基于美加水文站网评估SWOT卫星水面高程数据精度与质量过滤策略研究

《Water Resources Research》：Evaluating SWOT Satellite Data With Gage Information in the United States and Canada

　　

地表水与海洋地形（SWOT）卫星任务代表了水资源管理的变革性方法，提供了水面高程（WSE）和水域范围的高分辨率数据。本研究利用美国与加拿大的原位河流测站及湖泊水库测站数据，评估SWOT WSE精度。研究人员将SWOT Level 2水文数据产品（D版本）与2,629个测站的335,531组配对WSE时间序列观测进行对比。研究探索了SWOT数据精度和时间覆盖率作为各种SWOT质量过滤函数的响应。在应用一组标准定义的过滤器和阈值，将SWOT与原位观测（均参考地球重力模型2008）的配对测量进行比较后，研究发现，对于过滤后的河流节点和湖泊数据，1-σ（第68百分位）绝对差异分别为20厘米和11厘米，中位数偏差分别为2.8厘米和0.1厘米。河流河段和湖泊的比较可能因原位点数据与空间平均SWOT数据之间的尺度不匹配而产生偏差。应用SWOT数据质量过滤器将全部河段、节点和湖泊观测的中位配对高程决定系数（R2）从过滤前的0.12提升至过滤后的0.92。总体而言，研究发现，在所有满足SWOT可观测标准的配对SWOT节点和湖泊WSE观测中（即无冰覆盖、水体足够大且在SWOT跨轨范围内），有60.0%和73.8%的观测其高程与报告的测站观测值相差在25厘米以内。这些比较还为持续改进SWOT算法提供了基线基准。

论文解读：基于美加水文站网评估SWOT卫星水面高程数据精度与质量过滤策略

一、研究背景与意义

准确观测和测量内陆水体对于理解地球水文循环、提升水资源管理效能以及缓解环境变化影响至关重要。传统上，这些认知依赖于原位测量，其能提供关于水位和水储量变化的精确局部数据。然而，地面观测存在空间覆盖稀疏、在偏远或难以到达区域的物流与安全挑战以及布设偏差等固有缺陷。卫星遥感技术的出现，通过提供广阔的空间覆盖，极大地增强了全球范围内监测内陆水文特征的能力，有望缓解原位测站网络的布设偏差、稀疏的全球空间覆盖以及相关的物流与安全问题。

在过去几十年中，卫星雷达和激光测高任务（如TOPEX/POSEIDON、Envisat、Jason系列、ICESat-2、Sentinel-3和-6）提供了关键的水面高程（WSE）数据。尽管这些领域取得了数十年进展，但具有亚月级重访频率的传感器可探测的水体数量仍然有限，这使得持续监测年际高程、流量和储水量动态变得困难。在此基础之上，地表水与海洋地形（SWOT）卫星通过同时提供水体和范围测量，开创了水文遥感的新前沿。SWOT采用新型宽幅Ka波段雷达干涉仪，可提供全球地表水体高程和范围的精细尺度细节及大量数据，并能直接观测全球地表水储量的变化。然而，将SWOT卫星数据与原位测量进行比较，对于评估SWOT数据算法、验证观测精度与可靠性，以及揭示SWOT数据如何整合到水资源管理实践中至关重要。

二、研究内容与主要结论

本研究利用美国地质调查局（USGS）、美国垦务局（BOR）、加拿大环境与气候变化部（ECCC）以及魁北克水文专业知识中心（CEHQ）等机构维护的广泛测站网络，系统性地比较了SWOT数据与美加地区多种水文和气候条件下的内陆WSE原位测量数据。研究人员将SWOT Level 2水文数据产品（D版本）与2,629个测站的335,531组配对WSE时间序列观测进行对比，其中河流测站2,103个，湖泊及水库测站526个。研究发现，在应用标准质量过滤器后，SWOT WSE与原位数据表现出强烈的一致性：对于过滤后的河流节点和湖泊数据，1-σ绝对差异分别为20厘米和11厘米，中位数偏差分别为2.8厘米和0.1厘米。应用SWOT数据质量过滤器将中位配对高程决定系数（R2）从0.12提升至0.92。在所有满足SWOT可观测标准的配对观测中，60.0%的节点和73.8%的湖泊WSE观测与测站观测值相差在25厘米以内。这些结果为持续改进SWOT算法提供了基线基准。

三、主要关键技术方法

本研究采用的主要技术方法包括：其一，数据获取与配对，通过Hydrocron应用程序编程接口（API）下载SWOT Level 2 RiverSP和LakeSP产品数据，并将SWOT矢量数据与USGS、BOR、ECCC和CEHQ等机构的原位测站数据进行空间连接配对，共获得331,531个有效配对观测；其二，基准面转换，利用美国国家海洋和大气管理局的VDatum工具和ECCC的TRX转换工具，将原位测站水位数据从NAVD88或CGVD2013等基准面转换至与SWOT一致的EGM2008基准面，并考虑参考历元和潮汐系统的差异；其三，数据质量过滤，对SWOT数据应用11种质量过滤器，包括任务定义的质量标志（如概要质量标志、部分覆盖标志、冰气候学标志、交叉定标质量标志）和经验推导的阈值（如暗水比例、跨轨距离、观测面积比例、水体尺寸、WSE先验差异和Hampel离群值过滤器），并测试了62,208种过滤器组合。

四、研究结果

4.1 水面高程分析

在应用质量过滤器后，SWOT WSE观测与原位数据表现出强烈一致性。所有过滤后的配对数据中，相对中位数归一化比较的1-σ WSE差异达到或小于25厘米任务阈值，总体平均绝对中位数归一化差异为12.8厘米。对于所有观测，河段、节点和湖泊的均方根误差（RMSE）分别为4.89米、7米和12.3米；应用全部过滤器后分别改善至0.57米、0.75米和0.70米。同基准面比较的1-σ误差为19.6厘米，RMSE为4.95米。过滤后节点和湖泊的中位数偏差分别为2.8厘米和0.1厘米，表明SWOT数据在过滤后偏差极小。

4.2 理解SWOT误差

未过滤的WSE差异偏离正态分布，呈现重尾特征，河段、节点和湖泊数据的超额峰度分别为2,893、385和2,289，表明极端差异出现的频率高于正态分布预期。按水体尺寸分箱分析显示，较宽河流的WSE差异略有改善，但SWORD河宽估计与过滤后相对WSE差异呈轻微负相关（r = -0.0491）。对于湖泊面积，未过滤数据中大型水体（>10 km2）的WSE差异退化，部分原因在于部分覆盖观测。在个体过滤器分析中，所有过滤器均改善了数据质量，但部分过滤器在数据通过率方面更具限制性。概要质量过滤器和位元质量过滤器将节点观测减少了约23%，但精度显著提升，第三四分位数从96.8厘米改善至43.1厘米。部分覆盖过滤器和冰气候学过滤器对湖泊数据的数据可用性削减最多，分别降至47.7%和57.7%，但也显著缩小了WSE差异。对于河流数据，强制河段和节点宽度大于80米使数据减少近半，但精度提升相对较小。最终，应用全部过滤器为所有数据类型产生了最低的中位数WSE差异，显示了叠加多个过滤器的益处，但以显著降低的通过率为代价。

五、讨论与结论

研究发现，应用全部质量过滤器通常达到或优于仅使用“良好”概要质量过滤器的误差指标和数据通过率。然而，对于湖泊观测，全部过滤器可能过于严格。研究还指出，不同过滤组合可能包含不同的湖泊、河段和节点子集，因为部分站点满足所有标准的观测少于10个。研究强调，Hampel离群值过滤器和WSE先验差异过滤器是纯粹的统计离群值标准，无法区分真实的快速WSE波动与反演伪影，因此对于旨在捕捉完整WSE动态范围的应用，用户应考虑放宽或省略这两个过滤器。总体而言，SWOT能够在大范围内提供有用的水位信息，而仔细的质量检查可显著提高SWOT水面高程估计的精度。这些比较为持续改进SWOT算法提供了基线基准，有助于水资源专业人员决定哪些SWOT WSE数据适用于不同的用途和应用。