GF-3與Sentinel-1影像對山區小水體提取能力評估

文章編號：1001-4179（2025）06-0056-08

陸建忠，男，理學博士，副教授，博士生導師。主要研究方向為生態環境遙感和模擬預報，近年來承擔了各類項目二十余項。相關研究成果被國家相關部門應用于生態環境與災害監測預警管理，生態環境監測預警成果入選水利部成熟適用水利科技成果推廣清單。多項成果獲得科技部《中歐空間合作簡訊》、中央電視臺和新華社等雜志媒體報道。公開發表學術論文100余篇，其中1篇入選ESI高被引和熱點論文，出版專著3部，獲授權國家發明專利11項，計算機軟件著作權登記6項;榮獲省部級科學技術獎4項。

摘要：為解決山區小水體監測中的實時跟蹤難題，提高監測精度，評估GF-3和 Sentinel-1雷達衛星影像的水體提取能力。在香溪河流域內選取多個水庫，采用局部閾值法對兩種雷達影像進行水體提取，并將結果與Sentinel-2MSI影像使用歸一化差分水體指數（NDWI）的提取結果進行比較，再通過精度指標進行定量分析。結果表明：GF-3在捕捉水體變化方面具有優勢，召回率最高可達0.952，但在復雜地形下容易受到噪聲影響而產生錯誤提取;相較之下，Sentinel-1展現出更好的精確度和一致性，精準率最高達到0.913，交并比（IoU）最高為0.830;在淹沒頻率分析中，GF-3對比 Sentinel-1展現了更豐富的時空變化特征。研究成果可為云雨天氣條件下水庫群水體提取和水資源管理提供科學依據。

關鍵詞：水體提取；衛星遙感；GF-3；Sentinel-1；淹沒頻率；局部閾值法；香溪河流域中圖法分類號：P237：P332 文獻標志碼：A DOI：10.16232/j.cnki.1001-4179.2025.06.008

0 引言

境中扮演著至關重要的角色，在調節區域水循環、保持生物多樣性中發揮著關鍵作用，同時也是山區居民生活和農業用水的重要來源[1]。水體面積是衡量蓄水山區小水體，如小型湖泊、溪流、水庫等，在生態環收楠口期：2U24-U0－11;按口期：2U24-1U－1U

基金項目：中國長江電力股份有限公司科研項目（242302030）；國家自然科學基金項目（42371367）；江西省重點研發計劃項目（20243BBH81033）；測繪遙感信息工程國家重點實驗室專項科研經費項目作者簡介：陸建忠，男，副教授，博士，主要從事環境遙感和水生態環境模擬預測研究。E-mail：lujzhong@whu.edu.cn

量和形態變化的關鍵指標，加強湖泊水面變化的監測對于深入理解湖泊的演變規律及其變化模式至關重要[2]。然而，很多地區并沒有足夠的地面監測站點或基礎設施來實時跟蹤這些變化，導致對湖泊水面變化的監測存在一定的局限性。在這種情況下，使用多源遙感影像進行分析就顯得尤為重要，但由于不同的數據源一致性不同，分析和評估這些數據的可靠性成為一項重要任務。

隨著衛星傳感器技術的迅猛發展，高分辨率衛星影像能夠提供更詳細、更精確的水體信息，使得在大范圍內、高時空分辨率下持續監測山區小水體的動態變化得以實現。在眾多遙感技術中，雷達遙感以其獨特的優勢在水體監測中展現出廣闊的應用前景。雷達傳感器能夠穿透云層和植被，具備全天候、全天時的觀測能力，相比于光學遙感，雷達遙感適用于山區多云且復雜地形下的水體監測[3]。Song等[4]研究了青藏高原的小湖泊監測，強調了高分辨率衛星數據的應用潛力。Guo等研究了黃土高原小水體的遙感提取方法，評估了雷達遙感對復雜地形下水體提取的能力。Yao等[采用多源衛星遙感數據動態監測水庫水體的變化，提高了監測的準確性和全面性。

盡管這些研究為水體監測提供了重要的方法論基礎，但它們主要關注單一數據源或單一地區的應用，未充分探討不同遙感數據（如GF-3與Sentinel-1）在復雜環境中的應用效果。為解決這些問題，本研究將評估GF-3和Sentinel-1這兩種雷達衛星針對山區小水體的提取能力，探討二者在復雜環境中的應用效果。GF-3和Sentinel-1均為高分辨率的雷達遙感衛星，具有優異的空間分辨率和成像能力，但在實際應用中，它們的提取能力可能存在差異[7]。從雷達影像中提取水體的方法多種多樣，其中，基于閾值的方法因計算耗時少且能產生與更復雜方法相當的準確性而被廣泛使用[8]。由于水體的反向散射信號較弱，當像素的反向散射強度低于預定義值（即閾值）時，可被識別為水體[9]。基于閾值的方法可分為全局閾值和局部閾值兩類。全局閾值方法對整個圖像使用一個統一的閾值，但這種方法可能因未區分不同陸地類型的反向散射變化而導致較大的分類誤差。相較之下，局部閾值的方法對圖像的不同區域使用不同的閾值[10]，對復雜地形和光照不均有較高的適應性，在山區小水體提取中具有更高的精度和應用價值。

本研究通過綜合分析兩種不同遙感數據源的優勢和局限性，提高對山區小水體變化的監測效率和準確性，以期更有效地利用遙感技術進行水體監測。研究結果可為水庫水體的提取等應用提供數據支持，推動遙感技術在環境監測和資源管理中的應用。

1 研究區及數據源

1.1 研究區域

本研究以香溪河流域 ?30^°57^′N～31^°40^′N 110^° 17^′E～111^°7^′E ）為背景，選擇流域內的水庫群作為主要研究區，開展GF-3與Sentinel-1SAR在山區小水體提取能力的分析評估，具體位置如圖1所示。香溪河流域位于湖北省內三峽庫區，覆蓋面積約3099km² 。流域主要包括神農架林區和興山縣等地，其海拔變化顯著，從較低的河谷地帶到高達 3 000m 以上的山脈不等，形成了多種多樣的地貌特征。由于地形的多樣性和復雜性，香溪河流域內的水體分布零散且多變，形成了眾多小型水庫和湖泊[\"]。這些水體的形狀多樣，在不同海拔處形成了獨特的水文和生態特征，為水體提取方法的研究提供了理想的測試場所。

1.2 數據源

本研究使用高分三號（GF-3A，B，C）、哨兵一號（Sentinel-1A）雷達衛星影像數據以及哨兵二號（Sen-tinel-2A，B）MSI光學衛星影像數據作為研究的主要數據源。選取了2021年1月至2023年12月期間的多時序影像，優先考慮在相同時間窗口內獲取的影像，以便于比較GF-3與Sentinel-1的水體提取效果。此外，選取影像時還考慮了云量和氣象條件，以確保所選影像具有良好的數據質量。

GF-3是中國自主研發的高分辨率雷達遙感衛星，具有 1m 級別的空間分辨率和多種成像模式，包括寬幅模式、條帶模式和聚束模式[12]。這些特性使GF-3能夠提供非常精細的地表信息，并支持多種極化模式[13]，從而提升了對復雜地表特征的探測能力。Sentinel-1是由歐空局提供的合成孔徑雷達衛星，具備全天候、全天時的成像能力，能夠穿透云層和植被，不受天氣和光照條件的影響。Sentinel-1具有高時空分辨率和雙極化成像模式[14]，重返周期為12d，允許頻繁獲取同一區域的影像數據。二者傳感器及其成像機制上的差異具體見表1。為了評估GF-3和Senti-nel-1的水體提取效果，本研究還采用了哨兵二號（Sentinel-2A，B）MSI數據作為基準數據。Sentinel-2MSI數據提供了 10m 空間分辨率的多光譜影像，重返周期為5d，經過嚴格的幾何校正和大氣校正處理，可用于驗證雷達遙感數據提取結果。GF-3可從中國資源衛星應用中心（http：//www.cresda.com.cn/）獲取，Sentinel-1和Sentinel-2可從哥白尼開放數據訪問中心（https：// scihub.copernicus.eu/）獲得。

GF-3數據的預處理使用航天宏圖PIE-SAR雷達影像數據處理軟件[15]，包括多視處理、復數據轉換、自適應濾波、正射糾正、地理編碼和圖像裁剪等步驟[16];Sentinel-1數據則使用歐空局開發的 SNAP 軟件，處理過程包括軌道文件校正、噪聲濾波、輻射定標、多普勒地形校正和影像裁剪；Sentinel-2MSI數據同樣基于SNAP軟件處理，涉及大氣校正、影像裁剪和波段合成等操作。

2 研究方法

2.1 局部閾值法

本研究使用Sauvola等提出的自適應閥值算法用于GF-3和Sentinel-1影像的水體提取，其主要思想是將每個像素與周圍像素的平均值進行比較[17]。具體而言，在遍歷圖像時計算以每個像素為中心的 S×S 窗口像素的平均值，然后進行比較。如果當前像素的值比該平均值低 χ_t 個百分點，則將其設為黑色，否則設為白色。由于考慮了各個方向的鄰近像素，這種平均值的比較效果更好。使用積分圖可以在線性時間內完成平均值計算，對于每個像素位置，閾值 T（x，y） 的計算公式為

式中： m（x，y） 為該像素窗口領域的均值； s（x，y） 為標準差； k 為用于控制閾值的敏感度和范圍的參數； R 為圖像標準差的動態范圍。

2.2 歸一化差分水體指數

歸一化差分水體指數（NormalizedDifferenceWaterIndex，NDWI）是一種在遙感領域廣泛使用的指數，主要用于提取和分析地表水體信息[18-19]。水體在綠波段的反射率較低而在近紅外波段的反射率較高，基于這樣的反射率差異，NDWI能夠高效地識別水體及其動態變化。同時由于NDWI的計算采用歸一化的計算方式，減小了不同波段間反射率的絕對差異影響，使得指數值更具相對性，適合于不同時間和地點的遙感影像比較[20]。其計算公式如下：

式中： p（Green） 代表綠色波段； p（NIR） 代表近紅外波段。本研究將此算法應用在Sentinel -2MSI 影像數據的水體提取上， NDWI 的值范圍為 -1～1，NDWIgt;0 表示存在水體， NDWIlt;0 表示非水體覆蓋類型

2.3 精度評價方法

為準確評估兩顆雷達衛星影像提取水體的精度，本研究將GF-3和Sentinel-1影像提取水體的結果與相同日期Sentinel-2MSI使用NDWI水體指數的水體提取結果進行對比，選用精準率（Precision）、召回率（Recal）和交并比（IoU）作為精度評價指標[21]。精準率強調預測的準確性，減少錯誤報警的重要性；召回率則重視捕獲所有實際正樣本的能力；交并比則作為整體指標，反映了預測與真實區域的重合度[2]。混淆矩陣記錄了分類結果的詳細信息，包括真陽性（TP）、真陰性（TN）、假陽性（FP）和假陰性（FN）[23]，可用于計算精度評價指標。

精準率衡量的是模型在所有預測為正類（即水體）的樣本中，實際為正類的比例，反映了預測結果的精確性，公式如下：

召回率衡量的是在所有實際為正類（即水體）的樣本中，正確識別為正類的比例，反映了識別出實際存在的正類樣本的能力，公式為

交并比是用于評估預測結果與真實結果之間的重疊程度的指標，它是預測區域與真實區域的交集面積與并集面積之比。IoU值越高，表示預測結果與真值的匹配度越好，公式為

3 結果與討論

3.1 水體邊界提取結果

對GF-3和Sentinel-1兩種數據源的遙感影像采用局部閾值法所提取的香溪河流域內各水庫水體邊界如圖2所示。可以觀察到，GF-3和Sentinel-1影像提取的水體區域邊界清晰，整體形態完整，提取結果與目視水體分布基本一致。局部閾值法在這兩種影像上的應用，能夠有效地提取水體邊界和形態，并且與實際情況高度吻合，驗證了提取算法的可靠性。在不同空間分辨率的條件下，局部閾值法展示出良好的適用性，能夠適應GF-3的高分辨率和Sentinel-1的較低分辨率影像數據，實現對水體邊界的精準提取。此外，本研究所涵蓋的7個水庫形狀和大小各異，通過對這些水庫的提取結果進行對比分析，可以看出局部閾值法在不同水體形狀和大小下的表現都較為穩定。盡管注：左邊為GF-3，右邊為Sentinel-1。

Sentinel-1和GF-3影像在各自原始影像上的提取效果較好，但在相同時間和空間條件下，兩者的提取結果仍存在明顯差異。這種差異可能源于衛星傳感器的成像機制、分辨率以及極化模式的不同，提示在實際應用中對不同數據源進行綜合分析和評估的重要性。

3.2 水體提取細節與精度對比

本研究選取同一日期的GF-3和Sentinel-1的水體提取結果，與對應日期的Sentinel-2MSI影像進行分析，以對比GF-3和Sentinel-1影像對水體的提取效果。差異主要體現在分辨率、噪聲、細長水體以及山體陰影等地方，細節對比圖見圖3。通過對比分析發現，由于GF-3具有更高的分辨率，使得在提取區域較小的水體時表現出明顯的優勢，能更準確地量化水體的大小和形狀。在處理水庫分流處時，GF-3的提取結果較為完整，但在細長河流處存在嚴重的碎片化現象，導致水體輪廓不夠連續。在水陸邊界復雜的情況下，GF-3的提取結果也存在一定的漏提，并且在河道彎曲處出現斷裂。相較而言，Sentinel-1由于分辨率相對較低，在提取小區域水體邊界時細節不夠完整。在水庫分流處，Sentinel-1會普遍出現不完全提取的現象，表現出較大的提取缺失。相對的，在保持水體輪廓的完整性和連續性方面Sentinel-1表現更好，雖然存在細長水體的斷流現象，但其整體水體輪廓更加完整，更能維持水體的連續性。

為深入了解GF-3和Sentinel-1在水體提取中的性能差異，進一步將GF-3和Sentinel-1使用局部閥值法的水體提取結果與Sentinel-2MSI使用NDWI指數的水體提取結果進行對比，通過相關評價指標對其進行量化評估，精度評價結果如表2所列。分析結果顯示，整體上Sentinel-1在精確度上表現更好，表明Sentinel-1在提取水體輪廓和準確性方面表現出色。GF-3在多數水庫上展現出較高的召回率，表明GF-3能夠識別更多的實際水體。交并比上Sentinel-1整體優于GF-3，表明Sentinel-1在水體提取上的整體一致性更好，而GF-3則表現不佳，錯誤地將很多非水體識別為水體。具體來看，在古洞口水庫的水體提取中，Sentinel-1的各項精度指標均高于GF-3，尤其是精準率高達0.913，表明其在水體提取的完整性和準確性上表現出色。此外，Sentinel-1的召回率為0.840，略高于GF-3的0.827，說明它在識別水體方面也具有較高的能力。IoU為O.808，進一步證實了Sentinel-1在水體提取上的高一致性。對于GF-3來說，雖然在一些水庫上展現出了較高的召回率，但精準率偏低。這種情況在灘坪水庫中尤為明顯，GF-3的召回率高達0.952，但精準率和IoU僅為0.656和0.636，這意味著GF-3在提取水體時包含了較多的非水體區域，導致了較高的錯誤正例率。在拱橋灣水庫的提取中，GF-3和Sentinel-1的精準率和召回率非常接近，且都非常高，這表明兩種數據源在此類水庫的水體提取上都表現出了很好的性能。然而，Sentinel-1的IoU為0.830略高于GF-3，說明其在水體提取的一致性方面仍然具有一定優勢。

綜上所述，Sentinel-1在多數情況下提供了更準確的水體提取結果且整體一致性較好，而GF-3雖然在某些情況下能夠識別更多的水體，但需要進一步優化以減少錯誤提取。

3.3 影響因素分析

在觀察Sentinel-1、GF-3SAR影像以及Senti-nel-2MSI光學影像后，發現無論是雷達影像或是光學影像，在山區的成像結果都不可避免地受到坡度和陰影的影響。為了探究SAR影像錯誤提取的原因，使用該地區DEM進行坡度計算和分析[24]，如圖4所示。

在山區復雜地形中，SAR影像的提取結果受山體坡度的影響顯著。具體而言，山體坡度過大會導致當雷達波從一側照射到山體時，山體的背面會形成陰影[25]。例如圖4中區域 ① 顯示的山體坡度范圍為 60^° ～70^° ，山體背面的陰影區域由于沒有接收到雷達波，表現為黑暗的區域，與水體的顏色相同，導致該部分非水體被誤判為水體區域。山體坡度過大也會導致疊掩效應顯著[26]，這種地形效應在區域 ② 尤其明顯，其右側山體的坡度范圍為 40^°～60^° ，反射信號強度疊加造成影像亮度增強，從而導致水體被遮蓋無法提取。在區域 ③ 這樣水體細長且水陸交接的地方，雷達波會在水體和陸地之間的界面上反射，引發多路徑效應，干擾細長水體的真實信號，使其在影像中表現得模糊或不連續[27]。圖4中顯示的GF-3影像相比Sentinel-1影像受地形影響更大，這是因為高分辨率影像能捕捉更詳細的地形信息和細節，但受噪聲的影響也會更大，而較低分辨率的影像則較為平滑，能削弱噪聲的影響，但會掩蓋細微的地形特征。

3.4 淹沒頻率分析

通過對GF-3和Sentinel-1水體提取精度的對比分析，可以看出兩者在處理香溪河流域內復雜水體環境時各具優勢。這種精度上的差異不僅影響了對水體邊界的提取，也對后續的淹沒頻率分析產生了直接影響。淹沒頻率是水庫群動態監測中的關鍵指標，反映了水體在特定區域內的長期覆蓋狀況[28]。高精度的水體提取為頻率分析提供了堅實的基礎，而不同傳感器的性能則直接影響到頻率圖的表現。由于GF-3的應急任務規劃，其重訪周期具有不固定性，這使得數據獲取時間存在不連續性，從而影響了時序分析的精度和一致性。相比之下，Sentinel-1則具有較為穩定的重訪周期，因此在頻率圖的時間一致性上表現得更為平穩。為進一步探究GF-3和Sentinel-1在香溪河流域水庫群淹沒頻率分析中的表現，分析其頻率圖的時空變化特征，并揭示不同數據源所帶來的差異及其在實際應用中的意義，本研究將水體提取的結果進行空間疊加[29]，獲得 2021～2023 年香溪河流域內水庫群淹沒頻率分布圖，結果如圖5所示。

在對香溪河流域內水庫群淹沒頻率的監測中，GF-3和Sentinel-1的淹沒頻率圖整體均表現為中部區域頻率較高而邊緣區域頻率較低，這是因為中部區域的水面較為穩定，邊緣區域則可能因為受地形、水流和植被覆蓋等因素影響，水面變化更為頻繁。此外，GF-3憑借其較高的空間分辨率，在淹沒頻率圖中展示出更豐富的時空變化特征。具體而言，在一些細窄水體或具有復雜邊界的區域，GF-3能夠捕捉到更細微的水體變化。這種高分辨率特性使得GF-3的數據能夠展現出水庫邊緣區域的細節以及水體邊界隨時間的微小移動。然而，由于GF-3對地物細節的高敏感性，其捕捉到的細微變化可能包含了更多的環境噪聲，例如由植被、地表反射變化引起的頻率波動。相較于GF-3展示的豐富時空變化特征，Sentinel-1的淹沒頻率圖則表現出更為突變性的變化，這種突變性主要反映在水庫邊緣區域，展現出較為明顯的空間界線變化。這意味著在同一水庫的淹沒頻率分析中，Sentinel-1可能過于簡化了水庫的動態變化，尤其是在水體緩慢變化的情境下，可能難以捕捉到更為細微的水位波動。因此，在實際應用中，Sentinel-1的數據更適合用于快速識別和監測水體的劇烈變化，而對于長期的水體變化趨勢分析，仍需與其他數據源如GF-3結合，以提供更加全面的水庫群動態監測結果。

4結論

本研究通過對香溪河流域的多個水庫應用GF-3和Sentinel-1SAR影像進行水體提取分析，評估了這兩種雷達衛星在山區小水體提取中的表現，并與Sentinel-2MSI光學影像的提取結果進行對比。結果表明，GF-3和Sentinel-1在水體提取中各有優劣，并在不同應用場景中表現出不同的特點。GF-3憑借其1m 的高分辨率在水體邊界提取中表現出顯著優勢，能夠準確捕捉到細小水體和復雜地形中的水體輪廓。例如在灘坪水庫的提取中，GF－3的召回率達到0.952，表明GF-3能夠識別出更多的實際水體，但其低精準率也同樣表明GF-3在細節捕捉方面容易受到噪聲影響，從而增加了錯誤提取的概率。Sentinel-1由于其較低的空間分辨率，能夠平滑噪聲并提供較為穩定的水體輪廓。在古洞口水庫的提取中，Sentinel-1的精準率高達0.913，而且其IoU值也高于GF-3，顯示出Sentinel-1在水體提取的一致性和輪廓完整性方面具有優勢。在香溪河流域的淹沒頻率分析中，GF-3展示了其高分辨率帶來的豐富時空變化特征，能夠捕捉到細微的水體變化。相比之下，Sentinel-1的淹沒頻率圖顯示出更為明顯的突變性變化，這在長期變化趨勢的監測中可能存在不足。

研究結果表明，GF-3和Sentinel-1的結合使用可以在山區小水體監測中發揮各自的優勢。具有高分辨率的GF-3適合于詳細的水體邊界和動態變化分析，而Sentinel-1適合于快速識別和監測水體的劇烈變化。綜合使用這兩種數據源可以提供更加全面和準確的水體監測結果，尤其是在復雜地形和環境條件下，能夠彌補單一數據源的不足。

參考文獻：

[1]BIGGS J，VON FUMETTI S，KELLY -QUINN M. The importance of small waterbodies for biodiversity and ecosystem services：implications for policy makers[J].Hydrobiologia，2017，793：3-39.

[2]萬華偉，康峻，高帥，等.呼倫湖水面動態變化遙感監測及氣候因 素驅動分析[J].中國環境科學，2016，36（3）：894-898.

[3]HAO L，SUN G，LIU Y，et al. Urbanization dramatically altered the waterbalances of a paddy field -dominated basin in southern China[J]. Hydrology and Earth System Sciences，2015，19（7） ：3319-3331.

[4]SONG C，HUANG B，KE L，et al.Remote sensing of alpine lake water environment changes on the Tibetan Plateau and surroundings ： a review[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2014，92：26 -37.

[5]GUO J， WANG X，LIU B，et al. Remote - sensing extraction of small waterbodies on the Loess Plateau[J].Water，2023，15（5） ：866.

[6]YAO J，SUN S，ZHAI H，et al. Dynamic monitoring of the largest reservoir in North China based on multi -source satelite remote sensing from 2013 to 2O22：water area，water level，water storage and water quality[J].Ecological Indicators，2022，144：109470.

[7]WANG Z，YE K，ZHANG M，et al. Monitoring the wetland of the yellowriver delta by combining GF-3polarimetric synthetic aperture radar and Sentinel-2A multispectral data[J].Frontiers in Ecology and Evolution，2022，10：806978.

[8]鄧啟睿，張英，劉佳，等.基于Sentinel-1/2數據的洪水淹沒范圍 提取模型[J].人民長江，2024，55（9）：71-77.

[9] MARTINIS S，RIEKE C. Backscatter analysis using multi - temporal and multi- frequency SAR data in the context of flood map at River Saale，Germany[J].Remote Sensing，2015，7（6）：7732-7752.

[10］張潔玉.基于圖像分塊的局部閾值二值化方法[J].計算機應用， 2017，37（3） ：827.

[11]XIN W J，LU J，CHEN X，et al. Flood mitigation effects of lake - reservoir group on the Poyang Lake watershed based on runoff - weighted model from multi- satellite weekly observation[J]. Journal of Hydrology：Regional Studies，2022，44：101265.

[12] ZHANG Q J.System design and key technologies of the GF-3 satellite[J].Acta Geodaetica et Cartographica Sinica，2017，46（3）：269.

[13] YANG J，CAO Y，SUN G，et al. GF -3 data real - time processingmethod based on multi - satellite distributed data processing system [J]. Journal of Central South University，2020，27（3） ：842 -852. 雙時力 2022，47（9） ：1507 -1514.

[15]HUANG L，YANG J，MENG J，et al. Underwater topography detection and analysis of the Qilianyu Islands in the South China Sea based on GF-3 SAR images[J].Remote Sensing，2020，13（1）：76.

[16]BERNARDI M S，AFRICA P C，DE FALCO C，et al. On the use of interferometric synthetic apertureradardata for monitoring and forecasting natural hazards[J]. Mathematical Geosciences，2O21，53（8）： 1781 -1812.

[17]SAUVOLA J，PIETIKaINEN M. Adaptive document image binarization [J]. Pattern Recognition，2000，33（2） ：225 - 236.

[18] ASHTEKAR A S，MOHAMMED - ASLAM M A，MOOSVI A R Utility of normalized difference water index and GIS for mapping surface water dynamics insub -upper Krishna Basin[J]. Journal of the Indian Society of Remote Sensing，2019，47：1431 -1442.

[19]GHALEHTEIMOURI KJ，ROS F C，RAMBAT S，et al. Spatial and temporal water pattrn change detection through the normalized diference water index（NDWI） for initial flood assessment： a case study of Kuala Lumpur 1990 and 2021[J]. Journal of Advanced Research in Fluid Mechanicsand Thermal Sciences，2024，114（1）：178-187.

[20]LIU S，QIU J，LI F.A remote sensing water information extraction method based on unsupervised form using probability function to describe the frequency histogram of NDWI：a case study of Qinghai Lake in China[J].Water，2024，16（12）：1755.

[21]BRUMMEL M，MuLLER P，BRAUN A. Spatial precision and recall indices to assess the performance of instance segmentation algorithms [J].Electronic Imaging，2022，34（16） ：1 -6.

[22] MANOCHA A，AFAQ Y，BHATIA M. Mapping of water bodies from Sentinel-2 images using deep learning -based feature fusion approach[J]. Neural Computing and Applications，2023，35（12） ：9167 -9179.

[23] HUSSAIN M，CHEN D，CHENG A，et al. Change detection from remotely sensed images：from pixel -based to object-based approaches [J]. ISPRS Journal of Photogrammetry and Remote Sensing，2013， 80：91 - 106.

[24] WARREN S D，HOHMANN M G，AUERSWALD K，et al. An evaluation of methods to determine slope using digital elevation data[J]. Catena，2004，58（3）：215-233.

[25] SHI C，ZUO X，ZHANG J，et al. Accuracy assessment of geometric - distortion identification methods for Sentinel-1 synthetic aperture radar imagery in highland mountainous regions[J]. Sensors，2024，24 （9） ：2834.

[26]劉鵬，李真芳，樓良盛，等.基于超像素分割與多信息融合的疊掩 和陰影區域檢測法[J].測繪學報，2022，51（12）：2517-2530.

[27]LIN Y，ZHAO J，WANG Y，et al. SAR multi - angle observation method for multipath suppression in enclosed spaces[J]. Remote Sensing， 2024，16（4） ：621.

[28] ZHANG H，KANG J，XU X，et al. Accessing the temporal and spectral features incrop type mapping using multi-temporal Sentinel ^-2 imagery：a case study of Yi’an County，Heilongjiang Province， China [ J]. Computers and Electronics in Agriculture，2020，176：105618.

[29] YANG H， WANG H，LU J，et al. Full lifecycle monitoring on drought

（編輯：謝玲姻）

Abstract：Toaddress thechallengeofreal-timemonitoringofsmallwaterbodiesinmountainousareasandtoimprovemonito ring accuracy，weevaluatedthe water bodyextractioncapabilitiesofGF-3and Sentinel-1radarsateliteimagery.Alocal threshold methodwasappiedto extract waterbodyfromradar images in multiplereservoirsinthe XiangxiRiver Basin.Theextractionresultswerecomparedwith thoseobtainedfrom Sentinel-2MSIimageryusing thenormalizeddiferencewaterindex （NDWI），followed by a quantitative analysis based on accuracy metrics.The results indicate that GF ^-3 has advantages in capturing waterbodychanges，achievingamaximumrecallrateofO.952，butitistendtobeinfluencedbynoise-inducedrrorsin complexterrin.Incontrast，Sentinel-1demonstratesbeteraccuracyandconsistency，withamaximumprecisionrateof0.913 andamaximumIntersectionoverUnion（IoU）ofO.830.Intheanalysisof inundationfrequency，GF-3revealsricherspatiotemporalvariationscomparedto Sentinel-1.The findings provideascientificbasis fortheextractionofreservoir waterbodyand water resource management under cloudy and rainy weather conditions.

Key words：waterbodyextraction；satelieandremotesensing；GF-3；Sentinel-1；inundationfrequency；localthreshold method；Xiangxi River Basin

（上接第39頁）

Evaluation on water ecological health of Chishui River based on benthic algal biological integrity index

HU Yanhang' ，GUO Hongmin'，HU Peng2，LI Xinyu2，SU Wenhang3，YAN Long （1.CollgeofHydraulicandEiromentalEnginering，hinareeGorgesUniversitychang443hina；.tateKey Laboratoryof Simulationand Regulationof Water CycleinRiver Basin，China Instuteof Water Resourceand Hydropower Research，Beijing 100038，China；3.Schoolof Civil Engineering，Sun Yat-sen University，Zhuhai 519082，China）

Abstract：Thecompositionof benthicalgalcommunitiesiscloselyrelatedtothehealth statusofrivercosystems.Analyzingthe compositionofenthicalgalcommunitiescanprovideatheoreticalbasisforprotectingtheaquaticcologicalhealthofrivers.TakingtheChisuiRiver，afirst-leveltributaryoftheYangtzeRiverwithoutdammingonthemainstream，asanexample，benthicalgaeat6 sampling points alongtheChishui River main stream were sampledandsurveyed in March，July，and November2023.A benthicalgalbiologicalintegrityindex（Pe-IB）wasconstructedwithcoreparameters includingtotalunitscore，Shannon-Wienerindex，andcelldensity.The95thpercentileofPeBvaluesfromallsampngsiteswasselectedasteoptialvalueandit wasequallydividedintofivesections，inichasctionclosesttothe95thpercentilerepresentedthebestecologicalstatus，and wasdefinedasthecologicalbaselinefortheChishuiRiver（dryseason5.53，wetseason6.O1，normalseason6.37）.Thisbaselinewasusedtoevaluatetheriver'secologicalhealth in2O23.Principalcomponentanalysis（PCA）andcorelationanalysis were used to select DO，EC，DTN，TP，and NH ³ -N as the main environmental factors from 17 environmental factors.Generalized additivemodels（GAM）andredundancyanalysis（RDA）wereused toanalyze therelationshipsbetweenthecorePe-IBIparameters （celldensity，Shanon-Wienerindex，totaltaxonomicunits）andtheprimaryenvironmentalfactors.Theresultsshowedthat when DO concentration exceeded 10mg/L ，cyanobacterial cell density was positively correlated with DO.When EC was less than 420μs/cm ，the celldensityofbenthicalgae increased with increasing EC.AsTPconcentration increased，thecelldensityofcyanobacterial increased rapidly.When TP，DO，EC，and NH₃-N increased，the Shannon-Wiener index decreased，leading to a decrease in benthic algal biodiversity.

Keywords：benthicalgae；biological integrityindex；water ecological baseline；generalizedadditive models；Chishui River