基于时序Sentinel-2数据水体动态变化监测——以河南省为例OA北大核心CSTPCD

内陆水体作为生态系统中不可替代的资源,在气候变化、区域水循环等诸多方面起着至关重要的作用。科学准确地监测水体分布与动态变化,对维持生态系统平衡、人类可持续发展、水旱灾害预警等方面具有重要意义。然而,目前针对内陆水体的研究多以静态监测为主,对于高分辨率水体动态变化监测研究仍较为匮乏。因此,研究依托Google Earth Engine(GEE)云计算平台,以2020年的Sentinel-2地表反射率数据为数据源,进行10 m空间分辨率水体动态变化监测研究。首先,研究基于典型地表覆盖类型在Sentinel-2不同波段及水体指数中的表现特征,选取最优的水体监测特征;其次,研究结合先验水体产品提出一种水体训练数据集的自动提取方法,来获取高置信度水体训练样本;再次,依据D-S(Dempster-Shafer)证据理论模型将光谱角距离与欧式距离相融合,并结合所提取的最优监测特征提出一种SA-ED(spectral angle-Euclidean distance)水体动态监测模型;最后,以河南省为例对算法的稳定性进行测试。结果表明,本研究所提SA-ED模型能够有效对水体的动态变化进行监测,基于SA-ED算法对河南省内水体的整体监测精度达到97.03%,对于稳定性水体用户精度和生产者精度分别为95.85%和95.17%,季节性水体的用户精度和生产者精度分别为96.21%和93.82%。研究成果可为精细分辨率的水体动态变化监测提供新的借鉴与思路。