宋春橋，詹鵬飛,2，馬榮華

(1：中國科學(xué)院南京地理與湖泊研究所流域地理學(xué)重點實驗室，南京 210008)(2：中國科學(xué)院大學(xué)，北京 100049)

水是人類生存與社會發(fā)展均不可缺少的物質(zhì)基礎(chǔ). 湖泊作為可直接利用的最重要的地表淡水資源，具有調(diào)節(jié)河川徑流、提供農(nóng)業(yè)和生活水源以及改善區(qū)域生態(tài)環(huán)境等功能，不僅對人類生活、國民經(jīng)濟(jì)和區(qū)域水資源具有非常重要的作用，在維護(hù)生態(tài)平衡方面也同樣具有重要貢獻(xiàn)[1]. 中國內(nèi)陸城鎮(zhèn)一半以上的飲用水由湖泊供給[2]. 另外，從生態(tài)服務(wù)功能方面來看，與其他生態(tài)系統(tǒng)相比，與湖泊伴生的濕地生態(tài)系統(tǒng)服務(wù)價值最高，是支撐人類生存和發(fā)展的重要系統(tǒng)[3]，并與湖泊生態(tài)系統(tǒng)共同在維持生態(tài)平衡、調(diào)節(jié)區(qū)域氣候和河川徑流、補(bǔ)充地下水、防洪、保護(hù)生物多樣性、減輕流域洪旱災(zāi)害等方面發(fā)揮重要作用[4].

此外，湖泊作為自然綜合體，由湖盆、湖水、水中所含物質(zhì)(礦物質(zhì)、溶解質(zhì)、有機(jī)質(zhì)以及水生生物等)所組成，與自然界的物質(zhì)和能量循環(huán)密切相關(guān). 湖泊不僅是水資源和多種沉積礦藏貯存的場所[5]，同時也參與到各大圈層的相互作用之中，它的形成與消失、擴(kuò)張與收縮及其引起的生態(tài)環(huán)境的演化過程都是全球、區(qū)域和局部的構(gòu)造和氣候事件共同作用的結(jié)果[6]. 因此，湖泊作為全球環(huán)境變化的敏感對象，是湖區(qū)氣候變化、環(huán)境變異的指示器，尤其是位于偏遠(yuǎn)地區(qū)的內(nèi)陸湖泊受到人類干擾較小，可以準(zhǔn)確地反映氣候、環(huán)境系統(tǒng)的變化[7].

21世紀(jì)以來，由于氣候變化、人類活動等因素的影響，中國多數(shù)湖泊發(fā)生了不同程度的變化. 例如，氣溫變暖[8]和地下水的過渡開發(fā)[9]，導(dǎo)致了中國北方地區(qū)湖泊數(shù)量減少、面積萎縮；而在降雨量增加、冰川融化的共同作用下，新世紀(jì)以來青藏高原地區(qū)湖泊快速擴(kuò)張，同時造成草場淹沒、公路損壞等危害[10-12]. 因此，有必要對湖泊變化進(jìn)行實時、持續(xù)監(jiān)測. 一般來說，湖泊變化以直接的水文觀測為主，可以直接測量水位和岸線. 這種傳統(tǒng)方法雖然精度較高，但耗時耗力，且時效性有限，難以準(zhǔn)確表達(dá)區(qū)域性湖泊的實時變化. 此外，受到經(jīng)濟(jì)和政治因素的影響，近年來全球水文監(jiān)測站點數(shù)量有所減少. 對于一些海拔較高、地理狀況復(fù)雜且惡劣的地區(qū)，甚至無法進(jìn)行實地測量，也就造成了部分地區(qū)歷史水文觀測資料匱乏. 另一方面，不同地區(qū)水文監(jiān)測站點獲取的監(jiān)測數(shù)據(jù)格式差異較大，在進(jìn)行湖泊觀測數(shù)據(jù)整合時存在不便，難以滿足當(dāng)前全球變化研究對區(qū)域乃至全球水文監(jiān)測數(shù)據(jù)的需要[13]. 在這種情況下，遙感因其空間覆蓋廣、周期性觀測、人力成本低等優(yōu)勢，為監(jiān)測湖泊變化提供了難得的契機(jī). 尤其是近年來，社會經(jīng)濟(jì)發(fā)展以及城市化進(jìn)程的加快，用水矛盾越來越突出，水文學(xué)研究需要解決的問題越來越復(fù)雜. 遙感技術(shù)在水文學(xué)中的廣泛應(yīng)用，極大地推動了水文學(xué)的研究發(fā)展，湖泊水情遙感也就應(yīng)運而生.

但是，由于陸表水體變化過程的復(fù)雜性以及遙感技術(shù)自身的局限性，陸地水體的長期動態(tài)監(jiān)測仍然受到一定程度的制約. 例如，在湖泊水情監(jiān)測方面，受到傳感器時空譜分辨率的限制，能夠用于精細(xì)化全天候動態(tài)監(jiān)測的傳感器或者傳感器組合不多；又因為不同地區(qū)下墊面復(fù)雜程度不一，目前還沒有統(tǒng)一的普適性水體提取算法. 因此，人們正在積極發(fā)展新的技術(shù)手段和方法. 除了發(fā)展新型衛(wèi)星傳感器，近年來建設(shè)的地球大數(shù)據(jù)云平臺，能夠方便、快速地獲取不同數(shù)據(jù)集，同時進(jìn)行高效處理. 遙感技術(shù)的不斷發(fā)展、成熟和完善，將不斷提升我們對陸地水體及其變化過程的理解，從而讓人們更及時地適應(yīng)不斷變化的地球環(huán)境[14].

湖泊水情要素是描述湖泊水文信息的主要物理量，也是能夠準(zhǔn)確反映某一時間湖泊水文變化規(guī)律的最直接的指標(biāo)[15]，包括水域范圍、水位、水量等. 湖泊水情遙感是指以電磁波與湖泊水體相互作用的機(jī)理為基礎(chǔ)，以湖泊水文要素為主要研究對象的一門綜合性交叉學(xué)科. 本文基于國內(nèi)外湖泊水情遙感監(jiān)測技術(shù)與方法的發(fā)展，總結(jié)該領(lǐng)域近年來提出的新方法和新技術(shù). 同時，結(jié)合當(dāng)前遙感技術(shù)和數(shù)據(jù)處理方法的發(fā)展，簡要論述當(dāng)前遙感在湖泊動態(tài)變化監(jiān)測中存在的問題和未來的發(fā)展方向.

1 湖泊水情遙感的概念及由來

從1960s開始，各種水文要素的參數(shù)反演及應(yīng)用研究已經(jīng)從多方面展開[16-19]. 21世紀(jì)以來，各類專著的出版以及研究的開展，標(biāo)志著水文遙感逐步取得整體性和系統(tǒng)性發(fā)展，在理論、方法、技術(shù)和數(shù)據(jù)產(chǎn)品上也得以不斷完善[20]. 在這樣一個發(fā)展背景之下，分布式流域水文模型對空間信息需求的不斷增強(qiáng)，以及全球氣候變化和人類活動所帶來的全球災(zāi)害事件，促進(jìn)了學(xué)科交叉融合，水文遙感的加入進(jìn)一步推動了水文學(xué)、生態(tài)水文學(xué)等學(xué)科的發(fā)展. 由于水體的流域循環(huán)特征，并且隨著涉水問題影響面的擴(kuò)大和水科學(xué)研究的不斷深入，研究的重點逐漸轉(zhuǎn)向以流域為單元的水文過程研究，以流域為研究對象的水文過程監(jiān)測研究開始逐漸形成.

事實上，作為全球陸地的組成部分，流域一直是水文遙感的核心研究對象之一. 流域水文過程遙感也就成為一個新的發(fā)展方向，它既是水文遙感的應(yīng)用對象出口，又具有特殊性[20]. 其中，流域水文過程中各個環(huán)節(jié)的變化都會最終作用于湖泊、河流水量動態(tài)平衡過程，對于流域水文遙感的研究現(xiàn)狀及存在的主要問題，劉元波等[20]、Tang等[21]綜述文獻(xiàn)已做了全面深入的闡述. 從廣義角度看，湖泊水情遙感包括影響湖泊水量平衡的流域各水文過程及其要素的遙感監(jiān)測.

流域水文過程涉及面較廣，涵蓋過程較為復(fù)雜(圖1). 相對地表徑流、蒸散發(fā)以及大氣降水等水循環(huán)過程而言，湖泊面積、水位以及水量變化能夠直接指示湖泊水文情勢的動態(tài)變化，并且更適合利用遙感技術(shù)進(jìn)行監(jiān)測. 因此，從狹義角度看，湖泊水情遙感是指基于多源、多維度遙感對湖泊的面積、水位(水深)以及水量變化開展的定量/定性監(jiān)測. 本文重點針對狹義的湖泊水情要素面積、水位以及水量變化的遙感監(jiān)測技術(shù)和方法進(jìn)行綜述.

圖1 流域水循環(huán)過程及湖泊水情變量遙感監(jiān)測概念圖Fig.1 Conceptual illustration of watershed-scale water cycle and lake water regime monitoring based on remote sensing

2 湖泊水情遙感的衛(wèi)星傳感

2.1 用于湖泊面積提取的常用遙感衛(wèi)星

湖泊水域面積監(jiān)測為湖泊水情研究奠定了基礎(chǔ)，它的動態(tài)變化為研究全球氣候變化乃至全球環(huán)境變化提供了重要依據(jù). 衛(wèi)星遙感技術(shù)的發(fā)展，為大尺度、實時、動態(tài)監(jiān)測湖泊面積變化提供了可能性. 尤其是近年來中高分辨率遙感衛(wèi)星的發(fā)展更是為大尺度的湖泊面積精細(xì)化監(jiān)測提供了多種數(shù)據(jù)源. 目前常用的數(shù)據(jù)源有SPOT HRV-CCD、EOS MODIS、Landsat MSS/TM/ETM+/OLI、CBERS CCD、Sentinel OLCI等光學(xué)遙感影像，以及ERS-1、ERS-2、Envisat、Sentinel-1等微波雷達(dá)影像.

光學(xué)遙感影像包含大量易于提取的光譜信息，且由于數(shù)據(jù)可用性較高以及合適的時空分辨率，光學(xué)傳感器已在水體變化監(jiān)測領(lǐng)域得到了廣泛應(yīng)用[22]. 自1972年發(fā)射第一顆地球資源技術(shù)衛(wèi)星Landsat-1以來，基于衛(wèi)星的光學(xué)傳感器已經(jīng)證明了其監(jiān)測地球表面大規(guī)模陸地覆被變化的潛力[23]. 作為重要的土地覆蓋變化現(xiàn)象，地表水文學(xué)一直是地球觀測的重要課題. 早在1984年，就有了關(guān)于遙感技術(shù)在印度水文學(xué)和水資源管理中應(yīng)用的描述[24]；之后，又有了許多利用衛(wèi)星遙感數(shù)據(jù)得出河流淹沒面積、水位和流量的研究[25]；隨著技術(shù)的發(fā)展，又有學(xué)者對測量地表水的遙感方法進(jìn)行了更為詳盡的總結(jié)和分析[26].

在地表水的遙感監(jiān)測研究中，光學(xué)傳感器的空間分辨率是要考慮的主要因素之一. 粗分辨率遙感器精度較低，但通常具有高時間分辨率和廣闊的覆蓋范圍. 例如搭載在NOAA衛(wèi)星上的AVHRR傳感器，最初用于海洋和大氣層的監(jiān)測研究，但后來發(fā)現(xiàn)在探測大規(guī)模洪水事件時十分有效[27]. Terra和Aqua衛(wèi)星上的MODIS傳感器空間分辨率較粗，但重復(fù)周期短、覆蓋范圍廣. 自2000年衛(wèi)星發(fā)射以來，已經(jīng)積累了多年的數(shù)據(jù)記錄，非常適合對地表水體進(jìn)行時空分析. 因此，MODIS時間序列數(shù)據(jù)已被廣泛應(yīng)用于監(jiān)測湖泊水體的變化[28-30]和洪泛區(qū)淹沒研究[31-32].

相對于上述中低空間分辨率衛(wèi)星遙感數(shù)據(jù)源，作為中高分辨率光學(xué)衛(wèi)星，Landsat是歷史上最成功的衛(wèi)星系列之一，自1972年第一代衛(wèi)星發(fā)射，該系列衛(wèi)星已經(jīng)連續(xù)提供了近50年的對地觀測數(shù)據(jù). 傳感器由最早的MSS升級到目前最新的OLI，空間分辨率也從80 m提高到30 m，此級別的分辨率非常適合精細(xì)監(jiān)測大尺度地表水的長期變化[33-35]. SPOT是另一個中高分辨率衛(wèi)星系列，裝載了分辨率約為10 m的傳感器，這比Landsat影像的分辨率更高. 無法免費獲取數(shù)據(jù)在一定程度上限制了它的應(yīng)用，但仍然有相當(dāng)多的研究已經(jīng)使用了SPOT影像[36-37]. 同類型的Sentinel-2由兩顆衛(wèi)星組成，搭載的MSI傳感器能夠提供空間分辨率為10～60 m的高質(zhì)量多光譜影像. 其他中高分辨率的傳感器，例如HJ-1A/B[38]等，也已被證明可以有效地探測地表水體.

提高傳感器的空間分辨率一直是遙感研究的主要目標(biāo)，并且在過去十年中取得了重大進(jìn)展. 許多新傳感器，例如IKONOS、Worldview、ZY-3、Quickbird和GF-1/2能夠提供米級甚至亞米級空間分辨率的影像. 在此分辨率級別上，可以成功檢測到小型水體. 但是，高空間分辨率傳感器同樣存在一些局限：一是它們的場景覆蓋小，不適合繪制大區(qū)域地表水；另一個是圖像上存在陰影，特別是在城市地區(qū)或山區(qū)[39]，這會嚴(yán)重影響水體的識別. 此外，高分?jǐn)?shù)據(jù)獲取方式一般都是收費的，這使得它在科學(xué)研究中的應(yīng)用受到了限制. 因此，考慮要監(jiān)測的水體規(guī)模，選擇具有適當(dāng)分辨率的遙感數(shù)據(jù)至關(guān)重要.

此外，由于光學(xué)遙感傳感器容易受到夜晚和云雨天氣的影響，高質(zhì)量的遙感影像獲取較難，在一定程度上限制了水體信息的獲取. 相對而言，微波傳感器具有穿透云層和某些植被的能力，并且不受太陽輻射的影響，可以在任何天氣條件下晝夜工作. 隨著微波遙感技術(shù)的發(fā)展，合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)數(shù)據(jù)的使用也越來越頻繁[40]. Schumann和Moller[41]對洪水監(jiān)測的可用微波遙感進(jìn)行了詳細(xì)綜述，發(fā)現(xiàn)SAR是最適合監(jiān)測洪水泛濫的微波傳感器.

在實際研究中，為了充分發(fā)揮不同數(shù)據(jù)源的優(yōu)勢和特點，需要根據(jù)研究目標(biāo)區(qū)域的特點和研究尺度等因素進(jìn)行篩選，這樣可以在提高時間和空間分辨的同時對比分析結(jié)果，提高識別精度. 圖2和表1列出了包括以上綜述的廣泛用于湖泊水域范圍監(jiān)測的衛(wèi)星/傳感器發(fā)展歷程和關(guān)鍵參數(shù).

圖2 水域范圍提取常用光學(xué)遙感衛(wèi)星/傳感器的發(fā)展Fig.2 Development of optical satellites/sensors for water extraction

表1 水域范圍提取常用光學(xué)遙感衛(wèi)星及相關(guān)信息

2.2 湖泊水位監(jiān)測遙感

衛(wèi)星測高的概念最早是在1969年召開的固體地球和海洋物理大會上由美國著名大地測量學(xué)家Kaula W.M.提出的. 自從1973年第一顆星載主動微波遙感航天器Skylab發(fā)射以來，衛(wèi)星測高技術(shù)得到不斷發(fā)展，之后各種不同的雷達(dá)/激光高度計被先后搭載在Geosat、ERS-1、TOPEX/Poseiden、ERS-2、GFO、Jason-1、Jason-2、Envisat、ICESat、Cryosat-2、SARAL、Jason-3、Sentinel-3、ICESat-2等測高衛(wèi)星上. 世界上主要測高衛(wèi)星及其基本參數(shù)如圖3和表2所示.

早在1982年，Brooks[42]就已經(jīng)借助Seasat測高衛(wèi)星獲得湖泊水位觀測數(shù)據(jù)并用到繪圖工作中. Birkett等[43-44]先后利用Geosat、T/P等測高數(shù)據(jù)對全球不同湖泊水位變化進(jìn)行監(jiān)測，并對其精度做出評估. 隨著ERS-1和ERS-2衛(wèi)星相繼發(fā)射，Ducet等[45]將T/P和ERS-1、ERS-2數(shù)據(jù)結(jié)合起來，繪制了高分辨率的全球大洋環(huán)流圖. 隨著科技水平的提高，可用的測高衛(wèi)星逐步增多，作為T/P衛(wèi)星的后繼衛(wèi)星，Jason-1、Jason-2以及Jason-3分別于2001、2008和2016年成功發(fā)射，延續(xù)對全球海洋表面進(jìn)行監(jiān)測的任務(wù). 已有研究對三者進(jìn)行組合從而構(gòu)成長時序水位變化分析，并對系統(tǒng)偏差做出評估并校正[46]. 歐洲航天局(ESA)在2002年發(fā)射了Envisat衛(wèi)星，相對上一代衛(wèi)星ERS-1和ERS-2，Envisat衛(wèi)星搭載了新一代雷達(dá)高度計(Radar Altimeter-2，RA-2)，測高精度也提高到了厘米級[47]. ESA在2010年發(fā)射的雷達(dá)測高衛(wèi)星CryoSat-2搭載了先進(jìn)的Ku波段SIRAL高度計，能夠準(zhǔn)確測量南北極的海冰厚度以及冰蓋的變化. 上述這幾顆衛(wèi)星的分辨率都相對較低，只適用于面積較大的湖泊. 2016年發(fā)射的Sentinel-3A和2018年發(fā)射的Sentinel-3B上的高度計設(shè)計為在Ku頻段上以SAR模式運行. SAR模式將提高高度計接收水體反射信號的能力，對于小型水體而言，這尤其重要. Gao等[48]評估了Sentinel-3內(nèi)陸水體水位產(chǎn)品的精度，證明了其在監(jiān)測中小型水體時受到的陸面干擾很小.

除了這些雷達(dá)高度計，美國國家航空航天局(NASA)在2003年發(fā)射了激光測高衛(wèi)星ICESat，搭載了地球科學(xué)激光測高系統(tǒng)GLAS(Geoscience Laser Altimeter System)，其星下點足跡(footprint)可以達(dá)到70 m，比起早期的衛(wèi)星測高數(shù)據(jù)，精度得到了很大的提高，廣泛用于內(nèi)陸湖泊水位變化的研究. 例如，Zhang等[49]、Phan等[50]、Song等[11]利用ICESat數(shù)據(jù)監(jiān)測了青藏高原湖泊在2003-2009年期間的水位和水量變化速率. 作為ICESat衛(wèi)星的后繼衛(wèi)星，2018年發(fā)射的ICESat-2繼續(xù)執(zhí)行對全球冰蓋、冰川、海冰等的監(jiān)測任務(wù). 相比而言，ICESat-2能夠覆蓋數(shù)量更多的湖泊，測高精度也有所提高. Zhang等[51]結(jié)合前序衛(wèi)星ICESat對其進(jìn)行了比較，驗證了其精度的可靠性.

圖3 水位提取測高衛(wèi)星/傳感器的發(fā)展Fig.3 Development of altimetry satellites/sensors for water level extraction

表2 測高衛(wèi)星及相關(guān)信息

3 湖泊水情要素遙感

3.1 湖泊水域范圍遙感

傳統(tǒng)的水體提取方法一般依靠人工判讀、目視檢測，這不僅費時、費力，還會引入目視解譯人員的經(jīng)驗知識從而存在不可控的主觀誤差，并不適用于面積較大、周邊地理狀況復(fù)雜的水體. 隨著計算機(jī)科學(xué)技術(shù)的發(fā)展，借助計算機(jī)識別技術(shù)實現(xiàn)水體信息自動化提取的研究已經(jīng)陸續(xù)開展. 現(xiàn)階段，計算機(jī)自動化識別方法主要包括：單波段閾值法、多波段運算法(譜間關(guān)系法、比值法、水體指數(shù)法等)、色度判別法、決策樹分類以及機(jī)器學(xué)習(xí)算法等.

單波段閾值法原理簡單，操作簡便. 單波段閾值法通常涉及從多光譜圖像中選擇一個波段提取開放水體信息，然后確定該波段以區(qū)分水和陸地的閾值，這主要依據(jù)水體在近紅外波段和短波紅外波段具有強(qiáng)吸收的特點. 該方法是最早用于水體提取的，早在1957年，就有人將單波段閾值法用到了海洋研究中[52]. 之后直到1992年，基于單波段閾值法發(fā)現(xiàn)并改進(jìn)了用于區(qū)分較小水體的紅外單波段閾值法[53]. 然而，閾值的主觀選擇可能導(dǎo)致開放水域的過度估計或估計不足，并且提取的水信息通常與陰影噪聲混合. 相對而言，多波段方法使用兩個或多個多光譜波段進(jìn)行組合運算，從而突出了圖像中的水體信息. 早在1998年，就有針對山區(qū)水體的多波段方法被提出并成功剔除了陰影的影響[54]. 雖然多波段組合運算相對單波段閾值法有效削弱了非水體信息的干擾，但波段選取和閾值確定的工作比較繁瑣，且不能移除非水體的混合信息. 除了單波段及多波段閾值方法之外，水體指數(shù)法也是較為常用的一種水體提取方法. 水體指數(shù)法采用了歸一化比值運算，因此能夠自動消除地形起伏的影響，并通過突出水體、抑制其他地物信息來進(jìn)行有效區(qū)分. 例如在1996年提出的歸一化水體指數(shù)(Normalized Difference Water Index，NDWI)能夠突出影像中的水體信息并減弱植被和土壤信息，從而做到水體的快速識別[55]. 之后基于NDWI，提出用中紅外波段代替近紅外波段，發(fā)展改進(jìn)型歸一化水體指數(shù)(Modified Normalized Difference Water Index，MNDWI)，解決了提取水體的面積包含有城鎮(zhèn)建筑用地而偏大的問題[56]，還解決了陰影難以消除的難題. 在部分研究中，還可以通過調(diào)整閾值大小[57]以及組合多種水體指數(shù)[58]，從而達(dá)到更好的提取效果. 另外，在不同計算過程中分階段地融合不同層次知識并建立迭代算法，能夠?qū)崿F(xiàn)水體的自動化、高精度提取[59]. 除此之外，人工智能神經(jīng)網(wǎng)絡(luò)能夠?qū)Ａ?、?fù)雜的數(shù)據(jù)集進(jìn)行快速、準(zhǔn)確地處理，可以很好地將遙感影像的多光譜信息和紋理特征結(jié)合起來，從而實現(xiàn)圖像的精確分類[60-61]. 數(shù)學(xué)形態(tài)學(xué)方法[62]、混合像元分解法[63]等在用于水體信息提取時，也取得了較好的識別效果.

由于SAR的成像機(jī)制較為復(fù)雜，許多學(xué)者為提高水體識別的準(zhǔn)確性，分別從不同角度分析并提出了有效的數(shù)據(jù)處理方法[64]. 基于SAR數(shù)據(jù)的水體信息提取方法也從傳統(tǒng)的方法發(fā)展為多波段、多極化方式和多個入射角的SAR圖像綜合分類法. 近年來，基于計算機(jī)科學(xué)的遙感圖像識別技術(shù)發(fā)展迅速，結(jié)合光學(xué)影像數(shù)據(jù)和SAR數(shù)據(jù)的研究也開始增多，充分利用了光學(xué)影像光譜信息豐富、SAR數(shù)據(jù)不受天氣影響的特點，從而實現(xiàn)了更加精確的水體信息提取[65]. 不同水體提取方法優(yōu)缺點比較見表3.

表3 主要水體提取方法

續(xù)表3

3.2 湖泊水位遙感

湖泊水位變化是評價湖泊水量平衡的重要指標(biāo). 一般來說，湖泊水位變化以直接的氣象和水文觀測為主，能直接測量水位和湖岸. 但這種方法并不適用于地處偏遠(yuǎn)、自然條件惡劣地區(qū)的湖泊. 衛(wèi)星測高技術(shù)因其空間覆蓋面廣、全天時全天候重復(fù)工作、經(jīng)濟(jì)與人力成本相對較低等優(yōu)勢，為監(jiān)測湖泊水位變化提供了難得的契機(jī). 衛(wèi)星測高最早用于海面測量，但后續(xù)研究發(fā)現(xiàn)，大型湖泊表面和海洋表面具有類似的反射特性，湖泊測高水位垂直精度較高，與海洋表面測高精度近似[72]. 由于衛(wèi)星測高可以從宇宙空間大范圍全天候多次重復(fù)、準(zhǔn)確地提供海洋、冰面、陸地冰川、湖泊、河流等表面高度的觀測值，具有其他監(jiān)測手段無法比擬的優(yōu)勢[73]，并且衛(wèi)星測高數(shù)據(jù)處理技術(shù)更加成熟，測高精度也在不斷提高，使得對于湖泊水位的研究開始增加.

自1990s中期以來，衛(wèi)星雷達(dá)測高就被用于監(jiān)測諸如湖泊和河流等內(nèi)陸地表水的水位變化[26,74-75]. 在地面參照系內(nèi)測量地表水位，其重復(fù)性從10到35天不等，具體取決于衛(wèi)星的軌道周期. 盡管數(shù)據(jù)獲取與天氣條件無關(guān)，但是湖岸地形可能會影響衛(wèi)星高度計的信號，從而導(dǎo)致湖泊水位誤差較大. 最初發(fā)射的測高衛(wèi)星搭載的都是雷達(dá)傳感器，星下點足跡都在2 km左右，受湖岸地形的影響較大，更適用于監(jiān)測大型湖泊的水位動態(tài)變化. 針對雷達(dá)測高衛(wèi)星軌道間距遠(yuǎn)、星下點足跡大的不足，NASA在2003年發(fā)射了激光測高衛(wèi)星ICESat(the Ice, Clouds, and Land Elevation Satellite)，搭載了地球科學(xué)激光測高系統(tǒng)(Geoscience Laser Altimeter System，GLAS)，空間分辨率較高，其星下點足跡可以達(dá)到70 m，垂直精度可以達(dá)到3 cm，能夠?qū)γ娣e較小的湖泊進(jìn)行水位變化監(jiān)測. 作為ICESat衛(wèi)星的后繼衛(wèi)星，2018年發(fā)射的ICESat-2繼續(xù)執(zhí)行對全球冰蓋、冰川、海冰等的監(jiān)測任務(wù)，能夠覆蓋數(shù)量更多的湖泊，測高精度也有所提高.

但單個測高衛(wèi)星存在覆蓋湖泊數(shù)量少、服役年限短的不足，因此，在許多情況下，需要融合多種測高衛(wèi)星數(shù)據(jù)，從而發(fā)揮各種衛(wèi)星數(shù)據(jù)的優(yōu)勢，獲取數(shù)量更多、更完整的湖泊水位多年變化信息. 例如劉英等[76]基于Hydroweb(Hydrology website)湖泊水位長時序變化數(shù)據(jù)，對青藏高原63個典型湖泊的多年水位變化進(jìn)行了分析. 除了使用衛(wèi)星測高監(jiān)測湖泊水位之外，現(xiàn)有研究中，也有學(xué)者通過GIS建模的方法獲取湖泊不同位置的水深. 例如，Hollister等[77]利用最大深度測量值和湖泊岸線，通過簡單的線性變換可以估計任意點處的湖泊深度. 還有一些學(xué)者通過結(jié)合光學(xué)衛(wèi)星影像和地形數(shù)據(jù)計算得到影像獲取時間的湖泊平均水位[78-79]. 該方法的精度主要受到地形數(shù)據(jù)精度、遙感影像分辨率以及湖泊周圍地勢的影響.

3.3 湖泊水量平衡遙感建模

傳統(tǒng)湖泊水量估算方法一般需要借助水文站實地測量獲取的地表徑流、湖面蒸散發(fā)等參數(shù)，但偏遠(yuǎn)地區(qū)的湖泊資料獲取較難實現(xiàn)[80]. 隨著遙感技術(shù)的發(fā)展，許多研究通過結(jié)合衛(wèi)星測高數(shù)據(jù)和衛(wèi)星影像數(shù)據(jù)獲取的湖泊水位和面積，估算出湖泊的水量變化，為解決這一困難提供了可靠的辦法.

根據(jù)衛(wèi)星測高數(shù)據(jù)和遙感影像數(shù)據(jù)的選擇，通常有3種方法可以提取湖泊水量. 第1種方法利用測高水位數(shù)據(jù)或者湖泊面積數(shù)據(jù)與實測湖泊水量數(shù)據(jù)建立數(shù)學(xué)模型，就可以通過遙感數(shù)據(jù)計算得到?jīng)]有觀測時期的湖泊水量. 盡管這是一種簡單明了的方法，但它僅適用于可直接或間接獲取實際水量信息的湖泊. 第2種方法是利用同時段的測高數(shù)據(jù)和影像數(shù)據(jù)，結(jié)合水量估算公式，從而估算湖泊的水量變化[81-82]. 但是這種方法的局限性在于，只有在測高水位和湖泊面積數(shù)據(jù)監(jiān)測時間一致的情況才能用于估算湖泊水量變化. 第3種方法則是建立測高水位和湖泊面積統(tǒng)計模型，進(jìn)而通過一類遙感數(shù)據(jù)(衛(wèi)星測高水位數(shù)據(jù)或者遙感影像數(shù)據(jù))得到湖泊長時序的水量變化. 例如，在Crétaux等[83]的研究中，通過多源遙感數(shù)據(jù)獲取的湖泊面積擴(kuò)展了CNES測高數(shù)據(jù)的時段，從而獲取目標(biāo)湖泊/水庫的水量變化.

除了利用測高衛(wèi)星得到的水位變化，同樣可以結(jié)合光學(xué)影像得到湖泊面積變化和DEM數(shù)據(jù)，計算水量變化. 受湖盆地形影響，某一湖泊面積與相應(yīng)的水面高程(水位)對應(yīng)，并在不同形態(tài)的湖盆中具有不同的關(guān)系. 通過這種關(guān)系可以計算湖泊面積變化與水量變化之間的關(guān)系[84].

此外，由美國宇航中心和德國航天中心聯(lián)合研發(fā)的GRACE(Gravity Recovery And Climate Experiment)重力衛(wèi)星，不會受到復(fù)雜地形的限制，能夠進(jìn)行連續(xù)多次的重復(fù)觀測. 十余年來，國內(nèi)外學(xué)者針對GRACE重力衛(wèi)星的數(shù)據(jù)處理方法、產(chǎn)品精度以及在各個科研領(lǐng)域的應(yīng)用等方面開展了諸多的研究工作[85-87]. 作為GRACE的后繼衛(wèi)星，2018年5月發(fā)射的GRACE-FO能夠延續(xù)之前的對地觀測. 研究發(fā)現(xiàn)由于空間分辨率較粗，GRACE衛(wèi)星僅適合大尺度范圍的陸地水量變化監(jiān)測. 盡管基于GRACE數(shù)據(jù)的陸地水量研究中存在一定的誤差，但在用于驗證其他方法獲取的水量估算結(jié)果的研究中取得了不錯的效果[11,88].

4 湖泊水情遙感監(jiān)測數(shù)據(jù)集成處理

地球大數(shù)據(jù)時代的主要特點在于數(shù)據(jù)獲取速度快、更新周期短、時效性強(qiáng)[89]，且數(shù)據(jù)量呈現(xiàn)出指數(shù)級增長的態(tài)勢，這對數(shù)據(jù)存儲、處理和分析的要求都很高，一般的本地計算機(jī)或服務(wù)器已經(jīng)不能滿足海量數(shù)據(jù)的計算需求. 自21世紀(jì)以來，基于云平臺的海量數(shù)據(jù)并行計算得到快速發(fā)展，例如，由Google與卡內(nèi)基美隆大學(xué)、美國地質(zhì)調(diào)查局共同開發(fā)的免費地理計算云平臺-谷歌地球引擎(Google Earth Engine, GEE). GEE平臺建立在谷歌數(shù)據(jù)中心的一系列數(shù)據(jù)支持之上，有著強(qiáng)大的數(shù)據(jù)存儲、處理、分析和可視化能力. 此外，該平臺還整合了各類遙感影像數(shù)據(jù)、地球物理數(shù)據(jù)、氣候/天氣數(shù)據(jù)和人口統(tǒng)計數(shù)據(jù)等. GEE高效快速的計算能力以及鑲嵌其中的各種地理空間數(shù)據(jù)和分類算法為全球或區(qū)域尺度的科學(xué)研究創(chuàng)造了極大的便利.

近年來，高性能云計算平臺已被廣泛應(yīng)用于社會與科學(xué)研究. 基于GEE平臺，Pekel等[35]結(jié)合1984-2015年全球300多萬景Landsat影像，生成了30 m空間分辨率的全球地表水體分布年度和月度數(shù)據(jù)集，最近又將數(shù)據(jù)集更新到2019年. 如果通過一臺本地計算機(jī)完成此項計算任務(wù)的運算時間超過1200年，而基于GEE平臺，完成此項工作僅耗時45天，可見云計算平臺在提高數(shù)據(jù)處理效率上的能力十分強(qiáng)大.

5 研究現(xiàn)狀及展望

衛(wèi)星遙感作為一種先進(jìn)的湖泊變化監(jiān)測技術(shù)手段，可以實時監(jiān)測當(dāng)前的動態(tài)變化，掌握現(xiàn)有情況；也可以對歷史觀測資料進(jìn)行分析，探究變化規(guī)律；同時還可以結(jié)合水文、水動力模型，對未來變化趨勢進(jìn)行預(yù)測[90]. 尤其是近年來中高分辨率遙感衛(wèi)星的發(fā)展更是為多尺度的湖泊變化監(jiān)測提供了多種數(shù)據(jù)源，針對全球湖泊水情監(jiān)測的研究開始從多方面開展，這些研究極大地促進(jìn)了對于全球湖泊在過去近半個世紀(jì)變化規(guī)律的掌握和理解，取得了顯著的研究進(jìn)展.

隨著水文遙感的不斷發(fā)展，各種水體監(jiān)測產(chǎn)品不斷出現(xiàn)，提供了海量的空間數(shù)據(jù)，為進(jìn)行湖泊水情實時動態(tài)監(jiān)測以及變化規(guī)律分析奠定了重要的數(shù)據(jù)基礎(chǔ). 但是水文遙感作為一門新的學(xué)科，也面臨著諸多問題，包括遙感反演算法普適性、多源遙感數(shù)據(jù)之間的差異性、長時序遙感趨勢反演的可靠性等. 例如，通過對湖泊水情遙感研究進(jìn)展進(jìn)行回顧與綜合，能夠發(fā)現(xiàn)湖泊水域范圍提取從早期單一、非連續(xù)數(shù)據(jù)向多源、多傳感器遙感數(shù)據(jù)的綜合使用轉(zhuǎn)變，提取方法也由最初費時費力的目視判讀發(fā)展為現(xiàn)在計算速度快、識別精度高的計算機(jī)自動化識別. 但這些提取方法仍會受到混合像元、陰影以及光譜特征相似地物的影響，針對這些問題，用于提取的指數(shù)模型和算法也在逐步優(yōu)化和發(fā)展. 國內(nèi)外學(xué)者通過結(jié)合多種方法進(jìn)行綜合研究，以減少陰影的影響，并針對混合像元問題發(fā)展了多種混合像元分解模型，但目前并沒有效果最佳的普適算法. 綜上所述，湖泊面積變化研究一般集中在兩個方面：一是水體信息提取普適方法研究，二是湖泊變化的趨勢以及成因分析. 因此不斷探索湖泊信息提取的新方法以及如何定量分析湖泊動態(tài)變化是十分重要的研究主題.

另外，湖泊水位提取發(fā)展類似，過去許多研究大多利用1～2種測高數(shù)據(jù)進(jìn)行部分衛(wèi)星軌道經(jīng)過的湖泊的分析，受限于測高衛(wèi)星軌道間距大、服役年限短，這就導(dǎo)致很難覆蓋到大范圍多數(shù)湖泊，并且能夠得到的水位數(shù)據(jù)也僅限于衛(wèi)星服役年限而無法構(gòu)建長時序的湖泊歷史水位資料. 但隨著測高技術(shù)的發(fā)展，數(shù)據(jù)處理算法的成熟，可用的測高數(shù)據(jù)越來越多且精度得到提高，開發(fā)多源測高數(shù)據(jù)集成算法并優(yōu)化成為今后湖泊水位提取的重點. 因此如何采用綜合集成的方法和大數(shù)據(jù)、系列數(shù)據(jù)的優(yōu)勢，提高湖泊水文要素提取的精度和效率是未來研究的方向.

在當(dāng)前湖泊水情遙感研究的基礎(chǔ)上，要推動湖泊水情遙感更進(jìn)一步，未來的研究及發(fā)展重點可以歸納為以下兩點：

1)基于多源遙感云計算平臺的湖泊水情數(shù)據(jù)批處理：在地球大數(shù)據(jù)時代，高性能云計算平臺的發(fā)展為海量遙感數(shù)據(jù)存儲、計算及可視化展示提供了技術(shù)支持與平臺支撐. 近年來國內(nèi)云計算平臺也得到了快速發(fā)展，如阿里云等. 然而，目前國內(nèi)云計算平臺在地球科學(xué)領(lǐng)域的應(yīng)用還較少. 因此，未來應(yīng)該多考慮基于國內(nèi)外云計算平臺開展全球或區(qū)域尺度的地表水體連續(xù)變化研究.

2)集成站點與遙感觀測發(fā)展湖泊關(guān)鍵要素全國乃至全球尺度產(chǎn)品：利用眾源衛(wèi)星光學(xué)與雷達(dá)遙感影像，發(fā)展耦合分步迭代與機(jī)器學(xué)習(xí)思想的水體自動化分類算法，實現(xiàn)大尺度長時序湖泊水域范圍提取技術(shù)；引入合適的濾波算法，同化站點觀測、多源雷達(dá)與激光測高衛(wèi)星數(shù)據(jù)重建長時序湖泊水位，在此基礎(chǔ)上研發(fā)“天(衛(wèi)星)-空(無人機(jī)航測)-地(臺站)-水(無人船載測深)”湖泊水情監(jiān)測技術(shù)方案，實現(xiàn)湖泊水位與水量變化的歷史長時序重建與近實時監(jiān)測. 并將上述技術(shù)體系移植到GEE等遙感云平臺，研發(fā)全國或全球尺度湖泊水情的業(yè)務(wù)化產(chǎn)品.