Integrating Satellite Data into Near-Term, Iterative Water Temperature Forecasting Workflows Improves the Scalability of Freshwater Forecasts

淡水生态系统正因人类活动而经历快速变化和变异性增加。近期迭代预测已被证明是预测这些生态系统未来变化的有价值工具，并可用于改进水资源管理和生态系统理解。许多淡水预测系统需要高频原位传感器数据作为输入，这将其可扩展性限制在已有传感器监测基础设施的站点。为了将这些预测方法扩展到几乎没有或完全没有原位数据的水体，需要新的工具。在此，我们评估了利用开源“湖泊与水库生态系统预测”（FLARE）系统将卫星数据同化到基于过程的水动力模型中，如何影响美国10个湖泊的预测性能。我们在两年内每周预测各水柱深度的水温，预测时效为1至14天，并利用Landsat-8/9地表温度产品的同化来更新预测模型的初始条件和参数。将有卫星数据同化的预测与无数据同化的预测进行比较，结果表明卫星数据可以在1至14天的预测时效内提高预测性能。然而，预测精度的提升在湖泊之间存在差异；在8个站点，卫星数据同化要么改善了预测，要么与无数据同化的预测相当，但在2个站点，卫星数据使预测性能变差。预测性能的差异与水体透明度和当地气象条件相关性最强。本研究表明，卫星遥感有望成为提高近期迭代淡水预测可扩展性的关键工具。