy）数据集是一个包含超过140万个水体水深数据集，以与成熟的全球数据集HydroLAKES相匹配。GLOBathy采用基于GIS的框架，根据水体最大深度估算值和HydroLAKES的水体几何/地球物理属性生成水深图。我们利用多个观测数据源，对1503个水体的最大深度估算值进行了验证。
我们还根据 GLOBathy 数据集的水深图，估算了 HydroLAKES 水体的水头-面积-体积 (hAV) 关系。hAV 关系为全球水体系统的水量平衡和水文研究提供了重要信息。
数据内容包含：
| 文件名/目录 | 数据文件数量 | 描述 | | — | — | — | | Bathymetry_Rasters.zip | 1,427,688 | 每个水体的水深测量图栅格文件，采用标记图像文件格式 (TIFF)，分辨率为 1 角秒，投影方式为 WGS84 系统 | | GLOBathy_basic_parameters.zip | 17 | “ GLOBathy_basic_parameters(ALL_LAKES).csv ”文件提供了基于四种不同几何形状（长方体、圆锥体、三棱柱体和椭球体）和两种经验方法[ Dmax = f(P, A)和Dmax = f(P, A, V, Elev, WA) ]对Dmax的估计。 | | 15 个命名模式为“ GLOBathy_basic_parameters(*LAKES).csv ”的电子表格，每个表格包含与上述“ GLOBathy_basic_parameters(ALL_LAKES).csv ”文件相同的信息，但文件大小更小（每个文件包含 100,000 个水体增量），以便于浏览数据集。 | | “ GLOBathy_basic_parameters_README.txt ”提供了电子表格属性的详细信息。 | | GLOBathy_hAV_relationships.nc | 1 | 利用网络通用数据格式 (NetCDF) 中的各水体水深图，估算由A = f(h)和V = f(h)多项式函数导出的hAV关系。 |
水体参数缩写为：Dmax = 最大深度，P = 岸线长度，A = 表面积，V = 总体积，Elev = 水体表面高程，WA = 水体流域面积，h = 水体中的水位（相对于底部），hAV = 水头-面积-体积关系。
https://doi.org/10.6084/m9.figshare.13404635
论文引用：
Khazaei, B., Read, L.K., Casali, M. et al. GLOBathy, the global lakes bathymetry dataset. Sci Data 9, 36 (2022).https://doi.org/10.1038/s41597-022-01132-9
数据集引用
Khazaei, Bahram; Read, Laura K; Casali, Matthew; Sampson, Kevin M; Yates, David N (2022): GLOBathy Bathymetry Rasters. figshare.Dataset. https://doi.org/10.6084/m9.figshare.13404635.v1
地球上大部分可利用的地表淡水储存在超过1亿个湖泊和水库（以下简称水体）中，气候变化、人类活动等因素导致的储水量和/或蓄水时间的变化，会扰乱自然生态过程，并影响水质和水量。为了理解这些变化的驱动因素，我们需要构建能够精确、详细地描述水体物理特征的模型。
由于缺乏测深数据，模拟历史和未来水体动态的物理和水文模型受到限制，地理信息系统 (GIS)、遥感 (RS)、机载激光雷达和光学成像技术的进步提高了水体几何参数的可观测性和保真度，减少了对有限的地面观测的依赖。例如，这些技术促进了对随时间变化的水体参数（如表面积、体积和流量）估算的进步，而基于遥感的数据服务则提供了全球水体表面水位变化的每日估算值。
尽管取得了一些进展，但由于高质量无云图像数据的可靠性有限，以及其他一些延迟和分辨率问题 此类产品尚未在业务水文模型中得到充分利用。基于遥感的测深技术的发展也受到卫星数据在近海和开阔湖泊区域的穿透深度的限制。此外，如果在高浊度和悬浮泥沙浓度较高时（沉积物浓度较高）获取卫星图像数据，或者在山区因山体阴影造成的误差，则需要进一步改进以解决近岸区域的潜在误差。
目前存在大量全球数据集可提供水体基本参数的估算值，例如平均深度、岸线长度、表面积、体积和其他地球物理参数。这些数据集为基础水文和湖沼学建模应用提供了宝贵信息，但它们缺乏准确和/或真实地描述全球内陆水体系统地球物理条件所需的测深信息，也无法以足够的空间分辨率支持物理和生物地球化学过程的长期建模以及水量平衡模拟。
尽管已有一些针对内陆水体水深测量数据集的开发工作，但仍需进一步完善全球水下地形数据，并解决现有数据集的不足。本研究的主要目标是推出一个新的全球水深数据集 GLOBathy，该数据集提供超过 140 万个水体的最大深度 ( Dmax ) 估值、分辨率为 1 弧秒的水深图以及水头-面积-体积 ( hAV ) 关系。这些数据最初来源于成熟的 HydroLAKES 4数据集（https://www.hydrosheds.org/pages/hydrolakes）。GLOBathy是首个能够以如此大的尺度和高分辨率提供可靠的最大深度、水深和hAV关系估值的数据集，可广泛应用于水文、环境、生物、湖沼学和海岸带等领域。
数据制作方法：
HydroLAKES 提供了地球上最全面的水体空间覆盖。HydroLAKES 提供了约 143 万个水体的详尽水体特征信息，包括岸线长度、表面积、体积、平均深度、平均流量、高程、停留时间、流域面积和平均坡度，覆盖全球范围。然而，它并未提供关键的地理空间水深信息。 GLOBathy 的创建流程，并对其进行了详细的步骤描述。
- 首先，我们测试了一系列候选函数，以找到估算HydroLAKES 数据集最大水深 (Dmax)的最佳方法。
- 我们使用来自全球 1503 个水体的Dmax、岸线长度 ( P )、表面积 ( A )、体积 ( V )、水体表面高程 ( Elev ) 和流域面积 ( WA ) 观测数据对候选函数进行了验证。
- 在计算出所有HydroLAKES水体的Dmax值后，我们利用Hollister开发的距离法计算了水深，并借鉴了HydroLAKES水体的属性。
- 最后，我们基于生成的水深数据，建立了每个水体的hAV关系，并用已有的实地观测数据进行了验证。
水力湖泊最大深度估算：
我们测试了两种不同的方法来计算Dmax。
- 第一种方法基于水体可以用规则几何形状近似的假设，并计算了四种几何形状的Dmax：长方体（即具有垂直侧壁）、圆锥体、三棱柱体和椭球体。对于每种形状，我们根据A和V的估计值以及相应的几何函数来计算Dmax 。
- 第二种方法假设Dmax是水体几何和地球物理特征（例如P、A、V、Elev和WA）的函数。特别是Heathcote等人证明了利用地理条件预测水体Dmax和V的实用性。
在估算Dmax的第二种方法中，我们测试了几种函数形式（例如，指数函数、多元回归等），并在验证了超过1503个观测值后发现，随机森林回归是最佳的经验模型。随机森林是一种主要用于分类和回归的学习方法，它通过构建一个决策树集成模型来实现，这些决策树是从特征空间中随机且独立采样得到的。为了避免回归模型过拟合，我们进行了交叉验证。当随机森林回归中的树的数量设置为30时，获得了最佳结果。随机森林回归也比使用几何形状能更好地估算Dmax，因此，我们继续使用这种方法生成水深数据。验证数据集包含多个本地数据集，包括提供美国中部水体实地观测数据的 Bathybase 数据集、美国各州水体测深机构提供的水深数据集，以及其他全球资源，例如 G-REALM 数据集。本研究采用距离法生成了GLOBathy数据集的水深图。距离法是一种基于GIS的技术，已应用于美国东北部具有各种地球物理条件的水体。将结果与实地水深数据进行比较，结果表明该方法总体性能令人满意，并提高了对测试水体水深和体积的估算精度。
距离法包括三个步骤：
- 1）将水体多边形转换为栅格数据；
- 2）计算栅格数据中每个水体像元到水体岸线的最近欧氏距离以及到岸线的最大距离；
- 3）使用以下公式将距离转换为水体中每个像元的深度（D ）
其中，l为对应水体单元到海岸线的欧氏距离，Dmax为水体的最大深度，L为水体单元到海岸线的最大距离。下图显示了全球部分选定水体的估算水深图。
利用 GLOBathy 数据集中每个水体的测深信息推导出hAV关系，并以多项式函数的形式表示如下：
其中a、b、c和d是各水体的未知经验系数，A和V分别是水位h处（相对于水体底部）水体的表面积和体积。为了估计这些未知系数，利用水深数据计算了沿水体剖面垂直方向均匀分布的十个深度层的A和V值。给定h、A 和 V的值，将多项式函数拟合到这些(h, A)和(h, V)数据点，以找到A = f(h)和V = f(h)关系的最佳经验系数估计值。
数据精度验证：
为了评估Dmax经验模型的性能，我们收集了一组包含P、A、V、Elev、WA和Dmax观测值的水体数据。这组独立的Dmax观测数据集包含1503个水体的观测数据，主要来自三个数据源：Bathybase提供的美国德克萨斯州水体数据；以及G-REALM数据集。此外，还利用各种在线水库数据库，手动识别了面积大于500 km²的水体的参数。然后，我们将这组Dmax观测数据集与HydroLAKES数据集中相应的P、A、V和其他地球物理特征（例如水体表面高程、平均深度和流域面积）的估计值进行匹配。
下图展示了基于上述不同方法（即四种几何形状和两种函数形式）对观测水体Dmax的观测值与估计值的验证结果。我们选择 Nash-Sutcliffe 效率系数 (NSE)、百分比偏差 (PBIAS)、均方根误差（NRMSE）和 Spearman 等级相关系数 (ρ) 作为模型技巧指标，以评估Dmax预测的准确性和偏差。模型技巧系数表明，三角棱柱（NSE = 0.76，PBIAS = 27.57%，NRMSE = 0.49，ρ = 0.58）和圆锥（NSE = 0.75，PBIAS = −8.65%，NRMSE = 0.50，ρ = 0.58）形状在预测观测水体Dmax方面表现相对较好。
基于四种选定的几何形状和两种经验关系，将观测到的最大深度 (Dmax) 与估计的最大深度 (Dmax) 进行比较，作为海岸线长度 (P)、表面积 (A)、体积 (V)、流域面积 (WA) 和水体表面高程 (Elev) 的函数。
使用说明
GLOBathy 可应用于一系列领域，包括湖沼学、水动力学建模、水生系统化学与生物学、水文学和水资源管理。尤其适用于大规模地球物理研究（例如，大陆尺度和全球尺度），这类研究涉及众多水体，且并非每个水体都拥有基于观测的数据。
现有的地面数据集通常提供大型或知名水体的水深数据，但这些数据分布不均，且并非全球通用。然而，GLOBathy 提供了全球超过 140 万个水体的详细深度和水深信息，其中包括水深数据集中经常被忽略的小型湖泊。这些小型水体对于生态系统功能、供水和储水、水文循环以及评估全球或区域碳循环过程至关重要。此外，GLOBathy 还提供计算工具（“Generate_Bathymetry_Rasters.py” Python 程序；用于创建数据集中未包含的任何水体的水深图。
提供了两个 Python 脚本来配合 GLOBathy 数据集：
“Generate_Bathymetry_Rasters.py”脚本用于生成GLOBathy数据集的水深图。它需要两个输入：1）包含水体最大深度的CSV文件（例如，“ GLOBathy_basic_parameters(ALL_LAKES).csv ”可用作模板）；2）对应水体的多边形shapefile文件（例如，从HydroLAKES数据集中获取的“HydroLAKES_polys_v10.shp”可用作模板）。只要水体的Dmax值和shapefile文件可用，该脚本即可用于使用新的Dmax估计值/观测值重新生成GLOBathy数据。
“WGS_84_cell_dimesion_calculator.py”脚本，可用于计算GLOBathy栅格文件在南北和东西方向上的像元尺寸。该脚本可提供任意给定位置的像元尺寸，以便计算精确的距离和体积。因为输入栅格数据的地心坐标系（WGS84）无法保持距离信息。该脚本需要手动在脚本头中更新区域的平均纬度，或者提供至少一个水深栅格文件的路径以获取像元尺寸。在前一种情况下，输出结果为研究区域的平均像元尺寸。在后一种情况下，对于每个输入的水深栅格文件，脚本会生成一个CSV文件，其中包含栅格文件中每个像元的尺寸。该脚本也可用于其他具有类似地心坐标系的情况。
01
—
GEE部分下载代码
var globathy = ee.Image("projects/sat-io/open-datasets/GLOBathy/GLOBathy_bathymetry"), globathy_param = ee.FeatureCollection("projects/sat-io/open-datasets/GLOBathy/GLOBathy_basic_parameters"), roi1 = /* color: #d63000 */ee.Geometry.Polygon( [[[109.23706049550134, 56.14331441795033], [103.01879877675134, 51.60187978193445], [104.75463862050134, 50.48292075490421], [110.70922846425134, 53.44641746672186], [111.50024408925134, 55.82371962295434]]]);
var palettes = require('users/samapriya/utils:palettes');
//使用这些按位置自定义的可视化参数。var visParams = {min: 1, max: 700, palette: palettes.extra.blkred};
// Note that the visualization image doesn't require visualization parameters.Map.addLayer(globathy, visParams, '全球湖泊DEM（米）');Map.addLayer(globathy_param,{},'GLOBathy Basic Param',false)Export.image.toDrive({ image: globathy.clip(roi1),//选择导出影像的波段 description: 'dem',//选择导出云盘的文件夹名称 crs: "EPSG:4326",//坐标系 scale: 30,//空间分辨率 region: roi1,//研究区 maxPixels: 1e13,//最大像元个数 folder: 'dem'});
我下载了贝加尔湖的数据，在GIS打开如下图：
02
—
结果展示
贝加尔湖
加拿大大熊湖
加拿大大奴湖
苏比利尔湖
伊赛克湖
里海
坦噶尼喀湖
请在微信客户端打开
请在微信客户端打开
代码完整链接请在微信公众号后台私信“
GLOBathy（全球湖泊水深数据集）”
感谢关注，欢迎转发！
声明：仅供学习使用！
希望关注的朋友们转发，如果对你有帮助的话记得给小编点个赞或者在看！
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：生态遥感监测笔记 LSC6 LSC6《GLOBathy（全球湖泊水深数据集）》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论