利用遥感反演(Remote Sensing Inversion)与空间区域化方法(Spatial Regionalization Method)估算缺资料山区( Data-Scarce Mountainous Areas)流量过程线(Discharge Time Series)

《Remote Sensing》：Estimating Discharge Time Series in Data-Scarce Mountainous Areas Using Remote Sensing Inversion and Regionalization Methods Adilai Wufu, Shengtian Yang, Junqing Lei, Hezhen Lou and Alim Abbas

　　

摘要：天山–帕米尔(Tianshan–Pamir)山区作为中亚阿姆河以东国家的核心"水塔(Water Tower)"，是维持下游社会经济系统的关键屏障。然而受复杂地形与恶劣气候条件限制，该区域长期连续水文观测数据极为匮乏。本研究以典型缺资料(Data-Scarce)山区为对象，耦合无人机(UAV)与卫星影像(如Landsat/Sentinel)流量反演(Flow Inversion)与混合空间区域化方法(Hybrid Spatial Regionalization Method，综合空间邻近性、流域相似性与基于回归的水文过程线重建)，定量估算长期流量过程线(Long-Term Discharge Time Series)。结果表明：在29个河流断面瞬时流量反演验证中，Nash–Sutcliffe效率系数(Nash–Sutcliffe Efficiency Coefficient, NSE)均大于0.80，决定系数(Coefficient of Determination, R2)达0.94(p < 0.01)；经区域化方法重建的长期流量序列在三个代表性验证站点(分属不同流域类型)NSE分别为0.88、0.84和0.86，精度高于直接时间升尺度(Direct Temporal Upscaling)。1989–2020年月流量趋势分析显示，冰川主导(Glacier-Dominated)河流流量呈下降趋势，平均变化率为?2.89 ± 2.54%(p < 0.05)，其中帕米尔高原(Pamir Plateau)降幅最大(?4.89 ± 6.58%)，与流域内大规模冰川退缩密切相关；非冰川主导(Non-Glacier-Dominated)河流流量呈上升趋势，多年平均变化率为+0.32 ± 8.43%(n.s.)，主要受降水与植被覆盖变化驱动。本研究为缺资料区域水文监测提供了新方法，并为干旱区水资源管理决策提供了关键数据与方法支撑。

论文解读：利用遥感反演与空间区域化方法估算缺资料山区流量过程线

一、研究背景与意义

山地流域作为众多内陆河的源头("水塔")，其产汇流过程决定中下游水资源分布与生态安全。然而高山区的复杂地形、严寒气候及高昂维护成本导致传统水文站网极度稀疏，"缺资料(Data-Scarce)"现实严重制约了对山区水文过程的理解。全球变暖背景下冰冻圈(冰川、积雪、多年冻土)加速退缩使山区径流波动性与不确定性剧增，如何科学重建缺资料山区长期径流序列成为国际水文学(PUB计划)核心难题。现有方法中，基于UAV和卫星的流量反演(Remote Sensing Discharge Inversion)多获离散瞬时值，难以反映连续时序演变；传统的无资料流域水文模拟的空间区域化方法(Spatial Regionalization for Ungauged Basins)在小尺度高寒山区因水文相似性难量化常产生较大偏差。天山–帕米尔山区是中亚关键水塔，以往研究多依赖干流大型水文站有限数据，对其源头小流域(Runoff Generation Core Area)关注严重不足。为此，研究人员耦合遥感反演的高精度"瞬时流量"与区域化方法的"连续模拟"能力，将离散数据扩展为标准化长序列径流，以揭示该区小流域长期水文演变规律，并为干旱区水资源管理提供方法与数据支持。本文发表于《Remote Sensing》。

二、主要技术方法概述

研究人员选取典型缺资料区——艾比湖流域(Ebinur Lake Basin)、天山中段(Central Tianshan)及东帕米尔高原(Eastern Pamir Plateau)为研究区。利用DJI Phantom 4 Pro无人机获取33个关键水文断面低空影像，经Pix4Dmapper生成数字正射影像(DOM)与数字表面模型(DSM)提取河道形态参数；同步开展野外测量获取流速(表面流速雷达SVR)、流量(便携式多普勒测流仪)、水深及水下地形，以率定Manning–Strickler公式反演瞬时流量。基于Google Earth Engine(GEE)平台批量处理1989–2020年Landsat(TM/ETM+/OLI)与Sentinel-2A地表反射率产品，计算归一化水体指数(NDWI, Normalized Difference Water Index)并结合线性光谱混合分解(Linear Spectral Unmixing, LSU, 水体像元分数阈值>70%)提取多时相水面宽(Water Surface Width)。选取具空间邻近性与水文相似性(同属中国水文分区二级区)的参证流域(精河/Jinghe、天山1号冰川/Tianshan Glacier No.1、玉龙喀什河/Yurungkash)，建立参证流域日流量过程线与研究断面遥感瞬时流量的二次多项式回归关系(Ordinary Least Squares法拟合)，将瞬时值区域化校正后时间积分得到月流量序列，并与传统时间升尺度法对比验证。精度采用相对精度(RA)、均方根误差(RMSE)及Nash–Sutcliffe效率系数(NSE)评价。

三、研究结果

3.1 河流流量估算与精度验证(River Discharge Estimation and Accuracy Validation)

UAV生成的高精度数字河道模型显示29个典型支流断面多呈U形。应用Manning–Strickler公式计算飞行时段内各断面瞬时流量并与实测比对：艾比湖流域、天山中段、东帕米尔高原RMSE分别为1.42、4.43、12.50，NSE分别为0.98、0.98、0.84(均>0.80)。全部断面估算值与实测值高度显著正相关(R²=0.94, p < 0.01)，证实UAV遥感流量反演具备较高精度与可靠性，满足水文监测精度要求。东帕米尔区因流量绝对值大且变幅超一个量级导致RMSE略高但仍具实用价值。

3.2 基于区域化方法的流量推求(Derivation of Discharge Using the Regionalization Method)

3.2.1 参证流域选择：按空间邻近与流域相似性(同属一天山水文区或帕米尔水文区，降水–流量关系及冰雪补给特征一致)选定精河(对应艾比湖区)、天山1号冰川(对应天山中段)、玉龙喀什河(对应帕米尔区)为参证流域，可建立可靠水文响应模型。

3.2.2 典型日流量过程线：参证流域春、夏、秋季日流量具明显日变化(夏季单峰型，玉龙喀什河具双峰特征)，夏季峰值最高。以参证流域季节日变化约束遥感瞬时流量，经多项式传递函数映射并日积月累构建研究流域连续月序列。

3.3 长期河流流量趋势分析(Long-Term River Discharge Trends)

3.3.1 长期(年际)流量变化趋势：按控制流域特征将29个断面分为冰川主导型(19个，高海拔现代冰川/常年积雪广泛分布)与非冰川主导型(10个，山口较低海拔无现代冰川，靠季节性融雪+降水+地下水)。1989–2020年冰川主导断面流量普遍下降(17/19个，除T3、T4微升)，平均变化率?2.89 ± 2.54%(p < 0.05)；区域差异显著——艾比湖区?0.62 ± 1.59%、天山中段?0.74%、帕米尔高原?4.89 ± 6.58%(克什米尔河段K1–K4降幅?6.5 ± 4.14% > 塔什库尔干河段T1–T6的?3.79 ± 4.86%)，与大尺度冰川退缩直接相关。非冰川主导断面总体上升(+0.32 ± 8.43%, n.s.)，其中艾比湖区8个断面平均+0.18 ± 0.46%(B4显著上升p < 0.05)，天山中段TS-1、TS-2平均+0.89 ± 3.77%，主要受区域"暖湿化"降水增加及植被盖度变化影响。

3.3.2 季节(年内)动态与变化：消融期(3–11月)冰川主导断面呈典型融水型单峰(夏季流量占全年约47%，7–8月峰值)；非冰川主导断面呈双峰/多峰(春汛4–5月+夏秋汛6、9月，反映季节性融雪与降水共同驱动)。帕米尔断面夏季集中度更高(夏占约45%)。

四、讨论与结论总结(Discussion and Conclusions)

讨论部分要点：

区域化法比时间升尺度法精度显著提升(NSE平均提高0.18，RMSE平均降35.7%)，因前者考虑了流域空间异质性，后者简单假定瞬时流代表月均值引入系统低估偏差。小流域头道沟(Glacier-Dominated Headwater Catchments)因无下游降雨补偿且冰川储量有限，冰川退缩越过临界阈值(冰储损失>20~30%)后进入"峰值水(Peak Water)"后的衰退阶段，与大型流域仍处于融水增加阶段的结论差异源于研究尺度与补给结构不同。二次多项式回归在稀疏采样下较谐波/傅里叶/Spline更稳健不易过拟合，未来可增加机器学习方法。不确定性来自山体阴影干扰NDWI提取(已用LSU消减)、Manning–Strickler公式对糙率n与几何参数敏感性、参证流域选择的空间异质性影响及长期验证数据受限(仅2~3年站录)。

结论(Conclusions)：

研究人员集成UAV与卫星影像流量反演及空间区域化方法，系统估算了天山–帕米尔缺资料区流量过程线。基于UAV数字河道模型与Manning–Strickler公式的瞬时流量反演在三个研究区验证良好(NSE≥0.84，R²=0.94)。选用具空间邻近与水文相似性的参证流域，区域化方法成功重建1989–2020年月流量序列，相较直接时间升尺度NSE提高、RMSE降低。31年演变分析表明冰川主导断面流量显著下降(平均?4.05%，帕米尔降幅最大?7.09%)归因大规模冰川退缩；非冰川主导断面略升(+0.32%)受降水与植被变化驱动。该遥感–区域化耦合框架为缺资料无资料流域(Ungauged Basins)长期径流重建提供了可靠技术途径，并揭示气候变化下不同补给类型与空间尺度流域的水文响应差异，强调对干旱区小流域独立监测与针对性评估以保障可持续水资源管理的重要性。