GNSS-R水位监测研究进展与其在我国水利行业应用展望

张朋杰，庞治国，路京选，江威，吕娟，孙铭涵

( 1. 中国水利水电科学研究院, 北京 100038；2. 水利部防洪抗旱工程技术研究中心, 北京 100038 )

0 引言

雨水情监测预报“三道防线”是以流域为单元，由气象卫星和测雨雷达、雨量站和水文站组成的雨水情监测预报体系. 通过“天空地”立体监测手段对流域雨水情进行实时监测和预报预警，以便及时采取措施应对可能出现的洪涝等灾害. 水位监测是雨水情监测预报“第三道防线”中的重要内容，精确、实时的水位监测在洪涝灾害中至关重要，可提前预警并帮助决策者采取紧急措施，以最大程度减少损失和保护人们的生命和财产安全. 传统的水位监测方法主要有两类：接触式方法和非接触式方法. 接触式方法是指将传感器直接安装在水面或水下，通过与水面或水下基准面之间的距离变化来计算水位变化. 这类方法包括压力传感器法[1]、电阻传感器法[2]、电容传感器法[3]等. 非接触式方法是指将传感器安装在离开水面一定距离的位置，通过发射电磁波或声波并接收其反射回来的信号来计算与水面之间的距离变化. 这类方法包括雷达高度计法[4]、超声波高度计法等[5]. 传统的水位监测方法虽然已经广泛应用于实际工程中，但也存在一些局限性和不足之处. 例如，接触式方法需要与水面直接接触，容易受到污染物或生物附着等影响而造成误差或损坏；非接触式方法需要发射电磁波或声波，可能会对周围环境造成干扰或污染；此外，传统方法通常只能监测单点或局部区域的水位变化，并不能实现大范围或全球范围内的连续监测[6].

GNSS不仅向全球的用户提供导航、定位以及授时服务，而且还持续向地表发射大量的L波段信号.随着对GNSS的深入研究，许多学者发现GNSS反射信号中携带着反射面的特性信息，利用该GNSS反射信号，无需专门的雷达发射机即可实现对反射面物理特性的估计与反演[7]，由此也衍生出全球卫星导航系统反射测量(Global Navigation Satellite System-Reflectometry，GNSS-R)这一GNSS与遥感的交叉学科. GNSS-R是一种双静态雷达遥感技术，它将L波段微波信号作为辐射源，利用接收机接收直射信号和反射信号，并根据它们之间的时延、多普勒频移、相位差等信息来反演目标表面或介质层的参数. 由于L波段微波具有较强的穿透能力，GNSS-R可以在全天候条件下工作，并且不受云层或雨滴等影响. 此外，由于GNSS-R是一种被动遥感技术，它不需要自己发射电磁波，而是利用已有的卫星信号作为辐射源，因此具有低功耗、低成本、低干扰等优点. 同时，由于GNSS卫星数量众多、分布广泛、覆盖全球，因此GNSS-R具有高时空分辨率、高重访频率等优点[8].近几十年来，随着GNSS-R理论架构体系、信号处理技术以及参数反演模型的不断完善，其在海面风场[9]、海洋测高[10]、海冰监测[11]、海面溢油监测[12]、形变监测[13]、土壤湿度[14]等领域取得了一定进展.

与传统的水位监测方法相比GNSS-R水位监测技术具有低成本、低功耗、全天候、长期连续、稳定性、无需标定、高时间分辨率以及覆盖范围广的优势[15].此外，由于GNSS可以提供准确的位置信息，因此GNSS-R技术可以实现水面绝对高度的变化. 自1993年Martin-Neir首次提出无源反射计和干涉测量系统(passive reflectometry and interferometry system，PARIS)概念[16]，并指出利用GPS反射信号进行测高的可行性以来，GNSS-R技术已被证明可用于海洋[17]、湖泊[18]、河流[19]和水库[20]的水位反演.

本文主要目的是全面概述 GNSS-R 水位监测的研究现状；确定该技术的主要问题和局限性；讨论解决这些问题的可行方法和改进措施. 还旨在强调GNSS-R水位监测研究的一些当前趋势和其在我国水利行业的应用展望.

1 GNSS-R水位监测方法与研究进展

在本节中，我们总结了以往关于GNSS-R水位监测研究的主要发现和成果. 根据不同的天线配置可以将GNSS-R分为双天线模式和单天线模式[21]. GNSS-R双天线模式监测水位的原理是利用导航卫星直射信号与反射信号之间的延迟来计算出天线到水面的距离，进而可以得到水面高度. 其常用的方法主要为群延迟测高法和载波相位测高法. GNSS-R单天线模式主要利用GNSS接收机记录的包含GNSS直射信号与来自水面反射信号干涉信息的信噪比(signal-noise ratio，SNR)数据来反演水面高度.

1.1 GNSS-R双天线水位监测

1.1.1 几何模型

图1为GNSS-R双天线水位监测的几何关系示意图. 从图1中可以看出与对天天线接收到的直射信号相比，对水天线接收到的反射信号具有额外的传播路径. 因此对水天线也可以被看作是位于水面以下的虚拟天线，并且虚拟天线到水面的距离与对水天线到水面的距离相等. 当水面高度发生变化时，反射信号的额外传播路径会发生变化，虚拟天线的位置也会随之发生变化.

图1 GNSS-R水位监测的几何关系示意图

当接收平台处于相对较低的地面高度时，可以假设地球局部是平坦的. 这个高度取决于观测的入射角和用户对这种假设引起误差的容忍度. 图2显示了在假设地球是平坦的情况下，与假设地球是球形的情况相比，镜面点位置的垂直分量中产生的误差. 只包括了最高50°的入射角；超过这些角度，误差会迅速增加[22]. 在此假设下直射信号与反射信号之间的延迟路径可以表示为

图2 对于不同的接收器高度和入射角镜面点位置的垂直分量误差[22]

则对水天线所在位置到水平面之间的高度可以表示为

式中：Δρ为延迟路径；h为对水天线相位中心到水面的高度；s为两天线相位中线之间的距离； θ 为镜面反射点处的卫星高度角. 然后，通过精确了解接收机的位置，可以获得水面相对于参考表面(椭球面、大地水准面或其他地形模型)的高度.

当接收机高度处于较高的高度时，就需要考虑地球曲率对测高结果的影响. 图3为星载条件下GNSS-R测高几何[23]. 直射信号与反射信号之间的延迟路径可以表示为

图3 星载条件下GNSS-R测高几何[23]

同时存在如下关系：

式中： ε 为接收机处的卫星高度角； γ 为镜面反射点处的卫星方位角；H为接收机获取的大地高；r为接收机所在位置的地球曲率半径.

1.1.2 群延迟测高法

群延迟测高法是通过计算直射信号和反射信号之间的时间延迟来获取路径延迟，进而根据路径延迟计算水面高度[24]. 根据不同的信号处理方法可以将群延迟测高法分为两类：本地码测高法和干涉GNSS-R(iGNSS-R). 本地码测高法将接收到的直射信号和反射信号分别与接收机本地生成的C/A码相互关联来获取反射信号相对于直射信号的时间延迟[25]. Carreno-Luengo等[26]利用散射在海面上的P(Y)码和C/A码信号进行了测高实验，结果表明使用P(Y)码经过20 s的非相干平均后测高精度可以达到2 cm. Gao等[27]在船上进行了基于GPS和BDS信号的港内和近海实验，结果表明使用GPS C/A码和BDS B1I码均可以达1 m级的测高精度. 该方法操作简单并具有较高的时间分辨率，然而由于GNSS公开信号的带宽相对较窄，限制了此方法的精度[28]. 克服带宽限制的一种方法是使用所谓的iGNSS-R处理[29]，其中反射信号在经过适当的多普勒频率和延迟调整后与直射信号本身交叉相关. 与本地码测高法相比iGNSS-R法不仅可以使用GNSS信号，还允许使用卫星无线电、卫星电视或任何其他具有更大传输功率、更大带宽和更好SNR的信号，从而可能提高测高精度[22]. Purnell[30]将通过iGNSS-R获得的测量结果与美国国家海洋和大气管理局位于圣地亚哥的潮汐计进行比较，发现测量结果之间的标准偏差小于12 cm. Estel等[31]通过在波罗的海的机载实证明了iGNSS-R法的测高精度至少是本地码测高法的2倍. 王冬伟等[32]通过干涉测高实验证明了iGNSS-R的测高精度高于本地码的测高精度. 然而iGNSS-R涉及复杂的算法并且需要使用专门的设备[33].

1.1.3 载波相位延迟测高法

载波相位延迟测高法是利用GNSS接收机记录的载波相位观测值，通过计算直射信号与反射信号之间的相位差来确定两者之间的路径延迟[34]. Treuhaft等[35]使用载波相位延迟测高法在火山湖上进行了地基测高实验，结果表明在平静的水面下该方法可以达到2 cm的测高精度. Löfgren等[36]利用在Onsala空间天文台安装的GNSS接收机所记录的GPS和GLONASS信号对载波相位延迟测高法进行评析. 与验潮仪获得的海平面高度相比，其均方根误差(root mean squared error，RMSE)分别为3.5 cm/3.5 cm (GPS L1/L2波段)和3.3 cm/3.2 cm (GLONASS L1/L2波段). 在光滑的水面上对反射信号进行连续的相位跟踪是可能的[37]，当水面粗糙度较大时，反射信号相位的连续性受到影响，使其变的难以跟踪. Liu等[38]在Onsala空间天文台(Onsala Space Observatory，OSO)进行的载波相位测高实验中提出了一种基于GNSS振幅和相位观测的连续相位跟踪算法，该算法可以在OSO海岸恶劣的海况下工作. 载波相位测高结果与潮汐计(tide-meter，TG)数据集相比，RMSE为4.37 cm，即使海面非常粗糙，对应的风速达到13 m/s时，也可以获得水位信息. 整周模糊度的解算也会影响载波相位测高的精度，然而整周模糊度的求解是一个复杂的问题[39]. 为了避免整周模糊度的解算，学者们提出了一些解决方法. Fabra等[40]提出了一种利用反射GPS信号的干涉相位估算海冰上椭球高度的方法，并在格陵兰岛开展了为期7个月的海冰高度反演实验. 实验结果表明该方法也可以实现厘米级的测高精度. He等[41]首次利用准天顶卫星系统(quasi-zenith satellite system，QZSS)地球同步轨道(geosynchronous orbit，GEO)卫星信号进行了干涉相位测高实验，结果表明测高精度为1.4 cm. Kucwaj等[42]提出了一种新的地基GNSS-R相位测高信号处理方法来跳过整周模糊度的解算. 这种方法基于一台原始的干涉测量仪器，该仪器提供的相位延迟观测数据在一定的时间范围内呈线性演变. 这种线性演变的斜率可以直接测量出需要估算的高度. 实验结果表明，该方法在100 s的观测周期可以达到厘米精度.

1.2 GNSS-R单天线水位监测

1.2.1 几何模型

如图4所示， GNSS天线可以同时接收来自卫星的直射信号与经水面的反射信号. 这两种信号会在接收机内部产生干涉效应，这会导致SNR观测值产生震荡. SNR 数据进行多项式拟合并消除趋势项后，可以消除直射信号所含的信息，从而获得由多路径信号引起的波动 SNR 序列，提取出反射信号部分，该部分包含了水面信息. 然后对该序列进行频谱分析，可以进一步获得波动序列频率，据此根据主频率对水位高度进行反演[43].

图4 GNSS-R单天线水位监测的几何关系

1.2.2 SNR测高法

2007年，Bilich等[44]发现可以通过GNSS天线的SNR数据来推断周围环境的信息. 2013年，Larson等[45]首次使用两个实验点GNSS接收机记录的SNR数据实现了海面高度的反演，基于SNR的分析结果与独立验潮仪数据的RMSE分别为4.8 cm和4.0 cm.现在通常将这种基于SNR反演反射面信息的技术称为GNSS-IR. 该方法在海况恶劣的环境下也可以使用，当水面的垂直速度小于10～6 m/s时，该方法的测高精度在几厘米到10 cm之间，而当水面的垂直速度大于10～6 m/s时，其测高精度在厘米到分米之间[46].在使用SNR数据反演水位的过程中去除SNR信号的趋势项和提取多径信号的频率是非常重要的步骤.GNSS-IR通常使用二次多项式提取SNR残差序列，Zhang等[47]提出了一种基于经验模态分解(empirical mode decomposition，EMD)的SNR信号分解方法，实验结果表明该方法可以有效提高测高精度. 最早Larson等[45]使用LSP(Lomb-Scargle periodograms)谱分析来获取多径信号的频率. Strandberg等[48]通过非线性最小二乘和B样条函数建立了反演海岸高度的模型，实验结果表明该方法的测高精度高于LSP谱分析法. Wang等[49]使用小波变换分析方法提取多径信号的频率，并通过3个GPS测站的数据对该方法进行验证，结果表明小波分析在海平面高度反演中具有一定的应用潜力. 为了提高GNSS-IR的测高精度，Wang等[50]提出了一种多站点多信号GNSS-R组合方法，并首次实现了毫米到厘米级精度的水位反演. 虽然这些方法可以实现较高精度的水位监测，但是这些方法需要持续记录很长时间，并且只能使用来自低仰角卫星的GNSS信号，因此时间分辨率很低[51]. Strandberg等[52]提出了一种基于无迹卡尔曼滤波和所谓的逆向建模的方法，并在瑞典Onsala空间天文台的GTGU站和澳大利亚Spring Bay的SPBY站进行了测试. 实验结果表明使用卡尔曼滤波方法能够实现实时的水位监测. 陈昊晟[53]联合多GNSS系统并使用 winLSP 法处理原始SNR序列的方法，提高了GNSS-IR水位监测的时间分辨率.

1.3 方法对比

在表1中，我们总结了目前常用的GNSS-R水位监测方法的主要优缺点. 不同的GNSS-R水位监测方法的性能和适用性取决于多种因素，包括天线配置、信号特性、水面条件以及信号处理技术等方面. 在采用GNSS-R技术来监测水位之前，需要根据实际现场环境、数据需求等条件来选择最合适的方法.

表1 不同GNSS-R测高方法的对比

2 GNSS-R水位监测现存问题

2.1 GNSS-R空间分辨率和覆盖范围

GNSS-R的空间分辨率和覆盖范围的定义并不一样，它们分别表示了GNSS-R观测的两个不同的特征. 然而这两个词在GNSS-R领域中经常被混淆，因此我们在此对其进行详细的阐述.

GNSS-R的覆盖范围是指GNSS-R接收机能够接收到地表反射信号的最大面积，它反映了GNSS-R观测的广度和范围. 覆盖范围越大，表示GNSS-R能够观测到更广阔的地表区域，反之则表示GNSS-R只能观测到更局限的地表区域. GNSS-R覆盖范围的大小和位置取决于接收机的高度、天线增益、信号频率和功率和天线朝向在内的参数[54]. 此外，GNSS-R 的空间覆盖范围受到 GNSS 卫星的可用性和几何形状的限制. 例如，某些地区的卫星数量可能较少或仰角较低，这可能会减少反射信号的数量和质量.

GNSS-R的空间分辨率是指GNSS-R接收机能够区分地表反射信号的最小面积，它反映了GNSS-R观测的细节程度和精确度. 空间分辨率越高，表示GNSS-R能够观测到更小的地表单元，反之则表示GNSS-R只能观测到更大的地表单元. Martín-Neira等[16]最早对GNSS-R的空间分辨率进行了分析，它是由第一个等时延线和等多普勒线的交点确定的区域的大小来估计的. Maria Paola等提出了GNSS-R空间分辨率的新定义，将其称为有效的空间分辨率，其是测量几何和延迟多普勒(delay-Doppler mapping，DDM)间隔的函数. 效空间分辨率的定义方法类似于滤波器理论中使用的有效带宽的定义. 通过增加入射角、接收机高度和延迟多普勒窗口，可以观察到有效空间分辨率的增加. 根据这一定义，估计700 km高度的接收机的有效空间分辨率约在25～27 km[55]. 上述定义都假设散射是非相干的，然而现在的GNSS接收机可以处理相干分量并将其从非相干散射分量中分离出来，这表明可以区分出更精细的特征[56-57]. 实际上，发生相干散射时GNSS-R的空间分辨率将被限于第一菲涅尔区，这意味着即使接收机在低轨道卫星上，其空间分辨率也可能小至约400～500 m[58]. Camps[59]更详细地分析了前向散射构型的空间分辨率，表明当相干散射不可忽略时，空间分辨率主要由几何形状决定，而不是由典型的表面粗糙度值决定. 当镜面反射点周围的散射面积增加并包围第一菲涅耳区时，接收功率增加，然后随着高阶菲涅耳区的加入而波动.GNSS-R水位监测的空间分辨率取决于天线离水面的高度、卫星仰角和天线波束宽度. 通常，空间分辨率在几十米到几百米之间，比卫星测高或雷达等其他方法粗糙得多. 因此，有必要优化天线设计和位置，并将 GNSS-R 与其他传感器或模型相结合，以提高水位监测的空间分辨率.

2.2 信号干扰和噪声

GNSS信号在到达地球表面时非常微弱，可能受到各种干扰和噪声源的影响，如多路径效应、电离层和对流层延迟等. 这些因素会降低反射信号的质量，并在水位估算中引入误差. 电离层延迟是指GNSS信号在穿过电离层时由于电子密度的变化而产生的传播时间延迟. 电离层延迟会导致GNSS-R测量的反射信号与直接信号之间的时差发生偏差，从而影响水面高度的计算. 当天线高度较低时电离层延迟可以忽略不计，并且在载波相位测高中可以通过差分算法消除电离层延迟. 对流层延迟是指GNSS信号在穿过对流层时由于水汽和气压的变化而产生的传播时间延迟.在载波相位测高中也可以通过差分算法消除电离层延迟. 在使用GNSS-IR进行海面高度测量的大多数研究中对流层误差都被忽略了[60-62]. Roussel等[63]发现当接收机的高度大于5 m、高度角角小于10°时，对流层误差会对镜面反射点的位置造成显著影响.Santamaría-Gómez等[64]注意到，使用平均高度角低于12°的卫星弧线进行观测时，GNSS-R测量的海面高度会小于实际高度. 他们将造成这种误差的小部分原因归结于对流层延迟. 在随后的研究中Santamaría-Gómez等[65]使用大气折射公式纠正了高度角偏差.Williams等[66]指出对流层延迟是GNSS-IR测高中的一个重要误差，并使用对流层延迟模型和映射函数来校正了对流层延迟造成的偏差. 多路径效应是载波相位相对定位中最重要的误差源之一，其同样是影响GNSS-R载波相位测高精度的重要因素之一. 当水面粗糙度较大时会产生大量来自同一颗卫星的反射信号，这些反射信号可以从不同的角度和方向进入接收天线，从而产生多条反射路径. 每一条反射路径都会产生一个独立的信号，这些信号具有不同的传播时间和相位延迟，因此它们可能相互干扰或叠加. Liu等[38]通过设置适当的方位角限制来减少测试场地周围岩石和小岛的多路径影响. 信号串扰：在GNSS-R双天线测高中，由右旋极化天线接收卫星的直射信号，左旋极化天线接收反射信号. 然而，由于天线的极化隔离不当，这些信号很容易进入同一天线. 当直射信号进入反射信号专用天线时，反射信号就会失真，这就是所谓的信号串扰[67]. Onrubia等[68]在iGNSS-R机载实验中发现由串扰效应引起的误差达40 cm.Pascual等[69]对iGNSS-R中串扰的统计分析表明，当卫星高度角大于60°时，串扰从地面到2 km高度的机载接收机几乎是永久存在的，占比高达61%. He等[70]分析了信号串扰对GNSS-R码测高的影响，通过对串扰的抑制，可以在较长时间内提高测量精度.

2.3 反射面粗糙度

当电磁波信号在水面上反射时，会被水面的起伏、凸凹处和不规则形状所影响，从而在传播过程中发生反射、折射和绕射等现象. 在GNSS-R码相位延迟测高中，主要依赖直射信号和反射信号的相关峰值时间延迟来计算海面高度. 然而，水面的粗糙度会引起散射功率延迟，从而导致反射信号峰值的后延. 因此，水面粗糙度是码测高中影响测高精度的主要误差来源. 沈思明[39]提出了一种利用反射信号相位差来表征海面粗糙度的方法，并建立了一种粗糙度误差修正模型. 实验结果表明，利用该模型可将码相位延迟测高的精度提升 10%以上. 另外当反射面粗糙时，反射GNSS信号的低SNR和多径干扰引起的信号幅值波动较大，给接收机载波信号处理带来了很大的挑战. 采用主从开环跟踪方法会导致载波相位测量中出现较大误差和大量的周跳，周跳会严重影响GNSS-R载波相位测高的精度. 在后处理中，自适应闭环方法通过充分利用GNSS-R信号动态特性并自适应地调整调谐参数，已被证明比主从开环跟踪有更好的性能. 然而，自适应闭环方法在实时GNSS-R应用中不切实际，因为它需要对滤波器进行大量调整，并且初始化周期相对较长. 本文提出了一种自适应混合跟踪算法，用于处理具有足够相干分量的GNSS-R信号.实验结果表明，该算法具有与主从开环法相当的鲁棒性，同时可以保持厘米级精度和良好的载波相位连续性[71].

3 GNSS-R水位监测发展趋势

本文综述了GNSS-R监测水位的原理和方法，总结了国内外的研究进展和成果，指出了目前存在的问题和不足. 尽管GNSS-R技术在水位监测方面已经取得了一些进展，但仍有许多潜在的研究方向和发展趋势值得关注：

1)多源数据融合：通过使用多种遥感数据(如合成孔径雷达、激光高度计、卫星重力等)与GNSS-R数据进行融合，可以提高水位测量的精度和可靠性，同时补充GNSS-R信号的不足. 这将为水文学研究、自然灾害监测、水资源管理等领域提供更为有力的支持. 然而，需要注意的是，结合多传感器数据也带来了数据融合和处理的挑战，因此需要开发合适的算法和方法来有效地整合和分析这些数据.

2)多卫星系统融合：目前全球存在多个主要的卫星导航系统，包括GPS、GLONASS、Galileo和北斗卫星导航系统(BeiDou Navigation Satellite System，BDS). 这些卫星系统在不同的地区和时间提供了广泛的卫星覆盖. 多卫星系统融合的主要优势包括提高全球覆盖率，减少受阻遮挡，提高精度和可靠性. 同时，它还可以提高时效性和实时性，并增强系统的容错能力. 通过利用多个卫星系统的信号，GNSS-R水位监测可以获得更多的观测数据，从而在全球范围内提供更准确、稳定和可靠的水位监测结果. 实现多卫星系统融合需要对不同卫星系统的信号进行数据处理和整合，并不断改进算法和技术，以提高其在GNSS-R水位监测和其他应用中的效果.

3) GNSS-R接收设备的更新和改进：随着技术的不断进步，GNSS-R水位监测正朝着小型化和低成本化的方向发展. 传统笨重的接收站正在被精巧轻便的设备所取代，尺寸缩小和重量减轻使得这些设备更加易于携带和部署，适用于各种场景，如移动平台、航空器和无人机. 同时，通过采用经济高效的电子元件、改进制造流程以及芯片集成技术，设备的生产成本得到降低，使得GNSS-R技术更具吸引力和可扩展性. 这样的发展趋势将推动GNSS-R水位监测的应用范围扩大，为水文学、海洋学、气象学等领域的研究和应用提供更多有价值的数据，有助于加强对地球环境变化的理解和预测，促进科学研究和环境监测取得新的进展.

4)与人工智能技术相结合：在GNSS-R水位监测中，深度学习可以帮助提高水位反演的精度、效率、鲁棒性、灵活性、可解释性和可视化. 深度学习可以利用大量的反射信号数据，自动学习出反射信号和水位高度之间的复杂非线性关系，而不需要依赖于先验的物理模型或统计假设. 同时，深度学习也可以有效地处理反射信号中的噪声、干扰和异常，提高水位反演的鲁棒性. 目前，已经有一些研究探索了深度学习在GNSS-R水位监测中的应用. 例如，Wang等[72]提出了一种基于机器学习融合模型和特征优化的新型GNSS-R海面高度反演算法，利用卷积神经网络等方法，从延迟波形数据中提取出敏感于海面高度的特征，并进行加权融合，实现了高精度的海面高度反演.

4 GNSS-R水位监测在我国水利行业的应用展望

近年来，我国突破历史记录、颠覆传统认知的水旱灾害频繁发生，依靠传统监测预报手段已难以满足当前洪水防御工作的需求. 践行“两个坚持、三个转变”的防灾减灾救灾理念，为保障人民群众生命财产安全赢得时机，就必须进一步强化应对洪水的决策支撑. 借助高科技力量实现水文预报工作延长预见期、提高精细度至关重要；加快构建气象卫星和测雨雷达、雨量站、水文站组成的雨水情监测预报“三道防线”势在必行. 此外雨水情监测预报“三道防线”是数字孪生水利感知(监测)体系的重要组成. 通过构建“天空地”一体化监测网络，可以延长雨水情预见期、提高精准度，为防洪“四预”业务提供支撑和保障. 雨水情监测预报“三道防线”的第三道防线通过布设在流域河流干支流上的水文站网，实时监测江河、湖泊、水库的水位、流量等水文要素的变化，依据落地降雨、实时水文站数据和信息，及时准确地制作洪水预报，并根据洪水发生可能性发布洪水预警，为防汛指挥决策、保障下游防洪安全和人员及时转移避险等提供重要支撑. 水位监测是雨水情监测预报“第三道防线”中的重要内容，近年来水位监测方法正逐步由传统的人工水尺向浮子式水位计、压力式水位计、超声波水位计等升级换代，在自动化程度、测量精度方面有了较大地提高，可以满足一般水位监测要求，但是在复杂地形以及恶劣天气条件下，其精度、可靠性及可用性难以保障. GNSS-R以其特有的优势，为实现高时空分辨率的水位监测提供了一种新的思路，与传统的水位监测技术相比，其具有低成本、及覆盖范围广的优势，能在灾情险情出现时以较短的时间内得出相对精准的灾害点三维坐标，实现及时准确的定位操作.

GNSS-R水位监测除了可以在雨水情监测预报“三道防线”中的第三道防线发挥作用，还可以为智慧水利提供实时、准确、全面的水位数据，支撑水文预报、防洪调度、水资源管理等业务，为数字孪生提供数据源，构建流域或工程的数字化场景，实现对涉水要素的数字化、感知实时化、模拟可视化，支撑预报、预警、预演、预案等功能. 总之 GNSS-R水位监测技术在中国水利行业有广泛的应用前景，可以提高水资源管理的效率、减少灾害风险，有助于确保水资源的可持续利用. 然而，要实现这些应用，还需要进一步的研究和技术发展，以确保数据的准确性和可靠性. 同时，政府、学术界和产业界需要合作推动这一技术在水利行业的广泛应用.