《Science of Remote Sensing》：Multi-product validation of SWOT water surface elevation in the Pantanal Rivers
编辑推荐：
摘要专业翻译
本研究首次在大型热带湿地——潘塔纳尔（Pantanal）湿地对地表水与海洋地形（SWOT）任务的河流水面高程（Water Surface Elevation, WSE）产品进行了多产品验证。研究利用巴西国家水务局（ANA）28个水文站的实测数据，
摘要专业翻译
本研究首次在大型热带湿地——潘塔纳尔（Pantanal）湿地对地表水与海洋地形（SWOT）任务的河流水面高程（Water Surface Elevation, WSE）产品进行了多产品验证。研究利用巴西国家水务局（ANA）28个水文站的实测数据，其中17个站点具备全球导航卫星系统（GNSS）水准联测，对四种SWOT高分辨率产品（L2_HR_PIXC、L2_HR_Raster、L2_HR_RiverSP Node及Reach）在2023年3月至2025年8月期间的绝对精度与动态精度进行了系统评估。结果表明，像素云产品（PIXC）误差最低，平均绝对误差（MAE）为0.16 m，均方根误差（RMSE）为0.30 m，但所有产品的MAE均处于较低水平。在同等时空采样条件下，SWOT各产品的RMSE较传统星下点雷达测高（conventional nadir altimetry）降低约5倍，显示出显著性能优势。研究进一步发现，SWOT的检索精度受局部河段条件控制，沿河道纵向剖面的误差分布未呈现单调趋势；不同产品在不同河流上的误差主导因素各异，其中Raster产品在巴拉圭河（Paraguay River）部分站点误差显著偏高，而Reach产品在库亚巴河（Cuiabá River）表现相对较弱。误差驱动因素分析表明，误差成因呈产品特异性且高度分散，未发现单一主导因子：站点尺度上，排水面积仅对Reach产品呈显著负相关（ρ = ?0.66）；观测尺度上，随机森林（Random Forest, RF）模型的SHAP重要性值均低于0.25，其中大地水准面校正对PIXC和Reach影响最大，而水体检测与分类质量变量对Node和Raster影响最显著。此外，近河道地形复杂度与误差呈正相关，最佳与最差性能站点的高程标准差分别为3.18 m和6.30 m。本研究填补了SWOT在大型热带泛滥平原湿地验证的空白，为全球类似环境下的产品选择与水文监测应用提供了科学依据。
论文解读文章
一、研究背景与科学问题
潘塔纳尔（Pantanal）湿地是全球最大的连续热带湿地，位于上巴拉圭河流域，横跨巴西、玻利维亚和巴拉圭三国。该湿地以单峰型洪水脉冲（monomodal flood pulse）为主导水文机制，驱动着广阔且极为平坦的泛滥平原上淹没范围的季节性剧烈扩张与收缩，东西向坡降仅约0.06–0.12 m km-1，南北向坡降约0.01–0.02 m km-1。近年来，一系列水文气候极端事件——包括拉尼娜（La Ni?a）关联的长期干旱导致巴拉圭河水位降至历史低位，以及2020年火灾季摧毁了约三分之一的生物群落——加之土地利用变化和淹没面积、径流的长期下降趋势，凸显了该区域开展系统性水文监测的迫切性。
水面高程（Water Surface Elevation, WSE）是河流、湖泊和湿地的重要水文状态变量，调控水力梯度、洪水波传播、水文周期、流路以及河道—泛滥平原横向连通性。然而，在潘塔纳尔开展WSE监测既重要又困难：低坡降、广阔的泛滥平原蓄水、延迟的洪水波传播以及淹没和植被的强烈季节性变化，使得地面监测和卫星反演均面临挑战。传统星下点雷达测高（conventional nadir altimetry）受限于宽轨道间距、重访周期限制以及陆地—水体混合回波，在潘塔纳尔复杂目标上的性能显著退化。
地表水与海洋地形（Surface Water and Ocean Topography, SWOT）卫星任务于2022年底发射，其主载荷Ka波段雷达干涉仪（Ka-band Radar Interferometer, KaRIn）采用近天底干涉合成孔径雷达，在120 km刈幅内获取空间连续的水面高程，设计精度为对大于1 km2水体及宽于100 m河流达到10 cm。然而，在植被覆盖湿地环境中，此前仅有一项针对佛罗里达大沼泽地（Everglades）草本沼泽的评估，该环境与潘塔纳尔在生态和水文特征上存在根本差异。尚无研究在大型热带泛滥平原、单峰洪水脉冲塑造的环境中，对SWOT河流产品进行多产品地面验证，也缺乏该类环境下所有高分辨率产品的系统比较。
二、研究内容与主要结论
针对上述空白，研究人员开展了潘塔纳尔地区首个SWOT河流WSE多产品验证研究，旨在：（i）量化四种SWOT产品（L2_HR_PIXC、L2_HR_Raster、L2_HR_RiverSP Node和Reach）相对GNSS水准联测站网的绝对精度；（ii）在等效时空采样条件下比较SWOT与传统星下点测高的性能；（iii）评估性能随年度洪水脉冲的变化；（iv）刻画流域内动态性能的空间异质性；（v）识别站点尺度和观测尺度上WSE反演误差的主导环境和产品级控制因素。
研究选取巴西国家水务局和巴西地质调查局（ANA/SGB）监测网络中的28个水文站，覆盖巴拉圭河干流及其主要支流（库亚巴河、圣洛伦索河、皮基里河、塔夸里河、阿基道阿纳河和雅乌鲁河），其中17个站点经GNSS水准联测并参考EGM2008大地水准面，可直接进行绝对高程比较；其余11个站点用于基于归一化的动态验证。分析时段为2023年3月31日至2025年8月1日，涵盖SWOT任务的1天快速采样校准/验证（Cal/Val）阶段和21天标称科学轨道阶段。数据版本为D版，通过earthaccess库程序化下载。
三、关键技术与方法
研究人员采用了四项关键技术方法。第一，产品特异性空间提取与质量控制：以各水文站为中心生成1 km半径缓冲区，与全球Landsat河流宽度数据库（GRWL）河流掩膜相交定义提取范围；像素类产品（PIXC和Raster）要求水体分数大于0.7以排除混合像元，取中值作为站点WSE；矢量产品（Node和Reach）选取缓冲区内最近有效要素直接使用；质量筛选保留良好和可疑反演以最大化时间覆盖。第二，Hampel异常值滤波：对每条卫星WSE时间序列按时间顺序应用宽度为5的滚动窗口，基于局部中位数和中位数绝对偏差（MAD）识别并剔除异常观测，阈值取3（对应经典三标准差规则的稳健等价），共剔除474个观测（5.3%）。第三，水文相位分类：基于各站平滑水位序列的一阶时间导数的符号和幅度，将每个观测划分为涨水（Rising）、高水（High）、退水（Falling）和低水（Low）四个相位，阈值按各站变化率分布的四分位距校准。第四，双尺度误差分析：站点尺度采用Spearman秩相关分析站点平均绝对误差（MAE）与10个预测变量（河宽、排水面积及8类土地覆被比例）的关联，并经Benjamini–Hochberg假发现率校正；观测尺度采用随机森林（Random Forest, RF）回归模型，以绝对误差为响应变量、匹配对级产品属性为预测变量，采用GroupKFold交叉验证（以站点为分组）防止空间数据泄漏，并以SHAP（SHapley Additive exPlanations）值提取特征重要性。
四、研究结果
4.1 绝对WSE精度：整体产品性能。 基于17个GNSS水准联测站点的评估显示，PIXC与ANA参考数据一致性最高，MAE为0.16 m，RMSE为0.30 m，偏差为+0.04 m；Node的MAE（0.26 m）低于Reach（0.34 m），但RMSE（0.82 m）高于Reach（0.68 m）；Raster整体误差最大（MAE = 0.36 m，RMSE = 1.10 m），但垂直偏差接近零（?0.003 m）。四种产品均以高一致性追踪水位时间变化，站点平均Spearman相关系数为PIXC 0.95、Reach 0.91、Node 0.89、Raster 0.84。Node和Raster的RMSE/MAE比值超过3.0，表明其误差分布呈重尾特征，整体指标受偶发大幅反演误差支配。在等样本量标准化场景下，Raster的RMSE从1.10 m改善至0.91 m，Reach从0.68 m改善至0.53 m，而PIXC和Node变化甚微，表明部分产品差距受样本保留量影响，但产品排序并非样本量假象。与传统测高比较，四种SWOT产品的偏差和MAE均低于传统测高（偏差0.44 m，MAE 0.60 m）；在同等采样条件的匹配子集比较中，PIXC和Node的RMSE（0.14 m和0.15 m）较传统测高（0.74 m和0.75 m）改善约5倍。
4.2 巴拉圭河和库亚巴河剖面上WSE误差的空间变异性。 站点级误差沿两条河流剖面的空间分布未呈现与纵向梯度或距上游距离的一致关系，表明局部河段条件比流域尺度水力结构更强烈地控制反演性能。巴拉圭河上，整体MAE从Porto Murtinho的0.07 m到Ladário Naval Base的0.61 m不等，无上下游单调趋势；Amolar和Ladário Naval Base两个高误差站点主要归因于Raster产品（MAE分别达1.29 m），排除Raster后这两个站点反而位列该剖面表现较好之列。库亚巴河上，Bar?o de Melga?o整体误差最高（MAE = 0.46 m），Node、Raster和Reach均显著偏高而PIXC保持较低（0.19 m）；下游Porto Cercado和Taiam?精度明显改善，PIXC仍为最准确产品。Reach在库亚巴河三个站点为最不准确的SWOT产品，与巴拉圭河上Raster为主要误差来源的模式不同，表明没有单一产品在整个流域内统一最弱。
4.3 水文相位间的性能差异。 PIXC在四个相位间最为稳定，MAE范围为0.14 m（退水期）至0.17 m（涨水期），偏差始终为正（0.02–0.05 m）。Reach在低水期误差最大（MAE = 0.45 m，RMSE = 1.14 m，偏差0.30 m）。Raster在涨水期MAE和RMSE最大（0.55 m和1.73 m），且为该产品唯一的负相位偏差（?0.10 m），退水期误差最低（0.19 m和0.49 m）。Node的RMSE在涨水期急剧升高至1.59 m，表明该相位下Node与Raster一样最易受少量大幅误差影响。所有产品在低水期相位相关性最低（ρ = 0.61至0.81），PIXC在各相位保持最高相关性。
4.4 动态验证：水位变动的再现能力。 基于全部28个站点的min-max归一化动态验证显示，PIXC与归一化ANA序列一致性最强（平均ρ = 0.95，中位数ρ = 0.98），其次为Reach（平均ρ = 0.93）和Node（平均ρ = 0.90），Raster较低（平均ρ = 0.88），传统测高最低（平均ρ = 0.86）。动态性能的空间分布呈异质性，高相关性集中于研究区中部和北部，低值限于少数外围位置。所有SWOT产品在低水期动态一致性最弱（ρ = 0.53至0.77），涨水期和高水期改善。
4.5 误差驱动因素：站点尺度和观测尺度控制。 站点尺度上，经假发现率校正后，排水面积仅对Reach产品呈显著负相关（ρ = ?0.66，q < 0.05），表明较大下游河段绝对误差倾向较低。河宽与所有四种产品的MAE呈负相关但强度不一（ρ = ?0.14至?0.54），森林覆盖与PIXC、Reach和Raster的误差呈正相关，草地覆盖与Reach和Node呈负相关，但均未达统计显著。Raster对土地利用和土地覆被的敏感性最强（城市化区域ρ = +0.52，草地ρ = ?0.55），与其100 m空间分辨率整合更大面积信号直接相关。观测尺度上，RF模型确认误差驱动因素高度分散，SHAP重要性值最大仅0.12–0.19。大地水准面校正是PIXC和Reach的首要特征（重要性0.174和0.212），而Node和Raster以水体检测和分类质量变量为主导（Node的area_wse和area_detct分别为0.124和0.122，Raster的n_wse_pix_median为0.119）。近河道地形复杂度与误差正相关：最佳性能站点平均高程标准差3.18 m，最差性能站点6.30 m。
五、讨论与结论
讨论部分围绕四个关键问题展开。第一，SWOT是否是潘塔纳尔水位监测的可靠工具：研究结果表明PIXC与实测网络一致性最高，Node在MAE上排名第二，Reach经沿河道坡度位置校正后MAE接近Node且低于Raster；Raster误差源于离散度而非系统性偏移。第二，SWOT相对传统测高的性能优势：在等效采样条件下，SWOT各产品RMSE较传统测高降低约5倍，这一优势不仅源于时空数据可用性差异，更反映任务设计、测量几何和反演方法的根本区别——SWOT从设计之初即明确针对河流、湖泊和泛滥平原观测，而传统测高任务主要为海洋应用设计后改造用于内陆水体。第三，误差驱动因素：误差成因呈产品特异性和分散性，未发现单一主导因子，这反映了潘塔纳尔复杂环境的本质。第四，产品选择建议：研究结果为全球类似热带泛滥平原环境下的SWOT产品选择提供了依据，PIXC在绝对精度和动态一致性上均表现最优，适合高精度WSE监测应用。
研究结论部分指出，SWOT是潘塔纳尔河流系统可靠的绝对WSE监测工具，PIXC产品与实测网络一致性最高，所有产品MAE均处于较低水平；SWOT在等效采样条件下显著优于传统星下点雷达测高；性能受局部河段条件控制而非纵向剖面位置；误差驱动因素呈产品特异性且高度分散，而非单一因素主导。本研究填补了SWOT在大型热带泛滥平原湿地验证的空白，为全球类似环境下的水文监测和产品选择提供了重要科学依据。
