全球高分辨率地表水指数数据集：基于Landsat-8与Sentinel-2的多传感器协同监测与应用

本研究通过整合Landsat-8和Sentinel-2卫星数据，构建了2019-2021年全球月度地表水指数数据集（NDWI2/MNDWI/WI2015），解决了现有水体制图数据时空覆盖不足的难题。该数据集以300米分辨率提供三种水指数（NDWI2、MNDWI、WI2015）的GeoTIFF文件，验证显示Sentinel-2的NDWI2综合性能最优（F1分数96.5%），为气候变化下的水资源管理、洪旱灾害监测提供关键基线数据。

　　

在全球气候变化加剧的背景下，地表水资源的时空动态监测已成为生态保护与灾害预警的核心课题。传统实地观测受限于人力物力，而现有卫星数据集如JRC Monthly Water History存在时空分辨率不足、更新滞后等问题。尤其令人担忧的是，随着极端气候事件频发，全球约40%的流域正面临严重的水资源压力，但能够同时兼顾高时空分辨率与多指数分析的全球水体制图产品仍属空白。

日本东北大学（Tohoku University）联合伦敦大学学院的研究团队在《Scientific Data》发表突破性研究，通过融合Landsat-8（30米/16天）和Sentinel-2（10-20米/5天）的双卫星数据，首次构建了2019-2021年全球月度地表水指数数据集。研究团队创新性地采用三阶段技术路线：首先系统评估26种水指数后选定NDWI2（归一化差异水指数）、MNDWI（改进型NDWI）和WI2015（基于线性判别分析的指数）作为核心指标；其次利用Google Earth Engine平台处理超过60个并行任务，通过geemap包实现月均反射率计算与云掩膜（采用CFMASK算法）；最后以JRC数据集为金标准，通过四台高性能计算机耗时三个月完成验证，生成216个GeoTIFF文件。

方法创新
研究采用交叉验证策略：对Landsat-8使用QA_PIXEL波段剔除中高置信度的云/阴影/冰雪干扰，Sentinel-2则通过QA60波段过滤不透明云。数据融合时，将Sentinel-2重采样至30米以匹配JRC数据分辨率，并通过Otsu阈值法优化分类精度。

关键发现

1. 指数性能比较：Sentinel-2的NDWI2展现最优综合性能（平均准确率99.3%，F1分数96.5%），显著优于Landsat-8的同类指数（F1分数90.2%）。MNDWI在城镇区域抗干扰能力突出，而WI2015对阈值敏感度最高（图6）。
2. 时空动态特征：孟加拉国贾木纳河汛期（6-10月）水面积扩张达旱季3倍（图3），亚马逊河流域季节性波动呈现显著空间异质性（图4）。Sentinel-2因更高重访频率，在雨季数据完整性比Landsat-8提升35%（图S3）。
3. 阈值敏感性：NDWI2在阈值>0.15时性能骤降，而MNDWI在0至0.2阈值区间保持稳定（图7-8），证实其在复杂环境下的鲁棒性。

应用价值
该数据集突破性地实现了三项交叉创新：① 多卫星协同弥补单一数据源缺陷，如Sentinel-2高频特性缓解季风区云覆盖难题；② 三指数并行输出支持用户按需选择，如WI2015适用于建筑阴影区（精度提升12%）；③ 300米分辨率平衡数据量与细节需求，可通过开源代码（GitHub/Water5092）自定义分辨率至10米。目前数据已应用于跨境水资源谈判、城市热岛缓解规划等领域，未来计划整合SAR数据以突破光学卫星的云层限制。

这项研究不仅为SDG6（清洁饮水和卫生设施）提供关键监测工具，其开创性的多指数融合框架更为全球水循环研究树立了新范式。正如作者Miura Yohei强调："当2022年数据更新后，这套动态基线将帮助识别那些因气候变化而濒临消失的脆弱水域"。