Dynamics of the Wetland Vegetation in Large Lakes of the Yangtze Plain in Response to Both Fertilizer Consumption and Climatic Changes
1
2018
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
A Half‐century of Changes in China's Lakes: Global Warming or Human Influence?
0
2010
近40年来中国西北内陆5个典型湖泊面积变化遥感分析
2
2017
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
... 对比3种水体指数提取的呼伦湖面积,得到提取后的精度依次为MNEN>NDWI>AWEI_NSH>AWEI_SH>MNDWI(图2).对比JRC制作的Global Surface Water(GSW)中呼伦湖的永久水体面积、AM中呼伦湖水体面积以及HW提供的呼伦湖水位信息与本文提取的水体面积,可以看出JRC在1986、1990、1997、1998年缺少数据且1991、1996年提取结果误差过大(面积为1 796.266 km2、134.263 4 km2)如图6所示.结合水位数据,发现3条面积曲线中除了JRC数据精度较差,其他基本符合水位数据的涨幅.总体看,呼伦湖的面积变化分为3个时间段,1986~1999年为平稳上升期,主要表现在呼伦湖东北部,面积逐渐增加;2000~2012年为急速下降期,呼伦湖东北和南部地区面积明显减少(图3),东北部地区至今未曾恢复.2012~2015年为迅速回升期,南部地区面积逐渐增加,2015年后呼伦湖面积开始趋于稳定.这与以往研究有着高度的一致性[3, 5, 16]. ...
Water Balance Estimates of Ten Greatest Lakes in China Using ICESat and Landsat Data
1
2013
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
1986~ 2016 年呼伦湖水域面积动态变化及与气候因素关系研究
3
2018
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
... 对比3种水体指数提取的呼伦湖面积,得到提取后的精度依次为MNEN>NDWI>AWEI_NSH>AWEI_SH>MNDWI(图2).对比JRC制作的Global Surface Water(GSW)中呼伦湖的永久水体面积、AM中呼伦湖水体面积以及HW提供的呼伦湖水位信息与本文提取的水体面积,可以看出JRC在1986、1990、1997、1998年缺少数据且1991、1996年提取结果误差过大(面积为1 796.266 km2、134.263 4 km2)如图6所示.结合水位数据,发现3条面积曲线中除了JRC数据精度较差,其他基本符合水位数据的涨幅.总体看,呼伦湖的面积变化分为3个时间段,1986~1999年为平稳上升期,主要表现在呼伦湖东北部,面积逐渐增加;2000~2012年为急速下降期,呼伦湖东北和南部地区面积明显减少(图3),东北部地区至今未曾恢复.2012~2015年为迅速回升期,南部地区面积逐渐增加,2015年后呼伦湖面积开始趋于稳定.这与以往研究有着高度的一致性[3, 5, 16]. ...
... 考虑河流流量对呼伦湖面积的影响,将降雨减去水面实际蒸发(P-E)划为因素A,河流流入水量减去河流流出水量(Qin–Qout)划为因素B.呼伦湖面积的变化为每年面积与33年面积均值的差值(图9).在面积变化四段时间中,第一段为呼伦湖面积平稳上升,该阶段降雨量大于其他阶段,流域内河流都有着充足水资源补充,每年净流入呼伦湖总量(流入减流出)约为14.5×108 m3,因素A和因素B对湖泊面积增大都有着重要影响(表1).在呼伦湖面积骤减阶段,呼伦贝尔地区经历连续的干旱(2000~2012年),该地区的干旱特点为频率高和连续性强[39].该段时间内,蒸发量升高,降雨量减少,导致两个径流和湖面积都急剧下降[5],每年流量约为4.0×108 m3,但在2000~2002年期间湖面积下降十分缓慢,且在因素A开始骤减阶段湖面积并没有迅速下降,可以看出因素B对湖泊面积减少起到重要的缓冲作用.在湖面积迅速回升阶段,由于2013年内蒙古地区受强降雨的影响,河流流量为23.9×108 m3,是所有年份中最大值,湖面积在该年内出现迅速回涨,之后几年因素A有所回升,湖面积也开始缓慢增长. ...
1986~ 2016 年呼伦湖水域面积动态变化及与气候因素关系研究
3
2018
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
... 对比3种水体指数提取的呼伦湖面积,得到提取后的精度依次为MNEN>NDWI>AWEI_NSH>AWEI_SH>MNDWI(图2).对比JRC制作的Global Surface Water(GSW)中呼伦湖的永久水体面积、AM中呼伦湖水体面积以及HW提供的呼伦湖水位信息与本文提取的水体面积,可以看出JRC在1986、1990、1997、1998年缺少数据且1991、1996年提取结果误差过大(面积为1 796.266 km2、134.263 4 km2)如图6所示.结合水位数据,发现3条面积曲线中除了JRC数据精度较差,其他基本符合水位数据的涨幅.总体看,呼伦湖的面积变化分为3个时间段,1986~1999年为平稳上升期,主要表现在呼伦湖东北部,面积逐渐增加;2000~2012年为急速下降期,呼伦湖东北和南部地区面积明显减少(图3),东北部地区至今未曾恢复.2012~2015年为迅速回升期,南部地区面积逐渐增加,2015年后呼伦湖面积开始趋于稳定.这与以往研究有着高度的一致性[3, 5, 16]. ...
... 考虑河流流量对呼伦湖面积的影响,将降雨减去水面实际蒸发(P-E)划为因素A,河流流入水量减去河流流出水量(Qin–Qout)划为因素B.呼伦湖面积的变化为每年面积与33年面积均值的差值(图9).在面积变化四段时间中,第一段为呼伦湖面积平稳上升,该阶段降雨量大于其他阶段,流域内河流都有着充足水资源补充,每年净流入呼伦湖总量(流入减流出)约为14.5×108 m3,因素A和因素B对湖泊面积增大都有着重要影响(表1).在呼伦湖面积骤减阶段,呼伦贝尔地区经历连续的干旱(2000~2012年),该地区的干旱特点为频率高和连续性强[39].该段时间内,蒸发量升高,降雨量减少,导致两个径流和湖面积都急剧下降[5],每年流量约为4.0×108 m3,但在2000~2002年期间湖面积下降十分缓慢,且在因素A开始骤减阶段湖面积并没有迅速下降,可以看出因素B对湖泊面积减少起到重要的缓冲作用.在湖面积迅速回升阶段,由于2013年内蒙古地区受强降雨的影响,河流流量为23.9×108 m3,是所有年份中最大值,湖面积在该年内出现迅速回涨,之后几年因素A有所回升,湖面积也开始缓慢增长. ...
近50年来呼伦湖水系土地利用/覆被变化及其生态环境效应
1
2009
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
近50年来呼伦湖水系土地利用/覆被变化及其生态环境效应
1
2009
... 水资源深刻影响着人类社会的生产生活.由于气候变化和不合理利用,导致我国若干内陆湖泊濒临干涸,对生态系统和区域环境造成巨大的威胁,包括扬尘、盐渍化和生物量减少等[1-3].湖泊作为陆地水圈的重要组成,是地下水与地表水、陆地与大气间进行水气交换的重要环节,同时也是反映气候变化的敏感指标[4].呼伦湖流域位于东南季风影响的边缘区域,南北冷暖气流冲撞频繁,是响应全球气候变化最积极、最敏感的地区之一[5].近30年,随着人口的迅速增长以及地下水的持续超采,生态系统急剧恶化,呼伦湖面积持续剧烈变化[6].利用多源数据监测、分析其地表水和地下水动态变化对于呼伦湖区域水资源管理具有参考意义. ...
The use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features
1
1996
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery
1
2006
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Automated Water Extraction Index: A new Technique for Surface Water Mapping Using Landsat Imagery
2
2014
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
... 水体指数方法在提取水体时都存在误提和漏提现象,如NDWI在建筑物较多地区提取水体时,其结果仍然含较多背景信息;MNDWI与归一化积雪指数(Normalized Difference Snow Index,NDSI)使用相同的波段组合,所以在提取水体时容易与冰、雪混淆.在混合像元严重地区,单一的指数方法并不能取得良好的精度,因此,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)与增强植被指数(Enhance Vegetation Index,EVI)可以进一步提高混合像元中水体提取的精度[32].利用决策树(MNDWI>NDVI or MNDWI>EVI and EVI<0.1,MNE)在提取鄱阳湖和美国俄克拉荷马州的水体时,精度达到94.0%和96.91%[33,34],对于呼伦湖地区,本文通过对比多个水体指数(NDWI、MNDWI、AWEI_NSH、AWEI_SH)提取的效果,发现MNDWI、AWEI 在提取呼伦湖地区水体时,易将雪误提为水体[9],而NDWI可以较好地区分水体和雪(图2).因此,本文使用(MNDWI>NDVI or MNDWI>EVI and NDWI>0 and NDVI<0,MNEN)建立新的决策树,满足该决策树的识别为水体,其他像素为非水体.每年水体频率可根据公式: ...
Modeling and Analysis of Lake Water Storage Changes on the Tibetan Plateau Using Multi-mission Satellite Data
1
2013
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Monitoring Lake Level Changes on the Tibetan Plateau Using ICESat Altimetry Data (2003~2009)
1
2011
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Some Comments on Reflectance Measurements of Wet Soils
1
1970
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
1
1995
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Assessment of Inundation Changes of Poyang Lake Using MODIS Observations between 2000 and 2010
1
2012
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
基于遥感技术的近 30 年中亚地区主要湖泊变化
0
2014
基于遥感技术的近 30 年中亚地区主要湖泊变化
0
2014
呼伦湖水面动态变化遥感监测及气候因素驱动分析
2
2016
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
... 对比3种水体指数提取的呼伦湖面积,得到提取后的精度依次为MNEN>NDWI>AWEI_NSH>AWEI_SH>MNDWI(图2).对比JRC制作的Global Surface Water(GSW)中呼伦湖的永久水体面积、AM中呼伦湖水体面积以及HW提供的呼伦湖水位信息与本文提取的水体面积,可以看出JRC在1986、1990、1997、1998年缺少数据且1991、1996年提取结果误差过大(面积为1 796.266 km2、134.263 4 km2)如图6所示.结合水位数据,发现3条面积曲线中除了JRC数据精度较差,其他基本符合水位数据的涨幅.总体看,呼伦湖的面积变化分为3个时间段,1986~1999年为平稳上升期,主要表现在呼伦湖东北部,面积逐渐增加;2000~2012年为急速下降期,呼伦湖东北和南部地区面积明显减少(图3),东北部地区至今未曾恢复.2012~2015年为迅速回升期,南部地区面积逐渐增加,2015年后呼伦湖面积开始趋于稳定.这与以往研究有着高度的一致性[3, 5, 16]. ...
呼伦湖水面动态变化遥感监测及气候因素驱动分析
2
2016
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
... 对比3种水体指数提取的呼伦湖面积,得到提取后的精度依次为MNEN>NDWI>AWEI_NSH>AWEI_SH>MNDWI(图2).对比JRC制作的Global Surface Water(GSW)中呼伦湖的永久水体面积、AM中呼伦湖水体面积以及HW提供的呼伦湖水位信息与本文提取的水体面积,可以看出JRC在1986、1990、1997、1998年缺少数据且1991、1996年提取结果误差过大(面积为1 796.266 km2、134.263 4 km2)如图6所示.结合水位数据,发现3条面积曲线中除了JRC数据精度较差,其他基本符合水位数据的涨幅.总体看,呼伦湖的面积变化分为3个时间段,1986~1999年为平稳上升期,主要表现在呼伦湖东北部,面积逐渐增加;2000~2012年为急速下降期,呼伦湖东北和南部地区面积明显减少(图3),东北部地区至今未曾恢复.2012~2015年为迅速回升期,南部地区面积逐渐增加,2015年后呼伦湖面积开始趋于稳定.这与以往研究有着高度的一致性[3, 5, 16]. ...
Measuring Surface Water from Space
1
2007
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Spatiotemporal Dynamic of Surface Water Bodies Using Landsat Time-series Data from 1999 to 2011
1
2013
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Earth's Surface Water Change over the Past 30 Years
1
2016
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
High-resolution Mapping of Global Surface Water and Its Long-term Changes
1
2016
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
The Global Landsat Archive: Status, Consolidation, and Direction
1
2016
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
SOLS: A Lake Database to Monitor in the Near Real Time Water Level and Storage Variations from Remote Sensing Data
1
2011
... 随着遥感技术的快速发展,卫星影像分辨率逐步提高,利用几种水体指数如:归一化水体指数(Normalized Difference Water Index ,NDWI) [7]、修正后的归一化水体指数(Modified Normalized Difference Water Index ,MNDWI)[8]、自动水体提取指数(Automated Water Extraction Index,AWEI)[9]结合目视解译的方法,提高了人们对偏远地区湖泊水体的监测能力[10-11].尽管对于水体动态变化的研究很早就出现[12-13],但到目前为止,数据预处理和存储、大量数据批处理等问题仍然限制着人们对于长时序水体动态变化的研究.以往研究中大多利用一年中低云量影像提取的水体面积代表该年的水体面积[14-16],然而有些地区湖泊存在十分剧烈的年内变化,使用不同时期的影像可能得到不同结果[17-18].随着美国地质调查局(United States Geological Survey,USGS)公开了所有Landsat影像数据集,以及云平台的快速发展,各种基于云平台的水体产品相继出现,如Aqua-Monitor[19](AM)、Joint Research Centre[20](JRC)等.这些水体产品在生产的过程中都有一定缺陷,AM所利用的MODIS中的云掩膜产品,不能很好去除Landsat中的云和云阴影;JRC由于早期Landsat数据还没有完全整合,数据缺失严重,造成结果出现缺失值[21].HydroWeb[22](HW)是利用卫星测高技术实测的水面高度数据,其水体面积是根据水位与遥感影像中提取的水体面积进行拟合得到,并非直接观测,有一定误差.因此,需要一种新的方法,能高效处理和利用所有影像、反映水体的年内动态变化、提高水体提取的自动化程度和精度. ...
Divergent Trends of Open-surface Water Body Area in the Contiguous United States from 1984 to 2016
1
2018
... 地表水的时空分布受到气候和人为活动的影响.降雨和蒸发是地表水面积变化的主要气候因素,建造堤坝,开采地下水进行灌溉、水力发电是主要人为因素[23].但对于地下水的监测十分困难,尤其在干旱半干旱地区,地下水数据获取十分耗时耗力[24];同时,大面积、长时间的地下水超采,造成地下水枯竭及地下水位下降,对自然径流和湿地相关生态系统造成破坏性影响[25].Gravity Recovery and Climate Experiment (GRACE) 数据可用于监测大规模的陆地水迁移,但其分辨率较低(约300 km)且无法将地表水与地下水分离[26-28].因此,利用较高分辨率数据(Landsat影像)结合多源数据估算地下水水储量变化的对于水资源可持续管理具有重要意义. ...
The Global Volume and Distribution of Modern Groundwater
1
2016
... 地表水的时空分布受到气候和人为活动的影响.降雨和蒸发是地表水面积变化的主要气候因素,建造堤坝,开采地下水进行灌溉、水力发电是主要人为因素[23].但对于地下水的监测十分困难,尤其在干旱半干旱地区,地下水数据获取十分耗时耗力[24];同时,大面积、长时间的地下水超采,造成地下水枯竭及地下水位下降,对自然径流和湿地相关生态系统造成破坏性影响[25].Gravity Recovery and Climate Experiment (GRACE) 数据可用于监测大规模的陆地水迁移,但其分辨率较低(约300 km)且无法将地表水与地下水分离[26-28].因此,利用较高分辨率数据(Landsat影像)结合多源数据估算地下水水储量变化的对于水资源可持续管理具有重要意义. ...
Global Depletion of Groundwater Resources
1
2010
... 地表水的时空分布受到气候和人为活动的影响.降雨和蒸发是地表水面积变化的主要气候因素,建造堤坝,开采地下水进行灌溉、水力发电是主要人为因素[23].但对于地下水的监测十分困难,尤其在干旱半干旱地区,地下水数据获取十分耗时耗力[24];同时,大面积、长时间的地下水超采,造成地下水枯竭及地下水位下降,对自然径流和湿地相关生态系统造成破坏性影响[25].Gravity Recovery and Climate Experiment (GRACE) 数据可用于监测大规模的陆地水迁移,但其分辨率较低(约300 km)且无法将地表水与地下水分离[26-28].因此,利用较高分辨率数据(Landsat影像)结合多源数据估算地下水水储量变化的对于水资源可持续管理具有重要意义. ...
Monitoring Groundwater Storage Depletion Using Gravity Recovery and Climate Experiment (GRACE) Data in Bakhtegan Catchment, Iran
1
2019
... 地表水的时空分布受到气候和人为活动的影响.降雨和蒸发是地表水面积变化的主要气候因素,建造堤坝,开采地下水进行灌溉、水力发电是主要人为因素[23].但对于地下水的监测十分困难,尤其在干旱半干旱地区,地下水数据获取十分耗时耗力[24];同时,大面积、长时间的地下水超采,造成地下水枯竭及地下水位下降,对自然径流和湿地相关生态系统造成破坏性影响[25].Gravity Recovery and Climate Experiment (GRACE) 数据可用于监测大规模的陆地水迁移,但其分辨率较低(约300 km)且无法将地表水与地下水分离[26-28].因此,利用较高分辨率数据(Landsat影像)结合多源数据估算地下水水储量变化的对于水资源可持续管理具有重要意义. ...
The Spatio-temporal Variability of Groundwater Storage in the Amazon River Basin
0
2019
Spatio-temporal Dynamics of Groundwater Storage Changes in the Yellow River Basin
1
2019
... 地表水的时空分布受到气候和人为活动的影响.降雨和蒸发是地表水面积变化的主要气候因素,建造堤坝,开采地下水进行灌溉、水力发电是主要人为因素[23].但对于地下水的监测十分困难,尤其在干旱半干旱地区,地下水数据获取十分耗时耗力[24];同时,大面积、长时间的地下水超采,造成地下水枯竭及地下水位下降,对自然径流和湿地相关生态系统造成破坏性影响[25].Gravity Recovery and Climate Experiment (GRACE) 数据可用于监测大规模的陆地水迁移,但其分辨率较低(约300 km)且无法将地表水与地下水分离[26-28].因此,利用较高分辨率数据(Landsat影像)结合多源数据估算地下水水储量变化的对于水资源可持续管理具有重要意义. ...
Understanding the Role of Groundwater in a Remote Transboundary Lake (Hulun Lake, China)
3
2017
... 本研究目的是通过遥感影像计算呼伦湖地表水面积的年际变化,并结合降雨、蒸发的模型数据以及实测的河流流量数据推算出地下水水储量的变化.①基于GEE云平台利用所有可用的Landsat影像,结合决策树和像元频率的方法,计算1986~2018年呼伦湖的水体出现的频率,进而提取出每年的永久水体面积;②利用AM、JRC中呼伦湖的水体面积和HW水位数据与本文提取的水体面积进行精度对比;③结合降雨、蒸发数据以及河流流量数据分析1986~2018年水体面积变化的驱动因素;④由于河流流量[29](2014~2018)数据缺失,结合水位数据,根据水量平衡公式推算1986~2013年地下水水储量变化;⑤结合GRACE验证该地区水储量变化趋势. ...
... 呼伦湖区域水体变化由入湖和出湖水量决定,降雨、河道流入(克鲁伦河和乌尔逊河)、地表径流流入以及地下水补给是主要入湖水量来源,水面蒸发、河道流出(新开河)和湖泊对地下水补充是主要出湖水量来源,由于呼伦湖流域植被覆盖度高,土壤渗透性强,且缺乏直接观测数据,认为呼伦湖流域地表水径流忽略不计[29].因此呼伦湖的每年水量平衡公式为: ...
... 克鲁伦河、乌尔逊河以及新开河的流量数据由文献[29]补充材料获取.GRACE采用(http://www.thegraceplotter.com/)(CSR RL06 DDK5)的数据,数据起始时间为2002年,选择2002~2013年的数据作为验证数据. ...
水知识篇 上
1
2006
... 呼伦湖位于呼伦贝尔草原西部的新巴尔虎右旗、新巴尔虎左旗和满洲里市扎赉诺尔之间,属于温带半干旱地区.地理坐标为117°00'10''~117°41'40'' E,48°30'40''~49°20'40'' N(图1),处于大兴安岭与蒙古高原之间,从海洋吹来的潮湿气流难以到达,大陆性气候明显.年平均气温仅0.2 ℃左右,年降水量为230~350 mm,年蒸发量1 400~1 800 mm(实际蒸发需乘蒸发皿折算系数),湖内岸冰于10月中、下旬出现,11月初全湖开始封冻,次年4、5月份方解冻,湖面有冰存在的时间为190天左右,整个湖面全部封冻的持续时间为154天左右,封冻期最大冰厚为1.3 m,面积约2 339 km2[30].降雨、地下水和地表径流是呼伦湖主要的补给来源,主要流入河流为克鲁伦河、乌尔逊河,流出河流为新开河.2000~2012年受干旱影响,湖面积急剧下降,湖区周边湿地持续萎缩,野生动物种类、数量大幅减少.1985~2015年,新巴尔虎左旗、新巴尔虎右旗、满洲里人口数量分别增长了4 830、5 512、54 791,耕地面积从16.1 km2增长到431.7 km2,牧畜总量从108.67万头到237.74万头[31],用水压力急剧上升.因此,利用遥感数据监测呼伦湖地表水水体动态变化并分析其影响因素,结合多种数据推算地下水水储量变化对缓解水资源的压力有着重要意义. ...
呼伦湖湿地动态变化遥感监测及驱动力分析
1
2013
... 呼伦湖位于呼伦贝尔草原西部的新巴尔虎右旗、新巴尔虎左旗和满洲里市扎赉诺尔之间,属于温带半干旱地区.地理坐标为117°00'10''~117°41'40'' E,48°30'40''~49°20'40'' N(图1),处于大兴安岭与蒙古高原之间,从海洋吹来的潮湿气流难以到达,大陆性气候明显.年平均气温仅0.2 ℃左右,年降水量为230~350 mm,年蒸发量1 400~1 800 mm(实际蒸发需乘蒸发皿折算系数),湖内岸冰于10月中、下旬出现,11月初全湖开始封冻,次年4、5月份方解冻,湖面有冰存在的时间为190天左右,整个湖面全部封冻的持续时间为154天左右,封冻期最大冰厚为1.3 m,面积约2 339 km2[30].降雨、地下水和地表径流是呼伦湖主要的补给来源,主要流入河流为克鲁伦河、乌尔逊河,流出河流为新开河.2000~2012年受干旱影响,湖面积急剧下降,湖区周边湿地持续萎缩,野生动物种类、数量大幅减少.1985~2015年,新巴尔虎左旗、新巴尔虎右旗、满洲里人口数量分别增长了4 830、5 512、54 791,耕地面积从16.1 km2增长到431.7 km2,牧畜总量从108.67万头到237.74万头[31],用水压力急剧上升.因此,利用遥感数据监测呼伦湖地表水水体动态变化并分析其影响因素,结合多种数据推算地下水水储量变化对缓解水资源的压力有着重要意义. ...
呼伦湖湿地动态变化遥感监测及驱动力分析
1
2013
... 呼伦湖位于呼伦贝尔草原西部的新巴尔虎右旗、新巴尔虎左旗和满洲里市扎赉诺尔之间,属于温带半干旱地区.地理坐标为117°00'10''~117°41'40'' E,48°30'40''~49°20'40'' N(图1),处于大兴安岭与蒙古高原之间,从海洋吹来的潮湿气流难以到达,大陆性气候明显.年平均气温仅0.2 ℃左右,年降水量为230~350 mm,年蒸发量1 400~1 800 mm(实际蒸发需乘蒸发皿折算系数),湖内岸冰于10月中、下旬出现,11月初全湖开始封冻,次年4、5月份方解冻,湖面有冰存在的时间为190天左右,整个湖面全部封冻的持续时间为154天左右,封冻期最大冰厚为1.3 m,面积约2 339 km2[30].降雨、地下水和地表径流是呼伦湖主要的补给来源,主要流入河流为克鲁伦河、乌尔逊河,流出河流为新开河.2000~2012年受干旱影响,湖面积急剧下降,湖区周边湿地持续萎缩,野生动物种类、数量大幅减少.1985~2015年,新巴尔虎左旗、新巴尔虎右旗、满洲里人口数量分别增长了4 830、5 512、54 791,耕地面积从16.1 km2增长到431.7 km2,牧畜总量从108.67万头到237.74万头[31],用水压力急剧上升.因此,利用遥感数据监测呼伦湖地表水水体动态变化并分析其影响因素,结合多种数据推算地下水水储量变化对缓解水资源的压力有着重要意义. ...
Global Water Body Mapping from 1984 to 2015 Using Global High Resolution Multispectral Satellite Imagery
1
2015
... 水体指数方法在提取水体时都存在误提和漏提现象,如NDWI在建筑物较多地区提取水体时,其结果仍然含较多背景信息;MNDWI与归一化积雪指数(Normalized Difference Snow Index,NDSI)使用相同的波段组合,所以在提取水体时容易与冰、雪混淆.在混合像元严重地区,单一的指数方法并不能取得良好的精度,因此,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)与增强植被指数(Enhance Vegetation Index,EVI)可以进一步提高混合像元中水体提取的精度[32].利用决策树(MNDWI>NDVI or MNDWI>EVI and EVI<0.1,MNE)在提取鄱阳湖和美国俄克拉荷马州的水体时,精度达到94.0%和96.91%[33,34],对于呼伦湖地区,本文通过对比多个水体指数(NDWI、MNDWI、AWEI_NSH、AWEI_SH)提取的效果,发现MNDWI、AWEI 在提取呼伦湖地区水体时,易将雪误提为水体[9],而NDWI可以较好地区分水体和雪(图2).因此,本文使用(MNDWI>NDVI or MNDWI>EVI and NDWI>0 and NDVI<0,MNEN)建立新的决策树,满足该决策树的识别为水体,其他像素为非水体.每年水体频率可根据公式: ...
Open Surface Water Mapping Algorithms: A Comparison of Water-related Spectral Indices and Sensors
1
2017
... 水体指数方法在提取水体时都存在误提和漏提现象,如NDWI在建筑物较多地区提取水体时,其结果仍然含较多背景信息;MNDWI与归一化积雪指数(Normalized Difference Snow Index,NDSI)使用相同的波段组合,所以在提取水体时容易与冰、雪混淆.在混合像元严重地区,单一的指数方法并不能取得良好的精度,因此,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)与增强植被指数(Enhance Vegetation Index,EVI)可以进一步提高混合像元中水体提取的精度[32].利用决策树(MNDWI>NDVI or MNDWI>EVI and EVI<0.1,MNE)在提取鄱阳湖和美国俄克拉荷马州的水体时,精度达到94.0%和96.91%[33,34],对于呼伦湖地区,本文通过对比多个水体指数(NDWI、MNDWI、AWEI_NSH、AWEI_SH)提取的效果,发现MNDWI、AWEI 在提取呼伦湖地区水体时,易将雪误提为水体[9],而NDWI可以较好地区分水体和雪(图2).因此,本文使用(MNDWI>NDVI or MNDWI>EVI and NDWI>0 and NDVI<0,MNEN)建立新的决策树,满足该决策树的识别为水体,其他像素为非水体.每年水体频率可根据公式: ...
Continued Decrease of Open Surface Water Body Area in Oklahoma During 1984~2015
1
2017
... 水体指数方法在提取水体时都存在误提和漏提现象,如NDWI在建筑物较多地区提取水体时,其结果仍然含较多背景信息;MNDWI与归一化积雪指数(Normalized Difference Snow Index,NDSI)使用相同的波段组合,所以在提取水体时容易与冰、雪混淆.在混合像元严重地区,单一的指数方法并不能取得良好的精度,因此,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)与增强植被指数(Enhance Vegetation Index,EVI)可以进一步提高混合像元中水体提取的精度[32].利用决策树(MNDWI>NDVI or MNDWI>EVI and EVI<0.1,MNE)在提取鄱阳湖和美国俄克拉荷马州的水体时,精度达到94.0%和96.91%[33,34],对于呼伦湖地区,本文通过对比多个水体指数(NDWI、MNDWI、AWEI_NSH、AWEI_SH)提取的效果,发现MNDWI、AWEI 在提取呼伦湖地区水体时,易将雪误提为水体[9],而NDWI可以较好地区分水体和雪(图2).因此,本文使用(MNDWI>NDVI or MNDWI>EVI and NDWI>0 and NDVI<0,MNEN)建立新的决策树,满足该决策树的识别为水体,其他像素为非水体.每年水体频率可根据公式: ...
Google Earth Engine: Planetary-scale Geospatial Analysis for Everyone
1
2017
... GEE提供丰富的数据,包括Landsat、MODIS、Sentinel、ASTER、世界人口分布密度、土地利用分类、气候、降水量和夜间灯光数据都储存在谷歌服务器,用户可以通过JaveScript和Python编程语言直接在云端调用[35].由于地表反射率数据(Surface Reflectance, SR)(https://code.earthengine.google.com/dataset/LANDSAT/LT5_SR)在大气校正受到不利影响,如:SR用于太阳天顶角大于76° 的场景、高纬度地区(>65°)、超干旱或积雪覆盖地区、低太阳角地区、广泛受云污染的地区时质量下降.本文使用2 274景Landsat大气反射率(Top-of-Atmosphere, TOA)影像数据,每年可用的影像数量如图4(c)所示.所有Landsat TOA数据都经过辐射定标、辐射校正[36].对每张图像中的云进行评分(0~100%代表云量的多少),筛选出云量小于15%的区域,由于TOA数据未经过大气校正和地形校正,山体阴影可能被误提为水,利用阴影在图像中属于较暗的特征,利用百分位数处理,对红光波段选取20%为阈值,将低于该阈值的像元去除[37].经过去云和去阴影处理后得到的像元为良好观测像元,1986~2018年总像元数和良好观测像元分布如图4(a)、(b)所示. ...
Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors
1
2009
... GEE提供丰富的数据,包括Landsat、MODIS、Sentinel、ASTER、世界人口分布密度、土地利用分类、气候、降水量和夜间灯光数据都储存在谷歌服务器,用户可以通过JaveScript和Python编程语言直接在云端调用[35].由于地表反射率数据(Surface Reflectance, SR)(https://code.earthengine.google.com/dataset/LANDSAT/LT5_SR)在大气校正受到不利影响,如:SR用于太阳天顶角大于76° 的场景、高纬度地区(>65°)、超干旱或积雪覆盖地区、低太阳角地区、广泛受云污染的地区时质量下降.本文使用2 274景Landsat大气反射率(Top-of-Atmosphere, TOA)影像数据,每年可用的影像数量如图4(c)所示.所有Landsat TOA数据都经过辐射定标、辐射校正[36].对每张图像中的云进行评分(0~100%代表云量的多少),筛选出云量小于15%的区域,由于TOA数据未经过大气校正和地形校正,山体阴影可能被误提为水,利用阴影在图像中属于较暗的特征,利用百分位数处理,对红光波段选取20%为阈值,将低于该阈值的像元去除[37].经过去云和去阴影处理后得到的像元为良好观测像元,1986~2018年总像元数和良好观测像元分布如图4(a)、(b)所示. ...
阴影植被指数SVI的构建及其在四种遥感影像中的应用效果
1
2013
... GEE提供丰富的数据,包括Landsat、MODIS、Sentinel、ASTER、世界人口分布密度、土地利用分类、气候、降水量和夜间灯光数据都储存在谷歌服务器,用户可以通过JaveScript和Python编程语言直接在云端调用[35].由于地表反射率数据(Surface Reflectance, SR)(https://code.earthengine.google.com/dataset/LANDSAT/LT5_SR)在大气校正受到不利影响,如:SR用于太阳天顶角大于76° 的场景、高纬度地区(>65°)、超干旱或积雪覆盖地区、低太阳角地区、广泛受云污染的地区时质量下降.本文使用2 274景Landsat大气反射率(Top-of-Atmosphere, TOA)影像数据,每年可用的影像数量如图4(c)所示.所有Landsat TOA数据都经过辐射定标、辐射校正[36].对每张图像中的云进行评分(0~100%代表云量的多少),筛选出云量小于15%的区域,由于TOA数据未经过大气校正和地形校正,山体阴影可能被误提为水,利用阴影在图像中属于较暗的特征,利用百分位数处理,对红光波段选取20%为阈值,将低于该阈值的像元去除[37].经过去云和去阴影处理后得到的像元为良好观测像元,1986~2018年总像元数和良好观测像元分布如图4(a)、(b)所示. ...
阴影植被指数SVI的构建及其在四种遥感影像中的应用效果
1
2013
... GEE提供丰富的数据,包括Landsat、MODIS、Sentinel、ASTER、世界人口分布密度、土地利用分类、气候、降水量和夜间灯光数据都储存在谷歌服务器,用户可以通过JaveScript和Python编程语言直接在云端调用[35].由于地表反射率数据(Surface Reflectance, SR)(https://code.earthengine.google.com/dataset/LANDSAT/LT5_SR)在大气校正受到不利影响,如:SR用于太阳天顶角大于76° 的场景、高纬度地区(>65°)、超干旱或积雪覆盖地区、低太阳角地区、广泛受云污染的地区时质量下降.本文使用2 274景Landsat大气反射率(Top-of-Atmosphere, TOA)影像数据,每年可用的影像数量如图4(c)所示.所有Landsat TOA数据都经过辐射定标、辐射校正[36].对每张图像中的云进行评分(0~100%代表云量的多少),筛选出云量小于15%的区域,由于TOA数据未经过大气校正和地形校正,山体阴影可能被误提为水,利用阴影在图像中属于较暗的特征,利用百分位数处理,对红光波段选取20%为阈值,将低于该阈值的像元去除[37].经过去云和去阴影处理后得到的像元为良好观测像元,1986~2018年总像元数和良好观测像元分布如图4(a)、(b)所示. ...
西藏纳木错 1971~2004年湖泊面积变化及其原因的定量分析
1
2010
... 呼伦湖降雨数据由美国国家海洋和大气管理局(NOAA)降雨量(PERSIANN-CDR,CDR)提供.水体实际蒸发数据由(Penman-Monteith-Leuning Evapotranspiration,PML)计算得到,但其数据的可用时间段为2002~2017年,无法覆盖整个时间段(1986~2018年)(注:降雨和蒸发数据获取时间为2019年6月).因此本文依据水体实际蒸发量与潜在蒸发量存在着线性关系的原则,利用 Global Land Data Assimilation System(GLDAS)中计算的潜在蒸散发β(1986~2018年)和PML计算的水体实际蒸发数据α,利用最小二乘法进行拟合(图5(a)),从而将PML数据扩展至1986~2018年[38].函数关系如下: ...
西藏纳木错 1971~2004年湖泊面积变化及其原因的定量分析
1
2010
... 呼伦湖降雨数据由美国国家海洋和大气管理局(NOAA)降雨量(PERSIANN-CDR,CDR)提供.水体实际蒸发数据由(Penman-Monteith-Leuning Evapotranspiration,PML)计算得到,但其数据的可用时间段为2002~2017年,无法覆盖整个时间段(1986~2018年)(注:降雨和蒸发数据获取时间为2019年6月).因此本文依据水体实际蒸发量与潜在蒸发量存在着线性关系的原则,利用 Global Land Data Assimilation System(GLDAS)中计算的潜在蒸散发β(1986~2018年)和PML计算的水体实际蒸发数据α,利用最小二乘法进行拟合(图5(a)),从而将PML数据扩展至1986~2018年[38].函数关系如下: ...
基于降水量距平百分率的内蒙古地区干旱特征
1
2019
... 考虑河流流量对呼伦湖面积的影响,将降雨减去水面实际蒸发(P-E)划为因素A,河流流入水量减去河流流出水量(Qin–Qout)划为因素B.呼伦湖面积的变化为每年面积与33年面积均值的差值(图9).在面积变化四段时间中,第一段为呼伦湖面积平稳上升,该阶段降雨量大于其他阶段,流域内河流都有着充足水资源补充,每年净流入呼伦湖总量(流入减流出)约为14.5×108 m3,因素A和因素B对湖泊面积增大都有着重要影响(表1).在呼伦湖面积骤减阶段,呼伦贝尔地区经历连续的干旱(2000~2012年),该地区的干旱特点为频率高和连续性强[39].该段时间内,蒸发量升高,降雨量减少,导致两个径流和湖面积都急剧下降[5],每年流量约为4.0×108 m3,但在2000~2002年期间湖面积下降十分缓慢,且在因素A开始骤减阶段湖面积并没有迅速下降,可以看出因素B对湖泊面积减少起到重要的缓冲作用.在湖面积迅速回升阶段,由于2013年内蒙古地区受强降雨的影响,河流流量为23.9×108 m3,是所有年份中最大值,湖面积在该年内出现迅速回涨,之后几年因素A有所回升,湖面积也开始缓慢增长. ...
基于降水量距平百分率的内蒙古地区干旱特征
1
2019
... 考虑河流流量对呼伦湖面积的影响,将降雨减去水面实际蒸发(P-E)划为因素A,河流流入水量减去河流流出水量(Qin–Qout)划为因素B.呼伦湖面积的变化为每年面积与33年面积均值的差值(图9).在面积变化四段时间中,第一段为呼伦湖面积平稳上升,该阶段降雨量大于其他阶段,流域内河流都有着充足水资源补充,每年净流入呼伦湖总量(流入减流出)约为14.5×108 m3,因素A和因素B对湖泊面积增大都有着重要影响(表1).在呼伦湖面积骤减阶段,呼伦贝尔地区经历连续的干旱(2000~2012年),该地区的干旱特点为频率高和连续性强[39].该段时间内,蒸发量升高,降雨量减少,导致两个径流和湖面积都急剧下降[5],每年流量约为4.0×108 m3,但在2000~2002年期间湖面积下降十分缓慢,且在因素A开始骤减阶段湖面积并没有迅速下降,可以看出因素B对湖泊面积减少起到重要的缓冲作用.在湖面积迅速回升阶段,由于2013年内蒙古地区受强降雨的影响,河流流量为23.9×108 m3,是所有年份中最大值,湖面积在该年内出现迅速回涨,之后几年因素A有所回升,湖面积也开始缓慢增长. ...