地表水體在工農(nóng)業(yè)生產(chǎn)、氣候調(diào)節(jié)和生態(tài)系統(tǒng)維持等方面發(fā)揮著至關(guān)重要的作用。地表水體的時(shí)空格局在氣候變化和人類活動(dòng)的影響下不斷發(fā)生變化,因而對(duì)其進(jìn)行快速精準(zhǔn)的時(shí)空變化監(jiān)測(cè),對(duì)社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展和水資源管理與保護(hù)等具有重要意義。過去地表水體動(dòng)態(tài)變化研究是基于若干時(shí)間片段,遙感數(shù)據(jù)高昂的獲取成本和龐大數(shù)據(jù)量制約了長(zhǎng)時(shí)間序列地表水體的繪制,由于一年內(nèi)水體可能發(fā)生劇烈波動(dòng),故不考慮地表水體的年內(nèi)變化進(jìn)行水體圖的繪制顯然是不準(zhǔn)確的。由于互聯(lián)網(wǎng)和計(jì)算機(jī)技術(shù)的迅速發(fā)展,云存儲(chǔ)及云計(jì)算技術(shù)在過去的幾年中得以快速發(fā)展,技術(shù)的進(jìn)步使得存儲(chǔ)并處理海量的高分辨率影像獲取地表水體圖成為可能。本文基于Google Earth Engine,通過編程運(yùn)算獲取近三十年的Landsat5TM、Landsat7 ETM+和Landsat8 OLI影像,利用植被指數(shù)和水體指數(shù)相結(jié)合及單一水體指數(shù)的水面判斷方法,獲取近30年淮河流域和洪澤湖地表水體的時(shí)空格局,并探究地表水體變化與氣候變化和人類活動(dòng)的關(guān)系。本文主要研究如下:（1）基于Google Earth Engine利用研究期所有Landsat數(shù)據(jù),對(duì)淮河流域和洪澤湖分別構(gòu)... 

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

淮河流域地理位置

淮河流域數(shù)字高程模型

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)的京津冀城市群熱環(huán)境時(shí)空形態(tài)模擬[J]. 楊浩,孟娜,王婧,鄭燕,趙莉.  地球信息科學(xué)學(xué)報(bào). 2019(02)
[2]基于MODIS數(shù)據(jù)的洪澇災(zāi)害分析研究——以2017年洞庭湖區(qū)洪水為例[J]. 饒品增,蔣衛(wèi)國(guó),王曉雅,陳坤.  災(zāi)害學(xué). 2019(01)
[3]GCM預(yù)測(cè)情景下中國(guó)21世紀(jì)干旱演變趨勢(shì)分析[J]. 莫興國(guó),胡實(shí),盧洪健,林忠輝,劉蘇峽.  自然資源學(xué)報(bào). 2018(07)
[4]青藏高原湖泊變化遙感監(jiān)測(cè)及其對(duì)氣候變化的響應(yīng)研究進(jìn)展[J]. 張國(guó)慶.  地理科學(xué)進(jìn)展. 2018(02)
[5]基于ETM+數(shù)據(jù)的水體信息提取[J]. 王永麗,宋希磊.  綠色科技. 2017(10)
[6]基于協(xié)同計(jì)算的白洋淀濕地時(shí)序水體信息提取[J]. 沈占鋒,李均力,于新菊.  地球信息科學(xué)學(xué)報(bào). 2016(05)
[7]基于MODIS地表反射率數(shù)據(jù)的水體自動(dòng)提取研究[J]. 張浩彬,李俊生,向南平,申茜,張方方.  遙感技術(shù)與應(yīng)用. 2015(06)
[8]基于國(guó)產(chǎn)GF-1遙感影像的水體提取方法[J]. 陳文倩,丁建麗,李艷華,牛增懿.  資源科學(xué). 2015(06)
[9]2000-2013年青藏高原湖泊面積MODIS遙感監(jiān)測(cè)分析[J]. 車向紅,馮敏,姜浩,肖桐,王昌佐,賈蓓,白燕.  地球信息科學(xué)學(xué)報(bào). 2015(01)
[10]China’s wetland change （1990-2000） determined by remote sensing[J]. GONG Peng1, NIU ZhenGuo1, CHENG Xiao1, ZHAO KuiYi2, ZHOU DeMin2, GUO JianHong1, LIANG Lu1, WANG XiaoFeng1, LI DanDan1, HUANG HuaBing1, WANG Yi1, WANG Kun1, LI WenNing1, WANG XianWei1, YING Qing1, YANG ZhenZhong1, YE YuFang1, LI Zhan1, ZHUANG DaFang3, CHI YaoBin4, ZHOU HuiZhen4 ＆ YAN Jun4 1 State Key Laboratory of Remote Sensing Science, jointly sponsored by Institute of Remote Sensing Applications, Chinese Academy of Sciences, and Beijing Normal University, Beijing 100101, China; 2 Institute of Northeast Geographical and Agricultural Ecology Research, Chinese Academy of Sciences, Changchun 130012, China; 3 Institute of Geographical Science and Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 4 Beijing Yushi Lantu Information Technology Ltd., Beijing 100096, China.  Science China（Earth Sciences）. 2010(07)

碩士論文
[1]基于對(duì)象的隨機(jī)森林遙感分類方法優(yōu)化[D]. 閆東陽.中國(guó)地質(zhì)大學(xué)(北京) 2018



本文編號(hào)：3716006