中国卫星遥感地表水资源监测能力分析与展望

　　中国卫星遥感地表水资源监测能力分析与展望

　　1.引言

　　统一行使全民所有自然资源资产所有者职责和统一行使所有国土空间用途管制和生态保护修复职责，查清中国各类自然资源家底和变化情况，自然资源部发布编制《自然资源调查监测体系构建总体方案》（自然资源部，2020），提出“调查中国自然资源状况，包括种类、数量、质量、空间分布等，监测自然资源动态变化情况”。其中，“水资源调查和确权登记”是自然资源部的新职责，需要查清“地表水资源量的现状及变化情况”，即水域资源的分布、范围、面积及动态变化。

　　近二十年来对地观测技术的飞速发展，推动了遥感大数据支撑下的新一代全球水循环研究深度和广度，也促进了“遥感水文学”学科的发展。国内的高分系列、资源系列等自然资源卫星能够大范围、快速准确地获取水资源的动态变化数据，从而为水资源调查监测提供丰富的数据源(金建文等，2020)。《HydrologicRemoteSensing》遥感水文学专著（Hong等，2016）提出全球水循环研究包括对通量(Movement)和储量(Storage)的观测(Observation)，认知(Understanding)和预测(Prediction)。其中，“通量”可形象的称为“水槽”，包括降水、蒸散发、径流等要素，“储量”可形象的称为“水桶”，包括湖库水体及冰冻圈（冰川、积雪、冻土）要素。上文提到的地表水资源，主要是指与“储量”相关的要素集合。

　　本文的主要工作包括如下3个方面：(1)全面分析当前地表卫星遥感水资源监测国内外研究现状；(2)提出对自然资源部水资源调查和确权登记职责的解析，认为其重点在于定量评估地表液态水（湖泊和水库等）和固态水（冰川等）的相关属性及其时空变化规律，包括液态水的范围、水位、水量、水温、水质等，固态冰川水的范围、高度和储量变化，积雪面积与雪水当量，冻土范围；(3)面向中国“十四五”及长远规划，从观测体系、技术体系、产品体系和服务体系四个方面提出新一代卫星水资源监测的发展建议。

　　2.卫星遥感地表水资源监测国内外研究现状

　　2.1液态地表水

　　2.1.1水体范围

　　地表水范围监测的遥感手段主要包括光学卫星和雷达卫星。光学卫星主要是指搭载可见光或热红外波段传感器的卫星，该手段可针对地表液态和固态水资源进行持续观测，主要包括国产资源系列卫星、高分系列卫星，欧洲航天局Sentinel系列卫星、法国SPOT卫星，和美国Terra/Aqua星、Landsat系列卫星、WorldView高分辨率卫星等。中国卫星遥感高分、资源、环境系列卫星水体观测在区域地表水提取上得到广泛应用且具有较好的精度（陈前等，2019；胡卫国等，2014；王国华等，2020；邓睿等，2011），如光学GF-1应用到山区细小水体提取精度达到90%以上(李艳华等，2015)，雷达GF-3能实现全天候水体信息提取精度达到85%以上（谷鑫志等，2019）。

　　全球长时间序列地表水范围数据集如表1所示，包括基于Landsat的30m分辨率GSW(GlobalSurfaceWater)数据集(Pekel等，2016)，结合Landsat和HJ-1卫星的GlobeLand30数据集（廖安平等，2014）和基于MODIS的500m分辨率日尺度数据集(Ji等，2018)等。由表1可以看出，目前的全球地表水范围提取精度总体可达到90%以上，时间分辨率也由年向月、日尺度发展，时间跨度也越来越长。存在的主要问题是光学卫星本身受到云、阴影等干扰，尚无法实现更高精度的全自动化水体识别，因此未来该领域总体将向智能化、高时空分辨率、高精度、更长时间跨度的方向发展，技术层面也将由基于单一光学传感器到多源数据融合（如合成孔径雷达SAR、DEM）提取等方向发展，以满足地表水资源管理、时空变化分析、气候变化关联分析、水文灾害监测预警等的应用需求。

　　2.1.2水位

　　通过卫星上搭载微波雷达高度计、辐射计、合成孔径雷达、激光测高仪等设备，可测量卫星到水面的距离、后向散射系数、有效波高等参数，经过处理和分析后实现对水位的近实时监测（翟国君等，2002；唐国强等，2015），包括雷达测高卫星和激光测高卫星。雷达测高卫星主要包括Skylab,Geos-3,ERS-1/2,TOPEX/Poseidon,Envisat,Jason-l/2/3,CryoSat-2和Sentinel-3A.其中，CryoSat-2与其他相同类型卫星相比有一个显著的特点，即在地面的轨道分布更密，对于提取面积有限的陆地水体更有优势，Jiang等(2017)使用CryoSat-2的数据对青藏高原大于400个湖泊进行水位测高，几乎包括了所有大于5km2的湖泊，且均方根误差RMSE(RootMeanSquareError)达到厘米级；Song等(2015)同时使用了lCESat和CryoSat-2的数据研究了青藏高原131个大于1krTi2的湖泊水位，RMSE可达到0.28m。计划于2021年发射的SWOT(SurfaceWaterandOceanTopography)卫星，将提供宽度大于100m的高精度全球地表水拓扑数据（Biancamaria等，2016）。

　　激光测高卫星在监测湖泊、水库水位方面的精度更高，主要有ICESat/ICESat-2、GEDI，以及国内GF-7和陆地碳星上的激光测高数据等。特别是在2018年第二代ICESat卫星发射之后，相比于ICESat对青藏高原132个湖泊的观测，ICESat-2能够观测的湖泊增加到了236个，同时和青海湖的实测数据高度吻合(相关系数R2=0.95，RMSE=0.1m)(Zhang等，2019a)；除了青藏高原的湖泊，ICESat-2可观测到中国范围内大于10km2的636个大型湖泊和水库，相对测高误差为0.06m(Yuan等，2020)。

　　全球主要的测高卫星水位数据集包括法国HydroWeb全球260多个湖泊的水位及1万多个河流水位监测数据（Cretaux等，2011）、德国DAHITI全球2900多个卫星虚拟水位监测站(Schwatke等，2015)、美国农业部的全球350多个湖泊与水库水位数据集G-REALM（Birkett等，2017）。虽然中国水位测量和欧美还存在差距，但HY-2可以用于大型水面水位测量；以ZY-302星为起点的国产激光测高仪也在快速发展（李国元等，2019），精度更高的GF-7星载激光测高仪也进入了数据分析与验证阶段(左志强等，2020；张新伟等，2020)。中国同时正在开展空间单频激光器、单光子探测器等技术的研制，以实现更高密度的数据获取和更好的反射率测量精度(舒嵘等，2020)。

　　2.1.3水量

　　针对卫星遥感手段获取全球和区域陆表水体水量，已有研究积累了大量技术方法并基于此公开发布了多套数据集。例如：GLWD(GlobalLakesandWetlandsDatabase)全球湖泊和湿地面积数据集(LehnerandDoll，2004)、HydroLAKES全球陆表水体面积和水量数据集(Messager等，2016)、HydroWeb全球260多个湖泊的水位及部分湖泊水量变化数据集（Cretaux等，2011）、中国和青藏高原湖泊面积数据集(Zhang等，2019b；Wan等，2016)和水量变化数据集(Fang等，2019)等。综合来看，现有研究主要提供了全球尺度陆表水量的单一时段静态数据集，以及区域水量相对变化值的动态数据集，在全球尺度上仍缺少针对全球绝对水量的长时间序列动态数据集。

　　全球水体水量估算的技术难点主要在于估算模型的构建。一方面，对于面积较大水体的水量变化值估算相对容易，如已有研究针对全球34个大型水库，利用测高和光学卫星数据获取的水位和面积推算水量变化（Gao等，2012），利用GSW和测高卫星监测近30年中国大型湖库水量变化(Fang等，2019；Zhu等，2019)。但测高卫星观测范围有限，难以有效覆盖面积较小的水体。另一方面，水量绝对值的估算难度较大，上述HydroLAKES数据集采用对数坐标系下的线性估计方程生成水量静态估计值，但该方法无法得到时序动态水量信息，为克服该局限，利用数学物理模型模拟水下地形(Zhu等，2019)或通过DEM构建“高程一面积一体积”关系（马小奇等，2019）是新的突破口。因此，从长时间序列水量数据集研制的角度，如何构建稳健的动态水量绝对值估算模型，仍是需要攻关的技术难题。

　　2.1.4水温

　　内陆水体温度产品来自于资源卫星的热红外传感器观测（朱利等，2015）。中分辨率下，内陆水体温度的精度一般可以达到0.5K。MODIS陆地阻度数据集提供从2000年开始，在1km分辨率下的全球每日l8d地表温度；搭载于欧洲航天局系列卫星的ATSR/SLSTR系列传感器，有专门用于测量水体温度的多角度观测算法，提供了1km分辨率的高精度水体温度观测；ASTER可提供窄幅宽高空间分辨率(90m)的内陆与近岸水表温度；搭载于NOAA和MetOp系列卫星的AVHRR传感器提供了宽幅的历史热红外数据，应用于水温反演的算法质量可靠，缺点是空间分辨率较低(4km)，在内陆地区一般应用于大型湖泊的温度反演。

　　长时间序列的地表和水表温度是监测湖泊变化的重要数据源。例如，利用ATSR/SLSTR系列传感器，ARCLake、GloboLakes、CGLOPS等项目能够提供世界上约1000个主要湖泊的温度产品（MacCallum和Merchant，2012）。利用MODIS和AVHRR数据，通过反演青藏地区近400个湖泊的历史温度，把部分湖泊温度数据回溯到1981年（Liu等，2019;Wan等，2018）。研究发现湖泊温度是气候变化的敏感指示器，由降水、冻土和冰川融化补给的湖泊温度，对高原不同区域的气候变化有不同的响应(Wan等，2018)。

　　相比于时空连续性不强的中低分辨率资源卫星，国产卫星搭载的多个热红外传感器可提供高空间分辨率的温度信息，特别适合于详查局部地区的水温变化。GF-5(40m分辨率，51d重访周期)（崔文杰等，2020）、HJ-1(300m，4d)(龚绍琦等，2016)和CBERS-04(40/80m，26d)（石海岗等，2019）的热红外传感器，可以更精细的反映电站周围等水体的热污染和热异常空间细节。但中国目前尚没有基于国产卫星的业务化水温数据产品，已列入“十四五”规划的5m红外卫星在水温测量方面的应用值得期待。

　　2.1.5水质

　　遥感可监测的水质参数主要包括叶绿素浓度(ChlorophyllConcentration)、悬浮物浓度(SuspendedSolidConcentration)、有色可溶性溶解物CDOM(ColoredDissolvedOrganicMatter)、浊度（Turbidity）、透明度(Secchidiskdepth)等（李瑶，2017）。同时，内陆水体富营养化、水华爆发、黑臭水体等水污染也是水色遥感监测的主要内容之一（Hu等，2010;Shen等，2019）。国内外主要用于内陆水质监测的可见光遥感卫星包括MODIS，MERIS，Landsat,SPOT,Sentinel-2/3,HJ-1,GF-1,HY-1C等（李瑶，2017；段洪涛等，2019；王歆晖等，2020;朱利等，2015）；卫星遥感水质监测常用方法主要包括经验法和分析／半分析方法(段洪涛等，2019)；基于遥感的水质数据主要有DiversityII，包括月尺度叶绿素浓度、总悬浮颗粒物、CDOM、浊度信息，覆盖全球340个内陆水体(Odermatt等，2018)。

　　对于面积较大的湖泊，基于空间分辨率较低的MODIS卫星(500m)即可以满足业务化需要(Wang等，2018）。由于小型水体或水面较窄，优于百米的空间分辨率是内陆水体水色遥感反演较为合适的空间分辨率。中国环境减灾卫星(HJ-1A，HJ-1B)可时间30m分辨率下每2d对全国覆盖观测（朱玉霞等，2014），GF-1/2号均可实现对单个大型河流湖泊和城市区域的水质参数进行监测(彭保发等，2018：汪雨豪等，2020)，较高空间分辨率(50m)和时间分辨率（重放周期3d）的HY-1C也较好地应用到了内陆水体的浊度监测（周屈等，2020）。但在卫星遥感水质监测应用过程中，因为关键参数，如大气条件难以获得，仍然无法完全取代传统的测量手段（Schaeffer等，2013）。

　　总体而言，中国卫星遥感水质监测的时空分辨率能够满足要求，但是还需要提高光谱分辨率，同时发展遥感水质反演模型，结合更多的实地测量数据提高卫星遥感水质监测的精度。

　　2.2固态地表水

　　2.2.1冰川

　　2.2.1.1冰川范围

　　冰川范围提取的卫星遥感数据包括光学卫星和雷达卫星(黄磊等，2014)。光学卫星主要采用适合大区域长周期冰川变化Landsat和MODIS，较高分辨率的ASTER适合面积更小的冰川，且能获取冰川表面高程(张国梁等，2010)，其他更高分辨率卫星数据如QuickBird，IKONOS仅适用于小范围局部区域（叶庆华等，2016）。雷达数据主要采用EnvisatASAR，ALOSPALASAR等(李澜宇，2017)。中国GF-1光学遥感卫星能有效获取冰川类型和长度（杨佰义等，2016；徐瑾吴等，2020），GF-3SAR卫星可作为冰川表面运动的常规数据源（王群等，2020）。纯净冰川可以比较容易的提取，但表碛覆盖冰川、积雪覆盖冰川和山体阴影等问题，使得冰川范围自动测图还存在较大的挑战，目视解译也容易出现较大偏差，需要更多实地测量数据提升精度（叶庆华等，2016;Guo等，2015）。此外，主要冰川范围数据产品也较少。

　　2.2.1.2冰川高度及储量变化

　　除应用于液态地表水水位监测外，雷达测高卫星和激光测高卫星也被用于测量冰川高度，主要的卫星数据有TOPEX/Poseidon，Cryosat-2，ICESat/ICESat-2(寇程，2014;李澜宇，2017；叶庆华等．2016)。公里级的雷达测高卫星更适用7km以上宽的冰川（Lee等，2013）；激光测高卫星ICESat已在南北极和格陵兰岛得到大范围应用（Moholdt等，2010;Bolch等，2013），ICESat-2更是可以将在南极冰盖上的精度提高到厘米级（Brunt等，2019）。即将发射的测高卫星SWOT也可用于冰川高度监测，精度约为10cm（Biancamaria等，2016）。目前主要的数据集有冰川高程和质量变化数据(1985至今)(WGMS，2020)，SRTM常作为多期冰川高度和体积变化的参考数据（Berthier等，2006）。中国光学立体测绘卫星和激光测高卫星有待在冰川高度监测的业务化应用中发挥重要作用（权学烽等，2019）。由美德联合研制2002年发射的重力卫星GRACE为冰川储量变化提供了重要的监测手段（Wouters等，2019），但中国目前尚缺乏重力监测卫星。

　　2.2.2积雪

　　2.2.2.1积雪

　　面积积雪面积提取主要有光学和微波两种数据源（Dong，2018;Tsai等，2019）。因积雪高时空动态变化的特性，一般通过时间分辨率较高的中低空间分辨率光学卫星（如MODIS、AVHRR、Sentinel-2A/B）和微波卫星(如SMMR、ERS-1、FY-3)进行动态观测生产数据产品(Dong，2018)，然后采用高空间分辨率的卫星（GF-2、Landsat8）对数据产品进行验证（梁顺林等，2020）。目前全球积雪数据产品非常丰富，主要产品如表4所示。中国风云三号(FY-3)气象卫星能同时反映积雪面积及雪水当量等积雪参数信息(武胜利等，2018)，同时，环境减灾小卫星在流域积雪面积信息提取中也多有应用（蒋友严等，2013）未来中国积雪面积在数据的精度和时空分辨率方面还有待进一步改善。

　　2.2.2.2雪水当量

　　雪水当量（积雪深度与密度之积）是重要的积雪观测量之一，主要利用具有一定穿透力的主被动微波遥感卫星进行观测(Dong，2018)，同时结合电磁散射／辐射建模和相应算法的开发，实现积雪密度、温度、深度、粒径等积雪信息的遥感反演(施建成等，2016；梁顺林等，2020)，相关数据集见表4。其中，积雪深度反演作为重要参数，可进一步反演雪水当量(Tedesco等，2014)。星载被动微波传感器，如SMMR、SSM/I、AMSR-E/AMSR2、FY-3MWRI等，常采用半经验算法反演雪水当量，但受到低空间分辨率（几十公里）的影响，仅适用于大尺度均匀地表应用，目前像元尺度的精度尚无法满足业务化应用(施建成等，2016)，需要结合多源遥感数据，提供精细的地表覆盖信息，通过空间降尺度提高产品的分辨率和精度（梁顺林等，2020）；主动微波传感器能够实现更高的空间分辨率，如TerraSAR等，由于现有卫星SAR观测频率的限制，难以应用到雪深参数的反演，尚未得到广泛应用(施建成等，2016)，GNSS测量雪深主要通过地基测站接收反射信号的信噪比建立雪深反演模型，具有较高的精度，作为遥感雪深反演的有效补充手段（梁顺林等，2020），如通过北斗/GPS信号进行极地雪深反演（王泽民等，2018;Yang等，2019）。Che等(2008)通过对SMMR、SMM/I、SSMI/S数据之间的对比校正，生产了覆盖中国的长时间序列积雪深度数据产品，该产品在中国积雪深度研究中得到了广泛应用。未来，基于国产数据的积雪深度数据研发依然是雪水当量研发的主要方向，具体需要结合多源遥感数据，获取地形和地表分类信息，克服被动微波分辨率过低的弊端，同时改进SAR卫星的频段设置，提高雪水当量反演的精度和空间分辨率。

　　2.2.3冻土

　　冻土是气候寒冷地区一种温度等于或低于0℃的含有冰的岩土层，依据热稳定性（年平均地温）及土壤水分冻融状态可以确定冻土的类型及分布范围(Westermann等，2015；李晓民等，2017；冉有华和李新，2019；冉有华等，2021)。冻土通常发育于地表之下，冻结后因低导水率使地表径流增加，同时限制地下水补给和迁移，影响着地表及地下水资源的管理与应用。冻土监测主要通过光学和微波遥感手段（张廷军等，2009a，2009b；Duguay等，2005）。通过光学遥感观测的地表起伏、植被、积雪、土壤类型等局部环境因子，结合物理模型或人工解译提取冻土范围，包括Landsat、AVHRR、MODIS、ASTER及国产资源和高分系列卫星等(张廷军等；2009a)，如通过ZY-1和GF-1目视解译获取小区域的冻土分布范围（李晓民等，2017）。主被动微波具有一定的穿透力，对土壤冻融状态敏感，主要包括SMMR、SSM/I、ERS-1、AMSR-E等（张廷军等，2009a，2009b；Kim等，2017）。未来通过发展热红外遥感在内的多种卫星数据，并融合再分析资料和地面实测数据，是冻土分布制图的主要方向（冉有华等，2021）。

　　2.3大气水汽

　　虽然并不直接划分为地表水资源，但大气水汽是影响遥感影像校正和地表水温度反演的关键参数，同时由于地-气交互作用（如降水、蒸散等）直接影响地表水资源时空变化，因此大气水汽的监测对地表水资源监测具有重要的意义。

　　卫星遥感主要依据大气水汽的波段响应特点，采用近红外、热红外和微波数据源，结合经验分析、大气辐射传输原理和物理统计等方法实现大气水汽反演(王伟民等，2005；王永前等，2016)。国际上比较典型的有基于近红外波段的MERIS水汽反演方法（Bennartz和Fischer，2001）和MODIS业务化水汽产品(Gao和Kaufman，2003)，仅适用于白天且易受云层的影响；MODIS热红外水汽产品（Seemann等，2003），易受地物热辐射的影响；利用被动微波AMSR-E、SSM/I等卫星数据的大气水汽能克服云层的影响，但尚处于探索阶段，且仍然易受地表辐射的影响（王永前等，2015）。国际上还包括结合多源数据的水汽数据集，包括GVaP(Randel等，1996)、CM-SAF(Schulz等，2009)、WACMOS(Su等，2014)等。由于大气水汽反演受到不同区域下垫面的影响，国内较多研究结合高精度地基观测对MODIS近红外反演的进行区域性反演方法选择和评估（刘备等，2019；张金业等，2014；魏浩林等，2021）。中国风云系列卫星（谌华等，2007；何杰颖和张升伟，2012；宋慈和尹球，2021）以及HJ星(赵晓磊，2015)均包含丰富的水汽通道可用于大气水汽反演。综上，未来应联合多源遥感卫星的优势，结合地表辐射模型与地基观测，开发综合反演大气水汽的方法，以提高大气水汽的反演精度（Wulfmeyer等，2015；王永前等，2016）。

　　3.中国卫星遥感水资源监测能力分析

　　3.1中国自然资源卫星现状

　　中国目前在轨的自然资源陆地遥感卫星及关键参数如表5所示（来源于自然资源卫星遥感云服务平台，http://sasclouds.com[2020-12-31]），主要包括资源系列和高分系列卫星发射时间、主要载荷及性能指标，涵盖光学、高光谱、激光、雷达等多种类型，同时还包括可持续发展卫星1号（又称广目卫星）。其中2m分辨率的国产卫星影像目前已经在自然资源部实现全国陆地水体范围每季度一张图。

　　3.2中国卫星遥感地表水资源监测能力剖析

　　本节以关键水资源要素为主线，将中国卫星遥感地表水资源监测能力与国外情况进行详细对比分析，并总结现存问题和提出面向新一代卫星观测体系的建议。其中部分数据主要依据卫星硬件参数指标并结合相关参考文献，综合分析总结出的理论上观测能力，实际水资源监测能力指标还需根据具体的卫星数据及其实际应用情况确定。

　　除了硬件指标需要满足基本水资源监测需求外，水资源遥感数据产品生产过程中实际的输入数据（特征）和所采用的数据处理方法或者模型，同样对最终是否能够产生高精度的业务化数据产品有着重要的影响，并且数据（特征）本身比所采用的模型方法更重要(Wilkinson．2005;宫鹏等，2016)。在针对土地覆盖制图的应用中，多种分类算法综合比较，精度的差异基本在5%以内，但通过增加遥感影像波段信息可以将精度提高近5%，增加纹理等特征信息能够再提高近5010(宫鹏等，2016)。类似的发现也体现在机器学习领域，更多高质量的训练数据和特征选择，远比开发一个新算法能得到更好精度提升(Domingos，2012)。这里也进一步说明了遥感大数据框架下的海量多源数据协同是一个重要的发展方向。因此在开发新算法的同时，数据的质量和丰富度需要给予更多关注。

　　中国自然资源卫星具备基本的水资源调查能力，但目前仍缺乏完全基于国产卫星的全国范围长时间序列水资源相关数据集。中国水资源卫星总体发展历经“从无到有”(施建成等，2021)并正“从有到精”。对于在轨卫星，下一步应该在提升卫星数据质量的基础上，结合多源卫星数据开发业务化算法模块，生产水资源要素监测数据产品，在以应用为导向的前提下实现水资源数据的业务化生产；对于在研和规划中的卫星，需要通过国家各相关部门紧密合作，以科学和应用问题为导向，建立不同优先级的任务目标，在充分考虑投入成本的前提下，逐步健全卫星体系。

　　3.3多卫星统筹的自然资源协同监测

　　水资源监测是中国自然资源监测任务的一部分，针对自然资源部山水林田湖草等自然资源的系统性监测需求，如何充分利用国内外多种卫星数据资源，制定高效的协同监测框架及任务规划，具有十分重要的意义。

　　其中典型的案例是由谷歌公司开发并提供免费开放使用的GoogleEarthEngine(GEE)遥感云计算平台（Gorelick等，2017）。GEE从真正意义上实现了多卫星高效协同监测，集成并实时更新全球主流卫星数据，使用户无需跨越任何遥感数据的高效获取、存储、管理、预处理及高性能计算等技术门槛，即可调用平台提供的矢量、栅格、数值计算、机器学习等函数功能，通过便捷的可视化窗口，实现遥感数据快速处理和信息智能化提取，极大地促进了遥感数据在全球范围自然资源监测中的应用(“等，2019a)，产生许多自然资源监测研究成果，包括地表水(Pekel等，2016)、森林（Hansen等，2013）、农田（Fisher等，2016；Xiong等，2017）、牧场(Xie等，2019)和裸土（Ying等，2017）等。

　　中国拥有丰富的自然资源卫星遥感数据资源（表5），要将这些数据高效处理和实时业务化应用，需要以“遥感大数据+人工智能”的科学理念为指导，通过开发及时获取、处理、分发及服务的自然资源业务应用模型，保证卫星遥感数据的持续稳定性的同时，实现自然资源全天时、全天候、全要素卫星遥感云应用与服务(石婷婷等，2020)。

　　4.中国水资源新一代遥感监测体系规划建议

　　4.1观测体系

　　基于第3节中国卫星遥感地表水资源观测能力的分析，同时结合遥感水文学科发展及透彻认知水循环各要素时空分布及变化规律的迫切需求，对中国“十四五”卫星遥感水资源监测的观测体系提出如下发展建议：

　　(1)统筹考虑自然资源、气象、水利、农业等的业务需求关联性，建议发展红外、主被动微波结合的新一代云水资源卫星，实现高精度、高时空分辨率的降水、土壤湿度以及洪水监测等；

　　(2)聚焦光学卫星能力的不足，提高可见光一红外卫星时空分辨率联系性的基础上，与光学卫星结合实现地表水全天时、全天候观测与冰川、冻土类型识别、雪水当量反演等，建议积极发展雷达卫星；

　　(3)面向中国水资源总量及其变化监测的需求，需要更密集的测高点覆盖、先进的雷达干涉测量技术、高精度重力梯度测量技术。建议通过大力发展测高卫星和重力卫星，实现精确的地表水体／冰川高程、地下储水量监测，进而实现水资源总量评估；

　　(4)发展通导遥一体水资源要素监测小卫星星座／星群。依托中国自主北斗导航卫星迅速发展的契机，设计实施水资源要素监测小卫星星座，既是国家水资源监测应用的急需，也是“通导遥一体”航天技术创新发展的历史性机遇。小卫星星座可实现水资源多要素（土壤湿度、土壤冻融、水体识别分类、河湖库水位、洪水淹没范围和湿地识别分类等）高时空分辨率、高精度、低成本综合同步监测。

　　(5)发展时空分辨率联系性更强的热红外、高光谱卫星，实现更完备的水温、水质、冻土监测。

　　4.2技术体系

　　首先，发展数据处理共性技术。主要是面向水资源业务应用的国产卫星数据质量提升，包括数据校正／拼接技术、多传感器数据融合技术等。以多传感器数据融合为例，地表水监测根据不同的观测手段有多种数据集，分别采用不周的方法观测水体的物理特征，例如可以使用可见光和微波遥感来分辨云、水汽和水体。每一种遥感组合都提供了不同的空间尺度、误差和重访频率。通过将多种内在不同的遥感技术结合起来，可以更好地定量化地表水储量和通量长时间变化，包括地表水、地下水、蒸发和径流量。

　　其次，发展水资源要素提取／反演模型技术。针对目前尚未形成完备的国产卫星水资源要素模型体系，发展水资源要素提取和反演模型与技术，具体可包括如下几个方面：陆表水体面积提取与时空插补、陆表水体动态绝对水量估算、高质量高时空分辨率降水／降雪定量反演、高质量高时空分辨率陆表蒸散发全要素估算、通量储量耦合模型、水量平衡、水温、水质模型等。

　　最后，发展水资源要素高质量高时空分辨率长时序产品研制技术。针对国产卫星水资源要素业务化产品缺乏，研制水资源要素相关属性的高质量高时空分辨率长时序产品，创建并丰富中国水资源属性的反演技术和数据储备。

　　4.3产品体系

　　面向中国水资源数据产品缺乏的现状，目前国际已有相关数据集由于未充分利用历史卫星数据（如LandsatMSS）、或仅关注粗时间尺度（如年尺度）、或未能及时更新等因素，导致时间跨度不完整或时间精细度不够，需要针对全球水循环通量和储量要素，发展更高时空粒度、长时间序列、服务全球的数据产品体系。参考国内外已有卫星数据及相关数据产品，中国水资源产品体系发展规划如表7所示，其中时间范围、时空分辨率及可行性主要依据观测卫星的硬件指标及现有反演数据产品确定。

　　具体地，地表水及冰川范围的主要卫星遥感数据源包括MODIS（日尺度）、Landsat、资源和高分光学系列卫星（月／年尺度）；地表水水位及冰川高度主要通过测高卫星TOPEX/Poseiden、JSON系列卫星、CryoSat-2、ICESat/ICESat-2、ZY-3、GF-7等获取；水表温度依据MODIS、ASTR/Sentinel-3、ASTER、环境及高分卫星等；水质则综合国际相关卫星及中国海洋、高分、资源、环境等卫星实现；冰川质量变化依据重力卫星GRACE相关数据；通量中降水和蒸散发产品则融合多源卫星数据集和站点观测资料实现；水文极端／突变事件主要在水资源通量和储量相关属性数据的基础上进行分析得到。综上，表7中产品体系是可预见且可以实现的。

　　4.4服务体系

　　基于丰富的卫星影像、最新遥感反演技术业务化生产的水资源数据集以及全面持久的水资源应用目标架构设计，服务政府、行业与大众。以中国《卫星测绘“十三五”发展规划》的重点任务为基础，面向未来“十四五”的卫星遥感地表水资源监测服务体系规划从如下几个方面展开。

　　首先，建立“遥感大数据+人工智能”应用服务平台，打造新型卫星保障服务模式。充分发挥国内外卫星遥感对水资源监测的高时空分辨率覆盖的优势，以支撑自然资源部“两统一”职责为目标，提供水资源常态化遥感监测，实现对全国范围每季度监测、重点区域每月监测及重点目标实时监测的水资源数据服务。

　　其次，推进水资源遥感监测卫星为重大战略和重大工程服务。综合利用多类型水资源遥感卫星的数据资源，实现多源遥感信息的持续获取和综合应用，为中国自然资源部的水资源调查和确权登记等国家重大战略实施提供卫星影像以及综合水资源信息服务，推进卫星遥感水资源监测数据的应用。

　　最后，推动国产水资源遥感监测卫星公益性应用和商业化服务。面向政府、行业和公众服务，加强高时空分辨率水资源遥感卫星影像获取，建立健全的卫星遥感地表水资源数据共建共享与服务机制。研究主动服务、智能服务和一站式服务等多种服务模式，搭建卫星遥感水资源数据服务平台，推进面向政府和产业的公益性和商业化的卫星遥感水资源监测服务。同时通过各种新兴媒体的传播形式，向公众科普水资源确权及水环境保护相关的基本知识。

　　5.结语

　　本文通过对国内外水资源属性卫星观测与遥感反演现状综合分析，发现目前虽然已经有一些数据集产品，但在时空分辨率及覆盖范围方面仍然存在许多问题。主要原因是，对液态地表水（即水体范围、水位、水量、水温、水质）关键参数观测，当前的影响因素主要包括卫星本身的光谱特性、卫星数量、传感器精度、大气关键参数的获取等；对固态地表水（即冰川、积雪、冻土）的关键参数监测，主要瓶颈在于观测对象所处环境复杂，地面传感器布设和数据搜集困难，且极易被环境因素影响，导致数据产品精度低，验证难；对大气水汽监测，易受天气或下垫面条件影响，单一的观测手段难以得到较好的精度。因此，提高传感器观测能力、发展多种卫星共同观测、加强遥感机理研究、构建稳健的反演模型、结合不同类型数据的优势进行多源数据融合等方式，将是突破水资源属性遥感反演局限性的关键。

　　中国的水资源属性卫星观测与遥感反演能力在不断加强，自然资源卫星具备基本的水资源调查能力，总体发展历经“从无到有”并正“从有到精”。综合来看，基于时空大数据云平台的高时空分辨率、大范围、长时序关键水资源参数数据集的自动化与智能化生产是未来发展的趋势。综上，本文从4个方面提出针对中国未来水资源遥感监测卫星规划设计建议：针对观测体系，综合发展多类型遥感卫星，包括发展新一代云水资源卫星、雷达卫星、测高卫星和重力卫星，以及发展小卫星星座实现水资源多要素高时空分辨率综合同步监测；针对技术体系，以提高国产卫星数据产品业务化应用的质量和效果为目标，发展遥感数据处理共性技术并开发高质量反演模型；针对产品体系，需要针对全球水循环通量和储量要素，发展更高时空粒度、长时间序列、服务全球的数据产品；针对服务体系，建立包括建立遥感大数据+人工智能应用服务平台、推进水资源遥感监测卫星服务于重大战略和工程、推动国产水资源遥感监测卫星的公益性应用和商业化服务等。

　　摘自《遥感学报》2023年第7期