1985−2020年太湖月尺度高精度水体面积提取分析.pdf

19852020 年太湖月尺度高精度水体面积提取分析*张莘琛祝一诺叶爱中（北京师范大学地理科学学部，地表过程与资源生态国家重点实验室，陆地表层系统科学与可持续发展研究院，北京）摘要本研究选取太湖作为研究对象，使用长期高分辨率水体掩膜数据集，通过水体分类增强算法纠正数据中受到云、云阴影、地形阴影等污染的像素.本研究提供了长达 30 多年（19852020 年）的太湖月尺度水覆盖图和水体面积数据，其中水体面积平均值为 2421.00km2，数据方差较算法纠正前锐减，平均面积增强率达 20.76%，验证结果可靠.这些数据可以用来支持水资源分析和科学管理，并为维护该区域的生态平衡和持续利用水资源提供科学依据和数据支撑.关键词太湖；月尺度；水体面积中图分类号TP79DOI：10.12202/j.0476-0301.20230570引言水资源是人类赖以生存和发展的重要资源，是地球上最珍贵的自然资源之一.水资源具有广泛而重要的作用，不仅影响着人类的生活，也对生态系统的健康与稳定产生影响，与人类活动息息相关.尽管地表淡水仅覆盖地球表面的 0.8%左右，但它却为近 78%1的城市居民提供生活用水，也是人类社会经济用水的重要来源，为社会经济可持续发展提供了重要支持.在环境监测方面，水面积是反映自然水资源的重要指标之一，具有对于河流、湖泊、水库、海洋等水体的水资源管理、生态环境监测、水污染治理等方面的重要意义24.此外，水面积的提取也是灾害监测的重要手段之一，例如对于洪水、地质灾害、海啸等5自然灾害的及时监测和评估，以便采取有效的救援和应对措施.此外，水面积提取的研究可以为城市规划、交通建设、水利工程等基础设施建设提供支持和参考，对提高城市和区域的生活品质、促进经济发展等方面产生积极作用.水体面积提取是遥感领域中的一个重要研究课题，是一项具有重要意义的研究工作67.它可以为自然资源管理、环境保护、灾害监测、城市规划等方面提供支持和参考810.利用光学遥感数据（Landsat、MODIS 等卫星数据），通过不同的算法（水体指数法、归一化水体指数法、基于决策树的水体提取法等）提取水体面积已经被广泛应用于全球各地的水体面积提取.国内外众多研究人员通过遥感数据开展了水体动态监测工作.例如：Klein 等11提出了使用中分辨率成像光谱仪（MODIS）的全时间分辨率，根据光谱信息和动态阈值生成每日 250m 的内陆水体全球数据集的方法；Khandelwal 等12使用 MODIS 多光谱数据以 500m 空间分辨率绘制已知水库的全球面积范围和时间变化图；Gao 等13研究了从 19922010 年 34 个全球水库，从 5 个卫星高度计的组合中获得高质量的地表高程数据，并通过将基于 MODIS 的估计值与基于卫星高度计的水库高程估计值相结合，得出了每个水库的高程-面积关系.此外，也有研究人员使用其他遥感技术提取水体面积，如基于Landsat 卫星图像的SMDPSO方 法 提 取 白 洋 淀 水 域 面 积14，以 及 基 于 Landsat8OLI 数据的青海湖水体边界自动提取方法等15.然而，遥感数据时常会受到云、云阴影等污染及其他因素的影响，这给水体面积提取和监测等工作带来许多问题，且现有的研究大多针对固定水体年度变化的分析，忽略了月尺度上季节变化对水体面积的影响.Pekel 等16利用长期 Landsat 任务生成了 19842015 年全球地表水数据集，可以用来提取任何陆地卫星所探测到的月时间序列中水库、湖泊的水体面积.然而，由于云、云阴影、地形阴影、照明度和扫描线校正器故障等影响，数据中一部分像素被归类为“Nodata”，这可能导致一些水库、湖泊的结果被严重低估.在这种情况下，如果直接丢弃受污染的像素，可能会导致数据缺失严重，因此需要采用其他措施来*第二次青藏高原综合科学考察研究资助项目（2019QZKK0405），国家自然科学基金资助项目（42171022）通信作者：叶爱中（1978），男，教授，博士.研究方向：水文集合预报研究.E-mail：收稿日期：2023-05-032024-04北京师范大学学报（自然科学版）60（2）JournalofBeijingNormalUniversity（NaturalScience）285保证数据质量.一些相关研究已经采用了高程信息1718和多时相分析1920来纠正受污染像素的分类，但是还缺乏可以准确纠正不同类型污染像素的算法.在湖泊水体研究方面，Zhang 等21从气候和人为因素量化了中国湖泊多年变化的原因，发现气候因子在中国湖泊变化中起了主导作用；Benson 等3使用湖泊总表面积作为气候变化的指标，提出湖泊对水文平衡变化响应的适当量具既不是湖泊深度，也不是湖泊体积，而是湖泊表面积；Du 等8研究了 20 世纪中国长江中游湖区变化，结果表明，虽然近百年来湖泊数量变化不大，但湖区面积却大幅减少了 58.06%；Cui等10研究了 19 世纪末以来中国长江流域中下游湖泊动态，研究发现，18752008 年湖泊面积大幅减少，减少了 7841.2km2（42.64%）.太湖是中国东部最大的淡水湖泊之一2223，其水体面积在不同的季节和年份中存在着显著的变化.对太湖月尺度水体面积进行监测和分析，可以更好地了解太湖的水资源状况，及时发现水污染和水质变化等环境问题24.并且，水体面积的变化与气候因素密切相关，提取太湖月尺度水体面积可以为气候研究提供有价值的数据，揭示太湖周边气候变化规律.太湖生态系统丰富多样，水体面积的变化会影响太湖生态系统的结构和功能22，25，提取太湖月尺度水体面积可以更好地了解太湖生态系统的变化趋势，为保护太湖生态系统提供科学依据.此外，对太湖月尺度水体面积进行监测和分析，可以更好地指导水资源的合理利用和管理.综上所述，太湖月尺度水体面积的提取对于环境监测、气候研究、生态研究和水资源管理等方面都具有重要的意义.1研究区域、数据及方法1.1研究区域太湖位于江苏省南部和浙江省北部的交界处，是长江中下游地区最大的淡水湖泊之一2527.太湖面积广阔，由南湖、中湖和北湖 3 个部分组成，如图 1 所示，太湖湖面呈典型的水网状分布.其中：南湖水域面积较小，水深约 2.5m；中湖面积最大，水深较深，最深处可达 4.5m；北湖水域面积相对较小，但水深较大，最深处可达 8.6m.图1研究区域太湖水源主要来自周边地区的雨水和长江水，它是长江水系的重要组成部分2830.太湖的水质受到了人类活动的影响，如污染和过度开发利用，但在近年来，太湖水环境得到了一定的改善和保护，其中包括对污染源的治理和生态修复工程等.吴浩云等31分析了流域降雨、进出湖水量等与太湖水位的互馈关系，通过水位调整，提出了太湖调度功能区划图.吴小靖等26研究了环太湖出入湖水量的变化，发现太湖湖体的交换周期明显缩短，影响了东太湖的来水水质.此外，太湖是一个重要的生态系统和水资源供应地.湖区拥有丰富的水生动植物资源25，30，32，其中包括了许多珍稀濒危物种，如太湖鲢鱼、长江鲟等.太湖还是重要的水利枢纽，有多条主要河流和运河从太湖流出，如苏州河、太仓河、太湖渎和南浔河等，这些河流为周边地区提供了丰富的水资源3233，支撑了当286北京师范大学学报（自然科学版）第 60 卷地的经济和社会发展.太湖月尺度水面积提取是对其进行水资源管理和生态环境监测的重要手段之一，可以为太湖的管理、保护和可持续利用提供重要的数据支持.1.2数据说明在本研究中，通过使用 PythonAPI从 GoogleEarthEngine 云平台调用和下载 JRC（JointResearchCentre）MonthlyWaterHistoryv1.3 数据集提供的月尺度全球水体数据34，可以方便地获取大规模的全球水体信息，为遥感领域的专家学者提供了极大的便利.GoogleEarthEngine 是一个基于云端的行星级地理空间分析平台，不仅可以在线调用和处理大量地理空间数据集，还支持结果的快速可视化和分享，可以帮助用户更高效地完成遥感数据的采集和处理，同时也为数据科学家和环境科学家等跨领域研究者提供了一个强大的工具.使用 GoogleEarthEngine可以节省大量时间和计算资源，从而加快研究进程，提高研究效率35.JRCMonthlyWaterHistoryv1.3数据集包含了 19842020 年的月度水体历史数据，数据源为 Landsat、Sentinel 等多源遥感数据，覆盖了全球范围内的湖泊、河流和水库等水体.数据集提供了不同的数据格式（GeoTIFF、NetCDF 和 Zarr）和分辨率（30 和 250m），同时还提供了多种水体分类算法和质量评估指标.此外，该数据集通过 40124 个控制点的验证，整体错分误差1%、漏分误差5%16，该数据集在水资源管理、生态环境保护、气候变化等领域具有重要的应用价值，数据具有很高的可靠性并已得到广泛认可和应用.总之，作为全球范围内经过验证的连续水体数据集，JRCMonthlyWaterHistoryv1.3 集有望提供信息以支持水体资源的管理决策16.本研究使用了从1985 年 1 月2020 年 12 月 JRCMonthlyWaterHistoryv1.3 数据集，分辨率为 30m.数据集只有 1 个波段，有 3 种可能取值，分别为 0、1、2，其中 0 表示 Nodata，1 代表非水体，2 代表水体.数据地理坐标系为 GCS_Krasovsky_1940，投影坐标系为 Krasovsky_1940_Albers，是一种具有二次纬度校正的投影，又称“正交等概率割圆锥投影”和“双轴纬度等概率圆锥投影”，由于其等面积性质，可以保证计算出的面积值与真实面积值的误差很小.通过该数据集来提取太湖的月尺度水体面积，并且可以通过比较不同时间段的数据来分析太湖的水体变化情况.1.3研究方法本研究使用基于水体分类增强算法纠正的水体提取方法.通过叠加全球地表水数据集34提供的所有月度水覆盖图像，得到水发生值数据.每个像素值代表该像素在近 30 多年期间被水覆盖的频率（以百分比表示）.算法假设所有大于等于某一水发生阈值的像元都应该是水像元.水体分类增强算法分为 5 步：1）读入栅格数据；2）计算污染率，过滤极度污染/高质量图像；3）计算数据计数阈值、发生阈值；4）遍历栅格像素，大于等于发生阈值的像素分类为水体；5）输出栅格数据及统计值.在水体数据集和水发生值数据的基础上，以太湖矢量数据作为掩膜数据进行栅格裁剪，获得 19852020 年太湖区域水体数据集和水发生值数据.接下来，在水体分类增强算法的过程中过滤受污染严重的图像.如果掩膜内 Nodata 像素的百分比95%，则图像会因极度污染而被丢弃；如果百分比95%的像素为 Nodata 时，我们认为其受到极度污染而丢弃该月份数据，因而无法估计该月的水体面积.对此，在水体面积提取结束和水体分类增强后，使用插值法填补该月缺失的水体面积估计值.2结果与讨论2.1水体提取结果对比分析通过使用水体数据集并结合水发生值数据和水体分类增强算法，得到近30 年太湖水体面积的时空变化，从而更准确地评估太湖水体的变化趋势.通过使用分类增强算法，可以更准确地检测水体，降低了云、云阴影、照明度和地形阴影等因素的对水体面积造成的低估，因此可以得到更可靠的结果.实验发现，通过水发生值使用水体分类增强算法进行水体提取，水体提取结果得到了明显的纠正，由原水体数据集得到的近 30 年月尺度平均水体面积约为2004.85km2，经算法增强并插值填补后为 2421.00km2，增强率达 20.76%.经水体分类增强算法纠正后，太湖水体面积得到明显恢复，月尺度水体面积平均值与真实值相符.图 4 分别为 1996 年 6 月、1999 年 11 月、2005 年9 月、2010 年 4 月、2019 年 1 月水体分类增强前后，太湖区域的水体栅格数据.由图 4-a 所示的 1996 年6 月太湖水体面积前后对比情况可以看出，太湖南侧及中部可能受到云、云阴影等影响或污染，导致该区域水体数据识别到水的数据不全，水体面积仅为No dataNot WaterWatera 1996-06b 1999-11c 2005-09d 2010-04e 2019-01WB 原始水面积:2 212.82 km2处理后水面积:2 406.30 km2WB 原始水面积:2 291.44 km2处理后水面积:2 458.33 km2WB 原始水面积:2 336.15 km2处理后水面积:2 413.35 km2WB 原始水面积:2 307.92 km2处理后水面积:2 444.86 km2WB 原始水面积:506.09 km2处理后水面积:2 426.12 km2图4水体分类增强算法处理前后太湖水体面积288北京师范大学学报（自然科学版）第 60 卷2212.82km2.经过水体分类增强算法纠正后，较好地恢复了该月份真实水体面积，为 2406.30km2.从算法处理前后对比图中不难发现（图 4-b），太湖四周由于受到云、云阴影等污染，该区域水体数据部分受到云或云阴影的影响缺失，且对非水区域也没有很好的识别.从 2005 年 9 月（图 4-c）、2010 年 4 月（图 4-d）太湖区域水体原始数据的影像图中可以发现，可能受到卫星传感器成像等的影响，水体识别数据中出现大量条纹状数据污染，经过水体分类增强算法提取后，水体识别得到了较好的恢复.由图 4-e 可以明显看出，2019 年 1 月太湖水体面积的数据大量缺失，可能受到照明度及卫星传感器等的影响所致，数据污染率达到 89.73%，通过水体分类增强算法的提取后，太湖水体面积的污染情况得到了明显改善，由原先的 506.09km2经算法增强得到 2426.12km2，较好地还原了该月份太湖真实水体面积.通过处理前后栅格数据的图像和水体提取结果数据对比，水体分类增强算法较好地将太湖月尺度水体数据进行了分类优化和缺失数据的恢复，能够有效批量化对月尺度及更精细尺度的数据进行水体面积提取.2.2月尺度水体面积变化分析使用水体分类增强算法对水体原始数据进行纠正和水体面积提取时，可以根据污染水覆盖图准确计算水体的表面积.但是当水体数据集95%的数据为 Nodata 时，该图像因极度污染被舍弃，无法估计该月份的水体表面积.因此，在水体增强算法对水体原始数据进行增强后，对缺失月份水体面积进行插值处理.表 1 为算法处理前后太湖月尺度水体面积的统计数据.由于大量异常值的影响，太湖月尺度原水体面积平均值为 2004.85km2，明显低于真实值.通过对有效月份数据的水体面积增强算法处理，剔除了水体数据集中数据缺失超过 95%的月份，得到有效月份栅格分类数据 308 张，月尺度水体面积平均值为2416.15km2，与真实值更加相近.表1处理前后太湖月尺度水体统计数据数据类型原水体算法处理后水体插值后水体有效月份数321308432缺失月份数1111240平均值/km22004.852416.152421.00中位数/km22321.632424.262430.26方差478699.472489.232206.87最小值/km20.00812160.822160.82最大值/km22490.262491.052496.63对缺失月份数据进行插值处理后，太湖月尺度水体面积平均值为 2421.00km2，方差由 2489.23 缩小到2206.87.从图 5 中太湖月尺度水体面积折线图可以看出，有较多异常值数据影响了原始水体数据集月尺度水体面积，且其波动范围较大（0.00812490.26）.其中横坐标为从 1985 年 1 月2020 年 12 月数据.通过水体分类增强算法纠正后太湖月尺度水体面积的提取结果，水体面积数据更加集中，更好地还原了月尺度下太湖水体面积的真实值.数据平均值为2421.00km2，方差为 2206.87，最大值为 2496.63km2，最小值为 2160.82km2.05001 0001 5002 0002 5003 0001985-011986-031987-051988-071989-091990-111992-011993-031994-051995-071996-091997-111999-012000-032001-052002-072003-092004-112006-012007-032008-052009-072010-092011-112013-012014-032015-052016-072017-092018-112020-01分类增强后水体面积/km2时间原水体面积分类增强后水体面积图5太湖月尺度水体面积由图 6 太湖近 30 年月平均水体面积显示，水体数据集中各月份水体面积整体均低于处理后水体面积，表明水体分类增强算法在各个月份均表现出较好的增强提取效果.其中夏季月份整体水面积较冬季更小，这可能是由于人为调控而导致.考虑季节性降水对太湖水体面积所带来的影响.太湖周边地区存第 2 期张莘琛等：19852020 年太湖月尺度高精度水体面积提取分析289在多个水闸3739，用于调节太湖水位和控制洪涝灾害.其中最重要的水闸是位于太湖出口的太湖闸，也是国家一级水利工程.此外，太湖还有苏州河口水闸、杨家埠水闸、长泾水闸等4041.太湖水位的调控主要依靠这些水闸的开闭以及相关的水利工程控制.当太湖水位过高时，水闸会开启，通过引导水流来降低水位；当水位过低时，则会关闭水闸，防止水体流失.此外，太湖周边的河道和水库等也会参与到水位调节中来38，42.这些措施的目的是保持太湖的水位稳定，同时保护太湖的生态环境和水资源.1 7001 9002 1002 3002 500012345678910 11 12水体面积/km2月份原水体面积处理后水体面积图6太湖近 30 年月平均水体面积本研究中，使用水体分类增强算法来分析太湖的水体提取结果和月尺度水体面积变化，实验结果显示，该算法能够较好地还原该地区水体面积的真实值，从而获得了 19852020 年太湖月尺度水覆盖图和水体面积数据.此外，水体分类增强算法可以大大提高水体面积提取的效率和准确性，较好地还原该地区月尺度下水体面积的真实值.3结论长期高分辨率水体数据集提供了全球地表水覆盖率的记录，然而由于 Landsat 图像受到云、云阴影、照明度、地形阴影等多种类型的数据污染，直接从中提取给定区域获得水体面积等数据并不准确，无法为水资源分析和科学管理等决策提供有力支撑.本研究通过水体分类增强算法来修复受污染的水域数据，较好地还原了太湖月尺度水体面积的真实值，可以获得较高质量的面积估计，针对缺失月份数据进行插值填补，获得 19852020 年太湖月尺度水覆盖图和水体面积数据，其中数据方差由 478699.47锐减到 2206.87，水体面积平均值为 2421.00km2，增强率达 20.76%.本研究通过水体分类增强算法，在长期高分辨率水体数据集的基础上，对太湖月尺度水体面积进行了纠正，最终获得 19852020 年太湖月尺度水覆盖图和水面积数据.本次研究也有一些不足，如在水体分类增强算法中计算计数阈值的加权因子方面，仍沿用 Zhao 等36算法研究时验证的数值，虽然算法的计数阈值已经过相关的验证，但并未针对太湖地区近30 年数据设计不同的计数阈值进行对比研究.此外，本研究未针对不同年份太湖月尺度水体变化的规律和趋势进行更加详细的分析，在未来的研究中可以进一步拓展，以提取太湖月尺度水体面积，可以更好地了解太湖生态系统的变化趋势，指导水资源的合理利用和管理，为保护太湖生态系统提供科学依据.研究过程中所使用的数据处理代码均进行了高内聚、低耦合设计，有利于根据未来的需要高效复用到其他研究区域.通过水体分类增强算法的实现，研究提供的30 多年太湖月尺度水体面积数据，可为水资源分析与科学管理提供详细的数据支撑.4参考文献MCDONALDRI，WEBERK，PADOWSKIJ，etal.Wateron an urban planet：urbanization and the reach of urbanwaterinfrastructureJ.GlobalEnvironmentalChange，2014，27：961赵克华，郑朝晖，李金宵，等.基于无人机正射影像的河道水域动态监测模型的研究：以浙江省宁波市鄞州区为例J.水利水电技术，2019，50（10）：772BENSONLV，PAILLETFL.Theuseoftotallake-surfaceareaasanindicatorofclimaticchange：examplesfromtheLahontanBasinJ.QuaternaryResearch，1989，32（3）：2623ABATZOGLOUJT，DOBROWSKISZ，PARKSSA，etal.TerraClimate，ahigh-resolutionglobaldatasetofmonthlyclimate and climatic water balance from 1958-2015J.ScientificData，2018，5：1701914WANG Y L.Social-ecological impacts of concurrentreservoirinundationandreforestationintheThreeGorgesregionofChinaJ.AnnalsoftheAssociationofAmericanGeographers，2010，100（2）：2435LEHNERB，LIERMANNCR，REVENGAC，etal.High-resolutionmappingoftheworldsreservoirsanddamsforsustainableriver-flowmanagementJ.FrontiersinEcologyandtheEnvironment，2011，9（9）：4946LETTENMAIER D P，ALSDORF D，DOZIER J，et al.InroadsofremotesensingintohydrologicscienceduringtheWRReraJ.WaterResourcesResearch，2015，51（9）：73097DUY，XUEHP，WUSJ，etal.LakeareachangesinthemiddleYangtzeregionofChinaoverthe20thcenturyJ.JournalofEnvironmentalManagement，2011，92（4）：12488WOOLWAYRI，KRAEMERBM，LENTERSJD，etal.GloballakeresponsestoclimatechangeJ.NatureReviewsEarth&Environment，2020，1（8）：3889290北京师范大学学报（自然科学版）第 60 卷CUILJ，GAOCJ，ZHAOXS，etal.DynamicsofthelakesinthemiddleandlowerreachesoftheYangtzeRiverbasin，China，since late nineteenth centuryJ.Environ-mentalMonitoringandAssessment，2013，185（5）：400510KLEIN I，GESSNER U，DIETZ A J，et al.GlobalWaterPack:a250mresolutiondatasetrevealingthedailydynamicsofglobalinlandwaterbodiesJ.RemoteSensingofEnvironment，2017，198：34511KHANDELWALA，KARPATNEA，MARLIERME，etal.An approach for global monitoring of surface waterextent variations in reservoirs using MODIS dataJ.RemoteSensingofEnvironment，2017，202：11312GAO H L，BIRKETT C，LETTENMAIER D P.GlobalmonitoringoflargereservoirstoragefromsatelliteremotesensingJ.Water Resources Research，2012，48（9）：W09504.113WANGXY，WANGWJ，JIANGWG，etal.Analysisofthe dynamic changes of the Baiyangdian Lake surfacebased on a complex water extraction methodJ.Water，2018，10（11）：161614李生生，王广军，梁四海，等.基于 Landsat-8OLI 数据的青海湖水体边界自动提取 J.遥感技术与应用，2018，33（4）：66615PEKEL J F，COTTAM A，GORELICK N，et al.High-resolution mapping of global surface water and its long-termchangesJ.Nature，2016，540：41816LISM，SUNDL，GOLDBERGM，etal.Derivationof30-m-resolution water maps from TERRA/MODIS andSRTMJ.Remote Sensing of Environment，2013，134：41717SUN F D，SUN W X，CHEN J，et al.Comparison andimprovement of methods for identifying waterbodies inremotely sensed imageryJ.International Journal ofRemoteSensing，2012，33（21）：685418YAMAZAKID，TRIGGAM，IKESHIMAD.Developmentofaglobal90mwaterbodymapusingmulti-temporal Landsat imagesJ.Remote Sensing ofEnvironment，2015，171：33719ZHANG S，GAO H L，NAZ B S.Monitoring reservoirstorageinSouthAsiafrommultisatelliteremotesensingJ.WaterResourcesResearch，2014，50（11）：892720ZHANG G Q，YAO T D，CHEN W F，et al.RegionaldifferencesoflakeevolutionacrossChinaduring1960s-2015anditsnaturalandanthropogeniccausesJ.RemoteSensingofEnvironment，2019，221：38621胡庆芳，朱荣进，王银堂，等.太湖流域典型洪水的降水和水位要素解析 J.水利水运工程学报，2022（5）：4022杨素，万荣荣，李冰.太湖流域水文连通性：现状、研究进展与未来挑战 J.湖泊科学，2022，34（4）：105523潘鑫，杨子，杨英宝，等.基于高分六号数据提取太湖蓝藻方法的对比及适用性分析 J.湖泊科学，2022，34（6）：186624朱颖，王杉，冯育青.近 30 年太湖流域湿地生态系统服务价值对景观格局变化的响应：基于“退田还湖”工程的实施 J.中国园林，2022，38（1）：8825吴小靖，柳子豪，金美华，等.环太湖出入湖水量变化背景下东太湖水环境的水文影响要素 J.净水技术，2023，42（2）：6226李新国，江南，朱晓华，等.近三十年来太湖流域主要湖泊的水域变化研究 J.海洋湖沼通报，2006（4）：1727毛锴楠.基于多目标优化的水环境治理研究：以太湖流域为例 D.南京：南京大学，2022：7128荆思佳，肖薇，王晶苑，等.19582017 年太湖蒸发量年际变化趋势及主控因子 J.湖泊科学，2022，34（5）：169729梁永春，尹芳，赵英芬，等.基于 Landsat8 影像的太湖生化需氧量遥感反演 J.生态环境学报，2021，30（7）：149230吴浩云，刘敏，金科，等.多目标驱动的太湖调度水位研究 J.湖泊科学，2023，35（3）：100931蔡梅，钱旭，王元元，等.太湖入、出湖湖区磷的特征及其影响因素分析 J.湖泊科学，2022，34（5）：149332陈争，王秀珍，吕恒，等.太湖实测水温多时间尺度变化特征及影响因素 J.科学技术与工程，2021，21（12）：479333GORELICKN，HANCHERM，DIXONM，etal.GoogleEarth Engine：planetary-scale geospatial analysis foreveryoneJ.RemoteSensingofEnvironment，2017，202：1834ZHUYN，YEAZ，ZHANGYH.ChangesoftotalandartificialwaterbodiesininlandChinaoverthepastthreedecadesJ.JournalofHydrology，2022，613：12834435ZHAO G，GAO H L.Automatic correction ofcontaminated images for assessment of reservoir surfacearea dynamicsJ.Geophysical Research Letters，2018，45（12）：609236严剑卫，蔡惠飞，陆红芳，等.江苏省太湖地区水闸闸门漏水检测技术需求分析 J.江苏水利，2018（1）：5537戈礼宾，张泉荣，黄利亚.太湖进出水量变化及水量平衡初步分析 J.江苏水利，2007（11）：3338宋怡.太湖流域北部地区传统聚落景观空间格局研究D.北京：北京林业大学，2020：12539王红霞.浅谈吴中区东太湖大堤节制闸设计 J.湖南水利水电，2014（3）：1340王旭强，郑鱼洪，王红方，等.世界灌溉工程遗产文化与工程建设融合浅析：以太湖大钱水闸改造工程为例 J.中国水利，2022（9）：6141尤林贤，史益鲜，钟惠钰.水闸工程倒流预测及日平均流量推算的探索 J.水利水电工程设计，2022，41（3）：1842第 2 期张莘琛等：19852020 年太湖月尺度高精度水体面积提取分析291Extractionofhigh-precisionwaterareaofTaihuLakeonthemonthlyscalefrom1985to2020ZHANGXinchenZHUYinuoYEAizhong（StateKeyLaboratoryofEarthSurfaceProcessesandResourceEcology，FacultyofGeographicalScience，BeijingNormalUniversity，Beijing，China）AbstractAsanimportantresourceforhumansurvivalanddevelopment，waterresourcesplayanimportantroleinmaintainingthehealthandstabilityofecosystemsandsustainablesocialandeconomicdevelopment.Withcontinuedprogressanddevelopmentofremotesensingtechnology，itisofgreatsignificancetocarryoutdynamicmonitoring and analysis of water bodies through remote sensing for scientific management and sustainabledevelopmentofwaterresources.Interferencesfromclouds，cloudshadows，andotherfactorsoftenmakeitdifficulttoobtainwaterareadatawithhightemporalresolution.Long-termhigh-resolutionwatermaskdatasetisexaminedinthis work，water classification enhancement algorithm was applied to correct pixels polluted by clouds，cloudshadows，terrainshadows，toprovideamonthlywatercovermapandwaterareadataoftheTaihuLakefrom1985-2020.Theaveragewaterareawasfoundtobe2421.00km2，thedatavariancewassharplyreducedcomparedwithbeforecorrection.Theaveragedareaenhancementratewasreliablyonly20.76%.Thesedatacouldbeusedtosupportwateranalysisandmanagement，toprovidesupportformaintainingecologicalbalanceandsustainableuseofwaterresourcesinthisregion.KeywordsTaihuLake；monthlyscale；waterbodyarea【责任编辑：刘先勤】292北京师范大学学报（自然科学版）第 60 卷