基于雷达高度计的内陆水体应用研究
4
2017
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
... 实测水位是水文站日平均水位值,水位数据集测高水位是卫星过境时观测水位,为进行水位观测比较,本文根据卫星观测水位数据集的观测日期将水文站实测日平均水位与其一一匹配,即认为一般情况同一天内水位变化较小,测高数据集水位与对应水文站的当天日平均水位紧密联系.由于两者使用的高程基准不同以及位置的差异,即测高水位与实测水位存在一个垂直基准偏差[1],可以选择用对应时间的测高水位与实测水位之差来进行偏差修正[29],研究选择采用该站点位置实测数据与测高数据集的差值的中位数作为两者的垂直基准偏差将测高水位与实测水位的高程基准统一之后来进行精度评价. ...
... 由于雷达高度计脚印点直径较大(几公里到十几公里级别),以及干湿季和周边水体的影响,内陆水体的回波比海洋回波更为复杂,传统的波形重订算法的精度会有很大不确定性.近年来针对内陆水体陆续提出了一系列的改进算法,例如50%阈值与Ice组合算法(the 50% Threshold and Ice-1 Combined algorithm, TIC)[24]、多波形持续峰值重跟踪算法(Multiple Waveform Persistent Peak Retracker,MwaPP)[32]、多子波多权重阈值重跟踪算法(Multi-subwaveform Multi-weight Threshold Retracker, MSMWTR)[1]等.但是目前这些算法还没有产生相应系统性的产品. ...
基于雷达高度计的内陆水体应用研究
4
2017
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
... 实测水位是水文站日平均水位值,水位数据集测高水位是卫星过境时观测水位,为进行水位观测比较,本文根据卫星观测水位数据集的观测日期将水文站实测日平均水位与其一一匹配,即认为一般情况同一天内水位变化较小,测高数据集水位与对应水文站的当天日平均水位紧密联系.由于两者使用的高程基准不同以及位置的差异,即测高水位与实测水位存在一个垂直基准偏差[1],可以选择用对应时间的测高水位与实测水位之差来进行偏差修正[29],研究选择采用该站点位置实测数据与测高数据集的差值的中位数作为两者的垂直基准偏差将测高水位与实测水位的高程基准统一之后来进行精度评价. ...
... 由于雷达高度计脚印点直径较大(几公里到十几公里级别),以及干湿季和周边水体的影响,内陆水体的回波比海洋回波更为复杂,传统的波形重订算法的精度会有很大不确定性.近年来针对内陆水体陆续提出了一系列的改进算法,例如50%阈值与Ice组合算法(the 50% Threshold and Ice-1 Combined algorithm, TIC)[24]、多波形持续峰值重跟踪算法(Multiple Waveform Persistent Peak Retracker,MwaPP)[32]、多子波多权重阈值重跟踪算法(Multi-subwaveform Multi-weight Threshold Retracker, MSMWTR)[1]等.但是目前这些算法还没有产生相应系统性的产品. ...
Global water resources affected by human interventions and climate change
1
2014
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
Evaluation of Sentinel-3 SRAL SAR altimetry over Chinese rivers
1
2020
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
无资料或少资料区河流流量监测与定量反演
1
2018
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
无资料或少资料区河流流量监测与定量反演
1
2018
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
水文资料缺乏区河流流量遥感估算模型研究
1
2019
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
水文资料缺乏区河流流量遥感估算模型研究
1
2019
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
Progress in river runoff monitoring by remote sensing
1
2010
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
Jason_2卫星测高数据在长江中游水位监测中的应用
0
2018
Jason_2卫星测高数据在长江中游水位监测中的应用
0
2018
Jason-2测高卫星对湖泊水位的监测精度评价
1
2020
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
Jason-2测高卫星对湖泊水位的监测精度评价
1
2020
... 河流是陆地水循环中大陆分支的一部分,在供应满足人类和经济需要的淡水方面发挥着至关重要的作用,河流水资源与人类生活息息相关[1-2].河流观测对于淡水资源评价、洪涝灾害监测与预防、气候变化研究有重要意义,在水资源综合管理和政府决策中具有重要的参考价值[3].河流水位是指基准面以上的河流水面的高程,是河流水文/水力学的一个基本量,是河流观测中的一个重要参数.由于政治、经济以及地域条件的限制,全球径流数据中心(Global Runoff Data Centre,GRDC)显示自1978年开始,全球水文站数量急剧减少[4-5].随着卫星遥感技术的发展,其依靠实时、高效、覆盖范围广、低成本等特点开始在内陆水体的监测中扮演重要角色,为资料稀缺的地区的河流观测提供了重要的数据补充,逐渐成为一种具有广泛应用前景的河流水位监测手段[6-8]. ...
Rating curves and estimation of average water depth at the upper Negro River based on satellite altimeter data and modeled discharges
1
2006
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
1
2013
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
1
2013
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
New Techniques in Satellite Altimeter Tracking Systems
1
1986
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Sea surface height determination in the Arctic using Cryosat-2 SAR data from primary peak empirical retrackers
1
2015
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Coastal gravity anomalies from retracked Geosat/GM altimetry: Improvement, limitation and the role of airborne gravity data
1
2006
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
1
2017
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Dynamic change and spatial analysis of Great Lakes in China based on hydroweb and landsat data
1
2021
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Monitoring volumetric fluctuations in tropical lakes and reservoirs using satellite remote sensing
1
2018
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Estimating discharges for poorly gauged river basin using ensemble learning regression with satellite altimetry data and a hydrologic model
1
2019
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Satellite altimeter to estimate discharge of the Ganga River
1
2021
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
A comparative analysis of altimetry derived water levels with in-situ Gauge data on river indus
1
2019
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
Water levels in the Amazon basin derived from the ERS 2 and ENVISat radar altimetry missions
2
2010
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
... 现有3种数据集的主要特征如表1所示,其在我国的虚拟站点分布如图1所示.Hydroweb数据集的算法主要基于多种卫星雷达高度计的GDR(Geophysical Data Records)数据产品,采用一定的数据筛选和滤波方法来生成最终的水位产品[20-22].GDR数据产品是测高卫星提供的不包含原始波形数据的地球物理数据记录,其中包含距离测量以及各种误差修正参数,距离测量是基于Ice-1波形重跟踪算法得到.Hydroweb数据集采用后向散射系数来选择最具回声特性的测量结果来计算水面高度,根据每个虚拟站水位观测结果的均值与相关标准偏差来进行滤波,得到最后的水位观测结果.Hydroweb数据集的测高数据产品在中国共有626个虚拟站点,其中Envisat 3个、Jason 36个、Sentinel-3 587个. ...
SOLS: a lake database to monitor in the Near Real Time water level and storage variations from remote sensing data
0
2011
Evolution of the performances of radar altimetry missions from ERS-2 to Sentinel-3A over the Inner Niger Delta
2
2018
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
... 现有3种数据集的主要特征如表1所示,其在我国的虚拟站点分布如图1所示.Hydroweb数据集的算法主要基于多种卫星雷达高度计的GDR(Geophysical Data Records)数据产品,采用一定的数据筛选和滤波方法来生成最终的水位产品[20-22].GDR数据产品是测高卫星提供的不包含原始波形数据的地球物理数据记录,其中包含距离测量以及各种误差修正参数,距离测量是基于Ice-1波形重跟踪算法得到.Hydroweb数据集采用后向散射系数来选择最具回声特性的测量结果来计算水面高度,根据每个虚拟站水位观测结果的均值与相关标准偏差来进行滤波,得到最后的水位观测结果.Hydroweb数据集的测高数据产品在中国共有626个虚拟站点,其中Envisat 3个、Jason 36个、Sentinel-3 587个. ...
DAHITI-an innovative approach for estimating water level time series over inland waters using multi-mission satellite altimetry
2
2015
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
... DAHITI数据集与Hydroweb不同,DAHITI主要采用SGDR(Sensor Geophysical Data Records)数据提供的原始波形数据的传感器地球物理数据记录来提取水位[23].DAHITI数据集选择阈值为10%的“改进阈值追踪器”(Improved Threshold Retracker)对选择的SGDR数据进行波形的重跟踪,然后采用扩展的异常值剔除和卡尔曼滤波方法[24]来严格组合可选的高度计任务来观测水位.DAHITI数据集的测高数据产品在中国共提供了11个河流时间序列.GRRATS数据集采用的原始测高数据是ENVISAT、Jason-2等卫星的GDR数据产品 [25].GRRATS数据集根据全球河流宽度(Global River Widths from Landsat, GRWL)数据集[26-27]来选取虚拟站点,获取GDR测量数据及修正参数,对每一个站点使用先验数据高程模型来进行数据过滤,最后选择每个站点过滤后的GDR测量数据的均值作为该虚拟站点的观测水位.GRRATS数据集的测高数据产品在中国包含长江和黑龙江共计36个虚拟站点,其中Envisat 29个、Jason 7个. ...
A New approach To linear filtering and prediction problems
2
1960
... DAHITI数据集与Hydroweb不同,DAHITI主要采用SGDR(Sensor Geophysical Data Records)数据提供的原始波形数据的传感器地球物理数据记录来提取水位[23].DAHITI数据集选择阈值为10%的“改进阈值追踪器”(Improved Threshold Retracker)对选择的SGDR数据进行波形的重跟踪,然后采用扩展的异常值剔除和卡尔曼滤波方法[24]来严格组合可选的高度计任务来观测水位.DAHITI数据集的测高数据产品在中国共提供了11个河流时间序列.GRRATS数据集采用的原始测高数据是ENVISAT、Jason-2等卫星的GDR数据产品 [25].GRRATS数据集根据全球河流宽度(Global River Widths from Landsat, GRWL)数据集[26-27]来选取虚拟站点,获取GDR测量数据及修正参数,对每一个站点使用先验数据高程模型来进行数据过滤,最后选择每个站点过滤后的GDR测量数据的均值作为该虚拟站点的观测水位.GRRATS数据集的测高数据产品在中国包含长江和黑龙江共计36个虚拟站点,其中Envisat 29个、Jason 7个. ...
... 由于雷达高度计脚印点直径较大(几公里到十几公里级别),以及干湿季和周边水体的影响,内陆水体的回波比海洋回波更为复杂,传统的波形重订算法的精度会有很大不确定性.近年来针对内陆水体陆续提出了一系列的改进算法,例如50%阈值与Ice组合算法(the 50% Threshold and Ice-1 Combined algorithm, TIC)[24]、多波形持续峰值重跟踪算法(Multiple Waveform Persistent Peak Retracker,MwaPP)[32]、多子波多权重阈值重跟踪算法(Multi-subwaveform Multi-weight Threshold Retracker, MSMWTR)[1]等.但是目前这些算法还没有产生相应系统性的产品. ...
Global river radar altimetry time series (GRRATS): new river elevation earth science data records for the hydrologic community
2
2020
... 目前卫星遥感技术主要通过搭载在卫星上的雷达高度计测量内陆水体表面高程提供水位观测数据集.在卫星轨道与河流网络的交叉点上,定期提取河流水情信息,形成类似无人值守的水文观测站,被称为虚拟观测站(virtual station)技术[9].虚拟站点的水文观测可以覆盖全球网络,提供偏远无资料区的观测数据,并以经济、高效的方式补充现有水文观测网络.雷达高度计提取水位的原理,是通过计算发射电磁波与接收来自地面反射电磁波的时间间隔,并加入地球物理和大气层延迟改进参数后,测算星下点高程.雷达测高的关键是对雷达反射波形进行分析,确定微波脉冲到达地表的时间,即距离窗口必须在时间上被正确定位(即窗口延迟),这个过程被称为波形重跟踪[10].卫星雷达高度计最初是为了观测海洋表面而开发,针对典型的海洋单波峰回波的波形,重跟踪算法主要有重心偏移算法(Offset Centre of Gravity, OCOG)[11]、、窄主峰重跟踪算法(Narrow Primary Peak Retracker, NPPR)[12]、改进阈值重跟踪算法(Improved Threshold Retracker, ITR)[13],基于OCOG改进的Ice算法[1](适用于冰面)等,其精度能达到厘米级别.最近的一些研究也证明可以将其应用于内陆水体中[14],由于内陆水体与冰面回波的相似之处,测高卫星的原始跟踪测高产品便是采用的Ice-1算法(OCOG算法改进)进行波形重跟踪处理并提供原始测高产品的,另外目前主要有3种基于卫星测高研制的全球河流水位时序数据库:①Hydroweb数据集,该数据集是由地球物理和空间海洋学研究实验室于2011年开发的湖泊和河流的水位数据集(http:∥hydroweb.theia-land.fr/);②DAHITI数据集,该数据集是由德国慕尼黑工业大学于2013年开发的提供内陆水体水位时间序列的数据集(https:∥dahiti.dgfi.tum.de/en/);③GRRATS数据集,该数据集是由Stephen Coss等于2019年开发生成的一个针对全球大型河流(河宽大于900 m)的水位时序数据集(https:∥doi.org/10.5067/PSGRA-SA2V1).基于这些水位数据,可以开展湖泊水储量以及河流径流反演等方面的研究.例如Yue等[15]利用Hydroweb数据集与Landsat数据建立中国五大湖泊水位、面积、水储量时间序列;Keys等[16]利用MODIS卫星图像和Hydroweb测高数据,建立了10个大型热带地表水体的储存量变化的高频时间序列;Dka等[17]借助Hydroweb数据集及其他水位数据,几个水文模型估算刚果河流量;Rai等[18]利用Hydroweb与DAHITI数据集的水位估计恒河的流量.应用这些水位数据的前提是数据集的水位观测精度情况,目前的3种数据集原作者在国外一些特定的流域进行了精度验证,精度一般能达到RMSE在几厘米到几十厘米左右,Hydroweb在亚马逊河流域[20](基于Envisat、Jason卫星)与内尼日尔三角洲[22](基于Envisat、Jason、Sentinel-3卫星)RMSE分别为0.10~1.70 m与0.40~1.60 m,DAHITI数据集在亚马逊流域[23]RMSE为0.04~1.13 m,GRRATS数据集在选定的验证河流[25] RMSE为0.57~1.18m.另外,Jamro等[19]评估了DAHITI与Hydroweb数据集在印度河的水位监测精度,结果表明R2均大于0.6,RMSE平均分别为0.5 m与0.6 m.但是3种数据集在中国河流的水位监测精度情况尚未有报道. ...
... DAHITI数据集与Hydroweb不同,DAHITI主要采用SGDR(Sensor Geophysical Data Records)数据提供的原始波形数据的传感器地球物理数据记录来提取水位[23].DAHITI数据集选择阈值为10%的“改进阈值追踪器”(Improved Threshold Retracker)对选择的SGDR数据进行波形的重跟踪,然后采用扩展的异常值剔除和卡尔曼滤波方法[24]来严格组合可选的高度计任务来观测水位.DAHITI数据集的测高数据产品在中国共提供了11个河流时间序列.GRRATS数据集采用的原始测高数据是ENVISAT、Jason-2等卫星的GDR数据产品 [25].GRRATS数据集根据全球河流宽度(Global River Widths from Landsat, GRWL)数据集[26-27]来选取虚拟站点,获取GDR测量数据及修正参数,对每一个站点使用先验数据高程模型来进行数据过滤,最后选择每个站点过滤后的GDR测量数据的均值作为该虚拟站点的观测水位.GRRATS数据集的测高数据产品在中国包含长江和黑龙江共计36个虚拟站点,其中Envisat 29个、Jason 7个. ...
Characterizing worldwide patterns of fluvial geomorphology and hydrology with the Global River Widths from Landsat (GRWL) database
1
2015
... DAHITI数据集与Hydroweb不同,DAHITI主要采用SGDR(Sensor Geophysical Data Records)数据提供的原始波形数据的传感器地球物理数据记录来提取水位[23].DAHITI数据集选择阈值为10%的“改进阈值追踪器”(Improved Threshold Retracker)对选择的SGDR数据进行波形的重跟踪,然后采用扩展的异常值剔除和卡尔曼滤波方法[24]来严格组合可选的高度计任务来观测水位.DAHITI数据集的测高数据产品在中国共提供了11个河流时间序列.GRRATS数据集采用的原始测高数据是ENVISAT、Jason-2等卫星的GDR数据产品 [25].GRRATS数据集根据全球河流宽度(Global River Widths from Landsat, GRWL)数据集[26-27]来选取虚拟站点,获取GDR测量数据及修正参数,对每一个站点使用先验数据高程模型来进行数据过滤,最后选择每个站点过滤后的GDR测量数据的均值作为该虚拟站点的观测水位.GRRATS数据集的测高数据产品在中国包含长江和黑龙江共计36个虚拟站点,其中Envisat 29个、Jason 7个. ...
Global extent of rivers and streams
1
2018
... DAHITI数据集与Hydroweb不同,DAHITI主要采用SGDR(Sensor Geophysical Data Records)数据提供的原始波形数据的传感器地球物理数据记录来提取水位[23].DAHITI数据集选择阈值为10%的“改进阈值追踪器”(Improved Threshold Retracker)对选择的SGDR数据进行波形的重跟踪,然后采用扩展的异常值剔除和卡尔曼滤波方法[24]来严格组合可选的高度计任务来观测水位.DAHITI数据集的测高数据产品在中国共提供了11个河流时间序列.GRRATS数据集采用的原始测高数据是ENVISAT、Jason-2等卫星的GDR数据产品 [25].GRRATS数据集根据全球河流宽度(Global River Widths from Landsat, GRWL)数据集[26-27]来选取虚拟站点,获取GDR测量数据及修正参数,对每一个站点使用先验数据高程模型来进行数据过滤,最后选择每个站点过滤后的GDR测量数据的均值作为该虚拟站点的观测水位.GRRATS数据集的测高数据产品在中国包含长江和黑龙江共计36个虚拟站点,其中Envisat 29个、Jason 7个. ...
1
... 研究选取了与卫星虚拟站点在同一河道上且距离在5 km范围半径内的水文站观测数据进行了水位精度验证(水文站点分布见图1).所有水文站实测数据均来自与《中华人民共和国水文年鉴》[28],共获取了32个水位站2005~2018年的实测逐日平均水位数据.其中有部分站点有部分年份的数据缺失,水文站实测数据采用的是国家85黄海高程基准. ...
1
... 研究选取了与卫星虚拟站点在同一河道上且距离在5 km范围半径内的水文站观测数据进行了水位精度验证(水文站点分布见图1).所有水文站实测数据均来自与《中华人民共和国水文年鉴》[28],共获取了32个水位站2005~2018年的实测逐日平均水位数据.其中有部分站点有部分年份的数据缺失,水文站实测数据采用的是国家85黄海高程基准. ...
An improved approach to monitoring Brahmaputra River water levels using retracked altimetry data
1
2018
... 实测水位是水文站日平均水位值,水位数据集测高水位是卫星过境时观测水位,为进行水位观测比较,本文根据卫星观测水位数据集的观测日期将水文站实测日平均水位与其一一匹配,即认为一般情况同一天内水位变化较小,测高数据集水位与对应水文站的当天日平均水位紧密联系.由于两者使用的高程基准不同以及位置的差异,即测高水位与实测水位存在一个垂直基准偏差[1],可以选择用对应时间的测高水位与实测水位之差来进行偏差修正[29],研究选择采用该站点位置实测数据与测高数据集的差值的中位数作为两者的垂直基准偏差将测高水位与实测水位的高程基准统一之后来进行精度评价. ...
High-resolution mapping of global surface water and its long-term changes
1
2016
... 影响卫星观测水位的精度除了周边地物以外,还有一些季节性水体的因素.Jean-Francois Pekel等[30]利用Landsat影像制作了全球尺度的近32 a以来的地表水动态变化图(包括全球地表水频率分布图),我们基于此图比较了长江周边季节性水体较多的黄家港(图8(a))、襄阳(图8(b))以及周边季节性水体较少的金溪站(图8(c))的水位精度情况.发现受到周边季节性水体影响的黄家港以及襄阳站,水位观测结果R2分别为0.46和0.56,RRMSE分别为22%和23%,而周边季节性水体较少的金溪站水位结果R2为0.92,RRMSE为11%.可以看出长江上,河段周边的季节性水体,尤其是小型湖泊或者水塘会降低卫星观测水位的精度. ...
Sentinel-3 radar altimetry for river monitoring-a catchment-scale evaluation of satellite water surface elevation from Sentinel-3A and Sentinel-3B
1
2020
... 从验证结果来看,3种数据集在中国的水位提取精度的不同与其使用的水位提取算法(波形重跟踪与去噪)以及选择的测高卫星不同有关.DAHITI数据集使用了SGDR数据并进行波形重跟踪,其在黄河的高村站确实表现出了非常好的精度,但是其精度也不稳定(枝城站精度较差).Hydroweb数据集与GRRATS数据集均选择GDR数据,只是数据去噪的策略不同,两种数据集也在一些特定的站点有较好的精度,但是也有大量站点精度较差.以Hydroweb数据集为例,基于Sentinel-3雷达高度计的水位精度整体好于Jason传感器,可能是由于Sentinel-3卫星使用合成孔径雷达观测,步幅直径(300 m)显著低于公里级别步幅直径的Jason和Envisat传感器,受陆地污染、岛屿等的影响较小[31],因此大量使用Sentinel-3卫星观测数据的Hydroweb数据集整体精度相较于另外两个数据更高. ...
Improved inland water levels from SAR altimetry using novel empirical and phy-sical retrackers
1
2016
... 由于雷达高度计脚印点直径较大(几公里到十几公里级别),以及干湿季和周边水体的影响,内陆水体的回波比海洋回波更为复杂,传统的波形重订算法的精度会有很大不确定性.近年来针对内陆水体陆续提出了一系列的改进算法,例如50%阈值与Ice组合算法(the 50% Threshold and Ice-1 Combined algorithm, TIC)[24]、多波形持续峰值重跟踪算法(Multiple Waveform Persistent Peak Retracker,MwaPP)[32]、多子波多权重阈值重跟踪算法(Multi-subwaveform Multi-weight Threshold Retracker, MSMWTR)[1]等.但是目前这些算法还没有产生相应系统性的产品. ...
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
1
2021
... 对于未来的河流测高算法设计研究以及对于河流卫星测高数据产品的开发,可以考虑使用更多雷达卫星来进行原始波形数据的获取,提高测高卫星的性能,增加卫星数据源,考虑增加使用CryoSat-2以及ICESat-2等卫星[33-34].另外最近机器学习和深度学习相关技术的兴起也对未来河流测高算法的研究提供了新的思路,例如将小波分析与深度学习卷积神经网络相结合应用于卫星测高波形的分析中[35],开展河流测高算法研究,提高水位监测精度.在河流水位监测研究的应用方面,也可以将卫星测高水位监测数据与水文模型相结合[36],在河流水文气候等领域进行研究,为水资源保护、政府决策等提供帮助. ...
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
1
2021
... 对于未来的河流测高算法设计研究以及对于河流卫星测高数据产品的开发,可以考虑使用更多雷达卫星来进行原始波形数据的获取,提高测高卫星的性能,增加卫星数据源,考虑增加使用CryoSat-2以及ICESat-2等卫星[33-34].另外最近机器学习和深度学习相关技术的兴起也对未来河流测高算法的研究提供了新的思路,例如将小波分析与深度学习卷积神经网络相结合应用于卫星测高波形的分析中[35],开展河流测高算法研究,提高水位监测精度.在河流水位监测研究的应用方面,也可以将卫星测高水位监测数据与水文模型相结合[36],在河流水文气候等领域进行研究,为水资源保护、政府决策等提供帮助. ...
Inland water level measurement from spaceborne laser altimetry: Validation and comparison of three missions over the Great Lakes and lower Mississippi River
1
2021
... 对于未来的河流测高算法设计研究以及对于河流卫星测高数据产品的开发,可以考虑使用更多雷达卫星来进行原始波形数据的获取,提高测高卫星的性能,增加卫星数据源,考虑增加使用CryoSat-2以及ICESat-2等卫星[33-34].另外最近机器学习和深度学习相关技术的兴起也对未来河流测高算法的研究提供了新的思路,例如将小波分析与深度学习卷积神经网络相结合应用于卫星测高波形的分析中[35],开展河流测高算法研究,提高水位监测精度.在河流水位监测研究的应用方面,也可以将卫星测高水位监测数据与水文模型相结合[36],在河流水文气候等领域进行研究,为水资源保护、政府决策等提供帮助. ...
Wavelet decomposition and deep learning of altimetry waveform retracking for Lake Urmia water level survey
1
2021
... 对于未来的河流测高算法设计研究以及对于河流卫星测高数据产品的开发,可以考虑使用更多雷达卫星来进行原始波形数据的获取,提高测高卫星的性能,增加卫星数据源,考虑增加使用CryoSat-2以及ICESat-2等卫星[33-34].另外最近机器学习和深度学习相关技术的兴起也对未来河流测高算法的研究提供了新的思路,例如将小波分析与深度学习卷积神经网络相结合应用于卫星测高波形的分析中[35],开展河流测高算法研究,提高水位监测精度.在河流水位监测研究的应用方面,也可以将卫星测高水位监测数据与水文模型相结合[36],在河流水文气候等领域进行研究,为水资源保护、政府决策等提供帮助. ...
Hydro-climatology study of the Ogooué River basin using hydrological modeling and satellite altimetry
1
2021
... 对于未来的河流测高算法设计研究以及对于河流卫星测高数据产品的开发,可以考虑使用更多雷达卫星来进行原始波形数据的获取,提高测高卫星的性能,增加卫星数据源,考虑增加使用CryoSat-2以及ICESat-2等卫星[33-34].另外最近机器学习和深度学习相关技术的兴起也对未来河流测高算法的研究提供了新的思路,例如将小波分析与深度学习卷积神经网络相结合应用于卫星测高波形的分析中[35],开展河流测高算法研究,提高水位监测精度.在河流水位监测研究的应用方面,也可以将卫星测高水位监测数据与水文模型相结合[36],在河流水文气候等领域进行研究,为水资源保护、政府决策等提供帮助. ...