澜湄流域30 m分辨率陆表水体产品

澜湄流域30 m分辨率陆表水体产品
作者：彭燕　何国金　王桂周　尹然宇
2020年6月3日

本作品收錄於《中国科学数据》

彭燕, 何国金, 王桂周, 尹然宇. 澜湄流域30 m分辨率陆表水体产品[J/OL]. 中国科学数据, 2020. (2020-05-25). DOI: 10.11922/csdata.2020.0029.zh.

摘要&关键词

摘要：澜湄流域30 m分辨率的陆表水体产品数据集基于Landsat地表反射率数据，采用基于多指数和先验知识驱动的全球尺度遥感水体智能提取方法进行陆表水体信息提取得到。首先进行数据预处理，进行NDWI、NDVI、NDBI和地形指数等指数计算；然后将已有的陆表水体产品作为先验知识，选取水体和非水体样本，并进行样本优化；最后利用决策树模型进行样本训练自适应确定相应指数的阈值，从而生成高精度的陆表水体信息专题图，精度达98%以上，最终结果以GeoTiff格式保存。本数据集可为澜湄流域水资源安全和管理、气候变化、生态环境等方面提供重要的数据支撑和保障。

关键词：澜湄流域；陆表水体；多指数；先验知识；自适应阈值

Abstract & Keywords

Abstract: The land surface water product with a spatial resolution of 30 m in the Lanmei Watershed was produced by using the water intelligent extraction method driven by multi indexes and prior knowledge at a global scale based on Landsat 8 surface reflectance data. Firstly, data preprocessing was carried out, then NDWI, NDVI, NDBI and terrain indexes were calculated. And the existing land surface water products were used as prior knowledge, water and non-water samples were further selected, and then sample optimization were conducted. Finally, the decision tree model was used to train samples to determine the threshold value of corresponding index adaptively. Consequently, the high-precision inland surface water thematic map with the accuracy of above 98% was generated. The result is stored in the form of GeoTiff. The dataset can provide important data support and guarantee for water resources security and management, climate change, ecological environment and other aspects in Lanmei Watershed.

Keywords: Lanmei watershed;  inland surface water; multi-indices; prior knowledge; adaptive threshold

数据库（集）基本信息简介

数据库（集）名称	澜湄流域30 m分辨率陆表水体产品
数据作者	彭燕，何国金，王桂周，尹然宇
数据通信作者	何国金（hegj@radi.ac.cn）
数据时间范围	2018年1月至2018年12月
地理区域	澜湄流域（91°42′E–109°58′E，5°7′N–29°45′N）
空间分辨率	30 m
数据量	62 MB
数据格式	*.tiff (GeoTIFF, Byte)
数据服务系统网址	ftp://bigrs-info.com/WaterProducts/lanmei/ http://www.sciencedb.cn/dataSet/handle/987
基金项目	中国科学院Ａ类战略性先导科技专项（XDA19090300）；国家自然科学基金（61731022）。
数据库（集）组成	数据集包括1个水体提取结果文件。

Dataset Profile

Title	Inland surface water products with 30 m spatial resolution in Lanmei Watershed
Data corresponding author	He Guojin (hegj@radi.ac.cn)
Data authors	Peng Yan, He Guojin, Zhang Zhaoming, Yin Ranyu
Time range	January, 2018 to December, 2018
Geographical scope	Lanmei watershed (91°42′E–109°58′E，5°7′N–29°45′N)
Spatial resolution	30 m
Data volume	62 MB
Data format	*.tiff (GeoTIFF, Byte)
Data service system	<ftp://bigrs-info.com/WaterProducts/lanmei/> <http://www.sciencedb.cn/dataSet/handle/987>
Sources of funding	Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61731022).
Dataset composition	The dataset includes only one water result.

引 言

2016年3月23日，澜沧江–湄公河区域六国（中国、缅甸、老挝、柬埔寨、越南、泰国）领导人在三亚举行“六水合一”仪式，正式启动澜湄合作，该合作是因水而生，水资源对于澜湄流域的重要性不言而喻。近期以来，受强厄尔尼诺现象的影响，越南南部、柬埔寨等湄公河流域遭受了严重的干旱袭击。因此，澜湄流域30 m分辨率的陆表水体产品能反映澜湄流域陆表水体空间分布情况以及变化轨迹，在澜湄流域水资源安全和管理、气候变化、生态环境等方面具有重要的应用价值。

本文提供30 m分辨率的澜湄流域季度陆表水体产品，给出了澜湄流域30 m陆表水体产品生产的方法与技术流程。采用基于多指数和先验知识驱动的全球尺度遥感水体智能提取方法，首先对所需要的Landsat 8地表反射率数据集、GDEM（ASTER Global Digital Elevation）数据集以及GLCF-GIW（2000）（the Global Land Cover Facility Global Inland Water）水体产品数据集进行数据预处理，随后根据GLCF-GIW（2000）水体产品进行水体样本与非水体样本选择与优化，最后采用决策树分类法进行自适应阈值确定，从而得到初步的水体提取结果，最后再进行空间过滤等后处理得到最终的陆表水体产品。

1 数据采集和处理方法

1.1 数据采集方法

本文所生产的澜湄流域季度陆表水体产品主要是在Landsat 8地表反射率的基础上进行生产的，地表反射率数据主要来自于中国科学院空天信息创新研究院何国金研究员团队所生产的中国Landsat系列卫星遥感数据地表反射率产品数据集。所需要的DEM数据来自于GDEM Version 2.0 dataset^[1]，并采用2000年GLCF-GIW version 1.0水体产品^[2]作为样本库，该数据集可从http://www.landcover.org/data/watercover/免费获取。

1.2 数据处理方法

采用基于多指数和先验知识驱动的全球尺度遥感水体智能提取方法来提取澜湄流域季度陆表水体专题信息，其技术路线如图1所示，主要分为数据预处理，样本选择与优化，自适应确定阈值，以及连通像元合并及空间过滤后处理4个步骤。

图片

图1 澜湄流域陆表水体生产技术路线图

1.2.1 数据预处理

需要对Landsat 8地表反射率、DEM数据集以及已有的30 m水体产品进行数据预处理。首先，对于2018年的所有地表反射率产品根据质量评估文件（QA）进行去云处理，将所有Landsat 8地表反射进行中值合成，得到2018年澜湄流域的中值合成影像，最终为了便于计算，将澜湄流域的季度中值合成影像按5120×5120 pixels的大小分块，共计约179块。图2为澜湄流域Landsat 8地表反射率中值合成影像的分块示意图。然后，将全球范围内的DEM 数据集镶嵌成VRT格式。由于2000年GLCF-GIW的水体产品是以景为单位存储的，坐标系投影为WGS84 UTM(Universal Transverse Mercator Projection，通用横轴墨卡托投影)，为了能适应于澜湄流域甚至是全球区域的陆表水体信息提取，需要将该水体产品处理成VRT格式的镶嵌结果。

图片

图2 澜湄流域Landsat 8地表反射率中值合成影像分块示意图

1.2.2 样本选择与优化

根据2000年的GLCF-GIW水体产品对每一分块影像分别分层随机选取水体与非水体样本各150个。由于所利用的训练样本数据为2000年的水体产品，然而水体会随着时间和季节的变化而变化，难免会出现样本数据为水体而待提取的数据为非水体（如植被）的现象。因此为了避免出现这种因样本不准确而导致误分的问题出现，需要对样本进行进一步优化。利用坡度（slope）和山体阴影（hillshade）两种地形指数以及NDVI（Normalized Difference Vegetation Index，归一化差值植被指数）、NDWI（Normalized Difference Water Index, 归一化差值水体指数）对所选取的样本进行基于先验知识驱动的样本优化。NDVI指数用于建立植被掩模，为避免因时相变化引起的训练样本不完全正确时，将植被误认为水体的问题。NDWI主要用于优化非水体样本中存在的水体样本的问题。并将hillshade＜150且slope＞20的区域认为是山体阴影^[2]，建立山体阴影掩模，优化水体样本中存在山体阴影的问题。

1.2.3 自适应确定阈值

采用了马里兰大学发布的2000年的水体产品（GLCF-GIW）作为先验知识选取水体与非水体样本，并将slope和hillshade等地形指数、NDVI、NDWI、NDBI（Normalized Difference Build Index，归一化差值建筑指数）作为输入，采用决策树方法对优化后的样本进行了样本训练，从而自适应确定分类规则，从而得到一个初步的陆表水体专题信息提取结果。

1.2.4 后处理

将得到的初步的陆表水体专题信息提取结果进行联通像元合并及空间滤波。初始结果是分块的，因此需要将分块结果进行镶嵌，从而得到最终的澜湄流域30 m空间分辨率的陆表水体专题信息产品。

2 数据样本描述

2018年澜湄流域30 m陆表水体产品数据集包括1个结果文件、相应的xml元数据文件以及精度评价报告一份。陆表水体产品文件的命名规则为：water-lanmei-yyyy.TIF（如：water-lanmei-2018.TIF）。影像的空间分辨率为0.00025°（约30 m），投影坐标系是WGS84经纬度。陆表水体产品结果为灰度二值图，其中1表示水体，0表示非水体。为了降低存储空间，对栅格结果进行了“LZW”的无损压缩。图3为2018年澜湄流域陆表水体产品示意图,底图采用的是2018年Landsat地表反射率合成图，波段组合为R(6)G(5)B(4)。

图片

图3 2018年澜湄流域陆表水体产品示意图

3 数据质量控制和评估

图4给出了该数据集水体提取精度验证的抽样分布情况。为了对本方法的水体提取结果进行验证，在澜湄流域进行分层随机选取样本点，水体和非水体各约2000个。以原始影像结合GoogleEarth、GF-1/2等高空间分辨率遥感影像作为参考影像，进行精度验证，表1为水体提取结果精度验证混淆矩阵，水体的制图精度达99.34%，用户精度达98.25%，总体精度达98%以上，表明了该数据集水体提取精度较高。

图片

图4 澜湄流域季度陆表水体产品精度验证样本分布情况

表1 水体提取结果精度验证混淆矩阵

	非水体	水体	用户精度	制图精度
非水体	1988	13	99.35%	98.27%
水体	35	1964	98.25%	99.34%
总体精度	98.8%
Kappa	0.976

4 数据价值

本文推出2018年澜湄流域30 m分辨率陆表水体产品，采用基于多指数和先验知识驱动的全球尺度遥感水体智能提取方法，精度较高，后续本数据集将会补充其他年份的季度产品。本数据集在澜湄流域水资源管理与灾害应急、生态环境监测等方面具有重大的应用价值。

致 谢

衷心感谢刘慧婵和江威在产品质量检验时给予的建设性意见。

参考文献

1. NASA/METI/AIST/Japan Spacesystems, and U.S./Japan ASTER Science Team (2009). ASTER Global Digital Elevation Model[DB]. NASA EOSDIS Land Processes DAAC. DOI: 10.5067/ASTER/ASTGTM.002.
2. ^ ^{2.0 2.1} FENG M, JOSEPH O S, SAURABH C, et al. A Global, High-Resolution (30-M) Inland Water Body Dataset for 2000: First Results of a Topographic-Spectral Classification Algorithm[J]. International Journal of Digital Earth, 2015, 9(2): 113-133. doi:10.1080/17538947.2015.1026420.

数据引用格式

彭燕, 何国金, 王桂周, 尹然宇. 澜湄流域30 m分辨率陆表水体产品[DB/OL]. Science Data Bank, 2020. (2020-04-30). DOI: 10.11922/sciencedb.987.