《Water》：Thirty Years of Satellite Altimetry Technology: A Retrospective, Current Status, and Trend Analysis of Inland Water Body Monitoring Research
编辑推荐：
卫星测高已成为监测内陆水体动态的重要工具，并广泛用于水位反演、水文模拟和洪旱风险评估。为回顾过去三十年的研究进展与发展趋势，本研究将文献计量分析与传统综述方法相结合。分析了1991年至2025年间Web of Science核心合集（WOS CC）收录的476
卫星测高已成为监测内陆水体动态的重要工具，并广泛用于水位反演、水文模拟和洪旱风险评估。为回顾过去三十年的研究进展与发展趋势，本研究将文献计量分析与传统综述方法相结合。分析了1991年至2025年间Web of Science核心合集（WOS CC）收录的4764篇文献。利用VOSviewer_1.6.20和CiteSpace_6.4，研究人员构建了出版趋势、学科交叉、作者合作、关键词聚类和突现演化的知识图谱。进一步对代表性研究进行了定性综合。结果表明，遥感、地质学和成像科学构成了该领域的核心学科框架。研究热点已从单一水位观测转向多参数反演及与水文模型的集成。包括地表水和海洋地形（SWOT）以及冰、云和陆地高程卫星-2（ICESat-2）在内的新任务提高了空间分辨率和覆盖范围，加速了该领域的发展。然而，农业水管理以及人工智能与水文模型的集成仍然有限。关键挑战包括监测小型复杂水体、多源数据融合、不确定性量化、物理信息人工智能以及业务化应用。
2. Materials and Methods
2.1 WOS CC Database
本研究采用Web of Science核心合集（WOS CC）作为数据源，其涵盖自然科学、社会科学、医学、艺术与人文学科，索引超过21600种高影响力期刊及会议论文、专利、数据集等文献类型。WOS CC凭借严格的期刊筛选标准、多维分析工具和广泛的跨学科覆盖，确保了数据权威性。尽管Scopus和IEEE Xplore包含相关文献，但WOS CC因其高影响力覆盖、一致的引文标准以及在遥感和水文学中的广泛应用而被选取，保证了与先前文献计量研究的可比性，并准确代表内陆水体监测的核心文献。
2.2 Bibliometrics
文献计量分析是一种定量方法，利用引文计数、作者信息和关键词揭示研究领域的结构、演化及知识扩散路径。其起源可追溯至1934年比利时学者Paul Otlet在《文献学论著》中引入的“文献计量学”概念。本研究采用两种主流可视化工具：VOSviewer（由莱顿大学Van Eck和Waltman于2009年开发）用于构建和可视化文献计量网络，揭示知识结构和热点；CiteSpace（由德雷塞尔大学陈超美创建）则用于基于时间的动态分析，突出发展轨迹和关键转折点。两者结合可全面展示学术网络结构和研究演化。
2.3 Technical Route
整体分析框架分为四个阶段：（1）文献检索与筛选：从WOS CC中使用预定义检索策略获取初始记录，并通过人工筛选排除无关文献；（2）网络构建：利用VOSviewer和CiteSpace构建关键词、作者、文献的共现网络以及突现检测网络；（3）聚类识别与演化分析：基于网络分析结果提取研究热点和发展轨迹，识别关键跨学科特征和核心研究团队；（4）补充定性分析：在定量分析基础上，选取代表性研究进行深入审查，明确主要技术路径和重要发现，从而将文献计量分析与传统定性综述相结合。
2.4 Literature Search Within the Research Field
本研究在WOS CC数据库中采用主题检索，涵盖卫星测高技术及内陆水体监测的关键术语。具体检索式为：（TS = (GNSS-R or altimeter or altimetry or “satellite altimetry” or geosat or “geosat follow on” or GFO or seasat or skylab or topex/poseidon or T/P or jason-1 or jason-2 or jason-3 or ENVISAT or ERS-1 or ERS-2 or SARAL or AltiKa or ICESat or ICESat-2 or CryoSat-2 or Sentinel-3 or Sentinel-6 or SWOT) AND TS = (“inland water” or river or lake or swamp or reservoir or wetland or “water level” or “lake level” or “river level” or “lake surface height” or “river surface height” or discharge or hydrology or “water volume” or “water storage” or LWS)）。在检索阶段进行主题类别筛选，剔除明显与内陆水体测高无关的类别。检索时间从数据库起始至2025年12月31日，涵盖文章、综述、会议论文等类型。经人工筛选后保留4764篇有效文献，时间跨度为1991–2025年，涉及131个国家/地区的13772位作者、11393个机构和946种期刊，平均引用次数为34.55次。
3. Results
3.1 Publication and Citation Analysis
1991–2025年间，年发文量和引文量总体呈上升趋势，2023年出现波动部分归因于WOS CC索引延迟。基于发文和引文变化特征及关键事件节点，该领域发展分为三个阶段：（1）技术探索阶段（1991–1995）：总发文量仅16篇，年均约3.2篇，总引文4次，平均引用频率0.25次/篇，研究主要集中于欧洲遥感卫星-1（ERS-1）和TOPEX/Poseidon（T/P）的初步应用探索，学术影响有限。（2）技术优化与多星集成阶段（1996–2017）：随着T/P、环境卫星（Envisat）、CryoSat-2等卫星相继发射，测高数据类型和空间覆盖持续扩展，促进了大范围水位监测能力提升，发文量增至约2308篇，平均引用频率升至20.2次/篇。（3）高分辨率与新传感器扩展阶段（2018年至今）：年发文量超过250篇，平均引用频率约45.9次/篇。冰、云和陆地高程卫星-2（ICESat-2）、地表水和海洋地形（SWOT）及Sentinel-6 Michael Freilich（MF）的发射显著提高了高程观测精度、空间采样能力及覆盖范围，人工智能（AI）算法的集成推动了实时动态监测和流域尺度水文过程分析，研究兼具科学价值和社会应用（如洪水预警和生态保护）。
3.2 Disciplines
将4764篇文献分类至114个WOS研究领域，产出前20的学科中，地质学（1768篇）、遥感（1675篇）和环境科学与生态学（1595篇）位列前三，构成主要发文群体；成像科学与摄影技术（1152篇）、工程学（957篇）和水资源（861篇）紧随其后，这六大学科占前20研究领域发文量的74.4%，形成核心学科体系。自然地理学、地球化学与地球物理学、海洋学等各贡献150篇以上，构成第二梯队。学科耦合分析采用基于余弦型归一化的共现指数（Ci），计算学科间的关联强度。遥感与成像科学之间的Ci值最高（0.822），大多数核心学科关系在0.3–0.5之间，表明中等共现强度。水资源与遥感（0.022）、农业与遥感（0.048）以及计算机科学与遥感（0.077）的Ci值较低，反映了结构性的共现模式而非功能性整合强度。
3.3 Authors
从学术影响力、合作关系和共被引结构三个角度分析作者。发文量前20的作者中，Frappart F. 以82篇居首，其后为Calmant S.（68篇）、Shum C.K.（61篇）、Papa F.（58篇）、Bauer-Gottwein P.（52篇）和Cazenave A.（52篇），这六位作者占前20作者总发文量的42.5%，形成高产出集中群体。引文结果表明，发文量与引文量并非严格正相关，例如Cazenave A. 发文量第六但引文量第一（5322次），Bates P.D. 发文量第十二但引文量第二（4736次）。作者合作网络基于VOSviewer的关联强度算法构建，前五位总链接强度作者为Frappart F.（181）、Calmant S.（178）、Papa F.（135）、Song C.Q.（127）、Shum C.K.（121）和Lee H.（121），高产出作者通常也是合作中心。网络形成六个主要合作群组：（1）卫星水文监测群（红色）：以Frappart F.和Calmant S.为中心，主要利用多源卫星观测和水文模型监测大型河流和洪泛区的水位、储水和淹没动态。（2）算法开发与水文遥感应用群（蓝色）：以Shum C.K.和Lee H.为中心，专注于多源卫星数据融合算法和模型开发，包括波形重跟踪、机器学习回归、数据同化及洪水预报模型，应用于河流流量估算、水库调度和湿地水文监测。（3）水动力学与测高数据同化群（粉色）：以Bauer-Gottwein P.为中心，主要利用卫星测高数据进行水力模型校准、数据同化和流量估算，整合无人机等新兴观测手段获取高分辨率水面高程。（4）全球导航卫星系统反射信号（GNSS-R）内陆水体群（棕色）：以Zuffada C.为代表，利用GNSS反射信号数据（如CYGNSS）研究湿地动态和内陆水体，结合多源数据与机器学习方法提高水信息提取精度。（5）湖泊水位与储水变化群（浅蓝色）：以Song C.Q.为中心，主要利用卫星测高数据结合机器学习方法，聚焦青藏高原及全球湖泊水位和储水变化，以及湖泊与气候的相互作用。（6）SWOT卫星遥感应用群（绿色）：以Pavelsky T.M.和Durand M.为代表，主要关注SWOT任务，研究河流流量估算、水面高程和坡度反演、河道几何分析、水深和河床地形估算，以及全球河流数据库建设和无测站流域水文应用。作者共被引分析揭示了六个聚类，其中红色聚类（以Frappart F.、Birkett C.、Biancamaria S.、Alsdorf D.和Papa F.为代表）构成内陆水体卫星测高研究的核心知识库，主要涉及多源卫星水位反演、洪泛区水文监测和SWOT任务应用；绿色聚类（以Crétaux J.、Zhang G.Q.和Song C.Q.为代表）聚焦青藏高原湖泊水位变化和水文研究；蓝色聚类（包括Chen J.L.、Rodell M.和Swenson S.）主要关联基于GRACE重力卫星数据的储水变化研究；黄色聚类（以Rignot E.、Wingham D.和Fricker H.为代表）关注极地冰盖和冰川质量平衡；紫色聚类（以Ferretti A.、Wang Y.和Chew C.为代表）涉及干涉合成孔径雷达（InSAR）技术和全球导航卫星系统反射测量（GNSS-R）方向；浅蓝色聚类（以Baker V.R.和Carr M.H.为代表）与InSAR在水库形变监测中的应用相关，但发文量有限且几乎与其他群组断开。
3.4 High-Frequency Terms
3.4.1 Term Distribution
高频词云显示，“卫星测高”出现1548次，居首位；“湖泊”495次和“内陆水体”464次表明湖泊是主要应用对象。传统海洋测高卫星T/P出现193次，但新一代任务ICESat-2（229次）、SWOT（194次）和Sentinel-3（127次）的频率已接近或超过T/P。“波形重跟踪算法”是出现最频繁的数据处理技术（214次），而“机器学习”仅41次，约为前者的五分之一。“青藏高原”是最常见的地理关键词（202次），其次为“亚马逊盆地”（105次），而非洲水系（如刚果河和尼罗河）未进入前80，表明研究关注区域分布不均。高频关键词如“流量”（380次）、“水位”（341次）和“储水”（326次）表明研究高度集中于水文变量定量反演，但“洪水”（177次）远高于“干旱”和“灌溉”（均未进入前80），提示洪水相关应用比干旱监测和农业水资源管理更为突出。
3.4.2 Cluster Analysis
关键词共现聚类网络分为六个主要聚类：（1）红色聚类：以“卫星测高”、“河流”、“流量”和“SWOT”为中心，聚焦新一代测高任务的河流流量估算和水文监测，构成当前较为完整且紧密的研究主题。（2）蓝色聚类：以“湖泊”、“储水”、“ICESat-2”、“青藏高原”和“水位”为中心，在高精度激光测高卫星支持下，聚焦湖泊储水和水位变化，特别关注青藏高原。（3）黄色聚类：以“合成孔径雷达（SAR）”、“Envisat”、“湿地”和“波形重跟踪算法”为中心，反映SAR模式测高和波形重跟踪技术在湿地监测和淹没制图中的应用。（4）紫色聚类：以“内陆水体”、“CryoSat-2”和“排水”为中心，体现CryoSat-2测高在内陆水体监测中的应用。（5）浅蓝色聚类：以“T/P”和“验证”为中心，主要代表基于TOPEX/Poseidon任务的早期卫星测高研究，聚焦数据验证和精度评估。（6）绿色聚类：以“气候变化”、“降水”和“变率”为中心，反映气候驱动的降水变化对内陆水体水位和储水变率的影响研究。
3.4.3 Burst Analysis
高频词突现分析揭示了1991–2025年研究热点和技术的演变。技术探索阶段（1991–1995）未出现显著突现词。技术优化与多星集成阶段（1996–2017），T/P出现强突现（2004–2013，强度27.96），推动大尺度水文过程研究；代表性突现词包括“大湖”（2003–2014，强度5.54）、“亚马逊盆地”（2012–2014，强度5.93）、“水文模型”（2009–2015，强度4.96）和“淹没”（2006–2013，强度19.26），表明早期和中期研究主要涉及大型湖泊、大型河流和流域尺度水文应用。2014年后，研究逐渐转向内陆水体监测，“水位变化”（2014–2017，强度5.72）、“纳木错”（2014–2021，强度6.10）、“波形重跟踪”（2015–2019，强度6.83）和“储水变化”（2016–2021，强度6.13）等词相继突现。高分辨率与新传感器扩展阶段（2018年至今），突现模式发生显著变化：“SWOT”（2021–2025，强度2.52）和“哨兵卫星”（2021–2025，强度13.20）推动“地表水”成为最强突现词（2022–2025，强度17.01）；“水体体积”（2018–2022，强度10.69）和“水库”（2019–2022，强度7.69）也呈现高突现强度，表明研究关注从水位反演扩展到湖泊和水库储水估算。“干旱”（2023–2025，强度7.25）、“加利福尼亚”（2023–2025，强度1.70）和“温度”（2021–2025，强度4.80）仍为持续突现词，指示测高研究向水文气候极端事件延伸。“机器学习”（2022–2025，强度12.13）和“深度学习”（2022–2025，强度6.19）同时出现并持续活跃，其突现强度已超过传统“波形重跟踪”，表明人工智能正在渗透该领域，但应理解为方法论探索增强，而非取代传统算法。
4. Discussion
4.1 Evolution of Satellite Altimetry Technology and Sensors
卫星测高最初为海洋观测设计，1979年Miller等发现GEOS-3可监测湖泊水位。随后Jason和ERS系列等海洋测高任务被引入内陆水体研究，但由于重复周期长、精度和覆盖有限，主要适用于大型湖泊和宽河道。21世纪以来，测高传感器向高分辨率和多观测模式快速发展：CryoSat-2的合成孔径雷达/干涉合成孔径雷达（SAR/SARIn）模式显著提高了沿轨分辨率和对复杂地形的适应性；SARAL/AltiKa的Ka波段增强了垂直测高精度；ICESat-2采用光子计数激光雷达实现小足印和厘米级高精度观测，填补了中小型湖泊和窄河道监测空白；Sentinel-3/6通过开环跟踪和全波形SAR等技术进一步提升了监测能力。2022年发射的SWOT标志着从沿轨剖面测量向宽幅二维观测的转变，可同时获取水体边界、高程和面积等关键水文信息。未来任务包括欧洲空间局（ESA）的极地冰雪地形测高任务（CRISTAL）和海洋二号E星（HY-2E）等。总体而言，卫星测高正从传统单波束脉冲限幅测高向多模式干涉测高、高精度观测和高频次重访监测演进。
4.2 Evolution of Data Processing Algorithms and Hydrological Application Methods
卫星测高数据处理算法从直接使用海洋重跟踪器发展为专门针对内陆水体的算法。传统海洋算法难以适应复杂地形、陆地污染和多峰噪声波形，促进了专用重跟踪算法的发展，如冰-1重跟踪算法（ICE-1）、改进主峰值阈值重跟踪器（INPPTR）和偏移重心算法（OCOG），结合阈值分析、小波分解、子波形拟合和深度学习分类等方法，有效提高了复杂环境下的水位反演精度。对于多源测高数据融合，虚拟站方法、卡尔曼滤波和状态空间模型被广泛用于构建连续水位序列，跨平台偏差校正也用于提高不同任务数据的一致性。随着测高数据与水文模型耦合的加深，集合卡尔曼滤波、变分同化和机器学习被越来越多地用于流量反演、洪水预报、水资源评估和无测站流域模拟。目前，深度学习正逐步融入波形分类、误差校正、水位时间序列重建和洪旱事件识别等全流程。然而，密集植被覆盖、潮汐干扰、多源数据时空分辨率不匹配及局部区域数据质量不足等问题仍限制算法精度和适用性。未来研究将聚焦通用重跟踪算法、多源数据融合与误差校正，以及测高数据与水文-水动力模型的更深层集成，以改善小型水体监测并增强灾害预警能力。
4.3 The Application of Satellite Altimetry in Water Resources and Climate Change Research
卫星测高已广泛用于监测湖泊水位、河流流量和水库储水变化，并在气候变化影响评估和水资源管理中发挥重要作用。在气候变化影响方面，多任务长期记录揭示了不同区域湖泊的差异响应：青藏高原湖泊普遍呈扩张趋势，冰川融水是主要补给来源；干旱和半干旱地区湖泊动态受降水和人类活动共同影响，部分湖泊萎缩与农业灌溉和地下水过度开采相关；热带地区河流流量与海表温度异常表现出显著遥相关，合成孔径雷达（SAR）与测高数据联合使用在监测极端洪旱事件中有效。在水资源管理方面，卫星测高已应用于水库储水监测和跨境河流预报，ICESat-2支持建立了全球水库水位数据库，表明大多数水库水位呈下降趋势。然而，测高数据在农业用水监测中的应用仍然有限，人类活动（如水库调度和取水）的影响难以从气候信号中分离。总体而言，卫星测高是连接气候变化与水资源管理的重要工具，但需进一步改进小型水体监测、区分人为影响与气候信号，并推动业务化应用。
4.4 Research Hotspots, Gaps, and Future Directions
尽管卫星测高在内陆水体监测中已进入快速发展阶段，但文献计量和传统综述均表明当前研究在区域、方法和应用场景上分布不均。水位、储水和流量仍是主要研究对象，而与水文模型、灌溉和农业用水相关的应用关注较少。研究集中在青藏高原、南极、北美五大湖和亚马逊盆地，但刚果河等数据匮乏流域研究不足。以下研究空白可被识别：（1）小型复杂内陆水体监测：传统雷达测高任务受限于覆盖面积、重访周期和沿轨采样模式，主要适用于大型湖泊、水库和宽河道；ICESat-2和SWOT虽提高了空间分辨率，但小型水库、窄河道、植被密集湿地和洪泛区的连续监测仍困难，未来需整合高分辨率、高重访观测策略及多源传感器。（2）多源数据融合与不确定性量化：现有研究越来越多地结合雷达测高、激光测高、光学影像、合成孔径雷达和水文模型，但传感器在空间分辨率、时间采样、参考框架、校正模型和反演假设上的差异可引入系统偏差，影响长期一致性；未来需建立跨任务校准、偏差校正、不确定性传播和基准评估的标准化框架。（3）卫星测高与人工智能及水文/水动力模型集成有限：文献计量显示计算机科学、农业和水资源管理与主体研究联系较弱；机器学习虽已应用于波形分类、水位重建、水库储水估算和洪水预测，但模型泛化能力、物理一致性和可解释性仍是主要挑战，未来应发展混合框架，集成重跟踪算法、数据同化、水文约束和可解释人工智能。（4）卫星测高产品的业务化应用：许多研究展示了测高在洪水监测、水库管理、干旱评估和跨境水治理中的价值，但多数应用停留在回顾性分析或案例研究层面，缺乏及时性、标准化处理流程及与水文预报系统的集成；未来应强调近实时处理、公开基准数据集、自动化质量控制及与业务系统的接口，推动卫星测高从科学研究向业务化应用转变。总体而言，未来优先方向包括：（1）提高小型复杂水体的观测能力；（2）建立多源数据融合与不确定性评估的标准化框架；（3）加强测高技术、水文模型与物理约束人工智能的耦合；（4）推动在洪水预警、水库管理、农业用水和数据匮乏流域的业务化应用。
