本研究由维多利亚·范托夫（Victoria Vanthof）和理查德·凯利（Richard Kelly）完成，作者均来自加拿大滑铁卢大学地理与环境管理系。论文发表于《Remote Sensing of Environment》期刊，2019年11月1日在线发表，卷号为235，文章编号111437。

本研究属于半干旱区水文学与卫星遥感交叉领域。研究的主要科学问题是：在缺乏地面水文监测站的小型季节性水库（印度称为“tanks”）中，如何利用卫星遥感手段估算地表水储量（Surface Water Storage, SWS）。这类水库规模通常在50公顷以下，数量庞大但个体面积小、分布分散，传统的高程计（altimetry）或地面观测手段难以覆盖。然而在半干旱地区，农业灌溉和农村生计高度依赖这些雨水收集结构，因此准确估算其储水量对水资源管理、干旱监测和农业规划具有重要意义。研究的核心思路是利用TanDEM-X数字高程模型（DEM）提取水库底部地形（bathymetry），建立体积—面积（V-A）经验关系，再结合Sentinel-1雷达影像和PlanetScope光学立方星影像获取的地表水面积，实现储水量的快速估算。

研究区域为印度泰米尔纳德邦的贡达尔河流域（Gundar River Basin, GRB），总面积5647平方公里，分布有2314座水塘，其中559座在5至80公顷范围内被筛选用于研究，并进一步按面积分层抽取72座用于模型校准。研究数据包括TanDEM-X DEM（12.5米空间分辨率）、Sentinel-1A双极化（VV+VH）合成孔径雷达（SAR）影像、PlanetScope多光谱影像（3.125米空间分辨率）、Landsat-8和Sentinel-2A光学影像，以及2016年采集的四个水塘的实地GPS地形测量数据用于验证DEM精度。

在方法流程上，研究分为三个主要步骤。第一步是体积—面积模型的构建与验证。研究者首先用实地GPS数据验证TanDEM-X DEM的垂直精度，结果显示四个水塘的平均绝对误差为0.67至0.86米，均方根误差为0.98至1.47米，优于官方公布的2至4米精度。随后，对72个水塘以5厘米水位增量从塘底到堤顶（约3米）计算体积和面积的配对数据，分别建立三种V-A幂函数模型（公式为V=a×A^b）：塘特定模型（tank-specific, TS）、分类模型（categorical, CAT）和泛化模型（generalized, GEN）。TS模型为每个水塘单独拟合a、b参数；CAT模型按四个面积类别（<10公顷、10–20公顷、20–50公顷、>50公顷）分别拟合参数；GEN模型则对所有水塘拟合单一参数。模型性能通过标准化体积误差（Verr）进行评估，分别在最大水位、80%最大水位和50%最大水位三个填充水平下比较各模型的误差。第二步是地表水面积提取。对光学影像计算归一化差异水体指数（NDWI），对SAR影像使用VV极化和4×4中值滤波降噪，然后基于Google Earth Engine平台，采用局部大津法（Otsu）阈值分割提取水体。研究使用PlanetScope提取的水体面积作为参考，对92个水塘的Sentinel-1提取面积进行验证，采用平均绝对误差、平均绝对百分比误差和差异面积指数（Differential Area Index, DAI）作为评价指标。第三步是两类监测应用：其一是在流域尺度利用Sentinel-1数据估算2015年和2017年东北季风期559个水塘的最大储水量；其二是对单一水塘进行多传感器时间序列储水量动态监测，分析其蓄水和放水周期。

在主要结果方面，体积—面积模型验证表明，TanDEM-X DEM提取的V-A参数与实地GPS数据高度一致，各水塘的R²在90%至97%之间。72个水塘的b参数范围为1.1至1.9，均值为1.5，其中63%的水塘b<1.5，指示其底部地形呈凹形。a参数的均值在0.00277至0.01116之间且随水塘面积增大而增大。三种模型中，CAT模型在各类别和填充水平下的整体误差最小。在50%最大水位处，TS、CAT和GEN模型的平均Verr分别为6.8%、6.4%和8.0%，表明在典型水位（1.5米以下）时体积估算的绝对误差在6–8%范围内。在Sentinel-1水体面积精度评估中，VV极化影像与PlanetScope提取结果的相关性达96%，优于VH极化的91%。然而Sentinel-1总体上低估了约18%的水体总面积，92个水塘的平均DAI为0.33，即面积差异平均为33%。误差较大的水塘通常具有狭长的水体形态或雷达影像中陆地—水体对比度不足。对于DAI最低的前20%水塘，体积差异仅为10%，而全部水塘的体积差异为27%。在流域尺度应用中，2015年179个水塘的总估算体积为6,303,091立方米，比2017年的4,011,419立方米高出约36%，与CHIRPS卫星降水数据所示2015年东北季风降水量596毫米高于2017年282毫米的趋势一致。将Sentinel-1估算值与基于DEM模拟的四个水位（0.75、1.5、2.25、3米）体积对比发现，水塘在两年中的实际充水水平更接近1.5米的模拟状态，而非满载。在单一水塘时间序列分析中，PlanetScope提供了27个有效水体面积观测，明显多于Sentinel-1的12个、Sentinel-2A的4个和Landsat-8的3个。该水塘在2017年9月初随季风降雨快速蓄水至峰值，随后三个月持续放水下降，清晰展示了水库的季节性蓄放水周期。

本研究的结论认为，TanDEM-X DEM可有效提取小型水库底部地形，结合当地分层建立的分类V-A幂函数模型，能在无地面监测条件下以6–8%的绝对体积误差估算储水量。Sentinel-1雷达影像具有全天候监测能力，但在水塘尺度上系统性低估水体面积，应结合高空间分辨率和高时间频率的PlanetScope光学观测以降低误差。研究提出了一种多传感器协同的遥感监测框架，利用雷达穿透云层的能力与光学影像的高空间分辨率，实现了对小型灌溉水库的大范围高时空分辨率储水量估算。该方法在跨界水资源管理、农业灌溉调度和干旱预警方面具有应用潜力，并且可直接纳入未来的SWOT（Surface Water and Ocean Topography）卫星任务框架中。

本研究的亮点在于：首次系统性地将TanDEM-X DEM用于半干旱区小型灌溉水库的储水量估算，并通过对72个水塘的大样本分析评估了不同空间尺度下V-A模型的误差传播；将Sentinel-1 SAR与PlanetScope立方星影像相结合，提出在云覆盖季风条件下实现水库连续监测的可行方案；通过分类V-A模型降低了单一大模型因地形形态差异带来的体积估算不确定性。此外，研究还揭示了小型水库在面积小于10公顷或大于50公顷时体积估算误差更大的现象，提示在推广该方法时需特别关注这些面积区间的水塘形态变异性。