结合Sentinel-1 SAR与Sentinel-2多光谱影像的尼罗河流域地表水月度动态监测研究

《Journal of Hydrology: Regional Studies》：Monitoring monthly dynamics of Nile River Basin surface water by combining Sentinel-1 SAR and Sentinel-2 multispectral imagery

本研究针对尼罗河流域(NRB)在热带气流和季风变化驱动下云层覆盖严重、传统光学遥感难以持续监测地表水的问题，开发了协同多源数据集成框架(CMDIF)，结合Sentinel-1雷达和Sentinel-2光学影像，生成了10米分辨率的月度地表水图谱。该方法制图精度超过94.5%，显著提升了地表水动态检测的时空一致性，为云层覆盖频繁、数据稀缺地区的全年监测提供了新思路，增强了对NRB水文变率的理解。

　　

在气候变化和人类活动加剧的背景下，全球水资源分布正经历着复杂而深刻的变化。地表水作为水文循环的关键组成部分，其空间分布和动态波动对于水资源管理、灾害防控和生态平衡至关重要。然而，在热带和亚热带地区，持续的云层覆盖给地表水的高频次监测带来了巨大挑战。尼罗河流域(NRB)作为横跨东北非多个国家的跨界流域，其水安全与可持续发展对区域具有决定性意义，但该流域复杂多变的地理气候条件使得传统遥感手段难以实现精确、连续的水体监测。

针对这一难题，河海大学地球科学与工程学院的研究团队在《Journal of Hydrology: Regional Studies》上发表了一项创新性研究，开发了一种名为协同多源数据集成框架(CMDIF)的新方法，成功实现了尼罗河流域10米分辨率的月度地表水精确制图。该研究覆盖2019至2021年期间，通过整合Sentinel-1合成孔径雷达(SAR)和Sentinel-2多光谱影像，克服了单一传感器在复杂环境下的局限性。

研究人员采用了多项关键技术方法：基于多源先验知识的自动样本生成技术，通过整合Dynamic World、JRC GSW等数据集确定潜在水体范围；针对不同子流域的特征筛选与优化，使用RFE-CV(递归特征消除-交叉验证)算法选择最具代表性的光谱变量；像素级随机森林(RF)分类与对象级边缘Otsu算法相结合的水体提取策略；以及基于层次决策树的Sentinel-1与Sentinel-2决策级融合方法。研究还利用了Google Earth Engine(GEE)云平台进行大规模影像处理和分析。

研究结果显示，NRB地表水平均面积约为10.28×10⁴ km²，空间分布呈现南多北少、东稀西缺的特点，主要集中在中部流域。2019-2021年间，最大淹没面积出现在2020年9月(11.23×10⁴ km²)，最小在2019年5月(9.91×10⁴ km²)。维多利亚湖子流域水体比例最高，达66.86%。研究还将地表水划分为永久性水体(73.16%)、季节性水体(4.79%)和临时性水体(22.05%)三种类型，揭示了流域内水体的稳定性特征。

通过精度验证，CMDIF算法在流域尺度上的总体分类精度超过94%，Kappa系数大于0.89，生产者精度(PA)和用户精度(UA)均高于93%。在区域尺度验证中，提取的水体轮廓与高分辨率谷歌影像高度吻合，mIOU达到82.52%-97.67%，F1分数超过90%。与JRC GSW和Dynamic World等现有数据集相比，该方法在云层覆盖区域的监测表现更为稳定可靠，特别是在维多利亚湖等气象条件复杂区域，Sentinel-1数据的参与度超过90%，有效补充了光学影像的观测空白。

研究讨论部分指出，NRB_WSM数据集为流域水资源管理、生态保护和气候变化研究提供了重要数据支持。该方法的主要优势在于：自动样本生成技术降低了大规模分类研究的人工成本；子流域分区策略提高了分类精度；超像素分割有效抑制了SAR影像的斑点噪声；决策级融合确保了水体测绘的完整性。然而，研究也存在一定局限性，如中值合成方法可能遗漏短时水体，以及Dynamic World数据集本身的不确定性可能影响结果精度。

该研究的创新之处在于首次实现了尼罗河流域高时空分辨率无缝地表水制图，为跨国河流水资源管理、SDG 6.6.1(水相关生态系统变化监测)指标评估提供了技术支撑。未来随着Sentinel-1C卫星的发射，该方法有望扩展到更长时序的水文动态监测中，为全球变化背景下的水资源可持续管理提供科学依据。