洪水淹没范围快速提取模型研究

【目的】洪水灾害是威胁人类生存和经济发展的十大自然灾害之一,为快速准确地获取洪水淹没范围,有力支持洪水灾情评估、救援以及资源调配。【方法】本文基于Google Earth Engine云平台,以斯里兰卡中东部为水体提取研究区,从目视判读与定量分析2个角度对比分析了大津法(OTSU)-阈值模型提取Sentinel-1影像水体和OTSU-归一化水体指数(NDWI)模型提取Sentinel-2影像水体的精度;结合地形建模后的山体阴影掩膜数据,构建了基于Google Earth Engine和Sentinel-1/2影像的洪水淹没范围快速提取模型,并应用于2017年5月斯里兰卡马塔拉区和2020年7月鄱阳湖区的特大洪灾分析。【结果】经过分析发现有云区域Sentinel-1影像的提取精度明显高于Sentinel-2影像,能有效地避免云和云阴影对水体提取结果的影响;无云区域Sentinel-2影像的提取结果较好,能比较准确地提取出水体的边界;2种影像均存在山体阴影误分为水体的现象。本文提出的模型在2个研究区内均可以有效地识别出洪水淹没范围,马塔拉区的提取结果与IWMI发布的存在高度的一致性,鄱阳湖区的灾情分析结果与江西省国防科技信息和卫星应用中心发布的洪灾信息一致。【结论】该模型效率高、可行性强、时间成本低,有效地避免了耗时的影像下载以及预处理操作,能近实时地进行洪水淹没范围测绘,可广泛应用于洪灾应急监测。

面向Sentinel-2影像的LBV和K-T变换水体信息提取模型

为实现在复杂水环境下水体的精确提取,以斯里兰卡中东部为研究区,推导了用于Sentinel-2影像的LBV变换方程,在分析了水体与植被、阴影、水田泥地等典型地物经LBV和K-T变换后特征的基础上,提出了基于LBV和K-T变换的水体提取模型,并从目视判读和定量分析2个角度与归一化水体指数、改进的归一化差异水体指数模型的提取结果进行对比。结果表明:归一化水体指数和改进的归一化差异水体指数模型的总体精度相对较低,低于90%,存在较为明显的误提现象,归一化水体指数模型将一部分云阴影、山体阴影和水田泥地误分为水体,改进的归一化差异水体指数模型将一部分云和水田泥地误分为水体,同时2个模型还存在一定的漏提现象;基于LBV和K-T变换的水体提取模型总体精度最高,达到98.13%,有效消除了云、云阴影、山体阴影和水田泥地的影响,实现了复杂水环境下水体的精确提取,模型可广泛应用与多云、多山、复杂水环境等区域,对水资源调查、监测与保护有重要的现实意义。

基于Landsat影像的斯里兰卡内陆湖库水体时空变化分析

斯里兰卡是海上丝绸之路沿线重要节点,降雨量丰富但时空分布不均匀,存在明显季节性缺水,其内陆湖库水体面积变化监测对水资源开发利用具有重要指导作用。为了解斯里兰卡湖库水体空间分布特征与时间变化规律,本文基于Landsat系列影像数据,对比分析不同水体提取模型在影像上的水体提取精度,确定最优算法;选取典型湖库分析其面积年际和年内的动态变化特征。以1995、2005和2015年为基准研究年份,采用最优水体提取模型对全岛内陆湖库水体进行提取,利用面积将湖库分为4个等级,统计各年份不同等级湖库的数量和面积数据,分析其时空变化特征。研究结果表明:①基于大津法(OTSU)的归一化水体指数(NDWI)水体提取模型提取水体的精度最高,总体精度在97%以上,误提率和漏提率最低,适合于斯里兰卡地区水体的提取;②1988-2018年同期8月的典型水库面积总体呈现波动增加的趋势,1992年水库面积最小,2013年水库面积最大;水库面积年内变化较大,其中2017年最大面积出现在2月,最小出现在9月,与雨季和旱季结束月份基本一致,且2月面积是9月面积的2.24倍;③1995-2015年同期,斯里兰卡全国4个等级湖库的数量和面积不同幅度的增加,湖库水体资源量呈递增的趋势。研究结果可为斯里兰卡水土资源优化配置及水资源管理与规划提供科学依据。

大湄公河次区域植被覆盖时空变化特征及其与气象因子的关系

【目的】分析大湄公河次区域植被覆盖的时空分布变化规律及其与气象因子之间的关系,为全球变暖环境下大湄公河次区域植被保护及生态环境修复提供理论依据。【方法】以大湄公河次区域为研究区,使用MOD13Q1-NDVI数据,借助Google Earth Engine(GEE)平台反演区域2005—2019年植被覆盖,采用线性回归分析、马尔科夫模型等分析区域植被覆盖的时空分布规律,并利用偏相关分析法探究植被覆盖与气象因子之间的关系。【结果】大湄公河次区域高植被覆盖的面积占总面积的61.9%,空间上呈现北低南高、东高西低的特点;2005—2016年,区域植被以改善为主,主要是中高植被向高植被类型转化;2016—2019年,区域植被发生明显退化,以高覆盖植被类型退化为主;15年来,呈改善趋势的面积占总面积12.7%,呈退化趋势的面积占总面积3.0%,基于Hurst指数分析发现,区域植被未来显著改善面积大于显著退化,南部地区未来会发生退化;年际变化趋势上,归一化植被指数(NDVI)与气温呈显著正相关,相关系数为0.61,与降水相关性较弱;空间上,区域植被NDVI变化受到气温和降水影响,北部与降水显著负相关,南部与气温显著负相关。【结论】大湄公河次区域植被覆盖整体较好,改善趋势大于退化趋势。综合来看,大湄公河次区域植被变化与气温和降水有一定关系,尤其是北部和南部。