洪涝灾情的准确测度需要同时兼顾淹没区的面积大小和淹水时长信息。利用淹没区内由水和作物等多种地物所组成的"复合水体"不同于水体的波谱时间变化特性,将不同洪灾时期的水体指数和植被指数进行信息复合,以有效凸显水体和洪...洪涝灾情的准确测度需要同时兼顾淹没区的面积大小和淹水时长信息。利用淹没区内由水和作物等多种地物所组成的"复合水体"不同于水体的波谱时间变化特性,将不同洪灾时期的水体指数和植被指数进行信息复合,以有效凸显水体和洪涝淹没区之间的影像差异,据此进行了灾初期、峰期和中后期等3个时次受淹范围的有效识别。在此基础上,根据洪涝灾情随着淹没时长而加重以及灾区内淹水时长非均匀分布的特性,建立基于淹没时长的受淹面积不等权参与的洪灾扩展动态度指数(Variation Index of Flood,VIF)和区域灾情比较指数(Comparison Index of Flood Disaster,CIFD)两种模型,并将模型应用于鄱阳湖区2016年夏季农业洪涝灾害的时空变化遥感监测。结果显示,应用上述两种模型不仅可以准确获取鄱阳湖区本次农业洪涝灾情的演变趋势,而且能够方便地对比分析区域内不同地方的受灾程度。鄱阳湖区在2016年6月23日~7月25日期间的洪涝灾情具有由弱增强再趋弱的特征,其VIF指数由初始阶段(6月23日~7月9日)的3.75降至后续阶段(7月9日~7月23日)的1.29;鄱阳县是研究区内受灾最严重的区域,其CIFD指数值居于研究区内各受灾县市之首,该县受灾总面积以及多次被淹的灾区面积均高于其他县市。展开更多
湖泊是重要的淡水资源,准确了解湖泊水体动态变化有利于水资源可持续利用和社会经济发展。本研究基于Google Earth Engine(GEE)平台,以Joint Research Centre(JRC)全球地表水数据集和Landsat遥感影像为数据源,分析了1984—2018年大型湖...湖泊是重要的淡水资源,准确了解湖泊水体动态变化有利于水资源可持续利用和社会经济发展。本研究基于Google Earth Engine(GEE)平台,以Joint Research Centre(JRC)全球地表水数据集和Landsat遥感影像为数据源,分析了1984—2018年大型湖泊——太湖水体的动态变化,并利用改进的归一化差异水体指数(MNDWI)研究了太湖面积变化趋势。结果表明:1984—2018年,太湖湖泊面积呈增加趋势,共增加45.31 km^2,湖泊面积呈夏季低、春冬季高的特点,东太湖是太湖面积发生变化的主要区域。与1984年相比,2018年太湖88.9%的水体未发生任何变化,0.3%的水体永久性消失。湖泊面积变化受自然和人为因素的共同影响,农业灌溉、渔业养殖、围湖垦殖、水利工程设施和土地利用类型转移等导致湖泊面积减少;年降水量增加和环境保护政策的实施是湖泊面积增加的主要原因。本研究结果可为实施水资源可持续管理提供参考,亦验证了基于GEE平台开展水体长期变化监测的可行性。展开更多
文摘洪涝灾情的准确测度需要同时兼顾淹没区的面积大小和淹水时长信息。利用淹没区内由水和作物等多种地物所组成的"复合水体"不同于水体的波谱时间变化特性,将不同洪灾时期的水体指数和植被指数进行信息复合,以有效凸显水体和洪涝淹没区之间的影像差异,据此进行了灾初期、峰期和中后期等3个时次受淹范围的有效识别。在此基础上,根据洪涝灾情随着淹没时长而加重以及灾区内淹水时长非均匀分布的特性,建立基于淹没时长的受淹面积不等权参与的洪灾扩展动态度指数(Variation Index of Flood,VIF)和区域灾情比较指数(Comparison Index of Flood Disaster,CIFD)两种模型,并将模型应用于鄱阳湖区2016年夏季农业洪涝灾害的时空变化遥感监测。结果显示,应用上述两种模型不仅可以准确获取鄱阳湖区本次农业洪涝灾情的演变趋势,而且能够方便地对比分析区域内不同地方的受灾程度。鄱阳湖区在2016年6月23日~7月25日期间的洪涝灾情具有由弱增强再趋弱的特征,其VIF指数由初始阶段(6月23日~7月9日)的3.75降至后续阶段(7月9日~7月23日)的1.29;鄱阳县是研究区内受灾最严重的区域,其CIFD指数值居于研究区内各受灾县市之首,该县受灾总面积以及多次被淹的灾区面积均高于其他县市。
