Published December 19, 2022
| Version v1
Publication
Time-series surface water reconstruction method (TSWR) based on spatial distance relationship of multi-stage water boundaries
Creators
- 1. Aerospace Information Research Institute
- 2. Chinese Academy of Sciences
- 3. University of Chinese Academy of Sciences
- 4. Hunan University of Science and Technology
- 5. Sun Yat-sen University
- 6. Pir Mehr Ali Shah Arid Agriculture University
- 7. Xiamen University
Description
Spatiotemporal continuity of surface water datasets widely known for its significance in the surface water dynamic monitoring and assessments, are faced with drawbacks like cloud influence, which hinders the direct extraction of data from time-series remote sensing images. This study proposes a Time-series Surface Water Reconstruction method (TSWR). The initial stage of this method involves the effective use of remote sensing images to automatically construct multi-stage surface water boundaries based on Google Earth Engine (GEE). Then, we reconstructed regions the reconstruction of regions with missing water pixels using the distance relationship between the multi-stage water boundaries in previous and later periods. When applied to 10 large rivers around the world, this method yielded an overall accuracy of 98% for water extraction, an RMSE of 0.41 km2. Furthermore, time-series reconstruction tests conducted in 2020 on the Lancang and Danube rivers revealed a significant improvement in the image availability. These findings demonstrated that this method could not only be used to accurately reconstruct the surface water distribution missing water images, but also to depict a more pronounced time variation characteristic. The successful application of this method on GEE demonstrates its importance for use on large scales or in global studies.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تواجه الاستمرارية المكانية والزمانية لمجموعات بيانات المياه السطحية المعروفة على نطاق واسع بأهميتها في المراقبة والتقييمات الديناميكية للمياه السطحية، عيوبًا مثل تأثير السحابة، مما يعيق الاستخراج المباشر للبيانات من صور الاستشعار عن بعد ذات السلاسل الزمنية. تقترح هذه الدراسة طريقة السلاسل الزمنية لإعادة بناء المياه السطحية (TSWR). تتضمن المرحلة الأولى من هذه الطريقة الاستخدام الفعال لصور الاستشعار عن بعد لإنشاء حدود مائية سطحية متعددة المراحل تلقائيًا بناءً على Google Earth Engine (GEE). ثم أعدنا بناء مناطق إعادة إعمار المناطق ذات وحدات البكسل المائية المفقودة باستخدام العلاقة البعيدة بين الحدود المائية متعددة المراحل في الفترات السابقة واللاحقة. عند تطبيقها على 10 أنهار كبيرة في جميع أنحاء العالم، أسفرت هذه الطريقة عن دقة إجمالية تبلغ 98 ٪ لاستخراج المياه، و RMSE تبلغ 0.41 كيلومتر مربع. علاوة على ذلك، كشفت اختبارات إعادة الإعمار المتسلسلة زمنيًا التي أجريت في عام 2020 على نهري لانكانغ والدانوب عن تحسن كبير في توافر الصور. أظهرت هذه النتائج أنه لا يمكن استخدام هذه الطريقة فقط لإعادة بناء صور المياه المفقودة لتوزيع المياه السطحية بدقة، ولكن أيضًا لتصوير خاصية تباين زمني أكثر وضوحًا. يوضح التطبيق الناجح لهذه الطريقة على GEE أهميتها للاستخدام على نطاق واسع أو في الدراسات العالمية.Translated Description (French)
La continuité spatio-temporelle des ensembles de données sur les eaux de surface, largement connue pour son importance dans la surveillance et l'évaluation dynamiques des eaux de surface, est confrontée à des inconvénients tels que l'influence des nuages, qui entrave l'extraction directe des données à partir d'images de télédétection de séries temporelles. Cette étude propose une méthode de Reconstruction des Eaux de Surface en Série Temporelle (TSWR). La première étape de cette méthode implique l'utilisation efficace d'images de télédétection pour construire automatiquement des limites d'eau de surface multi-étapes basées sur Google Earth Engine (GEE). Ensuite, nous avons reconstruit les régions de reconstruction des régions avec des pixels d'eau manquants en utilisant la relation de distance entre les limites de l'eau en plusieurs étapes dans les périodes précédentes et ultérieures. Appliquée à 10 grands fleuves du monde, cette méthode a donné une précision globale de 98 % pour l'extraction de l'eau, soit un RMSE de 0,41 km2. En outre, les tests de reconstruction de séries chronologiques menés en 2020 sur les fleuves Lancang et Danube ont révélé une amélioration significative de la disponibilité des images. Ces résultats ont démontré que cette méthode pouvait non seulement être utilisée pour reconstruire avec précision les images d'eau manquante de la distribution des eaux de surface, mais aussi pour décrire une caractéristique de variation temporelle plus prononcée. L'application réussie de cette méthode sur GEE démontre son importance pour une utilisation à grande échelle ou dans des études mondiales.Translated Description (Spanish)
La continuidad espaciotemporal de los conjuntos de datos de aguas superficiales, ampliamente conocida por su importancia en el monitoreo y las evaluaciones dinámicas de las aguas superficiales, se enfrenta a inconvenientes como la influencia de las nubes, que dificulta la extracción directa de datos de imágenes de teledetección de series temporales. Este estudio propone un método de Reconstrucción de Aguas Superficiales (TSWR) de series de tiempo. La etapa inicial de este método implica el uso efectivo de imágenes de teledetección para construir automáticamente límites de agua superficial de múltiples etapas basados en Google Earth Engine (GEE). Luego, reconstruimos regiones, la reconstrucción de regiones con píxeles de agua faltantes, utilizando la relación de distancia entre los límites de agua de múltiples etapas en períodos anteriores y posteriores. Cuando se aplicó a 10 grandes ríos de todo el mundo, este método arrojó una precisión general del 98% para la extracción de agua, un RMSE de 0,41 km2. Además, las pruebas de reconstrucción de series temporales realizadas en 2020 en los ríos Lancang y Danubio revelaron una mejora significativa en la disponibilidad de imágenes. Estos hallazgos demostraron que este método no solo podría usarse para reconstruir con precisión las imágenes de agua faltante de la distribución de agua superficial, sino también para representar una característica de variación de tiempo más pronunciada. La aplicación exitosa de este método en GEE demuestra su importancia para su uso a gran escala o en estudios globales.Additional details
Additional titles
- Translated title (Arabic)
- طريقة إعادة بناء المياه السطحية المتسلسلة زمنيًا (TSWR) بناءً على علاقة المسافة المكانية للحدود المائية متعددة المراحل
- Translated title (French)
- Méthode de reconstruction des eaux de surface en série chronologique (TSWR) basée sur la relation de distance spatiale des limites de l'eau en plusieurs étapes
- Translated title (Spanish)
- Método de reconstrucción de aguas superficiales de series de tiempo (TSWR) basado en la relación de distancia espacial de los límites de agua de múltiples etapas
Identifiers
- Other
- https://openalex.org/W4313432564
- DOI
- 10.1080/17538947.2022.2159553
References
- https://openalex.org/W1563226074
- https://openalex.org/W1929270595
- https://openalex.org/W1988883312
- https://openalex.org/W2006169848
- https://openalex.org/W2019812041
- https://openalex.org/W2021324314
- https://openalex.org/W2024578125
- https://openalex.org/W2040225117
- https://openalex.org/W2077509829
- https://openalex.org/W2090209663
- https://openalex.org/W2118332032
- https://openalex.org/W2133059825
- https://openalex.org/W2145023731
- https://openalex.org/W2174997079
- https://openalex.org/W2336807904
- https://openalex.org/W2346888824
- https://openalex.org/W2518149467
- https://openalex.org/W2551198299
- https://openalex.org/W2560167313
- https://openalex.org/W2592532736
- https://openalex.org/W2610254470
- https://openalex.org/W2722058651
- https://openalex.org/W2725897987
- https://openalex.org/W2749751926
- https://openalex.org/W2751895300
- https://openalex.org/W2752783768
- https://openalex.org/W2790158261
- https://openalex.org/W2790742725
- https://openalex.org/W2793927960
- https://openalex.org/W2803941375
- https://openalex.org/W2808325089
- https://openalex.org/W2811310577
- https://openalex.org/W2890030137
- https://openalex.org/W2901490303
- https://openalex.org/W2905066785
- https://openalex.org/W2942775612
- https://openalex.org/W2955998290
- https://openalex.org/W2962102206
- https://openalex.org/W2965543054
- https://openalex.org/W2973660294
- https://openalex.org/W2997737498
- https://openalex.org/W3003923526
- https://openalex.org/W3008439211
- https://openalex.org/W3014841350
- https://openalex.org/W3022140654
- https://openalex.org/W3023058341
- https://openalex.org/W3033808886
- https://openalex.org/W3036059292
- https://openalex.org/W3036059328
- https://openalex.org/W3040650117
- https://openalex.org/W3046214313
- https://openalex.org/W3081429447
- https://openalex.org/W3091845461
- https://openalex.org/W3093144373
- https://openalex.org/W3097925663
- https://openalex.org/W3104341624
- https://openalex.org/W3110230508
- https://openalex.org/W3112206619
- https://openalex.org/W3119774682
- https://openalex.org/W3120044922
- https://openalex.org/W3181788155
- https://openalex.org/W3197816139
- https://openalex.org/W3208883750
- https://openalex.org/W4212907923
- https://openalex.org/W4224028831
- https://openalex.org/W4290852322