本研究由Nicolas Avisse、Amaury Tilmant、Marc François Müller和Hua Zhang等人完成，主要作者来自加拿大拉瓦尔大学（Université Laval）、美国圣母大学（University of Notre Dame）以及德克萨斯A&M大学科珀斯克里斯蒂分校（Texas A&M University–Corpus Christi）。该研究于2017年12月18日发表在欧洲地球科学联盟（European Geosciences Union）旗下的开放获取期刊《Hydrology and Earth System Sciences》上，论文标题为《Monitoring small reservoirs’ storage with satellite remote sensing in inaccessible areas》。

从学术背景来看，该研究属于卫星遥感与水文学、水资源管理的交叉领域。在全球许多河流流域中，水库的蓄水量和库容信息的定期更新对于水资源系统有效管理至关重要，然而世界范围内绝大多数水库由于资金、政治或法律原因，其蓄水信息要么未被测量，要么难以公开获取。特别是在偏远、无监测设施或冲突地区，传统的地面观测手段几乎无法实施。针对这一问题，已有研究多依赖于卫星雷达或激光测高，但这些方法受限于卫星轨道重复周期、足迹宽度及空间分辨率，主要适用于面积大于100平方公里的大型湖泊或水库，对于数量众多但面积较小的灌溉水库难以适用。因此，本文旨在提出一种完全基于遥感数据的小型水库蓄水量监测方法，并将其应用于因内战而无法进行地面监测的叙利亚南部雅尔穆克河流域（Yarmouk River Basin）。

为了实现上述目标，本研究开发了一套包含三个主要步骤的遥感监测流程。首先，研究使用了Landsat 4、5、7和8卫星影像来获取水体面积信息。由于Landsat影像具有30米的空间分辨率，能够识别小型水库的面积变化，而MODIS影像的250米或500米分辨率对于面积不足1平方公里的水库而言过于粗糙。研究从美国地质调查局（USGS）EarthExplorer网站下载了约300景覆盖雅尔穆克河流域及邻近约旦水库区域的Landsat影像。在数据处理的第一步中，研究者首先应用Fmask算法（function of mask）来区分云层、云阴影、陆地和水体，并对受云层污染严重的影像进行人工剔除。随后，通过叠加约245景有效影像，构建了水体出现频率图（occurrence mask），以识别真正的水库并剔除偶发的分类错误。为了进一步提高水体识别精度，研究引入了归一化植被指数（NDVI）和改进的归一化差异水体指数（MNDWI），并设计了基于动态阈值的二维分类增强方法。该方法根据不同日期和气候条件自动确定MNDWI阈值，从而更准确地检测被Fmask漏分的水体像元。在此过程中，研究还考虑了Landsat 7扫描行校正器（SLC）故障造成的条带缺失以及云层遮挡等因素对水体识别的影响。统计结果显示，最终水体范围内平均有24.1%的像元被误分为陆地，8.1%被云或云影覆盖，8.6%位于数据缺失区域，因此后续的校正与重建步骤具有重要意义。

第二步是数字高程模型（DEM）的统计校正。研究选用了ASTER GDEM v2和SRTM-C/X三种DEM数据，其空间分辨率约为30米，能够覆盖全球大部分陆地表面，但垂直精度远低于卫星测高。由于DEM数据在获取时可能受到当时水库蓄水的影响，直接提取的水库地形存在较大误差。为此，研究利用Landsat影像得到的水体出现频率来校正DEM高程。具体做法是，对水库内每个像元计算其被水淹没的相对频率，并将该频率视为对像元实际相对高程的一种更可靠的估计。随后，将每个像元的淹没频率与DEM高程建立统计关系，选取未被水体覆盖或受水影响较小的像元进行多项式回归或局部多项式回归，从而构建“校正高程—面积”关系曲线，并进一步推求水库的“库容—面积”填充曲线。该步骤对于小水库尤为关键，因为DEM的垂直误差可能达到数米，而有些小型水库的总水位变幅仅十余米。回归结果显示，对于部分水库，校正后的高程与面积关系拟合优度R²可达0.9以上，但也存在一些水库因DEM成像时水体覆盖比例过高而无法获得可靠关系。

第三步是三维重建算法，用于恢复被云层、阴影或Landsat 7 SLC条带缺失所隐藏的水体区域。该方法基于第一步获得的水体出现频率和第二步获得的校正高程，对每个未知像元判断其是否应属于水体。具体而言，若一个位于水库最大水域边界内的未知像元，其校正高程低于相邻已知水体像元校正高程的第98百分位数，则将其判定为水体并纳入最终水域范围。这一重建步骤有效弥补了Landsat影像时间分辨率较低和SLC故障造成的数据缺失，显著提高了小型水库面积和蓄水量估算的连续性与准确性。

在结果验证方面，研究利用约旦境内由约旦河谷管理局（Jordan Valley Authority, JVA）提供的地面实测数据，对六个水库的蓄水量和水位估算结果进行了对比验证。所选水库最大水面面积从0.59到3.79平方公里不等。结果显示，蓄水量估算的决定系数R²介于0.69至0.84之间，归一化均方根误差（NRMSE）在10%至16%之间；水位估算的R²在部分水库可达0.98，但个别水库如King Talal水库误差较大。研究者分析认为，误差主要来源于DEM成像时水库蓄水比例过高，导致可用于回归的有效像元过少，从而影响高程校正的可靠性。此外，由于缺乏地面实测数据的采集日期信息，部分误差也可能来源于时间不一致问题。敏感性分析表明，研究中设定的动态阈值参数在较大范围内均能保持较高的估算精度，说明该方法具有良好的鲁棒性和可移植性。

本研究的科学意义和应用价值主要体现在以下几个方面。第一，该方法完全基于开放获取的Landsat影像和DEM数据，无需任何地面实测资料，因此特别适用于偏远、无监测设施或冲突地区的小型水库监测。第二，与已有的卫星测高方法相比，该方法能够覆盖面积小于1平方公里的小型水库，填补了现有遥感监测在小型水体方面的空白。第三，该方法通过结合二维动态分类、DEM统计校正和三维重建算法，有效克服了Landsat影像时间分辨率低、云层遮挡和SLC条带缺失等问题，实现了对水库蓄水量变化的连续估算。第四，研究以叙利亚雅尔穆克河流域为案例，展示了在内战导致地面监测中断的情况下，遥感方法仍能提供较为可靠的水库蓄水变化信息，这对于跨境水资源管理和人道主义援助具有重要现实意义。此外，作者还指出，近年发射的Sentinel-2卫星具有更高的空间分辨率（10米）和更短的重访周期（5天），未来将Landsat与Sentinel-2数据结合使用，有望进一步提高小型水库蓄水量监测的时效性和精度。

总体而言，本文提出的遥感监测方法为全球范围内大量缺乏地面观测的小型水库提供了一种可行的蓄水量估算方案。其核心创新在于：利用水体出现频率替代卫星测高进行地形校正，通过动态阈值分类增强水体识别，以及基于地形统计关系的水体三维重建。该方法的应用不依赖于特定地理位置和影像获取时间，因而具有较强的通用性。随着Landsat和Sentinel系列卫星数据的持续积累，该研究框架还可进一步发展为近实时的水库蓄水量动态监测系统，为水资源管理、农业灌溉调度和跨界水资源冲突分析提供重要数据支撑。