近日，金双根教授团队在国际遥感领域顶级期刊Remote Sensing of Environment（中科院一区TOP期刊，2024年影响因子为11.4）发表题为“Fusing SAR Image and CYGNSS Data for Monitoring River Water Level Changes by Machine Learning”学术论文。第一作者为贾燕博士，通讯作者为金双根教授。本项研究得到了河南省国际科技合作重点项目（项目编号：241111520700）等项目资助。

本研究围绕河流区域水位变化监测这一关键技术问题，开展了遥感新数据融合与机器学习建模的综合探索。河流水位受降水、给排水等多种因素影响，具有显著的时空动态变化特征。传统水文站点观测受限于空间覆盖不足，而单一遥感数据难以兼顾时效性与分辨率。针对这一难题，研究团队首次提出多源遥感数据协同融合的创新方法。Sentinel-1雷达影像与星载GNSS反射测量（GNSS-R）数据在时空分辨率上形成互补，通过机器学习框架提取融合特征，实现大范围、高精度水位动态估计。在15个典型水文站点验证中，融合模型估算误差（RMSE）较单一技术方案降低超50%，且在8个独立测试站点上展现出优异的泛化能力，证实了该方法的稳定性和适应性。该研究为构建全域覆盖、无缝隙、高分辨率的水文动态观测系统提供了关键技术支撑，其成果可广泛应用于提升洪涝灾害预警时效性、优化流域水资源精准调度，以及支持气候变化背景下的水文生态研究。研究团队表示，此项工作首次系统揭示了多源遥感数据在水文监测中的协同潜力，标志着遥感与人工智能融合技术在流域管理中的实践迈出关键一步，对全球水文监测体系升级具有重要参考价值。

论文链接：https://www.sciencedirect.com/science/article/pii/S0034425725003311