每日河流水位来自多任务测高：利用独特SWOT数据几何的河段回归方法

《Journal of Hydrology》：Daily river water levels from multi-mission altimetry: A reach-based regression method using the unique SWOT data geometry

　　

地表水和海洋地形（Surface Water and Ocean Topography，SWOT）卫星的发射标志着全球水文监测进入了新时代，其提供了前所未有的河流水面高程（Water Surface Elevation，WSE）测量空间覆盖。然而，与之前的星下点测高任务类似，SWOT的采样频率仍然不足以捕捉洪水事件的快速动态变化。在本研究中，研究人员提出了第一种从多任务卫星测高（SWOT、Sentinel-3A/B、Sentinel-6A）生成每日WSE时间序列的方法。该方法名为Reach-Reg，其利用了独特的SWOT测量几何结构，该结构可同时观测多个河流河段。这使得研究人员能够为每个相邻河段对构建线性回归，随后在链式方法中使用这些回归来在河流位置之间传递WSE。为了考虑时滞，研究人员采用曼宁（Manning）公式和单站水力几何简化估算河流流速。最后，通过应用异常值剔除、平滑、聚合和插值，得到每日WSE时间序列。Reach-Reg已在位于8条河流（易北河、恒河、密西西比河、密苏里河、奥得河、波河、莱茵河、索利莫伊斯河）上的95个站点进行了验证，获得的平均均方根误差（RMSE）、归一化均方根误差（NRMSE）和纳什-萨特克利夫效率系数（NSE）分别为0.30 m、4.2%和0.94。Reach-Reg在精度和时间分辨率方面均显著优于先前的加密方法。该方法计算效率高、自动化，且仅依赖测高观测数据，为全球中大型河流的监测提供了高可扩展性。这标志着向使用卫星测高进行业务化水文监测迈出了根本性一步。

论文解读文章

**研究背景**
卫星测高技术最初用于监测海洋表面，后拓展至河流水面高程（Water Surface Elevation，WSE）测量。合成孔径雷达（SAR）模式的发展将沿轨分辨率从1.64 km降至300 m，显著提升了河流WSE的测量精度。当前SAR测高任务如Sentinel-3A/B（S-3A/B）和Sentinel-6A（S-6A）可监测宽度小于100 m的狭窄河段，精度达分米级。然而，其时空分辨率仍有限：S-3A/B和S-6A在赤道的地面轨道间距分别为104 km和315 km，重访周期分别为27天和10天。地表水和海洋地形（SWOT）卫星于2023年发射，其宽幅观测（120 km幅宽）提供了前所未有的空间覆盖，可同时监测多个河段，但21天重复周期内仅获得3–4次过境，对中小河流的动态捕捉仍不足，尤其会错过洪水峰值。此前的研究尝试通过结合多任务测高数据加密WSE时间序列，但精度有限（均方根误差RMSE约0.90–2.53 m），且多依赖模拟数据或复杂的空间统计方法，计算成本高。因此，亟需一种高效、自动化的方法，利用SWOT及其他测高任务实现每日WSE时间序列的生成，以支持业务化水文监测。

**研究内容与意义**
研究人员提出了Reach-Reg方法，这是首个利用多任务卫星测高（SWOT、S-3A/B、S-6A）生成每日河流WSE时间序列的方法。该方法利用SWOT独特的测量几何（同时观测多个河段），通过相邻河段间的线性回归链式传递WSE，并结合曼宁（Manning）公式和水力学简化估算流速以同步时间，最终通过异常值剔除、平滑、聚合和插值得到每日WSE。该方法在8条河流（易北河、恒河、密西西比河、密苏里河、奥得河、波河、莱茵河、索利莫伊斯河）的95个站点上验证，平均RMSE为0.30 m，归一化均方根误差（NRMSE）为4.2%，纳什-萨特克利夫效率系数（NSE）为0.94，显著优于原始插值和先前加密方法。该方法计算高效（单站点处理约1分钟）、完全自动化、无需先验数据，可全球扩展，标志着卫星测高业务化水文监测的关键进展。论文发表在《Journal of Hydrology》。

**关键技术方法**
Reach-Reg方法包含三个核心组件：高度统一、时间统一和数据合并。高度统一利用SWOT宽幅测高同步观测相邻河段的特点，对每对相邻虚拟站点（VS）建立正交距离线性回归（Orthogonal Distance Regression，ODR），并通过链式回归将WSE从多VS传递至参考站（Reference Station，RS）；若单对回归的均方根偏差（RMSD）超过0.2 m，则自动寻找旁路。时间统一通过曼宁公式和单站水力几何简化估算河流流速，进而计算VS与RS间的时滞，并采用交叉验证校准曼宁粗糙系数n，选择使交叉验证精度指标RMSE_cv最低且具有鲁棒性的流速。数据合并包括：基于学生t检验的异常值剔除（99%置信区间，3天窗口）、支持向量回归（Support Vector Regression，SVR）平滑去除高频噪声、加权日平均聚合（权重基于WSE不确定性），以及Akima插值填补数据间隙。所有输入数据来自DAHITI（内陆水域水文时间序列数据库），包含SWOT、S-3A/B和S-6A的WSE时间序列，并以SWORD（SWOT河流数据库）为空间框架。验证数据来源于8条河流的95个水位站，包括Pegel Online（德国）、IMGW-PIB（波兰）、AIPo（意大利）、USGS（美国）、India River Flow（印度）、ANA（巴西）等机构。

**研究结果**
**单站点加密示例**
以奥得河RS42224为例，Reach-Reg加密后的WSE与实测水位高度吻合。误差分析显示，转移WSE的误差随距RS沿河距离增加而增大，但测高本身误差与RS误差无明显相关性，表明高度转移不精确性的影响大于仪器误差。

**空间分布精度**
在所有95个RS上，NRMSE空间分布显示Reach-Reg在奥得河、易北河和索利莫伊斯河上性能最优，波河下游一个站NRMSE最高为7.8%。近70%的RS的NRMSE低于5%，且经1000次bootstrap分析确认95%置信区间窄（平均宽度1.18个百分点），表明NRMSE值稳健。精度与沿河位置无明显关系。

**与原始插值对比**
Reach-Reg的日均RMSE、NRMSE和NSE分别为0.30 m、4.2%和0.94，显著优于原始单站插值（0.45 m、6.5%、0.86）。Wilcoxon符号秩检验证实差异显著（p<0.01）。在快速水情变化的河流（如波河、莱茵河）上改进最明显；对缓慢变化河流（如索利莫伊斯河），原始插值性能略优。Reach-Reg平均覆盖约60%的天数，仅需插值40%的天数。

**各河流性能**
各河流具体精度：易北河（RMSE 0.19 m，NSE 0.95）、恒河（0.39 m，0.98）、密西西比河（0.55 m，0.95）、密苏里河（0.36 m，0.91）、奥得河（0.14 m，0.97）、波河（0.53 m，0.90）、莱茵河（0.30 m，0.94）、索利莫伊斯河（0.33 m，1.00）。所有河流平均NSE≥0.9，表现出色。

**与已有研究比较**
与Tourian等（2016）和Nielsen等（2022）在相同河流上的结果对比，Reach-Reg在波河（RMSE 0.53 m vs. 0.90 m/0.70 m）、密西西比河（0.55 m vs. 2.31 m/1.02 m）上精度显著提升；索利莫伊斯河上差异较小（0.33 m vs. 0.34 m）。时间分辨率达1天，优于此前方法的2–5天。

**不确定性分析**
每日WSE的不确定性结合了输入测高、回归、平滑、聚合和插值误差。约64%的实测WSE落入Reach-Reg的±1σ不确定性带内，与理论68.3%接近，表明不确定性估计合理。但在稳定期可能因系统误差导致带略窄，而在长数据间隙期插值误差主导，带更保守。

**讨论与结论**
讨论部分指出，Reach-Reg优于先前加密方法（时间分辨率2–5天，RMSE通常≥1 m），得益于SWOT数据和链式回归方法。与Ke等（2025）的数据同化方法相比，Reach-Reg直接基于WSE观测，无需物理先验，对季节性河流（如恒河）表现稳定。但方法存在局限性：受水工建筑物和大型支流影响较大，需借助SWORD数据库自动排除水坝，未来可通过SWOT流量产品自动识别支流边界。此外，即使结合SWOT和多任务测高，仍有约41%的天数无数据，存在长达5天的数据间隙，可能遗漏短历时洪水峰值。方法对DAHITI数据依赖性强，但也可应用于官方SWOT RiverSP产品，尽管精度略低（平均RMSE 0.49 m，NSE 0.85）。

研究结论部分翻译如下：在本研究中，研究人员成功演示了第一种利用多任务卫星测高生成河流每日水面高程（WSE）时间序列的方法。该方法名为Reach-Reg，利用了来自SWOT、S-3A/B和S-6A的WSE测量。为增强测高观测有限的时间分辨率，研究人员利用了长河段内每个虚拟站点（VS）的WSE时间序列。该方法得益于独特的SWOT观测方式，其在120 km宽的条带内几乎同时监测WSE。在Reach-Reg方法中，对每对相邻VS拟合线性回归，随后以链式方式用于将WSE从多个VS传递至指定参考站（RS）。为考虑沿河时滞，采用曼宁公式和单站水力几何简化估算河流流速。最后一步，WSE经历异常值剔除、平滑、聚合和插值，得到每日WSE时间序列。Reach-Reg方法已在位于8条河流（易北河、奥得河、波河、莱茵河（欧洲）、恒河（亚洲）、密西西比河、密苏里河（北美洲）、索利莫伊斯河（南美洲））上的95个RS上进行了验证。这些河流具有多样化的水文情势、宽度、长度和河床类型。Reach-Reg方法以相同配置应用于所有河流，成功模拟了每日WSE动态，达到了平均RMSE、NRMSE和NSE分别为0.30 m、4.2%和0.94。RMSE值范围为0.12 m至0.72 m，其中两条河流（奥得河和易北河）的平均RMSE低于0.20 m。这一精度（平均RMSE 0.30 m）相比之前SWOT前的加密工作（RMSE通常约1 m）有显著提升，并强烈证实了将SWOT整合到多任务方法中的优势。此外，使用SWOT版本D数据（针对波河几乎整个研究时段）的初步测试表明，与本研究使用的混合版本C（2023/07–2025/05）和版本D（2025/05–2025/11）数据集相比，RMSE额外提升了8%。这表明一旦全球可用完全重新处理的版本D产品，Reach-Reg性能将会自然增强。SWOT与三个SAR测高任务观测的结合使研究时段内近60%的天数有WSE数据可用。每个每日WSE估计具有可靠的不确定性评估，64%的每日实测WSE落在WSE的±1σ不确定性范围内。Reach-Reg方法自动运行，仅需极少用户输入（即边界河段ID和DAHITI API密钥）。它计算效率高，整个处理过程（河流模型准备、测高数据下载和Reach-Reg加密）对一个RS耗时约1分钟。因此，只要没有水工建筑物或显著支流，该方法可轻松应用于任何常年河流。每日WSE的可用性将使研究人员能够更好地理解和模拟河流水流动态。来自多任务卫星测高的每日WSE时间序列的引入为甚至无资料流域发布WSE预测开辟了新可能。这些观测可用作新预报方法的训练数据，或改进当前运行的系统，如全球洪水预报系统FloodHub。虽然该系统依赖实时气象输入数据，提供准确的每日WSE估计可优化其模型并促进无资料流域的验证。在有资料流域，Reach-Reg输出的高空间密度（为几乎每个河段提供每日WSE）可补充稀疏的实测网络。这类高频空间信息对水动力模型的校准和验证尤为宝贵，使得研究人员能够细化传统水位站之间河段的河道粗糙度或坡度参数。总之，Reach-Reg方法为应对河流高频水位数据的关键缺失提供了一种稳健、准确且可全球扩展的工具，标志着朝着使用卫星测高进行业务化水文监测迈出了根本性一步。