考虑水力连通的羌塘内流区洼地单元提取与分类
2024-05-13刘金涛倪飞宇马顺刚康有吴鹏飞冯美艳
刘金涛 倪飞宇 马顺刚 康有 吴鹏飞 冯美艳
摘要：羌塘内流区是青藏高原面积最大的内流区，气候变化正在加剧其湖泊水系结构与水量的演变，开展内流区流域调查并科学估算其水资源的变化具有重要意义。本文提出一种新型内流区流域划分方法，该方法通过引入高程-面积联合阈值，以解决由气候变化与数字高程模型分辨率等因素引起的洼地单元提取难题。基于已监测的羌塘内流区流域重组与湖泊水位的变动幅度，确定了高程-面积联合阈值分别为10 m和50 km2，并对洼地单元进行划分，共识别出163个具有合理集水面积、永久性分水岭的封闭内流区洼地单元。引入多个相关数据集及已有算法评估本方法，结果表明：该方法适用于大尺度内流区洼地单元提取，提取精度优于现有算法及数据产品;依据洼地单元间水力连通特征，将全区163个洼地单元划分为5种主要类型，其中以“上下游互通型”（Ⅱ型）、“高山型”（Ⅳ型）洼地单元为主，“凹陷型”（Ⅴ型）洼地单元则多与其他类型复合存在，受氣候条件的影响更加显著。
关键词：洼地单元;流域重组;高程-面积联合阈值;气候变化;羌塘内流区;青藏高原
中图分类号：P344
文献标志码：A
文章编号：1001-6791（2024）02-0289-09
收稿日期：2023-10-13;网络出版日期：2024-01-08
网络出版地址：https：//link.cnki.net/urlid/32.1309.P.20240108.1058.002
基金项目：国家自然科学基金资助项目（92047301）;中国电建集团成都勘测设计院有限公司资助项目（PB3521）
作者简介：刘金涛（1977—），男，河北唐山人，教授，博士，主要从事水文土壤学研究。E-mail：jtliu@hhu.edu.cn
内流区覆盖了地球近1/5的陆地面积［1-2］，中国内流区广泛分布于西北及青藏高原等地区，占干旱区面积的70%以上［3］。羌塘内流区平均海拔为4 000 m，约占青藏高原总面积的1/4，是青藏高原区重要的地貌单元，也是该区最大的内流区［4-5］。羌塘内流区地形地貌与水文特征复杂，辽阔的高原面四周伴有山脉环绕并阻滞水汽输移，内部洼地众多以接蓄来自周围汇水区的径流，洼地间存在的强弱不同的分水岭结构导致了其复杂的水文水力连通关系［6］。1950—2000年间，青藏高原暖湿化程度加剧，每10 a降水增比为2.2%，气温增幅达0.4 ℃［7］;冰川面积自1976年起减少了近600 km2［8］。降水与冰川/积雪融水的增加引起了内流区湖泊水位的快速上升，进而改变了具有弱分水岭（如分水岭与洼地高差小于10 m）结构的洼地湖盆间的水文连通性，并引发大规模的流域重组［6］。研究显示，2000—2018年间青藏高原内流区共发生11起流域重组事件，涉及24个洼地流域，总面积约6.1万km2［6］。
伴随着内流区湖泊的扩张现象，羌塘内流区水量平衡、能量交换和生态环境的固有节律已发生转变，并对当地人居环境造成显著影响［9-10］。因此，在内流区洼地单元及水文情势显著变化下，亟需开展内流区洼地单元的科学划分及调查研究，以科学估算其水资源的变化［11-12］。目前，已有学者针对内流区地貌及水文特征提出了适用于内流区流域的自动划分方法。如Liu等［13］引入湖泊丰水期遥感影像并提取“河道关联剖面”，判别剖面上隆起的阻隔是否为伪分水岭，以有效识别洼地单元［14］;Yamazaki等［15］通过引入具有经验性的最小修正体积阈值对全球内流区做了初步划分。其他方法如ArcGIS软件中内置的洼地处理工具，通过设定洼地底部与出口间的高程阈值，将较深的洼地判定为内流区而不予填充［16-18］。上述方法一般将洼地视为独立单元，忽略了洼地间弱分水岭在丰水期或持续暖湿化后可能连通的现象。事实上，羌塘内流区洼地呈现出了复杂的水文水力连通关系，其间存在低于1 m或超过数十米以上的强弱不同的分水岭结构，其阻隔水力连通的能力受分水岭高低特征与外部气候条件的综合影响。如在Liu等［6］发现的11起流域重组事件中，发生重组的洼地流域分水岭相对洼地底部的高差一般集中于1～10 m范围。此外，羌塘内流区分布有大量集水面积小且窄的河流，受数字高程模型（DEM）分辨率限制亦会产生“伪分水岭”，“阻隔”上游小型洼地与下游的水力联系［19］，亟需新算法以科学调查内流区洼地单元。
本研究在考虑洼地分水岭结构特点的基础上，提出一种新型内流区洼地单元划分方法，通过引入高程-面积联合阈值，识别出具有合理集水面积、永久性分水岭的封闭内流区洼地单元，引入遥感影像验证算法精度。考虑洼地单元间复杂的水文水力连通特征，统计洼地单元类型及水文、地貌特征，为科学估算羌塘内流区洼地单元的水资源变化提供依据。
1 研究区与研究方法
1.1 研究区概况
羌塘内流区位于青藏高原中西部（29°66′N—38°63′N、78°66′E—93°66′E），面积约70万km2，是典型的内陆湖盆区（图1）。羌塘内流区由昆仑山脉、唐古拉山脉、念青唐古拉山、喀喇昆仑山、冈底斯山脉等高大山系包围，气候类型复杂，受西风带与南亚季风影响显著，河流短小且径流量少，多汇入内流洼地中的湖泊、盐沼等。该区气候寒冷干旱，年均气温普遍低于0 ℃，年均降水量约150 mm。羌塘内流区洼地单元众多，面积自数十平方千米至上万平方千米不等，地形起伏变化大，其内部与边界均分布有高低各异的分水岭结构，如区内广泛分布有高度1～10 m的弱分水岭。
1.2 研究数据
研究选取了90 m分辨率MERIT DEM数据（http：∥hydro.iis.u-tokyo.ac.jp/～yamadai/MERIT_DEM/），该数据在全球范围内垂直精度误差平均小于5 m，有58%的地表栅格单元误差在2 m以内，应用于高寒山区时表现良好［20］。在評价流域划分效果时，选取了HydroSHEDS v1数据集（https：∥www.hydrosheds.org/）、Global Drainage Basin Databse（GDBD）数据集与Liu等［6，13］提出的判别湖泊间河道关联剖面算法（下称Lake-Oriented方法）对羌塘内流区的提取结果进行对比评价，并结合Google Earth影像进行目视解译判断。HydroSHEDS v1数据集已在水文领域获得广泛应用，研究选用其HydroBASIN子数据集，该数据集共包含12级流域边界，对整个羌塘内流区共划分出了383个洼地单元（图1（c））［21］;GDBD数据集是日本国立环境研究所开发的全球流域数据库，包含流域边界、水系等基础水文数据［22］，根据GDBD中的水系、洼地单元数据，手动
划分了143个洼地单元（图1（d））;此外，基于2018年羌塘内流区湖泊遥感影像，研究还采用Liu等［6］基于Lake-Oriented方法提取的2018年羌塘内流区流域数据集，共420个洼地单元（图1（e））。
1.3 算法流程
研究提出了一种新型内流区划分（Joint Elevation-Area Threshold，JEAT）方法，采用高程-面积联合阈值划分内流区洼地单元，算法主要包括流向计算、洼地单元的初始划分、阈值联合运用及单元划分、精度评价4个步骤。
（1） 流向计算。流向计算是流域划分的关键，然而常用的洼地流向算法人为地增加了平地的大小及数目，限制了其在内流区划分的应用。为保证流向分配的合理性，本文采取了一种整合多种流向算法的策略。对洼地和平地单元，考虑计算速度和洼地出流流向的准确性，采用了Magalhes等［23］结合优先队列结构和Flooding原理开发的RWFlood算法，计算洼地和平地单元的流向;对剩余坡地单元采用Wu等［24］提出的高精度iFAD8算法确定流向。
（2） 洼地单元的初始划分。洼地的初始划分是保证流域边界准确的必要条件，以洼地底部单元为检索起点，洼地单元包含流入该底部单元的所有栅格单元;平地单元可能位于洼地的底部或中部，位于中部时需判断上下游关系，以确定其所处洼地的位置。
（3） 阈值联合运用及单元划分。完成初始划分后，将生成数目庞大且分布破碎的洼地单元，可引入高程阈值对其做初步整合。如图2（a）所示，关联剖面指洼地间的河道高程剖面，弱分水岭为关联剖面上隆起的微小地形阻隔，淹没深度指弱分水岭距洼地底部的高差。首先，比较高程阈值（hc）和淹没深度（h），当高程阈值大于淹没深度（即hc>h1或hc>h2），则将洼地1与洼地2，或洼地2与洼地3合并。需要注意的是（图2（b）），当判断洼地2与洼地3的弱分水岭小于高程阈值（即hc>h2）时，则需考虑洼地间的拓扑关系，即洼地2应先与洼地1连通后再考虑与洼地3连通。若位于关联剖面上游的洼地集水面积小于面积阈值（s1
（4） 精度评价。将提取的洼地单元分别与3种参考结果及结合Google Earth遥感历史影像与目视解译判断的结果进行对比，选取重合面积占比作为指标，以定量化评估典型流域的划分结果。
R1=（S1∩S2）/S2（1）
式中：S1为任一方法给出的流域面积;S2为目视解译结果，∩代表对S1与S2求其交集，即分别计算任一方法的面积与目视解译结果的重合面积;R1为任一方法的重合面积占目视解译结果的比例，R1越大代表流域划分效果越好。
2 结果与讨论
2.1 不同阈值组合的提取结果
Liu等［6］指出了11例流域重组事件，发现其湖泊水位变化集中于1～10 m的区间范围，本文设置高程阈值的变化范围为1～10 m，步长为1 m（共10组情景）;考虑流域面积在数十平方千米至上万平方千米，设置面积阈值的变化范围为10～500 km2，步长为10 km2（共50组情景），共选取了36个典型流域。这里以仓木错流域为例，图3（a）比较了Google Earth影像目视解译判断时的5种边界，发现JEAT方法与4种参考边界总体符合较好;图3（b）则说明了4种提取边界的差异，其中GDBD与HydroSHEDS数据集在部分区域呈锯齿状，与分水岭的实际形态不符，而JEAT方法与Lake-Oriented方法边界基本可以描绘分水岭的实际形态。图4进而展示了包含仓木错流域的10个典型流域的4种边界对比，根据目视解译判断认为JEAT方法划分的流域边界合理。
分別统计前述36个典型流域4种边界的提取面积，并对比目视解译面积计算重合比例，定量评估JEAT方法的划分效果。如图5所示，JEAT方法的重合面积占比变化范围小，异常值点少，均值最大且落于变化范围内，与其他3种边界相比，划分效果最佳。
进一步引入遥感影像验证算法精度，通过赤布张错与多尔索洞错的遥感历史影像（图6（a）和图6（b）），可以发现，2000—2020年，赤布张错与多尔索洞错之间发生了连通。比较4种划分边界（图6（c）—图6（f）），发现JEAT方法可以较好地刻画湖泊连通，HydroSHEDS即使在大量手动修正的条件下，也未能刻画出连通情形。可见，JEAT方法具有良好的应用效果。
分析联合阈值的取值，当高程阈值增大，表明小于阈值的洼地湖泊水位抵达弱分水岭而发生合并，洼地单元汇水区随之增加。当面积阈值增大，表明将误判的上游集水面积不足的虚假洼地进行合并，其汇水区也随之增加。因此设置不同的高程-面积联合阈值，流域边界也将有所不同。考虑划分结果最优时的阈值组为优选阈值组。表1列出了11种流域重组现象发生时湖泊水位变化情况，并与JEAT法的优选阈值组进行了对比，发现高程阈值集中于1～10 m，与湖泊水位的变化相近，对洼地连通现象具有一定的指示意义。设置高程阈值为10 m，即统计现有湖泊水位变幅条件下所有发生连通的洼地以指示永久性的分水岭结构;统计初始划分时上游的洼地数目及类型并结合目视解译判断，有超过80%的洼地为DEM分辨率限制所产生的虚假洼地，且集水面积往往不足50 km2。综上，设置高程阈值为10 m，面积阈值为50 km2，并结合Google Earth影像目视解译判断，对部分集水面积大于50 km2的虚假洼地进行了手动修正，划分结果如图7（a）所示，共划分出163个洼地单元，即代表具有永久性分水岭的洼地单元，作为JEAT法的最终结果。
研究也发现，不同阈值组的设置也显著影响洼地单元的划分数目。如前所述，JEAT方法高程阈值越大，洼地连通则更为频繁，洼地数目相应减少。高程阈值分别为2、4、6、8、10 m时，面积阈值为50 km2时统计得到的洼地单元数目分别为192、186、175、169、163个。结果表明连通洼地的数目变化呈现出先增大后减少的趋势。连通洼地的数目变化实际反映了洼地间分水岭的“强弱”特征，即区域内洼地间的弱分水岭高度以4～6 m为主。
2.2 内流区洼地单元调查结果
对前述划分的163个洼地单元，依据其水力连通特征进行了分类。考虑Liu等［6］表述的3种水力连通特征，在此基础上增加了2类，共归为5类（图8）。第1类为“左右互通型”洼地单元（Ⅰ型），即相邻洼地的出口互为出水口，连通时湖泊水位变化相似;第2类为“上下游互通型”洼地单元（Ⅱ型），即洼地单元内的2个嵌套洼地高程不同，上游洼地内湖泊水位到达其弱分水岭时汇入下游洼地;第3类为“上下游多级互通型”洼地单元（Ⅲ型），即洼地单元内上下游分布有多级嵌套洼地，各级洼地的湖泊水位到达自身的弱分水岭后，顺势流入其邻近的下游洼地，逐渐发展为局部连通甚至全部连通;第4类为“高山型”洼地单元（Ⅳ型），或可称孤立型洼地，分布于高山区，其分水岭极高，与外界的连通往往难以发生;第5类为“凹陷型”洼地群（Ⅴ型），或称嵌套的小型洼地群，洼地数目众多，分水岭低且集水面积较小，连通关系受气候影响而时刻发生变化，常出现于连通-干涸过程交替的窄河道附近，在一些分水岭规模较大的区域，其内部凹陷众多，也易形成上述的洼地群。
进一步调查统计163个洼地单元的水力连通特征与降水、气温、高程等基本信息（图7（b））。结果显示，研究区共包含Ⅰ型洼地单元5个、Ⅱ型洼地单元39个、Ⅲ型洼地单元7个、Ⅳ型洼地单元109个，以及Ⅴ型洼地单元3个。总体以Ⅱ、Ⅳ型洼地单元为主。Ⅱ型洼地单元分布于地势相对平缓的中部，分水岭的阻隔能力较弱，洼地间的窄河道较多。Ⅳ型洼地单元分布于南部的冈底斯山-念青唐古拉山或北部的阿尔金山-昆仑山一线，这些区域地势极高，海拔变化极大，局地的“弱”分水岭也可达到10 m以上。在一些有小型高山冰川穿插的区域，也易形成Ⅳ型洼地。区内还有少数Ⅰ、Ⅲ型洼地单元。Ⅰ型洼地单元的分水岭高差相似，洼地连通时面积变化非常显著;Ⅲ型洼地单元包含多个高程逐次降低的洼地，发生局部连通或全部连通时，水量自上游向下游大洼地甚至外流区传播，如卓乃湖-库赛湖-海丁诺尔-盐湖，Liu等［6］指出其已发生了局部连通，预期未来可能对下游的基础设施造成破坏。Ⅴ型洼地群难以单独出现，以分布于连通-干涸过程交替的窄河道附近为主；此外，如北部昆仑山脉附近分水岭规模较大，地形起伏形成众多小型凹陷，构成了Ⅴ型洼地群。Ⅴ型洼地群受气候条件影响极为显著，频繁发生旱季隔断、雨季连通的现象。
3 结论
本研究考虑洼地单元的水力连通特征与窄河道的影响，引入高程-面积联合阈值（JEAT）方法，提出了一种新型洼地单元划分方法并应用于羌塘内流区，选取HydroSHEDS数据集、GDBD数据集与Lake-Oriented方法的划分结果并结合Google Earth遥感历史影像及目视解译判断结果作为参考，评估了JEAT方法的应用效果，分析了高程阈值和面积阈值取值的影响，给出了11组发生连通现象的洼地优选阈值组。进一步优选高程阈值为10 m，面积阈值为50 km2，共划分出了163个具有永久性分水岭的洼地单元，依据其水力连通特征分为5种类型，主要结论如下：
（1） JEAT方法与参考数据、遥感历史影像及目视解译结果符合较好，具有一定的应用价值，优选阈值组中高程阈值对湖泊水位变化引起的洼地连通有一定的指示意义。
（2） 羌塘内流区可能发生连通的洼地单元弱分水岭高度集中于4～6 m，面积阈值可能存在误判，未来可开展野外试验勘测或借助遥感影像捕捉窄河道以提升算法精度。
（3） 羌塘内流区洼地单元以Ⅱ型、Ⅳ型洼地单元为主。Ⅱ型洼地单元分布于研究区中部，Ⅳ型洼地单元常伴有高山冰川分布;Ⅴ型洼地单元多与其他类型复合存在，受气候条件的影响更加显著。
参考文献：
［1］DORSAZ J M，GIRON?S J，ESCAURIAZA C，et al.The geomorphometry of endorheic drainage basins：implications for interpreting and modelling their evolution［J］.Earth Surface Processes and Landforms，2013，38（15）：1881-1896.
［2］MAASRI A，THORP J H，GELHAUS J K，et al.Communities associated with the Functional Process Zone scale：a case study of stream macroinvertebrates in endorheic drainages［J］.Science of the Total Environment，2019，677：184-193.
［3］张国平，赵琳娜，许凤雯，等.基于流域结构分析的中国流域划分方案［J］.北京师范大学学报（自然科学版），2010，46（3）：417-423.（ZHANG G P，ZHAO L N，XU F W，et al.Study on basin partition scheme of China based on basin structure analysis［J］.Journal of Beijing Normal University （Natural Science），2010，46（3）：417-423.（in Chinese））
［4］LI Y，SU F G，CHEN D L，et al.Atmospheric water transport to the endorheic Tibetan Plateau and its effect on the hydrological status in the region［J］.Journal of Geophysical Research：atmospheres，2019，124（23）：12864-12881.
［5］ZHAN P F，SONG C Q，WANG J D，et al.Recent abnormal hydrologic behavior of Tibetan lakes observed by multi-mission altimeters［J］.Remote Sensing，2020，12（18）：2986.
［6］LIU K，KE L H，WANG J D，et al.Ongoing drainage reorganization driven by rapid lake growths on the Tibetan Plateau［J］.Geophysical Research Letters，2021，48（24）：e2021GL095795.
［7］YI K，ZHANG Y R，CHEN M J，et al.Vegetation stability characterized the central Tibetan Plateau over the last two millennia but has recently begun to change［J］.Palaeogeography，Palaeoclimatology，Palaeoecology，2023，625：111689.
［8］LI M，WENG B S，YAN D H，et al.Variation trends and attribution analysis of lakes in the Qiangtang Plateau，the endorheic basin of the Tibetan Plateau［J］.Science of the Total Environment，2022，837：155595.
［9］KE L H，SONG C Q，WANG J D，et al.Constraining the contribution of glacier mass balance to the Tibetan lake growth in the early 21st century［J］.Remote Sensing of Environment，2022，268：112779.
［10］CHENG J，SONG C Q，LIU K，et al.Satellite and UAV-based remote sensing for assessing the flooding risk from Tibetan lake expansion and optimizing the village relocation site［J］.Science of the Total Environment，2022，802：149928.
［11］田富強，李琨彪，韩松俊，等.青藏高原东部流域径流偶极子时空变化规律［J］.水科学进展，2023，34（4）：481-489.（TIAN F Q，LI K B，HAN S J，et al.Dipole spatiotemporal variations of river runoff in Eastern Tibetan Plateau［J］.Advances in Water Science，2023，34（4）：481-489.（in Chinese））
［12］胡春宏，鄭春苗，王光谦，等.“西南河流源区径流变化和适应性利用” 重大研究计划进展综述［J］.水科学进展，2022，33（3）：337-359.（HU C H，ZHENG C M，WANG G Q，et al.Reviews of the major research plan “runoff change and its adaptive management in the source region of major rivers in Southwestern China”［J］.Advances in Water Science，2022，33（3）：337-359.（in Chinese））
［13］LIU K，SONG C Q，KE L H，et al.Automatic watershed delineation in the Tibetan endorheic basin：a lake-oriented approach based on digital elevation models［J］.Geomorphology，2020，358：107127.
［14］SHENG Y W，SONG C Q，WANG J D，et al.Representative lake water extent mapping at continental scales using multi-temporal Landsat-8 imagery［J］.Remote Sensing of Environment，2016，185：129-141.
［15］YAMAZAKI D，IKESHIMA D，SOSA J，et al.MERIT hydro：a high-resolution global hydrography map based on latest topography dataset［J］.Water Resources Research，2019，55（6）：5053-5073.
［16］O′CALLAGHAN J F，MARK D M.The extraction of drainage networks from digital elevation data［J］.Computer Vision，Graphics，and Image Processing，1984，28（3）：323-344.
［17］PLANCHON O，DARBOUX F.A fast，simple and versatile algorithm to fill the depressions of digital elevation models［J］.CATENA，2002，46（2/3）：159-176.
［18］TARBOTON D G，BRAS R L，RODRIGUEZ-ITURBE I.On the extraction of channel networks from digital elevation data［J］.Hydrological Processes，1991，5（1）：81-100.
［19］FEI J Y，LIU J T，KE L H，et al.A deep learning-based method for mapping alpine intermittent rivers and ephemeral streams of the Tibetan Plateau from Sentinel-1 time series and DEMs［J］.Remote Sensing of Environment，2022，282：113271.
［20］LIU K，SONG C Q，KE L H，et al.Global open-access DEM performances in Earth′s most rugged region High Mountain Asia：a multi-level assessment［J］.Geomorphology，2019，338：16-26.
［21］LASHERMES B，FOUFOULA-GEORGIOU E，DIETRICH W E.Channel network extraction from high resolution topography using wavelets［J］.Geophysical Research Letters，2007，34（23）：L23S04.
［22］MASUTOMI Y，INUI Y，TAKAHASHI K，et al.Development of highly accurate global polygonal drainage basin data［J］.Hydrological Processes，2009，23（4）：572-584.
［23］MAGALHES S V G，ANDRADE M V A，FRANKLIN W R，et al.A linear time algorithm to compute the drainage network on grid terrains［J］.Journal of Hydroinformatics，2014，16（6）：1227-1234.
［24］WU P F，LIU J T，HAN X L，et al.Nondispersive drainage direction simulation based on flexible triangular facets［J］.Water Resources Research，2020，56（4）：e2019WR026507.
Extraction and classification of endorheic units in the Qiangtang endorheic
basin considering hydraulic connectivity
The study is financially supported by the National Natural Science Foundation of China （No.92047301） and the Technology Project of POWERCHINA Chengdu Engineering Corporation Limited，China （No.PB3521）.
LIU Jintao1，NI Feiyu1，MA Shungang2，KANG You2，WU Pengfei1，FENG Meiyan1
（1. National Key Laboratory of Water Disaster Prevention，Hohai University，Nanjing 210098，China;
2. POWERCHINA Chengdu Engineering Corporation Limited，Chengdu 610072，China）
Abstract：The Qiangtang endorheic basin，the largest endorheic basin in the Tibetan Plateau，is experiencing a rapid evolution of its lake system structure and water quantity owing to climate change.Considering the impacts of climate change on the boundaries of endorheic units，we propose a novel delineation algorithm introducing the Joint Elevation-Area Threshold （JEAT） to address delineation issues caused by climate change.Firstly，by observing the reorganizations and fluctuations in lake levels in the Qiangtang endorheic zone，we determined that the JEAT was 10 m and 50 km2，respectively.Next，a total of 163 endorheic units with reasonable contribution area and permanent boundaries were identified.The results demonstrated that the algorithm is suitable for extracting endorheic units on a large scale，and the extraction accuracy is superior to that of other existing algorithms and datasets.Subsequently，163 endorheic units were categorized into five main types based on weak watershed type，with the upstream-downstream connected type （Type Ⅱ） and alpine type （Type Ⅳ） being the main ones.Pit type （Type Ⅴ） watersheds tended to mostly coexist with other types，exhibiting a more intense response to the connectivity characteristics of large depressions at different periods.
Key words：endorheic units;drainage reorganization;Joint Elevation-Area Threshold;climate change;Qiangtang endorheic basin;Tibetan Plateau
