文章引言

地表水的分布和范围是影响水资源管理、降低洪水和淹没风险以及生物地球化学循环 (包括碳封存) 的关键因素。地球观测卫星在地表水研究中的应用受到重访周期长和云敏感性的限制，这导致在关键时期可能无法获取足够的观测数据。通过整合多个卫星数据，可以提供更频繁的观测，尤其是结合光学卫星和合成孔径雷达 (SAR) 卫星，这可以提高监测地表水动态的能力，而结合不同的卫星源存在一定的复杂性，需要解决数据融合中的技术挑战。来自东京工业大学的Alexis Declaro先生和Shinjiro Kanae教授通过探索Landsat-8/9、Sentinel-2和Sentinel-1 SAR卫星数据融合的潜力和局限性，以增强地表水监测。研究通过关注分割的地表水图像，使用简单的统计阈值算法来展示光学和SAR数据结合的有效性和直接性，并且探讨了通过整合不同卫星数据来改善全球重访间隔的潜力，这对于需要更频繁地表水监测的研究 (如洪水、淹没和水文建模) 至关重要。

图为光学 (Landsat 8/9, Sentinel 2) 和SAR (Sentinel 1) 图像预处理工作流程图。

研究过程与结果

本文详细研究了如何通过融合不同卫星数据来增强地表水监测的能力。研究团队采用了Landsat-8/9、Sentinel-2和Sentinel-1 SAR三种卫星的数据，并利用简单的统计阈值算法——Otsu算法来处理分割的地表水图像，以区分水体和非水体像素。研究中还使用了改进的归一化水体指数 (MNDWI) 来处理光学卫星数据，以及双极化VH后向散射系数来处理SAR数据。为了评估不同卫星数据源之间的一致性和融合的和谐性，研究中使用了Kappa系数 (κ) 作为性能评估指标。

研究结果显示，Landsat-8/9和Sentinel-2之间的和谐性非常强，表明这两种光学卫星的数据可以有效地结合使用，以进行地表水监测。然而，当涉及到与Sentinel-1 SAR数据的融合时，和谐性在不同地表水环境中表现出显著的变异性，尤其是在植被环境中，如稻田，和谐性较差。这表明在这些环境中，光学和SAR数据的融合更具挑战性。

在重访间隔的分析中，研究显示通过数据融合显著改善了全球重访间隔。仅使用Landsat-8/9时，中位数重访间隔为15.87至22.81天；加入Sentinel-2后，这一间隔缩短至4.51至7.77天；进一步加入Sentinel-1 SAR后，缩短至3.48至4.62天。即使在湿季，多卫星融合也保持了中位数重访间隔在一周以内，这对于需要频繁观测的应用，如水文建模和洪水监测，是非常重要的。

图为全球重访间隔图：(a) 只有Landsat 8/9；(b) 光学卫星数据融合后：L9+S2；(c) SAR数据融合后：L9+S2+S1SAR。每个像素分辨率为1500m。

研究还指出了Otsu算法在处理复杂实地条件下的局限性，并建议未来研究应探索更高级的阈值算法和深度学习方法，以提高数据融合的效果。这些方法可能包括多级阈值算法和无监督或监督的深度学习技术，以增强在更复杂条件下的水体监测能力。

研究总结

本文研究了整合高分辨率开源卫星数据对于提高地表水监测的可行性，并探讨了不同卫星数据源融合的潜力和限制，研究特别关注了云覆盖和云影的影响、卫星数据融合的不同阶段、全球和关键区域的监测，以及全年和雨季的监测情况。研究发现，光学卫星Landsat 8/9和Sentinel-2在所有地表水环境中的融合效果非常好，推荐将它们结合起来生成地表水范围图像。然而，与Sentinel-1 SAR的融合效果较差，尤其是在植被环境中。研究归因于使用的二元Otsu阈值算法的局限性，并建议未来的研究探索更先进的阈值技术和深入研究植被环境的复杂性。

原文出自 Remote Sensing 期刊：https://www.mdpi.com/2947362

期刊主页：https://www.mdpi.com/journal/remotesensing

Remote Sensing 期刊介绍

主编：Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA

期刊范围涵盖遥感科学所有领域，从传感器的设计、验证和校准到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。

2023 Impact Factor：4.2

2023 CiteScore：8.3

Time to First Decision：24.7 Days

Acceptance to Publication：2.8 Days