点击上方湖泊遥感与智慧流域关注我们
（4）验证所提出的方法和框架在检测美洲大陆快速水体变化（例如亚马逊河洪水和干旱）方面的性能。
图1 使用 GOES-16 ABI 图像自动估算美洲大陆每日 500 m 开放水体比例的方法
表1 GOES-16 ABI 图像使用不同策略和机器学习方法生成的水体分数地图的准确性。最准确的结果以粗体显示。
图2 由LMM和提出的NLMM方法（RF+策略4）生成的八个区块的水体分数图和相关误差图
图3 参考水体分数与不同方法估算的水体分数之间的关系，分别针对八个测试区域。(a)-(h) 所提出的NLMM方法对测试区块t1-t8进行的水体分数估算的密度散点图；(i)-(p) LMM方法对测试区块t1-t8进行的水体分数估算的密度散点图。黄色表示点密度较高，蓝色表示点密度较低。红色线是1:1参考线，蓝色线是回归线。R2表示确定系数，量化了响应变量（参考分数）中可由预测变量（估算分数）预期的变异比例。p值，用p表示，表示统计显着性。
表2 所提出的NLMM方法、LMM方法、NDWI图像和MDNWI图像生成的水体地图的准确性评估
图5 在2022年9月10日的协调世界时（UTC）从14:30到16:00，比较了GOES-16 ABI图像波段1、波段2、波段3和波段5的不同表面反射率的准确性、精度和不确定性。蓝色条表示每个反射率区间中使用的像素数量（NN），每个区间表示0.05的表面反射率增量。红色虚线（S）代表GOES-16 ABI图像的理论表面反射率。A：准确性，P：精度，U：不确定性。
图6 与图5相同，但是针对2022年9月10日的协调世界时（UTC）从16:00到17:30的GOES-16 ABI图像进行了半小时间隔的比较。A：准确性，P：精度，U：不确定性。
图7 与图5相同，但是针对2022年9月10日的协调世界时（UTC）从17:30到19:00的GOES-16 ABI图像进行了半小时间隔的比较。A：准确性，P：精度，U：不确定性。
5. 大规模的每日水体分数制图
图9展示了2022年9月10日14:30至19:00（UTC）期间利用密集的GOES-16 ABI全盘图像生成的水体分数地图。这些密集水体分数地图可用于生成每日水体分数地图，然后推断水体地图。尽管所有十个估算的水体分数地图都受到不同程度的持续云覆盖的影响，但通过ABI提供的高频卫星传感器图像，通过对多时相水体分数地图进行平均处理，可以减弱云污染造成的数据空缺。此外，通过设置阈值，甚至可以提取出小而曲折的水体（图10）。
图9 通过所提出的方法根据 2022 年 9 月 10 日 14:30–19:00 (UTC) 期间每隔半小时获取的 GOES-16 ABI 全盘图像估算出的水体分数图。
图13 亚马逊河部分地区在连续两天内发生洪水的快速水体变化。(a)-(b)分别预测2021年6月20日和2021年6月21日的水分数图。(c)-(d)分别为2021年6月20日和2021年6月21日的预测水体图。(e)由(c)和(d)的水体图导出的水体变化图。
表3 三个不同水体地图（即定期变化、极端干旱事件和洪水）的总体精度和估计面积以及 95% 的置信区间。
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。
点击左下方 “阅读原文” 可下载论文原文。
湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师4人（段洪涛，罗菊花，刘东，谭振宇），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！
联系人：段洪涛研究员，htduan@niglas.ac.cn。
科学前沿丨文献总结 | WR：浑浊河流细泥沙驱动硅向河口输移和沉积
