基于Sentinel-2/Landsat影像融合的中小河流流量多波段遥感估算方法

《Journal of Hydrology X》：A multi-band remote sensing method for small-and-medium river discharge estimation based on fused Sentinel-2/Landsat images

本文提出了一种结合改进的时空自适应反射率融合模型（ESTARFM）与多波段遥感（MBRS）方法的中小河流流量估算框架。该框架通过融合Sentinel-2/Landsat影像提升数据质量，并利用多个地物指标构建与流量的非线性关系，显著提高了估算精度（NSE可达0.965），为缺乏地面监测站点的区域提供了可靠的遥感水文监测方案。

　　

Highlight

Landsat 8和Sentinel-2影像反射率对比

为了比较Landsat 8和Sentinel-2影像的反射率差异，我们从两种影像源的八个指标层中随机抽取了样本，结果如图5(a)–(h)所示。总体来看，每种指标在Landsat 8和Sentinel-2影像中的反射率值之间存在线性关系。红波段、近红外波段、地形湿度指数（TWI）、改进的归一化差异水指数（ANDWI）和归一化差异植被指数（NDVI）指标表现出很强的线性相关性，其相关系数（R）值在0.824到0.863之间，拟合线斜率在0.669到0.871之间。

PCA-ESTARFM的优势与适用性

在复杂、异质且变化剧烈的景观中，有效捕捉强烈变化是一项极具挑战性的任务。先前的研究表明，在使用影像融合方法时，基础影像对与预测影像之间的时间间隔越短，融合效果越好。这是因为较短的时间间隔可以减少传感器监测系统中的系统误差，使得地表反射率可以近似为线性变化。

结论

中小型河流通常位于经济欠发达或偏远山区，在这些地区，维持水文站的高昂成本和后勤挑战构成了重大障碍。对于此类基础设施有限的地区，基于遥感的流量监测成为一种更具可扩展性和成本效益的替代方案。本研究采用了两步走的方法：影像融合和流量估算。首先，进行遥感影像融合。