近日，京津冀生态文明发展研究院么嘉棋副研究员等人合作撰写的研究成果《A Novel Satellite Embedding-Driven SWOT Framework for River Discharge Estimation: A Case Study of the Yangtze River》在国际遥感领域权威期刊《GIScience & Remote Sensing》发表。该研究围绕传统卫星测高流量反演中河道空间异质性表征不足的问题，创新性地融合SWOT卫星水文观测与卫星嵌入式基础模型，提出了物理约束与机器学习协同驱动的流量反演框架，为实现河流流量空间连续、精细化反演提供了新的技术路径。

SWOT卫星具备二维水面高程观测能力，但传统流量反演方法主要依赖河段平均水力参数，难以充分刻画复杂河道的水动力变化与空间异质性。针对这一挑战，研究团队将SWOT观测的水位、河宽等水力参数与AlphaEarth卫星嵌入特征相结合，构建了基于随机森林的非线性流量反演模型。长江干流多个水文站的验证结果表明，该方法有效提升了流量反演精度与模型稳定性，增强了对复杂河流水动力变化的刻画能力。同时，结合SWOT高分辨率栅格数据，实现了河流流量的空间连续格网化估计，为大范围河流动态监测与水资源精细化管理提供了重要技术支撑。

图1. 河流流量反演框架总体技术流程。（a）数据准备，包括卫星嵌入特征、SWORD河网及实测流量数据；（b）数据预处理，包括水力参数重建、嵌入特征聚合与筛选；（c）模型构建，包括物理约束水力变量构建、机器学习与经验公式流量反演。

本研究由天津师范大学联合多家科研单位共同完成。甘峰（天津师范大学，第一作者）、卢麾（清华大学，通讯作者）、么嘉棋（天津师范大学，通讯作者）、陈柯兵（长江水利委员会水文局）、杨媛（美国加利福尼亚大学圣迭戈分校）、张国平（信息工程大学）、董卓明（天津师范大学）、张家仪（天津师范大学）、武建军（天津师范大学）、岳昂（天津市生态环境监测中心）。

论文链接：https://doi.org/10.1080/15481603.2026.2759390