摘要
湖泊是地球水资源的重要组成部分，精准掌握其动态变化状况对于水资源管理和实现水资源可持续发展至关重要。目前，大范围、长时序的湖泊面积动态监测主要依靠遥感技术，尤其是谷歌地球引擎（Google Earth Engine,GEE）的广泛使用极大地促进了湖泊遥感监测技术的应用与发展。然而，现有的、适用于GEE的水体提取方法并不能很好地将水体从复杂背景中分离出来，同时，Landsat和Sentinel-2的影像容易受到云污染的影响，导致提取高时间分辨率水体存在较大困难。这给掌握湖泊的长时序连续变化情况、分析其变化规律和影响因素带来了挑战。针对上述问题，本研究提出一种面向GEE云处理平台的长时序水体数据集构建方法——基于最近邻像素填充的时空数据集构建法（Temporal gap-Filling with Nearest pixel Dataset Construction，TFN-DC）:首先，采用基于最近像素填充（TFN）的时空插值法填充影像中的云污染区域;其次，通过合理组合NDWI、AWEInsh和 EVI 建立多规则水体提取法（Multi-Rule Water Extraction,MRWE）,以避免复杂算法可能导致的GEE实现困难、效率低等问题;最后，以我国第一大淡水湖——鄱阳湖为例，构建了 1987-2021年的长时序水体数据集，并据此对35年来鄱阳湖的水体淹没频率（Water Inundation Frequency,WIF）变化以及湖泊面积的年内和年际变化情况进行了分析。研究主要结论如下: （1）相较于GEE中现有的水体提取方法，本研究提出的MRWE法在面对复杂环境下的水体提取时，精度更高、鲁棒性更强。该方法可有效克服山体阴影、干涸洼地的影响，同时能够保证细小水道的连续性和完整性。实验结果表明，该方法能够有效提升水体提取精度（OA≥ 95％,Kappa ≥0.90）,降低复杂地貌等环境因素的影响。 （2）TFN-DC法能够减小云层遮蔽对水体信息获取的影响，构建时间跨度更长、时间分辨率更高的水体数据集。经验证，由该方法构建的水体数据集精度较高（OA≥95％,Kappa≥0.78）,最终得到的鄱阳湖数据集波动特征及变化趋势与前人研究结果一致，而且，其月覆盖率达到了 62％,比GSW数据集提升了 29％。这表明TFN-DC法能够极大地提升数据质量与时间分辨率，可为更好地探究湖泊季节/月度变化差异、提高湖泊环境保护和管理水平提供数据支撑。 （3）35年间鄱阳湖面积整体呈下降趋势，永久性水体减少，季节性水体增加，湖泊面积年内与年际变化大。 本研究提出的长时序水体数据集构建方法能够有效降低云污染的干扰、准确提取复杂背景下的水体信息，且方法简单、适于在GEE等云平台上实现，对于全球水资源动态监测、湖泊保护恢复以及可持续发展具有重要意义。
NETL