具有水下植被的河道中非均匀沉积物的粒径分布及扩散性

《Journal of Hydro-environment Research》：Grain-size distribution and diffusivity of non-uniform sediment in the channel with submerged vegetation

小流域径流遥感反演中改进的ESTARFM与多光谱特征指标MBRS模型在赣江流域的应用，通过融合Landsat 8和Sentinel-2数据，构建包含8个地表指标的MBRS方法，并比较线性回归（Ridge）与随机森林（RF）模型性能，验证了MBRS-RF在NSE（0.775-0.965）和R2（0.778-0.974）上的优越性，解决了传统CM方法依赖单波段数据的局限性。

　　这项研究聚焦于通过遥感技术对中小型河流的径流量进行估算，特别是在那些经济欠发达或地理位置偏远的地区，传统水文监测网络往往难以有效覆盖。研究团队提出了一个基于Landsat 8和Sentinel-2影像的框架，结合改进的增强时空自适应反射率融合模型（ESTARFM）和多波段遥感（MBRS）方法，以提升遥感数据在径流估算中的准确性和实用性。该研究应用在建溪流域，展示了遥感技术在弥补监测数据缺失方面的潜力。

河流作为淡水的重要来源，其径流量的准确监测对于水资源管理、防洪抗旱等水文极端事件的应对具有重要意义。然而，传统水文监测站因经济、政治等多重因素，常常面临停运或数据中断的问题，这给区域水资源管理带来了挑战。随着遥感技术的发展，从太空对河流进行监测已成为一种新的趋势，能够获取包括水体面积、水位、流量、河流形态、悬浮沉积物和水质等多方面的信息。尽管如此，目前尚无直接测量河流流量的卫星仪器，遥感观测通常需要通过间接方法进行流量估算。

现有的流量估算方法主要包括三种：一是利用水文方程结合遥感数据提取的水文参数（如河流宽度、水位）进行计算；二是将遥感观测数据作为输入或输出，用于水文模型中的流量反演；三是通过遥感信号（即“RS信号”）直接估算流量。RS信号可以分为两大类：一类是与水体相关的参数，如水面面积、河流宽度和岛屿面积；另一类是来自特征像素的信号，包括Ka波段的亮温、L波段的亮温以及近红外（NIR）和短波红外（SWIR）波段的反射率。这些信号的变化能够反映河流流量的动态特征，但传统的单波段数据难以全面捕捉这些变化，特别是在河流流量波动较大的情况下。

为了解决这一问题，研究团队提出了一种基于多波段信号的流量反演方法（MBRS）。该方法通过构建多个地面特征指标，如植被指数、土壤特性、水质参数等，来更全面地反映河流流量的变化。相比于传统的校准/测量（CM）方法，MBRS方法能够减少单波段信号与流量之间关系的不确定性，提高估算的准确性。例如，MBRS-RD（基于岭回归的线性关系）和MBRS-RF（基于随机森林的非线性关系）两种模型分别表现出不同的性能。MBRS-RF模型在估算精度上表现更为优异，其纳什-斯图克夫效率系数（NSE）和决定系数（R2）均达到较高的水平，分别为0.775–0.965和0.778–0.974。相比之下，CM方法及其改进版本（如CMW方法）的NSE值较低，仅为0.499–0.846，显示出在流量反演方面存在一定的局限性。

在图像融合方面，研究团队对ESTARFM模型进行了改进，使其能够更好地适应时空动态变化，并在不依赖现场数据的情况下生成高分辨率的遥感图像。改进后的ESTARFM方法在融合精度上优于原始版本，其相关系数（R）达到0.693–0.958，偏差为?0.0068–0.0040，均方根误差（RMSE）为0.020–0.163。这些指标表明，改进后的ESTARFM在图像质量提升方面具有显著优势。此外，研究团队还引入了主成分分析（PCA）技术，进一步优化了图像融合过程，以减少因多源数据差异带来的不确定性。

研究团队在建溪流域的应用表明，改进后的ESTARFM和MBRS方法能够有效提高流量估算的精度和适用性。特别是在河流流速变化较大的区域，如浅滩较少的河段，这些方法能够更好地捕捉流量的变化特征。通过对比不同模型的性能，研究发现MBRS-RF模型在所有评估指标中表现最佳，显示出其在实际应用中的强大潜力。这一框架不仅能够扩展和插值流量序列，还具有推广到其他地区的可能性。

研究团队还探讨了遥感数据在不同波段之间的反射率差异，发现Landsat 8和Sentinel-2影像在不同波段上的反射率存在线性关系，特别是在红光、近红外、TWI、ANDWI和NDVI等波段上，相关系数较高。这些结果表明，通过合理选择波段和优化图像融合算法，可以进一步提高流量估算的准确性。此外，研究团队还分析了不同地面特征指标与流量之间的关系，发现这些指标在不同波段上的表现各异，部分指标（如植被指数）在流量变化较大的情况下具有更高的相关性。

总体而言，这项研究为中小型河流的流量估算提供了一种新的方法框架，能够有效克服传统监测网络的局限性。通过改进ESTARFM模型和引入MBRS方法，研究团队展示了遥感技术在水文监测中的广阔前景。未来，随着遥感数据的进一步发展和融合算法的优化，这一方法有望在更多地区得到应用，为水资源管理提供更加可靠的数据支持。