水文地质与水文工程学报

通过多项哥白尼任务进行湖泊监测：Sentinel-1 A 和 B 以及 Sentinel-3A

希尔扎德·鲁希、阿拉什·阿米尼、贝扎德·沃索吉和道格拉斯·巴特尔斯

监测特定湖泊的水量变化需要精确估计水位和水面变化。由于雷达覆盖区内的照明区域会产生多次反射（称为多峰波形），湖泊的水位可能会出现误差。此外，并不是所有地方都有水深测量数据来测量绝对水量储量。

为了得到优化范围，从而得到更精确的水位，需要分析损坏的波形。我们开发了一种新方法，在给定波形中选择最佳峰值，用阈值重追踪器进行重追踪。我们选择了一个峰值，该峰值提供的水位最接近现场水位计。在另一种情况下，我们涉及给定波形中的所有有意义的峰值，并考虑从所有子波形/峰值获得的重追踪校正的平均值。

通过分析 SAR 图像估计湖泊的水面。为了区分水面和非水面，使用了基于直方图的阈值算法。根据外部数据验证了表面时间序列。最后，根据海伦法，根据水位和表面变化估计相对水量变化。

在本研究中，我们使用了 2016 年 6 月至 2018 年 5 月期间 Sentinel-3 A SRAL 和 Sentinel-1 A 和 B 的 SAR 图像的 L2 和 L1b 数据来监测瑞典的维纳恩湖。我们在水位测定中的分析表明，与现场测量前的 L2 数据相比，我们新颖的优化峰值选择方法提高了 50%。我们还发现，对于超过 90% 的波形，第一个峰值（称为第一个子波形）会产生更好的结果。第二种方案，即涉及所有有意义的峰值，称为平均所有子波形，其性能几乎与优化的子波形相同，这表明该方案对于水位监测是有效的。

我们发现，水位与水量和水面变化的相关性分别为 97% 和 71%。水面体积变化的相关性为 78%。我们的水面和体积变化与 Hydroweb 数据库的相关性分别为 83% 和 88%。对于内陆水域（即维纳恩湖）的 Sentinel-3 SAR 高度计而言，水位变化的 5 厘米 RMSE 是一项重大成就。