标题
Mapping drawdown-zone bathymetry using SWOT observations: implications for global monitoring of lake inundation and storage changes
背景
作者
Lingyang Liu , Kai Liu , Pengfei Zhan, Chunqiao Song
期刊来源
链接
摘要
高精度绘制湖泊水位下降地形对于理解水文过程、生物地球化学循环和水资源管理至关重要。然而，现有方法受限于空间覆盖不足、成本高昂，或无法捕捉因水位波动引起的地形动态暴露。最近发射的地表水与海洋地形（SWOT）卫星配备了Ka波段雷达干涉仪，能够精确测量水面及相邻过渡带的高程。这些独特能力为重建动态湖泊地形提供了新机遇，但有效的多时段SWOT观测整合方法仍然缺乏。为弥补这一空白，开发并验证了一种新方法------空间迭代滤波与加权平均融合（SIF-WAF），能够以高完整性和准确性生成下降地形。通过利用SWOT的宽幅高频观测，多时段高程数据通过空间约束滤波和加权平均融合到互补的DEM源中，增强重建地形的鲁棒性和覆盖性。SIF-WAF方法于2023年7月至2024年7月期间，利用SWOT数据应用于全球十个具有代表性的湖泊，涵盖了多种气候、水文和地貌条件。与ICESat-2数据的验证表明，该方法在大多数情况下重建了95%以上的水降地形，平均绝对误差低于1米。此外，通过将衍生地形与Landsat/哨兵虚拟星座的图像整合，我们成功重建了密集的水位时间序列，实现了高验证精度在捕捉季节性和长期变化方面。这些发现表明SIF-WAF能够实现湖泊水位地形的稳健高精度重建，并展现出强大的应用潜力。全球分析进一步显示，约17%的全球湖泊区域具有季节性暴露，特别是在亚马逊盆地、西非、东亚和南亚地区，可以通过SWOT和SIF-WAF进行重建。总体而言，研究强调了SWOT在动态绘制湖泊水位深度图中的前所未有能力，并强调其对全球监测湖泊淹没和储存变化的更广泛意义，尤其是在气候变异加剧的情况下。
研究区域以及数据来源
十个研究地点：四个天然湖泊（拉古纳兰坎克洛湖、咸海、卓奈湖和鄱阳湖）和六个水库（格林纳达水库、富姆格莱塔水库、卡霍夫卡水库， 通加巴德拉水库、西尔西水库和卫星水库）
研究使用SWOT光栅数据（SWOT_L2_HR_Raster_2.0 C版）以100米的空间分辨率重建了下降地形。仅采用了2023年7月至2024年7月的"科学"阶段观测，以保持时间完整性和数据质量。该数据集提供了250米和100米空间分辨率的地表水高程测量，选择100米版本以更好地捕捉水位下降地形的细微尺度特征。
研究使用了Landsat-4、5、7、8和9号卫星以及哨兵卫星2A/B的图像，提取了研究地点内特定时间段的水域范围。由于Landsat-8/9与SWOT卫星同期运行，因此它们被用于从2023年7月到2024年7月间为每个研究地点提取水域范围。
算法
预计方法为：（1）下降带确定： 利用2023年7月至2024年7月的Landsat-8/9图像识别每月下降带，然后结合确定最大可重构区域。（2）SWOT预处理： SWOT数据通过格式转换、关键变量提取、坐标系重投影以及多轮质量控制顺序处理。（3）**降级地形重建：**采用SIF-WAF方法整合多时段SWOT数据。初步重建通过去除孤立像素和填充数据空隙，进一步完善以生成最终的拉下拓扑图。
降水区确定
为了重建最广泛且最准确的下降区地形，必须排除位于水域覆盖区域的数据。因此，必须获得一个高时频的降压区掩膜。由于SWOT栅格产品缺乏与PIXC产品相当的分类字段，采用了多光谱卫星方法提取水体遮罩，进而推导出排水区掩膜。Landsat-8/9卫星与SWOT卫星的运行周期相符，用于提取每个研究地点的月度水域范围。抽取水域范围结果随后通过人工目视检查进行质量控制。水位下降带遮罩是通过从1984年至2020年历史最大湖泊范围中扣除月度水域范围获得的。该边界被用作约束，因为边界之外的地形已被现有的全球DEM准确表示。因此，评估SWOT在该边界内重建撤退地形的能力更具意义。为减少同一研究地点内月度回放区掩码不一致对SWOT数据的影响，随后通过合并所有撤退区掩膜作为统一范围，生成了最大可重建带。
地形重建中的空间迭代过滤
为解决影响降落地形重建的多时段SWOT数据质量不一致，提出了一种空间迭代过滤方法。该方法通过利用高程空间自相关和地形变化的连续性，消除了多时段SWOT数据中的异常值。首先，所有SWOT数据的空间范围被标准化，并按时间顺序叠加成一个三维空间数据立方体，每个研究地点的像素都完美对齐。
地形重建中的降水地形优化
由于各个区域的复杂性和数据质量问题，最初重建的下沉拓扑可能包含离散或缺失的像素。为了生成更完整且空间连续的下沉区表示，进行了两阶段的融合后优化：
（1）离散像素去除和（2）像素空洞填充。第一阶段依次应用3×3和5×5滑动窗口，计数中心像素周围有效像素的数量。采用了保守的"有效像素数<2"阈值来识别和移除离散像素，从而避免产生新的空洞。在移除离散像素后，接着应用了5×5的滑动窗口来填充像素空洞。为了最大限度地减少较大的插值误差并更好地利用可用周围的值，当存在超过4个有效像素时，使用滑动窗口中有效像素的平均值来填充中央缺失的像素。通过这一优化过程，基于SWOT数据重建的最终撤水地形实现了高度空间连续性和更高精度，实现了完整性和精确性双重目标。
结果分析
基于SIF-WAF方法，利用SWOT数据重建了海拔从--3.21米到4,759.69米不等的十个研究点的水压地形。格林纳达水库、富姆格莱塔水库、通加巴德拉水库、卓奈湖、卫星水库、锡尔西水库和鄱阳湖的排水区比例（即成功重建的非永久性水区比例）重建超过95%，显示SWOT观测在绘制排水地形图方面具有高度潜力。相比之下，拉古纳兰坎克洛湖、卡霍夫卡水库和咸海的重建比例相对较低，分别为53.87%、87.08%和52.74%。主要限制因素包括轨道间隙和干旱导致地表干燥导致的数据丢失。具体来说，SWOT宽20公里的天底缺口在上升和下降轨道带交汇处形成了一个菱形的理论隐形区域。此外，在咸海的下水区，自20世纪60年代以来长期的收缩导致土壤水分变干，削弱了SWOT KaRIn仪器接收到的反向散射信号。
在拉古纳兰坎克洛湖、咸海和卓奈湖，重构的下水地形与ICESat-2之间的一致性也很强。它们拟合的回归斜率接近1，且R。2值超过0.90，反映SWOT衍生的下沉地形与ICESat-2高度高度对齐。相反，格林纳达水库、富姆格莱塔水库、通加巴德拉水库、卫星水库和西尔西水库的拟合结果相对较差，R为2分别为0.57、0.61、0.77、0.58和0.47。这一比较表明，当SIF-WAF方法应用于SWOT数据时，可能更适合自然湖泊而非水库。
潜力
将DR低于10%的湖泊和水库归类为低重建价值（灰色）。在重建值（DR > 10%）较高的湖泊和水库中，SWOT卫星每年观测20至40次比例最高，而每年观测不到10次的比例最低。这表明，对于大多数高建设价值湖泊和水库，已有足够的SWOT观测数据来重建其水位下降地形。在比较自然湖泊和水库群时，后者通常表现出较大的DR，这很可能是由于人类对水位的主动调节所致。此外，DR与湖泊大小有显著相关性，即较小的湖泊通常DR较高，而较大的湖泊通常更稳定，季节性变化较小，尤其是在北纬高纬度地区。研究提出的方法具有强大的全球应用潜力，能够支持全球范围内湖泊淹没及水储存能力变化的分析与监测。
