通过改进面积-高程(Area-Elevation, AE)曲线与融合多源卫星数据增强湄公河流域水库水位时间序列

《Journal of Hydrology: Regional Studies》：Enhancing reservoir water level time series in the Mekong river basin by improving area-elevation curves and integrating multi-source satellite data

　　

摘要：研究区域为湄公河流域(Mekong River Basin)。研究重点为：受限于测高(altimetry)数据稀少、光学影像频繁受云污染以及现有数字高程模型(Digital Elevation Model, DEM)导出的面积-高程(Area-Elevation, AE)曲线存在较大偏差等因素，构建长期、高频次的水库水位极具挑战性。本研究提出一种通过融合多源测高与光学数据改进AE拟合曲线从而增强水库水位反演精度的框架。首先，通过融合测高水位与校正后的水面面积提出一种改进的卫星实测AE曲线(AECSAT-IA)；此外，提出两种改进的DEM衍生AE曲线——融入卫星匹配点(AECDEM-SP)及融入水库特征参数如死水位与正常蓄水位及其对应面积(AECDEM-RP)。随后评估并比较上述曲线的表现，最终选取最优曲线应用于湄公河流域32座水库，基于可用测高数据构建长期高频水位时间序列。新的水文认知表明：三种提出的曲线均提升了水位反演精度，平均均方根误差(Root Mean Square Error, RMSE)降低超过2 m；改进的卫星实测AE曲线使RMSE降低2.03 m，加入卫星匹配点的DEM衍生AE曲线使RMSE降低2.85 m，联合水库参数法亦使RMSE降低2.14 m；32座水库水位月平均频次提升79.14%；该研究为无资料(ungaged)水库构建长期高频水位提供了可靠潜方案。

论文解读：通过改进面积-高程曲线与融合多源卫星数据增强湄公河流域水库水位时间序列

研究背景与意义

水库虽占全球水储量比例较小，却是人为改变水文动态的最主要驱动力，其蓄水变化对气候、农业、生态及社会影响显著。水位是水库水资源管理与决策的核心指标，但因政治敏感、历史记录缺失或法律禁止，多数水库尤其跨国流域水库缺乏实测(in-situ)水位资料。卫星雷达测高(radar altimetry, 如Jason系列、Cryosat-2)与激光测高(laser altimetry, 如ICESat-2)可填补空缺，但前者空间分辨率粗且受大气地形干扰，后者重访周期长，难以获取长期高频次时间序列。基于面积-高程(Area-Elevation, AE)关系进行水位反演(Water Level Inversion)可利用长期存档的光学卫星(如Landsat)提取水面面积反推水位，现有方法分两类：一是直接用测高水位与同期卫星提取水面面积拟合(卫星实测AE曲线，AEC_SAT)，二是基于DEM统计不同高程下栅格面积和拟合(DEM衍生AE曲线，AEC_DEM)。前者中小水库缺乏足够时空匹配点对；后者受DEM垂直精度及成像时水库水位限制，常因将库外低洼地计入而高估面积、低估水位。湄公河流域水库具跨境影响、干湿季水位变幅大、缺乏区域协调监测数据，是典型无资料区。针对上述不足，研究人员开展研究旨在：(a)改进卫星实测AE曲线水面面积提取精度；(b)改进DEM衍生AE曲线拟合质量；(c)提升水库水位时间序列的时间频率。该研究成果发表于《Journal of Hydrology: Regional Studies》。

主要关键技术方法

研究人员选取湄公河流域32座具代表性的水库(面积1~450 km2，含平原与山地型，其中6座有实测水位作验证)，使用多源数据：Jason-2/3(测距经椭球高减卫星轨道高及干/湿对流层、电离层、固体潮、极潮校正得正交水位)、Cryosat-2 L2 GDR产品、ICESat-2 ATL13 L3A内陆水面产品；Landsat 5/7/8 计算归一化水体指数(Normalized Difference Water Index, NDWI)提取水面面积；经植被效应校正后的SRTM DEM；6座水库实测水位(Electricité Du Laos及泰国EGAT提供)。关键技术包括：(1)改进的水面面积提取算法——建立扩展掩膜(缓冲3像元的水体出现频率图)，对云盖<80%影像分别用K-means与固定阈值(NDWI>0.1 Landsat-5，>0 Landsat-8)分类，目视比选优者确定最终水体，弥补单纯K-means在边界误判缺陷，大幅增加可用影像；(2)三类AE曲线构建——AEC_SAT-IA用校正后面积与±3天内测高水位匹配拟合(线性、指数、幂等选最低RMSE函数)；AEC_DEM-SP将DEM派生点与卫星匹配点共同拟合；AEC_DEM-RP将DEM派生点与水库死水位/正常蓄水位及对应面积共同拟合；(3)按匹配点充足度分级选用最优曲线反演所有Landsat时期面积得水位，融合同期测高水位(优先保留测高值)组最终时间序列；(4)用实测水位与剩余测高数据验证反演精度(MAE、RMSE、Pearson相关系数r)，用月均有效水位点数评估时间频率。

研究结果

4.1. Performance of altimetry data and extracted water surface area(测高数据性能与提取水面面积表现)

四颗测高卫星水位与实测水位相关系数r=0.98~0.99，平均RMSE=0.18 m，证明测高精度可靠。改进的面积提取算法使全时段可用Landsat影像占比由52%升至82%(雨季由278张增至759张，增幅45%；旱季由1387张增至1861张，增幅22%)；Nam Ngum1水库可用率从45.49%提升至92.70%。校正后水面面积时序消除异常波动，呈现符合干湿季规律的季节性变化，能反映水库调度响应。

4.2. Fitted AE curve(AE曲线拟合情况)

原始AEC_DEM明显偏离AEC_SAT-IA；AEC_DEM-SP与AEC_DEM-RP较接近AEC_SAT-IA，其中AEC_DEM-SP最近。2000年前建库(DEM未捕获低水位下地形)原始DEM曲线仅覆盖部分水位范围致偏差大，引入卫星点或参数可修正；测高点分布不均(如Chulabhorn多低水位点)致AEC_SAT-IA在高水位外推有偏差。

4.3. Validation of water level inversion by improved AE curves(改进AE曲线水位反演验证)

4.3.1 改进卫星实测AE曲线(AEC_SAT-IA)：原AEC_SAT平均RMSE=2.97 m，r=0.26；AEC_SAT-IA平均RMSE降至0.93 m(最高1.56 m，最低0.39 m)，平均r=0.95(最低0.92)，证实面积校正显著提升反演精度。

4.3.2 改进DEM衍生AE曲线：原AEC_DEM平均RMSE=3.79 m( Nam Ngum1达15.17 m因SRTM未覆盖其常水位下限)；AEC_DEM-SP平均RMSE=0.94 m(Nam Ngum1降至1.01 m)；AEC_DEM-RP平均RMSE=1.65 m(Nam Ngum1降至3.58 m)。以测高数据验证得一致结论。整体优先推荐AEC_SAT-IA，次选AEC_DEM-SP(稳定性好)，无测高数据时用AEC_DEM-RP。

4.3.3 额外水库(Yali、Nam Ngum2、Se San4分别代表无/不足/充足测高情形适用AEC_DEM-RP/AEC_DEM-SP/AEC_SAT-IA)验证显示改进曲线拟合R2与反演RMSE均优于原始曲线，证实方法可移植性。

4.4. Implementation result(实施结果)

4.4.1 构建的水位时间序列平均月频次仅用测高为1.40，联合优化AE曲线反演后增1.01；2000–2009年均月频1.44，2010年后升至3.05(更多卫星)；Se San4最高4.10次/月，Ubol Ratana最低1.48次/月(受库规模影响)。时序清晰反映干湿季及水库调度引起的水位波动。

4.4.2 与现有数据集比：本研水面面积覆盖全部32库全时段共3213景，较RAT(Reservoir Assessment Tool)多188%、较GLATS(Global Lake/Reservoir Area Time Series)多957%，月均频1.62；水位覆盖全库全时段共4772个，较G-REALM(Global Reservoirs and Lakes Monitor)、DAHITI(Database for Hydrological Time Series of Inland Waters)、Hydroweb多175%~17574%不等，月均频2.41，在覆盖率、数据量、时间跨度上显著优于已有产品。

讨论与结论翻译

讨论指出多源卫星数据(测高点补DEM曲线、校正面积增AEC_SAT-IA稳健性、参数约束DEM曲线)及光学与测高融合策略可有效改善AE关系精度与时序连续性，并指出测高时空分辨率局限、云污染残余影响、狭长山谷水库像元混合效应、DEM时效与拟合函数选择等不确定源。未来可纳入Sentinel-3/6、SWOT及SAR(Sentinel-1)影像、多DEM比对、无人机辅助小库测量。

结论翻译如下：

本研究提出通过协同使用Landsat影像、Jason-2/3、Cryosat-2、ICESat-2及DEM以提升水库水位精度与时间分辨率的框架。主要发现如下：(1)卫星数据可同时提高水位精度与时序分辨率——校正后Landsat面积用于卫星实测AE曲线使反演平均RMSE由2.97 m降至0.93 m；DEM衍生AE曲线融入卫星匹配点使平均RMSE由3.79 m降至0.94 m，融入水库参数使平均RMSE降至1.65 m；附加验证中拟合曲线R2升高且反演RMSE降低证实所提AE曲线可移植性；(2)对无实测水位水库，若卫星匹配点充足优先推荐带校正面积的卫星实测AE曲线；测高数据不足时推荐DEM衍生AE曲线融入卫星匹配点或水库参数；(3)多卫星数据融合使水位月均频次较原始测高显著提升，产出的水库面积与水位时间序列在库覆盖范围、数据量与频次上较现有数据集大幅改善。局限来自测高时空覆盖与SRTM DEM垂向误差，未来可探索更密的光学、雷达、测高及精确DEM数据进一步优化。该框架对无资料/贫资料区高精度构建高频水库水位具高潜力，可辅助全球水位监测及水文与水动力模型研究。