Page 77 - 2023年第54卷第4期

积。研究数据来源为中国科学院制作的 ３０ｍ分辨率土地利用矢量数据，考虑到土地利用是根据遥感
影像解译获取，受到影像获取时段内降水情况和地面成像质量等影响，单独一期土地利用不能勾勒出
全部水域面积，考虑到早期土地利用数据不能代表目前实际情况，本研究采用 ２０１０年后中国科学院
制作的 ３期（２０１０、２０１５和 ２０１８年）土地利用水域面积的并集作为京津冀平原区的水域面积，尽可能
地把 “盛水的盆” 全部提取到。
水面面积提取在 ＧＥＥ（ＧｏｏｇｌｅＥａｒｔｈＥｎｇｉｎｅ）云平台上操作，数据源为 Ｌａｎｄｓａｔ５?７?８系列多光谱遥感
数据，数据分辨率为 ３０ｍ，直接调用云平台算力批量操作实现 １９８５—２０２０年逐月水面数据的提取。
［２４］
［２２ － ２３］
研究采用改进的归一化水体指数 ＭＮＤＷＩ 和地表水体指数 ＬＳＷＩ 组合方法提取水面面积，进一步
利用 ＡＷＥＩ 和 ＡＷＥＩ两个指标 ［２５］ 作为阈值，去除建筑物阴影干扰、提高水面面积提取精度，具体流
ｎｓｈ ｓｈ
程见图 ２，相关公式如下：
－
ρ Ｇ ρ ＳＷＩＲ
ＭＮＤＷＩ ＝ （１）
＋
ρ Ｇ ρ ＳＷＩＲ
－
ρ ＮＩＲ ρ ＳＷＩＲ
ＬＳＷＩ ＝ （２）
＋
ρ ＮＩＲ ρ ＳＷＩＲ
为短波热红外波段。
式中：ρ Ｇ 为绿光波段；ρ ＮＩＲ 为近红外波段；ρ ＳＷＩＲ
－ ） （３）
ＡＷＥＩ ＝ ４ × （ ρ ｂａｎｄ３ ρ ｂａｎｄ６ ） － （０．２５ × ρ ｂａｎｄ５ ＋ ２．７５ × ρ ｂａｎｄ７
ｎｓｈ
＋ （４）
ＡＷＥＩ ＝ ρ ｂａｎｄ２ ＋ ２．５ × ρ ｂａｎｄ３ － １．５ × （ ρ ｂａｎｄ５ ρ ｂａｎｄ６ ） － ０．２５ × ρ ｂａｎｄ７
ｓｈ
式中：ρ 为光谱谱段，ｂａｎｄ２（蓝色）、ｂａｎｄ３（绿色）、ｂａｎｄ５（ＮＩＲ）、ｂａｎｄ６（短波热红外）、ｂａｎｄ７（短波
中红外）；ＡＷＥＩ 适用于没有阴影的影像数据，而 ＡＷＥＩ用于消除建筑物和地形阴影对水体的影响。
ｎｓｈ ｓｈ
由于年内每个月的水面面积都在变化，研究选用年内 ７５％时间存在的水体作为研究对象 ［２６］ ，即
永久性水体，低于 ７５％时间存在的水体视为季节性水体，季节性水体不计为本研究的水面面积。京津
冀地区 ７—９月份降水占全年的 ８０％左右，汛期水面面积迅速增加，但汛后水面面积消落也快，采用
年内 ７５％时间存在的水体，可以消除汛期水面面积变化的影响。文中分析的年水面面积，即各月水面
面积汇总后筛选出的永久性水体水面面积。

图 ２ 基于 ＧＥＥ平台和 Ｌａｎｄｓａｔ影像计算水面面积流程图

基于水体形状指数识别不同类 型水 体，不同类 表 １ 各类型水体特点和形状指数
型水体斑块的形状指数存在差异，河渠通常为线性， 类型 特点 形状指数
湖泊和水库边界较为平滑，坑塘的边界则更加规则，
河渠 窄而长的线性形状 ０．０９３
通过计算斑块的形状指数，设置阈值 对水体 进行 细
湖泊 多呈独立的斑块状，面积大于 ０．１ｋｍ ２ ０．７１９
分类，如表 １所示。形状指数 Ｋ由分形曲线长度 ｐ与
２
坑塘 面积小于 ０．１ｋｍ 的独立斑块 ０．８７０
它所包围的面积 ｓ之间数学关系得出：
ｓ
槡
Ｋ ＝ （５）
ｐ
２．３ 水面蒸发能力计算方法 尽管大部分气象站均有蒸发量的监测，但监测的蒸发量通常比自由水面
蒸发量大 ［２７］ ，且折算系数并不固定，故研究采用 Ｐｅｎｍａｎ － Ｍｏｎｔｅｉｔｈ（ＰＭ）方法直接计算自由水面的蒸发
能力 ［２８ － ２９］ ，ＰＭ公式已经在多个流域得到应用 ［３０］ ，结果相对可靠，计算所需的气象数据来自京津冀平
原区 １２８个气象站数据，计算公式如下：

— ４ ５ ３ —