一种基于GEE的青藏高原河流悬移质泥沙反演监测方法

摘要

本发明公开了一种基于GEE的青藏高原河流悬移质泥沙反演监测方法，包括以下步骤：S1：获取研究区的多源遥感数据，并对多源遥感数据中的遥感影像进行预处理；S2：根据遥感影像，采用多指数提水法提取地表水体，并根据地表水体获得河流水体产品；S3：获取研究区多个实测点位的河流悬移质泥沙浓度(SSC)真实数据，并根据遥感影像提取多个实测点位的近红外光辐照度比(NIR)，两者进行回归分析获得SSC‑NIR模型；S4：将SSC‑NIR模型嵌入S3所得的河流水体产品中，利用GEE平台既有和实时更新的卫星影像，即可实现青藏高原江河源区的河流悬移质泥沙浓度的反演监测。本发明能够准确地对青藏高原河流悬移质泥沙进行反演监测，为青藏高原江河源区及其下游的生态保护提供技术支持。

权利要求

1.一种基于GEE的青藏高原河流悬移质泥沙反演监测方法，其特征在于，包括以下步骤：S1：获取研究区的多源遥感数据，并对所述多源遥感数据中的遥感影像进行预处理；

S2：根据预处理后的遥感影像，采用多指数提水法提取地表水体，并根据所述地表水体获得河流水体产品；本步骤具体包括以下子步骤：S21：采用所述多指数提水法提取地表水体；

S22：对获得的地表水体进行掩膜性能评估，根据掩膜性能评估结果获取各水体指数反演精度最高的地表水体产品；本步骤具体包括以下子步骤：S221：对于每个掩膜场景，采用各水体指数的经验阈值进行水陆二元分类；

S222：使用试错法根据掩膜的总体分类精度OA和Kappa系数来选择不同水体指数的最佳阈值，并利用所述最佳阈值对地表水体掩膜进行分割；

S223：将步骤S221和步骤S222分割得到的地表水体掩膜进行目视解译和精度评定，分别得到两种阈值判别下各水体指数反演精度最高的地表水体产品；

S23：将步骤S22获得的各地表水体产品进行融合，获得研究区反演精度最高的地表水体产品Maskall；

S24：对所述地表水体产品Maskall进行拓扑处理，得到所述河流水体产品；

S3：获取所述研究区多个实测点位的河流悬移质泥沙浓度真实数据，并根据所述遥感影像提取多个所述实测点位的近红外光辐照度比，两者进行回归分析获得SSC‑NIR模型；

S4：将所述SSC‑NIR模型嵌入所述河流水体产品中，利用GEE平台既有和实时更新的卫星影像，即可实现青藏高原江河源区的河流悬移质泥沙浓度的反演监测。

2.根据权利要求1所述的基于GEE的青藏高原河流悬移质泥沙反演监测方法，其特征在于，步骤S2中，所述多指数提水法的水体指数包括AWEInsh、AWEIsh、NDWI以及MNDWI，各水体指数分别通过下式进行计算：AWEInsh＝4(RGreen‑RSWIR1)‑(0.25RNIR+2.75RSWIR2)    (1)AWEIsh＝RBlue+2.5RGreen‑1.5(RNIR+RSWIR1)‑0.25RSWIR2    (2)NDWI＝(RGreen‑RNIR)/(RGreen‑RNIR)    (3)MDNWI＝(RGreen‑RSWIR1)/(RGreen+RSWIR1)    (4)式中：RGreen为绿光波段的地表反射率；RSWIR1和RSWIR2为短波红外波段的地表反射率；RNIR为近红外波段的地表反射率；RBlue为蓝光波段的地表反射率。

3.根据权利要求1所述的基于GEE的青藏高原河流悬移质泥沙反演监测方法，其特征在于，步骤S3中，还包括对所述SSC‑NIR模型进行精度评定的步骤；当精度评定结果小于精度阈值时，重复步骤S3重新建模，直至获得的所述SSC‑NIR模型的精度评定结果大于等于所述精度阈值。

4.根据权利要求3所述的基于GEE的青藏高原河流悬移质泥沙反演监测方法，其特征在于，采用Nash‑Sutcliffe系数和/或均方根误差对所述SSC‑NIR模型进行精度评定。

5.根据权利要求1所述的基于GEE的青藏高原河流悬移质泥沙反演监测方法，其特征在于，步骤S3中，所述实测点位的数量大于10。

6.根据权利要求1‑5中任意一项所述的基于GEE的青藏高原河流悬移质泥沙反演监测方法，其特征在于，步骤S3中，进行回归分析时，通过下式进行回归分析：am＝SSC*(a+b*exp(c*(λ‑400)))    (6)bm＝SSC*(a‑b*(λ‑400))    (7)

式中：R0为近红外光辐照度比；f为比例常数；bm为光对水中矿物颗粒的后向散射系数；

aw、am、ax分别为纯水、水中矿物、其他悬浮物质对光的吸收系数；SSC为河流悬移质泥沙浓度；a、b、c均为常数；λ为波长。

说明书

一种基于GEE的青藏高原河流悬移质泥沙反演监测方法

技术领域

[0001] 本发明涉及遥感影像智能处理技术领域，特别涉及一种基于GEE的青藏高原河流悬移质泥沙反演监测方法。

背景技术

[0002] 青藏高原分布着我国主要的江河源区，其悬移质泥沙既直接关乎到水源地的河床塑造、河道形态和景观格局，又会诱发山洪泥石流、水土流失、河道水库淤积等自然灾害威胁人类生存环境和经济发展。同时，细颗粒悬移质泥沙是河流大量营养物、污染物、重金属离子和有机碳运输的重要载体，直接影响着中下游地球表层的生物化学循环。因此，获取江河源区悬移质泥沙的时空动态格局和实时变化情况对保护区域水质、维持水环境和水生生态系统的平衡尤为重要，也可以为水利水电工程建设、水库库容调蓄、堆积造地、河道采砂等社会经济活动提供数据支撑，对推动区域的经济社会可持续发展具有十分重要的意义。

[0003] 传统的泥沙观测手段依托于水文站点人工取样观测，针对青藏高原地区来说，该方法在时间和空间上有极大的限制，且费时费力。卫星遥感能大尺度、低成本地快速捕捉河流中的悬移泥沙时空动态分布信息，以MODIS、AVHRR为代表的卫星较早地被用于开展河流出海口悬移质泥沙的反演。但是，这些遥感手段目前并不适用于青藏高原江河源区，现有技术目前仍存在以下问题：(1)江河源区遥感反演地表水体的精度受到冰川、积雪、云、山体阴影等多源环境噪声的制约，当前技术多采用单个提水方法，或是少数技术采用多指数提水法，但其又忽视了各个指数方法之间的精度差异。(2)江河源区的悬移质泥沙含量变化具有季节性特征，当前的技术多以单时相产品为主，难以反映季节动态。(3)一般卫星的空间分辨率难以准确捕捉到江河源区的游荡性河流，这些河流的河道宽度一般小于卫星影像的单像素大小，无法准确获得河源区河道内泥沙的空间动态。(4)传统的悬移质泥沙反演技术一般使用单图幅遥感影像逐个与地面数据匹配进行反演，耗时长，也无法批量化处理大量数据。

发明内容

[0004] 针对上述问题，本发明旨在提供一种基于GEE的青藏高原河流悬移质泥沙反演监测方法。

[0005] 本发明的技术方案如下：

[0006] 一种基于GEE的青藏高原河流悬移质泥沙反演监测方法，包括以下步骤：

[0007] S1：获取研究区的多源遥感数据，并对所述多源遥感数据中的遥感影像进行预处理；

[0008] S2：根据预处理后的遥感影像，采用多指数提水法提取地表水体，并根据所述地表水体获得河流水体产品；

[0009] S3：获取所述研究区多个实测点位的河流悬移质泥沙浓度真实数据(SSC)，并根据所述遥感影像提取多个所述实测点位的近红外光辐照度比(NIR)，两者进行回归分析获得SSC‑NIR模型；

[0010] S4：将所述SSC‑NIR模型嵌入所述河流水体产品中，利用GEE平台既有和实时更新的卫星影像，即可实现青藏高原江河源区的河流悬移质泥沙浓度的反演监测。

[0011] 作为优选，步骤S2中，所述多指数提水法的水体指数包括AWEInsh、AWEIsh、NDWI以及MNDWI，各水体指数分别通过下式进行计算：

[0012] AWEInsh＝4(RGreeeeb‑RSWIR1)‑(0.25RNIR+2.75RSWIR2)                (1)[0013] AWEIsh＝RBluw+2.5RGreen‑1.5(RNIR+RSWIR1)‑0.25RSWIR2              (2)[0014] NDWI＝(RGreen‑RNIR)/(RGreen‑RNIR)                      (3)[0015] MDNWI＝(RGreen‑RSWIR1)/(RGreen+RSWIR1)                   (4)[0016] 式中：RGreen为绿光波段的地表反射率；RSWIR1和RSWIR2为短波红外波段的地表反射率；RNIR为近红外波段的地表反射率；RBlue为蓝光波段的地表反射率。

[0017] 作为优选，步骤S2具体包括以下子步骤：

[0018] S21：采用所述多指数提水法提取地表水体；

[0019] S22：对获得的地表水体进行掩膜性能评估，根据掩膜性能评估结果获取各水体指数反演精度最高的地表水体产品；

[0020] S23：将步骤S22获得的各地表水体产品进行融合，获得研究区反演精度最高的地表水体产品Maskall；

[0021] S24：对所述地表水体产品Maskall进行拓扑处理，得到所述河流水体产品。

[0022] 作为优选，步骤S22具体包括以下子步骤：

[0023] S221：对于每个掩膜场景，采用各水体指数的经验阈值进行水陆二元分类；

[0024] S222：使用试错法根据掩膜的总体分类精度OA和Kappa系数来选择不同水体指数的最佳阈值，并利用所述最佳阈值对地表水体掩膜进行分割；

[0025] S223：将步骤S221和步骤S222分割得到的地表水体掩膜进行目视解译和精度评定，分别得到两种阈值判别下各水体指数反演精度最高的地表水体产品。

[0026] 作为优选，步骤S3中，还包括对所述SSC‑NIR模型进行精度评定的步骤；当精度评定结果小于精度阈值时，重复步骤S3重新建模，直至获得的所述SSC‑NIR模型的精度评定结果大于等于所述精度阈值。

[0027] 作为优选，采用Nash‑Sutcliffe系数和/或均方根误差对所述SSC‑NIR模型进行精度评定。

[0028] 作为优选，步骤S3中，所述实测点位的数量大于10。

[0029] 作为优选，步骤S3中，进行回归分析时，通过下式进行回归分析：

[0030]

[0031] am＝SSC*(a+b*exp(c*(λ‑400))) (6)

[0032] bm＝SSC*(a‑b*(λ‑400)) (7)

[0033] 式中：R0为近红外光辐照度比；f为比例常数；bm为光对水中矿物颗粒的后向散射系数；aw、am、ax分别为纯水、水中矿物、其他悬浮物质对光的吸收系数；SSC为河流悬移质泥沙浓度；a、b、c均为常数；λ为波长。

[0034] 本发明的有益效果是：

[0035] 本发明能够准确地对青藏高原河流悬移质泥沙进行反演监测，一方面能够解决传统遥感反演悬浮泥沙技术的反演时空尺度小，无法批量化处理以及青藏高原江河源区等河流无法捕捉的问题；另一方面还能够解决传统悬移质泥沙实地测量的费时费力、无法获得大时空格局下泥沙分布的局限性问题。

附图说明

[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0037] 图1为本发明基于GEE的青藏高原河流悬移质泥沙反演监测方法的流程示意图；

[0038] 图2为一个具体实施例长江源区直门达水文站实测和反演悬移质泥沙浓度的率定和验证；

[0039] 图3为一个具体实施例中长江源区整体河流悬移质检索效果图；

[0040] 图4为一个具体实施例长江源区中游通天河河段2017年8月22日的Landsat 8卫星灰度卫星影像图和反演的河流悬移质泥沙浓度空间分布效果图。

具体实施方式

[0041] 下面结合附图和实施例对本发明进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互结合。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。本发明公开使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

[0042] 如图1所示，本发明提供一种基于GEE的青藏高原河流悬移质泥沙反演监测方法，包括以下步骤：

[0043] 一种基于GEE的青藏高原河流悬移质泥沙反演监测方法，包括以下步骤：

[0044] S1：获取研究区的多源遥感数据，并对所述多源遥感数据中的遥感影像进行预处理。

[0045] 在一个具体的实施例中，本步骤具体包括以下子步骤：1)上传研究区域的矢量数据。2)基于研究区域的范围大小和反演目标时间段的长度选取数据源。3)影像质量控制：为提高悬移质泥沙的提取精度和遥感影像的利用率，采用不同卫星数据的GEE内部函数去除云、山体阴影等造成的环境噪声的影响。4)研究区影像裁剪与整合：整合研究区域在目标时间段内的影像。

[0046] S2：根据预处理后的遥感影像，采用多指数提水法提取地表水体，并根据所述地表水体获得河流水体产品。

[0047] 在一个具体的实施例中，步骤S2具体包括以下子步骤：

[0048] S21：采用所述多指数提水法提取地表水体。

[0049] 在一个具体的实施例中，所述多指数提水法的水体指数包括AWEInsh、AWEIsh、NDWI以及MNDWI，各水体指数分别通过下式进行计算：

[0050] AWEInsh＝4(RGreeeeb‑RSWIR1)‑(0.25RNIR+2.75RSWIR2)               (1)[0051] AWEIsh＝RBluw+2.5RGreen‑1.5(RNIR+RSWIR1)‑0.25RSWIR2             (2)[0052] NDWI＝(RGreen‑RNIR)/(RGreen‑RNIR)                     (3)[0053] MDNWI＝(RGreen‑RSWIR1)/(RGreen+RSWIR1)                   (4)[0054] 式中：RGreen为绿光波段的地表反射率；RSWIR1和RSWIR2为短波红外波段的地表反射率；RNIR为近红外波段的地表反射率；RBlue为蓝光波段的地表反射率。

[0055] 在上述实施例中，所述AWEIsh水体指数能够消除山体阴影等的影响，多适用于山区及环境噪声复杂的区域；所述AWEInsh水体指数适用于具有城市背景的区域；所述MNDWI水体指数可以取得较好的水体边界提取效果，适用于富营养化地表水体边界的提取；而对于水深较浅的地表水体，采用NDWI的精确度较好。青藏高原地区具有冰川、积雪、云、山体阴影等多源环境噪声的影响的特点，采用上述四种水体指数能够减少青藏高原地区冰川、雪、山体阴影等在易与水判别混淆的环境噪声对提取地表水体的影响，生成的河流水体产品更精确。

[0056] S22：对获得的地表水体进行掩膜性能评估，根据掩膜性能评估结果获取各水体指数反演精度最高的地表水体产品。具体的：S221：对于每个掩膜场景，采用各水体指数的经验阈值进行水陆二元分类；S222：使用试错法根据掩膜的总体分类精度OA和Kappa系数来选择不同水体指数的最佳阈值，并利用所述最佳阈值对地表水体掩膜进行分割；S223：将步骤S221和步骤S222分割得到的地表水体掩膜进行目视解译和精度评定，分别得到两种阈值判别下各水体指数反演精度最高的地表水体产品。

[0057] S23：将步骤S22获得的各地表水体产品进行融合，获得研究区反演精度最高的地表水体产品Maskall；

[0058] 在一个具体的实施例中，将步骤S22获得的各地表水体产品进行融合时，定义函数get_water借助掩膜叠加的方式进行迭代计算，从而得到区域反演精度最高的地表水体产品Maskall。

[0059] S24：对所述地表水体产品Maskall进行拓扑处理，得到所述河流水体产品。

[0060] 在一个具体的实施例中，对所述地表水体产品Maskall采用Arcgis 10.5中的拓扑处理，人工连接高阶河段的空隙，填充与浅滩、中心沙洲等相关的空隙，去除湖泊等地表水体，得到所述河流水体产品。

[0061] S3：获取所述研究区多个实测点位的河流悬移质泥沙浓度真实数据，并根据所述遥感影像提取多个所述实测点位的近红外光辐照度比，两者进行回归分析获得SSC‑NIR模型。

[0062] 在一个具体的实施例中，所述实测点位的数量大于10，进行回归分析时，通过下式进行回归分析：

[0063]

[0064] am＝SSC*(a+b*exp(c*(λ‑400))) (6)

[0065] bm＝SSC*(a‑b*(λ‑400)) (7)

[0066] 式中：R0为近红外光辐照度比，可由GEE平台运算得出；f为比例常数；bm为光对水中矿物颗粒的后向散射系数；aw、am、ax分别为纯水、水中矿物、其他悬浮物质对光的吸收系数；SSC为河流悬移质泥沙浓度；a、b、c均为常数；λ为波长。

[0067] 在本实施例中，通过融合实测悬移质泥沙浓度SSC、遥感影像的向后散射系数bm和吸收系数aw、am、ax及光在各像素点的波长λ、从水体中提取的辐照度比R0作为输入参数，能够实现在大时空尺度下高分辨率的悬移质泥沙提取。

[0068] 为了提高反演监测结果的准确性，在一个具体的实施例中，还包括对所述SSC‑NIR模型进行精度评定的步骤；当精度评定结果小于精度阈值时，重复步骤S3重新建模，直至获得的所述SSC‑NIR模型的精度评定结果大于等于所述精度阈值。可选地，采用Nash‑Sutcliffe系数和/或均方根误差对所述SSC‑NIR模型进行精度评定。

[0069] S4：将所述SSC‑NIR模型嵌入所述河流水体产品中，利用GEE平台既有和实时更新的卫星影像，即可实现青藏高原江河源区的河流悬移质泥沙浓度的反演监测。

[0070] 在上述实施例中，本发明基于GEE平台，首先利用AWEInsh、AWEIsh、NDWI以及MNDWI四种水体指数提取地表水体，并采用总体分类精度OA和Kappa系数来确定不同提水指数在青藏高原提水的最佳阈值，从而解决内陆水体反演提水指数精度不足的问题。其次，利用Arcgis 10.5中的拓扑处理将地表水体产品进行处理，得到高分辨率河流产品。然后，利用多点位实测河流悬移质泥沙浓度真实数据与提取出水体中的B4波段地表反射率作为输入，通过回归分析和精度评价后选取并构建最优SSC‑NIR模型。最后，将该模型嵌套入GEE平台获取的指定研究区域、长时间序列Landsat卫星遥感光学影像中运行，即可实现任意区域、长时间序列地表水体中悬移质泥沙含量的快速、高精度提取。

[0071] 在一个具体的实施例中，采用本发明对青藏高原长江源区地表水体的悬移质泥沙进行反演监测，具体包括以下步骤：

[0072] 步骤一：数据集的选取：

[0073] 1)实测悬移质泥沙数据：长江源区位于青藏高原腹地，在气候变化大背景下，长江源区成为一个生态脆弱区和敏感区，其悬移质泥沙通量在近30年间出现大幅上涨，威胁着长江源区及下游周边地区的水生生态和水环境。由于长江源海拔高亢、气候环境恶劣、交通不便，实地测量区域悬移质泥沙不便，现今仅有坨坨河和直门达2个水文站具有多年实测悬移质泥沙数据集。为了避免实测样点对模型校准的影响，本发明筛选了近年来国内外研究中长江源悬移质泥沙的实测取样数据，将该数据与水文站实测数据集作为真实数据并整理成数据集。

[0074] 2)多源遥感影像数据集的选取：本实施例选取了GEE平台上的Landsat‑5(TM),Landsat‑7(ETM+),and Landsat‑8(OLI/TIRS)地表反射率产品。Landsat系列卫星影像提供了现有的世界上最长连续空基观测记录，现仍在地球轨道上运行三颗卫星，可以满足本发明长时间序列、大空间尺度和进行实时监测的需求。

[0075] 步骤二：遥感数据预处理：

[0076] 1)将研究区矢量数据格式调整为utf8格式，在GEE平台里Assets模块上传；

[0077] 2)为提高悬移质泥沙的提取精度和遥感影像的利用率，针对Landsat‑5和Landsat‑7卫星影像，使用GEE内部命令filter.lt.去除云等造成的低质量影像。针对Landsat‑8卫星影像，采用影像的QA波段去除上述低质量影像。

[0078] 3)借助步骤1)上传的研究区矢量数据，采用GEE的filter.Bounds、filter.Date内部命令整合研究区域在目标时间段内的影像。本案例研究时间段为1986年1月1日至2021年12月31日。

[0079] 步骤三：采用多指数提水法(AWEI)提取地表水体，并根据所述地表水体获得河流水体产品：

[0080] 1)根据公式(1)‑(4)，计算质量控制和自动筛选后影像的每个像素点的AWEInsh，AWEIsh，NDWI，MNDWI值。

[0081] 2)为了消除环境噪声的影响，对于每个提水算法提取的掩膜场景，首先采用不同提水指数的经验阈值进行水陆二元分类。然后，使用试错法根据掩膜的最高总体分类精度OA和Kappa系数选择最佳阈值。针对试错法，我们使用介于‑1和+1之间的0.05间隔的两位小数阈值作为验证数据，以获得最高的OA和Kappa。一旦确定了两位小数阈值，则在先前选择的两位小数阈值的±0.05之间使用较小的间隔阈值0.0005。最后的四位小数阈值被选为验证数据中最接近的最佳阈值。在本实例中，得到的四种不同地表水体掩膜的最佳阈值分别为：NDWI＝0.3877，MNDWI＝0.3531，AWEInsh＝0.1897，AWEIsh＝0.1112。利用最佳阈值对上一步得到的掩膜场景进行分割，将其与经验阈值分割的地表水体掩膜分别进行目视解译和精度评定，分别得到两种阈值判别下各提水指数反演精度最高的地表水体产品。

[0082] 3)利于GEE内部img.addBands函数将四种反演精度最高的地表水体产品融合，定义函数get_water将这些产品叠加进行迭代计算，如var Maskall＝mask1.and(mask2).and(mask3).and(mask4),return Maskall，从而得到区域反演精度最高的地表水体产品Maskall。

[0083] 4)对上述得到的所述地表水体产品Maskall采用Arcgis 10.5中的拓扑处理，人工连接高阶河段的空隙，填充与浅滩、中心沙洲等相关的空隙，去除湖泊等地表水体，得到所述河流水体产品。

[0084] 步骤四：地表水体悬移质泥沙的提取及检验。

[0085] 1)获取了长江源区78个实测点位的地表水体悬移质泥沙浓度真实数据(SSC)，基于公式(5)‑(7)，将其与对应取样点坐标、取样时间相一致的Landsat影像提取的近红外光辐照度比(NIR)进行回归分析得到SSC‑NIR模型。

[0086] 2)采用Nash‑Sutcliffe系数、均方根误差等指数，以原位观测的其余63个数据为输入对该模型进行精度评定和验证。

[0087] 3)将SSC‑NIR模型通过定义函数嵌套入步骤三得到的河流产品中，借助字符串解析的方式进行计算，如var SSC＝image.expression(‘0.29’*exp(3.48*R0))，{R0：image.select(‘nir’)})，计算合成整个长江源区的SSC掩膜。

[0088] 步骤五：将以上步骤嵌套入GEE平台既有和实时更新的卫星影像，即可实现对任意区域悬移质泥沙的反演和实时监测。反演及监测结果使用Export命令将研究区悬移质泥沙信息导出，通过GEE的Tasks模块点击Run功能即可下载长江源区的悬移质泥沙的GeoTiff格式文件。

[0089] 本实施例的反演监测结果如图2‑图4所示。从图2可以看出，本实施例的SSC‑NIR模‑3型的Nash‑Sutcliffe系数为0.914，均方根误差为0.013kg·m ，模型稳健性和精度水平均满足悬移质泥沙反演的要求。从图3和图4可以看出，本发明捕捉了足够河流水体细节精度，在空间上精细的捕捉了悬移质泥沙浓度。如热融侵蚀沟、辫状河流的悬移质泥沙浓度明显高于主河道，与真实长江源区河流泥沙研究进展结论一致。因此，本发明借助GEE平台实现了大时空尺度下的悬浮泥沙的反演及实时监测，能够为江河源区的水沙过程等提供大数据参考。

[0090] 综上所述，(1)本发明能突破现有泥沙采样技术人力、物力方面的限制，采用开源的GEE平台能大量节省实地泥沙采样的成本、时间以及克服野外实地测量的困难；能够实现全流域地表水体悬移质泥沙的反演及实时监测，为保护当地水质、维持水生生态平衡和水利水电工程建设等提供大数据支撑。(2)本发明提出的悬移质泥沙反演技术计算效率高，计算速度快，可以批量化并行计算且处理大量遥感影像数据。其对指定大时空尺度的研究区域运行时间远小于传统的单图幅遥感影像反演算法，在进行大规模水体悬移质泥沙模拟计算时效率提高将更为显著。(3)本发明采用多指数提水法和标准阈值、最佳阈值判别方法能最大化减少青藏高原地区冰川、雪、山体阴影等在易与水判别混淆的环境噪声对提取地表水体的影响，生成的河流水体产品具有较高的时空分辨率，能够反映河流水体的季节动态，从而提高了其中悬移质泥沙提取的稳健性。与现有技术相比，本发明具有显著的进步。

[0091] 以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。