在国家自然科学基金青年科学基金项目（A类）（批准号：52325901）等资助下，清华大学龙笛教授团队在AI赋能河湖遥感监测领域取得进展，相关研究成果以“季节性主导湖泊水域面积动态（Global dominance of seasonality in shaping lake-surface-extent dynamics）”和“卫星测高揭示河流水位变异性增强（Satellite altimetry reveals intensifying global river water level variability）”为题，分别于2025年5月28日和12月19日发表在《自然》（Nature）（论文链接：https://www.nature.com/articles/s41586-025-09046-3#Abs1）和《自然·通讯》（Nature Communications）（论文链接：https://www.nature.com/articles/s41467-025-67682-9#Abs1）杂志上。
受限于地面站点分布不均和现有遥感技术手段在复杂环境下存在信噪比低、时空分辨率和连续性不足等固有缺陷，现有监测手段难以形成系统、成熟的“天–空–地”一体化河湖监测体系，缺乏大范围时空连续、高分辨率、高精度的结构化数据支撑，难以满足国家水网建设及重大水利水电工程对复杂水文动态的精准监测感知需求。
针对上述挑战，清华大学水利水电工程系龙笛教授率领团队融合AI、多源遥感大数据与高性能计算技术，提出了覆盖全球河湖的高精度、高时空分辨率遥感监测体系。该体系主要包含两大技术突破：一是从像元解耦合的基本原理出发，构建了兼顾强拟合能力与强先验信息的多源遥感时空融合完备体系与框架，克服了水文观测长期存在的高时空分辨率难以兼得的制约；二是聚焦复杂河道环境下的雷达波形特征，研发了新型波形重定算法，通过噪声精细化过滤、自适应多峰定位以及基于时空约束的异常值筛除机制，解决了复杂气候地形下的水位信号提取难题。基于上述技术，研究实现了迄今为止覆盖范围最广、时空分辨率最高、连续性最强的全球河湖动态监测，精准解析了陆地水体的季节性波动规律及极端水文变异特征，为应对气候变化风险、保障水利水电工程的安全建设与稳定运行提供了科学依据。
研究提出的AI赋能多源遥感大数据时空融合技术具备可扩展性，可进一步推广至水文动态全要素的高分辨率监测，推动构建“天–空–地–水–工”一体化的智能感知体系。研究成果将服务于国家水网“系统完备、安全可靠、集约高效、绿色智能、循环通畅、调控有序”的建设目标，并为我国极端水文事件应对与水资源精细化管理提供科技支撑。
图 AI赋能的多源遥感大数据时空融合技术实现全球河湖高分辨率连续动态监测