基于GEE云平台的黄河源区河流径流量遥感反演研究

doi:10.11873/j.issn.1004-0323.2022.1.0186

遥感技术与应用

2022, Vol. 37

Issue (1): 186-195 DOI: 10.11873/j.issn.1004-0323.2022.1.0186

青促会十周年专栏

基于GEE云平台的黄河源区河流径流量遥感反演研究

史宜梦^1,³(

),刘希胜²,朱文彬³(

),宋宏利¹

^1.河北工程大学地球科学与工程学院，河北邯郸 056038
^2.青海省水文水资源测报中心，青海西宁 810001
^3.中国科学院地理科学与资源研究所，北京 100101

Research on Inversion of River Discharge in High Mountain Region based on GEE Platform

Yimeng Shi^1,³(

),Xisheng Liu²,Wenbin Zhu³(

),Hongli Song¹

^1.School of Earth Science and Engineering，Hebei University of Engineering，Handan 056038，China
^2.Hydrology and Water Resources Forecast Center of Qinghai Province，Xining 810001，China
^3.Institute of Geographic Sciences and Natural Resources Research，Beijing 100101，China

全文: PDF(3075 KB) HTML

摘要：

河流径流量是陆地上最重要的水文要素之一，准确获取径流信息对于区域的水资源评价和生态修复方面都具有重要作用。研究基于Google Earth Engine（GEE）云平台提供的Sentinel-1、Sentinel-2影像数据，结合数字高程模型（DEM）对河长、河宽、糙率、比降、河深和流速等水力学参数进行遥感估算，进而采用关系拟合法与改进的曼宁公式法对黄河源区唐乃亥站点附近河段进行径流量反演研究，探讨了河段长度差异对径流量反演精度的影响，并通过建立站点河段与上下游河段之间的河宽关系，实现了对站点河段径流量监测时间序列的扩展补充。结果表明，两种模型均能有效进行径流量的模拟估算，其纳什效率系数（NSE）均在0.80以上；关系拟合法与改进的曼宁公式法径流反演的均方根误差（RMSE）分别为233.431 m³s^-1和271.704 m³s^-1，相对均方根误差（RRMSE）分别为16%和24%，关系拟合法反演精度总体优于改进的曼宁公式法。通过对不同长度河段径流量的反演结果对比分析发现，辫状河心滩的河宽估算在汛期存在较大的不确定性，进而影响径流反演精度，在河段选择时应予以规避；站点河段与上下游河段的平均河宽之间具有强烈的相关性，相关系数均在0.96以上，因此上下游河段的影像数据可为站点河段径流量反演提供重要补充，实现目标河段径流量的加密监测。

关键词： 径流量反演; GEE云平台; 水体指数; Sentinel?1; Sentinel?2

Abstract:

River runoff is one of the most important hydrological elements on land. Accurate access to runoff information plays an important role in regional water resources evaluation and ecological restoration. Based on the Sentinel-1 data and Sentinel-2 data provided by the Google Earth Engine cloud platform， combined with digital elevation model， the hydraulic parameters such as river length， river width， roughness， slope， river depth and velocity were estimated by remote sensing. Then， the relationship fitting method and improved Manning formula method were used to inverse the runoff of the reach near Tangnaihai station in the source area of the Yellow River. The influence of the length difference of the reach on the runoff inversion accuracy is discussed. By establishing the river width relationship between the station reach and the upper and lower reaches， the runoff monitoring time series of the station reach can be extended and supplemented. The results show that the two models can effectively simulate and estimate the runoff， and the Nash efficiency coefficient is above 0.80； the root mean square error of the relationship fitting method and the improved Manning formula method are 233.431 m³s^-1 and 271.704 m³s^-1 respectively， and the relative root mean square error are 16% and 24% respectively. The inversion accuracy of relationship fitting method is better than that of the improved Manning formula method. Through the comparative analysis of runoff inversion results of different lengths of river reaches， it is found that the river width estimation of braided river core beach has great uncertainty in flood season， which affects the accuracy of runoff inversion， and should be avoided in the selection of river reach； there is a strong correlation between the average river width of the station reach and the upstream and downstream reaches， and the correlation coefficient is above 0.96. The data can provide an important supplement for the runoff inversion of the station reach and realize the intensive monitoring of the runoff of the target river section.

Key words: Discharge retrieval GEE cloud platform Water index Sentinel-1 Sentinel-2

收稿日期: 2021-01-25 出版日期: 2022-04-08

ZTFLH:

P332

基金资助: 青海三江源生态保护和建设二期工程科研和推广项目(2018-S-3);中国科学院青年创新促进会资助项目(2020056)

通讯作者: 朱文彬 E-mail: 657880480@qq.com;zhuwb@igsnrr.ac.cn

作者简介: 史宜梦（1995-），女，河北石家庄人，硕士研究生，主要从事水文遥感研究。E?mail:657880480@qq.com

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	史宜梦
	刘希胜
	朱文彬
	宋宏利

引用本文:

史宜梦,刘希胜,朱文彬,宋宏利. 基于GEE云平台的黄河源区河流径流量遥感反演研究[J]. 遥感技术与应用, 2022, 37(1): 186-195.

Yimeng Shi,Xisheng Liu,Wenbin Zhu,Hongli Song. Research on Inversion of River Discharge in High Mountain Region based on GEE Platform. Remote Sensing Technology and Application, 2022, 37(1): 186-195.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2022.1.0186 或 http://www.rsta.ac.cn/CN/Y2022/V37/I1/186

图1 研究区概况（a）站点地理位置图（b）唐乃亥站河段位置概况审图号：GS（2016）2556

图2 技术路线图

图3 河流断面示意图

图4 唐乃亥站点高程-距离散点图（黑色点为利用DEM提取的河流中心线上点的高程值）

图5 唐乃亥站点河段与“S1”河段平均河宽相关关系散点图

图6 Sentinel-1/2数据平均河宽与实测径流量相关关系散点图

表1 关系拟合法精度评价

图7 不同长度河段的重复日期的归一化河宽计算结果

表2 Sentinel-2数据不同长度河段的数据量与重复日期下径流量模型反演精度结果

图8 波动区平均河宽与模型二精度相关关系图

图9 唐乃亥站点河段与上下游河段归一化平均河宽对比图

表3 上下游河段径流量反演精度评价表

1	Gleason C J， Smith L C， Lee J. Retrieval of river discharge solely from satellite imagery and at‐many‐stations hydraulic geometry： sensitivity to river form and optimization parameters［J］. Water Resources Research. 2015，50（12）：9604-9619.
2	Yu Qiying， Zhang Jianghui， Bai Yungang，et al. Evolution characteristics of the headstream of the Hotan Riverheadstream from 1957 to 2018［J］. Arid Zone Research，2021，38（2）：494-503.
2	余其鹰，张江辉，白云岗，等. 1957~2018年和田河源流径流演变特征［J］. 干旱区研究，2021，38（2）：494-503.
3	Wang Pengfei， Yang Shengtian， Wang Juan，et al. Discharge estimation with hydraulic geometry using unmanned aerial vehicle［J］. Journal of Hydraulic Engineering，2020，51（4）：492-504.
3	王鹏飞，杨胜天，王娟，等. 星-机一体的水力几何形态流量估算方法［J］. 水利学报，2020，51（4）：492-504.
4	Chang Haoxue. River discharge derived from Sentinel-1 SAR data：a case-study in the Gan River［D］. Wuhan：Wuhan University，2018.常好雪. 结合Sentinel-1 SAR影像的河川径流量反演研究—以赣江为例［D］. 武汉：武汉大学，2018.
5	Shi Zhuolin， Huang Chang. Recent advances in remote sensing of river characteristics［J］. Progress in Geography，2020，39（4）：670-684.
5	史卓琳，黄昌. 河流水情要素遥感研究进展［J］. 地理科学进展，2020，39（4）：670-684.
6	Wang Yifan， Xu Hanqiu. Comparison of remote sensing water indices based on objective threshold value and the random forest Gini Coefficient［J］. Remote Sensing Technology and Application，2020，35（5）：1089-1098.
6	王一帆，徐涵秋. 基于客观阈值与随机森林Gini指标的水体遥感指数对比［J］. 遥感技术与应用，2020，35（5）：1089-1098.
7	Liu Yaoyi， Tian Tian， Zeng Peng，et al. Surface water change characteristics of Taihu Lake from 1984~2018 based on Google Earth Engine［J］. Chinese Journal of Applied Ecology，2020，31（9）：3163-3172.
7	刘垚燚，田恬，曾鹏，等. 基于Google Earth Engine平台的1984~2018年太湖水域变化特征［J］. 应用生态学报，2020，31（9）：3163-3172.
8	Huang Ping， Xu Xiaohua， Li Delong. Rapid extraction of water area in Poyang Lake based on Sentinel-1 satellite Images［J］. Journal of Water Resources Research，2018，7（5）：483-491.
8	黄萍，许小华，李德龙. 基于Sentinel-1卫星数据快速提取鄱阳湖水体面积［J］. 水资源研究，2018，7（5）：483-491.
9	Sun Yayong， Li Xiaotao， Yang Fengjie，et al. Study on the mountain water extraction method of the space-borne SAR Image［J］. Journal of China Institute of Water Resources and Hydropower Research，2014，12（3）：258-263.
9	孙亚勇，李小涛，杨锋杰，等. 基于星载SAR数据的山区水体提取方法研究［J］. 中国水利水电科学研究院学报，2014，12（3）：258-263.
10	Bjerklie D M， Dingman S L， Vorosmarty C J，et al. Evaluating the potential for measuring river discharge from space［J］. Journal of Hydrology，2003，278（1）：17-38.
11	Sichangi A W， Wang L， Yang K，et al. Estimating continental river basin discharges using multiple remote sensing data sets［J］. Remote Sensing of Environment，2016，179：36-53.
12	Kebede M G， Wang L， Li X，et al. Remote sensing-based river discharge estimation for a small river flowing over the high mountain regions of the Tibetan Plateau［J］. International Journal of Remote Sensing，2020，41（9）：3322-3345.
13	Chen Siyü， Li Jiqing， Xie Yutao. River discharge derived of Lijiang River basin based on Sentinel-1 SAR data［J］. Pearl River，2020，41（5）：116-122.
13	陈思雨，李继清，谢宇韬，等. 基于Sentinel-1 SAR遥感影像的漓江流域径流反演［J］. 人民珠江，2020，41（5）：116-122.
14	Hao Binfei， Han Xujun， Ma Mingguo，et al. Research process on the application of Google Earth Engine in geoscience and environmental sciences［J］. Remote Sensing Technology and Application，2018，33（4）：600-611.
14	郝斌飞，韩旭军，马明国，等. Google Earth Engine在地球科学与环境科学中的应用研究进展［J］. 遥感技术与应用，2018，33（4）：600-611.
15	Wang Daoxi， Tian Shimin， Jiang Siqi，et al. Research progress of the evolution of runoff in the source area of the Yellow River［J］. Yellow River，2020，42（9）：90-95.
15	王道席，田世民，蒋思奇，等. 黄河源区径流演变研究进展［J］. 人民黄河，2020，42（9）：90-95.
16	Meng F， Su F， Yang D，et al. Impacts of recent climate change on the hydrology in the source region of the Yellow River basin［J］. Journal of Hydrology Regional Studies，2016（6）：66-81.
17	Liu Zhenxi， Liu Qiang， Zhang Shijun. Analysis about the causes of decreasing runoff of Tangnaihai in the Yellow River source region［J］. Gansu Water Resources and Hydropower Technology，2008，44（1）：13-14.
17	刘振西，刘强，张世军. 黄河源区唐乃亥站径流持续减少的原因分析［J］. 甘肃水利水电技术，2008，44（1）：13-14.
18	Ye Peilong， Zhang Qiang， Wang Ying，et al. Climate change in the upper Yellow River basin and its impact on ecological vegetation and runoff from 1980 to 2018［J］. Transactions of Atmospheric Sciences，2020，43（6）：967-979.
18	叶培龙，张强，王莺，等. 1980~2018年黄河上游气候变化及其对生态植被和径流量的影响［J］. 大气科学学报，2020，43（6）：967-979.
19	Yang Kui， Yang Jianbing， Jiang Bingru. Sentinel-1 satellite overview［J］. Urban Geotechnical Investigation & surveying，2015（2）：24-27.
19	杨魁，杨建兵，江冰茹. Sentinel-1卫星综述［J］. 城市勘测，2015（2）：24-27.
20	Huang Q， Long D， Du M，et al. Discharge estimation in high-mountain regions with improved methods using multisource remote sensing：a case study of the Upper Brahmaputra River［J］. Remote Sensing of Environment，2018，219：115-134.
21	Song Wenlong， Lu Jingxuan， Yang Kun，et al. Research progress of surface water remote sensing monitoring［J］. Satellite Applications，2019（11）：41-47.
21	宋文龙，路京选，杨昆，等. 地表水体遥感监测研究进展［J］. 卫星应用，2019（11）：41-47.
22	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.
23	Xu H Q. Modification of Normalised Difference Water Index （NDWI） to enhance open water features in remotely sensed imagery［J］. International Journal of Remote Sensing，2006，27（14）：3025-3033.
24	Otsu N. A Threshold selection method from gray-level histogram［J］. Automatica，1975，11（23）：285-296.
25	Chen Zhiguo. Flooded area classification by high-resolution SAR images［D］. Wuhan： Wuhan University，2017.
25	陈志国. 高分辨率SAR卫星影像洪水区域提取应用研究［D］.武汉：武汉大学，2017.
26	Gennadii D， Jaap S， Hessel W，et al. A 30 m resolution surface water mask including estimation of positional and thematic differences using Landsat 8， SRTM and OpenStreetMap：a case study in the Murray-Darling Basin， Australia［J］. Remote Sensing，2016，8（5）：386. DOI： 10.3390/rs8050386 . doi: 10.3390/rs8050386
27	Leopold L B， Maddock T. The hydraulic geometry of stream channels and some physiographic implications［R］.US.Geological Professional Paper，1953，252：1-57.
28	Wang Ning. Research and implementation of river runoff monitoring system based on multi-source radar remote sensing technology［D］. Kaifeng：Henan University，2019.
28	王宁. 基于多源雷达遥感技术的河流径流监测系统研究与实现［D］.开封：河南大学，2019.
29	Bjerklie D M， Moller D， Smith L C，et al. Estimating discharge in rivers using remotely sensed hydraulic information［J］. Journal of Hydrology，2005，309（1-4）：191-209.
30	Smith L C， Isacks B L， Bloom A L，et al. Estimation of discharge from Three Braided Rivers using synthetic aperture radar satellite imagery：potential application to Ungaged Basins［J］. Water Resources Research，1996，32（7）：2021-2034.
31	Coon W F. Estimation of roughness coefficients for natural stream channels with vegetated banks［R］. United States Geological Survey Water Supply Paper，1998：2441. DOI： 10.3133/wsp2441 . doi: 10.3133/wsp2441
32	Chow V T. Open channel hydraulics［M］. New York：McGraw- Hill College，1959.
33	Xu Huimin. Research on river roughness in water conservancy projects［J］. Water Conservancy Science and Technology and Economy，2010，16 （11）：1253-1256.
33	徐慧敏. 关于水利工程中河道糙率的研究［J］. 水利科技与经济，2010，16（11）：1253-1256.
34	LeFavour G， Alsdorf D. Water slope and discharge in the Amazon River estimated using the shuttle radar topography mission digital elevation model［J］. Geophysical Research Letters，2005，32（17）：L17404. DOI：10.1029/2005GL023491 . doi: 10.1029/2005GL023491
35	Tourian M J， Tarpanelli A， Elmi O， et al. Spatiotemporal densification of river water level time series by multimission satellite altimetry［J］.Water Resources Research，2016，52（2）：1140-1159.
36	Sichangi A， Wang L， Hu Z. Estimation of river discharge solely from remote-sensing derived data：an onitial study over the Yangtze River［J］. Remote Sensing，2018，10（9）：1385. DOI：10.3390/rs10091385 . doi: 10.3390/rs10091385

[1]	朱金明,李利伟,程钢,高连如,张兵. 基于Sentinel-2和全卷积网络的北京六环内高层建筑区提取与分析[J]. 遥感技术与应用, 2021, 36(6): 1436-1445.
[2]	林广坤,吴志峰,曹峥,关文川. 基于SBAS-InSAR技术的围填海区域地面沉降监测[J]. 遥感技术与应用, 2021, 36(6): 1358-1367.
[3]	杨欣源,白晓静. 基于Sentinel-1和MODIS数据反演农田地表土壤水分—以REMEDHUS地区为例[J]. 遥感技术与应用, 2021, 36(5): 973-982.
[4]	李诗娆,张波,刘国祥,沙永莲,王敏,王晓文,张瑞. 基于NPSI方法的西安市地裂缝灾害链地表形变监测与演化态势分析[J]. 遥感技术与应用, 2021, 36(4): 857-864.
[5]	梁爽,宫兆宁,赵文吉,关鸿亮,梁亚囡,陆丽,赵雪. 基于多季相Sentinel-2影像的白洋淀湿地信息提取[J]. 遥感技术与应用, 2021, 36(4): 777-790.
[6]	朱曼,张立福,王楠,林昱坤,张琳姗,王飒,刘华亮. 基于Sentinel-2的UNVI植被指数及性能对比研究[J]. 遥感技术与应用, 2021, 36(4): 936-947.
[7]	王晨丞,王永前,王利花. 基于SAR纹理信息的农作物识别研究——以农安县为例[J]. 遥感技术与应用, 2021, 36(2): 372-380.
[8]	徐光志,徐涵秋. Sentinel⁃2A MSI 和Landsat 8 OLI两种传感器多光谱信息的交互对比[J]. 遥感技术与应用, 2021, 36(1): 165-175.
[9]	张齐民,郑一桐,张露,李治国,闫世勇. 基于时序像素跟踪算法的南伊内里切克冰川运动提取与特征分析[J]. 遥感技术与应用, 2020, 35(6): 1273-1282.
[10]	张晓川,王杰. 基于遥感时空融合的升金湖湿地生态水文结构分析[J]. 遥感技术与应用, 2020, 35(5): 1109-1117.
[11]	王一帆,徐涵秋. 基于客观阈值与随机森林Gini指标的水体遥感指数对比[J]. 遥感技术与应用, 2020, 35(5): 1089-1098.
[12]	徐玉雯,张浩,陈正超,景海涛. 基于深蓝算法的Sentinel-2数据气溶胶光学厚度反演[J]. 遥感技术与应用, 2020, 35(2): 372-380.
[13]	刘畅，李震，张平，田帮森，周建民. 基于Google Earth Engine评估新疆西南部MODIS积雪产品[J]. 遥感技术与应用, 2018, 33(4): 584-592.
[14]	陈栋栋，赵军. 我国西北干旱区湖泊变化时空特征[J]. 遥感技术与应用, 2017, 32(6): 1114-1125.
[15]	朱钟正，陈玉福，朱文泉，郑周涛. 适用于多目标遥感自动解译的最佳专题指数筛选[J]. 遥感技术与应用, 2017, 32(3): 564-574.

Viewed

Full text

Abstract

Cited

Shared

Discussed