从卫星遥感获取河道关键水力参数（如宽度、高度和坡度）来准确地估计河流径流量是遥感径流（RSQ）研究的首要目标。随着计算能力的提升、传感器的进步，以及“地表水和海洋地形测绘任务”（SWOT）卫星任务的发射，基于遥感的全球径流反演成为可能。因此，对RSQ准确性的评估应当从对"有限位置更高的准确性"的关注，转到优先考虑 "更好的全球泛化性"上。针对上述问题，本研究从全球35万景Landsat影像中提取了3000+水文站位置的多时相河宽（1984-2019），并结合BAM/geoBAM算法进行日尺度径流反演。结果表明，在影响RSQ反演精度的因素中，河道地貌参数b和气候干旱度最为敏感，其中最佳条件为高b值、湿润环境，以及中等宽度变异性、叶面积指数和河宽。总的来说，对BAM/geoBAM的批判性评估揭示了现有算法在全球成功实施的条件。由于SWOT卫星将额外获得河道水面高度和坡度，因此本研究展示的全球径流反演精度将在SWOT中得到进一步提高。作者建议对其他RSQs进行类似的大规模评估，以迎接全球河流进入空间监测新时代的挑战。
本研究基于GEE平台、Landsat可见光遥感卫星影像、以及GEE上部署的河宽提取算法RivWidthCloud，基于35万景Landsat影像提取了1984年-2019年的长时序河宽数据，在全球3432个水文站位置处采用BAM和geoBAM算法、基于AMHG流量关系开展径流反演，并结合日尺度径流观测数据进行验证。
图1. 研究技术流程。
1、若采用BAM/geoBAM缺省参数，全球有近1/3位置的日尺度径流反演结果较好（日尺度相关系数>0.5，KGE指标为正值）。如果对径流的季节性和月变化有更丰富的Q先验信息，这个比例将达到46-65%，显示了全球尺度RSQ的潜力。
图2. BAM/geoBAM的(a)相关系数(CC)，(b)归一化均方根误差(NRMSE)，(c)Nash-Sutcliffe效率(NSE)，和(d)Kling-Gupta效率(KGE)的累积密度函数。
图3. 通过输入季节性和月径流先验（N = 3078），BAM/geoBAM的技术指标的CDF图。(a)为CC，(b)为NRMSE，(c)为NSE，(d)为KGE，与图2相似。
2、选择了多因子评估其对RSQ精度的影响，包括河道地貌参数b，干旱指数AI，宽度变异系数Width_CV，叶面积指数LAI，观测密度指数CI和平均河宽Width_mean。研究发现反演对河道地貌因子b和气候干旱度最为敏感，反演的最佳条件包括高b、半湿润至湿润气候、以及中等变异性的宽度、LAI和平均宽度。通过每次对一个因素进行过滤来逐渐增加KGE，使得有利的RSQ条件被勾勒出来，让RS和水文模型的互补优势显现。
图3. 6个选定因子对BAM/geoBAM反演精度的影响。(a)-(f)为对b、AI、Width_CV、LAI、CI和Width_mean的分析;x轴表示评估范围，左y轴表示中位数KGE，右y轴表示样本量。(g)为KGE箱线图，样本量为n。
3、通过选取不同的环境中KGE>0.7（geoBAM）的河流进行分析，揭示了基于贝叶斯反演的RSQ精度不一定是物理水文气候条件的函数，但成功反演的关键在于因子交互作用中。例如，高度自然环境(图4k)，高度城市化(图4i，m和p)，农业活动(图4j，o)和山区(图4n)。只要满足较高b值、较低干旱度、适中的宽度变异性和LAI，在不同的水文气候区都可以得到良好的RSQ反演结果。
图4. RSQ反演精度较好的位置示例。(a)-(h)为水文曲线，文本部分显示各项技术指标，(i)-(h)为测量河段的卫星影像。
4、更丰富的先验数据并不总是带来RSQ结果的提升，对于紧靠水库/湖泊下游的位置，较丰富的Q先验几乎总是降低反演的准确性。这是因为先验模型GRADES/GRFR没有考虑到大坝/水库调蓄，因此将错误的径流量变化传播到反演中。在这种情况下，采用总水量平衡会产生更好的结果。该分析对于如何在全球更好地设置先验和观测信息来获得较优的贝叶斯反演结果有指导意义。
图5. 大坝/水库下游四个随机位置的RSQ反演精度。
本研究结果证明了BAM/geoBAM的全球通用性，同时指出了未来需要特别关注的河流状况（例如，低b型河道、干旱气候、低/高宽度变异性、高LAI和宽河流；宽河流需要更好地区分河道型水库，并改进geoBAM中的河流地貌先验性息）。作者建议其他具有全球适用性的RSQ算法也进行类似的大规模评估，以应对SWOT时代全球范围河流监测和水资源管理所面临的新机遇和挑战。
本研究得到了可持续发展大数据国际研究中心青年科学家项目、北京大学中央高校基本科研业务费等项目的资助。
论文信息：Lin, P.*, D. Feng, C.J. Gleason, M. Pan, C. Brinkerhoff, X. Yang, H. Beck, R. Frasson (2023): Inversion of river discharge from remotely sensed river widths: A critical assessment at three-thousand global river gauges. Remote Sensing of Environment, 287, 113489.
