遥感与聚类在景观水文学中的结合用于大规模变化识别 以加拿大努纳维克乔治河流域为例 数据集与代码

对于偏远且辽阔的北方流域，水文数据通常稀缺且不完整。景观水文学提供了通过分析景观属性间接评估流域水文特征的有力方法。在本研究中，我们结合了无监督的地理对象基础影像分析（GeOBIA）和模糊C均值（FCM）聚类算法，利用1985年至2019年间每五年一周期的遥感水文地貌关键指标数据，生成了七个高分辨率的区域分类。我们的研究地点是位于加拿大北魁北克省努纳维克地区的乔治河流域（GRW），其面积为42,000平方公里。作为GeOBIA对象的GRW子流域，依据其水文相似性进行了分类。2015-2019年的分类结果表明，GRW由两种主要类型的子流域组成，这些子流域沿纬度梯度分布，表明GRW在水文制度和水量平衡上存在大尺度差异。为了研究水文制度的历史变化，我们还对1985至2014年期间进行了六次分类。七个分类时序显示，子流域类型趋于均质化，主要与植被生产力的增加以及土壤和植被中水分含量的增加相关，这些变化主要集中在GRW的北半部，并且是GRW地表覆盖变化中的主要表现。植被生产力的增加可能导致蒸散发量的增加，并可能是GRW水量平衡发生根本性变化的主要驱动因素，这或许能够解释自1970年代中期以来，乔治河流量下降约1%（约0.16 km³/年）。在研究期间，永冻土的退化也可能影响了GRW的水文制度和水量平衡。然而，永冻土分布和活动层厚度的变化仍然难以通过遥感方法探测，尤其是在间歇性和零星分布的永冻土区。