基于多源多光谱卫星数据的全球河流流量二十年动态监测与评估

针对全球河流流量监测数据不连续、覆盖不足的问题，研究人员通过整合10种多光谱卫星数据（包括MODIS、Landsat和Sentinel系列），开发了校准-测量（CM）与改进型CMW方法，构建了54个站点长达20年的流量代用指标。研究证实多传感器融合可将Spearman相关系数提升至0.78-0.92，为无实测数据流域提供新型未校准方案，对全球水循环研究和气候变化评估具有重要意义。

　　

在全球气候变化加剧的背景下，河流流量监测已成为评估水资源可用性和极端水文事件的关键。然而传统水文站点受维护成本、地缘政治和偏远地区可达性限制，全球近30%的流域缺乏连续观测数据。尤其热带和极地地区，云层覆盖和冰雪干扰更使监测陷入困境。卫星遥感技术虽能弥补这一缺口，但单一传感器存在时空分辨率不足、生命周期有限等问题，且现有反射率反演方法如校准-测量法（Calibration-Measurement, CM）易受泥沙、植被干扰，亟需系统性优化。

为破解这一难题，研究人员开展了一项开创性研究，通过整合8颗卫星（包括Terra/Aqua MODIS、Landsat 5/7/8/9和Sentinel-2/3）的10种多光谱产品，构建了覆盖2000-2022年的全球河流流量代用指标体系。研究创新性地提出多时段校准策略，将传统静态CM方法升级为动态分段校准；开发了融合干（C）、湿（M）、水（W）像素信号的CMW算法，有效抵消泥沙干扰；并首次实现无实测数据流域的未校准流量估算。相关成果发表在遥感领域顶级期刊《Remote Sensing of Environment》上。

研究采用三大关键技术：1）基于Google Earth Engine和Sentinel-Hub平台的多源卫星数据预处理，通过NDVI<-0.1阈值提取水体范围；2）启发式最优算法选择框架，通过Spearman相关系数逐步优化CM/CMW方法、核尺寸和校准周期；3）累积分布函数匹配（CDF）技术，将反射率指标转化为实际流量值。针对54个代表性站点（平均流量11-168,387 m³/s），研究人员建立了包含26个近期有实测数据站点的验证体系。

研究结果显示，高分辨率传感器优势显著：Sentinel-2在窄河道站点平均相关系数达0.85，远超Sentinel-3（0.73）。多时相校准使76%站点性能提升，但受云层干扰的热带河流（如亚马逊Sao-Felipe站）和冰雪覆盖的极地河流（如勒拿河Kyusur站）仍存在挑战。通过高斯加权融合多源数据，最终校准产品的Spearman相关系数平均达0.81，最大达0.92，时空覆盖率提升40%。未校准方案在中等宽度（>4倍像元尺寸）河流表现尚可（平均S=0.55），但在河道宽度<30m的站点（如马罗尼河Tapa站）和植被密集区失效。

讨论部分指出，该研究首次实现了多卫星平台反射率数据的标准化整合，其创新性体现在三方面：1）建立适用于不同水文情势的算法选择框架，如CMW在宽河道（>1000m）效果优于CM；2）开发季节性月相关系数（S_m）作为无实测数据流域的评估指标，验证其与真实相关系数（S_c）的显著相关性（R=0.8）；3）提出基于卫星空间分辨率与河道宽度的适用性准则，为SWOT等新一代水文卫星提供数据融合范式。尽管在云雨密集区和冰冻河流仍存在局限性，但该成果为构建全球河流流量数据库奠定了方法论基础，对实现联合国可持续发展目标（SDG）6.4的水资源监测指标具有重要实践价值。