《Journal of Hydrology: Regional Studies》：A novel approach for river discharge prediction in Lancang Mekong River Basin: Incorporation of multisource remote sensing and LSTM model
编辑推荐：
本研究聚焦于澜沧江-湄公河流域（LMRB），该流域作为重要的跨境河流系统，其径流具有显著的空间-时间变异性。由于地面水文测站网络稀疏，特别是在偏远或跨境河段，监测工作存在明显不足，这使其成为遥感技术应用的关键区域。为解决无资料地区河川径流监测的挑战，研究人员开
本研究聚焦于澜沧江-湄公河流域（LMRB），该流域作为重要的跨境河流系统，其径流具有显著的空间-时间变异性。由于地面水文测站网络稀疏，特别是在偏远或跨境河段，监测工作存在明显不足，这使其成为遥感技术应用的关键区域。为解决无资料地区河川径流监测的挑战，研究人员开发了基于长短期记忆网络（LSTM）模型的框架，该模型融合了多任务卫星数据。模型利用卫星测高（altimetry）反演的水位数据与光学传感器反射率比值来预测日尺度径流。研究评估了该模型在多个站点的预测精度，并检验了LSTM模型向无资料河段进行空间迁移的能力。研究结果显示，澜沧江-湄公河独特的空间地貌特征控制了从太空监测其径流的能力。沿河流连续体存在明显的空间可观测性梯度：在狭窄、蜿蜒的上游河段，复杂地形因雷达陆地污染和光学混合像元效应而物理性地限制了卫星精度；相反，宽阔、平坦的下游冲积平原则提供了稳定的水力几何条件，可实现高度一致的径流监测。此外，空间迁移性分析表明澜沧江-湄公河的径流动态具有局域化特征，预测能力随与训练河段距离的增加而衰减，证明大尺度跨境径流估算需要采用分段特定建模以捕捉河流变化的物理河道几何形态。从水文角度而言，测高反演水位与光学传感器反射率比值提供了关键的互补性，有效补偿了单一传感器的时间间隙和空间局限性。
本作旨在对发表于《Journal of Hydrology: Regional Studies》的研究论文进行全面解读，系统梳理其研究背景、技术方法、核心发现及学术价值。
## 一、研究背景与问题提出
河川径流是水文过程研究及全球变化监测、洪水风险评估、供水管理、灌溉工程等领域的核心变量。传统径流测量依赖固定水文测站记录水位数据，尽管精度较高，但其空间稀疏的网络布局限制了测量频率与覆盖范围，尤其在偏远或跨境流域中问题尤为突出。极端洪水事件下，测站设备易发生故障，进一步制约了实时洪水监测的可靠性。卫星测高技术通过测量水面高度反演径流已得到广泛应用，但其时间分辨率受卫星轨道重访周期限制（如TOPEX/Poseidon、Jason系列为10天，EnviSat、SARAL/ALTIKA为35天），难以捕捉洪水管理所需的日尺度变化。光学传感器（如MODIS、Landsat）和被动微波传感器则提供近日重访和广域覆盖，可通过反射率比值提取径流代理信息，但云覆盖等因素会导致数据缺失。更为关键的是，将多源卫星数据（测高、光学、微波）融合以产生精确、高分辨率的日尺度径流估算，在不同水文条件下的应用仍显不足；同时，现有研究往往缺乏空间迁移性，限制了其在无资料河段的应用，这在澜沧江-湄公河等受政治经济因素制约、测站建设和数据共享困难的跨境流域尤为关键。因此，本研究旨在开发融合光学传感器和测高产品的LSTM模型框架，以预测澜沧江-湄公河流域的日尺度径流，增强有资料和无资料河段的水资源管理能力。
## 二、关键技术方法
研究采用的核心技术方法包括以下五个关键环节：
**卫星测高数据处理与水位时间序列构建**：基于Jason-1/2、EnviSARAL Altika多任务卫星的Ku波段测量数据，提取2003—2018年虚拟站点（VS）水位时间序列。采用ICE-1重跟踪算法处理雷达波形以减少陆地污染，进行卫星间偏差校正，选用EGM2008大地水准面模型。通过Tourian等人提出的时间滞后传递方法，结合RivWidthCloud算法提取的河宽和水面比降数据，将多源测高数据融合加密，最终实现与实测站点的空间匹配。
**光学遥感反射率比值提取**：利用Google Earth Engine平台处理MODIS AQUA和TERRA卫星的MOD09GQ和MYD09GQ日产品（波段2，空间分辨率250 m，时间分辨率1—2天）。在38×38像元窗口内，通过遍历算法确定与水文站实测径流相关性最高的干像素（C，陆地）和湿像素（M，水体）组合，计算地表反射率比值（C/M），经指数平滑滤波得到C/M*，以最小化大气和观测噪声。
**LSTM深度学习模型构建**：在Keras框架下搭建双层LSTM网络，采用Leaky ReLU激活函数和Dropout正则化防止过拟合。输入特征为归一化后的测高水位（WL）、AQUA反射率比值（Aq）、TERRA反射率比值（Te）及其组合，回溯窗口期为5天。模型采用隔日采样策略分割训练集（50%）、验证集（10%）和测试集（90%），通过网格搜索和手动试错进行超参数优化。
**模型性能综合评估**：采用决定系数（R2）、纳什效率系数（NSE）、均方根误差（RMSE）和百分比偏差（PBIAS）四项指标，系统评估不同输入组合下模型的训练期与测试期表现，重点对比单传感器与多源融合的生命力。
**空间迁移性验证**：选取代表上中下游不同河段的Nong Kai、Nakhon Phanom、Pakse和Kratie四个站点建立LSTM模型，将其迁移至其余伪无资料站点，分析预测精度随空间距离的变化规律，检验模型在无资料条件下的适用边界。
## 三、研究结果
### 3.1 澜沧江-湄公河沿江虚拟站点水位及加密水位时间序列
研究在Chiang Sean下游共布设54个虚拟站点。上游水位数据波动较大、偏差明显，下游则相对稳定。与DAHITI水位数据库的对比显示，决定系数达0.93—0.99，RMSE为0.136—0.315 m，验证了反演精度。加密后的时间序列成功捕捉了季风驱动的季节性波动：上游Chiang Sean和Luang Prabang站水位变幅大、季节性信号显著；下游Stung Treng和Kratie站响应更为平缓且滞后。Pakse和Kratie站的决定系数分别为0.92和0.85，RMSE分别为0.72 m和0.67 m，证实了测高加密方法的可靠性。
### 3.2 光学数据集地表反射率比值时间序列
最优干像素分布于城区或植被茂密区，反射率变异系数低于0.3；最优湿像素位于河漫滩区，对水位变化敏感。经指数平滑滤波后，C/M*与实测径流的相关性显著提升：AQUA产品相关系数由0.44—0.63提升至0.64—0.76，TERRA产品由0.55—0.76提升至0.63—0.83，且TERRA产品在澜沧江-湄公河流域表现更优。
### 3.3 基于水位和光学数据集的径流模拟
模型性能评估显示：单用AQUA或TERRA时NSE多为0.38—0.71；两者组合后性能普遍提升，RMSE显著降低（如Mukdahan站由3369.36 m3/s和2989.68 m3/s降至2609.62 m3/s）。测高水位单独使用时NSE可达0.91，RMSE显著低于光学模型，但捕捉高低流量的能力有限（PBIAS偶超±10%）。三者融合（Aq+Te+WL）表现最优：下游站NSE稳定超过0.90，RMSE较光学组合最大降幅达45%（如Kratie站由3373.56 m3/s降至2194.60 m3/s，PBIAS由?9.42%改善至接近零）。空间上，下游预测精度显著优于上游，归因于上游狭窄蜿蜒河道中雷达陆地污染和光学混合像元效应更为严重。
### 3.4 LSTM模型在多条河段无资料地点径流预测中的空间迁移性
空间迁移性分析表明，模型预测精度随与训练点距离增加而衰减，且上游方向衰减更快。Kratie模型在下游1100 km内保持满意性能（NSE > 0.5）；Nong Khai模型在下游约700 km内良好，但上游超100 km即降至不满意（NSE < 0.4）。下游宽阔平坦河段因地形条件和遥感信号质量更优，模型迁移性更强。研究建议采用分段模型组合策略以提高全河段预测精度。
## 四、讨论与结论
**关键优势与意义**：多源卫星数据融合显著提升了LSTM模型的日尺度径流估算性能，光学反射率比值与测高水位的互补性有效克服了单一传感器的局限。模型在无资料地区表现稳健，为跨境水资源管理提供了可扩展的虚拟测站解决方案，减少了对昂贵地面基础设施的依赖。
**局限性与展望**：当前框架未考虑水库调度等人为影响，卫星数据的过境时间、分辨率及大气条件变异可能引入误差。未来可探索物理机制约束的机器学习、整合实时调度数据，以及利用更高分辨率的新型卫星任务进一步提升模型鲁棒性。
**研究结论**：本研究开发了融合卫星测高水位与MODIS光学反射率比值的LSTM模型框架，成功预测了澜沧江-湄公河流域日尺度径流并评估了其无资料适用性。多传感器融合有效克服了测高时间分辨率粗和光学数据云覆盖的局限，NSE达0.54—0.92。模型空间迁移性证实径流动态具有局域化特征，下游宽阔冲积平原（NSE：0.86—0.92）显著优于复杂上游河段。该框架为跨境水资源管理提供了可扩展的解决方案，但云覆盖和三角洲复杂地形仍是挑战，未来可整合Landsat、Sentinel等数据并考虑大坝长期影响以进一步完善。
