基于MODIS和Landsat数据的维多利亚湖高分辨率无缝地表水范围时间序列研究
维多利亚湖，由于持续的云层覆盖或线状条带，使用JRC（欧洲联合研究中心）产品进行的有效观测的平均百分比仅为70%左右，与水位序列的相关性较差。因此，构建新方法通过整合每日中分辨率成像光谱仪（MODIS）和Landsat图像，生成精细分辨率的无缝SWE时间序列至关重要。
中国科学院南京地理与湖泊研究所刘元波研究员团队吴桂平副研究员首先基于同时获取的MODIS-NDVI和Landsat-NDVI数据之间构建的逐像素降尺度模型生成30m分辨率的日归一化植被指数（NDVI）时间序列数据，并在合成过程中，使用最小值合成（MinVC）算法生成每月最小NDVI时间序列，然后从云背景中分割成30m分辨率的2000-2020年无缝SWE时间序列。
图1 维多利亚湖地理位置
JRC的GSW面积总体较低，在2000-2020年期间变化很大，这主要是由于云层污染造成的，最终导致JRC的GSW结果出现一些空白和无效观测（图2a）。但我们提供的方法观测的结果可以很好地解决云污染问题并提高测管次数（图2b），特别是基于Mifswm的地表水范围（SWE）结果具有较好的时间连续性，与高度表水位时间序列具有较高的一致性。
图2 2000-2020年期间的水位序列(橙色点)与(a) JRC的GSW数据(绿叉)和(b)我们的SWE结果(蓝叉)的比较。 红色框表示2016年4月JRC的GSW结果与我们的SWE结果的推导水域面积对比
JRC的GSW月水史记录与高度计水位时间序列的R2值较低，为0.13，说明两者之间存在明显的差距（图3a）。然而，我们的MIFSWM方法确定的月度SWE数据具有很好的代表性，与高度计水位时间序列具有高度显著的相关性（R2=0.54）。
图3 水位数据与(a) JRC每月GSW SWE数据(绿点)和(b)我们的SWE结果(蓝点)之间的散点图
由于JRC的GSW得到的地表水分布丢失了许多空间细节，呈现出较差的连续性（图4b）。相比之下，基于日地表反射数据的月复合NDVI采用MinVC算法（图4c），基于mifdwm的地表水范围有效地去除了云量和云影（图4d）。MIFSWM是一种强大而有效的SWE检测方法，可以更好地捕获多云条件下的开放地表水范围，而JRC的GSW月度水历史产品无法检测到这一点。
图4 2016年4月JRC的GSW SWE与我们的SWE结果比较。 (a)陆地卫星图像的假彩色合成; (b)联合研究中心的GSW SWE; (c)无云MinVC NDVI; (d)我们的SWE结果
在2000-2020年期间，维多利亚湖年最大、最小和平均地表水面积均呈现出先下降后上升的格局。2002年以后，水域面积总体呈下降趋势，至2006年达到最低值66386.57km2，平均下降速率为8.79km2/年。2006年以来，地表水面积总体呈逐年显著增加趋势。
图5 2000 - 2020年最大、最小和平均地表水面积时间序列。 年平均面积和时间之间的回归线(用虚线表示)
月平均湖泊面积也存在普遍的季节变化，6-8月SWE最大，9-11月SWE最小，特别是在2006年春季和2020年秋季，维多利亚湖分别经历了严重的干旱和洪水。
图6 维多利亚湖的季节性SWE变化(a)。图(b)显示2006年春季低SWE使渔民无法让渔船靠岸。图(c)显示了2020年秋季被大型SWE淹没的海岸线社区。
相关研究成果以“Developing a High-Resolution Seamless Surface Water Extent Time-Series over Lake Victoria by Integrating MODIS and Landsat Data”为题发表在国际期刊Remote Sensing上。
