江 威

中国水利水电科学研究院，北京 100038

陆表水体是水资源管理、水生态治理及洪水应急监测不可缺少的基础信息，多源卫星遥感为研制陆表水体产品奠定了坚实的数据基础。论文首先对目前陆表水体制图产品和方法进行总结，构建全球地表水体产品验证样本集，分析评估全球中高分辨率陆表水体产品制图精度，基于Google Earth Engine(GEE)遥感大数据平台开展2000年和2018年中国区域陆表水体频率产品研制，提出了针对多源国产中高分辨率陆表水体智能提取方法，分析了21世纪以来中国区域陆表水体时空变化特征。主要研究内容如下：

(1)全球中高分辨率陆表水体产品精度评估。目前，全球共发布了16套陆表水体制图产品，主要由阈值法、光谱指数法、基于统计与机器学习方法和面向对象方法4类方法组合研制。以JRC季节变化水体产品作为参考，提出了基于格网空间子集划分的样本点生成方法，构建并验证了全球区域包含永久水体、季节水体和陆地的样本集。利用该样本集对5套陆表水体产品(GlobalSurface Water、Global Land 30-water、GLCF-GIW、JRC和G3WBM)进行精度评估。结果表明，各陆表水体产品精度存在一定差异，主要受卫星数据时相、空间分辨率、水体提取算法及产品定义等因素影响，结合精度验证结果，JRC陆表水体产品具有较高的精度和质量。针对其永久水体产品，JRC在全球和中国区域精度分别为93.54%和86.81%，JRC季节水体产品的全球和中国区域精度分别为89.65%和84.18%。

(2)针对现有陆表水体产品在中国区域精度较低的问题，设计了基于GEE遥感大数据平台的陆表水体频率产品研制方法。在全国范围选取了2755个典型样本点，构建了包括光谱波段、水体指数等11个特征波段，利用随机森林智能分类模型，实现2000年和2018年中国区域长时间跨度陆表水体频率产品的生成，两期产品精度验证表明，2000年和2018年中国陆表水体频率产品精度分别为92.61%和94.23%，高于HMGSW的季节水体产品。

(3)提出了基于多层感知器神经网络(MLP)的陆表水体智能提取方法。针对国产高分辨光学卫星，提出了基于多层感知器神经网络(MLP)算法陆表水体智能提取方法，该算法通过构建全链接神经网络对大量样本学习优化，达到最优的分类结果。与随机森林和决策树方法提取精度对比，MLP算法不仅对湖泊、细河、海水、池塘及水产养殖水域等不同类型水体均具有较好的提取效果，而且能抑制云阴影、山体阴影、湿河床、城市阴影和冰雪等噪声，全局精度均超过94%，能够适用于不同高分光学遥感数据水体智能提取。进一步与30 m分辨率地表水体产品融合，可有效地克服分辨率较粗带来的混合像元和水体漏提现象，实现高精度的陆表水体频率制图。

(4)基于研制的两期中国陆表水体频率产品，分析21世纪以来中国区域陆表水体时空变化特征，2000年最大水体面积为260 176 km2，而2018年最大水体面积为307 256 km2，增长了18.10%，其中永久水体面积下降8.7%，而季节水体面积增长了41.51%。长江流域在最大水体面积和季节水体面积最大，内陆河流永久水体面积最大。永久水体较多的省份是西藏、青海和江苏，季节水体较丰富的是西藏、黑龙江和湖北，永久水体在南部省份显著下降，而北部省份明显增加，呈较明显的南北差异特征。