高被引科学家丨原创性提出土地覆盖和专题信息遥感技术——董金玮

学者名片

董金玮，中国科学院地理科学与资源研究所研究员，博士生导师，区域环境与生态信息研究室主任，国家级青年人才计划入选者(2016年)，中科院“农业土地利用与气候变化”青年交叉团队项目负责人，全球土地计划(GLP)全球科学指导委员会(SSC)委员。

研究成果介绍

背景介绍

据估计，近10亿人生活在洪水易发地区，由于降水事件不稳定和人口快速增长，预计到2050年这一数字将翻一番（UNU，2018）。20世纪，洪水在全球造成680万人丧生，最近的一项研究表明，1995年至2015年间，洪水影响了23亿人标志着洪水是最致命的自然灾害。在气候变化的背景下，洪水的频率和严重程度正在以惊人的速度增加，1982年至2006年间，亚洲的洪水明显增加了四倍。洪水严重破坏财产、建筑物、道路、庄稼，对牲畜和人类是致命的。了解洪水的空间范围和频率是政府和救灾机构的一项资产，对于向受洪水影响的人们提供快速有效的支持是必要的。通过确定频繁的洪水易发地区，可以减少洪水对人民和农业的灾难性影响。因此，确定经常发生洪水的地区和受洪水影响的稻田对于减轻洪水事件、减少财产损失和确保孟加拉国的粮食安全至关重要。

目前，河道测量数据和模型模拟可以预测洪水区域在国家尺度上的变化，但无法提供洪水区域的准确空间范围

研究方法：

利用2014-2018年Sentinel-1数据和GEE平台监测受洪水影响的面积，同时确定受影响的水稻面积；

图文解读

1）研究区位置图：

(a) 研究区域的位置，包括海拔和主要河流；(b) 年度洪水事件总数及其趋势（数据来源：EM-DAT，国际灾害数据库）；(c) 1981-2018 年期间的平均月降雨量，根据气候危害组计算得出带站台数据的红外降水 (CHIRPS)；(d) 1960 年至 2018 年间孟加拉国的洪水事件和死亡总数（数据来源：EM-DAT，国际灾害数据库）

表2: 制作3D打印NGC的材料

2）研究期间时间序列 Sentinel-1 图像的可用性：

(a) 2014 年至 2018 年的观察总数；(b) 2014 年的观察总数；(c) 2015 年的观察总数；(d) 2016 年的观察总数；(e) 2017 年的观察总数；(f) 总数2018 年的观察

3）技术路线图：

图3：分叉3D打印NGC的个性化神经再生途径

4）2018 年的 Sentinel-1 影像：

（a）参考图像；(b) 六月淹没的图像

5）验证样本数据集：

(a) 2018 年 6 月的 Sentinel-1 图像合成与收集的样本位置重叠。使用 Sentinel-2、MODIS、Landsat 8、EM-DAT 和 DFO 选择测试样本；(b) 2018 年 6 月孟加拉国的“洪水期间”Sentinel-1 放大图像合成；(c) 2018 年 3 月获得的孟加拉国 Sentinel-1 放大“洪水前”合成图像；(d) Sentinel-2 假彩色复合材料（FCC）；(e) 莫迪斯联邦通信委员会；(f) Landsat8 FCC；(g) DFO/EM-DAT 表数据表示；(h) AOI 生成案例。在图（b）中，深色区域表示洪水

研究结论

孟加拉国东北部以及恒河、布拉马普特拉河和梅格纳河三大河流沿线经常发生洪水，2014-2018年受洪水影响的水稻面积占总面积的1.61-18.17%。

董金玮介绍

工作教育经历

董金玮，2010年于中国科学院地理科学与资源研究所博士毕业后在美国俄克拉荷马大学先后从事博士后(2010-2013)、研究科学家(2013-2014)和研究助理教授(2014-2016)工作，2016年任中科院地理资源所研究员。

研究领域

土地覆盖与土地利用变化，土地利用变化的生态和气候效应，全球变化遥感

研究成果

（1）提出和发展了土地覆盖/利用专题信息遥感提取的一系列原创性方法。系统发展了融合雷达和光学遥感的森林和经济林信息提取方法；提出了基于遥感大数据和云计算的水稻种植面积监测方法，构建基于所有可用Landsat数据、物候算法和云计算的大尺度水稻信息遥感监测平台。

（2）揭示了全球变化研究中遥感模型和遥感数据应用的不确定性。通过案例研究，评价了遥感光能利用率模型对干旱状态响应的不确定性，为生态系统模型优化提供了参考；揭示了遥感数据对物候模拟结果的不确定性，对于指导遥感数据在生态学中的应用具有一定参考价值。

在Nature Sustainability、Nature Communications、PNAS、RSE、GRL等杂志发表SCI论文160余篇，其中第一或通讯作者文章30余篇，H指数47，总被引频次6800余次，获得2021年和2022年科睿唯安“全球高被引科学家”称号。

近期代表作

IrriMap_CN: Annual irrigation maps across China in 2000-2019 based on satellite observations, environmental variables, and machine learning

TROPOMI SIF reveals large uncertainty in estimating the end of plant growing season from vegetation indices data in the Tibetan Plateau

Rationality and effectiveness of protected areas decrease with the declining development levels of the Belt and Road Initiative Countries

Monitoring periodically national land use changes and analyzing their spatiotemporal patterns in China during 2015-2020

An improved approach to estimating crop lodging percentage with Sentinel-2 imagery using machine learning

Improved maps of surface water bodies, large dams, reservoirs, and lakes in China

Assessment of vegetation damage by three typhoons (Bavi, Maysak, and Haishen) in Northeast China in 2020

Divergent effects of climate change on cropland ecosystem water use efficiency at different elevations in southwestern China

Mapping irrigated croplands in China using a synergetic training sample generating method, machine learning classifier, and Google Earth Engine

Mapping 20 years of irrigated croplands in China using MODIS and statistics and existing irrigation products