该亚洲高山区河流、湖库及其连通性矢量数据集的数据源包括 2010 年欧亚大陆河流系统矢量数据与 2020 年欧空局（ESA）WorldCover 土地分类数据。其中，2010 年欧亚大陆河流系统矢量数据基于 Landsat 提取的 30m 地表水数据、全球河宽数据（GRWL）和美国宇航局航天飞机雷达地形任务（SRTM）30m 数字高程数据制备，为亚洲高山区河流、湖库提供了历史矢量数据基础。2020 年欧空局 WorldCover 土地覆盖数据基于 Sentinel-1 和 Sentinel-2 卫星数据生产，空间分辨率为 10m，其包含水体在内的十种地物类型，为补充欧亚大陆河流矢量数据中的缺失部分及提高数据精度提供了关键依据。通过将 2010 年欧亚大陆河流系统矢量数据与 2020 年欧空局 WorldCover 土地分类数据协同整合，本数据集能够更精确地反映亚洲高山区河流、湖库的空间分布及其连通性，旨在为亚洲高山区河湖变化分析、水资源管理等提供高精度的基础数据支持。

从欧空局官网下载 ESA 土地利用数据，利用 ArcGIS 根据亚洲高山区水补给模式分类流域数据提供的流域范围，对 ESA 土地利用数据进行拼接与裁剪，提取水体栅格类别并转换为矢量格式。 河流矢量数据集制作：将提取的 ESA 水体矢量数据与欧亚大陆河流矢量数据进行空间叠加分析，相交区域选择面积较大的矢量或合并融合作为最终河流矢量；不相交区域去除 ESA 水体数据中的湖库、冰川和山体阴影等信息，最终合并形成亚洲高山区河流矢量数据，并利用 RGI 冰川数据及 HydroRIVERS 全球河流网络数据进行辅助校核与修正。 湖库矢量数据集制作：将基于 ESA 土地分类数据集提取的亚洲高山区水体数据与制作的河流矢量数据集叠加对比，去除河流部分，得到包含湖库、湿地等非河流水体及少量冰川和山体阴影的数据集。使用 RGI 冰川数据删除湖库数据集中的冰川信息，再与 Google Earth 影像进行目视解译，剔除残留的冰川和山体阴影，得到湖库矢量数据集。 河湖连通矢量数据集制作：对每个湖库从 10m 至 400m 设置不同缓冲距离，进行空间叠加分析，当缓冲距离为 100m 时，湖库与河流的相交数量增长率趋于平稳，因此选取该缓冲范围下与河流发生空间交集的湖库，形成初步的河流-湖库连通矢量数据集。与 Google Earth 影像对比，识别并补充数据集中遗漏的支流，最终得到亚洲高山区河湖连通矢量数据集。

通过与 Google Earth 影像目视解译及欧盟联合研究中心（JRC）2020 年地表水体年度数据集对比，统计该数据集在亚洲高山区里与JRC重叠部分的矢量面积和JRC水体数据的面积占比，本数据与 JRC 数据的整体一致率达89.39%。其中，在JRC永久水体占比高的流域，一致率超过92%，最高可达94.51%；在冰川分布较多的流域，因季节性水体与冰川融水影响，一致率略低（75.91%-82.63%）。制作过程中通过结合两种水体数据，并使用 RGI冰川数据剔除冰川阴影，确保水体提取的准确性。在逻辑一致性上，采用矢量运算与分类编码，明确区分河流、湖库及连通性属性，无异常值或逻辑冲突。其位置精度继承自 30 米分辨率的 Landsat 数据及 10 米分辨率的 ESA Sentinel 数据（经几何校正），满足区域尺度的水体动态分析需求。该数据集表现出较高的整体精度，但仍存在潜在局限性：高山区山体阴影、冰川边缘区域可能导致水体边界误判；河流受季节性径流影响，部分支流存在时空动态缺失；河湖连通性分类未完全考虑人类活动（如水库建设）、所受季节性变化等因素的影响，分类精度可能下降。