密集长序遥感数据的水文信息挖掘与应用探讨

密集长序遥感数据的水文信息挖掘与应用初探北京师范大学地理科学学部

遥感科学国家重点实验室（联合）2018年11月10日汇报人：蒋卫国2018水利遥感与3S产业发展高峰论坛，深圳主题：新时代的水利遥感与3S产业化1汇报提纲密集长序水文遥感的研究背景密集长序遥感的水文研究探索密集长序遥感的水文应用思考2一、密集长序水文遥感的研究背景大数据技术为遥感大数据自动分析与深度挖掘带来了机遇与挑战（李德仁院士，周成虎院士，李建成院士等）。遥感大数据：运用大数据思维与手段，聚焦于从多种来源、多种介质、多种频段、多种分辨率的海量遥感数据集中获取价值信息的理论、方法、技术与活动的统称。遥感大数据技术具有5V特征：

：Volume(体量大)、Variety(多样性)、Velocity(变化快)、Veracity(准确性)、Value(价值大)。1.1.遥感大数据的机遇与特征3一、密集长序水文遥感的研究背景1.1.遥感大数据的机遇与特征在轨运行卫星多(1400多颗卫星,300多颗遥感卫星)我国遥感卫星多(陆地观测40多,气象9颗,海洋2颗)遥感数据量多(PB/EB级，高分二号10分钟过境下传的数据超过4.8TB)41.2.密集长序遥感数据的类型1981-2018NOAA/MODIS/FY等低空间高时间分辨率遥感数据1974-2018Landsat/HJ/CEBERS/哨兵等中空间分辨率遥感数据2000-2018SPOT/IKONOS/QB等高分辨率遥感数据2013-至今国产高分辨率遥感数据一、密集长序水文遥感的研究背景2018年2067年1974年时间间隔尺度：年、月、天、小时序列越长，间隔越短，时序分析越有亮点2013年51.2.密集长序遥感数据的类型一、密集长序水文遥感的研究背景全球覆盖（19840316-20151010）Landsat系列卫星61.3.密集长序遥感数据的研究应用-水体遥感一、密集长序水文遥感的研究背景2016年9月2016年12月荷兰的GennadiiDonchyts，欧盟联合研究中心(JRC)的Pekel等与Google合作，全球近30年超过300万张LANDSAT卫星图像，利用1000台计算机并行处理并提取水体，绘制成30米分辨率全球地表水分布的高清晰地图，揭示过去地表水分布造成的巨大变化。71.3.密集长序遥感数据的研究应用-水体遥感一、密集长序水文遥感的研究背景2015年11月澳大利亚25年18万多张LANDSAT卫星图像，280万个样本，通过逻辑回归树方法自动提取水体，绘制25年积水频率图，分析极端水旱灾害的水文过程。81.3.密集长序遥感数据的研究应用-降水遥感一、密集长序水文遥感的研究背景（Sun,etal.,2018,

ReviewsofGeophysics）降水遥感产品，集成站点数据、卫星观测数据以及大气模型模拟数据，具有时间尺度长、空间分辨率较高等优点，就被应用于降水相关研究。91.3.密集长序遥感数据的研究应用-水储量遥感一、密集长序水文遥感的研究背景GRACE重力卫星由美国航天局及德国空间飞行中心联合于2002年联合发射，通过精确定位和相互跟踪探测地球重力场及变化——这种变化主要反映陆地水储量的变化。主要有三个数据中心估算反演水储量数据：CSR,GFZ,JPL。基于GRACE数据监测洪水灾害事件。（

Reageretal.,2009,GeophysicalResearchLetters）101.4.密集长序多源的水文数据基础一、密集长序水文遥感的研究背景气象水文水环境监测数据1951-2018降雨站点数据1980-2018水文站点数据2000-2018水环境站点数据

水文遥感监测大数据1981-2018NOAAAHVRR/MODIS/FY等低分辨率遥感数据1974-2018Landsat/HJ/CEBERS/哨兵等中分辨率遥感数据2000-2018SPOT/IKONOS/QB/OBVIEW等高分辨率遥感数据

水文遥感反演数据2003-2015GRACE水储量数据

2003-2015ICESAT水位数据1997-2007TRMM降雨量数据2014-GPM/GMI降雨量数据2015-SMAPRADAR土壤含水量数据水文模型模拟数据1948-2016GLDAS水文产品水文众包数据

社交媒体、移动终端、公共平台等水文众包数据111.5.密集长序遥感的水体识别方法一、密集长序水文遥感的研究背景（1）水体指数法根据水体在水体指数和植被指数中的特定区间，建立水体识别方程。一般将NDWI与NDVI结合，建立关于NDWI和NDVI的水体概率分段函数，如（只是节选公式的一部分，实际情况要复杂的多）：（2）经典监督分类法采用传统的监督分类方法，如支持向量机、人工神经网络、随机森林、决策树等，选择足够多（一般是海量）的样本点。通常，为了突出水体特征，除了输入反射率数据外，还将多个水体指数、植被指数作为特征变量一起输入，如：（3）针对水体识别的特定方法与之前的监督分类方法不同，该方法将更多的精力放在水体上，针对性更强，如设计对水体信息更加敏感的目标函数、针对水体信息挖掘的智能、专家系统等。12二、密集长序遥感的水文信息挖掘探索一种水体遥感提取算法研发与全球典型应用基于密集长序LANDSAT数据的水体提取与分析基于密集长序MODIS数据的水体提取及过程分析基于GRACE数据的水储量估算与变化识别分析132.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用二、密集长序遥感的水文信息挖掘探索方法导向：选定智能优化方法：离散粒子群优化算法(PSO)，集成其他方法：光谱匹配方法。应用导向：自动提取水体，适合不同类型的水体区域。产出导向：申请发明专利，在RemoteSensingofEnvironment发表文章，方法有创新性，应用有普适性，全球选择多个区域。引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment14基于光谱匹配和离散粒子群优化的水体提取算法(SMDPSO)二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment15二、密集长序遥感的水文信息挖掘探索样例示意图：局部迭代寻优、最优水体自动提取2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment16A加拿大西北海岸岩溶湖群寒带苔原气候B巴西亚马逊流域马瑙斯热带雨林气候C德国汉堡水上城市温带海洋性气候D1尼日利亚约贝河旱季热带稀疏草原气候D2尼日利亚约贝河雨季热带稀疏草原气候E孟加拉湾河网热带季风气候F中国黄河沿岸池塘群温带季风气候G澳大利亚盐湖群亚热带沙漠和草原气候二、密集长序遥感的水文信息挖掘探索区域选择：8个测试区，数据：Landsat8遥感图像2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment17二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用KaiJia,2018,RemoteSensingofEnvironment目视评估：德国汉堡水上城市,水体识别:优于监督分类（SVM）加拿大西北海岸岩溶湖群,浅滩识别：优于监督分类（SVM）引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment18二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用目视评估：中国黄河沿岸池塘群,池塘边界识别优；尼日利亚约贝河旱季/雨季，荒漠水体识别：稍微低于监督分类（SVM）引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment19二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用定量化评估：总体精度和Kappa系数高：胜过非监督分类，略胜于监督分类错分和漏分误差低，稳定性：胜过非监督分类和监督分类；引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment20二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用敏感性分析：对内陆水体不敏感，不同的内陆水体作为标准水体光谱得出的分类精度几乎一致。引用：KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironment21二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用实例应用：2013年东北洪水淹没制图，1984～2018白洋淀水资源分析。KaiJia,WeiguoJiang,2018,RemoteSensingofEnvironmentXiaoyaWang,WeiguoJiang,2018,Water22二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用实例应用：1984～2018白洋淀水资源分析。引用：XiaoyaWang,WeiguoJiang,2018,Water23二、密集长序遥感的水文信息挖掘探索2.1.一种新型简易高效的水体遥感提取算法研发与全球典型应用实例应用：1984～2018白洋淀水资源分析。引用：XiaoyaWang,WeiguoJiang,2018,Water242.2.基于密集长序LANDSAT数据的城市湖泊水体提取引用:YueDeng，WeiguoJiang，2017，RemoteSensing武汉城市圈38年1375幅图像二、密集长序遥感的水文信息挖掘探索252.2.基于密集长序LANDSAT数据的城市湖泊水体提取二、密集长序遥感的水文信息挖掘探索（1）收集训练样本和多特征波段指数（10万个，6个波段5个指数）（2）利用随机森林树方法自动提取水体（3）过滤影响湖泊无关水体（4）提取结果及精度验证（5）分析水体变化及应用利用RandomForest随机森林树模型、海量样本和多特征向量自动提取水体引用:YueDeng，WeiguoJiang，2017，RemoteSensing262.2.基于密集长序LANDSAT数据的城市湖泊水体提取二、密集长序遥感的水文信息挖掘探索水体提取精度效果好，绘制了38年的积水频率图，可识别出最大水体、最小水体、稳定性水体、季节性水体等。平均精度:93.11%;标准差:2.26%引用:YueDeng，WeiguoJiang，2017，RemoteSensing272.2.基于密集长序LANDSAT数据的城市湖泊水体提取二、密集长序遥感的水文信息挖掘探索分析城市建设扩展对湖泊湿地面积的侵占。引用:YueDeng，WeiguoJiang，2017，RemoteSensing28二、密集长序遥感的水文信息挖掘探索分析洪水灾害及干旱灾害对河流湖泊的影响。引用:YueDeng，WeiguoJiang，2017，RemoteSensing2.2.基于密集长序LANDSAT数据的城市湖泊水体提取292.3.基于密集长序MODIS数据的水体提取与过程分析2000-2016年8天250米21736幅10个向量MODIS数据70万个水体与非水体样本点20个大湖大河LANDSAT验证影像二、密集长序遥感的水文信息挖掘探索30引用:PinzengRao，WeiguoJiang，2018，RemoteSensing密集长序地表水体提取过程8天500米和16天250米水体融合，产生8天250米的水体二、密集长序遥感的水文信息挖掘探索2.3.基于密集长序MODIS数据的水体提取与过程分析31二、密集长序遥感的水文信息挖掘探索2.3.基于密集长序MODIS数据的水体提取与过程分析引用:PinzengRao，WeiguoJiang，2018，RemoteSensing17年每8天的775期全国水体图，叠加计算水体积水频率，淹没频率，干旱频率等，可提取最大水体、最小水体、消落带。积水频率图洞庭湖积水频率图鄱阳湖积水频率图32二、密集长序遥感的水文信息挖掘探索2.3.基于密集长序MODIS数据的水体提取与过程分析引用:PinzengRao，WeiguoJiang，2018，RemoteSensing

水资源时空分布分析，统计分析稳定水体、季节水体，增加和减少的稳定水体。332013年7-9月松花江洪水演变过程2016年7月宜昌-武汉洪水演变过程二、密集长序遥感的水文信息挖掘探索2.3.基于密集长序MODIS数据的水体提取与过程分析引用:PinzengRao，WeiguoJiang，2018，RemoteSensing水旱灾害变化过程分析，识别出洪水淹没区域，统计淹没灾情影响，等等。342.4.基于GRACE重力卫星的水储量估算与变化识别分析2003-2015年每月GRACE水储量变化趋势空间分布二、密集长序遥感的水文信息挖掘探索35引用：ZhengChen，WeiguoJiang，2017，ScientificReports;陈坤，蒋卫国,2018，自然资源学报2003-2015年水储量异常频率和水储量累计亏损体积经度与纬度带平均的水储量异常时空格局二、密集长序遥感的水文信息挖掘探索2.4.基于GRACE重力卫星的水储量估算与变化识别分析36引用：ZhengChen，WeiguoJiang，2017，ScientificReports;陈坤，蒋卫国,2018，自然资源学报2003-2015年松花江水储量盈余与洪涝关系2003-2015年松花江水储量亏损与干旱关系二、密集长序遥感的水文信息挖掘探索2.4.基于GRACE重力卫星的水储量估算与变化识别分析37引用：ZhengChen，WeiguoJiang，2017，ScientificReports;陈坤，蒋卫国,2018，自然资源学报3.1.科学问题挖掘与分析38要素维S时序曲线水文要素曲线1974～2018年**区域的长序密集遥感图像，专题水文参数（降雨、水位、水量、水体…）的四维可视化表达研究问题：时间变化问题、空间异质问题、要素关联问题、系统综合问题、耦合集成问题、过程机理问题……三、密集长序遥感的水文应用思考3.2行业需求-暴雨灾害监测预警