河流流量遥感（RSQ）研究综述：学科框架与方法论全景
作者及发表信息
本文由Colin J. Gleason（美国马萨诸塞大学阿默斯特分校土木与环境工程系）与Michael T. Durand（俄亥俄州立大学环境学院）合作撰写，2020年3月31日发表于期刊《Remote Sensing》。
主题与背景
本文是一篇系统性综述，旨在梳理过去十年间河流流量遥感（Remote Sensing of River Discharge, RSQ）领域的研究进展，解决该子领域因快速创新导致的术语混淆、误引及方法论碎片化问题。RSQ作为水文遥感的核心方向，通过电磁波信号（如光学、微波、激光雷达等）反演河流流量，但其方法多样性导致非RSQ研究者难以把握学科全貌。作者提出，现有分类（如按传感器类型划分）已不足以概括学科发展，需以应用场景（如流域测站覆盖程度）和方法论为核心框架重新组织文献。
作者提出，RSQ方法的选择应基于流域的测站数据覆盖程度，并将其划分为五类：
- 有测站流域（Gauged）：RSQ用于补充现有测站数据的时空分辨率（如通过卫星高度计校准水位-流量关系曲线）。
- 半测站流域（Semi-gauged）：流域内测站稀疏，需结合区域水文模型与遥感数据（如GRACE重力卫星反演流域储水量变化）。
- 区域测站流域（Regionally gauged）：依赖邻近气候-地质相似流域的测站数据（如通过区域化参数移植估算未测河流的流量）。
- 政治性无测站流域（Politically ungauged）：数据因政治原因被封锁（如利用公开卫星数据突破主权国家的水文数据限制）。
- 完全无测站流域（Totally ungauged）：无任何直接或间接测站数据（如基于质量守恒的流量反演方法MCFLI）。
论据支持：
- 以Bjerklie等（2003）的全球河流水力几何关系为例，其统计模型依赖美国本土测站数据，仅适用于“区域测站流域”，而Frasson等（2019）的全球数据集可扩展至“完全无测站”场景。
- 政治性无测站案例中，作者引用Gleason和Hamdan（2016）指出，卫星数据可能挑战国家主权，需权衡科学价值与伦理。
作者将RSQ方法归纳为三大类，每类下细分技术路线：
2.1 水文模型校准/同化
- 目标：通过遥感数据（如降水、蒸散发、土壤湿度）优化水文模型参数，间接估算流量。
- 案例：Lin等（2019）整合全球10,000+测站与多源遥感数据，生成300万河段的日流量再分析产品。
- 局限性：依赖模型初始校准数据，难以应用于完全无测站流域。
2.2 水力模型校准
- 核心：基于流体力学方程（如曼宁公式）反演流量，需遥感观测水力参数（如水面宽度、坡度、粗糙度）。
- 创新方法：
- 变分数据同化（4D-VDA）（Durand等，2016）：联合宽度、高度、坡度观测，通过贝叶斯框架求解未知参数。
- 无人机立体摄影（King等，2018）：生成高精度DEM驱动HEC-RAS模型。
2.3 地貌反演问题
- 代表技术：质量守恒流量反演（MCFLI），仅需河流宽度（如Landsat影像）即可估算流量（Gleason等，2014）。
- 优势：适用于完全无测站流域，但误差较大（Durand等，2016比较显示多参数输入方法精度更高）。
误解澄清：
- “RSQ旨在取代地面测站”：作者强调，RSQ与测站数据互补。例如，北极地区测站稀疏，但卫星数据可填补空白（Birkinshaw等，2010）。
政治伦理：
- 数据主权争议：在政治性无测站流域，RSQ可能被视为对国家主权的挑战（Alvarez-Leon和Gleason，2017）。
- 数据可及性：美国卫星数据的开放政策促进RSQ发展，但商业卫星数据壁垒可能限制研究（如Planet Labs影像的辐射校准问题）。
亮点总结
- 系统性：涵盖170+文献，跨越水文模型、水力反演、地貌学多领域。
- 批判性：指出“无测站”定义的模糊性，提出四项严格标准（如禁用区域化参数移植）。
- 前瞻性：强调方法论多样性优于标准化，鼓励创新（如机器学习在宽度-流量回归中的应用）。
结语
本文不仅是一篇文献综述，更是一份RSQ学科的“宣言”，主张通过方法论创新与伦理反思，推动水文遥感在科学与社会责任间的平衡发展。其框架已被后续研究广泛引用，成为该领域的基准参考。