资源环境数据形成的大数据方法

云端资源环境专业服务

云端储藏的海量数据，以及快捷方便的信息提取，为资源环境问题的发现及专业服务提供了新途径。

云端水资源环境监测

笔者综合 Google 云存储的 2000—2015 年的欧盟联合研究中心水面监测数据集，利用“Google Earth Engine”（GEE），综合利用“哨兵 1 号”雷达遥感数据 VV 极化的后向散射系数、“哨兵 2 号”多光谱遥感数据计算的归一化水体指数，分析 2000—2017 年北京市常年水体面积的变化：2000—2015 年北京市的常年水面面积呈快速下降的趋势，由 2000 年的 515 km²减至 2015 年的 197 km²，累计缩减 318 km²，减幅 61.7%；2015—2017年北京市常年水面面积有所反弹，监测表明 2016 和 2017 年北京市的常年水体面积为 244 和 285 km²，分别比 2015 年增长 47 和 85 km²。基于 GEE 上存储的“热带降水雷达多卫星遥感降水数据”（TRMM），分析了 2000—2017 年北京市降水的变化趋势，发现 2000—2017 年北京市的降水强度呈现波动上升的趋势（图2）。南水北调中线工程的竣工供水，是 2015—2017年北京市水面面积反弹的主要原因。《北京市水资源公报》显示，仅 2016 年南水北调工程向北京供水 10.63 亿立方米。常年水面面积的变化是自然与人类活动要素综合作用下，区域水资源丰枯变化的综合表征，只需利用云端数据就可以监测并评估北京市水资源管理的效果。

相关文章