Assimilation of SWOT Altimetry and Sentinel-1 Flood Extent Observations for Flood Reanalysis -- A Proof-of-Concept

尽管遥感技术取得了惊人的进展和发展，但满足洪水水动力模拟的时空要求仍然是地球观测面临的巨大挑战。多源遥感数据在二维水动力模型中的同化有助于克服这一挑战。最近发射的水面和海洋地形（SWOT）宽幅高度计卫星提供了高分辨率的水面高程全球覆盖。SWOT提供了雷达和光学图像的补充观测，增加了观测和监测洪水事件的机会。这项研究工作侧重于将由Sentinel-1 C-SAR图像数据导出的二维洪水范围地图与SWOT的水面高程以及原位水位测量相结合。在二维水动力TELEMAC-2D模型的基础上，采用集合卡尔曼滤波器（EnKF）和联合状态参数分析，以考虑洪涝平原子域中粗糙度、输入强迫和水深的误差。所提出的策略在基于Garonne Marmandaise集水区的2021年洪水事件的观测系统模拟实验中进行。这项工作充分利用了来自空间的大量异构数据，为洪水预测的后测模式铺平了道路，为即时预测铺平了道路。

本论文旨在利用多源遥感数据进行洪水预测，解决洪水模拟中的时空要求问题。通过将Sentinel-1 C-SAR图像数据、SWOT卫星的水面高程数据和现场水位测量数据融合，使用EnKF算法进行误差校正，提高TELEMAC-2D模型的预测精度。

论文的关键思路是利用多源遥感数据进行洪水预测，并使用EnKF算法进行误差校正。这一思路相比当前领域的研究，更加注重数据融合和误差校正，提高了模型的精度。

论文使用了Sentinel-1 C-SAR图像数据、SWOT卫星的水面高程数据和现场水位测量数据进行实验，通过EnKF算法进行误差校正。实验结果表明，该方法可以提高洪水预测的精度。论文还提出了大量异构数据的处理方法，并对其进行了分析和评估。此外，论文还开源了实验所使用的数据集和代码，方便其他研究人员进行复现和改进。

最近的相关研究包括：1. 'Flood forecasting using machine learning: A review'；2. 'Remote sensing and hydrological modeling for flood inundation mapping: A review'；3. 'Assimilation of remote sensing data into hydrologic models for flood forecasting: A review'。