基于遥感河流宽度的河道径流反演
作者：Peirong Lin , Dongmei Feng，Colin J. Gleason等
通过卫星数据获取河流宽度、高度和坡度等水力参数，准确估算河流流量是遥感流量(RSQ)领域的主要目标。随着计算能力、传感器进步和SWOT卫星任务发射，RSQ逐渐应用于全球尺度范围。本研究基于Bayesian AMHG-Manning (BAM)算法和地貌增强变量(geoBAM)，从全球35万景Landsat影像中提取3公里以上河流的多时相河宽，对全球3000多个观测站进行逐日流量反演。研究选择了6个关键因子来评估对RSQ精度的影响。结果表明，在影响RSQ反演精度的因素中，河道地貌参数和气候干旱度最为敏感，其中最佳条件为高地貌参数值、湿润环境，以及中等宽度变异性、叶面积指数和河宽。本研究利用多个全球可公开获取的数据来改进全球RSQ反演精度，充分挖掘数据的可用性，评估了RSQ算法在适应全球范围内的河流流量的可行性。未来随着SWOT关于河流阶段/坡度的信息补充将提高RSQ反演精度，结合河流水力变量的地理空间数据、水文气候学、地貌学和水力学的综合知识，有可能极大地提高对全球流量变化的监测能力。
（来源: Remote Sensing of Environment. 287, 113489(2023). DOI:10.1016/j.rse.2023.113489）