一種基于多源遙感信息的地表濕地水體提取方法＊

鄒業(yè)斌 楊娟 舒瑞

1.寧夏大學(xué)土木與水利工程學(xué)院；2.中國地質(zhì)大學(xué)（武漢）公共管理學(xué)院；3.寧夏自然資源勘測調(diào)查院

為了以中分辨率遙感影像檢測植被、土壤與水體混合區(qū)域中的明水體，本研究提出了一種基于大氣校正地表反射率、數(shù)字地形數(shù)據(jù)和土地覆蓋產(chǎn)品的內(nèi)陸地表濕地水體提取方法，將基于中分辨率遙感影像的光譜指數(shù)與土地覆蓋類型柵格、地形指數(shù)和云/云陰影篩選規(guī)則相結(jié)合，應(yīng)用于寧夏平原1990—2002年枯水期和豐水期的濕地水體數(shù)據(jù)提取和季節(jié)性動態(tài)監(jiān)測。經(jīng)驗證，水體分類提取總體精度為0.93，Kappa系數(shù)為0.83。通過對濕、枯季濕地數(shù)據(jù)進(jìn)行時間序列分析和空間疊加分析，揭示流域濕地水體的季節(jié)性變化特征。季節(jié)性分析結(jié)果表明：（1）近30年來研究區(qū)豐、枯水期水體面積均呈整體上升趨勢，水體面積季節(jié)性變化明顯，豐、枯水期水體面積最大變化值達(dá)405.46km2，最大變化率達(dá)52.79%；（2）寧夏平原東北部為主要季節(jié)變化區(qū)，包括銀北灌區(qū)以及黃河主河道兩岸，平均面積變化值為142.31km2；（3）黃河徑流量、降水和蒸發(fā)以及引黃灌溉和生態(tài)補(bǔ)水，是寧夏平原水體面積變化的主要影響因素。

干旱區(qū)是全球變化的重要敏感區(qū)，干旱區(qū)濕地作為一種特殊的地表景觀類型是區(qū)域環(huán)境變化的敏感指示器，濕地的擴(kuò)張或萎縮對于干旱區(qū)生態(tài)環(huán)境的變化和平衡具有明顯的指示和放大作用[1]。寧夏平原（如圖1所示）地處中國西北內(nèi)陸干旱區(qū)，氣候干旱少雨、蒸發(fā)強(qiáng)烈，但黃河干流縱貫平原397km，使這一地區(qū)形成了大量的濕地資源[2，3]，成為寧夏平原水資源的重要載體。

圖1 寧夏平原示意圖（綠框線內(nèi)）Fig.1 Schematic diagram of the Ningxia Plain (within the green frame)

研究區(qū)內(nèi)生態(tài)環(huán)境脆弱，冬寒長、春暖遲、夏熱短、秋涼早，干旱少雨、降雨集中、蒸發(fā)強(qiáng)烈、風(fēng)大沙多。受黃河徑流量汛、枯期交替、降雨季節(jié)性變率大以及冬季長時間蒸發(fā)等因素影響，平原內(nèi)濕地水體季節(jié)性變化劇烈[4]。從雨季持續(xù)到旱季的降雨不足、水體滲漏及長時間蒸發(fā)，導(dǎo)致濕地水面積縮減、水位下降并且儲水量減少，致使季節(jié)性水文干旱的發(fā)生[5]。目前，季節(jié)性水文干旱已成為全球性的常見自然災(zāi)害，尤其對于干旱半干旱區(qū)而言，其造成嚴(yán)重的水資源短缺、經(jīng)濟(jì)損失和不良社會后果[6，7]。

近年來，衛(wèi)星遙感已被用作快速獲取大尺度地表水體及其變化信息的數(shù)據(jù)源，各種遙感光譜指數(shù)被廣泛用于濕地水體動態(tài)變化監(jiān)測，主要是利用遙感光譜指數(shù)如歸一化差異水體指數(shù)（NDWI）[8]、改進(jìn)的歸一化差異水體指數(shù)（MNDWI）[9]、增強(qiáng)水體指數(shù)（EWI）[10]、自動水體提取指數(shù)（AWEInsh）[11]等提取水體的面積及其動態(tài)分布。早期遙感影像的水體提取主要基于單波段法，利用水體在近紅外或中紅外波段強(qiáng)烈吸收特征來識別水體信息[11，12]。由于Landsat系列影像至少具有4個波段，因此可利用遙感影像多個波段之間的相互關(guān)系，構(gòu)建邏輯判斷規(guī)則來提取水體[8，13，14]，例如周成虎等[15]利用TM影像中水體具有灰度值TM2+TM3＞TM4+TM5的譜間特征，實現(xiàn)水體信息提取。目前基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法也被充分運(yùn)用到水體自動提取中，如支持向量機(jī)（SVM）法[16]、決策樹法[17]和面向?qū)ο蠓╗18]，其中應(yīng)用較廣泛的有基于機(jī)器學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)[19]、馬爾科夫隨機(jī)場模型[20]和基于監(jiān)督分類的光譜匹配方法[21]等。

基于衛(wèi)星遙感技術(shù)的各種水體信息提取方法的結(jié)果精度至關(guān)重要，盡管濕地水體具有明顯的光譜特征，但在不同的條件下，它也是一個高度可變的目標(biāo)，其波段光譜特性會隨著葉綠素濃度、總懸浮固體量、有機(jī)物濃度、水體深度、淺水體底部物質(zhì)以及觀察條件（如太陽方位角和云陰影等）的變化而變化，與地形陰影和其他土地覆蓋類型（如雪和冰）的光譜相似性也使得水體光譜識別變得復(fù)雜[22，23]。因此，需建立一套復(fù)雜地表環(huán)境下的地表濕地水體提取算法，結(jié)合高分辨率光譜影像和地形測量數(shù)據(jù)等多源數(shù)據(jù)，高精度、可靠并有效地提取不同環(huán)境和復(fù)雜地表覆蓋條件下的濕地水體分布。本研究以黃河流域濕地水體作為研究對象，所涉及的濕地水體概念指的是地表濕潤、過濕或經(jīng)常積水的可遙感探測到水體的區(qū)域。

1 研究區(qū)域、數(shù)據(jù)和研究方法

1.1 研究區(qū)概況

寧夏平原（如圖1所示）地處中溫帶干旱氣候區(qū)，位于黃河流域中上游，斜貫寧夏西北部，南北長約320km，東西寬約10～50公里，總面積達(dá)1.7萬平方公里，平均海拔1000m以上[24]。依靠黃河水灌溉和生態(tài)用水補(bǔ)給，平原內(nèi)分布著復(fù)雜多樣、類型豐富的濕地水體，形成內(nèi)陸干旱區(qū)具有代表性的濕地水體資源[24，25]。研究區(qū)內(nèi)生態(tài)環(huán)境脆弱，夏季降雨集中、冬季寒冷干燥，年均氣溫8.3℃～10.1℃，年均降水量不足200mm，年均蒸發(fā)量為1850mm，約為年均降水量的10倍。降水主要集中于6～9月，占全年降水量的70%以上，因此年內(nèi)水文氣候條件變化劇烈，導(dǎo)致平原內(nèi)濕地季節(jié)性變化明顯[26，27]。

1.2 數(shù)據(jù)

地表濕地水體提取方法需要以下輸入數(shù)據(jù)集：Landsat TM/ETM+/OLI Level 2級別的遙感影像、SPOT-5影像、高分1號影像、土地覆蓋類型產(chǎn)品、數(shù)字高程模型（SRTM DEM）、月降雨量和蒸發(fā)量資料以及行政區(qū)劃圖等。

為實現(xiàn)寧夏平原濕地長時間序列季節(jié)動態(tài)變化分析，本研究選取1990—2020年覆蓋寧夏平原且云量少于20%的共969景Landsat遙感影像作為數(shù)據(jù)源，并完成遙感影像的裁切、融合鑲嵌和去云處理。對于Landsat 7 自2003年以后出現(xiàn)的影像條帶問題，采用遙感軟件完成條帶修復(fù)。所選取的數(shù)據(jù)被分為豐水期（7月～11月）和枯水期（12月—次年4月）用于提取每兩年期的濕地水體，即使用21期（1990、1992、……、2020）共42個時期（豐水期和枯水期）的逐月數(shù)據(jù)提取濕地水面，并將各個時期最大和最小面積作為對應(yīng)豐水期和枯水期的濕地面積。

Landsat和DEM數(shù)據(jù)來自于美國地質(zhì)勘探局（United States Geological Survey，簡稱USGS），SPOT-5影像來自法國空間研究中心（https：//regards.cnes.fr/user/swh/modules/60），高分1號影像來源于中國資源衛(wèi)星應(yīng)用中心（http：//www.cresda.com/CN/），氣象數(shù)據(jù)來源于國家氣象信息中心，土地覆蓋類型數(shù)據(jù)來自中國科學(xué)院航天信息研究所（https：//data.casearth.cn/thematic/glc_fcs30/88）。

1.3 濕地水體的提取方法

1.3.1 基于自適應(yīng)水體指數(shù)閾值提取濕地水體

首先設(shè)定閾值NDVI（≥0.3）和NDWI（≤-0.1）排除大部分非水體像素，以提高分類算法的效率和精度。接著，設(shè)定初始閾值MNDWI＞0.124提取水體區(qū)域，許多水體閾值的實驗分析表明[28-30]，0.124可初步確定幾乎所有潛在的濕地水體區(qū)域。各指數(shù)計算公式如式（1）～式（3）所示：

其中NIR、red、Green和SWIR1分別是近紅外、紅色、綠色和短波紅外波段的反射值。

通過在研究區(qū)隨機(jī)生成500個均勻分布的樣本點，選擇相近日期更高分辨率的Google Earth影像和高分1號衛(wèi)星圖像（2m空間分辨率）對水體結(jié)果目視對比，對Landsat MNDWI閾值迭代自適應(yīng)調(diào)整，利用最優(yōu)閾值提取水體面積數(shù)據(jù)。通過設(shè)置指數(shù)閾值提取水體數(shù)據(jù)，將遙感影像中“水體”像素值設(shè)置為1，“無數(shù)據(jù)”和“非水體”設(shè)置為0，形成二元狀態(tài)柵格數(shù)據(jù)集。

分類過程中，一些土地覆蓋物（例如冰、雪、云陰影、濕潤土壤、濕地植被和山地陰影等）顯示出高NDWI和MNDWI值，可能被誤分為水體（即傭金錯誤），因此基于水體二元柵格數(shù)據(jù)集，通過設(shè)置篩選規(guī)則和方法將這些地物從水體類別中剔除。

1.3.2 基于土地覆蓋類型的掩膜分析

土地覆蓋類型產(chǎn)品為來自中國科學(xué)院航天信息研究所的1985—2020年的全球30m精細(xì)地表覆蓋動態(tài)監(jiān)測產(chǎn)品GLC_FCS30。基于GLC_FCS30土地覆蓋類型產(chǎn)品，應(yīng)用基于土地覆蓋的掩膜直接替換像素值，排除非水體像素。GLC_FCS30-2020具有與水體柵格影像同樣的空間分辨率（30m）和坐標(biāo)參考基準(zhǔn)，將GLC_FCS30-2020中已標(biāo)記為非水的位置在二元柵格影像中標(biāo)記為“非水體”（0值）。

1.3.3 山體陰影像素剔除

寧夏平原地勢平坦，地形因素考慮較少，但在其北部和西南部等地區(qū)仍存在一些山體/脈，需考慮山體陰影和地形坡度對提取結(jié)果的影響。

根據(jù)Landsat影像中各像素的緯度、拍攝日期和時刻計算該位置處太陽高度角和方位角[31]，然后在DEM影像中利用移動3×3高程窗口訪問所有像素，計算坡度[32]和坡向，其中坡度計算為每個像素與其相鄰像素之間的最大高度差率，計算過程請參考Horn的研究成果[32]。利用以上信息計算山體陰影Hillshade，公式如式（4）所示：

其中，Zenith_rad和Azimuth_rad是太陽天頂角和太陽方向角的弧度數(shù)，Slope_rad和Aspect_rad是某一位置處的坡度弧度數(shù)和坡向弧度數(shù)。計算得到每個像素處的陰影值（1～255范圍內(nèi)整數(shù)值），將山體陰影值＜150和坡度＞20°的像素識別為地形陰影。

1.3.4 利用坡度值排除非水像素

利用10%的坡度閾值排除由于地形坡度過大而無法容納水的像素，將任何超過此閾值的位置重新編碼為0值（非水體）。

1.3.5 “ 冰”“雪”“云”和“云陰影”像素剔除

研究區(qū)枯水期存在冰/雪覆蓋，其在可見光和近紅外波段反射率高，在短波紅外波段反射率低，導(dǎo)致MNDWI值較高，但NDWI值較小[33]。因此使用差異閾值（0.7）減少水體與冰雪的混淆，并且考慮地溫T[34]＜1.5℃的標(biāo)準(zhǔn)，將滿足公式（5）的像素設(shè)置為“非水體”。同時，算法檢查Landsat影像QA波段并將QA波段中標(biāo)記為云和云陰影值的像素位置標(biāo)記為“非水體”。

1.4 水體面積統(tǒng)計與精度分析

通過以上方法處理得到豐、枯期水體柵格數(shù)據(jù)，將其導(dǎo)入到GIS軟件中統(tǒng)計水體面積。因為Landsat衛(wèi)星可以識別的最小水體面積是0.01km2，因此本研究僅分析面積大于0.01km2的水體。水體提取結(jié)果精度驗證取1998、2010和2018年豐水期和枯水期的柵格結(jié)果，在研究區(qū)隨機(jī)抽樣1，000點與SPOT-5和高分1號衛(wèi)星數(shù)據(jù)對比，統(tǒng)計水體提取的總體精度（Overall Accuracy， OA）和Kappa系數(shù)，精度統(tǒng)計結(jié)果如表1所示。統(tǒng)計水體提取的總體精度平均值為0.93，Kappa系數(shù)平均值為0.83。

表1 水體提取結(jié)果精度統(tǒng)計Tab.1 Precision statistics of water extraction results

通過對比濕、枯季濕地數(shù)據(jù)，計算年內(nèi)濕地水體面積變化值和變化率、年均面積變化值和年均面積變化率等統(tǒng)計值，分析寧夏平原濕地水體面積季節(jié)性動態(tài)變化，按如公式（6）所示的來計算面積季節(jié)變化率：

式中：SD為枯水期濕地面積；SW為豐水期濕地面積。計算結(jié)果等于0表示濕地面積無變化，大于0和小于0分別表示從豐水期到枯水期濕地萎縮和擴(kuò)張。

2 結(jié)果與分析

2.1 濕地水體季節(jié)性動態(tài)變化—時間序列分析

如圖2所示表示的是1990—2020年研究區(qū)濕地水體濕、枯季面積及面積變化情況，可知寧夏平原豐、枯水期的水體面積整體呈現(xiàn)逐年上升趨勢，水體面積在豐水期比枯水期均波動劇烈，尤其在2000年以后。

圖2 寧夏平原濕地水體面積變化Fig.2 Change of wetland water area in Ningxia Plain

（1）除2000年外，其他年份豐水期水體面積均大于枯水期水體面積。

（2）最小濕地水體面積發(fā)生在1994年枯水期，僅為171.75km2，最大面積發(fā)生在2018年豐水期，面積為768.05km2。濕、枯季濕地水體面積多年均值分別為427.57km2和 286.36km2。

（3）寧夏平原濕地面積季節(jié)性變化顯著，濕、枯季面積最大值變化發(fā)生在2018年，達(dá)到405.46km2，其次是2016年，變化值達(dá)到300.02km2，而最小面積之差為-12.94km2，發(fā)生于2000年，近30年濕枯季面積變化均值為141.22km2。

（4）濕地面積多年最大、最小變化率為52.79%和-4.93%，分別發(fā)生于2018年和2000年，與最大濕地面積和最小濕地面積變化發(fā)生時間一致，近30年來濕地面積平均變化率為27.6%。

因此整個區(qū)域水體季節(jié)性變化幅度大，也表明了作為內(nèi)陸干旱區(qū)流域的地表水資源，水體面積季節(jié)性波動劇烈。

2.2 濕地水體季節(jié)性動態(tài)變化—空間疊加分析

為突出顯示寧夏平原濕地水體的濕、枯季變化特征，選取年內(nèi)濕枯季面積ACR＞0.43的濕地水體柵格影像作為代表性數(shù)據(jù)進(jìn)行空間疊加（如圖3所示）。結(jié)果表明，研究區(qū)內(nèi)濕地水體面積及其空間分布的季節(jié)性變化明顯。

圖3 寧夏平原濕地水體面積季節(jié)變化空間特征（按變化率從大到?。〧ig.3 Spatial characteristics of seasonal change of wetland water area in Ningxia Plain (from large to small according to the change rate)

濕地面積變化較為劇烈的區(qū)域主要在銀北灌區(qū)以及黃河主河道兩岸區(qū)域，主要包括銀川市和石嘴山市內(nèi)的濕地水體，兩個區(qū)域豐水期和枯水期的平均水體面積分別為345.2km2和202.89km2，平均變化率達(dá)42.22%。研究區(qū)夏季降雨集中，冬季干旱少雨，濕枯季的降雨量差異大，黃河徑流的頂托作用以及引黃灌溉和城市內(nèi)生態(tài)補(bǔ)水等影響，導(dǎo)致平原水體面積季節(jié)性變化顯著[35]。

黃河河流濕地具有豐枯交替的特征，黃河主干道在豐水期和枯水期也容易發(fā)生擺動遷移、面積變化、寬度變化及其與沼澤濕地的相互轉(zhuǎn)化的現(xiàn)象。如圖4所示展示出了2020年黃河近岸湖泊騰格里湖以及黃河青銅峽段從豐、枯水期的水體面積變化。騰格里湖（圖4a）從豐水期到枯水期水位下降、水面積逐漸縮減，而黃河（圖4b）則部分干流轉(zhuǎn)化為沼澤漫灘濕地，均發(fā)生季節(jié)性波動。

圖4 黃河近岸水體季節(jié)變化Fig.4 Seasonal variation of the near shore water body of the Yellow River

總體而言，變化率較高的區(qū)域分布在寧夏平原的東北部，而西南部變化率較低，這也間接反映了寧夏境內(nèi)不同區(qū)域的水系水資源存在著明顯差異。

3 結(jié)語

本研究提出了一種較復(fù)雜地表覆蓋條件下內(nèi)陸地表濕地水體的提取方法，旨在以中分辨率Landsat影像檢測植被、土壤與水混合區(qū)域中的明水體。該方法可處理Landsat 4-5 TM、Landsat 7 ETM+和Landsat 8 OLI產(chǎn)品，但其仍可應(yīng)用于從其他衛(wèi)星獲取的光譜數(shù)據(jù)，特別是那些光譜波段與Landsat傳感器相似的衛(wèi)星。本研究通過建立模型方法從Landsat TM/ETM+/OLI等多源遙感影像解譯提取寧夏平原1990—2002年枯水期和豐水期的濕地水體數(shù)據(jù)，并對濕、枯季濕地數(shù)據(jù)進(jìn)行時間序列分析和空間疊加分析，結(jié)果表明：（1）1990—2020年間研究區(qū)內(nèi)濕地面積季節(jié)性變化劇烈，豐、枯水期的水體面積整體呈逐年上升趨勢，水體面積在豐水期比枯水期均波動明顯；（2）變化較為劇烈的區(qū)域一般發(fā)生在銀北灌區(qū)以及黃河近岸區(qū)域，主要包括銀川市和石嘴山市內(nèi)的濕地水體。

本研究將關(guān)注聚焦于內(nèi)陸干旱區(qū)流域水體，具有特殊性與代表性，對于干旱區(qū)流域濕地水體提取和季節(jié)性演變研究也具有一定借鑒意義。

致謝

感謝寧夏自然科學(xué)基金項目（2021AAC03060）、寧夏高等學(xué)校一流學(xué)科建設(shè)項目（NXYLXK2021A03）、寧夏自然科學(xué)基金項目（2022AAC03052）、寧夏自然科學(xué)基金項目（2021AAC03043）的支持。

引用

[1]COLETTI J Z,VOGWILL R,HIPSEY M R.Water Management Can Reinforce Plant Competition in Salt-affected Semi-arid Wetlands[J].J HYDROL,2017(552):121-140.

[2]白林波,白明生,石云.基于RS與GIS的銀川市濕地景觀變化研究[J].水土保持研究,2011,18(04):79-81.

[3]張榮群,喬月霞,劉歡.濕地景觀演變與土地利用強(qiáng)度變化的響應(yīng)關(guān)系——以銀川平原為例[J].測繪科學(xué),2015,40(10):54-59.

[4]ZHANG Z F.Wetland Environmental Protection and Spatial Distribution of Plant Communities in Arid and Semi-Arid Areas of Northwest China[C]//The Proc.of 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics),2019.

[5]ZHANG R,ZHANG X,YANG J,et al.Wetland Ecosystem Stability Evaluation by Using Analytical Hierarchy Process(AHP)Approach in Yinchuan Plain,China[J].Mathematical and Computer Modelling, 2013,57(3):366-374.

[6]HAO C,ZHANG J,YAO F.Combination of Multi-sensor Remote Sensing Data for Drought Monitoring Over Southwest China[J].International Journal of Applied Earth Observations & Geoinformation,2015(35):270-283.

[7]李燕燕.青藏高原旱、雪災(zāi)特征及其與大氣環(huán)流的關(guān)聯(lián)性探究[D].西寧:青海師范大學(xué),2020.

[8]MCFEETERS S K.The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J].International Journal of Remote Sensing,1996,17(7):1425-1432.

[9]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報,2005,9(5):589-595.

[10]丁鳳.一種基于遙感數(shù)據(jù)快速提取水體信息的新方法[J].遙感技術(shù)與應(yīng)用,2009,24(2):167-171.

[11]FRAZIER P S,PAGE K J.Water Body Detection and Delineationwith Landsat TM data[J].Photogrammetric Engineering and Remote Sensing,2000,66(12):1461-1467.

[12]畢海蕓,王思遠(yuǎn),曾江源,等.基于TM影像的幾種常用水體提取方法的比較和分析[J].遙感信息,2012,27(5):77-82.

[13]汪金花,張永彬,孔改紅.譜間關(guān)系法在水體特征提取中的應(yīng)用[J].礦山測量,2004(4):30-32.

[14]都金康,黃永勝,馮學(xué)智,等.SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學(xué)報,2001,5(3):214-219.

[15]周成虎,駱劍承,楊曉梅.遙感影像地學(xué)理解與分析[M].北京:科學(xué)出版社,1999.

[16]張德軍,楊世琦,王永前,等.基于GF-1數(shù)據(jù)的三峽庫區(qū)水體信息精細(xì)化提取[J].人民長江,2019,50(9):233-239.

[17]陳超,傅姣琪,隨欣欣,等.面向災(zāi)后水體遙感信息提取的知識決策樹構(gòu)建及應(yīng)用[J].遙感學(xué)報,2018,22(5):792-801.

[18]王俊海,阮仁宗,柴穎,等.基于高分二號的面向?qū)ο蟪鞘兴w信息提取[J].地理空間信息,2018,16(9):34-40.

[19]王知音.基于機(jī)器學(xué)習(xí)的遙感圖像水體提取研究[D].烏魯木齊:新疆大學(xué),2016.

[20]唐德可,王峰,王宏琦.基于馬爾科夫分割的單極化SAR數(shù)據(jù)洪澇水體檢測方法[J].電子與信息學(xué)報,2019,41(3):619-625.

[21]張偉,趙理君,鄭柯,等.一種改進(jìn)光譜角匹配的水體信息提取方法[J].測繪通報,2017(10):34-38.

[22]JI L,ZHANG L,WYLIE B.Analysis of Dynamic Thresholds for the Normalized Difference Water Index[J].Photogrammetric Engineering & Remote Sensing,2009(75):1307-1317.

[23]LIAO A L,CHEN J,CHEN C,et al.High-Resolution Remote SensingMapping of Global LandWater[J].Science China Earth Sciences,2014(57):2305-2316.

[24]呂金虎.寧夏銀川濕地現(xiàn)狀及保護(hù)對策[J].濕地科學(xué)與管理,2014,10(4):32-35.

[25]渠曉毅,劉小鵬,邵寧平.銀川市湖泊濕地景觀空間格局動態(tài)演化分析[J].干旱區(qū)研究,2009,26(3):333-339.

[26]張仲勝,薛振山,呂憲國.氣候變化對沼澤面積影響的定量分析[J].濕地科學(xué),2015,13(2):161-165.

[27]YANG H L,XIAO H,GUO C W,et al.Innovative Trend Analysis of Annual and Seasonal Precipitation in Ningxia,China[J].Atmospheric and Oceanic Science Letters,2020,13(04):308-315.

[28]THOKCHOM B,QIU P,SINGH P,et al.Water Conservation in the Era of Global Climate change[M].Amsterdam:Elsevier,2021:99-120.

[29]SOULARD C E,WALKER J J,PETRAKIS R E.Implementation of a Surface Water Extent Model in Cambodia Using Cloud-based Remote Sensing[J].Remote Sensing,2020,12(6):984.

[30]GANESH K M,RAO R S,MURTHY Y,et al.Assessment of Surface Water Bodies Using Automated Algorithm,West Godavari District,Andhra Pradesh,India[J].Journal of Civil,Structural,Environmental,Water Resources and Infrastructure Engineering Research,2019,9(2):53-58.

[31]莊炎昊.基于學(xué)科融合的太陽高度角、太陽方位角公式推導(dǎo)——以2020年11月金華十校高三地理試題為例[J].地理教學(xué),2022(02):38-40.

[32]HORN B K.Hill Shading and the Reflectance Map[J].Proceedings of the IEEE,1981,69(1):14-47.

[33]Feng M,Sexton J O,Channan S,et al.A Global,Highresolution(30-m)inland Water Body Dataset for 2000:First Results of a Topographic-spectral Classification Algorithm[J].International Journal of Digital Earth,2016,09(02):113-133.

[34]王璟睿,魏辛源,李明詩,等.多時相Landsat影像地表亮溫輻射歸一化方法[J].遙感信息,2016,31(2):86-92.

[35]柴奕.寧夏引黃灌區(qū)濕地動態(tài)演變及驅(qū)動因子研究[D].鄭州:華北水利水電大學(xué),2018.