一项关于地表水和海洋地形（SWOT）像素云数据的全面研究，用于洪水范围的提取

《Remote Sensing of Environment》：A comprehensive study of Surface Water and Ocean Topography (SWOT) Pixel Cloud data for flood extent extraction

该研究评估了SWOT卫星KaRIn传感器在洪水监测中的性能，通过对比四个主要洪水事件的SWOT数据与Sentinel-1/2影像，分析了σ0、coherent power和interferometric coherence三个变量对洪水范围提取的适用性。研究发现SWOT在植被覆盖区和城市区域表现优异，可有效检测洪水和雪水覆盖区，但受高土壤湿度和低仰角影响存在信号饱和和误判问题，需结合地理数据优化阈值算法。

　　洪水是一种全球范围内最频繁发生的自然灾害。其发生频率和严重性在过去20年中增加了超过一倍，对社会和经济产生了强烈的影响。为了有效预测、监测和减轻洪水带来的影响，需要可靠的、及时的、大规模的观测工具。洪水的模拟和预测是其高效监测的关键工具。地球观测（EO）卫星数据、水文和水力学模型，以及数据同化（DA）系统已成为监测洪水事件的重要工具。已有多个操作性系统被开发用于支持洪水监测和应急响应，包括NASA的灾害响应协调系统（DRCS）和哥白尼紧急管理服务（CEMS），后者能够从卫星图像中快速生成洪水地图和风险评估。全球洪水意识系统（GloFAS）是CEMS的一部分，是一个用于全球洪水监测和预测的操作平台，能够提供全球范围内的每日洪水预测和每月季节性径流展望。

在这一背景下，表面水和海洋地形（SWOT）任务，由NASA和CNES于2022年12月发射，代表了卫星水文学领域的重要进展。SWOT采用了Ka波段（35.75 GHz/8.3858 mm）雷达干涉仪（KaRIn），配备两个相距10米的天线，并以低入射角（0.6°-3.9°偏航角）配置，使SWOT能够对内陆水域特征（高度、辐射度、范围、坡度和存储变化）进行直接和高分辨率的测量。SWOT的全球重访周期为21天，期间站点会以不规则的时间间隔被观测2-4次。这一重访周期使得洪水观测具有挑战性，但仍然为洪水监测和地图绘制提供了新的观测类型。在SWOT的众多产品中，像素云（PIXC）产品提供了传感器本分辨率的原始地理定位干涉信号，特别适用于精细尺度的洪水范围地图绘制。这些洪水范围地图可以与水文和水力学模型结合，以增强洪水预测系统的预测和诊断能力。

然而，SWOT的性能也存在一定的局限性。例如，当土壤湿度较高时，可能会导致信号饱和；SWOT对入射角也较为敏感，这可能导致洪水范围估计的可靠性降低。这些发现突显了SWOT卫星在改善全球洪水地图绘制方面的潜力，同时也指出了未来研究和增强洪水监测能力的必要性。

为了更有效地监测洪水，需要在洪水事件中生成初始的洪水范围地图，然后进行人工修正。SWOT卫星自2022年12月发射以来，其数据被用于评估水文学产品（如L2_PIXC）的准确性。SWOT的高分辨率观测能力使其在洪水监测中具有独特的优势，尤其是在植被覆盖或城市区域。然而，SWOT数据中也存在一些噪声和虚假信号，如“暗水”现象导致的真正水面遗漏，以及城市“亮地”效应造成的假阳性。因此，在洪水事件中，需要谨慎解释SWOT数据，尤其是在河流溢出的情况下。

为了更全面地分析SWOT的观测数据，研究者选择了四个主要的洪水事件，分别发生在希腊、法国、巴西和美国。每个事件都与Sentinel-1或Sentinel-2图像进行对比，时间间隔在3小时以内，为评估SWOT的洪水检测能力提供了宝贵的机会。Sentinel-1和Sentinel-2卫星分别提供了C波段合成孔径雷达（SAR）和光学传感器的数据，它们在洪水监测中被广泛使用，因为它们具有互补的能力：Sentinel-1提供全天候、昼夜的SAR图像，但在植被和城市区域中表现不佳，而Sentinel-2则提供了高分辨率的光学数据，但受限于云层覆盖、植被覆盖和获取时间。当光学图像可用时，它为洪水地图绘制和影响评估提供了有价值的上下文信息。

在研究中，分析了PIXC产品中的三个雷达变量：后向散射系数（σ?）、相干功率和干涉相干度。这些变量用于提取洪水范围，并与Sentinel-1/2计算的内置分类和洪水掩膜进行比较。研究结果表明，SWOT卫星在检测被植被覆盖的洪水、城市洪水以及高积雪覆盖区域方面具有潜力。然而，也观察到了一些限制，例如在高土壤湿度条件下，以及对入射角的敏感性，这些都可能导致洪水范围估计的可靠性降低。

在这一研究中，我们探讨了SWOT Pixel Cloud数据产品在洪水监测中的应用。研究结果表明，SWOT的高分辨率观测能力使其在洪水监测中具有独特的优势，尤其是在植被覆盖或城市区域。然而，SWOT数据中也存在一些噪声和虚假信号，如“暗水”现象导致的真正水面遗漏，以及城市“亮地”效应造成的假阳性。因此，在洪水事件中，需要谨慎解释SWOT数据，尤其是在河流溢出的情况下。

为了更全面地分析SWOT的观测数据，研究者选择了四个主要的洪水事件，分别发生在希腊、法国、巴西和美国。每个事件都与Sentinel-1或Sentinel-2图像进行对比，时间间隔在3小时以内，为评估SWOT的洪水检测能力提供了宝贵的机会。Sentinel-1和Sentinel-2卫星分别提供了C波段合成孔径雷达（SAR）和光学传感器的数据，它们在洪水监测中被广泛使用，因为它们具有互补的能力：Sentinel-1提供全天候、昼夜的SAR图像，但在植被和城市区域中表现不佳，而Sentinel-2则提供了高分辨率的光学数据，但受限于云层覆盖、植被覆盖和获取时间。当光学图像可用时，它为洪水地图绘制和影响评估提供了有价值的上下文信息。

研究中，我们分析了PIXC产品中的三个雷达变量：后向散射系数（σ?）、相干功率和干涉相干度。这些变量用于提取洪水范围，并与Sentinel-1/2计算的内置分类和洪水掩膜进行比较。研究结果表明，SWOT卫星在检测被植被覆盖的洪水、城市洪水以及高积雪覆盖区域方面具有潜力。然而，也观察到了一些限制，例如在高土壤湿度条件下，以及对入射角的敏感性，这些都可能导致洪水范围估计的可靠性降低。

在洪水监测中，SWOT的高分辨率观测能力使其能够检测到一些传统光学或雷达传感器无法识别的洪水区域。然而，其性能仍然受到一些因素的影响，如土壤湿度、入射角和风的影响。这些因素可能导致洪水范围估计的误差，尤其是在洪水退却阶段。因此，在使用SWOT数据进行洪水监测时，需要特别注意这些因素，并结合其他观测数据进行验证和修正。

SWOT的像素云（PIXC）产品提供了传感器本分辨率的原始地理定位干涉信号，特别适用于精细尺度的洪水范围地图绘制。然而，PIXC产品中的分类方法并非完美，且在当前SWOT-HR版本（版本C）中存在一定的偏差和误差。版本D正在发布，但HR产品尚未重新处理。PIXC产品中还包含一些原始干涉变量，如后向散射系数（σ?）、相干功率和复杂的干涉图。这些变量对洪水检测非常敏感，且可以用于计算更全面的变量，如分类或水位高度。

为了更好地理解SWOT在洪水事件中的测量数据，研究者使用了Sentinel-1和Sentinel-2图像作为参考，以生成洪水范围地图。Sentinel-1和Sentinel-2图像在洪水监测中提供了重要的参考，但它们在某些情况下也存在局限性，如在植被覆盖或城市区域中表现不佳。因此，需要结合其他数据源，如DEM（数字高程模型）和土地覆盖数据，来提高洪水范围地图的准确性。

研究还发现，SWOT的干涉相干度在低入射角时表现出较高的值，而在高入射角时则有所下降。这表明SWOT在低入射角时对洪水的检测能力更强，但高入射角可能会导致检测精度的降低。此外，SWOT的后向散射系数和相干功率在洪水监测中也表现出一定的局限性，尤其是在高土壤湿度或积雪覆盖的区域。

在实际应用中，SWOT的高分辨率观测数据可以用于洪水范围地图的生成，但需要结合其他数据源进行验证和修正。例如，可以使用Sentinel-1和Sentinel-2图像作为参考，以确保洪水范围地图的准确性。此外，SWOT的数据同化能力也可以与水文和水力学模型结合，以提高洪水预测的精度。

总之，SWOT卫星在洪水监测中具有重要的潜力，但其性能仍然受到一些因素的影响，如土壤湿度、入射角和风的影响。因此，在使用SWOT数据进行洪水监测时，需要结合其他数据源，并注意这些因素，以确保洪水范围地图的准确性。此外，SWOT的高分辨率观测数据可以用于洪水范围地图的生成，但需要结合其他数据源进行验证和修正。