水库作为人类调控地表水资源时空分布格局的核心基础设施，深刻重塑了流域水文情势与水循环过程。将水库调度行为精确纳入大尺度水文模型的定量表达，是评估水资源安全和提升预测精度的关键前提。然而，流域水网中占绝大多数的中小型水库管理较为分散，其实际调度方案往往缺乏系统的定量描述，也难以公开获取，导致水文模型对中小型水库人为调控行为的表征长期不足。在此背景下，准确刻画水库运行规律面临着观测能力与运行模式识别的双重制约。从观测技术来看，中小型水库体量较小且多分布于支流水系和复杂地形条件，传统星载测高计受轨道间距限制难以有效覆盖，常规光学与合成孔径雷达影像也无法兼顾连续高精度的垂向水面高程测量；从水文机理来看，水库水位的季节性变化由自然水文气象条件与多目标人为调度共同驱动，如何在缺乏人工管理记录的情况下，直接从卫星观测的水位动态特征中准确推断水库主导功能及多重运行模式，是当前水文遥感与水资源管理领域亟待解决的关键问题。

    针对这一问题，中国科学院南京地理与湖泊研究所宋春桥研究员课题组依托新一代地表水与海洋地形测绘卫星（Surface Water and Ocean Topography, SWOT），提出了一种结合季节性特征预分类（如年内单周期、双周期、多周期调节等模式）与基于深度学习的功能预测的两步法框架（图1）。研究团队选取了长江中游鄱阳湖的重要支流——赣江流域作为研究区，利用SWOT卫星在2023年7月至2025年8月期间的高分辨率水面高程观测数据，对流域内305个面积大于0.5平方公里的水库开展了水位动态时序监测与功能预测。

图1. 水库季节性特征分类与TimesNet深度学习功能预测两步法框架

    研究结果表明，得益于二维宽刈幅高精度测量技术的突破，SWOT3卫星能够有效弥补资料稀缺地区地面水文观测不足，能够有效捕捉中小型水库的季节性水位动态。在赣江流域中，双周期调节（DR，36.1%）和单周期调节（SR，33.4%）是主导的水库季节性运行模式（图2）。其中，单周期调节模式的水位峰值通常与梅雨季节同步，有68.6%的水库在6月至7月达到水位最高点。双周期调节模式则表现出明显的双峰水文特征，除了普遍存在的夏季主峰外，上游发电型水库在春季（月）出现次峰以维持水电水头，而下游多数水库则倾向于在秋季（9月）出现次峰以支持季末的农业灌溉。此外，水库季节性水位的振幅受到局部地形的显著影响，超过10米的剧烈水位波动高度集中在上游高海拔源头和深谷地区，而下游平原水库的水位变动则通常被限制在1至2米的运行范围内。

图2. 基于SWOT观测的流域水库季节性特征分类

    在明确水库水位的季节性波动特征之后，为进一步查明这些水库的实际用途，研究引入了TimesNet深度学习模型。该模型旨在通过深度挖掘SWOT卫星观测到的水位季节性波动特征，自动识别并推断出水库的主导功能（如防洪、灌溉、发电等）以及复杂的多重任务联合运行模式（图3）。在预测水库的主导功能时，该模型达到了86.0%的准确率，并能有效区分多功能水库复杂的并发任务联合运行模式（完全准确匹配率达64.9%）。预测结果揭示了赣江流域复杂的多功能任务水资源管理特征，其中防洪与灌溉的联合调度最为普遍，共涉及136个水库。主要用于灌溉的水库构成了流域内最大的单一功能群体，达到121个。在空间分布上，以水电为主的水库（32个）和供水为主的水库（15个）主要集中在上游地势落差大的区域，而灌溉主导及防洪—灌溉联合水库则广泛分布于中下游农业平原。

图3. 基于深度学习预测的流域水库功能空间分布图及统计特征

    该研究构建的“SWOT遥感+深度学习预测模型”方法依赖少量具有功能管理记录的水库样本，可直接从水库运行的水文节律中客观学习并推断其主导功能。这一研究成果为理解全球水库运行特征数据稀缺的流域或大尺度研究中人类对水循环的影响模拟与评估提供了一个高度可迁移的技术框架，同时也为将水库调度行为准确纳入流域尺度水文建模提供了关键的数据方法支持。相关研究成果近期发表于美国地球物理学会（AGU）旗下学术期刊Geophysical Research Letters。论文第一作者为陈探助理研究员，通讯作者为宋春桥研究员。研究得到了国家重点研发计划、国家自然科学基金、江苏省基础研究计划等项目资助。

    文章信息：Chen, T., Li, J., Fang, S., Zhan, P., Fan, C., Zhang, H., & Song, C.* (2026). SWOT observations reveal basin-scale reservoir operating patterns. Geophysical Research Letters, 53, e2026GL122626.