综述:一种考虑不确定性的多源遥感框架,用于综合监测内陆水域:整合水位、水面范围、蓄水量及水质信息
《Science of Remote Sensing》:An uncertainty-aware multi-source remote sensing framework for integrated inland water monitoring: linking water level, surface extent, storage, and water quality
【字体:
大
中
小
】
时间:2026年07月26日
来源:Science of Remote Sensing 7.1
编辑推荐:
摘要目前,内陆水体越来越频繁地通过卫星进行监测,但水位、表面积、蓄水量以及水质这些参数在过去一直是通过不同的研究方法和传感器系统来检测的。此处所指的水质主要涉及具有光学活性的成分,包括水体透明度、叶绿素a、有色溶解有机物以及总悬浮物。本文将内陆水体监测视为一个需要考虑不确定性的耦
摘要
目前,内陆水体越来越频繁地通过卫星进行监测,但水位、表面积、蓄水量以及水质这些参数在过去一直是通过不同的研究方法和传感器系统来检测的。此处所指的水质主要涉及具有光学活性的成分,包括水体透明度、叶绿素a、有色溶解有机物以及总悬浮物。本文将内陆水体监测视为一个需要考虑不确定性的耦合推理问题,并提出了一个统一的H–A–V–Q框架。在该框架中,利用来自天底视角的卫星高度计数据、SAR模式数据、激光数据以及表面水和海洋地形Ka波段雷达干涉仪数据,还有光学/SAR水体测绘技术以及多光谱/高光谱水质反演技术,共同用于确定这四个状态变量。根据系统评价和元分析首选报告项目规范(PRISMA)筛选出的2015年至2025年间发表在Web of Science、Scopus和Google Scholar上的400篇论文,通过二维水体范围反演得到的整体准确率约为74–99%。对于大型且条件良好的湖泊,水位均方根误差仅为几厘米,而小型或地形复杂的水体则可达几十厘米;至于水质参数,叶绿素a、有色溶解有机物、总悬浮物和透明度的决定系数R2值分别在0.4–0.8之间。蓄水量方面的不确定性用σV表示,这里的σ指的是标准差或均方根误差对应的不确定性,其主要受面积-海拔关系以及水深测量误差的影响,而非仅由表面积或水位的反演精度决定。典型的参考值为面积-海拔关系的均方根误差为0.60米,水深测量的均方根误差约为1.37米。通过明确地将σ从水位和表面积传递到蓄水量再到水质,可以确定各个流域的主要误差来源,从而有针对性地进行改进。以SWOT数据为基准的联合A–H重建方法还能进一步降低时间差异带来的不确定性,相比采用多种传感器数据进行合成处理的方法,可使σV的值降低近一个数量级,此时限制因素则转变为面积-海拔-蓄水量之间的关系。所提出的H–A–V–Q框架为建立评估标准提供了清晰的架构,也为构建具备不确定性处理功能的实际内陆水体监测系统奠定了基础。
方芳|梁东方|周涵|艾丽雅|李渊|邱俊
中国农业大学农业水资源高效利用国家重点实验室,北京,100083,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号