基于遥感技术的闽江流量估算

摘要河流流量作为表征流域水文循环特征的关键参数，其监测技术发展收到学术界广泛关注。传统水文监测主要依赖于流域固定水文站点的原位观测，然而该方法存在显著的局限性：一方面，水文站点的建设和维护需要高昂的经济成本；另一方面，离散分布的站点难以实现流域尺度的连续空间覆盖。随着遥感技术的快速发展，基于遥感的河流流量监测技术展现显著优势。该技术不仅降低了水文观测成本，同时还大范围、连续性的水文观测。这一技术的突破标志着水文监测技术体系将进入智能化演进新阶段。闽江作为福建省域内规模最大的独立入海水系，其流量对于沿流城市的经济发展、农业生产保障、内河航运体系及生态安全格局构建的影响至关重要。而目前闽江还是依靠水文站监测流量数据。为此，本文提出利用遥感技术提取2017年至2021年闽江中下游的水面面积信息，并通过该区域的主要水文站点实测流量数据建立流量估算模型，结果显示水面面积与河流流量之间存在较强相关性（R²＞0.75），说明了该模型可以用于闽江河道流量的估算，减轻了闽江河道流量测量成本并为闽江河道流量监测提出一条新思路。结论验证了利用遥感技术估算闽江流量的可行性，但是由于数据量较少、遥感图像质量精度不够高等原因，本次所研究的河道流量估算模型存在一定的误差，还需要进一步进行研究，才能够真正的实现闽江河道流量的遥感估算。关键词：遥感河道流量估算；水文遥感；闽江流域AbstractAsakeyparametercharacterizingthehydrologicalcycleofariverbasin,thedevelopmentofriverflowmonitoringtechnologyhasreceivedextensiveattentionfromtheacademiccommunity.Traditionalhydrologicalmonitoringmainlyreliesoninsituobservationatfixedhydrologicalstationsinthebasin,butthismethodhassignificantlimitations:ontheonehand,theconstructionandmaintenanceofhydrologicalstationsrequirehigheconomiccosts;ontheotherhand,itisdifficulttorealizethecontinuousspatialcoverageatthebasinscalewiththediscretedistributionofstations.Withtherapiddevelopmentofremotesensingtechnology,theremotesensing-basedriverflowmonitoringtechnologyshowssignificantadvantages.Thistechnologynotonlyreducesthecostofhydrologicalobservation,butalsolarge-scaleandcontinuoushydrologicalobservation.Thistechnologicalbreakthroughsignifiesthatthehydrologicalmonitoringtechnologysystemwillenteranewstageofintelligentevolution.MinJiangRiver,asthelargestindependentwatersysteminFujianProvince,itsflowiscrucialfortheeconomicdevelopmentofthecitiesalongtheriver,agriculturalproduction,inlandnavigationsystemandecologicalsecuritypatternconstruction.Atpresent,theMinRiverstillreliesonchronologicalstationstomonitortheflowdata.Forthisreason,thispaperproposestouseremotesensingtechnologytoextractthewatersurfaceareainformationofthemiddleandlowerreachesoftheNanjingRiverfrom2017to2021,andestablishaflowestimationmodelthroughthemeasuredflowdataofthemainchronologicalstationsintheregion,andtheresultsshowthatthereexistsastrongcorrelationbetweenthewatersurfaceareaandtheflowoftheriver(R²＞0.75),whichshowsthatthemodelcanbeusedtoestimatetheflowoftheNanjingRiver,alleviatingthecostandprovidingagoodbasisforthemeasurementoftheflowintheNanjingRiver.ThismodelcanbeusedtoestimatetheriverflowofNanjingRiver,reducethecostofNanjingRiverflowmeasurement,andproposeanewideaforNanjingRiverflowmonitoring.ConclusionThefeasibilityofusingremotesensingtechnologytoestimatetheflowoftheMinRiverisverified,butduetothesmallamountofdata,thequalityofremotesensingimageaccuracyisnothighenough,theriverflowestimationmodelunderstudyhassomeerrors,andfurtherresearchisneededtorealizetheremotesensingestimationoftheMinRiverriverflow.Keywords：RiverFlowEstimationByRemoteSensing；RemoteSensingInHydrology；MinJiangRiverBasin目录TOC\o"1-3"\h\u278661绪论 绪论1.1研究背景在流域水文学研究体系里，不管是理论方面的剖析，还是技术领域的应用，河道流量监测作为一种基础性的数据采集方式，都发挥了关键的作用，从科学研究的角度来看，持续获取的流量参数为解释水文循环过程、揭示环境演变与水文要素之间的相互反馈关系，构建了基础的数据支撑。在工程应用的范畴当中，该技术体系凭借精准量化水流动态特征，在流域综合治理以及防灾减灾决策支持等场景里，有多维度的应用价值。闽江作为东南沿海关键经济带里的关键淡水资源通道，它的水文变化和沿流城市的经济发展以及生态系统健康都有着紧密的联系，从生态环境方面来分析，河口湿地生态系统的响应机制受到径流节律性变化的调控：在生物多样性保护这一层面，潮汐带生态位的周期性水淹动态依靠能量通量调节，保证了候鸟迁徙廊道的连通性以及濒危物种避难所的稳定性。研究还发现，水动力条件发生改变会引起河床微地貌单元重组以及湿地地形梯度重构，当径流峰值超过临界阈值的时候，就会使得河岸侵蚀模数急剧增加以及输沙通量失去平衡，而低流量工况持续下去会导致河口拦门沙发育加快，使得潮汐顶托效应提高以及盐水入侵距离延长，改变地下水补排关系。对于社会层面而言，水文节律异常已经出现了多维连锁效应：农业灌溉保证率下降致使作物水分生产力受到损害，城市供水系统的正常运行受到限制，内河航运通航保证率降低制约了港口枢纽的效能，这突出了构建闽江生态流量监测预警体系的紧迫性，急需借助高分辨率水文观测数据链，建立多参数耦合的生态流量阈值模型，来保障流域的可持续发展。河道流量的基本定义为单位时间内，河道特定断面处，流速场空间分布特征和与之对应的过水面积进行积分运算的结果，常规监测方法一般是沿着流域挑选典型断面，设置水文观测站点，对水体参数进行实时采集，依据水力学原理构建数值模型来推算流量，随着科学剖析持续推进，基于声学多普勒效应与微波散射理论的非接触式监测装备出现了，比如多普勒剖面仪和地基径流雷达系统，提升了水文参数采集的时空分辨率REF_Ref25897\r\h[1-2]。发展中国家普遍面临双重困境：财政资源受限致使监测站网密度不够且设备更新滞后，部分地区的水文站点甚至直接关闭，全球水文观测基础设施规模呈收缩态势，像水文地理学家Calmant和Seyler的实证研究显示，近30年全球径流观测站点减少了约23%REF_Ref20880\r\h[3]，另外部分流域存在地形复杂和极端气候频发等自然制约因素，难以维持可持续的水文观测体系REF_Ref1582\r\h[4]。观测能力退化和数据需求增长之间的矛盾，推动着水文监测技术范式变革，促使学界努力发展新一代智能监测解决方案，基于上述技术演进背景，构建一种适应性更强的河流流量监测体系，成为了世界性的水文研究课题，在卫星遥感技术不断迭代创新的当下，河流水文学研究依靠其高质量的监测影像和强大的计算能力，研发出新型河流流量遥感，突破了水文站观测的时空局限，实现了流域尺度的水文要素连续反演与过程重构，标志着水文监测技术体系进入智能化演进新阶段。该技术体系基于星载传感器获取的河宽空间分布、水面高程梯度及断面流速场等三维水动力要素，构建流量推算模型，在跨境流域管理、高山峡谷区水文监测等传统技术盲区展现出独特优势REF_Ref26374\r\h[5]。区别于传统水文站的实地监测方式，遥感技术在电磁波与水体相互作用机理，建立地表水文要素与卫星观测信号的定量关系，不仅突破地理可达性限制、降低了运维成本，更形成了多尺度、多源化的水文数据立方体REF_Ref26436\r\h[6]。可以预见，随着人工智能赋能的星群组网观测与量子传感技术的突破，未来遥感技术将会在水文监测中广泛应用。1.2国内外研究现状1.2.1河道流量遥感研究进展随着空间信息技术多方向应用，现代水文研究同样将遥感技术当作一项重要的技术手段。凭借其大范围覆盖、动态监测能力、连续观测特性和低成本优势，为河道流量监测开辟了全新路径REF_Ref21089\r\h[7]。当前，基于无人机与多源卫星平台的河道流量遥感反演研究正呈现蓬勃兴起态势，该交叉领域通过创新性地解译遥感数据中的水文要素特征，逐步突破传统地面观测的时空局限，国内外水文学家致力利用无人机和卫星遥感数据来估算河道流量REF_Ref21161\r\h[8-10]。卫星遥感技术可获取集水区的一些水文变量，像流量、水面高程以及河流面积，而且所获得的信息还有实时性、宏观性和连续性等优点，对于水文监测站较少的偏远集水区而言，这种在各种天气条件下进行多层次连续监测的能力是非常珍贵的，基于遥感数据应用再分析、统计插值、数据融合和数据同化等技术，研究者们已经可构建全球尺度的长序列的高质量水文数据库REF_Ref27344\r\h[11]，提升了无资料地区的流量估算精度。从技术体系方面来看，现代遥感传感器主要基于两大技术分支，也就是光学遥感和微波遥感，在光学遥感方面，从早期的NOAA/AVHRR和MODIS、NPP-VIIRS等千米级分辨率的光学传感器对大型洪泛区的监测REF_Ref27458\r\h[12-13]，到Landset卫星和Sentinel-2卫星搭载的可获取10-30米中等分辨率成像仪对河道边界的精准提取REF_Ref27523\r\h[14]。直到ICESat/GLAS星载激光测高技术实现亚米级的水位测量，形成了相对完整的观测能力谱系，已经在河流流量监测中广泛得以使用REF_Ref27572\r\h[15]，而在微波遥感技术方面，河流水体提取大多应用的是主动微波传感器，其中以合成孔径雷达作为典型代表，目前ERS系列卫星和RadarSat卫星获取的SAR数据在水体提取方面应用最为广泛REF_Ref27605\r\h[16]。ERS系列、RadarSat星座等星载雷达系统借助多极化、多模式成像，实现了全天候水体识别，新一代传感器的多模式立体成像技术提升了河道三维特征的解析能力，这一技术发展趋势说明，利用遥感技术对水文要素进行定量反演正快速从实验研究转向实际应用，作为水文遥感体系的核心课题，河道流量动态监测技术的突破，关乎流域尺度的水资源精准管理，也是实现全球水循环系统科学认知的关键所在。遥感技术可获取流域水文变量，比如河道宽度、水面高程、水面流速以及河流流速等，同时有实时性、宏观性以及持续性等优点，目前遥感水文反演技术主要存在两大方法论体系：一种是依据物理过程来建立水文模型，另一种是依靠统计关系进行参数化推演，基于水文模型的方法是借助构建流域尺度的水循环数值模型，着重解析降水到径流的转化机制，适用于大区域月/季尺度径流量的模拟，而在基于经验回归方程的方法里，是依靠建立水力特征参数与实测流量之间的经验回归方程来估算某一河段的瞬时流量。按照经验回归方程法所涉及的水力特征参数数量不同，可分为单水力特征参数经验法和多水力特征参数经验法，其中单水力特征参数经验法包含水位-流量关系曲线作为经典方法已经形成标准化应用流程、宽动态监测法，利用时序遥感影像建立河宽与流量统计模型、C/M信号分析法，依靠卫星散射计数据解译水面粗糙度变化和多站水力几何（atmangsta-tionshydraulicgeometry,AMHG)，结合河道形态参数构建空间分布式流量估算模型。这些方法依靠挖掘单一主导参数与流量的非线性关系，在特定水文条件下呈现出较高实用价值。1.2.2遥感提取水体技术研究进展现如今在遥感领域，提取水体的主流方法有两种，分别是监督法和非监督法。监督法主要是利图像分类和图像识别技术提取水体REF_Ref27647\r\h[17-18]，其中支持向量机（SupportVectorMachine，SVM）算法表现尤为突出，赵恒谦REF_Ref27687\r\h[19]等人应用该方法对北京通州区进行地物分类，其中将该区域的水域情况作为重点分析目标，其识别精度突破了80%。陈文倩REF_Ref27713\r\h[20]等人融合了单波段阀值法和阴影水件指数（SWI），并构建决策树模型进行分类，利用GF-1影像提实现了总体精度达到92.34%以上的水体信息提取，有效的克服积雪与裸地的干扰。杨雪峰REF_Ref27742\r\h[21]等人在以塔里木河下游为研究区域，通过多角度成像光谐辐射计（MISR）传感器获取的多角度光谱成像数据，系统评估了不同分类算法的效能差异，结果表明C5.0分类模型在复杂地表环境识别中展现出显著优势，并发现近红外波段对地物反射异质性具有更强敏感性，为多源数据融合提供了新思路。非监督分类通过分析图像本身的统计特征和自然点群的分布情况来划分地物类别，该技术方法通过影像数据的统计特性分析实现地表覆盖类型识别，无需依赖先验地物特征认知。其核心优势体现在对数据集本质特征空间结构的自适应解析能力，尤其值得关注的是其在特征空间拓扑关系挖掘方面的独特机理。在非监督分类体系中，迭代自组织数据分析算法和ISODATA（迭代自组织数据分析技术算法）以其参数自优化机制脱颖，韩洁REF_Ref27788\r\h[22]等人结合QuickBird影像数据的几何和纹理等信息，使用非监督迭代自组织数据分析算法提取了道路信息，最终该方法在完整率、正确率和监测质量上相较于其他方法平均提高了26.61%、5.57%和26.77%。朱爽REF_Ref27814\r\h[23]等人聚焦北京郊区冬小麦识别，基于LandSatTM影像实现了86.6%的像元级提取精度，证实该算法在作物识别中的有效性，在参数优化方面，AbbasREF_Ref27837\r\h[24]等人在巴德地区的实验指出迭代次数与分类性能的强相关性，当迭代次数从1增加到10时，聚类数目同步扩展10组，分类效能获得阶梯式提升。针对复杂土地利用场景，VimalaREF_Ref27863\r\h[25]等人创新性融合LandSat多时相数据，依靠ISODATA算法将印度塞勒姆市土地覆盖细分为7类，各类型识别精度稳定维持在83%-86%区间，凸显了算法在时空演变分析中的技术优势。另外使用较多的单阈值判定方法有最大类间方差法（OTSU），该方法由于其原理易于理解且稳定有效，在图像分割领域十分突出REF_Ref27899\r\h[26]。在SAR图像中，根据水体和背景的像元光谱测度具有相似性的原理，可以将其视为仅有水体和其他背景的图像，OTSU作为快速提取两类信息的重要工具被广泛应用于SAR图像分割领域REF_Ref27932\r\h[27]。此外，基于SAR图像的特点，水体和背景的像元光谱测度相似，再次将图像看作只包含水体和背景两类地物。陈玲艳REF_Ref27954\r\h[28]等人提出了自适应阈值法，通过在准南地区的成功应用，实现了SAR图像水体实时检测在准确度上的新突破。曾玲方REF_Ref27984\r\h[29]等人结合了阈值法和RGB波段，实现了斯里兰卡洪水信息的快速高效的提取，为后续使用Sentinel-1数据进行洪水灾害评估提供了参考。而在宁乡市洪涝灾害评估中，郭欣和赵银娣REF_Ref28013\r\h[30]则进一步融合OTSU、GMM双峰法和区域生长法，显著提升了Sentinel-1数据的水体提取精度。谷鑫志REF_Ref28033\r\h[31]等人员将目视解译值作为水体与非水体的真实阈值，通过对比阈值分割结果与目视解译标准值，量化了分割精度，为阈值优化提供了可靠依据。归一化差异水体指数(NormalizedDiferenceWatrIndex，NDWI)是遥感领域中被广泛使用的地物特征表征方法之一。利用比较两个反射特性差异最为明显的波段的光谱信息来提取特定地物的主要光谱特征。这种方法可用于描述水体和非水体地物之间的差异，并在遥感图像中提取出水体特征REF_Ref28059\r\h[32]。而随着遥感技术的不断发展，McfeetersREF_Ref28088\r\h[33]等在归一化差异植被指数(NDVI)的基础上提出了NDWI。NDWI通过增强绿色波段和近红外波段的反射差异，将水体和其他地物的分离度提高，成为了水体识别的经典模型。然而，NDWI在城市当中对于水体和建筑物体的区分上存在不足，为此，改进型指数便不断涌现，徐秋涵REF_Ref26903\r\h[34]等在2006年提出了修正的归一化差异水体指数(MNDWI)。将NDWI的近红外波段替换为中红外波段（SWIR），显著降低建筑反射干扰，提升城市水体边界清晰度；曹荣龙REF_Ref26602\r\h[35]等基于LandsatTM数据设计修订性归一化水体指数（RNDWI），通过绿（G）与红（R）波段组合削弱阴影影响，增强水体与暗色地物的可分离性。1.3研究意义目前水文遥感领域呈现出多种技术路径共同发展的态势：光学传感器借助亚像元水体识别算法达成河道边界的精确提取，再结合历史水文资料可构建水体面积-流量耦合模型，主动微波遥感克服了云层的限制，依据干涉测量技术以及后向散射特性反演水面高程以及流速场分布，新兴的激光雷达和无人机航测技术使河道形态观测的数据质量有了提高。数据同化技术与深度学习方法的引入，正在改变传统水力学模型的构建模式。闽江流域当下的地面水文监测网络，虽说已经积累了长时间的基准观测数据，可是离散站点的布设模式存在着双重技术方面的瓶颈，其中一方面是，基于静态断面展开的单点测量，很难准确地去表征因为河床冲淤演变而致使的过流断面几何参数在时空方面的异质性，另一方面则是，高精度测流设备的周期性校准以及站点设施的维护，会产生数额巨大的运维费用。在这样的背景状况之下，开发出运行维护依赖性低、空间扩展性强以及多尺度适应性强的新型径流监测技术就显得十分关键，该技术的突破可为实现流域生态与经济的协同发展给予关键的科学支撑，不过目前针对闽江河道流量的遥感估算研究相对而言还是比较少的，并且主要集中在单一方法或者单一数据源的应用上面，缺少系统性与综合性。总之本文借助遥感技术搭建闽江流域河道流量估算模型，利用多源遥感数据融合技术来获取河道水面面积特征信息，将其与对应时间序列的实测流量数据相结合，构建水面面积与径流量的关系模型，从理论创新方面来看，该模型框架凭借揭示水面几何特征与流量参数的动态响应规律，深化了对流域多尺度水文过程耦合机制的科学认识，还为闽江流量监测给予了新视角。在应用拓展方面，所构建的模型体系可为生态基流阈值优化、洪水演进过程模拟等关键业务提供参考数据支持，也能为水库联合规划、防洪预警提供决策依据。2研究区概况与数据2.1研究区概况（1）地理位置闽江是福建省域里规模最大的独立入海水系，它的源头处在闽赣两省交界的建宁县均口镇台田村那个地方，这条河流的上游水系是由建溪、富屯溪以及沙溪这三大支流组成的，这些支流在南平市延平区附近完成水系汇聚之后才开始被称作闽江干流，主河道从西向东延伸，总长度是562公里，流域覆盖的面积达到了60995平方公里，其中在福建省境内所占的比例为98.12%。该干流依次流经三明、南平、宁德、福州等关键的行政区域，涉及38个县级行政区，形成了贯穿闽中北的核心水脉网络，它身为福建省的“母亲河”，在区域经济发展、农业生产保障、内河航运体系以及生态安全格局构建方面发挥着不可替代的关键作用。（2）水文气候条件闽江流域处于北纬亚热带湿润季风型气候区域，其地貌单元的分异呈现出十分突出的空间梯度，在上游地区，武夷山构造隆起带形成了典型的深切河谷地貌，两岸地形的高差达到了500至800米，河道的纵比降为4.6%，构成了“峡谷-山间盆地”交替出现的阶梯式地貌格局。这样的特殊地形状况使得地表径流的汇流时间常数缩短，产流系数有所提高，容易形成陡峭型的洪水过程线，中游河段有典型的峡谷地貌特点，河道变得狭窄，水流速度湍急，床面物质主要由粗颗粒冲积物组成，形成了阶梯状的急流-深潭系统，下游的冲积平原区域，河道的蜿蜒率增大，过水断面变窄使得行洪效能降低。降水在时间分布上呈现出十分突出的单峰特征，主汛期的降水量占全年总量的78%至82%，其中锋面降水与热带气旋叠加的时期，极端降水事件频繁发生，这是流域洪水风险的主要构成因素。（3）研究区所选河段本文的主要研究区域是闽江中下游河段，位于福州市闽侯县的竹岐乡上游至闽江流入东海的入海口位置如REF_Ref26086\h图1所示，在此河段设立有竹岐水文站、文山里水文站均对闽江河道流量监测起到重要作用，其中闽江下游的控制站，在福州市的防汛抗洪减灾工作中起到了重要作用，其水文要素变化基本能反应整个闽江流域的情况，也是本文建立模型的重要流量实测数据来源。图SEQ图\*ARABIC1研究区视图2.2数据来源与预处理本文研究的闽江水面面积-河道流量模型所使用的数据来源于地理空间数据云（）免费下载使用，数据选用2017-2021年福州市区域的Landsat-7和Landsat-8的云量小于15%的影像数据的遥感图像进行预处理（辐射定标、大气校正、几何校正等），以获取真实地物反射光谱真实的地物光谱反射，纠正图像变形，保证地物识别的结果拥有较高准确性，以提高水面面积数据提取的精度。2017-2021年竹岐水文站实测流量数据来自福建省水利水电勘测院。3研究方法3.1构建水面面积-河道流量模型3.1.1水面面积提取首先，将影像数据利用ENVI统一经过辐射定标（RadiometricCalibration)以及大气校正（FlaashAtmosphericCorrection）处理，保证后续提取的水体信息具有较高精度；然后对处理后图像进行影像裁剪（SubsetDatafromROIs）和影像镶嵌（SeamlessMosiac）以获取较为精确的研究区域范围的遥感影像，最后对影像进行波段归一化（Stretchdata）和波段计算（BandMath）得到最终用于计算水面面积的影像NDWI（NormalizedDifferenceWaterIndex，归一化水指数），最后用阈值提取数据（NewDecisionTree），阈值设定为0.2计算得到研究区域水体面积，整体技术流程如REF_Ref27464\h图2所示。图SEQ图\*ARABIC2水面面积提取技术流程图3.1.2数据汇总完成提取后的水体结果如REF_Ref27706\h图3所示，其中高亮部分为水体部分。图SEQ图\*ARABIC3水体提取结果图利用竹岐水文站的2017-2021年的实测流量数据，实测流量数据来源于2017-2021浙闽水文年鉴，将对应时间序列的实测流量和水体面积汇总在REF_Ref18515\h表1中，用于后续进行水面面积-河道流量模型的拟合。表SEQ表\*ARABIC1数据汇总表时间水面面积（km2实测流量（m317-Dec20.5338951863221-Jan22.6485057356217-Oct25.7523268258620-Aug28.3891427462619-Nov28.9730821268621-Feb29.1025915670420-Jul29.30059670020-Apr29.5606789695621-Sep30.2012095380020-Nov30.517838974817-Nov30.7361354180920-Oct30.8252755787519-Sep30.8776145288819-Dec30.9577526775620-Mar31.1452426894318-Oct31.40162966102018-Mar31.49981452104017-Sep32.02956629111018-Sep32.9844942711903.1.3模型构建并选取最优模型将统计的数据进行拟合分别建立线性（Linear）、对数(Logarithmic)、指数（Exponential）以及多项式(Quadratic)模型，并利用相关系数和误差验证对不同线性所得到的估算模型进行分析，最终选取出最优模型作为本研究的水面面积-河道流量模型。拟合出来的结果用相关系数R²来说明模型估算其准确性，若拟合出来的模型R²值越大，则估算模型的拟合效果就越好；反之，R²的值越小，则模型的拟合效果越差；R²的值越接近与1，则表示回归的效果越好。R²大于0.75，表示模型拟合度高，可解释程度也就越高；R²小于0.5，表示模型拟合度低，不能使用。残差平方和（RSS）为实测河道流量与模型估算河道流量之差的平方和，定义如下： RRS=iR²为月河道流量回归平方和与其总离差平方和的比值，定义如下： R2=式中：yi为实测径流量，m3s；yi为估算径流量，m3再通过计算拟合模型的平均绝对误差（MAE）和均方根误差（RMSE）对模型精度进一步进行评定，MAE和RMSE都是取值范围都是0到正无穷的，通常模型的精度越高，MAE和RMSE的值就越小，反之，MAE和RMSE的值越大，则模型精度就越差。平均绝对误差（MAE）是估算流量值和实测流量值的差值的绝对值的平均数，定义如下： MAE=1n均方根误差（RMSE）是估算流量与实测流量之差的平方和的平方根，定义如下： RMSE=1式中，yi为实测径流量，m3s；y3.2模型拟合结果验证将2017-2021年所提取的水面面积数据随机抽取部分数据代入到水面面积-河道流量模型当中，并以对应时间序列的竹岐水文站点的实测流量作为实验样本，对模型进行交叉验证，以验证模型精度。4结果与分析4.1闽江竹岐站水面面积-流量模型构建通过对研究区2017-2021年五年中不同月份的遥感图像提取出的水面面积数据并利用对应时间序列的竹岐水文站的实测流量数据拟合出了四种不同的线性模型，拟合结果如REF_Ref345\h图4所示可以看出四种线性模型中，指数（Exponential）模型和多项式(Quadratic)模型拟合效果较好，R²值均大于0.75，说明两种模型的水面面积和流量之间具有较好相关性；其余的线性（Linear）、对数(Logarithmic)两种模型的R²值均小于0.75，故无法作为估算流量的模型使用，因此将指数（Exponential）模型和多项式(Quadratic)模型当作初步的流量估算模型，但是指数（Exponential）模型和多项式(Quadratic)模型拟合的R²值差距较小，故而需要进一步的验证二者的MAE和RMSE值以评估两种模型的精度并确定最优模型。图SEQ图\*ARABIC4不同线性拟合的结果通过对指数（Exponential）模型和多项式(Quadratic)模型的MAE值和RMSE值的拟合，结果如REF_Ref12300\h图5可以看出指数（Exponential）模型的的MAE值和RMSE值均比多项式(Quadratic)模型小，说明指数（Exponential）模型的的误差更小，所以使用拟合指数（Exponential）模型Q=e12.06−0.477A−0.00991A2，Q为流量，m3s；A为水面面积，图SEQ图\*ARABIC5不同模型MAE值和RMSE值拟合结果4.2误差分析对选定的指数（Exponential）模型Q=e12.06−0.477A−0.00991A2，Q为流量，m3s；A为水面面积，km2，进行精度验证得出的结果如REF_Ref14691\h图SEQ图\*ARABIC6精度验证结果但是该模型依然存在一些误差所以还无法实现高精度的闽江河道的流量估算。而经过分析得出了存在误差的原因如REF_Ref24370\h表2所示。所以该模型还需要进一步的改进，采用更加高精度高质量的遥感影像提取水面面积，并且延长遥感影像数据的年限，以获取更多的数据用于拟合模型。并且进一步研究水体中的其余成分对遥感影像提取水面面积精度的影响，使得做出来的模型更加完善，精度更高。表SEQ表\*ARABIC2误差原因表 模型误差原因①所选用的遥感影像精度不够高，无法提取高精准度的水面面积数据。②由于河道断面的不同形态，如V形、梯形等一些不同的断面形态使得河道流量会有所增减导致水面面积会跟着有所变化。③由于一年当中的不同时期降雨量会有所不同，导致河水流量有所增减以及河水当中的泥沙微生物含量有所变化，导致遥感影像提取的水面面积同样产生误差④所使用的数据量不够，本文使用的只是2017-2021五年的研究区遥感影像数据，并且由于获取途径的限制，导致某些月份无法提取水面面积，所以做出来的模型精度也会受到影响。5结论通过此次研究得到了闽江水面面积-河道流量的估算模型，结果表明水面面积与流量具有较好的相关性，进而说明利用遥感影像提取水面面积估算闽江河道流量的方法是可行的，为闽江河道流量监测估算提供了一条理论方法。通过对模型精度的验证，可以看出此次模型虽然因子之间的相关性强，但是由于数据量较少、遥感图像质量精度不够高等原因，本次所研究的河道流量估算模型存在一定的误差的。利用遥感技术估算闽江河道流量的方法是可行的，但是建立模型需要更多的数据量投入、更高精度的遥感图像提取水体并考虑河道断面形态、降水气候等自然因素对水面面积变化的影响，进一步的深入探索和研究模型的精度，使其能够适应不同的地区的不同时期的河流流量估算，真正成为一项监测数据及时、监测范围广泛、获取数据准确的河道流量估算模型，减少水文信息测量的负担，提升河流流量监测的质量。参考文献HarrelsonC.C.,RawlinsC.L.,PotyondyJ.P.Streamchannelreferencesites:anillustratedguidetofieldtechnique[R].Colorado,1994.GleasonC.J.,DurandM.T.RemoteSensingofRiverDischarge:AReviewandaFramingfortheDiscipline[J].RemoteSensing,2020,12(7):1107.CALMANTS,SEYLERF.Continentalsurfacewatersfromssatellitealtimetry[J].ComptesRendusGeoscience,2006,338(14):1113-1122.DavidsJ.,RuttenM.,PandeyA.,etal.Citizenscienceflow-anassessmentofsimplestreamflowmeasurementmethods[J].HydrologyandEarthSystemSciences,2019,23(2):1045-1065.LinP,FengD,GleasonCJ,etal.Inversionofriverdischargefromremotelysensedriverwidths:Acriticalassessmentatthree-thousandglobalrivergauges[J].RemoteSensingofEnvironment,2023,287:113489.苏艺凡.多源遥感影像铁路环保监测关键技术研究与应用[D].兰州:兰州交通大学,2021.GleasonCJ,DurandM.T.RemoteSensingofRiverDischarge:AReviewandaFramingfortheDiscipline[J].RemoteSensing,2020,12(7):1107.SheffieldJ,WoodEF,PanM,etal.SatelliteRemoteSensingforWaterResourcesManagement:PotentialforSupportingSustainableDevelopmentinData‐PoorRegions[J].WaterResourcesResearch,2018,54(12):9724-9758.陈晓宏,钟睿达,王兆礼,等.新一代GPMIMERG卫星遥感降水数据在中国南方地区的精度及水文效用评估[J].水利学报,2017,48(10):1147-1156.王兆礼,钟睿达,赖成光,等.TRMM卫星降水反演数据在珠江流域的适用性研究——以东江和北江为例[J].水科学进展,2017,28(2):174-182.杨胜天,王鹏飞,王娟,娄和震,巩同梁.结合无人机航空摄影测量的河道流量估算.遥感学报,2021,25(6):1284-1293.BartonI.J.,Bathols,J.M.MonitoringfloodswithAVHRR[J].RemoteSensingofEnvironment,1989,30(1):89-94.ChenY.,HuangC.,TicehurstC.,etal.AnevaluationofMODISdailyand8-daycompositeproductsforfloodplainandwetlandinundationmapping[J].Wetlands,2013,33(5):823-835.FrazierP.,PageK.RelatingwetlandinundationtoriverflowusingLandsatTMdata[J].InternationalJournalofRemoteSensing,2003,24(19):3755-3770.卢乃锰,闵敏,董立新等.星载大气探测激光雷达发展与展望[J].遥感学报,2016,20(1):1-10.BonnF.,DixonR.MonitoringfloodextentandforecastingexcessrunoffriskwithRADARSAT-1data[J].NaturalHazards,2005,35(3):377-393.WangY.SeasonalchangeintheextentofinundationonfloodplainsdetectedbyJERS-1SyntheticApertureRadardata[J].InternationalJournalofRem