密集长序遥感数据的水文信息挖掘与应用探讨.pdf

密集长序遥感数据的水文信息挖掘与应用初探密集长序遥感数据的水文信息挖掘与应用初探汇报提纲汇报提纲 密集长序水文遥感的研究背景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研究探索 密集长序遥感的水文应用思考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)1.1.1.1.1.1.1.1.遥感大数据的机遇与特征遥感大数据的机遇与特征遥感大数据的机遇与特征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一、密集长序水文遥感的研究背景1.1.1.1.1.1.1.1.遥感大数据的机遇与特征遥感大数据的机遇与特征遥感大数据的机遇与特征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)41.2.1.2.1.2.1.2.密集长序遥感数据的类型密集长序遥感数据的类型密集长序遥感数据的类型密集长序遥感数据的类型1981-2018 NOAA/MODIS/FY等低空间高时间分辨率遥感数据1974-2018 Landsat/HJ/CEBERS/哨兵等中空间分辨率遥感数据2000-2018 SPOT/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一、密集长序水文遥感的研究背景20182018年年20672067年年19741974年年时间间隔尺度：年、月、天、小时时间间隔尺度：年、月、天、小时序列越长，间隔越短，时序分析越有亮点序列越长，间隔越短，时序分析越有亮点20132013年年51.2.1.2.1.2.1.2.密集长序遥感数据的类型密集长序遥感数据的类型密集长序遥感数据的类型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一、密集长序水文遥感的研究背景全球覆盖全球覆盖（19840316-20151010）Landsat系列卫星系列卫星61.3.1.3.1.3.1.3.密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用-水体遥感水体遥感水体遥感水体遥感一、密集长序水文遥感的研究背景一、密集长序水文遥感的研究背景2016年年9月月2016年年12月月 荷兰的荷兰的Gennadii DonchytsGennadii Donchyts，欧盟联合研究中心，欧盟联合研究中心(JRC)(JRC)的的PekelPekel等与等与GoogleGoogle合作，全球合作，全球近近3030年超过年超过300300万张万张LANDSATLANDSAT卫星图像，利用卫星图像，利用10001000台计算机并行处理并提取水体，绘制成台计算机并行处理并提取水体，绘制成3030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。

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71.3.1.3.1.3.1.3.密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用-水体遥感水体遥感水体遥感水体遥感一、密集长序水文遥感的研究背景一、密集长序水文遥感的研究背景2015年年11月月 澳大利亚澳大利亚2525年年1818万多张万多张LANDSATLANDSAT卫星图像，卫星图像，280280万个样本，通过逻辑回归树万个样本，通过逻辑回归树方法自动提取水体，绘制方法自动提取水体，绘制2525年积水频率图，分析极端水旱灾害的水文过程年积水频率图，分析极端水旱灾害的水文过程81.3.1.3.1.3.1.3.密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用-降水遥感降水遥感降水遥感降水遥感一、密集长序水文遥感的研究背景一、密集长序水文遥感的研究背景（Sun,et al.,2018,Reviews of Geophysics）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。

等优点，就被应用于降水相关研究91.3.1.3.1.3.1.3.密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用密集长序遥感数据的研究应用-水储量遥感水储量遥感水储量遥感水储量遥感一、密集长序水文遥感的研究背景一、密集长序水文遥感的研究背景 GRACE GRACE重力卫星重力卫星由美国航天局及德国空间飞行中心联合于由美国航天局及德国空间飞行中心联合于20022002年联合发射，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这种变化主要反映陆地陆地水储量水储量的变化主要有三个数据中心估算反演水储量数据：主要有三个数据中心估算反演水储量数据：CSR,GFZ,JPLCSR,GFZ,JPL基于基于GRACEGRACE数据监测洪水灾害事件数据监测洪水灾害事件Reager et al.,2009,Geophysical Research Letters）101.4.1.4.1.4.1.4.密集长序多源的水文数据基础密集长序多源的水文数据基础密集长序多源的水文数据基础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气象水文水环境监测数据 1951-2018 1951-2018 降雨站点数据降雨站点数据 1980-2018 1980-2018 水文站点数据水文站点数据 2000-2018 2000-2018 水环境站点数据水环境站点数据 水文遥感监测大数据水文遥感监测大数据 1981-2018 NOAA AHVRR/MODIS/FY 1981-2018 NOAA AHVRR/MODIS/FY等低分辨率遥感数据等低分辨率遥感数据 1974-2018 Landsat/HJ/CEBERS/1974-2018 Landsat/HJ/CEBERS/哨兵等中分辨率遥感数据哨兵等中分辨率遥感数据 2000-2018 SPOT/IKONOS/QB/OBVIEW 2000-2018 SPOT/IKONOS/QB/OBVIEW 等高分辨率遥感数据等高分辨率遥感数据 水文遥感反演数据水文遥感反演数据 2003-2015 GRACE 2003-2015 GRACE 水储量数据水储量数据 2003-2015 2003-2015 ICESAT ICESAT 水位数据水位数据 1997-2007 TRMM 1997-2007 TRMM 降雨量数据降雨量数据 2014-GPM/GMI 2014-GPM/GMI 降雨量数据降雨量数据 2015-SMAP RADAR 2015-SMAP RADAR 土壤含水量数据土壤含水量数据水文模型模拟数据水文模型模拟数据 1948-2016 GLDAS 1948-2016 GLDAS 水文产品水文产品水文众包数据水文众包数据 社交媒体、移动终端、公共社交媒体、移动终端、公共平台等水文众包数据平台等水文众包数据111.5.1.5.1.5.1.5.密集长序遥感的水体识别方法密集长序遥感的水体识别方法密集长序遥感的水体识别方法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一、密集长序水文遥感的研究背景（1）水体指数法）水体指数法根据水体在水体指数和植被指数中的根据水体在水体指数和植被指数中的特定区间特定区间，建立水体识别方程。

一般将，建立水体识别方程一般将NDWI与与NDVI结合，建立关于结合，建立关于NDWI和和NDVI的水体概率分段函数，如（只是节选公式的一部分，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）：实际情况要复杂的多）：（2）经典监督分类法）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，选择择足够多（一般是海量）的样本点足够多（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，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：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）针对水体识别的特定方法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对水体信息更加敏感的目标函数目标函数、针对、针对水体信息挖掘的智能、专家系统水体信息挖掘的智能、专家系统等。

等12二、密集长序遥感的水文信息挖掘探索二、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基于密集长序LANDSAT数据的水体提取与分析数据的水体提取与分析基于密集长序基于密集长序MODIS数据的水体提取及过程分析数据的水体提取及过程分析基于基于GRACE数据的水储量估算与变化识别分析数据的水储量估算与变化识别分析132.1.2.1.2.1.2.1.一种新型简易高效的一种新型简易高效的水体遥感水体遥感提取提取算法研发算法研发与与全球典型应用全球典型应用二、密集长序遥感的水文信息挖掘探索二、密集长序遥感的水文信息挖掘探索方法导向方法导向：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产出导向：申请发明专利，在Remote Sensing of Environment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：引用：Kai Jia,Weiguo Jiang,2018,Remote Sensing of EnvironmentKai Jia,Weiguo Jiang,2018,Remote Sensing of Environment14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二、密集长序遥感的水文信息挖掘探索2.1.2.1.2.1.2.1.一种新型简易高效的一种新型简易高效的水体遥感水体遥感提取提取算法研发算法研发与与全球典型应用全球典型应用引用：引用：Kai Jia,Weiguo Jiang,2018,Remote Sensing of EnvironmentKai Jia,Weiguo Jiang,2018,Remote Sensing of Environment15二、密集长序遥感的水文信息挖掘探索二、密集长序遥感的水文信息挖掘探索样例示意图：样例示意图：局部迭代寻优、局部迭代寻优、最优水体自动提取最优水体自动提取2.1.2.1.2.1.2.1.一种新型简易高效的一种新型简易高效的水体遥感水体遥感提取提取算法研发算法研发与与全球典型应用全球典型应用引用：引用：Kai Jia,Weiguo Jiang,2018,Remote Sensing of EnvironmentKai Jia,Weiguo Jiang,2018,Remote Sensing of Environm。