河道水位是洪水预报的关键变量，也是地表水资源供给能力的晴雨表。河道水位一般通过水文站实测，但由于全球水文站网密度稀疏，流域内存在大量的无河道水位观测断面，成为全流域精准防洪和水资源管理的硬件短板。测高卫星观测的水位数据可以覆盖全河道，这有力地提高了水位数据的空间代表能力。然而测高卫星要么空间分辨率太粗糙，无法识别小于80米的窄河道的水位；要么回访周期太长，无法探测河宽的关键时间变化节点。因此如何获得既能用于窄河道又具有较高时间分辨率的河道水位是当前遥感水文的难题。

在国家重点研发计划“政府间国际科技创新合作重点专项”“地表要素的卫星和UAV多源遥感及其水文业务预报应用” 项目等支持下，项目负责人莫兴国研究团队提出了一种集成卫星无人机多源遥感反演获得高时空分辨率河道水位的新方法，解决了上述难题。采用地面轨道间距为3km沿轨道空间分辨率为0.7m的ICESat-2卫星光子密度数据获取河宽-水位关系曲线， 并基于回访周期为3-5天的Sentinel-2卫星影像采用亚像素方法和无人机精准反演河宽，新方法明显提高了遥感反演水位的时空分辨率和精度。 将新方法应用于黄河防汛重点河段伊洛河下游，反演的水位均方根误差（RMSE）为0.25-0.59米，优于迄今时空分辨率综合最优的Sentinel-3测高卫星获得的遥感水位的RMSE(0.25-1.1米)。 还比较了采用新方法反演的水位和Sentinel-3卫星获得的水位率定河道水动力学模型预测的洪水淹没范围。经与sentinel-2卫星反演的洪水淹没范围比对，新方法率定的模型的模拟水位的RSME和洪水淹没范围临界成功指数（CSI）分别为0.36米和0.60，优于Sentinel-3测高卫星率定的水动力模型的对应结果（0.49米和0.58）。该遥感水位反演新方法也应用于测站更少的黄河源区和洛河上游河道，验证了新方法在不同类型河道中的适用性。

该成果近期发表于Remote Sensing of Environment。论文作者为中国科学院地理科学与资源研究所博士生周浩伟、导师刘苏峡研究员、莫兴国研究员和丹麦技术大学的Peter Bauer-Gottwein教授、以及其他合作者。