从岸线提取到水库库容：Sentinel-2固定流域水深测量方法基准测试

《Remote Sensing Applications: Society and Environment》：From shoreline delineation to reservoir storage: benchmarking Sentinel-2 methods for fixed-basin bathymetry

　　

准确的岸线提取对于将卫星影像转化为水库水深测量和库容产品至关重要，然而其下游影响仍未得到充分量化。研究人员以墨西哥中部五座水库的Sentinel-2影像为数据源，对光谱指数、基于场景分类层（SCL）的基线方法、像素级机器学习、U-Net、Transformer模型以及SAM 2自动提示（AutoPrompt）工作流进行了基准测试。入选的岸线提取策略被纳入由无人水面艇（USV）深度测深和水文水位支持的固定流域水深测量工作流中。改进型归一化差异水体指数（MNDWI）被保留为跨水库的唯一业务化方法，而按水库自适应的方案则为Cointzio选择了归一化差异水体指数（NDWI），为Queréndaro、Soledad、Esperanza和Mata选择了U-Net。下游库容敏感性评估在四座水库中得以实现；Mata因缺乏配对水文支持而被排除。以人工/矢量岸线衍生的库容为参考，自适应选择降低了Cointzio、Soledad和Esperanza的库容误差，但Queréndaro在全局MNDWI下误差更低，尽管自适应U-Net的岸线重叠度更高。因此，分割性能本身并不能决定下游水文性能。在所评估的中小型内陆水库范围内，MNDWI在基准性能、稳健性、可解释性、计算效率和物理一致性之间提供了选定的业务化折衷方案。自适应选择在识别水库特定替代方案时仍具价值，但仅在配对下游评估确认库容效益的情况下适用。这些结论适用于光学、地貌、岸线和文条件相当的水库，并未建立对未见水库的泛化能力。

从岸线提取到水库库容：Sentinel-2固定流域水深测量方法基准测试——论文解读

一、研究背景与科学问题

水库库容的可靠估算对于水资源管理至关重要，因为水库支撑着供水、灌溉、防洪和能源生产。然而，许多系统的库容因泥沙淤积而逐渐下降，这使长期规划和基础设施运营变得复杂。与此同时，传统水深测量调查劳动强度大、成本高，因此往往频率较低或空间覆盖有限。近年研究表明，将Sentinel-2影像与水文信息相结合，可以以相对较低的误差支持可扩展的水深测量和库容变化估算。在先前工作中，研究人员已证明将无人水面艇（USV）获取的原位深度测深与Sentinel-2光谱信息相结合，为墨西哥水库的水深测绘提供了可行的多源框架。

尽管取得了上述进展，一个主要的不确定性来源仍未得到充分解决：岸线提取。在卫星辅助水深测量工作流中，水体边界并非中性的预处理产品，因为它直接影响推断流域形态和后续估算库容的空间支撑范围。这一问题在Sentinel-2和Landsat空间分辨率下尤为突出，因为陆地-水体过渡在像元尺度上经常混合，阈值敏感性可使提取的岸线沿复杂边缘位移一个或多个像元。即使是适度的位置误差，当它们沿浅水沿岸带和长周长累积时，也可能在业务上变得重要，因为小的平面位移可传播为面积和体积偏差。

内陆水体的岸线提取还因邻接效应、漂浮或挺水植被、浊度梯度、阴影和光照变化而进一步复杂化，所有这些都会改变水体与周围陆地之间的光谱对比度。在此类条件下，视觉上可接受的提取结果在跨水库、日期或岸线类型间仍可能不稳定，因此可能不适合下游地貌和水文应用。问题不仅在于获得分割意义上的高度一致性，还在于生成在基准条件下空间稳健且对水深重建和库容估算具有物理意义的岸线。

一个反复出现的空白是，卫星辅助水深测量和水库库容研究中的岸线提取往往仅作为孤立的分割问题进行验证，通常通过交并比（IoU）、Dice系数或F1等区域指标，而未量化替代掩膜如何传播到水深重建和库容估算中。相反，许多从卫星观测估算水库库容的研究依赖单一水体范围提取策略或产品，主要关注高程面积关系建模、面积-高程-体积曲线或测高集成，使提取选择基本未经检验。因此，需要一种端到端基准测试，在现实多水库条件下比较岸线提取方法，不仅通过分割指标评估，还通过其下游物理后果进行评估。

二、研究设计与技术方法

研究人员在墨西哥中部选取了五座内陆水库——米却肯州的Cointzio和Queréndaro，以及瓜纳华托州的Soledad、Esperanza和Mata——以代表小型至中型内陆水体，涵盖对比鲜明的岸线几何形态、周边土地覆盖条件和水体范围。所有五座水库均纳入Sentinel-2岸线提取基准测试，而下游固定流域体积分析仅限四座水库，因为Mata缺乏将调查河床高程与水位记录配对的必要水文支持。

研究人员使用了以下关键技术方法：第一，Sentinel-2 Level-2A地表反射率影像，通过Microsoft Planetary Computer获取，采用固定云覆盖率阈值（<10%）、MGRS瓦片匹配和日期级去重；第二，九种经典光谱水体指数（包括NDWI、MNDWI、AWEIsh、AWEInsh、LSWI、ANDWI、MBWI、MuWIR和SWI），均采用Otsu自动阈值和统一后处理方案；第三，基于场景分类层（SCL）的基线和SCL+SWI混合基线；第四，随机森林（RF）和XGBoost像素级机器学习分类器；第五，U-Net卷积神经网络基线；第六，基于RGB输入的SegFormer和Mask2Former Transformer分割模型；第七，SAM 2基础模型，采用两种可复现的自动提示工作流（RGB自动提示和MNDWI自动提示）。原位水深数据由配备单波束回声测深仪和全球导航卫星系统（GNSS）接收机的小型无人水面艇（USV）采集，水文水位信息来自墨西哥国家水库监测系统（SINA）。

三、主要研究结果

3.1 五水库基准测试排名

在15个手工标注场景（每水库三个日期）的Tier-1基准中，MNDWI以平均IoU 0.823排名第一，其次为ANDWI（0.819）和U-Net（0.805）。MNDWI同时具有较高的精度（0.919）和召回率（0.897），第10百分位IoU为0.693，标准差为0.127，表现出良好的下尾稳健性和低变异性。Transformer模型（SegFormer和Mask2Former）表现较差，平均IoU分别为0.343和0.304。SAM 2 RGB自动提示表现最差（IoU 0.1），而SAM 2 MNDWI自动提示表现中等（IoU 0.732）。

3.2 全局与自适应方法选择

全局业务化方案选择MNDWI作为跨水库的单一方法。自适应按水库选择方案则为Cointzio选择NDWI，为Queréndaro、Soledad、Esperanza和Mata选择U-Net。这一选择同时考虑了基准重叠性能、下尾行为、变异性、全档案操作覆盖率和空间合理性门控。

3.3 下游固定流域库容敏感性评估

在可进行下游评估的四座水库中，全局MNDWI方案的库容绝对相对误差中位数分别为：Cointzio 0.18%、Queréndaro 2.47%、Soledad 2.84%、Esperanza 4.55%。自适应方案将Cointzio的误差降至0.08%，Soledad降至1.97%，Esperanza降至3.49%。然而，Queréndaro在自适应U-Net下误差反而升至14.18%，尽管其岸线重叠度更高（自适应IoU 0.871 vs 全局0.841）。这一关键发现表明，分割性能本身并不能决定下游水文性能。

3.4 关键发现

MNDWI在基准性能、稳健性、可解释性、计算效率和物理一致性之间提供了选定的业务化折衷方案。自适应选择在识别水库特定替代方案时具有价值，但仅在配对下游评估确认库容效益的情况下适用。研究结论适用于光学、地貌、岸线和水文条件相当的水库，未建立对未见水库的泛化能力。

四、讨论与结论

本研究的核心贡献在于：第一，识别了具有可辩护性的基准全域业务化岸线提取策略（MNDWI）；第二，将其与业务化按水库自适应方案进行了比较；第三，检验了基于分割的选择在传播到水深重建和水库库容估算时是否保持物理稳定性。研究设计的关键优势在于，在共享的Tier-1评估框架下比较了涵盖光谱指数、SCL基线、机器学习、卷积深度学习、Transformer和SAM 2的多种完整岸线提取流水线，随后进行业务化全局与自适应选择以及下游固定流域库容敏感性评估。

研究结论指出，在评估的中小型内陆水库范围内，MNDWI作为单一全局业务化方法提供了最佳的综合权衡。自适应选择虽然能识别水库特定替代方案，但必须通过配对下游评估确认其库容效益后方可采用，因为Queréndaro的案例表明，更高的分割重叠度并不必然转化为更低的下游库容误差。该研究将岸线提取不仅作为分割问题评估，而且作为影响用于水库监测的水深测量和库容产品的建模决策进行评估。