针对黑河流域大尺度环境下水体提取难度大、演变规律尚不明晰等问题,基于谷歌地球引擎(Google Earth Engine,GEE)处理黑河流域1986—2024年Landsat影像,采集7.8×10^(4)个水体/非水体样本并构建逐年样本数据集,通过将多波段水体指数...针对黑河流域大尺度环境下水体提取难度大、演变规律尚不明晰等问题,基于谷歌地球引擎(Google Earth Engine,GEE)处理黑河流域1986—2024年Landsat影像,采集7.8×10^(4)个水体/非水体样本并构建逐年样本数据集,通过将多波段水体指数(Multi band water index,MBWI)、增强型水体指数(Enhanced water index,EWI)、改进归一化差异水体指数(Modified normalized difference water index,MNDWI)与光谱波段进行单独与统一组合,构建并筛选出最佳融合水体指数的随机森林(Random forest,RF)水体提取方法,提取了研究区39个时相的逐年地表水体影像,采用曼-肯德尔(Mann-Kendall,M-K)法揭示了黑河流域逐年地表水体面积变化特征,基于主成分与敏感性分析探究了影响地表水体演变的主要驱动因素。结果表明:融合3种水体指数(MBWI、EWI、MNDWI)的随机森林水体提取方法对黑河流域Landsat影像的水体提取效果最佳,平均总体精度(Overall accuracy,OA)为96.16%,平均Kappa系数为0.9128;经M-K法检验,黑河流域1986—2024年地表水体面积呈波动减少态势;年降水量、人口、年蒸散量为黑河流域地表水体演变的最主要驱动因素。研究结果可为全流域地表水体的快速准确提取提供理论支持。展开更多
文摘针对黑河流域大尺度环境下水体提取难度大、演变规律尚不明晰等问题,基于谷歌地球引擎(Google Earth Engine,GEE)处理黑河流域1986—2024年Landsat影像,采集7.8×10^(4)个水体/非水体样本并构建逐年样本数据集,通过将多波段水体指数(Multi band water index,MBWI)、增强型水体指数(Enhanced water index,EWI)、改进归一化差异水体指数(Modified normalized difference water index,MNDWI)与光谱波段进行单独与统一组合,构建并筛选出最佳融合水体指数的随机森林(Random forest,RF)水体提取方法,提取了研究区39个时相的逐年地表水体影像,采用曼-肯德尔(Mann-Kendall,M-K)法揭示了黑河流域逐年地表水体面积变化特征,基于主成分与敏感性分析探究了影响地表水体演变的主要驱动因素。结果表明:融合3种水体指数(MBWI、EWI、MNDWI)的随机森林水体提取方法对黑河流域Landsat影像的水体提取效果最佳,平均总体精度(Overall accuracy,OA)为96.16%,平均Kappa系数为0.9128;经M-K法检验,黑河流域1986—2024年地表水体面积呈波动减少态势;年降水量、人口、年蒸散量为黑河流域地表水体演变的最主要驱动因素。研究结果可为全流域地表水体的快速准确提取提供理论支持。
