利用Jason-3/Sentinel-3A雷达高度计监测北部湾滨海湿地水位变化

付波霖，覃娇玲，何宏昌，何 旭，杨文岚，范冬林，华 磊

利用Jason-3/Sentinel-3A雷达高度计监测北部湾滨海湿地水位变化

付波霖1，覃娇玲1，何宏昌1※，何 旭1，杨文岚1，范冬林1，华 磊2

（1. 桂林理工大学测绘地理信息学院，桂林 541006；2. 中国地质大学（武汉）公共管理学院，武汉 430074）

为了评估雷达高度计监测滨海湿地水位的能力，提高其监测滨海湿地水位的测量精度，该研究以广西北部湾滨海湿地为研究区，选取2016—2020年逐日的Jason-3和Sentinel-3A雷达高度计数据，建立滨海湿地水位遥感监测模型，利用重心偏移法，阈值法，改进的重心偏移法和改进的阈值法对测高水位进行波形重定改正获取滨海湿地水位。结合水文站实测数据，定量评估不同算法提取水位的精度差异，利用年内水位变幅、月平均水位、季平均水位和年平均水位探究滨海湿地水位动态变化，利用降水量数据分析滨海湿地水位动态变化原因。结果表明，在4种重跟踪算法中，改进的阈值法重定效果最佳，Jason-3雷达高度计的决定系数最大为0.78，均方根误差（Root Mean Square Error，RMSE）最小为0.35 m，平均绝对误差（Mean Absolute Error，MAE）最小为0.28 m；Sentinel-3A雷达高度计的决定系数最大为0.87，RMSE最小为0.24 m，MAE最小为0.18 m，表明Sentinel-3A雷达高度计的监测精度较高。广西北部湾滨海湿地水位变化与降水量变化的相关性较高，年内水位变化较为剧烈，呈现明显的季节性，年内水位平均变幅为3.37 m，在2016—2020年间水位整体呈现下降趋势，年平均变化速率为0.005 m。星载雷达高度计为大范围的滨海湿地水位监测提供了有力手段，这对研究滨海湿地变化及生态环境保护具有重要意义。

卫星；湿地；Jason-3；Sentinel-3A；波形重跟踪；水位变化

0 引 言

滨海湿地作为海岸带地区最重要的生态系统，是水生和陆生生态系统的交叉地带，在稳定生态环境、生产可再生资源与保护物种基因方面具有重要作用[1]。水位作为湿地水文的重要因素之一，其变化与生态环境变化息息相关[2]。近年来，受人类活动和自然因素影响，滨海湿地退化严重，红树林面积锐减，生物多样性也受到严重威胁[3]。充分理解滨海湿地的水位动态变化特征，有利于正确认识人类活动和自然因素对滨海湿地变化的影响，为生态环境保护和沿海经济发展提供科学依据。

在监测水位和水量变化方面，目前主流的方式仍是通过地面水文站定时定点地进行监测，但这种方式无法满足时效性的要求，且监测成本高，还存在偏远地区无法大规模布点的问题[4]。另外，湿地地区情况复杂，水位的获取尤为困难。卫星测高技术具有全天候、高精度、大尺度的探测特点，具有其他观测技术无可比拟的优越性[5-7]。目前，包括TOPEX/Poseidon（T/P）、ENVISAT、ICESat、Cryosat-2、Jason-1、Jason-2、Jason-3及Sentinel-3A等在内的多种星载高度计数据均已用于水位的监测，且多应用于内陆水域。赵云等利用Ctyosat/SIRAL数据对青海湖的水位进行监测，水位提取精度为0.09 m[8]。Bogning等在Ogooue流域建立了基于多种高度计数据的水位测量网[9]。黄征凯结合多种测高卫星数据对青藏高原不同时段的湖泊水位进行分析，结果表明在1972—2017年间的多个湖泊水位呈上升趋势[10]。廖静娟等利用多源卫星数据构建了高亚洲湖泊水位变化数据集[11]。以上研究成果充分说明高度计适用于监测内陆水域水位。在此基础上，对于水位获取困难的湿地，国内外学者已开展了部分研究。Dettmering等使用ENVISAT测高卫星监测南美潘塔纳尔湿地水位，得出水位时间序列的均方根误差（Root Mean Square Error，RMSE）约为0.40 m[12]。Normandin等利用ENVISAT、Jason-3和Sentinel-3A等高度计数据对尼日尔内河三角洲的水位进行了监测研究[13]。Vu等采用多源卫星数据对法国比斯开湾大西洋沿岸的水位进行验证，其中SARAL的水位提取精度为0.21 m[14]。Chembolu等利用Topex/ Poseidon卫星对漫滩湿地水位进行监测，研究表明，科西河与其周围的湿地之间发生了复杂的相互作用过程[15]。Wang等利用Topex/Poseidon卫星提取Ngangzi Co湿地水位，水位提取精度约为分米[16]。井发明等联合ENVISAT和Jason-2卫星测高数据反演了萨德湿地水位[17]。对于内陆水体及近岸水域，陆地影响会污染回波波形，导致水位提取结果不准确，使用波形重跟踪算法改正回波波形可使水位监测精度进一步提高[18-23]。总体而言，利用星载高度计监测湖泊、河流、湿地等水域已得到了有效应用，但在滨海湿地水位监测方面的研究仍十分有限。

为了丰富滨海湿地水位的监测手段，探究新一代星载高度计Jason-3和Sentinel-3A监测滨海湿地水位的能力，本研究以广西北部湾滨海湿地为研究对象，以2016—2020年逐日的Jason-3和Sentinel-3A雷达高度计为数据源，建立了滨海湿地水位监测遥感模型，分别采用重心偏移法，阈值法，改进的重心偏移法和改进的阈值法4种重跟踪算法对近岸波形进行重跟踪，得出改正后的湿地测高水位。选取决定系数2、RMSE和平均绝对误差（Mean Absolute Error，MAE）为评价指标，结合水文站实测数据，定量评价Jason-3和Sentinel-3A雷达高度计通过4种重跟踪算法提取滨海湿地水位的精度差异，利用年内水位变幅、月平均水位、季平均水位和年平均水位定量分析2016-2020年滨海湿地水位的动态变化，利用降水量数据探究水位变化的原因。

1 研究区概况及数据源

1.1 研究区概况

广西北部湾是中国海岸线最南端的天然海湾，地处22°01′20″N～22°01′20″N，107°26′30″E～109°40′00″E（图1），海岸线总长1 602 km，东与广东省的洗米河口接壤，西与北昆仑河口交界。在行政区划上包括北海市、防城港市与钦州市。且地处亚热带，属亚热带海洋性气候，年平均气温为22.9 ℃，年降雨量为1575 mm。广西北部湾主要包括珍珠湾、防城湾、钦州湾、廉州湾、铁山湾、英罗湾6大海湾，具有丰富的港口资源和滨海旅游资源，2018年货物吞吐量为1.83亿t，为区域经济发展提供重要保障[24]。同时，广西北部湾滨海湿地还是中国重要的湿地之一，拥有海草床、珊瑚礁、红树林等典型生态系统，具有涵养水源、保持水土、保护物种组成等重要的生态功能，对广西的经济发展和生态文明建设意义重大。

1.2 卫星测高数据及水文站实测数据

本研究采用Jason-3和Sentinel-3A雷达高度计数据监测北部湾滨海湿地水位。在Jason-3测高卫星的数据产品中，采用Jason-3卫星2级GDR产品中2016年4月至2020年9月逐日的SGDR数据，它包括所有的环境校正和地球精确校正，并且经过了完全的验证，是一个在60 d内生成的延迟数据集。获取地址为https://www.aviso.altimetry.fr/。SGDR产品的储存周期为10 d，一个周期内的Pass文件数为254个，每一天包括26个Pass文件，一个Pass文件占存储空间的大小为5 M左右。由于一个周期内的文件数不足整月，因此在对数据进行处理前，需要对Jason-3数据按月进行整合。在Sentinel-3A测高卫星的数据产品中，采用2016年4月至2020年12月逐日的Sentinel-3A SRAL非时间关键（Non-Time Critical）WAT2级产品，其允许可视化范围查找，是在20 d内生成的延迟数据集。获取地址为https://coda.eumetsat.int/#/home。每个产品都包含3个完整的Net CDF文件，分别为简化测量、标准测量和增强测量数据。简化测量包含1 Hz数据的子集。标准测量包含标准的1和20 Hz Ku和C频段参数。增强测量数据除标准测量信息外，还包含波形和重新处理数据的必要参数等信息。这里使用SRAL产品中的增强测量数据。在对数据进行处理前，需对增强测量数据按月进行整合。

用于精度验证的实测数据为2016年4月至2020年12月逐日的水文站实测数据，包括北海港、炮台角和防城港3个站点，从国家海洋信息中心获取。因为站点数据均为每小时测量一次水位，所以取一天中所有测量值的平均值作为当日水位。为了保持实测水位和测高水位的一致性，在利用实测水位对测高水位进行绝对验证前，需对实测水位进行潮高基准面转换以及单位换算。

降水数据来自中国气象数据网（http://data.cma.cn/），包括北海、防城港和钦州3个气象站2016年4月—2020年3月逐日的降水量数据。

2 研究方法

2.1 波形重跟踪

重跟踪就是用算法对原始波形进行模拟，重新计算波形前缘中点，根据其与原定中点的差值，获得距离改正值（d），从而改正测高卫星到被测水面的距离[25]，见式（1）。

式中C为重跟踪后确定的波形前缘中点，C为原定的波形前缘中点，为光速（299 792 458 m/s），t为脉冲宽度（3.125 ns），R为改正后的观测距离，m，为测高卫星的观测距离，m。

本研究分别对Jason-3和Sentinel-3A测高数据采用重心偏移法，阈值法，改进的重心偏移法和改进的阈值法重定回波波形。4种波形重跟踪算法通过matlab编程实现。其中重心偏移法、阈值法采用全波形数据，改进的重心偏移法和改进的阈值法采用选取的子波形数据。Jason-3采用SGDR产品中的waveform数据，采样点共104个，原定波形前缘中点为31；Sentinel-3A采用增强测量数据中的waveform数据，采样点数为128，原定中点为43。

重心偏移法（Off-center of gravity method，OCOG）是为了实现对波形的稳健跟踪，其基本思想是找到每个返回波形的重心，通过计算由波形值确定的矩形的重心和面积来确定波形的前缘中点[25]。

阈值法（Threshold method）以OCOG算法为计算基础，根据振幅、最大波形采样等给出阈值，在该阈值的几个临近采样点之间进行线性内插，确定重定点。本研究选取OCOG算法所确定的矩形振幅50%作为Threshold算法的门槛值[26]。

当测高卫星经过近岸水域时，由于受到陆地、地球物理因素和传感器硬件等因素干扰，波形会出现复杂形状，不再是理想的单一形状，上述两种波形重定方法并没有完全按照真实的波形形状进行重定改正，造成提取出来的距离改正值不准确，从而降低测量精度[27]。改进的重心偏移法和改进的阈值法利用子波形数据进行重跟踪处理，可以减小利用全波形进行重跟踪导致的测量误差。改进算法的计算过程与上述两种算法相同。选取子波形时，先用回波中的所有功率值来计算开始点与结束点阈值，然后根据相邻跟踪门的回波功率差与这两个阈值的对比，确定最终的子波形[28]。

2.2 北部湾滨海湿地水位监测遥感模型

对Jason-3和Sentinel-3A雷达高度计数据采用上述4种波形重跟踪算法获得改正的观测距离后，根据式（2），即可获得各个足迹点的滨海湿地水位。

式中为足迹点的滨海湿地水位，m；h为测高仪的椭球高，m；h为大地基准面相对于参考椭球面高度，m；Δ为各项观测误差校正，为海面高度校正，m。

R是理想状态下通过测量得到的卫星质心到地球表面的距离，但在现实中主要受仪器误差、卫星轨道误差以及信号传播误差的影响。本研究按海洋数据标准来处理滨海湿地水位的各项误差校正，但相对海面而言滨海湿地的水面很小，可不考虑潮压、海潮、逆气压等因素影响，因此只用到以下的误差校正：

Δ=++++（3）

式中为干对流层校正，m；为湿对流层校正，m；为电离层校正，m；为极潮校正，m；为固体潮校正，m。

2.3 北部湾滨海湿地水位计算方法

以往计算滨海湿地水位的方法主要是通过BRAT读取卫星测高数据，然后以ASCII码格式输出经纬度、高程、各项误差校正等参数。接着进一步将经纬度和高程导入ArcGIS中，生成高程点图层，再把处理后的影像导入ArcGIS中，从而剔除研究区域以外的高程点。最后将处理后的数据通过式（2）计算得到初始的滨海湿地水位。与以往的方法不同，本研究的滨海湿地水位计算工作直接在BRAT中进行，这样做可以避免对导出的数据计算错误而产生的计算误差，采用以下步骤来计算处理后的数据：1）在BRAT中新建一个数据集，按月导入测高数据并读取。2）选择广西北部湾滨海湿地范围，进一步精确边界，确保水位点在滨海湿地范围内。3）创建操作，根据式（2）选择相应的字段，计算出初始的滨海湿地水位。4）采用筛选标准将滨海湿地水位控制在−3.00～3.00 m之间，以ASCII码格式输出滨海湿地水位。5）对输出的滨海湿地水位采用3原则进行异常值的剔除。6）将上述水位点导入奥维地图中，剔除陆地上以及落到植被覆盖区的水位数据。7）将经过波形重定改正后的距离改正值加到上述水位点中，改正值的选取遵循与水位点相同日期、同一经纬度的原则。8）将改正后的滨海湿地有效水位按天、月、季、年分别取平均水位。由于雷达高度计的月平均水位、季平均水位和年平均水位用于预测滨海湿地的水位动态变化，因此实测数据只需要计算出对应的单日平均水位。

3 结果与分析

3.1 精度分析

2种雷达高度计通过不同波形重跟踪算法提取滨海湿地水位的精度，见图2和图3所示。由图2可知，Jason-3雷达高度计提取的4种水位结果中，改进的阈值法提取精度最高，与重心偏移法相比，2提升了0.34，RMSE减小了0.50 m，MAE减小了0.40 m。由图3可知，Sentinel-3A雷达高度计提取的4种水位结果中，改进的重心偏移法和改进的阈值法水位提取的效果明显优于重心偏移法和阈值法，2从0.68提升至0.87，RMSE从1.02 m减小至0.24 m，MAE从0.97 m减小至0.18 m。实验结果表明，4种重跟踪算法均能提取滨海湿地水位，与其他3种重跟踪算法相比，改进的阈值法提取的水位效果最好，为最佳重跟踪算法，Jason-3雷达高度计获得的2最大为0.78，RMSE最小为0.35 m，MAE最小为0.28 m，Sentinel-3A雷达高度计获得的2最大为0.87，RMSE最小为0.24 m，MAE最小为0.18 m。对于重心偏移法和阈值法，使用子波形的改进算法提取的水位2更高，RMSE和MAE更小，使用子波形提取水位明显改善了传统重跟踪算法提取水位的精度。可能的原因为，对于复杂波形，采用全波形进行重跟踪得到的波形前缘中点偏离实际的波形前缘中点，造成提取出来的改正距离不准确，而对子波形进行重跟踪则可以有效地避免这一点。在两种雷达高度计提取的水位结果中，Sentinel-3A雷达高度计提取的水位精度明显高于Jason-3雷达高度计，原因可能为，Jason-3雷达高度计的重访周期长，有效水位点较少，过境地点比较单一且距离参与验证的水文站较远，造成提取的水位精度较低。

通过综合分析2、RMSE和MAE可得，改进的阈值法为最佳重跟踪算法，该方法利用子波形数据进行重跟踪处理，有效地减小了利用全波形数据对复杂波形进行重跟踪导致的测量误差。Sentinel-3A雷达高度计的监测精度优于Jason-3雷达高度计的监测精度，这与雷达高度计的重访周期、过境足迹点与实测水文站距离这两个因素有关。Sentinel-3A雷达高度计有多条轨道经过北部湾地区，有效水位值个数较多，且Sentinel-3A雷达高度计的足迹点在钦州、防城港和北海3个水文站附近均有分布，反演精度较高；而Jason-3雷达高度计的重访周期较长，只有一条轨道过境导致有效水位点较少，且Jason-3雷达高度计的足迹点距离3个实测水文站点较远，导致反演精度较低。因此，利用Sentinel-3A雷达高度计采用改进的阈值法反演滨海湿地水位的动态变化。

3.2 北部湾滨海湿地水位动态变化分析

本研究利用年内水位变幅、月平均水位、季平均水位和年平均水位定量探究北部湾滨海湿地水位动态变化，利用实测气象站点降水量数据分析水位动态变化原因。由表1可知，通过Sentinel-3A雷达高度计反演的滨海湿地在2016—2020年间最高水位升高了0.30 m，达到了2.57 m。而最低水位降低了0.29 m，达到了−1.21 m。年内水位变幅增加了0.59 m，达到了3.78 m，表明北部湾滨海湿地水位近5 a变化较为剧烈。分析2016—2020年逐日的降水量发现，2019年年内水位变幅最大，近5 a的最高降水量和最低降水量均在2019年。相邻年间最高、最低水位差均小于0.30 m，水位变幅小于0.45 m，证明相邻年间水位变化较为平缓。

表1 Sentinel-3A雷达高度计反演滨海湿地的年内水位变幅

对比月平均降水量与Sentinel-3A雷达高度计反演的月平均水位可以看出，月平均降水量变化与月平均水位变化吻合度较高，水位季节性变化明显，1—2月和11—12月降水量较少，水位下降，为枯水期；3—10月降水量增多，水位上升，为丰水期，5—9月为降水集中期，7月为降水高峰期，水位高峰期出现在7—9月（图4）。

分析各季度和年平均水位变化可知，水位变化季节性明显，整体上呈现下降趋势（表2）。季平均水位与标准差相差较大，表明年内水位变化较为剧烈。另外，年内水位变化呈现一定的规律性，水位从第一季度开始上涨，第三季度达到一年的峰值，第四季度水位逐渐下降。2016—2020年，各季度平均水位整体呈现下降趋势，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年各季度的降水量变化可知，降水量变化与平均水位变化呈现较强的一致性，相关系数为0.77。第三季度为降水集中期，相邻年间的降水量差值均在30 mm以上，差值最大达到了66.66 mm，导致第三季度水位变化尤其剧烈。其余3个季度的水位变化则相对平缓。

滨海湿地年平均水位的变化与年平均降水量的变化较为相符，滨海湿地水位总体上呈现下降趋势，水位年平均变化速率为0.005 m。

表2 Sentinel-3A雷达高度计反演滨海湿地的年际变化

注：数值为水位平均值±标准差。

Note: Values represent average water level ± standard deviation.

4 结 论

星载高度计监测滨海湿地水位具有监测成本低，观测范围广等优点，可在一定程度上增加滨海湿地水位的监测手段。本研究选取2016－2020年逐日的Jason-3和Sentinel-3A雷达高度计数据，对比了重心偏移法，阈值法，改进的重心偏移法和改进的阈值法4种波形重跟踪算法获取滨海湿地水位的精度差异，结合实测数据，监测广西北部湾滨海湿地的水位动态变化。主要结论如下：

1）4种重跟踪算法中，改进的阈值法重定效果最佳，Sentinel-3A雷达高度计的监测精度优于Jason-3雷达高度计。改进后Jason-3雷达高度计的决定系数为0.78，均方根误差为0.35 m，平均绝对误差为0.28 m；改进后Sentinel-3A雷达高度计的决定系数为0.87，均方根误差为0.24 m，平均绝对误差为0.18 m。

2）滨海湿地水位变化与降水量变化具有较强的一致性，年内水位变化较为剧烈，季节性明显，年内水位平均变幅为3.37 m。在2016—2020年间水位整体上呈现下降趋势，水位变化速率为0.005 m/a。

[1]葛伟，蔡琨，马晶晶，等. 浅谈滨海湿地生态环境退化监测与评价[J].环境监控与预警，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，杨桂山，万荣荣，等. 水位变化对河流、湖泊湿地植被的影响[J]. 湖泊科学，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]安鑫龙，齐遵利，李雪梅，等. 中国海岸带研究Ⅲ—滨海湿地研究[J]. 安徽农业科学，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. 测高卫星数据在我国湖库水位监测中的应用研究[D]. 兰州：兰州交通大学，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]郭金运，孙佳龙，常晓涛，等. TOPEX/Poseidon卫星监测博斯腾湖水位变化及其与NINO3 SST的相关性分析[J]. 测绘学报，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，陈曦，包安明. 2003－2009年中亚地区湖泊水位变化的时空特征[J]. 地理学报，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]何飞，刘兆飞，姚治君. Jason-2测高卫星对湖泊水位的监测精度评价[J]. 地球信息科学学报，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]赵云，廖静娟，沈国状，等.卫星测高数据监测青海湖水位变化[J]. 遥感学报，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]黄征凯. 利用多源卫星数据研究青藏高原湖泊水储量变化及其影响因素[J]. 测绘学报，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]廖静娟，赵云，陈嘉明. 基于多源雷达高度计数据的高亚洲湖泊水位变化数据集[J]. 中国科学数据：中英文网络版，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]井发明，陈海珍，包颖，等.基于卫星测高数据的萨德湿地水位变化研究[J].测绘工程，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，郝卫峰，李斐，等. 顾及陆湖反射差异的卫星测高监测湖泊水位的波形分析与重定[J]. 测绘学报，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]孟宪伟，张创智. 广西壮族自治区海洋环境资源基本现状[M]. 北京：海洋出版社，2014.

[25]褚永海，李建成，张燕，等. ENVISAT测高数据波形重跟踪分析研究[J]. 大地测量与地球动力学，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]高永刚. 利用卫星测高进行陆地湖泊水位变化监测[D]. 南京：河海大学，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]郭金运，常晓涛，孙佳龙，等.卫星雷达测高波形重定及应用[M]. 北京：测绘出版社，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，覃娇玲，何宏昌，等. 利用Jason-3/Sentinel-3A雷达高度计监测北部湾滨海湿地水位变化[J]. 农业工程学报，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

国家自然科学基金项目（41801071）；广西自然科学基金项目（2018GXNSFBA281015）；桂林理工大学科研启动基金资助项目（GUTQDJJ2017096）；广西科技计划项目（桂科AD20159037）；广西八桂学者团队“专项经费资助”

付波霖，博士，副教授，研究方向为摄影测量与主被动遥感应用。Email：fbl2012@126.com

何宏昌，博士，教授，研究方向为海洋遥感和精准农业遥感应用。Email: hhe@glut.edu.cn

10.11975/j.issn.1002-6819.2021.05.021

P237

A

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