利用水和植被指数之间的关系可以探测到开阔地表水体，之前的研究已经基于时间序列陆地卫星图像和基于指数和阈值的水体测绘算法进行了水体变化分析
[15-17]。本研究基于Google Earth Engine（GEE）平台利用遥感大数据在水体制图中使用了水和植被指数，包括修正的归一化差异水指数（mNDWI）、增强植被指数（EVI）和归一化差异植被指数（NDVI）。这些水体和植被指数是根据以下光谱波段和方程，利用无云无雪的陆地卫星TM、ETM+和OLI地表反射图像计算的：
\[mNDWI=\frac{{\rho }_{Green}-{\rho }_{SWIR1}}{{\rho }_{Green}+{\rho }_{SWIR1}}\]
（1）
\[NDVI=\frac{{\rho }_{NIR}-{\rho }_{Red}}{{\rho }_{NIR}+{\rho }_{Red}}\]
（2）
\[EVI=2.5×\frac{{\rho }_{NIR}-{\rho }_{Red}}{1.0+{\rho }_{NIR}+6.0{\rho }_{Red}+7.5{\rho }_{Blue}}\]
（3）
式中ρBlue 、ρGreen 、ρRed 、ρNIR 和ρSWIR1 是Landsat TM传感器中蓝色（0.45–0.52 m）、绿色（0.52–0.60 mm）、红色（0.63–0.69 mm）、近红外（NIR）（0.77–0.90 mm）和短波红外（SWIR1）（1.55–1.75 mm）波段的表面反射率值。基于已获取的水体和植被指数，首先通过GEE平台中的median函数来获取研究区范围每个像素水体和植被指数的中位数，其次利用moasic函数将研究区范围内的各景影像拼接起来，根据每年水体和植被指数的中位数将影像进行合成。
采用mNDWI>EVI或mNDWI>NDVI作为判别标准，对水信号强于植被信号的像素点进行识别。EVI <0.1可以保证去除植被像素或水和植被混合像素。因此，只有那些符合标准（mNDWI>EVI或mNDWI>NDVI）和（EVI <0.1）的像素被分类为水体像素，而其他像素被分类为非水体像素。在获取影像的水体数据分布后，对于一年中的每个水体像素，本研究采用以下公式来获取该处的水体分布频率值，进行年水体频率影像的计算：
\[F\left(y\right)=\frac{1}{{N}_{y}}\sum _{i=1}^{{N}_{y}}{w}_{y,i}×100\%\]
（4）
式中，F是该像素的水频率，y是指定年份，Ny 是该像素在该年的陆地卫星观测总数，wy ,i 表示该像素的一次观测是否为水，1表示水，0表示非水。
在丹江口水库逐年空间分布数据集的制备过程中，首先，通过利用一年中所有的Landsat数据，采用CFmask算法在像元尺度上进行了云、云阴影及地形阴影等无效观测的检测与去除，保留所有的有效观测。在此基础上，分别对每一个Landsat有效观测进行水体和非水体的判别，从而得到每个像元在该年份的水体频率，进而得到该年份丹江口水库的水体频率图。同样地，进而生成了2000–2020年间逐年的丹江口水库水体频率图。根据之前的研究
[18-19]，为了区分水体分布的季节性和永久性，去除因数据质量问题而出现的噪声，本研究分别利用0.25和0.75作为季节性水体和永久性水体的频率阈值，即地表水频率在0.25–0.75之间的水体为季节性水体，频域大于或等于0.75的水体像元为永久性水体。根据此方法对水体进行处理，得到丹江口水库2000–2020年的水体时空动态变化特征。整体流程图如图2所示。
