《Journal of Hydrology: Regional Studies》：Absolute validation of SWOT measurements over small reservoirs using legacy photogrammetric DEMs: A case study in Zanjan Province, Iran
编辑推荐：
针对半干旱地区小水库原位监测困难的问题，研究人员通过结构运动（SfM）摄影测量技术处理1965年的历史航拍影像，生成了水库建设前的高分辨率数字高程模型（DEM），并以此对SWOT卫星的像素云（PIXC）和湖面产品（LakeSP）数据（2023-2025年）进行了绝对验证。研究表明，结合“开阔水域”与“近陆地水域”类别的PIXC分类方案（变体6）效果最优，雅卡尔指数达0.61–0.87，平均面积和高度均方根误差分别为0.15?km2和2.16?m，证明SWOT能有效监测数据稀缺区小水库的水体动态。
在水资源日益紧张的今天，尤其是在干旱和半干旱地区，对水库、湖泊等水体进行精确监测，是保障供水安全和实施有效水资源管理的关键。然而，传统的地面监测站点分布稀疏，数据往往不完整或不连续，难以满足需求。近年来，卫星遥感技术，特别是卫星测高，为我们提供了从太空俯瞰地球水面的能力。其中，地表水和海洋地形学（Surface Water and Ocean Topography， SWOT）任务自2022年底发射以来，凭借其搭载的Ka波段雷达干涉仪（Ka-band Radar Interferometer， KaRIn），能够以前所未有的精度和覆盖范围测量全球内陆水域的水面高度和面积。这听起来像是一个完美的解决方案，但一个新的技术上线，人们最关心的问题是：它测得准不准？
尤其是在那些对当地社区至关重要的中小型水库上，SWOT的表现如何？这些小水库通常形状不规则、面积小，周边地形复杂，给卫星测量带来了独特的挑战：信号弱、容易受地形干扰、水面分类困难。更棘手的是，要检验SWOT数据的准确性，我们需要一个同样可靠的“尺子”作为参照。在理想情况下，这把“尺子”应该能同时提供水面高度和面积信息。然而，对于许多水库，尤其是历史悠久的，往往缺乏建设前详细的勘测数据，使得这种“绝对验证”难以实现。
那么，有没有可能从历史的“尘埃”中，找到这把丢失的“尺子”呢？发表在《Journal of Hydrology: Regional Studies》上的一项研究给出了一个富有创意的答案。研究人员将目光投向了伊朗赞詹省四个作为重要饮用水和灌溉水源的小水库——塔哈姆（Taham）、基内瓦尔斯（Kinevars）、博因（Boeen）和查尔加（Chargar）。面对这些水库缺乏连续实地监测数据的困境，研究团队另辟蹊径，从档案库中找出了1960至1965年间拍摄的历史航拍立体照片。这些照片拍摄于水库建设之前，忠实记录了当时的原始地形。利用先进的运动结构恢复（Structure-from-Motion， SfM）摄影测量技术，研究团队从这些老照片中“复活”了高分辨率的数字高程模型（Digital Elevation Model， DEM）。这些DEM就像水库的“原始地形图”，使得研究人员能够精确推算出在不同水位下，水库应有的水面面积，从而构建出每个水库独有的“水位-面积”关系曲线。这把基于历史地形的“尺子”，为独立验证SWOT测量数据提供了绝佳的基础。
利用这把“尺子”，研究团队系统评估了SWOT在2023年7月至2025年10月期间获取的像素云（Pixel Cloud， PIXC）产品和湖面产品（Lake Surface Product， LakeSP）数据。他们的分析不仅关注SWOT整体表现，还深入探究了一个关键细节：如何对SWOT探测到的像素进行分类才能得到最准确的结果？SWOT的PIXC数据会将每个像元分类为开阔水域、暗水域、近陆地水域、近水域陆地、低相干水域等不同类型。研究人员测试了六种不同的分类组合方案（称为变体1至6），以找出最优的水面识别策略。
为了开展这项研究，作者主要运用了以下几项关键技术方法：首先，利用运动结构恢复（SfM）摄影测量算法处理1960-1965年的历史航拍立体相片，生成水库建设前的高分辨率数字高程模型（DEM），并从中提取水库的“水位-面积”关系曲线作为验证基准。其次，获取并处理SWOT卫星的L2_HR_PIXC（高分辨率像素云）和LakeSP（湖面产品）数据，时间跨度为2023年10月至2025年10月，覆盖四个伊朗赞詹省的小水库（Taham, Kinevars, Boeen, Chargar），其中Taham和Kinevars水库有部分实地水位观测数据用于辅助验证。最后，通过计算雅卡尔指数（Jaccard Index）评估SWOT提取的水面范围与DEM基准的空间一致性，并计算水面高度和面积的均方根误差来量化SWOT的测量精度，同时对比分析了不同PIXC像素分类组合方案（共6种变体）的性能差异。
结果
1. 生成的DEM
研究成功利用历史航拍照片生成了四个水库建设前的高分辨率DEM 。这些DEM清晰地揭示了水库盆地的原始地形形态，使得提取精确的水位-面积关系成为可能，为后续验证奠定了坚实基础。
2. 水位-面积关系图与SWOT性能
将基于DEM（及部分实地数据）得到的基准水位-面积关系，与SWOT不同变体及LakeSP的观测结果进行对比 。结果显示，在测试的六种PIXC分类变体中，变体6（仅包含“开阔水域”和“近陆地水域”类别）与基准曲线吻合得最好。LakeSP产品的表现与变体6相近，但略逊一筹。散点图和误差分析进一步证实，对于Taham和Kinevars水库，变体6在高度和面积上都具有最低的误差；而对于Boeen和Chargar水库，LakeSP的高度误差最小。总体上，变体6是PIXC数据中最优的分类方案 。
3. 使用雅卡尔指数评估面积精度
空间一致性分析表明，变体6的雅卡尔指数在四个水库上介于0.61至0.87之间，显著高于其他变体 。时间序列显示，Taham水库的指数值最稳定，而Chargar水库波动最大。进一步分析雅卡尔指数最低的观测时刻发现，季节性积雪覆盖是导致SWOT水面分类性能下降的主要原因。积雪会降低雷达后向散射和干涉相干性，导致陆地像元被误分类为“暗水域”或“低相干水域”，从而严重扭曲了提取的水面范围 。雷达质量参数图（如相干性、相位噪声）也印证了在低一致性时段，数据质量确实较差 。
4. 高度准确性评估
对于最优的变体6，其水面高度测量的平均均方根误差为2.16米，水库特定的高度RMSE在1.57米到3.17米之间，略优于LakeSP产品。分析指出，LakeSP产品报告的高度不确定性值通常很小，但并不总能反映实际的误差大小。此外，用于验证的历史DEM本身也存在约60厘米的地面参考误差和约86厘米的垂直精度限制，这些因素在解读绝对高度误差时需予以考虑。
5. 水库大小和形状对SWOT探测的影响
研究表明，水库的大小和形状显著影响SWOT的观测质量和频率。面积较大的Taham水库被观测到的次数更多，数据质量更好。而像Boeen和Chargar这样的小型水库，则更容易受到分类挑战。特别地，呈南北向狭长形的Kinevars水库，由于其形状与卫星轨道几何匹配度不佳，导致有效观测数据稀少，这说明了除了面积，水库的形状和朝向也是影响SWOT探测能力的重要因素。
6. SWOT数据的不一致性与缺口
研究过程中还发现，SWOT不同产品（PIXC与LakeSP）之间，以及不同数据获取平台（如Hydroweb.next与hydrocron）之间，存在数据缺失和不同步的问题。某些时段只有PIXC数据没有LakeSP数据，或者反之，这给跨产品验证和长时间序列分析带来了困难。
结论与讨论
这项研究成功利用历史航拍影像生成的DEM，对SWOT卫星在伊朗四个小水库上的观测数据进行了开创性的绝对验证。其核心结论是：SWOT任务能够有效捕捉小水库的水体动态，支持在半干旱和数据稀缺地区的水资源监测。
具体而言，研究发现，通过精心选择像素分类策略，可以显著提升SWOT数据的准确性。其中，仅使用“开阔水域”和“近陆地水域”类别的PIXC变体6被证明是最优方案，其平均面积RMSE为0.15 km2，平均高度RMSE为2.16米，空间一致性（雅卡尔指数）在0.61到0.87之间。相比之下，官方发布的LakeSP产品虽然使用便捷，但其精度略低于优化后的PIXC变体，尤其是在小型水库上，其提供的不确定性估计有时会低估真实误差。
研究还揭示了一些重要的局限性。首先，季节性积雪是影响SWOT水面分类精度的主要环境因素，会导致严重的误分类。其次，水库的大小、形状和朝向直接影响SWOT数据的可用性和质量，狭长形或朝向不适宜的水库可能难以获得连续观测。此外，SWOT不同数据产品间存在的不一致性和缺口，是未来数据分发和处理中需要改进的方面。
这项研究的意义在于，它不仅仅是一次简单的数据比对，而是提供了一种利用历史档案数据验证新一代卫星技术的创新方法论。在缺乏连续实地监测资料的地区，这种方法为评估和改善遥感数据产品提供了宝贵的独立基准。研究成果增强了我们对SWOT在复杂小水体上性能的信心，同时也明确了其应用边界和需要注意的环境条件（如积雪），为全球范围内，特别是在数据稀缺地区，利用SWOT进行水资源精细化管理提供了关键的科学依据和实践指导。
