多源卫星影像耦合水文模型提升水库日尺度蓄水量与入库流量模拟精度

针对水库动态监测数据匮乏导致水文模型精度受限的问题，本研究创新性地融合Landsat 8、Sentinel-2光学影像与Sentinel-1 SAR数据，通过随机森林分类（RFC）和OTSU算法提取水库表面水体范围（SWE），并以此为校准基准优化XAJ模型。结果显示Sentinel-1衍生的SWE使日入库流量模拟Nash-Sutcliffe效率系数（NSE）达0.92，蓄水量重建NSE达0.98，为缺资料地区水资源管理提供了新范式。

　　

水库作为现代水资源管理的核心设施，在发电、防洪和灌溉中发挥着不可替代的作用。然而全球约60%的大型水库缺乏系统的水文监测数据，导致传统水文模型（HMs）难以准确模拟其动态行为。更棘手的是，水库运行显著改变了自然水文循环——大坝通过调节流量大小、时序和持续时间，使受控河流系统呈现自然过程与人工调控的混合特征。这种人为干预随着水电需求增长将持续加剧，但现有模型却面临两大瓶颈：一是依赖水位站和库容曲线等传统监测手段，而全球多数水库的库容曲线已丧失代表性；二是入库流量受回水效应等因素干扰，难以通过测站直接观测。

针对这些挑战，华北电力大学等机构的研究团队提出创新解决方案：利用多源卫星影像耦合XAJ（Xinanjiang）水文模型，以高时空分辨率重建水库蓄水量和入库流量。研究选取乌江上游洪家渡水库（控制流域面积9,900 km²）为对象，通过三大技术突破实现目标：首先采用随机森林分类（RFC）处理Landsat 8/Sentinel-2光学影像，OTSU算法处理Sentinel-1 SAR数据，将SWE识别精度提升至85%以上；其次建立面积-库容曲线将SWE转化为蓄水量；最后将卫星衍生的蓄水量变化作为校准基准，构建包含水库调度模块的XAJ模型框架。

卫星影像提取水库表面水体范围
研究团队发现Sentinel-1 SAR数据在云层干扰下仍保持稳定识别能力，其SWE提取结果与实测数据相关系数达0.98，显著优于传统光学影像。多源数据融合（Merged）方案使时间分辨率提升至3-4天，解决了单一卫星重访周期长（如Landsat 16天）的局限。

水库蓄水量与入库流量模拟
以Sentinel-1校准的XAJ模型表现最优：日入库流量模拟NSE达0.92，优于Sentinel-2（0.85）和Landsat 8（0.81）；蓄水量重建NSE更达0.98，均方根误差（RMSE）仅0.12亿m³。这验证了SAR数据在弥补光学影像云层缺陷方面的独特价值。

多源数据融合优势
对比实验显示，融合数据集在三个方面全面超越单源数据：SWE识别空间连续性提高37%，蓄水量变化趋势捕捉提前5-8天，模型校准后的参数敏感性降低21%。这种提升主要源于Sentinel-1更高的时空覆盖度（年有效影像数比Sentinel-2多1.8倍）。

该研究开创性地证明多源卫星影像可作为水文模型的强约束条件，其建立的"卫星遥感+过程模型"框架突破了传统测站的时空局限性。特别是在Sentinel-1支持下，模型能捕捉到暴雨事件引发的24小时内库容波动（ΔV>0.5亿m³），这对洪水预警至关重要。研究团队指出，该方法在无资料地区水库调度、跨境河流管理中具有重大应用前景，未来可与SWOT卫星数据融合进一步突破时空分辨率极限。论文成果发表于《Journal of Hydrology》，为全球43%的未监测水库提供了普适性解决方案。