MERIT-Hydro watershed boundaries

提供约60,000个测量站的预划定流域边界和河流网络数据，覆盖16个国家，支持MERIT-Hydro和HydroSHEDS v1两种水文数据格式。数据以GeoParquet格式提供，无需下载，按需从公共CDN获取并本地缓存。

Provides pre-defined watershed boundaries and river network data for approximately 60,000 measurement stations, covering 16 countries and supporting two hydrological data formats: MERIT-Hydro and HydroSHEDS v1. The data is provided in GeoParquet format, and can be fetched on-demand from a public CDN and cached locally without the need for prior downloading.

原始信息汇总

watershed-retrieve 数据集概述

数据集基本信息

• 数据集名称: watershed-retrieve
• 数据内容: 约60,000个预先划定的流域边界和河流网络
• 覆盖范围: 16个国家
• 数据格式: GeoParquet
• 访问方式: 按需从公共CDN获取并本地缓存，无需预先下载数据

核心功能

• 提供与全球水文站对应的流域边界和河流网络数据。
• 支持两种全球约90米分辨率的水文基底数据（Hydrofabric）：
  • MERIT-Hydro（默认）
  • HydroSHEDS v1
• 流域划分算法基于Rust重实现的 mheberger/delineator 方法，与CAMELS-DE数据集（德国）使用的方法一致。

支持的国家与数据量

下表列出了支持的国家、在各水文基底下的流域数量（约数）及状态。

国家	MERIT-Hydro	HydroSHEDS v1	状态
澳大利亚	~6,210	~6,240	可用
巴西	~4,600	~4,610	可用
加拿大	~7,630	~7,240	可用
智利	~540	~530	可用
捷克共和国	~820	~820	可用
法国	~5,330	~5,360	可用
德国	~190	~190	可用
日本	~820	~810	可用
立陶宛	~100	~100	可用
挪威	~4,540	~1,460	可用
波兰	~1,300	~1,300	可用
葡萄牙	~710	~710	可用
斯洛文尼亚	~710	~710	可用
南非	~1,290	~1,290	可用
西班牙	~1,480	~1,490	可用
英国 (EA)	—	—	待定 — 覆盖缺口
英国 (NRFA)	—	—	待定 — 覆盖缺口
美国	~23,860	~23,700	可用

主要API接口

数据发现

• available_countries(): 列出所有支持的国家。
• available_gauges(country): 列出指定国家的所有测站ID。

数据获取

• get_watershed(country, gauge_id): 获取单个流域边界（返回GeoDataFrame）。
• get_watershed_with_rivers(country, gauge_id): 获取单个流域边界及其河流网络（返回可解包的NamedTuple）。
• get_watersheds(country, gauge_ids=None): 批量获取指定国家的所有或部分流域边界。
• get_watersheds_with_rivers(country): 批量获取指定国家的所有流域边界及河流网络。

配置

• configure(fabric=Fabric.HYDROSHEDS_V1): 切换使用的水文基底数据。
• configure(cache_dir): 设置本地数据缓存目录。

错误类型

• WatershedRetrieveError: 基础错误类。
• CountryNotFoundError: 国家名称无效。
• GaugeNotFoundError: 测站ID不在数据集中。
• DataNotFoundError: Parquet文件缺失。
• DataUnavailableError: 区域存在但流域划分数据尚未提取（如英国地区因覆盖缺口而待定）。
• R2ConnectionError: CDN获取失败。

技术背景

• 该库是对 RivRetrieve 生态系统的社区贡献，补充了流域地理数据。
• 原始提案位于：https://github.com/kratzert/RivRetrieve-Python/issues/87。
• 使用MIT许可证。

搜集汇总

数据集介绍

构建方式

在流域水文学研究中，精确的流域边界与河网数据是水文模拟与水资源管理的基础。MERIT-Hydro流域边界数据集通过先进的算法自动提取，基于全球约90米分辨率的MERIT-Hydro水文数据集，采用Rust语言重新实现了mheberger/delineator中描述的流域划分方法。该方法借鉴了CAMELS-DE数据集构建经验，为全球16个国家近6万个水文测站提供了预划分的流域边界，确保了数据在空间上的一致性与准确性。

特点

该数据集覆盖了全球多个主要国家，包括美国、澳大利亚、巴西等，提供了约6万个流域边界与河网信息，支持MERIT-Hydro和HydroSHEDS v1两种水文数据源。数据以GeoParquet格式存储，通过公共CDN按需获取，无需预先下载全部数据，显著降低了本地存储与处理负担。其设计注重实用性与扩展性，自动处理测站ID格式，并包含详尽的错误处理机制，为大规模水文分析提供了高效可靠的数据基础。

使用方法

用户可通过watershed-retrieve库便捷访问数据集，安装后无需复杂配置即可调用API获取特定国家或测站的流域数据。库函数支持单流域或批量检索，并可选择包含河网信息，同时允许用户在水文数据源之间灵活切换。数据在首次请求时从CDN获取并缓存于本地，后续调用直接读取缓存，兼顾了效率与可访问性。该工具集成了发现函数，便于用户探索支持的国家与测站列表，为水文建模、环境评估等应用提供了即用型数据接口。

背景与挑战

背景概述

流域边界精准划分是水文地理学与水资源管理领域的核心议题，对洪水模拟、生态评估及气候研究具有深远影响。MERIT-Hydro流域边界数据集作为一项开源社区贡献，于近年由RivRetrieve生态系统衍生而来，旨在弥补全球水文观测站在流域空间数据上的空白。该数据集依托东京大学发布的MERIT-Hydro与HydroSHEDS v1两套约90米分辨率的全球水文底图，采用基于Rust语言重实现的自动化流域划分算法，为全球16个国家近六万个水文站点提供了预划分的流域边界与河网矢量数据。其构建方法已在德国CAMELS-DE数据集中得到验证，显著提升了流域水文模型参数化的一致性与计算效率，推动了跨区域水文分析的标准化进程。

当前挑战

该数据集致力于解决全球尺度流域自动化划分与水文数据整合的复杂难题，其核心挑战在于处理高分辨率地形数据衍生的计算复杂性，确保不同水文底图间流域边界的一致性，并克服地理覆盖范围的局限性。在构建过程中，面临多重技术障碍：原始MERIT-Hydro数据在部分区域存在覆盖缺口，如不列颠群岛等地因数据缺失导致相应站点流域无法划分；大规模矢量数据的存储与高效检索需依赖分布式云存储与本地缓存策略，以平衡数据完整性与访问性能；此外，跨国家、多源水文站点的标识符标准化与空间匹配亦需精细设计，以保障流域边界与观测数据的无缝对接。

常用场景

经典使用场景

在水文学与水资源管理领域，流域边界的精确划定是水文模型构建与水文过程模拟的基石。MERIT-Hydro watershed boundaries数据集通过提供约60,000个预先划定的流域边界与河网数据，覆盖全球16个国家，并支持MERIT-Hydro与HydroSHEDS v1两种水文基底，为研究者免除了复杂的数据下载与处理流程。该数据集最经典的使用场景在于支持流域尺度的水文分析与建模，例如，研究人员可借助该数据集快速获取特定水文站的流域边界，进而结合RivRetrieve生态系统提供的实测径流时间序列，开展水文响应单元划分、径流模拟或洪水预报等研究，极大提升了水文模型参数化与验证的效率。

衍生相关工作

该数据集的推出衍生了一系列重要的相关研究工作，其中最具代表性的是CAMELS-DE数据集，它利用相同的流域划定方法，从MERIT-Hydro基底中为德国1582个水文站生成了统一的流域边界，促进了区域水文数据集的标准化建设。此外，作为RivRetrieve生态系统的组成部分，该数据集与径流观测数据结合，支持了如全球水文站属性分析、流域特征提取以及机器学习在水文预报中的应用等研究。这些衍生工作不仅扩展了数据集的学术影响力，也为水文模型的跨区域比较与集成提供了新的方法论框架。

数据集最近研究

最新研究方向

在水文地理学领域，MERIT-Hydro流域边界数据集正推动着全球水文模型与水资源管理的革新。该数据集整合了约60,000个预划定的流域边界与河网，覆盖16个国家，并支持MERIT-Hydro与HydroSHEDS v1两种高分辨率水文基底，为跨区域水文分析提供了统一框架。前沿研究聚焦于利用该数据集增强洪水预测精度、评估气候变化对流域水文过程的影响，以及优化水资源分配策略。其与RivRetrieve生态系统的集成，实现了流域边界与实测径流数据的无缝对接，促进了水文模型校验与机器学习应用的深度融合。这一进展不仅提升了全球水文模拟的可重复性与效率，还为应对极端气候事件与可持续水资源管理提供了关键数据支撑，具有重要的科学与社会意义。