《Remote Sensing Applications: Society and Environment》:GLWaterlevel-analyst: An open-source remote sensing toolbox in QGIS for global lake water level analysis and prediction
编辑推荐:
湖泊和水库是重要的淡水资源,但传统原位验潮站(in-situ gauging stations)的减少使其水位监测面临挑战。尽管卫星测高(satellite altimetry)技术已发展数十年,实用的全球湖泊水位实时监测仍不完善:多数研究和数据门户具有任务特
湖泊和水库是重要的淡水资源,但传统原位验潮站(in-situ gauging stations)的减少使其水位监测面临挑战。尽管卫星测高(satellite altimetry)技术已发展数十年,实用的全球湖泊水位实时监测仍不完善:多数研究和数据门户具有任务特异性或仅提供固定湖泊集合的时间序列,且利用多任务卫星测高数据常需专业编程技能或特定工具包,阻碍了地方利益相关者监测其关注湖泊。为解决上述局限,研究人员提出了GLWaterlevel-Analyst——一个专为全球湖泊水位分析与预测设计的开源QGIS(Quantum Geographic Information System)插件工具箱。该工具箱采用Python开发,具备直观图形用户界面(Graphical User Interface, GUI),使用户无需编程即可下载、处理和分析卫星测高数据、可视化时间序列并生成短期预报。GLWaterlevel-Analyst支持Jason-3、Sentinel-3A/B、Sentinel-6A及宽幅SWOT(Surface Water and Ocean Topography)任务的数据,其创新之处在于以SWOT高精度观测值为基准协调多任务数据,从而延长长期水位记录的时间分辨率。工具箱还内置基于季节性自回归积分移动平均(Seasonal Autoregressive Integrated Moving Average, SARIMA)模型和Meta Prophet模型的15–30天短期水位预测功能。以美国温尼贝戈湖(Lake Winnebago)与奥基乔比湖(Lake Okeechobee)为对象的验证研究表明,协调后时间序列与地面验潮测量高度吻合(R2最高≈0.91;RMSE≈0.11–0.16 m),任务融合使中大型湖泊有效观测频率提升至约每周一次。通过将SWOT锚定的多任务协调与预测功能集成至地理空间GUI并适用于任意用户定义湖泊,GLWaterlevel-Analyst弥合了科研与实际应用间的长期缺口,为科学与业务运行提供一致、高频的湖泊水体监测手段。
论文解读:GLWaterlevel-Analyst——基于QGIS的全球湖泊水位多任务卫星测高分析与预测开源工具箱
研究背景与意义:
湖泊和水库是支撑供水、农业、水电及生态系统的重要淡水资源,其水位波动影响水资源可获得性、生境条件及旱涝风险。传统监测依赖原位验潮站,但因安装维护成本高,全球验潮网络持续萎缩,大量湖泊尤其是发展中国家或偏远地区湖泊处于无监测或弱监测状态。卫星雷达测高(satellite radar altimetry)自1990年代起被证明可获取湖泊水位,Jason系列、Sentinel-3A/B、Sentinel-6A及新近发射的SWOT(Surface Water and Ocean Topography)任务积累了海量数据。然而现存问题包括:(1)多任务测高仪在轨道配置、重访周期、波形重跟踪算法上存在差异,导致跨任务系统偏差(inter-mission bias)与虚假间断;(2)现有数据库(如DAHITI、G-REALM、HydroWeb)仅提供预定义湖泊产品,无法自定义分析区域;(3)多任务数据融合与校正多需编程或专用软件,地方水务管理者与区域研究者难以掌握;(4)已有服务偏重回顾性分析,缺乏短期预测功能。为此,Song Shu、Hongxing Liu等来自Appalachian State University的研究人员开发了GLWaterlevel-Analyst——一个嵌入QGIS的开源插件,实现从自动数据获取、近岸滤波、椭球高转正交高(orthometric height via EGM2008)、基于SWOT参考的任务间偏差校正、多任务时间序列协调构建到SARIMA与Prophet短期水位预测的端到端工作流,并以美国两典型湖泊验证精度与适用性。该文发表于《Remote Sensing Applications: Society and Environment》。
主要关键技术方法:
研究人员以用户自定义湖泊面矢量(shapefile)与时间段为输入,通过GUI模块自动访问NASA PO.DAAC、NOAA NCEI及Copernicus Data Space Ecosystem下载Jason-3、Sentinel-3A/B、Sentinel-6A L2级及SWOT L2级产品;对沿轨点进行距岸内部缓冲区(如1–2 km)剔除陆面污染点并结合质量标志与后向散射系数过滤异常值;依公式h = H ? N(EGM2008大地水准面)将椭球高转为正交高,再以中位数绝对偏差(Median Absolute Deviation, MAD)法剔除离群高程点,取各过境轨道有效点中位数作为该次通过的水位估计;将各任务与SWOT观测聚合至相同空间网格,计算同期同名格网单元水位差中位数作为该任务相对SWOT的偏差(Bias)并校正,合并所有任务校正后观测构建统一时间序列;最后基于协调时间序列拟合SARIMA(p=1,d由平稳性检验确定,q=1,含年季节性)或Prophet(年季节性开启、周/日季节性关闭、加性模式)模型做15–30天外延预测并给出95%置信区间。验证样本为美国威斯康星州Lake Winnebago(~557 km2)与佛罗里达州Lake Okeechobee(~1730 km2),以USGS验潮站日水位作参照。
研究结果:
4.1 Lake Winnebago (Wisconsin)
研究人员选取2022–2025年S3A/B、S6A与SWOT数据,SWOT为参考求得S3A、S3B、S6A偏差分别为?0.002 m、?0.123 m、0.178 m。经1 km内缓冲滤波与MAD离群剔除,融合后有效平均重访约5天。协调时间序列与USGS验潮对比R2=0.78,RMSE=0.11 m;其中SWOT单独R2=0.83、RMSE=0.10 m,S6A单独RMSE偏大(0.27 m)但经SWOT校正后消除系统性偏移。15天与30天水位预测中Prophet(RMSE 15天=0.063 m,R2=0.77;30天RMSE=0.066 m,R2=0.66)略优于SARIMA。表明工具箱在温带湖泊具厘米级精度并可做可靠短期预见。
4.2 Lake Okeechobee (Florida)
研究人员整合JA-3、S3A/B与SWOT(2022–2025),JA-3、S3A、S3B相对SWOT偏差为0.21 m、?0.036 m、?0.001 m,校正后融合重访约3天。协调序列与USGS验潮对比R2≈0.91,RMSE=0.16 m;JA-3单独R2=0.96、RMSE=0.14 m,S3A/B R2=0.95、RMSE=0.18 m,SWOT因两个低值离群RMSE=0.23 m(剔除后降为0.15 m)。受人工调控与风场影响,15天预见略差于30天,Prophet仍稍优于SARIMA。证实工具箱在浅水大湖及复杂动力环境下同样可获高精度水位记录。
讨论与结论翻译:
研究人员开发了GLWaterlevel-Analyst这一开源、集成于QGIS的工具箱,以促进利用多任务卫星测高进行全球湖库水位监测。该工具通过简化数据访问、实施稳健滤波与偏差校正(含新型SWOT数据)、提供分析与可视化功能解决了当前工作流关键难点。其独特特征包括:允许用户自定义全球任意湖泊(一般>10 km2可用星下点任务,SWOT可监测~1 km2以上);首次以SWOT作基准进行任务间偏差校正,即便任务间无时空重叠也可经SWOT间接链接校准,形成"虚拟测高仪"长序列并提高时间分辨率(案例分别达~5天与~3天);完全GUI驱动降低测高技术门槛;开源架构便于社区扩展与适应新任务。相比BRAT、JASTER(限Jason任务)或仅提供固定湖泊产品的DAHITI/G-REALM/HydroWeb,本工具箱兼具多任务支持(SWOT/Jason-3/Sentinel-3A,B/Sentinel-6A)、交互式参数调整及内置SARIMA与Prophet短临预测,属首款将SWOT锚定多任务协调与预测融入统一GIS界面的工具。验证表明中大型湖泊RMSE可达0.10–0.16 m(R2最高≈0.91),接近原位验潮精度,多任务融合使观测密度提升2–3倍。短期统计预测对具明显季节性与较少人为干预湖泊效果较好,对强人工调控湖泊可作基线参考。未来计划纳入ICESat-2、CryoSat-2、结合光学影像估算湖泊容积变化及开发云端或Web端处理。综上,GLWaterlevel-Analyst(1)通过直观QGIS插件降低多任务测高使用壁垒,(2)引入SWOT参考协调法提高水位序列一致性与时间频率,(3)扩展短临水位预测功能,成功应用于不同水文气候条件下湖泊,将原始卫星观测转化为可供决策者使用的"虚拟验潮"读数与近期水位预估,填补了科研产出与实际水管理应用间的空白。