GEE数据集——2020年江苏省30米分辨率的地表水数据集

简介

要确保水资源安全并提高应对极端水文事件的能力,就必须全面了解各种尺度的水动态。然而,对季节性水文变化较大的水体进行监测,尤其是使用 Landsat 4-9 等中等分辨率卫星图像,面临着巨大的挑战。本研究引入了基于光谱混合物分析(SMA)的归一化差异水分指数(NDWFI),以改进对细微动态变化水体的检测。首先,在四个具有挑战性的地点对 NDWFI 的有效性进行了严格评估。结果表明,NDWFI 在各种水域覆盖情况下的水体提取平均总体准确率 (OA) 达到 98.2%,超过了传统的水体指数。随后,本研究利用谷歌地球引擎(GEE)平台中的约 11,000 幅 Landsat 卫星图像和 NDWFI,生成了中国江苏省的高分辨率地表水(SW)地图,显示出 95.91% ± 0.23% 的惊人 OA。我们还研究了用于水提取的 NDWFI 阈值的稳定性及其与现有专题水地图相比的优越性能。这项研究为解决遥感水文监测中的关键挑战提供了一条前景广阔的途径,有助于提高水安全和加强抵御极端水文的能力。

研究区域

江苏省位于中国大陆东部沿海的长江三角洲,地处北纬 30°45′至 35°08′、东经 116°21′至 121°56′之间。它与上海市、浙江省、安徽省和山东省接壤。尽管江苏拥有丰富的可再生淡水资源,但由于发展迅速,水安全面临巨大挑战。这一问题直接影响到生态安全、农作物生产和该地区的可持续发展[1,32]。值得注意的是,江苏约 98% 的湖泊受到不同程度的污染。例如,该地区的重要水体太湖就曾因富营养化而导致供水系统紧急关闭。此外,江苏在中国农业中扮演着重要角色,其农业灌溉用水占总用水量的 64.4%。然而,江苏的农业部门面临着与水有关的挑战,尤其是在干旱年份,如 2004 年、2006 年、2009 年和 2019 年。在这种情况下,全面了解 SW 动态势在必行,这将有助于江苏省制定区域水资源管理政策和可持续发展努力。

数据和预处理

本研究使用了 11,635 幅 Landsat Collection 2 Level-2 地表反射率图像,时间跨度为 1985 年至 2021 年(图 S1),每幅图像的空间分辨率为 30 米。为了提高像素质量,我们使用了质量评估(QA)波段来识别并去除云层、阴影和雪/冰像素[39]。此外,我们还使用了谷歌地球引擎(GEE)中的 Terrain.hillShadow 算法,输入数据来自航天飞机雷达地形图任务(SRTM)数字高程模型(DEM),以及与每幅图像采集时间相对应的方位角和天顶信息,有效消除了山丘阴影。为确保整个 Landsat 档案的光谱一致性,我们对来自专题成像仪 (TM) 和增强型专题成像仪增强版 (ETM+) 传感器的光谱数据进行了线性变换,以使用 提供的系数匹配实用陆地成像仪 (OLI) 的光谱特征。随后,我们使用三个可见光波段(红、蓝、绿)、一个近红外波段和两个短波红外波段进行西南部测绘。

方法

利用归一化差异水分数指数(NDWFI)跟踪长期西南太平洋动态的工作流程如图 2 所示。首先,利用 GEE 平台上 1985 年至 2021 年的所有 Landsat 图像计算归一化差异水分数指数并绘制 SW 图。随后,我们生成了水频率(WF)图,根据年内水出现情况对全年和季节性西南水体进行了分类。此外,我们还对两个不同时期(1985-1999 年和 2000-2021 年)的 SW 变化进行了综合分析。为了验证我们的结果,我们利用从谷歌地球获取的超高分辨率(VHR)图像,通过目视判读创建了两组随机样本。我们使用混淆矩阵法对独立样本集的 SW 地图的准确性进行了严格评估。最后,我们对六种常规水指数和五种最先进的 SW 数据集进行了交叉比较,以强调我们的方法所实现的改进。

代码


var Jiangsu = ee.FeatureCollection("users/215252182/Vectors/Jiangsu_bounds"),WF = ee.Image("users/215252182/water/Jiangsu_water_2020_final_1");var background = ee.Image(0).clip(Jiangsu)
var JRC_2020 = ee.ImageCollection('JRC/GSW1_3/YearlyHistory').filterBounds(Jiangsu).filterDate('2020-01-01','2020-12-31').mosaic().gt(1).clip(Jiangsu);
JRC_2020 = background.blend(JRC_2020)
Map.setCenter(119.9227, 32.9505, 8);// the water frequency map in 2020 generated by the NDWFI method (value: 0.05-0.75 (seasonal water), 0.75-1 (year-long water))
Map.addLayer(WF,{min:0.05,max:1,palette:['white','blue']},'water frequency (this study in 2020)');// the water class map in 2020 provided by the JRC dataset (value: 0 (non-water), 1 (water))
Map.addLayer(JRC_2020, {min:0,max:1,palette:['white','blue']}, 'water class (the JRC in 2020)');

GEE加载结果 

 对比

研究结论

在本研究中,我们介绍了一种新型水指数 NDWFI,该指数专为实现大空间范围和长时间的高精度 SW 测绘而量身定制。与传统方法不同,NDWFI 是专为满足大规模 SW 测绘的严格要求而设计的,重点是捕捉水体的时空动态。NDWFI 的主要优势之一在于它能够通过整合 30 米空间分辨率的多时相大地遥感卫星图像和先进的光谱非混合技术,加强对全年和季节性水体的区分。这种整合显著提高了 SW 提取的精度和细节,尤其是在季节变化大或存在小尺度水体的地区。与现有的水指数相比,本研究中进行的交叉比较强调了 NDWFI 的优越性能,尤其是在水文多变和普遍存在小规模水体的地区。与外部 SW 数据集相比,NDWFI 还显示出其稳健性,尤其是在准确划分小水体和动态变化水体方面。通过应用 NDWFI 方法,我们生成了江苏省 1985 年至 2021 年的高分辨率(30 米)年降水量图,OA 达到 95.91%(±0.23%),令人印象深刻。NDWFI 的引入不仅增强了我们监测和了解长期西南径流动态的能力,还为研究水体与生态系统之间错综复杂的相互作用提供了宝贵的工具,有望为水资源管理、环境保护和气候变化适应等相关关键问题带来新的启示。

引用

// *****************************************************************************************************//
// Cord for displaying the resulting surface water map
// Creator: Yaotong Cai, Sun Yat-Sen University, caiyt33@mail2.sysu.edu.cn
// Please cite the code as:
// Cai Yaotong, Qian Shi, Xiaoping Liu. Spatiotemporal mapping of surface water using Landsat images and spectral mixture analysis on Google Earth Engine. (2024) Journal of Remote Sensing
// *****************************************************************************************************//

  • Cai Y, Shi Q, Liu X. Spatiotemporal Mapping of Surface Water Using Landsat Images and Spectral Mixture Analysis on Google Earth Engine[J]. Journal of Remote Sensing, 2024, 4: 0117.

网址推荐

 0代码在线构建地图应用

Mapmost loginicon-default.png?t=N7T8https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

前言 – 人工智能教程icon-default.png?t=N7T8https://www.cbedai.net/xg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/764065.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CentOS7 防火墙(firewalld)常规操作

1.查看、打开、关闭防火墙 1.1.查看防火墙是否运行 systemctl status firewalld [rootlocalhost /]# systemctl status firewalld ● firewalld.service - firewalld - dynamic firewall daemonLoaded: loaded (/usr/lib/systemd/system/firewalld.service; disabled; vendor …

3月22日,每日信息差

🎖 素材来源官方媒体/网络新闻 🎄 华为云与乐聚签署战略合作协议 🌍 我国超重元素研究加速器装置刷新纪录 🌋 我国网民规模达10.92亿人,互联网普及率达77.5% 🎁 微软推首批Surface系列AI PC,首度…

C++迈向精通,学习笔记:类与对象

C:类与对象 注意,这是笔记,不是学习手册!!!有可能不适合别人阅读,如果读者有什么问题欢迎在评论区提问!! 类与对象 不要把类看的多么高深莫测,通过C语言中…

GB/T 35513.2-2017 聚碳酸酯PC模塑和挤出材料检测

聚碳酸酯塑料是一种无味、无臭、无毒、透明的无定形热塑型材料,是分子链中含有碳酸酯的一类高分子化合物的总称。 GB/T 35513.2-2017聚碳酸酯PC模塑和挤出材料测试项目 测试项目 测试标准 熔体体积流动速率 GB/T 3682 拉伸弹性模量 GB/T 1040.2 屈服应力 GB…

基于SSM的土家风景文化管理平台(有报告)。Javaee项目。ssm项目。

演示视频: 基于SSM的土家风景文化管理平台(有报告)。Javaee项目。ssm项目。 项目介绍: 采用M(model)V(view)C(controller)三层体系结构,通过Spri…

使用Barrier对齐ConstraintLayout几个控件的最高的一个

前提就是想让一个控件X,对齐A,B,C等控件最高的位置,直接看图。 看,由于name的一行,或者2行,会导致email行的高度,可能比image块高,也可能比image快矮。 那么&#xff…

如何与施耐德Schneider建立EDI连接?

EDI基础知识 何为EDI?是一个软件、系统还是一种流程呢?准确来说,EDI全称Electronic Data Interchange,中文名称是电子数据交换,也被称为“无纸化贸易”。EDI是: 标准化的数据格式连接业务系统间的数据桥梁…

支持开源欧拉openEuler!米尔基于海思Hi3093核心板上市!

新品播报!米尔电子发布了基于海思Hi3093高性能MPU的MYC-LHi3093核心板及开发板, 此款核心板支持openEuler embedded OS欧拉系统,丰富生态,可实现100%全国产自主可控。不仅如此,米尔基于Hi3093的核心板及开发板,配套提供…

谷歌浏览器调用相同url数据不刷新

原代码 原因 谷歌浏览访问相同接口默认调用缓存数据 解决方案 添加时间戳

算法打卡day25|回溯法篇05|Leetcode 491.递增子序列、46.全排列、47.全排列 II

算法题 Leetcode 491.递增子序列 题目链接:491.递增子序列 大佬视频讲解:递增子序列视频讲解 个人思路 和昨天的子集2有点像,但昨天的题是通过排序,再加一个标记数组来达到去重的目的。 而本题求自增子序列,是不能对原数组进行…

面试算法-69-三角形最小路径和

题目 给定一个三角形 triangle ,找出自顶向下的最小路径和。 每一步只能移动到下一行中相邻的结点上。相邻的结点 在这里指的是 下标 与 上一层结点下标 相同或者等于 上一层结点下标 1 的两个结点。也就是说,如果正位于当前行的下标 i ,那…

NSSCTF Round#11 Basic ez_signin

题目: from Crypto.Util.number import * from secret import flagp getPrime(512) q getPrime(512) assert p > q n p*q e 65536 m bytes_to_long(flag) num1 (pow(p,e,n)-pow(q,e,n)) % n num2 pow(p-q,e,n) c pow(m,e,n)print("num1",num1…

智慧城市的发展趋势与挑战:未来展望

随着信息技术的飞速发展,智慧城市已成为现代城市发展的重要方向。智慧城市通过集成应用先进的信息通信技术,实现城市管理、服务、运行的智能化,为城市的可持续发展注入了新的活力。然而,在智慧城市的发展过程中,也面临…

hadoop namenode 查看日志里面报错8485无法连接

一、通过日志排查问题: 1、首先我通过jpsall命令查看我的进程,发现namenode都没有开启 2、找到问题后首先进入我的日志目录里查看namenode.log [rootnode01 ~]# /opt/yjx/hadoop-3.3.4/logs/ [rootnode01 ~]# ll [rootnode01 ~]# cat hadoop-root-nam…

云农场种植、领养、收获,认养模式新浪潮

​ 小编介绍:10年专注商业模式设计及软件开发,擅长企业生态商业模式,商业零售会员增长裂变模式策划、商业闭环模式设计及方案落地;扶持10余个电商平台做到营收过千万,数百个平台达到百万会员,欢迎咨询。 在…

基于Springboot的疫情物资管理系统(有报告)。Javaee项目,springboot项目。

演示视频: 基于Springboot的疫情物资管理系统(有报告)。Javaee项目,springboot项目。 项目介绍: 采用M(model)V(view)C(controller)三层体系结构…

Redis中的缓存雪崩

缓存雪崩 🤔现象分析 缓存雪崩是指在同一时段大量的缓存key同时失效或者缓存服务(Redis等)宕机,导致大量请求到达数据库,带来巨大压力。 👊 解决方案 利用Redis集群提高服务的可用性,避免缓存服务宕机给缓存业务添…

GZ083 产品艺术设计赛题第十

全国职业院校技能大赛 产品艺术设计赛项赛题十 赛项名称 产品艺术设计 英语名称 Product Art Design 赛项编号 GZ083 归属产业 数字产业 任务名称 “绣羽鸣春”鸟形象主题文具收纳袋设计 赛项组别 中职组 高职组 □学生组 □教师组 □师生联队试点赛项 R学生组 …

如何添加超时机制

在Arduino或其他嵌入式系统中添加超时机制可以确保系统不会无限期地等待某个事件或响应。超时机制通常用于串行通信、传感器读取或任何需要等待外部输入的场景。以下是如何在Arduino代码中实现超时机制的方法: (1)使用millis()函数: millis()函数返回从A…