卫星雷达测高水位数据产品在中国区河流的监测精度评价

doi:10.11873/j.issn.1004-0323.2022.1.0061

遥感技术与应用

2022, Vol. 37

Issue (1): 61-72 DOI: 10.11873/j.issn.1004-0323.2022.1.0061

青促会十周年专栏

卫星雷达测高水位数据产品在中国区河流的监测精度评价

雷逍(

),柯灵红(

),雍斌,张金山,曹倩怡

河海大学水文水资源学院，江苏南京 210098

Evaluation of River Water Level Monitoring from Satellite Radar Altimetry Datasets over Chinese Rivers

Xiao Lei(

),Linghong Ke(

),Bin Yong,Jinshan Zhang,Qianyi Cao

College of Hydrology and Water Resources，Hohai University，Nanjing 210098，China

全文: PDF(6104 KB) HTML

摘要：

河流水位监测对于淡水资源供应、灾害预防至关重要，同时关系到气候变化及其对水循环影响的理解和应对。随着卫星遥感技术的发展，基于卫星平台的河流水位观测提供了一种新型的自动化、长时序、低成本的河流监测方案。对于卫星雷达河流观测数据的原理、特征和精度的把握是产品应用的首要条件。研究总结了目前国际上3种主要的卫星雷达河流观测数据集Hydroweb、DAHITI、GRRATS及主要卫星传感器的特征和现状，并结合我国境内32个水位站实测数据（2008~2018）开展了精度验证及分析。验证结果表明：Hydroweb数据集整体精度（RMSE平均0.70 m）高于DAHITI（RMSE平均1.29 m）与GRRATS（RMSE平均3.21 m）。Hydroweb数据集大量使用Sentinle-3卫星观测数据，Sentinel-3卫星水位观测精度（RMSE平均为0.51 m）显著高于Envisat（RMSE平均为3.34 m）与Jason卫星（Hydroweb与GRRATS的Jason卫星RMSE平均分别为1.69 m与2.96 m）。3个数据集均应用了Jason卫星，3个数据集基于Jason卫星均在个别站点有较好结果，其中DAHITI在高村站精度最高（RMSE为0.22 m），但3个数据集精度均不稳定（5/9的站点RMSE大于2 m）。另外河流干湿季水位变化与河流周边的小型湖泊、水塘、季节性水体会影响水位观测的精度。本研究为相关水位测高数据集应用提供指导，同时对明晰现有水位提取算法在我国区域的问题及将来可能算法改进研究提供参考。

关键词： 河流水位; 雷达高度计; 测高数据集; 精度评价

Abstract:

The water surface level is essential for the assessment of fresh water resources， disaster prevention， and highly related to the understanding and response to climate change and its impact on water cycle. With the development of remote sensing technology， observation of water level based on satellite platforms provides an alternative way of river water level monitoring featured by automated， long-time， and low-cost river monitoring solution. The principle， characteristics and accuracy of satellite-based river observations are the basis for applications. In this paper， the characteristics and accuracy of three major satellite river water level datasets， Hydroweb， DAHITI， GRRATS are summarized verified with in-situ water level measurements from gauge stations in China. Taking water level time series derived from the Jason mission， we evaluated the accuracy of different water level retrieval algorithms employed by the three datasets. The global accuracy of the Hydroweb dataset （average RMSE 0.70 m） is higher than the other two sources （average RMSE 1.29 m and 3.21 m for the DAHITI and GRRATS）， and that is owing to the usage of a large number of Sentinel-3 observations which are characterized by smaller footprints and Synthetic Aperture Radar （SAR） and the on-board tracking system in open-loop. The accuracy of river water level derived from the Sentinel-3 mission （with average RMSE of 0.51 m） is significantly higher than that of ENVISAT （with average RMSE 3.34 m） and Jason （with average RMSE 1.69 m for Hydroweb and 2.96 m for GRRATS）.Generally， the three datasets can capture reliable river water level changes at some stations （with RMSE < 1.2 m and R² > 0.8）， but their performances vary considerably among different stations （with RMSE > 2 m for majority of the evaluated stations）. Among all the stations， the Gaocun virtual station from the DAHITI dataset shows the highest accuracy （RMSE 0.22 m）. In addition， the variation of river water level in dry and wet seasons and the small lakes， ponds and seasonal water around rivers pose significant influences on the accuracy of retrieved water level. This study provides guidance for future applications of relevant data sets， and also highlights the challenges of accurate water level retrieval over land surface conditions in China as well as the necessity of algorithm improvement in the future.

Key words: Stage of river Radar altimetry Altimetry data set Accuracy evaluation

收稿日期: 2021-06-15 出版日期: 2022-04-08

ZTFLH:

P332

基金资助: 国家重点研发计划(2018YFA0605400);中央高校基本科研业务费专项资金(B210202003)

通讯作者: 柯灵红 E-mail: leixiao@hhu.edu.cn;kelinghong@hhu.edu.cn

作者简介: 雷逍（1997-），男，四川宜宾人，硕士研究生，主要从事河流水文遥感研究。Email：leixiao@hhu.edu.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	雷逍
	柯灵红
	雍斌
	张金山
	曹倩怡

引用本文:

雷逍,柯灵红,雍斌,张金山,曹倩怡. 卫星雷达测高水位数据产品在中国区河流的监测精度评价[J]. 遥感技术与应用, 2022, 37(1): 61-72.

Xiao Lei,Linghong Ke,Bin Yong,Jinshan Zhang,Qianyi Cao. Evaluation of River Water Level Monitoring from Satellite Radar Altimetry Datasets over Chinese Rivers. Remote Sensing Technology and Application, 2022, 37(1): 61-72.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2022.1.0061 或 http://www.rsta.ac.cn/CN/Y2022/V37/I1/61

表1 卫星测高数据集信息

图1 全国虚拟站点分布图审图号：GS（2016）2886

表2 测高数据集使用卫星主要信息

表3 全国河流可验证站点验证结果

图2 3种数据集精度评价结果箱型图

表4 不同数据集Jason卫星观测结果验证

图3 Jason水位观测结果与实测结果对比

图4 Hydroweb数据集Sentinel-3水位观测结果与实测结果对比

图5 GRRATS数据集Envisat水位观测结果与实测结果对比

图6 典型站点干湿季卫星水位与实测水位对比图

表5 干湿季水位精度统计

图7 Sentinel-3卫星水位精度空间分布审图号：GS（2016）2886

图8 不同地表环境下的水位提取精度

1	Yuan Cui. Applied research on radar altimetry over inland waters［D］. Beijing： The University of Chinese Academy of Sciences （Institute of Remote Sensing and Digital Earth），2017.
1	袁翠. 基于雷达高度计的内陆水体应用研究［D］.北京：中国科学院大学（中国科学院遥感与数字地球研究所），2017.
2	Haddeland I， Heinke J， Biemans H， et al. Global water resources affected by human interventions and climate change［J］. Proc Natl Acad Sci USA， 2014， 111（9）：3251-3256.
3	Jiang L， Nielsen K， Dinardo S， et al. Evaluation of Sentinel-3 SRAL SAR altimetry over Chinese rivers［J］. Remote Sensing of Environment， 2020， 237. DOI：10.1016/j.rse.2019. 111546 doi: 10.1016/j.rse.2019. 111546
4	Li Jiazhen， Guo Xinlei， Gong Tongliang， et al. A method estimating natural runoff in regions with none or less data［J］. Journal of Hydraulic Engineering， 2018， 49（11）：1420-1428.
4	李甲振，郭新蕾，巩同梁，等. 无资料或少资料区河流流量监测与定量反演［J］. 水利学报， 2018， 49（11）：1420-1428.
5	Ma Jin， Lu Shanlong， Qi Jianguo， et al. Research of river discharge estimation model based on remote sensing in lack of hydrological data area［J］. Science of Surveying and Mapping，2019，44（5）：188-194.
5	马津，卢善龙，齐建国，等.水文资料缺乏区河流流量遥感估算模型研究［J］.测绘科学，2019，44（5）：184-190.
6	Shanlong L U， Bingfang W U， Yan N， et al. Progress in river runoff monitoring by remote sensing［J］. Advances in Earth Science， 2010， 25（8）：820-826.
7	Wang Hong， Sun Fubao， Yang Tao， et al. Application of Jason_2 satellite altimetry data to water level monitoring in the middle reaches of the Yangtze River［J］. Ecology and Environmental Monitoring of Three Gorges，2018，3（3）：48-54.
7	王红，孙福宝，杨涛，等. Jason_2卫星测高数据在长江中游水位监测中的应用［J］. 三峡生态环境监测，2018，3（3）：48-54.
8	He Fei， Liu Zhaofei， Yao Zhijun. Evaluation of the monitoring accuracy of lake water level by the Jason-2 Altimeter satellite［J］.Journal of Geo-Information Science，2020，22（3）：164-174.
8	何飞，刘兆飞，姚治君. Jason-2测高卫星对湖泊水位的监测精度评价［J］. 地球信息科学学报，2020，22（3）：164-174.
9	Leon J G， Calmant S， Seyler F， et al. Rating curves and estimation of average water depth at the upper Negro River based on satellite altimeter data and modeled discharges［J］. Journal of Hydrology， 2006， 328（3-4）：481-496.
10	Guo Jinyun， Chang Xiaotao， Sun Jialong. Waveform retracking of satellite radar altimeter and applications［M］. Beijing：Surveying and Mapping Press， 2013.
10	郭金运，常晓涛，孙佳龙. 卫星雷达测高波形重定及应用［M］. 北京：测绘出版社， 2013.
11	Wingham D J， Rapley C G， Griffiths H D. New Techniques in Satellite Altimeter Tracking Systems［C］∥ IGARSS 86 Symposium. 1986.
12	Jain M， Andersen O B， Dall J， et al. Sea surface height determination in the Arctic using Cryosat-2 SAR data from primary peak empirical retrackers［J］. Advances in Space Research， 2015， 55（1）：40-50.
13	Hwang C， Guo J， Deng X， et al. Coastal gravity anomalies from retracked Geosat/GM altimetry： Improvement， limitation and the role of airborne gravity data［J］. Journal of Geodesy， 2006， 80（4）：204-216.
14	Cretaux J F， Nielsen K， Frappart F， et al. Hydrological Applications of Satellite AltimetryRivers， Lakes， Man-Made Reservoirs， Inundated Areas［M］. CRC Press，2017.
15	Yue H， Liu Y， Wei J. Dynamic change and spatial analysis of Great Lakes in China based on hydroweb and landsat data［J］. Arabian Journal of Geosciences， 2021， 14（149）. DOI：10.1007/s12517-021-06518-4 doi: 10.1007/s12517-021-06518-4
16	Keys T A， Scott D T. Monitoring volumetric fluctuations in tropical lakes and reservoirs using satellite remote sensing［J］. Lake and Reservoir Management， 2018， 34（2）：154-166.
17	Dka B， Hla B， Ebc D， et al. Estimating discharges for poorly gauged river basin using ensemble learning regression with satellite altimetry data and a hydrologic model［J］. Advances in Space Research， 2019，68（2）：607-618.
18	Rai A K， Gaurav K. Satellite altimeter to estimate discharge of the Ganga River［C］∥ EGU General Assembly 2021，2021.
19	Jamro S， Naseer T， Zaidi A， et al. A comparative analysis of altimetry derived water levels with in-situ Gauge data on river indus［C］∥ IGARSS 2019-2019 IEEE International Geo-science and Remote Sensing Symposium. IEEE， 2019.
20	Silva J S D， Calmant S， Seyler F， et al. Water levels in the Amazon basin derived from the ERS 2 and ENVISat radar altimetry missions［J］. Remote Sensing of Environment， 2010， 114（10）：2160-2181.
21	Cretaux J F， Jelinski W， Calmant S， et al. SOLS： a lake database to monitor in the Near Real Time water level and storage variations from remote sensing data［J］. Advances in Space Research， 2011， 47（9）：1497-1507.
22	Cassandra N， Frédéric Frappart， Diepkilé Adama Telly， et al. Evolution of the performances of radar altimetry missions from ERS-2 to Sentinel-3A over the Inner Niger Delta［J］. Remote Sensing， 2018， 10（6）：833.doi： 10.3390/rs10060833 doi: 10.3390/rs10060833
23	Schwatke C， Dettmering D， Bosch W， et al. DAHITI-an innovative approach for estimating water level time series over inland waters using multi-mission satellite altimetry［J］. Hydrology & Earth System Sciences， 2015， 19（10）：4345-4364.
24	Kalman R E. A New approach To linear filtering and prediction problems［J］. Journal of Basic Engineering， 1960， 82D：35-45.
25	Coss S， Durand M， Yi Y， et al. Global river radar altimetry time series （GRRATS）： new river elevation earth science data records for the hydrologic community［J］. Earth System ence Data Discussions， 2020，12（1）：137-150.
26	Allen G H, Pavelsky T. Characterizing worldwide patterns of fluvial geomorphology and hydrology with the Global River Widths from Landsat (GRWL) database[C]∥ American Geophysical Union, Fall Meeting, 2015(1): H41E-1360.
27	Allen G H， Pavelsky T M. Global extent of rivers and streams［J］. Science， 2018，361（6402）： 585-587.
28	Hydrology Bureau of the Ministry of Water Resources of the People's Republic of China. Hydrology Yearbook of the People's Republic of China [M]. Beijing: Hydrology Bureau of the Ministry of Water Resources of the People's Republic of China, 2005-2018.
28	中华人民共和国水利部水文局.中华人民共和国水文年鉴[M].北京:中华人民共和国水利部水文局,2005-2018.
29	Huang Q， Long D， Du M， et al. An improved approach to monitoring Brahmaputra River water levels using retracked altimetry data［J］. Remote Sensing of Environment， 2018， 211：112-128.
30	Pekel J F， Cottam A， Gorelick N，et al. High-resolution mapping of global surface water and its long-term changes［J］. Nature， 2016，540：418-422
31	Kittel C， Jiang L， Tttrup C， et al. Sentinel-3 radar altimetry for river monitoring-a catchment-scale evaluation of satellite water surface elevation from Sentinel-3A and Sentinel-3B[J]. Hydrology and Earth System Sciences， 2020，25：333-357.
32	Villadsen H， Deng X， Andersen O B， et al. Improved inland water levels from SAR altimetry using novel empirical and phy-sical retrackers［J］. Journal of Hydrology，2016，537：234-247.
33	Gao Xiang， Pang Xiaoping， Ji Qing. Spatiotemporal variation of sea ice freeboard in the antarctic weddell sea based on CryoSat-2 altimeter data［J］. Geomatics and Information Science of Wuhan University，2021，46（1）：125-132.
33	高翔，庞小平，季青. 利用CryoSat-2测高数据研究南极威德尔海海冰出水高度时空变化［J］. 武汉大学学报•信息科学版，2021，46（1）： 125-132.
34	Jin Xiang， Hui Li， Zhao Jiayang，et，al. Inland water level measurement from spaceborne laser altimetry： Validation and comparison of three missions over the Great Lakes and lower Mississippi River［J］.Journal of Hydrology，2021.DOI：10.1016/ j.jhydrol.2021.126312 . doi: 10.1016/ j.jhydrol.2021.126312
35	Sorkhabi O M， Asgari J， Amiri-Simkooei A. Wavelet decomposition and deep learning of altimetry waveform retracking for Lake Urmia water level survey［J］. Marine Georesources & Geotechnology， 2021：1-11.
36	Bogning S， Frappart F， Paris A，et al.Hydro-climatology study of the Ogooué River basin using hydrological modeling and satellite altimetry［J］.Advances in Space Research，2021：672-690.

[1]	除多,郑照军,拉巴卓玛,次丹玉珍. 基于Landsat-8 OLI的青藏高原IMS 4 km雪冰产品精度评价[J]. 遥感技术与应用, 2021, 36(6): 1223-1235.
[2]	崔洪彬,郭伟,王彩云,王特. 基于有源定标器的HY-2B卫星雷达高度计时钟频率偏差在轨测试[J]. 遥感技术与应用, 2021, 36(3): 581-586.
[3]	董超,赵庚星. 时序数据集构建质量对土地覆盖分类精度的影响研究[J]. 遥感技术与应用, 2020, 35(3): 558-566.
[4]	张宇飞,蒋兴伟,马超飞. 基于现场观测的星载雷达高度计定标方法进展[J]. 遥感技术与应用, 2019, 34(6): 1190-1196.
[5]	杨双宝，翟振和，许可,王志森，史灵卫，王磊，崔海英，徐曦煜. 合成孔径雷达高度计数据处理方法[J]. 遥感技术与应用, 2017, 32(6): 1083-1092.
[6]	周胜男，车涛，戴礼云. 基于地面站点类型代表性的积雪遥感产品精度评价[J]. 遥感技术与应用, 2017, 32(2): 228-237.
[7]	葛莉,习晓环,王成,Khun\-Neay Khuon. ICESat-1/GLAS数据湖泊水位监测研究进展[J]. 遥感技术与应用, 2017, 32(1): 14-19.
[8]	于小淇,邱玉宝,阮永俭,石利娟,拉巴卓玛. 高亚洲地区无云积雪遥感二值产品对比和精度验证分析[J]. 遥感技术与应用, 2017, 32(1): 37-48.
[9]	徐永生,高乐,张云华. 美国新一代测高卫星SWOT—评述我国宽刈幅干涉卫星的发展借鉴[J]. 遥感技术与应用, 2017, 32(1): 84-94.
[10]	张国首,苗洪利,王桂忠,郭迎婷,荆玉洁,张杰. 雷达高度计海况偏差估计不同纬度区间参数模型研究[J]. 遥感技术与应用, 2016, 31(6): 1054-1058.
[11]	蒋璐媛,肖鹏峰,冯学智,李云,朱榴骏. 基于亚分数混淆矩阵的中国典型区大尺度土地覆盖数据集评价[J]. 遥感技术与应用, 2015, 30(2): 353-363.
[12]	郭钇宏,王博,刘勇,杨亦宁 . 综合优度法和不一致性法的最优分割参数选择方法[J]. 遥感技术与应用, 2014, 29(3): 489-497.
[13]	赵涌泉,单小军,唐娉. 低空间分辨率多源遥感数据的空间一致性分析和相对几何校正[J]. 遥感技术与应用, 2014, 29(1): 155-163.
[14]	陈超,秦其明,池长艳,蒋洪波,刘明超. 一种Curvelet变换和IHS变换相结合的遥感图像融合方法[J]. 遥感技术与应用, 2011, 26(4): 444-449.
[15]	宋翠玉,李培军,杨锋杰. 基于多元局部二值模式的遥感图像纹理提取与分类[J]. 遥感技术与应用, 2011, 26(3): 322-327.

Viewed

Full text

Abstract

Cited

Shared

Discussed