中科院南京地理与湖泊所团队Water Resources Research:融合SWOT与多源卫星观测实现近每日水库水位监测

1. SWOT自身观测能力：

基于SWOT的水位观测频率对所有水库均超过每年20次，其中鹤地水库最高，达到38次（图4 展示了各水库的SWOT观测频率及水位动态）

。SWOT反演水位与原位数据对比显示出高精度（R² > 0.90，平均绝对误差MAE在0.08至0.21米之间），验证了其作为基准数据的可靠性（图5 展示了四个水库的验证结果）。

2. 通过面积-高程模型实现第一步加密：

多源影像提取的水面面积与SWOT水位建立的测高模型关系密切（大多数水库R² > 0.90）。应用此模型后，水位观测频率相比仅用SWOT提升了2-5倍。例如，雷子水库（无传统高度计覆盖）的观测次数大幅增加，证明了该方法对小型水库的有效性（图7 展示了重建后的水位时间序列）。

3. 通过传统高度计数据实现第二步加密：

对于有传统高度计覆盖的大型水库（如龙羊峡、丹江口），集成多源高度计数据可进一步增加观测点。其中，Sentinel-3提供的观测次数最多，ICESat-2精度最高。此步骤为丹江口水库额外增加了68个水位观测值，使其观测频率提升了86%（图8 展示了多源高度计数据的补充效果）。

4. 最终多源合成时间序列的验证：

最终的多源合成水位时间序列实现了近每日的观测频率。例如，龙羊峡水库的年观测次数从仅SWOT的23次增至164次，平均时间分辨率约2天。验证表明，合成序列能准确捕捉水位的季节性变化和短期波动（如东张水库2023年8月的快速上涨），与原位数据高度一致（图9 展示了四个水库的合成序列与原位数据对比）。

所有水库的整体精度评估显示，合成水位与原位数据相关性高（除鹤地水库R²=0.72外，其余均>0.88），MAE在0.11至0.46米之间（图10 和 表3 展示了不同数据源的反演精度对比，其中SWOT直接反演精度最高，测高模型法精度相对较低但换取了更高频率）。

• 误差来源：合成水位的主要误差来源包括：SWOT数据本身的大气延迟、复杂地形影响；测高模型中面积提取的不确定性，特别是对于岸线复杂（如鹤地水库）或有冰盖（如温泉水库）的情况；传统高度计之间的系统偏差及校准残差。然而，框架在显著提升时间分辨率的同时，将误差控制在了可接受范围内。

• 虚拟站选择的影响：案例分析表明，对于地形水文条件均一的水库（如东张水库），不同虚拟站提取的水位一致性很高；即使对于形态复杂的丹江口水库，不同虚拟站的结果也表现出强一致性（图11 展示了对比结果）。这说明基于规则的虚拟站选择方法具有鲁棒性。

• 框架的全球应用潜力：通过分析全球8263个大于1km²的水库，图12 表明，大多数水库通过本框架可获得每年超过100次的水位观测，大型水库（>500 km²）甚至可超过300次，具备近每日监测潜力。观测频率受纬度（高纬度因卫星重叠覆盖而频率更高）、水库大小和地形影响。本框架具有可扩展性和在全球范围内应用的潜力。