联合哨兵卫星系列雷达与光学影像的洞庭湖水域面积变化高时空分辨率监测

联合哨兵卫星系列雷达与光学影像的洞庭湖水域面积变化高时空分辨率监测 High spatial and temporal resolution monitoring of water area changes in Dongting Lake from the joint Sentinel satellite series of radar and optical images 1 2 first-author 宋利娟，研究方向为水文遥感的理论和应用。E-mail： lijuansong88888@163.com 宋利娟，研究方向为水文遥感的理论和应用。E-mail： lijuansong88888@163.com lijuansong88888@163.com 1 1 2 2 1 2 2 corresp 宋春桥，研究方向为湖泊-流域水文遥感、资源环境遥感与全球变化。E-mail： cqsong@niglas.ac.cn 宋春桥，研究方向为湖泊-流域水文遥感、资源环境遥感与全球变化。E-mail： cqsong@niglas.ac.cn cqsong@niglas.ac.cn 河南理工大学 测绘与国土信息工程学院,焦作 454000 河南理工大学 测绘与国土信息工程学院,焦作 454000 College of Surveying and Geotechnical Engineering, Henan Polytechnic University, Jiaozuo 454000, Henan, China College of Surveying and Geotechnical Engineering, Henan Polytechnic University, Jiaozuo 454000, Henan, China 中国科学院南京地理与湖泊研究所流域地理学重点实验室,南京 210008 中国科学院南京地理与湖泊研究所流域地理学重点实验室,南京 210008 Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China 洞庭湖是我国第二大淡水湖，干湿季节水体波动幅度大、频率高。卫星对洞庭湖水体变化的高频观测，对及时、准确地监测其水文动态变化具有重要意义。本研究的主要目的是利用Sentinel-1和Sentinel-2影像（10 m），在兼具高时频与空间分辨率条件下重建和分析2017-2020年间洞庭湖水域面积的精细时序信息。本文发展了一种基于湖区部分清晰影像来重建全湖水域面积的方法，该方法利用湖区某个区块面积与Sentinel-1全幅影像提取的湖泊面积构建的统计拟合关系建立经验模型，从而得到更密集的洞庭湖水域面积时间序列。拟合结果显示，每个区块的面积与总面积呈显著正相关，平均R 2 值为0.94。2017-2020年，获取119景Sentinel-1影像和38景Sentinel-2影像用于提取洞庭湖区块水体淹没范围，以重建整个湖区面积。结合所有Sentinel-1和Sentinel-2影像后，各月可获取的观测影像平均为6景，某些月内监测次数可达10次，时间间隔为3-6天。此外，本文重建的水域面积时间序列可以精确地刻画显著的季节波动和年际变化，水域面积在7月达到峰值，11月至2月达到谷值。一个月内最大面积与最小面积的平均比率为1.36。地表水域最剧烈的波动发生在11月份，比率为1.52。整合Sentinel-1/2影像观测，2017-2020年洞庭湖的平均水域面积约为1147.13 km 2 。与基于Sentinel-1/2影像构建的洞庭湖水域面积时间序列相比，结合Landsat-8影像的水体面积时间序列可在某些月份可以将水体观测的时间分辨率提高，但是对于水域面积的月均值和年均值影响较小。本研究联合高时空分辨率的哨兵系列雷达与光学影像发展高时频水域面积序列的精细提取方法，可为提升洞庭湖及长江中下游高动态湖泊水域遥感监测和水资源精细管理提供科技支撑。 Objective 2 As the second largest freshwater lake in China, Dongting Lake water body fluctuates greatly and frequently in dry and wet seasons. The high-frequency observation of water body changes in Dongting Lake by satellite is of great significance for timely and accurate monitoring of its hydrological dynamic changes.The main aim of this study is to reconstruct and analyze the elaborate time series information of Dongting Lake water area from 2017 to 2020 by using Sentinel-1 and Sentinel-2 images (10m) under the condition of high time-frequency and spatial resolution. This paper develops a method to reconstruct the whole lake water area and encrypt the time series of lake area based on the partially cloudless image of the lake area. This method uses the statistical fitting relationship between the block area and total area extracted from Sentinel-1 full image to establish an empirical model, so as to obtain a dense time series of Dongting Lake water area.The fitting results show that the area of each block is significantly positively correlated with the lake total area, and the average R 2 value is 0.94. From 2017 to 2020, 119 Sentinel-1 images and 38 Sentinel-2 images were obtained to extract the block inundation range of Dongting Lake to reconstruct the whole lake area. After combining all Sentinel-1 and Sentinel-2 images, the average observation images available in each month are 6. In some months, the monitoring times can reach 10 times, and the time interval is 3-6 days. It can carry out fine monitoring of the water area change of Dongting Lake. In addition, the time series of water area reconstructed in this paper can accurately describe the significant seasonal fluctuations and interannual changes. The water area reaches the peak in July and the valley from November to February. The average ratio of maximum area to minimum area in a month is 1.36. The most violent fluctuation in surface waters occurred in November, with a ratio of 1.52. Integrating Sentinel-1/2 image observation time series, the average water area of Dongting Lake from 2017 to 2020 is about 1147.13 km 2 .Compared with the water area time series of Dongting Lake constructed based on Sentinel-1/2 images, the water area time series combined with landsat-8 image can improve the time resolution of water observation, but it has little effect on the monthly and annual mean of water area. This study combines high temporal and spatial resolution sentinel series radar and optical images to develop a fine extraction method of high time-frequency water area series, which can provide scientific and technological support for improving remote sensing monitoring and fine management of water resources in Dongting Lake and high dynamic lakes in the middle and lower reaches of the Yangtze River. Method:Results:Conclusion 2 遥感监测 洞庭湖 Sentinel 水域面积 时间序列 长江流域 Remote Sensing Monitoring Dongting Lake Sentinel Watershed Area Time Series Yangtze River Basin 1　引 言 1 湖泊是淡水资源的重要组成部分，在调节河川径流、提供生活水源和维持生态平衡等方面发挥着不可或缺的作用（ 宋春桥等，2020 宋春桥等，2020 ； Wang等，2014 Wang等，2014 ； 马荣华等，2011 马荣华等，2011 ； 王桥，2021 王桥，2021 ）。近年来，在全球气候变暖和人类活动不断增强的共同影响下，大多数湖泊都有不同程度的扩张或萎缩（ Pekel等，2016 Pekel等，2016 ； Cai等，2016 Cai等，2016 ； 杨桂山等，2010 杨桂山等，2010 ； 谭志强等，2017 谭志强等，2017 ）。对湖泊进行高时空分辨率制图和动态监测，对于管理区域水资源和理解湖泊水文与气候变化的关系具有重要意义。目前，可获取的遥感卫星种类和数量不断增加，遥感监测已经成为地表水变化监测的重要技术手段。与传统的实地测量相比较，遥感技术具有成本低、范围广和更新快的优势（ Yang等，2017 Yang等，2017 ； 高耶等，2019 高耶等，2019 ； 岩腊等，2020 岩腊等，2020 ）。 作为中国第二大淡水湖泊，洞庭湖是长江中游重要的调蓄湖泊，在调节长江径流、保持生物多样性和发展区域经济等方面具有举足轻重的作用（ Yang等，2021 Yang等，2021 ； Li等，2018 Li等，2018 ）。洞庭湖流域降水的季节变化十分显著，使得湖区的水体动态变化周期明显、幅度较大（ 杜涛等，2012 杜涛等，2012 ； 李景刚等，2009 李景刚等，2009 ； 谢文君等，2017 谢文君等，2017 ； Wang等，2021 Wang等，2021 ）。目前，大量研究利用MODIS影像和Landsat影像开展洞庭湖水体变化的遥感监测，由于光学影像易受到恶劣天气影响，导致可用影像数量减少，大多数研究集中在长时序的年际或月度水域面积变化研究。例如， 李景刚等（2010） 李景刚等（2010） 利用MODIS数据产品对2000年3月-2008年12月间洞庭湖区水域面积的变化特征和趋势进行了监测和分析； 成功等（2015） 成功等（2015） 使用监督分类方法从Landsat影像中提取1996-2014年洞庭湖主要水域面积信息，结合该区域的气候和经济发展对水域面积变化的影响进行探讨。这些研究为深入了解洞庭湖水文动态做出了重要贡献。然而，由于MODIS影像空间分辨率较低，为250 m，存在混合像元的影响，导致水体提取精度偏低；Landsat影像具有30 m的空间分辨率，但是时间分辨率较低，且容易受到云雾雨雪等恶劣天气的影响，无法用于监测洞庭湖水体的年内及月内动态变化（ Li等，2021 Li等，2021 ； Yang等，2020 Yang等，2020 ； 王诗蕾等，2021 王诗蕾等，2021 ； 余姝辰等，2019 余姝辰等，2019 ； 张猛等，2017 张猛等，2017 ）。Sentinel-1雷达卫星不易受到天气和云层的影响，全天候、全天时不间断运行，对于连续监测湖泊水域范围提供了极大的便利，特别是对于属于季风气候区的洞庭湖。先前也有学者利用Sentinel-1影像对洞庭湖进行水域面积变化的研究，例如， 李军等（2020） 李军等（2020） 选择2017年6月4日、6月28日、7月10日以及7月22日4期Sentinel-1影像，对洞庭湖区域进行了洪涝灾害信息的提取与分析； Xing等（2018） Xing等（2018） 使用Sentinel-1影像生成10 m分辨率的2016年洞庭湖月度地表水范围，分析了年内地表水动态； Zhu等（2019） Zhu等（2019） 利用 Sentinel-1影像提取水体范围，分析了2015年6月至2019年3月洞庭湖水域月度面积变化。这些探索性研究多是对洞庭湖进行多时相或者月尺度水域面积变化分析，但未能在较长时间序列中捕获月内水域范围动态变化的细节信息。因此，能否利用哨兵系列卫星的多传感器特征，集成雷达与光学影像各自的优势，构建10 m分辨率的更高时频湖泊水域面积变化的遥感监测方案。为了更深入地了解洞庭湖水域面积变化情况，本文联合Sentinel-1雷达影像和Sentinel-2光学影像对洞庭湖水域面积变化进行高时空分辨率监测。 因此，本研究的主要目标如下：（1）基于高时空分辨率的Sentinel-1影像构建2017-2020年洞庭湖水体淹没面积的密集时间序列；（2）提出一种通过利用某个区块面积与Sentinel-1全幅影像提取的湖泊面积的统计拟合关系建立经验模型重建完整湖泊面积的方法，从而加密湖泊水体面积时间序列；（3）联合完整提取的Sentinel-1/2面积和借助区块拟合的Sentinel-1/2面积数据，重建湖泊水域面积密集时间序列，开展洞庭湖2017-2020年时段的年内和年际水体变化的精细分析。本研究旨在利用有效的遥感数据重建高时空分辨率湖泊水域面积变化时间序列，增进对洞庭湖水文状况的科学理解。 2　研究区和数据源 1 2.1　研究区 2 洞庭湖（112°06′～113°09′E，28°42′～29°32′N）位于长江中游荆江段南岸，是目前与长江依旧保持自然连通的两大湖泊之一。它由东、西、南洞庭湖3个湖区组成，如 图1 图1 所示。洞庭湖北面以松滋、太平、藕池（三口）分泄长江水入湖，西南面承纳湘、资、沅、澧（四水）及汨罗江等小支流。该湖泊经治理和调蓄后，由城陵矶分泄湖水排入长江。洞庭湖区的年平均气温16.8℃，月平均气温4.11～29℃（ Hu等，2015 Hu等，2015 ）。受到亚热带季风气候的影响，洞庭湖是一个面积季节性变化十分显著的湖泊，水域面积在7-8月最大，在11月-次年2月为最小（ 王威等，2020 王威等，2020 ； Yang等，2020 Yang等，2020 ）。自2003年三峡大坝运行以来，洞庭湖的水文特征发生了巨大的变化，调节江河径流和蓄水防洪的能力正不断减弱。为了更加全面地了解洞庭湖的变化规律，对洞庭湖的湖区面积进行更高时间、空间分辨率遥感监测具有十分重要的意义。 2.2　数据源 2 Google Earth Engine（GEE）云平台具有庞大的遥感影像数据集和高性能的计算能力，为快速地进行遥感数据分析提供了一种新途径（ Gorelick等，2017 Gorelick等，2017 ； Tamiminia等，2020 Tamiminia等，2020 ）。本文采用集成在GEE数据库中的Sentinel-1雷达影像，Sentinel-2和Landsat-8光学影像作为研究数据，进行洞庭湖水域面积的提取和重建。2017年到2020年可用于研究的Sentinel-1、Sentinel-2和Landsat-8影像每年的数量和良好的观测数量如 表1 表1 所示。 卫星 波段 分辨率 重访周期 4 影像数目 4 良好观测 2017 2018 2019 2020 2017 2018 2019 2020 Sentinel-1 F VV 10 6/12 29 29 30 25 29 29 30 25 Sentinel-1 P VV 10 6/12 30 31 30 30 29 31 29 30 Sentinel-2 B3， B8 10 5/10 32 67 73 72 15 18 24 19 Landsat-8 B3， B5 30 16 23 30 25 24 13 13 10 12 Sentinel-1由2014年4月3日发射的Sentinel-1A和2016年4月25日发射的Sentinel-1B两颗卫星系统组成，属于主动式微波遥感卫星（ Torres等，2012 Torres等，2012 ； Li等，2018 Li等，2018 ）。单颗卫星重访周期为12天，两个卫星互补的重访周期为6天，空间分辨率为10×10 m。Sentinel-1携带C波段合成孔径雷达（SAR），提供VV和VH两种极化方式。以往的地表水提取研究表明，VV极化用于水体提取具有更好的结果（ Twele等，2016 Twele等，2016 ； Markert等，2020 Markert等，2020 ）。因此，本研究仅采用VV极化数据进行水域范围提取。Sentinel-1覆盖洞庭湖的影像可分为两种类型：一种是完全覆盖洞庭湖的Sentinel-1影像（简称为Sentinel-1 F），用于提取整个湖区的面积，时间分辨率多为12天，由于存在影像缺失的情况，导致某些观测日期间隔大于12天；另一种是部分覆盖洞庭湖的Sentinel-1影像（简称为Sentinel-1 P），不能应用于洞庭湖区域水体变化的研究，但是可以用于提取洞庭湖的部分区域的水体面积。Sentinel-1 F和Sentinel-1 P在洞庭湖的覆盖情况如 图2 图2 （b-c）所示。 Sentinel-2由2015年6月23日发射的Sentinel-2A和2017年3月7日发射的Sentinel-2B两颗卫星系统组成（ Suhet，2015 Suhet，2015 ； Drusch等，2012 Drusch等，2012 ）。每颗Sentinel-2卫星都搭载一个多光谱成像仪（MSI），可提供13个光谱波段，波长范围从440 nm到2200 nm（ Vuolo等，2016 Vuolo等，2016 ）。一颗卫星时间分辨率为10天，两颗卫星组合后可以形成5天的重访周期，包含3种不同的地面空间分辨率10 m、20 m和60 m。本研究选取Sentinel-2影像内空间分辨率均为10 m的B3（Green）和B8（NIR）波段进行水域范围提取。一景Sentinel-2影像可以将洞庭湖完全覆盖，但是光学影像容易受到云雨等恶劣天气的影响，导致可用影像数量较少。 Landsat-8是在2013年2月11号发射成功的地球观测卫星，它是Landsat系列的第八颗卫星（ Wulder等，2019 Wulder等，2019 ）。Landsat-8卫星携带陆地成像仪（OLI）和热红外传感器（TIRS），卫星重访周期为16天。OLI包括9个波段（B1～B9），其中有一个全色波段B8（15 m），其他波段空间分辨率为30 m；TIRS包括两个100 m的TIR波段（B10～B11）（Loveland和Irons，2016）。本研究选取Landsat-8影像中分辨率均为30 m的B3（Green）和B5（NIR）波段进行水域范围提取。由于洞庭湖水域范围沿经向跨越多景Landsat-8影像，因此无法获取同一天内覆盖洞庭湖全区的观测影像。将Landsat-8轨道号（Path/Row）为123/40和124/40的两景影像镶嵌才可以完整覆盖洞庭湖，但这两景影像获取时间间隔最少为16天。本文使用Landsat-8影像主要是为了进行联合Sentinel-1、Sentinel-2和Landsat-8等构建卫星虚拟星座进行湖泊水体密集时间序列变化观测的讨论，故而关于Landsat-8影像的重建湖泊面积的内容仅在5.2节的讨论中出现。 3　方法 1 3.1　基于Sentinel-1雷达影像提取水域面积 2 在Sentinel-1雷达影像中，由于水体反射率更弱，水体呈黑色或颜色较暗区别于非水域。为了提高非水体和水体的差异，将SAR影像的灰度值数据转换成以 dB 为单位的后向散射系数（ 陈赛楠和蒋弥2021 陈赛楠和蒋弥2021 ； Li等，2020 Li等，2020 ）。接着，根据日期和研究范围筛选影像之后，采用7×7像素的Gamma-Map滤波窗口来降低散斑噪声并保留图像边缘信息。该滤波方法已经可以通过GEE云平台实现。对于VV极化图像，后向散射系数小于–18 dB ～–15 dB 或更低的像素被认为是水体（ Markert等，2020 Markert等，2020 ； Manjusree等，2012 Manjusree等，2012 ）。SAR影像中地物的灰度值和邻域的散射特征有关，易受水中植被的影响，后向反射信息混杂。Edge Otsu算法是为每个场景生成唯一阈值的理论，最初由 Donchyts等（2016） Donchyts等（2016） 提出。该算法采用Canny Edge filter强调元素索引，提取图像的边缘特征，进行地物之间的分类（Setiawa等，2017）。为了更加准确的提取每一景Sentinel-1影像中的水体范围，本研究采用Edge Otsu算法计算自适应阈值提取水体。 3.2　基于Sentinel-2和Landsat-8光学影像提取水域面积 2 本研究采用 McFeeters（1996） McFeeters（1996） 提出的应用范围较广的归一化差异水体指数（NDWI）提取洞庭湖水域范围，NDWI表达式如 公式（1） 公式（1） 所示。通过水体反射率最大的绿色波段和水体反射率最小的近红外波段之间的比值，有效增强了非水体和水体像元之间的差异。通常情况下，NDWI提取水体像素选择0作为分割阈值（NDWI > 0为水体，NDWI < 0为非水体），但是由于地物类型复杂，水体和其他地物之间的分割阈值不稳定，实际应用中需要根据情况对阈值做出调整。因此，我们采用3.1节中提到的Edge Otsu算法计算水体提取的自适应阈值，更准确地提取出水体范围。 <math display="block" id="M1"><mi>N</mi><mi>D</mi><mi>W</mi><mi>I</mi><mo>=</mo><mfrac><mrow><msub><mrow><mi>ρ</mi></mrow><mrow><mi>G</mi><mi>r</mi><mi>e</mi><mi>e</mi><mi>n</mi></mrow></msub><mo>-</mo><msub><mrow><mi>ρ</mi></mrow><mrow><mi>N</mi><mi>I</mi><mi>R</mi></mrow></msub></mrow><mrow><msub><mrow><mi>ρ</mi></mrow><mrow><mi>G</mi><mi>r</mi><mi>e</mi><mi>e</mi><mi>n</mi></mrow></msub><mo>+</mo><msub><mrow><mi>ρ</mi></mrow><mrow><mi>N</mi><mi>I</mi><mi>R</mi></mrow></msub></mrow></mfrac></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25316098&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25316097&type= 30.05666542 8.72066593 其中， <math id="M2"><msub><mrow><mi>ρ</mi></mrow><mrow><mi>G</mi><mi>r</mi><mi>e</mi><mi>e</mi><mi>n</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25316100&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25316099&type= 6.26533365 4.48733330 为光学影像在绿光波段的反射率， <math id="M3"><msub><mrow><mi>ρ</mi></mrow><mrow><mi>N</mi><mi>I</mi><mi>R</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25316102&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=25316101&type= 4.99533367 4.48733330 为光学影像在近红外波段的反射率。 3.3　联合Sentinel-1/2影像重建更密集的湖泊水域面积时间序列 2 经过洞庭湖的Sentinel-1 F和Sentinel-1 P影像数量相近，但Sentinel-1 P影像不能完整覆盖洞庭湖，导致无法对洞庭湖的水体动态变化进行密集监测。而Sentinel-2光学影像容易受到云、云阴影或冰的影响，这导致在整个洞庭湖区域完成湖泊水体的提取是具有挑战的。为了充分利用Sentinel-1/2的可用清晰影像估算完整湖泊面积，本文提出了一种根据湖面局部区块面积和全湖总面积之间的拟合关系的方法，以重建洞庭湖区域Sentinel-1 P影像和部分云遮盖影响的Sentinel-2影像对应监测日期的完整湖泊面积。该方法分为四个步骤，具体如下。首先，对2017-2020年Sentinel-1 F影像提取的栅格类型的水体淹没范围进行栅格叠加计算，生成洞庭湖水体频率图。其次，对于Sentinel-1 P影像，将其覆盖范围作为局部区块提取面积，如 图2 图2 （c）所示；对于Sentinel-2影像，根据水体频率图和湖区（东、南、西洞庭湖）分布特征，将洞庭湖划分为6个区块，用于提取Sentinel-2清晰影像对应的水域面积，各区块位置如 图2 图2 （a）所示。第三，基于Sentinel-1 F影像提取的湖泊区块面积和总面积构建统计拟合模型。拟合曲线为一次线性函数和二次多项式函数两种形式。最后，结合从部分可用的Sentinel-1/2影像中提取的区块面积和回归拟合模型，重建与该区块观测时间对应的完整湖泊面积数据。当Sentinel-1和Sentinel-2影像出现在同一天时，面积数据保留的顺序为Sentinel-1提取的淹没面积（Sentinel-1 F） > Sentinel-2提取的淹没面积（Sentinel-2 F） > Sentinel-1区块面积重建的淹没面积（Sentinel-1 P） > Sentinel-2区块面积重建的淹没面积（Sentinel-2 P）。将所有基于Sentinel-1和Sentinel-2提取的淹没面积和拟合面积进行结合，构建洞庭湖密集面积时间序列。 由于不同区块与总湖泊面积呈现出不同的拟合关系，本文在进行区块拟合时的判断标准是优先保留R 2 值大的区块对应的拟合结果。如果遇到R 2 值相同的情况，则优先保留由一次线性函数模型拟合的湖泊面积结果。另外，对于Sentinel-2影像来说，需要注意的划分原则如下：（1）每个区块中应充分包含水体频率介于0～100%之间的所有像元，以便更好地表征局部湖区与全湖水体淹没范围联动变化特征；（2）每个局部区块的大小应该至少占湖泊总面积的10%，因为如果区块过大，仍然影响获取可用的无云遮盖区块部分Sentinel-2影像，而如果范围设置过小，区块面积难以客观刻画随整个湖区水域面积变化而变化的信息，统计拟合模型可用性降低。在本研究中，区块A、B和C位于东洞庭湖，D、E（形似河流的区域不包括在E区块内）和F位于南洞庭湖，G位于西洞庭湖，分别占湖泊总面积的14%，15%，18%，18% ，18%，17%。 3.4　精度评定 2 为了验证Sentinel-1和Landsat-8影像的分类精度，通过目视解译将Sentinel-2影像提取的湖泊水体范围作为地面真实的对比数据。由分类图的交叉对照样本数和参考数据组成的混淆矩阵，最常用来证明分类的准确性（ Steinhausen等，2018 Steinhausen等，2018 ）。本研究创建二分类混淆矩阵，选取四个归一化系数进行水体提取精度评估，分别为生产者精度（PA）、用户精度（UA）、总体分类精度（OA）和Kappa系数。 4　结果与分析 1 4.1　基于Sentinel-1影像的洞庭湖水体面积时间序列变化特征 2 2017-2020年，基于Sentinel-1影像的洞庭湖的水域面积变化具有明显的年内和年际特征，如 图3 图3 所示。4-9月为丰水期，10月-次年3月为枯水期，水域面积在646.15-2264.09 km 2 之间波动。与其他月份相比，由于季风气候的影响，7月份洞庭湖的水域面积明显扩大。湖泊水域面积变化也存在明显的年际波动，2017年和2020年的水域面积较大，2018年和2019年的水域面积较小。利用10 m分辨率的Sentinel-1影像提取的湖泊水体，能够尽可能地提取出湖区的细小水体，对水域范围的刻画更加精确。观测到的最小水域面积是在2017年12月25日，如 图3 图3 （b）所示，仅通过几个狭窄弯曲的河道连接着湖泊。最大的水域面积出现在2020年7月30日，如 图3 图3 （c）所示，重新连接了所有的洪泛区，形成了一个水面连续的大湖。最大水域面积与最小水域面积之比为3.50。12天后，面积扩张最快的为369.23 km 2 ，从2018年6月23日的955.77 km 2 到2018年7月5日的1325.00 km 2 ，变化率达到39.63%；面积下降最快的是439.83 km 2 ，从2019年8月29日的1175.10 km 2 到2019年9月10日的735.27 km 2 ，变化率达到59.82%。这些监测结果能够更清晰地解释洞庭湖的动态变化，为快速水文监测的应用提供了参考。 4.2　联合Sentinel-1/2影像的密集湖泊面积时间序列重建分析 2 基于洞庭湖区域Sentinel-1构建的水体频率图和湖区分布特征，用于重建部分清晰Sentinel-1/2影像对应洞庭湖区域的各区块位置和大小如 图2 图2 所示。各区块面积与总面积的拟合曲线呈显著正相关关系（p < 0.01），区块A、B、C、D、E、F、G的拟合R 2 值分别为0.97、0.96、0.96、0.98、0.89、0.81、0.99（如 图4 图4 所示）。拟合曲线包括两种类型，即线性函数（C，D，G）和二次多项式函数（A，B，E，F）。对于用于Sentinel-2影像的各区块来说，F区块与总面积的相关性较弱，这可能主要是由于西洞庭湖永久水面积所占比例较小，大部分拟合点聚集在 图4 图4 （F）的左下角；D区块主要包含连接东洞庭湖和南洞庭湖的河道，始终处于永久水所占比例较大的状态，与总面积的拟合系数R 2 值最高，为0.98。各区块的平均R 2 值为0.94，表明所提出的区块拟合方法能够较好地重建洞庭湖的完整水域面积时间序列。 在本研究中，119景Sentinel-1影像和38景Sentinel-2影像用于提取区块面积借助由拟合关系建立的经验模型重建湖泊完整面积。此外，在2017-2020年，38景Sentinel-2影像可用于提取洞庭湖完整面积。虽然Sentinel-2影像数量较少，但面积时间序列的变化趋势与Sentinel-1影像相同。因此，Sentinel-1和Sentinel-2影像可以结合，对洞庭湖进行更深入的观测。将完全提取的湖泊面积与借助区块拟合的面积数据相结合，构建基于Sentinel-1/2的水域面积密集时间序列，如 图5 图5 所示。加密后，一个月内可用观测影像平均有6景，一个月观测次数最多有10景，时间间隔为3-6天。一个月内洞庭湖地表水域面积也是相当剧烈，如 图5 图5 （b）所示。例如，一个月内最大面积与最小面积的平均比率为1.36。地表水域最剧烈的波动发生在11月份，比率为1.52。此外，地表水月均面积7月份最大为1874.68 km 2 ，12月份最小为745.23 km 2 。2017-2020年洞庭湖平均水域面积为1147.13 km 2 。与4.1节基于Sentinel-1影像提取的洞庭湖水体面积变化相比，充分利用所有可用Sentinel-1和Sentinel-2影像提取的水体面积变化可将水体观测的时间分辨率由12天提高到3-6天。洞庭湖具有高频波动的特点，密集时间序列的构建对于水资源管理具有深远的意义。 4.3　洞庭湖季节性空间分布变化特征分析 2 基于Sentinel-1影像的2017-2020年洞庭湖各月水体淹没频率变化，如 图6 图6 所示。由图可知，洞庭湖的水域面积存在明显的年内变化。6-8月处于丰水期，东、西、南洞庭湖相互连接，形成一个连续的湖面，而在枯水期12月-次年2月只有几条细窄的河道和东洞庭湖的钳形湖泊。各月水体淹没频率变化的主要特征是从湖区中心河道到两侧水体淹没频率逐渐减小，湖区内深蓝色是年内永久水域（包括流入湖中的河流支流和湖泊的稳定部分），白色区域是年内非水域，其他区域颜色由浅蓝到深蓝属于季节性水域。永久水域面积为580.50 km 2 ，占洞庭湖总面积的21.29%；非水域面积占比最小，面积为246.56 km 2 ；季节性水域面积占比最大，面积为1899.94 km 2 。永久水域和非水域在年内不会发生水陆性质变化，洪水风险较低；而季节性水域淹没风险较高，应提前做好防洪准备。此外，洞庭湖水域变化特征表现出明显的区域差异，季节性水域变化大多发生在东和南洞庭湖，西洞庭水域空间范围相对稳定。 5　讨论 1 5.1　洞庭湖面积提取结果的精度验证 2 在洞庭湖区域内生成1000个随机样本点，利用相同或相近观测日期的Sentinel-2光学影像人工解译结果对基于Sentinel-1和Landsat-8影像提取的水体结果进行精度验证。选取10幅影像进行验证（5幅Sentinel-1影像和5幅Landsat-8影像），定量精度评价结果如 表2 表2 所示。用于精度评估的Sentinel-1、Sentinel-2和 Landsat-8影像之间的时间差小于等于两天，可在一定程度上避免由于获取时间不一致导致的水体提取结果差异。对于Sentinel-1的精度评价结果，平均PA值和平均UA值比较接近，分别为88.19%和89.75%。洞庭湖区域平均OA值为94.04%，Kappa系数为0.85。对于Landsat-8的精度评价结果，平均PA值和平均UA值分别为83.67%和97.18%。洞庭湖区域平均OA值为94.22%，Kappa系数为0.86。水体提取的偏差主要发生在少数细小水体和陆地-水体边界处。OA和Kappa系数的高精度验证了动态地表水面积提取方法的可行性和有效性，说基于Sentinel-1和Landsat-8影像提取的水体结果是理想的。 验证影像 日期 PA （%） UA （%） OA （%） Kappa系数 时间差（天） 5 Sentinel-1 2017年2月28日 86.97 89.82 93.50 0.84 1 2017年12月25日 85.48 92.98 94.80 0.86 1 2018年2月11日 88.52 94.09 95.40 0.88 1 2019年1月25日 93.19 81.50 92.20 0.81 2 2020年4月25日 89.93 90.24 94.30 0.86 2 5 Landsat-8 2017年10月30日 91.87 98.40 94.20 0.88 0 2017年12月17日 78.75 95.45 94.00 0.83 2 2019年11月5日 86.78 97.67 96.30 0.90 1 2020年4月13日 80.38 97.39 91.90 0.82 1 2020年4月29日 80.58 97.01 94.70 0.85 2 5.2　联合Landsat-8影像补充洞庭湖水域面积时序分析 2 光学遥感卫星容易受云雾天气的影响，尤其是洪水期间，无法获取完整覆盖洞庭湖区域的影像。由Sentinel-1、Sentinel-2和Landsat-8等卫星可以构成卫星虚拟星座，对洞庭湖区域进行密集时间序列观测。本研究为了讨论结合Landsat-8影像进行洞庭湖面积时间序列加密观测的可行性，对2017-2020年经过洞庭湖区域的Landsat-8影像进行筛选和部分区块水域面积计算，共有48景Landsat-8影像可以提取局部洞庭湖面积并用于重建完整湖泊面积。根据Landsat-8在洞庭湖的分布规律和洞庭湖水体频率图，重新确定一个新的区块拟合模型用于Landsat-8影像提取区块面积拟合完整湖泊面积，如 图7 图7 （a）所示。将4.2节构建的Sentinel-1/2面积时间序列（蓝色）和Landsat-8重建的面积时间序列（黄色）相结合，构建密集时间序列，如 图7 图7 （c）所示。虽然Landsat-8（30 m）和Sentinel-1/2（10 m）的空间分辨率不同，但是估算的水体面积变化趋势与Sentinel-1/2保持一致。与使用Landsat系列卫星进行洞庭湖水域面积变化观测的研究相比，本文使用的高时空分辨率的哨兵影像可以观测到洞庭湖月内水域面积的动态变化特征（ 王威等，2020 王威等，2020 ； Yang等，2020 Yang等，2020 ； 崔亮等，2015 崔亮等，2015 ）。此外，Landsat-8影像与Sentinel-1/2影像分布日期不同，与Sentinel-1/2结合进行密集时间序列的构建，可以更加详细地研究洞庭湖区域水体动态变化特征。与基于Sentinel-1和Sentinel-2影像提取的洞庭湖水体面积变化相比，结合Landsat-8影像的水体面积变化可在某些月份将水体观测的时间分辨率提高，但是对于水体面积的月内均值和年平均值变化影响不大。 Landsat系列卫星是持续时间最长的对地球观测光学遥感卫星，对于湖泊水域面积变化的研究具有重要价值（ Wulder等，2019 Wulder等，2019 ）。已有研究表明，将Landsat-8、Sentinel-2A和Sentinel-2B结合可提供全球平均重访周期为2.9天的影像数据，开辟了高时空水体动态变化研究的可能性（ Wulder等，2019 Wulder等，2019 ；Li和Roy，2017）。NASA/USGS Landsat团队和ESA Sentinel-2团队成员合作证明了Landsat-8 OLI和Sentinel-2 MSI影像提取各类地物提取结果在它们各自的不确定性范围内（ Barsi等，2018 Barsi等，2018 ； Pahlevan等，2018 Pahlevan等，2018 ）。Landsat-9卫星被放置在与Landsat-8卫星相差8天的轨道上，以增加观测的时间覆盖范围。随着2021年9月27日发射的Landsat-9的加入，构建的卫星虚拟星座将变得周期更短，提供接近2天时间间隔的影像。根据本文提出的借助区块面积拟合湖泊完整水域面积的方法可以最大限度的利用雷达和光学遥感影像，为开展湖泊水体高时空监测提供可能。 6　结论 1 本研究首先基于高时空分辨率的Sentinel-1 SAR影像，构建了2017-2020年洞庭湖水域面积密集时间序列，时间分辨率为12天。为了提升洞庭湖水体面积动态变化监测频率，充分利用部分可用的Sentinel-1/2影像，发展了一种借助湖泊局部区块面积重建完整湖区面积的方法。因此，联合Sentinel-1和Sentinel-2观测，为更精细地监测洞庭湖年内和年际水体变化特征。根据水体频率图划分的洞庭湖7个局部区块面积与整个湖泊总面积可获得良好的统计相关性，平均拟合R 2 为0.94。从2017年到2020年，共有119景Sentinel-1影像和38景Sentinel-2影像可用于提取洞庭湖区块完整水体淹没范围，从而重建整个湖区面积。通过联合Sentinel-1/2的面积数据，研究区洞庭湖的月度可用观测影像平均为6景，时间间隔为3-6天，某些月份高达10余次监测，可以更为精细地刻画洞庭湖的水文动态。本文构建了洞庭湖2017-2020年高时空分辨率的水域淹没面积时间序列。结果表明，在洞庭湖水域面积具有显著的季节性波动和年际变化。年尺度上，面积较大的是2017年和2020年，较小的是2018年和2019年；月尺度上，洞庭湖的丰水期为4月至9月，枯水期为10月至次年3月。水域面积在7月达到峰值，11月至2月达到谷值。一个月内最大面积与最小面积的平均比率为1.36。地表水域最剧烈的波动发生在11月份，最大/最小比率为1.52。总之，2017-2020年期间，洞庭湖的平均水域面积为1147.13 km 2 。与基于Sentinel-1/2影像构建的洞庭湖水体面积变化相比，结合Landsat-8影像的水体面积变化可在某些月份可以将水体观测的时间分辨率提高，但是对于水体面积的月均值和年均值影响不大。 该研究为在缺乏完整影像数据的情况下，充分利用多源遥感数据重建兼具高空间分辨率与高时频信息的湖泊水域面积密集时间序列，提供一种有效途径。该方法能够更为精细地监测湖泊水体淹没范围的动态变化，未来研究将尝试拓展该方法应用到区域尺度湖泊水域面积变化遥感监测。 参考文献（ References ） Barsi , Julia A. , Bahjat Alhammoud , Jeffrey Czapla-Myers , Ferran Gascon , Md Obaidul Haque , Morakot Kaewmanee , Larry Leigh , Brian L. Markham . 2018 . Sentinel-2A MSI and Landsat-8 OLI radiometric cross comparison over desert sites . European Journal of Remote Sensing , 51 ( 1 ): 822 - 837 . [ DOI: 10.1080/22797254.2018.1507613 http://dx.doi.org/10.1080/22797254.2018.1507613 ] Sentinel-2A MSI and Landsat-8 OLI radiometric cross comparison over desert sites Cai X. , L. Feng , X. Hou , X. Chen . 2016 . Remote Sensing of the Water Storage Dynamics of Large Lakes and Reservoirs in the Yangtze River Basin from 2000 to 2014 . Sci Rep , 6 : 36405 . [ DOI: 10.1038/srep36405 http://dx.doi.org/10.1038/srep36405 ] Remote Sensing of the Water Storage Dynamics of Large Lakes and Reservoirs in the Yangtze River Basin from 2000 to 2014 Donchyts , Gennadii , Jaap Schellekens , Hessel Winsemius , Elmar Eisemann , Nick van de Giesen . 2016 . A 30 m Resolution Surface Water Mask Including Estimation of Positional and Thematic Differences Using Landsat 8, SRTM and OpenStreetMap: A Case Study in the Murray-Darling Basin, Australia . Remote Sensing , 8 ( 5 ). [ DOI: 10.3390/rs8050386 http://dx.doi.org/10.3390/rs8050386 ] A 30 m Resolution Surface Water Mask Including Estimation of Positional and Thematic Differences Using Landsat 8, SRTM and OpenStreetMap: A Case Study in the Murray-Darling Basin, Australia Drusch M. , U. Del Bello , S. Carlier , O. Colin , V. Fernandez , F. Gascon , B. Hoersch , et al . 2012 . Sentinel-2: ESA's Optical High-Resolution Mission for GMES Operational Services . Remote Sensing of Environment , 120 : 25 - 36 . [ DOI: 10.1016/j.rse.2011.11.026 http://dx.doi.org/10.1016/j.rse.2011.11.026 ] Sentinel-2: ESA's Optical High-Resolution Mission for GMES Operational Services Gorelick , Noel , Matt Hancher , Mike Dixon , Simon Ilyushchenko , David Thau , Rebecca Moore . 2017 . Google Earth Engine: Planetary-scale geospatial analysis for everyone . Remote Sensing of Environment , 202 : 18 - 27 . [ DOI: 10.1016/j.rse.2017.06.031 http://dx.doi.org/10.1016/j.rse.2017.06.031 ] Google Earth Engine: Planetary-scale geospatial analysis for everyone Hu , Yan-xia , Jin-liang Huang , Yun Du , Peng-peng Han , Jiu-ling Wang , Wei Huang . 2015 . Monitoring wetland vegetation pattern response to water-level change resulting from the Three Gorges Project in the two largest freshwater lakes of China . Ecological Engineering , 74 : 274 - 285 . [ DOI: 10.1016/j.ecoleng.2014.10.002 http://dx.doi.org/10.1016/j.ecoleng.2014.10.002 ] Monitoring wetland vegetation pattern response to water-level change resulting from the Three Gorges Project in the two largest freshwater lakes of China Li , Jian , David Roy . 2017 . A Global Analysis of Sentinel-2A, Sentinel-2B and Landsat-8 Data Revisit Intervals and Implications for Terrestrial Monitoring . Remote Sensing , 9 ( 9 ). [ DOI: 10.3390/rs9090902 http://dx.doi.org/10.3390/rs9090902 ] A Global Analysis of Sentinel-2A, Sentinel-2B and Landsat-8 Data Revisit Intervals and Implications for Terrestrial Monitoring Li , Juanjuan , Chao Wang , Lu Xu , Fan Wu , Hong Zhang , Bo Zhang . 2021 . Multitemporal Water Extraction of Dongting Lake and Poyang Lake Based on an Automatic Water Extraction and Dynamic Monitoring Framework . Remote Sensing , 13 ( 5 ). [ DOI: 10.3390/rs13050865 http://dx.doi.org/10.3390/rs13050865 ] Multitemporal Water Extraction of Dongting Lake and Poyang Lake Based on an Automatic Water Extraction and Dynamic Monitoring Framework Li , Yang , Zhenguo Niu , Zeyu Xu , Xin Yan . 2020 . Construction of High Spatial-Temporal Water Body Dataset in China Based on Sentinel-1 Archives and GEE . Remote Sensing , 12 ( 15 ). [ DOI: 10.3390/rs12152413 http://dx.doi.org/10.3390/rs12152413 ] Construction of High Spatial-Temporal Water Body Dataset in China Based on Sentinel-1 Archives and GEE Li , Yu , Sandro Martinis , Simon Plank , Ralf Ludwig . 2018 . An automatic change detection approach for rapid flood mapping in Sentinel-1 SAR data . International Journal of Applied Earth Observation and Geoinformation , 73 : 123 - 135 . [ DOI: 10.1016/j.jag.2018.05.023 http://dx.doi.org/10.1016/j.jag.2018.05.023 ] An automatic change detection approach for rapid flood mapping in Sentinel-1 SAR data Li , Yunliang , Qi Zhang , Jianrong Lu , Jing Yao , Zhiqiang Tan . 2018 . Assessing surface water–groundwater interactions in a complex river‐floodplain wetland‐isolated lake system . River Research and Applications , 35 ( 1 ): 25 - 36 . [ DOI: 10.1002/rra.3389 http://dx.doi.org/10.1002/rra.3389 ] Assessing surface water–groundwater interactions in a complex river‐floodplain wetland‐isolated lake system Loveland , Thomas R. , James R. Irons . 2016 . Landsat 8: The plans, the reality, and the legacy . Remote Sensing of Environment , 185 : 1 - 6 . [ DOI: 10.1016/j.rse.2016.07.033 http://dx.doi.org/10.1016/j.rse.2016.07.033 ] Landsat 8: The plans, the reality, and the legacy Manjusree , Panchagnula , L. Prasanna Kumar , Chandra Mohan Bhatt , Goru Srinivasa Rao , Veerubhotla Bhanumurthy . 2012 . Optimization of threshold ranges for rapid flood inundation mapping by evaluating backscatter profiles of high incidence angle SAR images . International Journal of Disaster Risk Science , 3 ( 2 ): 113 - 122 . [ DOI: 10.1007/s13753-012-0011-5 http://dx.doi.org/10.1007/s13753-012-0011-5 ] Optimization of threshold ranges for rapid flood inundation mapping by evaluating backscatter profiles of high incidence angle SAR images Markert , Kel N. , Amanda M. Markert , Timothy Mayer , Claire Nauman , Arjen Haag , Ate Poortinga , Biplov Bhandari , et al . 2020 . Comparing Sentinel-1 Surface Water Mapping Algorithms and Radiometric Terrain Correction Processing in Southeast Asia Utilizing Google Earth Engine . Remote Sensing , 12 ( 15 ). [ DOI: 10.3390/rs12152469 http://dx.doi.org/10.3390/rs12152469 ] Comparing Sentinel-1 Surface Water Mapping Algorithms and Radiometric Terrain Correction Processing in Southeast Asia Utilizing Google Earth Engine McFeeters S . K . 1996 . The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing , 17 ( 7 ): 1425 - 1432 . [ DOI: 10.1080/01431169608948714 http://dx.doi.org/10.1080/01431169608948714 ] K Pahlevan , Nima , Sundarabalan Balasubramanian , Sudipta Sarkar , Bryan Franz . 2018 . Toward Long-Term Aquatic Science Products from Heritage Landsat Missions . Remote Sensing , 10 ( 9 ). [ DOI: 10.3390/rs10091337 http://dx.doi.org/10.3390/rs10091337 ] Toward Long-Term Aquatic Science Products from Heritage Landsat Missions Pekel J. F. , A. Cottam , N. Gorelick , A. S. Belward . 2016 . High-resolution mapping of global surface water and its long-term changes . Nature , 540 ( 7633 ): 418 - 422 . [ DOI: 10.1038/nature20584 http://dx.doi.org/10.1038/nature20584 ] High-resolution mapping of global surface water and its long-term changes Steinhausen , Max J. , Paul D. Wagner , Balaji Narasimhan , Björn Waske . 2018 . Combining Sentinel-1 and Sentinel-2 data for improved land use and land cover mapping of monsoon regions . International Journal of Applied Earth Observation and Geoinformation , 73 : 595 - 604 . [ DOI: 10.1016/j.jag.2018.08.011 http://dx.doi.org/10.1016/j.jag.2018.08.011 ] Combining Sentinel-1 and Sentinel-2 data for improved land use and land cover mapping of monsoon regions Suhet , B Hoersch . 2015 . Sentinel-2 User Handbook . In .: ESA: EU . Sentinel-2 User Handbook Tamiminia , Haifa , Bahram Salehi , Masoud Mahdianpari , Lindi Quackenbush , Sarina Adeli , Brian Brisco . 2020 . Google Earth Engine for geo-big data applications: A meta-analysis and systematic review . ISPRS Journal of Photogrammetry and Remote Sensing , 164 : 152 - 170 . [ DOI: 10.1016/j.isprsjprs.2020.04.001 http://dx.doi.org/10.1016/j.isprsjprs.2020.04.001 ] Google Earth Engine for geo-big data applications: A meta-analysis and systematic review Torres , Ramon , Paul Snoeij , Dirk Geudtner , David Bibby , Malcolm Davidson , Evert Attema , Pierre Potin , et al . 2012 . GMES Sentinel-1 mission . Remote Sensing of Environment , 120 : 9 - 24 . [ DOI: 10.1016/j.rse.2011.05.028 http://dx.doi.org/10.1016/j.rse.2011.05.028 ] GMES Sentinel-1 mission Twele , André , Wenxi Cao , Simon Plank , Sandro Martinis . 2016 . Sentinel-1-based flood mapping: a fully automated processing chain . International Journal of Remote Sensing , 37 ( 13 ): 2990 - 3004 . [ DOI: 10.1080/01431161.2016.1192304 http://dx.doi.org/10.1080/01431161.2016.1192304 ] Sentinel-1-based flood mapping: a fully automated processing chain Vuolo , Francesco , Mateusz Żółtak , Claudia Pipitone , Luca Zappa , Hannah Wenng , Markus Immitzer , Marie Weiss , Frederic Baret , Clement Atzberger . 2016 . Data Service Platform for Sentinel-2 Surface Reflectance and Value-Added Products: System Use and Examples . Remote Sensing , 8 ( 11 ). [ DOI: 10.3390/rs8110938 http://dx.doi.org/10.3390/rs8110938 ] Data Service Platform for Sentinel-2 Surface Reflectance and Value-Added Products: System Use and Examples Wang C. , W. Jiang , Y. Deng , Z. Ling , Y. Deng . 2021 . Long time series water extent analysis for SDG 6 . 6 .1 based on the GEE platform: A case study of Dongting Lake. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing : 1 - 1 . [ DOI: 10.1109/JSTARS.2021.3088127 http://dx.doi.org/10.1109/JSTARS.2021.3088127 ] Long time series water extent analysis for SDG 6 Wang , Jida , Yongwei Sheng , Tak Shun D . Tong . 2014 . Monitoring decadal lake dynamics across the Yangtze Basin downstream of Three Gorges Dam. Remote Sensing of Environment , 152 : 251 - 269 . [ DOI: 10.1016/j.rse.2014.06.004 http://dx.doi.org/10.1016/j.rse.2014.06.004 ] Tong Wulder , Michael A. , Thomas R. Loveland , David P. Roy , Christopher J. Crawford , Jeffrey G . Masek , Curtis E. Woodcock , Richard G . Allen , et al . 2019 . Current status of Landsat program, science, and applications . Remote Sensing of Environment , 225 : 127 - 147 . [ DOI: 10.1016/j.rse.2019.02.015 http://dx.doi.org/10.1016/j.rse.2019.02.015 ] Current status of Landsat program, science, and applications Xing L. , X. Tang , H. Wang , W. Fan , G. Wang . 2018 . Monitoring monthly surface water dynamics of Dongting Lake using Sentinel-1 data at 10 m. PeerJ , 6 : e4992 . [ DOI: 10.7717/peerj.4992 http://dx.doi.org/10.7717/peerj.4992 ] Monitoring monthly surface water dynamics of Dongting Lake using Sentinel-1 data at 10 Yang K. , F. Yao , J. Wang , J. Luo , Z. Shen , C. Wang , C. Song . 2017 . Recent dynamics of alpine lakes on the endorheic Changtang Plateau from multi-mission satellite data . Journal of Hydrology , 552 : 633 - 645 . [ DOI: 10.1016/j.jhydrol.2017.07.024 http://dx.doi.org/10.1016/j.jhydrol.2017.07.024 ] Recent dynamics of alpine lakes on the endorheic Changtang Plateau from multi-mission satellite data Yang , Liu , Lunche Wang , Deqing Yu , Rui Yao , Chang'an Li , Qiuhua He , Shaoqiang Wang , Lizhe Wang . 2020 . Four decades of wetland changes in Dongting Lake using Landsat observations during 1978–2018 . Journal of Hydrology , 587 . [ DOI: 10.1016/j.jhydrol.2020.124954 http://dx.doi.org/10.1016/j.jhydrol.2020.124954 ] Four decades of wetland changes in Dongting Lake using Landsat observations during 1978–2018 Yang , Liu , Lunche Wang , Ming Zhang , Zigeng Niu , Rui Yao , Deqing Yu , Chang’an Li , Qiuhua He . 2021 . Variation of water body in Dongting Lake from in situ measurements and MODIS observations in recent decades . International Journal of Digital Earth , 14 ( 8 ): 959 - 984 . [ DOI: 10.1080/17538947.2021.1907464 http://dx.doi.org/10.1080/17538947.2021.1907464 ] Variation of water body in Dongting Lake from in situ measurements and MODIS observations in recent decades Zhu P. , S. Huang , Y. Yang , J. Ma , Y. Sun , S. Gao . 2019 . High-frequency Monitoring of Inland Lakes Water Extent Using Time-Series Sentinel-1 SAR Data . IEEE International Conference on Signal, Information and Data Processing (ICSIDP) , 1 - 6 . [ DOI: 10.1109/ICSIDP47821.2019.9173066 http://dx.doi.org/10.1109/ICSIDP47821.2019.9173066 ] High-frequency Monitoring of Inland Lakes Water Extent Using Time-Series Sentinel-1 SAR Data Chen S N , Jiang M . 2021 . Application Research of Sentinel-1 SAR in Flood Range Extraction and Polarization Analysis . Journal of Geo-information Science , 23 ( 06 ): 1063 - 1070 Application Research of Sentinel-1 SAR in Flood Range Extraction and Polarization Analysis 陈赛楠 , 蒋弥 . 2021 . Sentinel-1 SAR在洪水范围提取与极化分析中的应用研究 地球信息科学学报 , 23 ( 06 ): 1063 - 1070 [ DOI: 10.12082/dqxxkx.2021.200717 http://dx.doi.org/10.12082/dqxxkx.2021.200717 ] Sentinel-1 Cheng G , Li D , Wang Y , Kang T T . 2015 . Water Area Change of Dongting Lake Based on Landsat Data and Its Affecting Factors Analysis . Journal of Irrigation and Drainage , 34 ( S1 ): 246 - 249 Water Area Change of Dongting Lake Based on Landsat Data and Its Affecting Factors Analysis 成功 , 李丹 , 王勇 , 康婷婷 . 2015 . 基于Landsat数据的洞庭湖水域面积变化及其原因分析 . 灌溉排水学报 , 34 ( S1 ): 246 - 249 [ DOI: CNKI:SUN:GGPS.0.2015-S1-059 http://dx.doi.org/CNKI:SUN:GGPS.0.2015-S1-059 ] 基于Landsat数据的洞庭湖水域面积变化及其原因分析 Cui L , Li Y P , Huang G H , Zeng X T . 2015 . Dynamic changes of Dongting Lake based on Landsat-TM remote sensing data . South-to-North Water Transfers and Water Science & Technology , 13 ( 01 ): 63 - 66+107 Dynamic changes of Dongting Lake based on Landsat-TM remote sensing data 崔亮 , 李永平 , 黄国和 , 曾雪婷 . 2015 . 基于Landsat-TM影像的洞庭湖水面动态变化 南水北调与水利科技 , 13 ( 01 ): 63 - 66+107 [ DOI: 10.13476/j.cnki.nsbdqk.2015.01.015 http://dx.doi.org/10.13476/j.cnki.nsbdqk.2015.01.015 ] 基于Landsat-TM影像的洞庭湖水面动态变化 南水北调与水利科技 Du T , Xiong L H , Yi F H , Xiao Y , Song Q M . 2012 . Relation of the water area of Dongting Lake to the water levels of hydrological stations based on MODIS images . Resources and Environment in the Yangtze Basin , 21 ( 06 ): 756 - 765 Relation of the water area of Dongting Lake to the water levels of hydrological stations based on MODIS images 杜涛 , 熊立华 , 易放辉 , 肖义 , 宋求明 . 2012 . 基于MODIS数据的洞庭湖水体面积与多站点水位相关关系研究 . 长江流域资源与环境 , 21 ( 06 ): 756 - 765 [ DOI: CNKI:SUN:CJLY.0.2012-06-017 http://dx.doi.org/CNKI:SUN:CJLY.0.2012-06-017 ] 基于MODIS数据的洞庭湖水体面积与多站点水位相关关系研究 Gao Y , Xie Y H , Zou D S , Hou T J , Li Z Z . 2019 . Changes and driving factors of water surface area for inner lakes in Lake Dongting district in the past 40 years . Journal of Lake Sciences , 31 ( 03 ): 755 - 765 Changes and driving factors of water surface area for inner lakes in Lake Dongting district in the past 40 years 高耶 , 谢永宏 , 邹冬生 , 侯婷娟 , 李正最 . 2019 . 近40年洞庭湖区内湖水面面积变化及其驱动因素 . 湖泊科学 , 31 ( 03 ): 755 - 765 [ DOI: 10. 18307 /2019. 0314 http://dx.doi.org/10.18307/2019.0314 ] 近40年洞庭湖区内湖水面面积变化及其驱动因素 Li J G , Li J R , Huang S F , Zang W B . 2010 . The remote sensing monitoring analysis of Chinese Dongting Lake water area variations in last 10 years using Terra/MODIS data time series . Journal of China Institute of Water Resources and Hydropower Research , 8 ( 03 ): 201 - 207 The remote sensing monitoring analysis of Chinese Dongting Lake water area variations in last 10 years using Terra/MODIS data time series 李景刚 , 李纪人 , 黄诗峰 , 臧文斌 . 2010 . 近10年来洞庭湖区水面面积变化遥感监测分析 . 中国水利水电科学研究院学报 , 8 ( 03 ): 201 - 207 [ DOI: 10.3969/j.issn.1672-3031.2011.03.008 http://dx.doi.org/10.3969/j.issn.1672-3031.2011.03.008 ] 近10年来洞庭湖区水面面积变化遥感监测分析 Li J G , Li J R , Huang S F , Zuo C G . 2009 . Application of Terra/MODIS time series data in dynamic monitoring of lake water area variations : A case study in Dongting Lake region,China Journal of Natural Resources , 24 ( 05 ): 923 - 933 Application of Terra/MODIS time series data in dynamic monitoring of lake water area variations 李景刚 , 李纪人 , 黄诗峰 , 左春刚 . 2009 . Terra/MODIS时间序列数据在湖泊水域面积动态监测中的应用研究——以洞庭湖地区为例 自然资源学报 , 24 ( 05 ): 923 - 933 [ DOI: CNKI:SUN:ZRZX.0.2009-05-021 http://dx.doi.org/CNKI:SUN:ZRZX.0.2009-05-021 ] Terra/MODIS时间序列数据在湖泊水域面积动态监测中的应用研究——以洞庭湖地区为例 自然资源学报 Li J , Zhang W , Xu X . 2020 . Information Extraction and Analysis of Food Disaster in Dongting Lake Area base on Sentinel-1 . Anhui Agricultural Science Bulletin , 26 ( 19 ): 151 - 153 Information Extraction and Analysis of Food Disaster in Dongting Lake Area base on Sentinel-1 李军 , 张维 , 许欣 . 2020 . 基于Sentinel-1的洞庭湖区洪涝灾害信息提取与分析 . 安徽农学通报 , 26 ( 19 ): 151 - 153 [ DOI: 10.16377/j.cnki.issn1007-7731.2020.19.063 http://dx.doi.org/10.16377/j.cnki.issn1007-7731.2020.19.063 ] 基于Sentinel-1的洞庭湖区洪涝灾害信息提取与分析 Ma R H , Yang G S , Duan H T , Jiang J H , Wang S M , Feng X Z , Li A N , Kong F X , Xue B , Wu J L . 2011 . China's lakes at present: Number, area and spatial distribution . Scientia Sinica(Terrae) , 41 ( 03 ): 394 - 401 China's lakes at present: Number, area and spatial distribution 马荣华 , 杨桂山 , 段洪涛 , 姜加虎 , 王苏民 , 冯学智 , 李爱农 , 孔繁翔 , 薛滨 , 吴敬禄 . 2011 . 中国湖泊的数量、面积与空间分布 . 中国科学 : 地球科学 , 41 ( 003 ): 394 - 401 [ DOI: 10.1360/zd-2011-41-3-394 http://dx.doi.org/10.1360/zd-2011-41-3-394 ] 中国湖泊的数量、面积与空间分布 Song C Q , Zhan P F , Ma R H . 2020 . Progress in remote sensing study on lake hydrologic regime . Journal of Lake Sciences , 32 ( 05 ): 1406 - 1420 Progress in remote sensing study on lake hydrologic regime 宋春桥 , 詹鹏飞 , 马荣华 . 2020 . 湖泊水情遥感研究进展 . 湖泊科学 , 32 ( 05 ): 1406 - 1420 [ DOI: 10.18307/2020.0514 http://dx.doi.org/10.18307/2020.0514 ] 湖泊水情遥感研究进展 Tan Z Q , Xu X L , Li Y L , Zhang Q . 2017 . Wetland Landscape pattern evolution of large Yangtze-connected lakes in the middle reaches of the Yangtze River. Resources and Environment in the Yangtze Basin,(10): 1619 - 1629 Wetland Landscape pattern evolution of large Yangtze-connected lakes in the middle reaches of the Yangtze River. Resources and Environment in the Yangtze Basin,(10): 谭志强 , 许秀丽 , 李云良 , 张奇 . 2017 . 长江中游大型通江湖泊湿地景观格局演变特征 . 长江流域资源与环境 , 26 ( 10 ): 1619 - 1629 [ DOI: 10.11870/cjlyzyyhj201710014 http://dx.doi.org/10.11870/cjlyzyyhj201710014 ] 长江中游大型通江湖泊湿地景观格局演变特征 Wang Q . 2021 . Progress of environmental remote sensing monitoring technology in China and some related frontier issues . National Remote Sensing Bulletin , 25 ( 01 ): 25 - 36 Progress of environmental remote sensing monitoring technology in China and some related frontier issues 王桥 . 2021 . 中国环境遥感监测技术进展及若干前沿问题 . 遥感学报 , 25 ( 01 ): 25 - 36 [ DOI: 10.11834/jrs.20210572 http://dx.doi.org/10.11834/jrs.20210572 ] 中国环境遥感监测技术进展及若干前沿问题 Wang S L , Luo J , Chen Z Q . 2021 . Study on Relationship Between Water Level and Water Area Based on Google Earth Engine . Computer Systems & Applications , 30 ( 06 ): 238 - 245 Study on Relationship Between Water Level and Water Area Based on Google Earth Engine 王诗蕾 , 罗晋 , 陈泽强 . 2021 . 基于Google Earth Engine的湖泊水位与水体面积关系研究 . 计算机系统应用 , 30 ( 06 ): 238 - 245 [ DOI: 10.15888/j.cnki.csa.007193 http://dx.doi.org/10.15888/j.cnki.csa.007193 ] 基于Google Earth Engine的湖泊水位与水体面积关系研究 Wang W , Sui B , Lin N , Chen T L . 2020 . Study on Area Changes of the Dongting Lake Based on Remote Sensing Data . Advances in Meteorological Science and Technology , 10 ( 03 ): 128 - 132 Study on Area Changes of the Dongting Lake Based on Remote Sensing Data 王威 , 隋兵 , 林南 , 陈太龙 . 2020 . 基于Landsat遥感数据的洞庭湖面积变化研究 . 气象科技进展 , 10 ( 03 ): 128 - 132 [ DOI: SUN:QXKZ.0.2020-03-028 http://dx.doi.org/SUN:QXKZ.0.2020-03-028 ] 基于Landsat遥感数据的洞庭湖面积变化研究 Xie W J , Yue C Y , Zhang W . 2017 . Study on change of temporal and spatial characteristic of Dongting Lake from 1996 to 2016. Water Resources Informatization,(05): 32 - 38 Study on change of temporal and spatial characteristic of Dongting Lake from 1996 谢文君 , 岳翠莹 , 张文 . 2017 . 洞庭湖1996—2016年时空特征变化研究 . 水利信息化 ,( 05 ): 32 - 38 [ DOI: 10.19364/j.1674-9405.2017.05.007 http://dx.doi.org/10.19364/j.1674-9405.2017.05.007 ] 洞庭湖1996—2016年时空特征变化研究 Yan L , Long D , Bai L L , Zhang C J , Han Z Y , Li X D , Wang W , Shen S H , Ye Y T . 2020 . A review on water resources stereoscopic monitoring systems based on multisource data . Journal of Remote Sensing（Chinese） , 24 ( 07 ): 787 - 803 A review on water resources stereoscopic monitoring systems based on multisource data 岩腊 , 龙笛 , 白亮亮 , 张才金 , 韩忠颖 , 李兴东 , 王文 , 申邵洪 , 冶运涛 . 2020 . 基于多源信息的水资源立体监测研究综述 . 遥感学报 , 24 ( 07 ): 787 - 803 [ DOI: 10.11834/jrs.20210572 http://dx.doi.org/10.11834/jrs.20210572 ] 基于多源信息的水资源立体监测研究综述 Yang G S , Ma R H , Zhang L , Jiang J H , Yao S C , Zhang M , Zeng H A . 2010 . Lake status major problem and protection in China . Journal of Lake Sciences , 22 ( 06 ): 799 - 810 Lake status major problem and protection in China 杨桂山 , 马荣华 , 张路 , 姜加虎 , 姚书春 , 张民 , 曾海鳌 . 2010 . 中国湖泊现状及面临的重大问题与保护策略 . 湖泊科学 , 22 ( 06 ): 799 - 810 [ DOI: 10.18307/2010.0601 http://dx.doi.org/10.18307/2010.0601 ] 中国湖泊现状及面临的重大问题与保护策略 Yu S C , Yu D Q , Wang L C , Li C A , He Q H , Xiang F F . 2019 . Remote Sensing Study of Dongting Lake Beach Changes before and after Operation of Three Gorges Reservoir . Journal of Earth Science , 044 ( 012 ): P . 4275 - 4283 Remote Sensing Study of Dongting Lake Beach Changes before and after Operation of Three Gorges Reservoir 余姝辰 , 余德清 , 王伦澈 , 李长安 , 贺秋华 , 向菲菲 . 2019 . 三峡水库运行前后洞庭湖洲滩面积变化遥感认识 . 地球科学 , 44 ( 12 ): 4275 - 4283 [ DOI: CNKI:SUN:DQKX.0.2019-12-037 http://dx.doi.org/CNKI:SUN:DQKX.0.2019-12-037 ] 三峡水库运行前后洞庭湖洲滩面积变化遥感认识 Zhang M , Zeng Y N , Zhu Y S . 2017 . Wetland mapping of Donting Lake Basin based on time-series MODIS data and object-oriented method . Journal of Remote Sensing , 21 ( 03 ): 479 - 492 Wetland mapping of Donting Lake Basin based on time-series MODIS data and object-oriented method 张猛 , 曾永年 , 朱永森 . 2017 . 面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例 . 遥感学报 , 21 ( 03 ): 479 - 492 [ DOI: 10.11834/jrs.20176129 http://dx.doi.org/10.11834/jrs.20176129 ] 面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例 致谢:本研究使用的数据来源于Google Earth Engine平台，在此表示衷心的感谢！ 10.11834/jrs.20221562 宋利娟，景海涛，徐嘉慧，陈探，张大鹏，宋春桥.XXXX.联合哨兵卫星系列雷达与光学影像的洞庭湖水域面积变化高时空分辨率监测.遥感学报，XX（XX）： 1-16 宋利娟，景海涛，徐嘉慧，陈探，张大鹏，宋春桥.XXXX.联合哨兵卫星系列雷达与光学影像的洞庭湖水域面积变化高时空分辨率监测.遥感学报，XX（XX）： 1-16 SONG Lijuan，JING Haitao，XU Jiahui，CHEN Tan，ZHANG Dapeng，SONG Chunqiao. XXXX. High spatial and temporal resolution monitoring of water area changes in Dongting Lake from the joint Sentinel satellite series of radar and optical images. National Remote Sensing Bulletin， XX（XX）：1-16 SONG Lijuan，JING Haitao，XU Jiahui，CHEN Tan，ZHANG Dapeng，SONG Chunqiao. XXXX. High spatial and temporal resolution monitoring of water area changes in Dongting Lake from the joint Sentinel satellite series of radar and optical images. National Remote Sensing Bulletin， XX（XX）：1-16 国家重点研发计划（编号：2018YFD1100101， 2019YFA0607101， 2018YFD0900804），国家自然科学基金项目（编号：41971403， 41801321），国家“人才引进项目”青年项目（编号：Y7QR011001），中国科学院战略性先导科技专项（A类）（ 编号：XDA23100102） Supported by Supported by National Key Research and Development Program of China (No. 2018YFD1100101, 2019YFA0607101,2018YFD0900804), National Natural Science Foundation of China (No. 41971403, 41801321), Thousand Young Talents Program in China (No. Y7QR011001), Strategic Priority Research Program of the Chinese Academy of Sciences (No. XDA23100102). 2022-03-23 遥感学报