利用Jason-3/Sentinel-3A雷達高度計監測北部灣濱海濕地水位變化

付波霖，覃嬌玲，何宏昌，何 旭，楊文嵐，范冬林，華 磊

利用Jason-3/Sentinel-3A雷達高度計監測北部灣濱海濕地水位變化

付波霖1，覃嬌玲1，何宏昌1※，何 旭1，楊文嵐1，范冬林1，華 磊2

（1. 桂林理工大學測繪地理信息學院，桂林 541006；2. 中國地質大學（武漢）公共管理學院，武漢 430074）

為了評估雷達高度計監測濱海濕地水位的能力，提高其監測濱海濕地水位的測量精度，該研究以廣西北部灣濱海濕地為研究區，選取2016—2020年逐日的Jason-3和Sentinel-3A雷達高度計數據，建立濱海濕地水位遙感監測模型，利用重心偏移法，閾值法，改進的重心偏移法和改進的閾值法對測高水位進行波形重定改正獲取濱海濕地水位。結合水文站實測數據，定量評估不同算法提取水位的精度差異，利用年內水位變幅、月平均水位、季平均水位和年平均水位探究濱海濕地水位動態變化，利用降水量數據分析濱海濕地水位動態變化原因。結果表明，在4種重跟蹤算法中，改進的閾值法重定效果最佳，Jason-3雷達高度計的決定系數最大為0.78，均方根誤差（Root Mean Square Error，RMSE）最小為0.35 m，平均絕對誤差（Mean Absolute Error，MAE）最小為0.28 m；Sentinel-3A雷達高度計的決定系數最大為0.87，RMSE最小為0.24 m，MAE最小為0.18 m，表明Sentinel-3A雷達高度計的監測精度較高。廣西北部灣濱海濕地水位變化與降水量變化的相關性較高，年內水位變化較為劇烈，呈現明顯的季節性，年內水位平均變幅為3.37 m，在2016—2020年間水位整體呈現下降趨勢，年平均變化速率為0.005 m。星載雷達高度計為大范圍的濱海濕地水位監測提供了有力手段，這對研究濱海濕地變化及生態環境保護具有重要意義。

衛星；濕地；Jason-3；Sentinel-3A；波形重跟蹤；水位變化

0 引 言

濱海濕地作為海岸帶地區最重要的生態系統，是水生和陸生生態系統的交叉地帶，在穩定生態環境、生產可再生資源與保護物種基因方面具有重要作用[1]。水位作為濕地水文的重要因素之一，其變化與生態環境變化息息相關[2]。近年來，受人類活動和自然因素影響，濱海濕地退化嚴重，紅樹林面積銳減，生物多樣性也受到嚴重威脅[3]。充分理解濱海濕地的水位動態變化特征，有利于正確認識人類活動和自然因素對濱海濕地變化的影響，為生態環境保護和沿海經濟發展提供科學依據。

在監測水位和水量變化方面，目前主流的方式仍是通過地面水文站定時定點地進行監測，但這種方式無法滿足時效性的要求，且監測成本高，還存在偏遠地區無法大規模布點的問題[4]。另外，濕地地區情況復雜，水位的獲取尤為困難。衛星測高技術具有全天候、高精度、大尺度的探測特點，具有其他觀測技術無可比擬的優越性[5-7]。目前，包括TOPEX/Poseidon（T/P）、ENVISAT、ICESat、Cryosat-2、Jason-1、Jason-2、Jason-3及Sentinel-3A等在內的多種星載高度計數據均已用于水位的監測，且多應用于內陸水域。趙云等利用Ctyosat/SIRAL數據對青海湖的水位進行監測，水位提取精度為0.09 m[8]。Bogning等在Ogooue流域建立了基于多種高度計數據的水位測量網[9]。黃征凱結合多種測高衛星數據對青藏高原不同時段的湖泊水位進行分析，結果表明在1972—2017年間的多個湖泊水位呈上升趨勢[10]。廖靜娟等利用多源衛星數據構建了高亞洲湖泊水位變化數據集[11]。以上研究成果充分說明高度計適用于監測內陸水域水位。在此基礎上，對于水位獲取困難的濕地，國內外學者已開展了部分研究。Dettmering等使用ENVISAT測高衛星監測南美潘塔納爾濕地水位，得出水位時間序列的均方根誤差（Root Mean Square Error，RMSE）約為0.40 m[12]。Normandin等利用ENVISAT、Jason-3和Sentinel-3A等高度計數據對尼日爾內河三角洲的水位進行了監測研究[13]。Vu等采用多源衛星數據對法國比斯開灣大西洋沿岸的水位進行驗證，其中SARAL的水位提取精度為0.21 m[14]。Chembolu等利用Topex/ Poseidon衛星對漫灘濕地水位進行監測，研究表明，科西河與其周圍的濕地之間發生了復雜的相互作用過程[15]。Wang等利用Topex/Poseidon衛星提取Ngangzi Co濕地水位，水位提取精度約為分米[16]。井發明等聯合ENVISAT和Jason-2衛星測高數據反演了薩德濕地水位[17]。對于內陸水體及近岸水域，陸地影響會污染回波波形，導致水位提取結果不準確，使用波形重跟蹤算法改正回波波形可使水位監測精度進一步提高[18-23]。總體而言，利用星載高度計監測湖泊、河流、濕地等水域已得到了有效應用，但在濱海濕地水位監測方面的研究仍十分有限。

為了豐富濱海濕地水位的監測手段，探究新一代星載高度計Jason-3和Sentinel-3A監測濱海濕地水位的能力，本研究以廣西北部灣濱海濕地為研究對象，以2016—2020年逐日的Jason-3和Sentinel-3A雷達高度計為數據源，建立了濱海濕地水位監測遙感模型，分別采用重心偏移法，閾值法，改進的重心偏移法和改進的閾值法4種重跟蹤算法對近岸波形進行重跟蹤，得出改正后的濕地測高水位。選取決定系數2、RMSE和平均絕對誤差（Mean Absolute Error，MAE）為評價指標，結合水文站實測數據，定量評價Jason-3和Sentinel-3A雷達高度計通過4種重跟蹤算法提取濱海濕地水位的精度差異，利用年內水位變幅、月平均水位、季平均水位和年平均水位定量分析2016-2020年濱海濕地水位的動態變化，利用降水量數據探究水位變化的原因。

1 研究區概況及數據源

1.1 研究區概況

廣西北部灣是中國海岸線最南端的天然海灣，地處22°01′20″N～22°01′20″N，107°26′30″E～109°40′00″E（圖1），海岸線總長1 602 km，東與廣東省的洗米河口接壤，西與北昆侖河口交界。在行政區劃上包括北海市、防城港市與欽州市。且地處亞熱帶，屬亞熱帶海洋性氣候，年平均氣溫為22.9 ℃，年降雨量為1575 mm。廣西北部灣主要包括珍珠灣、防城灣、欽州灣、廉州灣、鐵山灣、英羅灣6大海灣，具有豐富的港口資源和濱海旅游資源，2018年貨物吞吐量為1.83億t，為區域經濟發展提供重要保障[24]。同時，廣西北部灣濱海濕地還是中國重要的濕地之一，擁有海草床、珊瑚礁、紅樹林等典型生態系統，具有涵養水源、保持水土、保護物種組成等重要的生態功能，對廣西的經濟發展和生態文明建設意義重大。

1.2 衛星測高數據及水文站實測數據

本研究采用Jason-3和Sentinel-3A雷達高度計數據監測北部灣濱海濕地水位。在Jason-3測高衛星的數據產品中，采用Jason-3衛星2級GDR產品中2016年4月至2020年9月逐日的SGDR數據，它包括所有的環境校正和地球精確校正，并且經過了完全的驗證，是一個在60 d內生成的延遲數據集。獲取地址為https://www.aviso.altimetry.fr/。SGDR產品的儲存周期為10 d，一個周期內的Pass文件數為254個，每一天包括26個Pass文件，一個Pass文件占存儲空間的大小為5 M左右。由于一個周期內的文件數不足整月，因此在對數據進行處理前，需要對Jason-3數據按月進行整合。在Sentinel-3A測高衛星的數據產品中，采用2016年4月至2020年12月逐日的Sentinel-3A SRAL非時間關鍵（Non-Time Critical）WAT2級產品，其允許可視化范圍查找，是在20 d內生成的延遲數據集。獲取地址為https://coda.eumetsat.int/#/home。每個產品都包含3個完整的Net CDF文件，分別為簡化測量、標準測量和增強測量數據。簡化測量包含1 Hz數據的子集。標準測量包含標準的1和20 Hz Ku和C頻段參數。增強測量數據除標準測量信息外，還包含波形和重新處理數據的必要參數等信息。這里使用SRAL產品中的增強測量數據。在對數據進行處理前，需對增強測量數據按月進行整合。

用于精度驗證的實測數據為2016年4月至2020年12月逐日的水文站實測數據，包括北海港、炮臺角和防城港3個站點，從國家海洋信息中心獲取。因為站點數據均為每小時測量一次水位，所以取一天中所有測量值的平均值作為當日水位。為了保持實測水位和測高水位的一致性，在利用實測水位對測高水位進行絕對驗證前，需對實測水位進行潮高基準面轉換以及單位換算。

降水數據來自中國氣象數據網（http://data.cma.cn/），包括北海、防城港和欽州3個氣象站2016年4月—2020年3月逐日的降水量數據。

2 研究方法

2.1 波形重跟蹤

重跟蹤就是用算法對原始波形進行模擬，重新計算波形前緣中點，根據其與原定中點的差值，獲得距離改正值（d），從而改正測高衛星到被測水面的距離[25]，見式（1）。

式中C為重跟蹤后確定的波形前緣中點，C為原定的波形前緣中點，為光速（299 792 458 m/s），t為脈沖寬度（3.125 ns），R為改正后的觀測距離，m，為測高衛星的觀測距離，m。

本研究分別對Jason-3和Sentinel-3A測高數據采用重心偏移法，閾值法，改進的重心偏移法和改進的閾值法重定回波波形。4種波形重跟蹤算法通過matlab編程實現。其中重心偏移法、閾值法采用全波形數據，改進的重心偏移法和改進的閾值法采用選取的子波形數據。Jason-3采用SGDR產品中的waveform數據，采樣點共104個，原定波形前緣中點為31；Sentinel-3A采用增強測量數據中的waveform數據，采樣點數為128，原定中點為43。

重心偏移法（Off-center of gravity method，OCOG）是為了實現對波形的穩健跟蹤，其基本思想是找到每個返回波形的重心，通過計算由波形值確定的矩形的重心和面積來確定波形的前緣中點[25]。

閾值法（Threshold method）以OCOG算法為計算基礎，根據振幅、最大波形采樣等給出閾值，在該閾值的幾個臨近采樣點之間進行線性內插，確定重定點。本研究選取OCOG算法所確定的矩形振幅50%作為Threshold算法的門檻值[26]。

當測高衛星經過近岸水域時，由于受到陸地、地球物理因素和傳感器硬件等因素干擾，波形會出現復雜形狀，不再是理想的單一形狀，上述兩種波形重定方法并沒有完全按照真實的波形形狀進行重定改正，造成提取出來的距離改正值不準確，從而降低測量精度[27]。改進的重心偏移法和改進的閾值法利用子波形數據進行重跟蹤處理，可以減小利用全波形進行重跟蹤導致的測量誤差。改進算法的計算過程與上述兩種算法相同。選取子波形時，先用回波中的所有功率值來計算開始點與結束點閾值，然后根據相鄰跟蹤門的回波功率差與這兩個閾值的對比，確定最終的子波形[28]。

2.2 北部灣濱海濕地水位監測遙感模型

對Jason-3和Sentinel-3A雷達高度計數據采用上述4種波形重跟蹤算法獲得改正的觀測距離后，根據式（2），即可獲得各個足跡點的濱海濕地水位。

式中為足跡點的濱海濕地水位，m；h為測高儀的橢球高，m；h為大地基準面相對于參考橢球面高度，m；Δ為各項觀測誤差校正，為海面高度校正，m。

R是理想狀態下通過測量得到的衛星質心到地球表面的距離，但在現實中主要受儀器誤差、衛星軌道誤差以及信號傳播誤差的影響。本研究按海洋數據標準來處理濱海濕地水位的各項誤差校正，但相對海面而言濱海濕地的水面很小，可不考慮潮壓、海潮、逆氣壓等因素影響，因此只用到以下的誤差校正：

Δ=++++（3）

式中為干對流層校正，m；為濕對流層校正，m；為電離層校正，m；為極潮校正，m；為固體潮校正，m。

2.3 北部灣濱海濕地水位計算方法

以往計算濱海濕地水位的方法主要是通過BRAT讀取衛星測高數據，然后以ASCII碼格式輸出經緯度、高程、各項誤差校正等參數。接著進一步將經緯度和高程導入ArcGIS中，生成高程點圖層，再把處理后的影像導入ArcGIS中，從而剔除研究區域以外的高程點。最后將處理后的數據通過式（2）計算得到初始的濱海濕地水位。與以往的方法不同，本研究的濱海濕地水位計算工作直接在BRAT中進行，這樣做可以避免對導出的數據計算錯誤而產生的計算誤差，采用以下步驟來計算處理后的數據：1）在BRAT中新建一個數據集，按月導入測高數據并讀取。2）選擇廣西北部灣濱海濕地范圍，進一步精確邊界，確保水位點在濱海濕地范圍內。3）創建操作，根據式（2）選擇相應的字段，計算出初始的濱海濕地水位。4）采用篩選標準將濱海濕地水位控制在?3.00～3.00 m之間，以ASCII碼格式輸出濱海濕地水位。5）對輸出的濱海濕地水位采用3原則進行異常值的剔除。6）將上述水位點導入奧維地圖中，剔除陸地上以及落到植被覆蓋區的水位數據。7）將經過波形重定改正后的距離改正值加到上述水位點中，改正值的選取遵循與水位點相同日期、同一經緯度的原則。8）將改正后的濱海濕地有效水位按天、月、季、年分別取平均水位。由于雷達高度計的月平均水位、季平均水位和年平均水位用于預測濱海濕地的水位動態變化，因此實測數據只需要計算出對應的單日平均水位。

3 結果與分析

3.1 精度分析

2種雷達高度計通過不同波形重跟蹤算法提取濱海濕地水位的精度，見圖2和圖3所示。由圖2可知，Jason-3雷達高度計提取的4種水位結果中，改進的閾值法提取精度最高，與重心偏移法相比，2提升了0.34，RMSE減小了0.50 m，MAE減小了0.40 m。由圖3可知，Sentinel-3A雷達高度計提取的4種水位結果中，改進的重心偏移法和改進的閾值法水位提取的效果明顯優于重心偏移法和閾值法，2從0.68提升至0.87，RMSE從1.02 m減小至0.24 m，MAE從0.97 m減小至0.18 m。實驗結果表明，4種重跟蹤算法均能提取濱海濕地水位，與其他3種重跟蹤算法相比，改進的閾值法提取的水位效果最好，為最佳重跟蹤算法，Jason-3雷達高度計獲得的2最大為0.78，RMSE最小為0.35 m，MAE最小為0.28 m，Sentinel-3A雷達高度計獲得的2最大為0.87，RMSE最小為0.24 m，MAE最小為0.18 m。對于重心偏移法和閾值法，使用子波形的改進算法提取的水位2更高，RMSE和MAE更小，使用子波形提取水位明顯改善了傳統重跟蹤算法提取水位的精度。可能的原因為，對于復雜波形，采用全波形進行重跟蹤得到的波形前緣中點偏離實際的波形前緣中點，造成提取出來的改正距離不準確，而對子波形進行重跟蹤則可以有效地避免這一點。在兩種雷達高度計提取的水位結果中，Sentinel-3A雷達高度計提取的水位精度明顯高于Jason-3雷達高度計，原因可能為，Jason-3雷達高度計的重訪周期長，有效水位點較少，過境地點比較單一且距離參與驗證的水文站較遠，造成提取的水位精度較低。

通過綜合分析2、RMSE和MAE可得，改進的閾值法為最佳重跟蹤算法，該方法利用子波形數據進行重跟蹤處理，有效地減小了利用全波形數據對復雜波形進行重跟蹤導致的測量誤差。Sentinel-3A雷達高度計的監測精度優于Jason-3雷達高度計的監測精度，這與雷達高度計的重訪周期、過境足跡點與實測水文站距離這兩個因素有關。Sentinel-3A雷達高度計有多條軌道經過北部灣地區，有效水位值個數較多，且Sentinel-3A雷達高度計的足跡點在欽州、防城港和北海3個水文站附近均有分布，反演精度較高；而Jason-3雷達高度計的重訪周期較長，只有一條軌道過境導致有效水位點較少，且Jason-3雷達高度計的足跡點距離3個實測水文站點較遠，導致反演精度較低。因此，利用Sentinel-3A雷達高度計采用改進的閾值法反演濱海濕地水位的動態變化。

3.2 北部灣濱海濕地水位動態變化分析

本研究利用年內水位變幅、月平均水位、季平均水位和年平均水位定量探究北部灣濱海濕地水位動態變化，利用實測氣象站點降水量數據分析水位動態變化原因。由表1可知，通過Sentinel-3A雷達高度計反演的濱海濕地在2016—2020年間最高水位升高了0.30 m，達到了2.57 m。而最低水位降低了0.29 m，達到了?1.21 m。年內水位變幅增加了0.59 m，達到了3.78 m，表明北部灣濱海濕地水位近5 a變化較為劇烈。分析2016—2020年逐日的降水量發現，2019年年內水位變幅最大，近5 a的最高降水量和最低降水量均在2019年。相鄰年間最高、最低水位差均小于0.30 m，水位變幅小于0.45 m，證明相鄰年間水位變化較為平緩。

表1 Sentinel-3A雷達高度計反演濱海濕地的年內水位變幅

對比月平均降水量與Sentinel-3A雷達高度計反演的月平均水位可以看出，月平均降水量變化與月平均水位變化吻合度較高，水位季節性變化明顯，1—2月和11—12月降水量較少，水位下降，為枯水期；3—10月降水量增多，水位上升，為豐水期，5—9月為降水集中期，7月為降水高峰期，水位高峰期出現在7—9月（圖4）。

分析各季度和年平均水位變化可知，水位變化季節性明顯，整體上呈現下降趨勢（表2）。季平均水位與標準差相差較大，表明年內水位變化較為劇烈。另外，年內水位變化呈現一定的規律性，水位從第一季度開始上漲，第三季度達到一年的峰值，第四季度水位逐漸下降。2016—2020年，各季度平均水位整體呈現下降趨勢，第一季度水位下降了0.12 m，第二季度水位上升了0.29 m，第三季度水位上升了0.11 m，第四季度水位下降了0.16 m。分析2016—2020年各季度的降水量變化可知，降水量變化與平均水位變化呈現較強的一致性，相關系數為0.77。第三季度為降水集中期，相鄰年間的降水量差值均在30 mm以上，差值最大達到了66.66 mm，導致第三季度水位變化尤其劇烈。其余3個季度的水位變化則相對平緩。

濱海濕地年平均水位的變化與年平均降水量的變化較為相符，濱海濕地水位總體上呈現下降趨勢，水位年平均變化速率為0.005 m。

表2 Sentinel-3A雷達高度計反演濱海濕地的年際變化

注：數值為水位平均值±標準差。

Note: Values represent average water level ± standard deviation.

4 結 論

星載高度計監測濱海濕地水位具有監測成本低，觀測范圍廣等優點，可在一定程度上增加濱海濕地水位的監測手段。本研究選取2016－2020年逐日的Jason-3和Sentinel-3A雷達高度計數據，對比了重心偏移法，閾值法，改進的重心偏移法和改進的閾值法4種波形重跟蹤算法獲取濱海濕地水位的精度差異，結合實測數據，監測廣西北部灣濱海濕地的水位動態變化。主要結論如下：

1）4種重跟蹤算法中，改進的閾值法重定效果最佳，Sentinel-3A雷達高度計的監測精度優于Jason-3雷達高度計。改進后Jason-3雷達高度計的決定系數為0.78，均方根誤差為0.35 m，平均絕對誤差為0.28 m；改進后Sentinel-3A雷達高度計的決定系數為0.87，均方根誤差為0.24 m，平均絕對誤差為0.18 m。

2）濱海濕地水位變化與降水量變化具有較強的一致性，年內水位變化較為劇烈，季節性明顯，年內水位平均變幅為3.37 m。在2016—2020年間水位整體上呈現下降趨勢，水位變化速率為0.005 m/a。

[1]葛偉，蔡琨，馬晶晶，等. 淺談濱海濕地生態環境退化監測與評價[J].環境監控與預警，2016，8(5)：10-13.

Ge Wei, Cai Kun, Ma Jingjing, et al. Discussion on monitoring and evaluation of ecological environment degradation of coastal wetlands[J]. Environmental Monitoring and Early Warning, 2016, 8(5):10-13. (in Chinese with English abstract)

[2]姚鑫，楊桂山，萬榮榮，等. 水位變化對河流、湖泊濕地植被的影響[J]. 湖泊科學，2014，26(6)：813-821.

Yao Xin, Yang Guishan, Wan Rongrong, et al. The impact of water level changes on river and lake wetland vegetation[J]. Lake Science, 2014, 26(6): 813-821. (in Chinese with English abstract)

[3]安鑫龍，齊遵利，李雪梅，等. 中國海岸帶研究Ⅲ—濱海濕地研究[J]. 安徽農業科學，2009，37(4)：1712-1713.

An Xinlong, Qi Zunli, Li Xuemei, et al. Research on China's coastal zone III—Study on coastal wetlands[J]. Anhui Agricultural Sciences, 2009, 37(4):1712-1713. (in Chinese with English abstract)

[4]文京川. 測高衛星數據在我國湖庫水位監測中的應用研究[D]. 蘭州：蘭州交通大學，2018.

Wen Jingchuan. Research on the Application of Altimeter Satellite Data in Lake and Reservoir Water Level Monitoring in my country[D]. Lanzhou: Lanzhou Jiaotong University, 2018. (in Chinese with English abstract)

[5]郭金運，孫佳龍，常曉濤，等. TOPEX/Poseidon衛星監測博斯騰湖水位變化及其與NINO3 SST的相關性分析[J]. 測繪學報，2010，39(3)：221-226.

Guo Jinyun, Sun Jialong, Chang Xiaotao, et al. TOPEX/Poseidon satellite monitors the water level change of Bosten Lake and its correlation analysis with NINO3 SST[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(3): 221-226. (in Chinese with English abstract)

[6]李均力，陳曦，包安明. 2003－2009年中亞地區湖泊水位變化的時空特征[J]. 地理學報，2011，66(9)：1219-1229.

Li Junli, Chen Xi, Bao Anming. Temporal and spatial characteristics of lake water level changes in central asia from 2003 to 2009[J]. Acta Geographica Sinica, 2011, 66(9): 1219-1229. (in Chinese with English abstract)

[7]何飛，劉兆飛，姚治君. Jason-2測高衛星對湖泊水位的監測精度評價[J]. 地球信息科學學報，2020，22(3)：494-504.

He Fei, Liu Zhaofei, Yao Zhijun. The accuracy evaluation of lake water level monitoring by Jason-2 altimetry satellite[J]. Journal of Geo-Information Science, 2020, 22(3): 494-504. (in Chinese with English abstract)

[8]趙云，廖靜娟，沈國狀，等.衛星測高數據監測青海湖水位變化[J]. 遙感學報，2017，21(4)：633-644.

Zhao Yun, Liao Jingjuan, Shen Guozhuang, et al. Satellite altimetry data to monitor the water level change of Qinghai Lake[J]. Journal of Remote Sensing, 2017, 21(4): 633-644. (in Chinese with English abstract)

[9]Bogning S, Frappart F, Blarel F, et al. Estimating River Discharges in the Ogooue River Basin Using Satellite Altimetry Data[C].IGARSS 2018-2018 IEEE International Geoscience and Remote Sensing Symposium. Valencia, Spain: IEEE, 2018: 9304-9307.

[10]黃征凱. 利用多源衛星數據研究青藏高原湖泊水儲量變化及其影響因素[J]. 測繪學報，2019，48(8)：1071.

Huang Zhengkai. Using multi-source satellite data to study the changes of lake water reserves on the Qinghai-Tibet Plateau and its influencing factors[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(8): 1071. (in Chinese with English abstract)

[11]廖靜娟，趙云，陳嘉明. 基于多源雷達高度計數據的高亞洲湖泊水位變化數據集[J]. 中國科學數據：中英文網絡版，2020，5(1)：140-151.

Liao Jingjuan, Zhao Yun, Chen Jiaming. High Asian lake water level change data set based on multi-source radar altimeter data[J]. China Science Data: Chinese and English Online Edition, 2020, 5(1): 140-151. (in Chinese with English abstract)

[12]Dettmering D, Schwatke C, Boergens E, et al. Potential of ENVISAT radar altimetry for water level monitoring in the Pantanal wetland[J]. Remote Sensing, 2016, 8(7): 596.

[13]Normandin C, Frappart F, Diepkilé A T, et al. Evolution of the performances of radar altimetry missions from ERS-2 to Sentinel-3A over the Inner Niger Delta[J]. Remote Sensing, 2018, 10(6): 833.

[14]Vu P L, Frappart F, Darrozes J, et al. Multi-satellite altimeter validation along the French Atlantic coast in the southern bay of Biscay from ERS-2 to SARAL[J]. Remote Sensing, 2018, 10(1): 93.

[15]Chembolu V, Dubey A K, Gupta P K, et al. Application of satellite altimetry in understanding river–wetland flow interactions of Kosi river[J]. Journal of Earth System Science, 2019, 128(4): 1-15.

[16]Wang H, Chu Y, Huang Z, et al. Robust, long-term lake level change from multiple satellite altimeters in Tibet: Observing the rapid rise of Ngangzi Co over a new wetland[J]. Remote Sensing, 2019, 11(5): 558.

[17]井發明，陳海珍，包穎，等.基于衛星測高數據的薩德濕地水位變化研究[J].測繪工程，2019，28(5)：14-19.

Jing Faming, Chen Haizhen, Bao Ying, et al. Study on water level change of Thaad Wetland based on satellite altimetry data[J]. Engineering of Surveying and Mapping, 2019, 28(5): 14-19. (in Chinese with English abstract)

[18]田山川，郝衛峰，李斐，等. 顧及陸湖反射差異的衛星測高監測湖泊水位的波形分析與重定[J]. 測繪學報，2018，47(4)：498-507.

Tian Shanchuan, Hao Weifeng, Li Fei, et al. Waveform analysis and resetting of lake water level monitoring by satellite altimetry taking into account the reflection difference between land and lake[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(4): 498-507. (in Chinese with English abstract)

[19]Huang Q, Long D, Du M, et al. An improved approach to monitoring Brahmaputra River water levels using retracked altimetry data[J]. Remote Sensing of Environment, 2018, 211:112-128.

[20]Pham H T, Marshall L, Johnson F, et al. Deriving daily water levels from satellite altimetry and land surface temperature for sparsely gauged catchments: A case study for the Mekong River[J]. Remote Sensing of Environment, 2018, 212: 31-46.

[21]Song S, Liu H, Beck R A, et al. Analysis of Sentinel-3 SAR altimetry waveform retracking algorithms for deriving temporally consistent water levels over ice-covered lakes[J]. Remote Sensing of Environment, 2020, 239: 111643.

[22]Chen J, Liao J. Monitoring lake level changes in China using multi-altimeter data (2016–2019)[J]. Journal of Hydrology, 2020, 590: 125544.

[23]Yuan C, Gong P, Bai Y. Performance assessment of ICESat-2 laser altimeter data for water-level measurement over lakes and reservoirs in China[J]. Remote Sensing, 2020, 12(5): 770.

[24]孟憲偉，張創智. 廣西壯族自治區海洋環境資源基本現狀[M]. 北京：海洋出版社，2014.

[25]褚永海，李建成，張燕，等. ENVISAT測高數據波形重跟蹤分析研究[J]. 大地測量與地球動力學，2005(1)：76-80.

Chu Yonghai, Li Jiancheng, Zhang Yan, et al. Re-tracking analysis of ENVISAT altimetry data waveform[J]. Geodesy and Geodynamics, 2005(1): 76-80. (in Chinese with English abstract)

[26]高永剛. 利用衛星測高進行陸地湖泊水位變化監測[D]. 南京：河海大學，2006.

Gao Yonggang. Using Satellite Altimetry to Monitor the Water Level Changes of Terrestrial Lakes[D]. Nanjing: Hohai University, 2006. (in Chinese with English abstract)

[27]郭金運，常曉濤，孫佳龍，等.衛星雷達測高波形重定及應用[M]. 北京：測繪出版社，2013.

[28]Jain M, Andersen O B, Dall J, et al. Sea surface height determination in the Arctic using Cryosat-2 SAR data from primary peak empirical retrackers[J]. Advances in Space Research, 2015, 55(1): 40-50.

Monitoring the water level of coastal wetland in Beibu Gulf using Jason-3/Sentinel-3A altimetry satellites

Fu Bolin1, Qin Jiaoling1, He Hongchang1※, He Xu1, Yang Wenlan1, Fan Donglin1, Hua Lei2

(1.,,541006,; 2.,430074)

The water level of coastal wetlands is essential to the growth of mangroves in the development of the local economy. The current monitoring system still relies on hydrological stations to obtain the regular water level at fixed positions. However, the high costs of the conventional method cannot meet the harsh requirements in time. Satellite altimetry technology can be widely expected to serve as an effective supplement to ground monitoring. Taking the coastal wetland of Beibu Gulf in Guangxi as the research object, this study aims to propose a feasible monitoring technology for the water level using the daily Jason-3 and Sentinel-3A altimetry data from 2016 to 2020. The initial value of water level was calculated in coastal wetland through the radar altimetry toolbox, where the triple middle error was used to remove the outliers. The obtained initial points of the water level in the coastal wetland were first imported into the Omap, thereby removing the redundancy data of water level falling on the land and vegetation coverage. As such, high accuracy was achieved to prevent the waveforms near shore from the land. Four re-tracking were then used to correct the water level in the height measurement, including the shift of gravity center, threshold value, the improved shift of gravity center, and the improved threshold value. The determination coefficient, the Root Mean Square Error (RMSE), and the Mean Absolute Error (MAE) were selected to quantitatively evaluate the accuracy of two altimetry satellites. High-precision altimetry satellites were selected to explore the intra-year and inter-annual dynamic changes of water level in the coastal wetland at the intra-year, monthly, seasonal, and annual average water level. The results showed that the best re-setting effect was achieved in the improved threshold for the water level of coastal wetlands. By Jason-3A, the maximum determination coefficient was 0.78, the minimum RMSE was 0.35 m, and the minimum MAE was 0.28 m. By Sentinel-3A, the maximum determination coefficient was 0.87, the minimum RMSE was 0.24 m, and the minimum MAE was 0.18 m. It inferred that the high monitoring accuracy was obtained by Sentinel-3A. There was also obvious seasonality for the water level change of the coastal wetland in Beibu Gulf from 2016 to 2020. The average change of the water level was 3.37 m during the year. There was a drastic downward trend in the water level changes as a whole, with an average annual change rate of 0.005 m. The spaceborne radar altimeter provides a powerful method for monitoring the water level of coastal wetlands on a large scale, which is of great significance to the study of coastal wetland changes and ecological environment protection.

satellite; wetland; Jason-3; Sentinel-3A; waveform re-tracking; water level change

付波霖，覃嬌玲，何宏昌，等. 利用Jason-3/Sentinel-3A雷達高度計監測北部灣濱海濕地水位變化[J]. 農業工程學報，2021，37(5)：184-190.doi：10.11975/j.issn.1002-6819.2021.05.021 http://www.tcsae.org

Fu Bolin, Qin Jiaoling, He Hongchang, et al. Monitoring the water level of coastal wetland in Beibu Gulf using Jason-3/Sentinel-3A altimetry satellites[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(5): 184-190. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.05.021 http://www.tcsae.org

2020-11-17

2021-02-26

國家自然科學基金項目（41801071）；廣西自然科學基金項目（2018GXNSFBA281015）；桂林理工大學科研啟動基金資助項目（GUTQDJJ2017096）；廣西科技計劃項目（桂科AD20159037）；廣西八桂學者團隊“專項經費資助”

付波霖，博士，副教授，研究方向為攝影測量與主被動遙感應用。Email：fbl2012@126.com

何宏昌，博士，教授，研究方向為海洋遙感和精準農業遙感應用。Email: hhe@glut.edu.cn

10.11975/j.issn.1002-6819.2021.05.021

P237

A

1002-6819(2021)-05-0184-07