Abstrak
Peristiwa debit tinggi merambat ke hilir sungai sebagai gelombang aliran. Pergerakan gelombang sungai dijelaskan secara teoritis dengan persamaan perutean atau dilacak menggunakan pengukuran pengukur in-situ dari tahapan dari waktu ke waktu di lokasi tertentu. Namun, distribusi pengukur yang jarang membuatnya sulit untuk menunjukkan bagaimana tahapan berevolusi dengan jarak sepanjang sungai saat gelombang merambat ke hilir. Di sini kami menggunakan pengukuran baru elevasi permukaan air dari satelit Surface Water and Ocean Topography untuk mendeteksi dan menganalisis jalur gelombang aliran, menyajikan contoh pengamatan langsung pertama dari perubahan hilir berkelanjutan pada ketinggian sungai pada waktu tertentu dalam gelombang aliran. Dengan menghapus profil elevasi sungai skala panjang, kami mengembangkan “hidrograf spasial” sebagai analog dengan deret waktu in-situ dan menunjukkan nilainya untuk menganalisis karakteristik gelombang, termasuk mengukur panjang, memperkirakan kecepatan, dan membagi aliran kejadian dari aliran dasar. Metode kami dapat diterapkan secara global untuk mempelajari gelombang aliran dan sifat-sifatnya.
Poin-poin Utama
- Data Air Permukaan dan Topografi Laut menunjukkan perubahan ketinggian sungai di hilir selama peristiwa hidrologi gelombang aliran
- Dengan menghilangkan profil sungai yang panjang, peristiwa gelombang aliran divisualisasikan sebagai representasi seperti hidrograf dari panggung di atas ruang.
- Pengamatan gelombang aliran spasial dapat digunakan untuk mengukur panjang kejadian, memperkirakan kecepatan gelombang, dan melakukan pemisahan hidrografi.
Ringkasan Bahasa Sederhana
Gelombang aliran adalah gelombang yang sangat panjang (puluhan hingga ribuan kilometer) yang bergerak menuruni sungai yang sesuai dengan periode aliran tinggi dan dijelaskan oleh teori. Para peneliti secara tradisional mempelajari pergerakan gelombang aliran menggunakan pengukuran tinggi dan aliran sungai yang dikumpulkan langsung oleh pengukur aliran. Data ini menunjukkan perubahan rinci pada tinggi sungai dari waktu ke waktu, tetapi hanya pada lokasi diskret di ruang angkasa. Sebaliknya, pengukuran satelit dapat mengambil sampel pada jalur yang lebar, tetapi hanya pada waktu diskret. Kami menggunakan data dari satelit Topografi Air dan Laut Permukaan (SWOT) yang baru, yang mengumpulkan pengukuran skala halus dari tinggi sungai global, untuk mengembangkan potret gelombang aliran yang bergerak ke hilir. Dengan mengubah pengukuran ini menjadi perubahan elevasi relatif, kami menemukan bahwa data SWOT menunjukkan pola yang sama dengan data pengukur. Sama seperti pengukuran pengukur, kami menunjukkan bahwa pengukuran SWOT dapat digunakan untuk memperkirakan panjang gelombang aliran, seberapa cepat ia bergerak, dan berapa persentase yang disumbangkan oleh air tanah versus limpasan permukaan. Metode kami dapat digunakan untuk mengidentifikasi dan mempelajari gelombang aliran di seluruh dunia.
1 Pendahuluan
Salah satu topik utama dalam hidrologi adalah studi tentang kejadian aliran tinggi dan bagaimana mereka menyebar ke hilir sungai (Chow et al., 1988 ). Peningkatan besar dalam muka air sungai dan debit terbentuk sebagai gelombang aliran yang bergerak ke hilir lebih cepat daripada air itu sendiri (Lighthill & Whitham, 1955 ). Pada skala waktu yang lebih pendek, gelombang aliran disebabkan oleh curah hujan, kemacetan es, atau jebolnya bendungan (Ferrick, 1985 ), sementara pada skala waktu yang lebih panjang, mereka terwujud sebagai denyut aliran tahunan yang didorong oleh pencairan salju (Buttle et al., 2016 ; Stankunavicius et al., 2007 ) atau variasi debit musiman (Hung et al., 2012 ; Richey et al., 1989 ). Gelombang aliran biasanya bukan peristiwa bencana (Pielke & Downton, 2000 ), faktanya, gelombang aliran dapat melayani fungsi ekosistem penting dengan memobilisasi dan mendistribusikan konstituen biogeokimia (Aguilera & Melack, 2018 ) dan organisme sungai (Humphries et al., 2014 ). Namun, dalam kasus ekstrem, gelombang aliran dapat berbentuk banjir fluvial yang membawa bencana (Merz et al., 2021 ), jadi sangat penting untuk memperhitungkan karakteristik morfologisnya saat merancang jembatan dan struktur pengendalian banjir (Chow et al., 1988 ) dan mengoordinasikan operasi waduk (Seibert et al., 2014 ). Menganalisis dinamika gelombang aliran untuk menjawab pertanyaan seperti, “Seberapa tinggi permukaan air dapat naik selama gelombang aliran?” dan “Seberapa cepat gelombang aliran bergerak?” memiliki implikasi penting bagi keselamatan manusia, desain dan pengelolaan infrastruktur, dan ekologi fluvial.
Gelombang aliran telah lama dipelajari melalui metode teoritis dan empiris (Chow, 1959 ; Lighthill & Whitham, 1955 ). Perambatan gelombang sungai dapat dijelaskan secara teoritis menggunakan persamaan Saint-Venant untuk kontinuitas dan momentum (Saint-Venant, 1871 ), dan solusi persamaan ini dan perkiraannya (Hayami, 1951 ; Lighthill & Whitham, 1955 ; Ponce & Simons, 1977 ) membentuk dasar model hidrodinamik yang banyak digunakan untuk memperkirakan elevasi permukaan air banjir (WSE) dan kedalaman sebagai fungsi ruang dan waktu (Bates & De Roo, 2000 ; Cunge, 1969 ; Paiva & Lima, 2024 ; Petaccia et al., 2013 ). Gelombang aliran juga dapat dipelajari melalui pengamatan menggunakan deret waktu tahap dan debit dari pengukur aliran in-situ (Gambar 1 ). Pengukur dapat memberikan pengukuran pada resolusi temporal sub-jam, tetapi penempatannya bias secara global dan terbatas secara spasial pada lokasi tertentu di seluruh jaringan sungai (Krabbenhoft et al., 2022 ). Transduser tekanan (Kean et al., 2012 ) dan pelampung hanyut (Emery et al., 2010 ) juga dapat mengumpulkan data tentang elevasi permukaan air selama gelombang aliran, tetapi pengaturannya sangat bergantung pada lokasi dan waktu. Distribusi pengukuran tahap in-situ yang jarang dan tidak merata ini menyulitkan pencatatan bagaimana gelombang aliran berevolusi sepanjang jarak di sepanjang sungai.
Dengan mempertimbangkan keterbatasan spasial ini, penginderaan jarak jauh satelit menyajikan pendekatan yang menarik untuk mempelajari gelombang aliran dengan keuntungan cakupan spasial yang lebih luas, meskipun pada waktu yang jarang. Ketinggian permukaan sungai dapat diukur secara langsung dari luar angkasa melalui radar nadir dan altimeter laser, meskipun instrumen ini terbatas dalam pengambilan sampel spasial dan temporal dan tidak dirancang untuk mempelajari perairan terestrial (Alsdorf et al., 2007 ; Tourian et al., 2016 ). Citra optik, radiometer gelombang mikro pasif, dan radar apertur sintetis dapat digunakan untuk melacak perambatan gelombang aliran melalui variasi lebar sungai (Brakenridge et al., 1998 ; Sichangi et al., 2018 ; Smith & Pavelsky, 2008 ) atau dengan memperkirakan tingkat genangan dan berpotongan dengan data topografi untuk menemukan ketinggian permukaan air puncak (Brakenridge et al., 1998 ; Schumann et al., 2010 ). Selain satelit, wahana udara nirawak (Bandini et al., 2017 ) dapat mengumpulkan pengukuran tinggi sungai beresolusi tinggi selama gelombang aliran. Namun, hingga saat ini, belum ada kumpulan data global, spasial yang berdekatan di tempat kejadian atau data yang diindra dari jarak jauh yang muncul dengan resolusi dan presisi yang cukup baik untuk memvisualisasikan perambatan gelombang aliran melalui perubahan tingkat di sepanjang sungai.
Diluncurkan pada bulan Desember 2022, satelit Surface Water and Ocean Topography (SWOT) mendobrak batasan spasial lama yang diberlakukan oleh pengamatan pengukur in-situ (Fu et al., 2024 ). SWOT secara khusus dirancang untuk mensurvei air di dalam badan air terestrial dan lautan di seluruh dunia (Alsdorf et al., 2007 ). Menggunakan Ka-band Radar Interferometer (KaRIn; Enjolras & Rodriguez, 2009 ), satelit mengukur elevasi permukaan air terus menerus, lereng, dan lebar sungai yang lebarnya lebih dari 50–100 m dengan tujuan memberikan estimasi debit (Biancamaria et al., 2016 ). Ketinggian permukaan air diagregasi dari awan piksel (resolusi 10–60 m; SWOT, 2024b ) ke produk vektor dari node yang berjarak 200 m di sepanjang sungai (Allen & Pavelsky, 2018 ; Altenau et al., 2021 ; SWOT, 2024a ). Resolusi spasial yang belum pernah ada sebelumnya dan pengambilan sampel data altimetri swath SWOT memungkinkan, secara teori, untuk pengamatan gelombang aliran dalam dimensi spasial dengan melacak bagaimana ketinggian permukaan sungai berubah seiring jarak saat gelombang merambat ke hilir. Karena SWOT dapat digunakan untuk mempelajari dinamika temporal dan spasial perairan terestrial (Biancamaria et al., 2016 ; Durand et al., 2016 ), ada antisipasi yang cukup besar dalam menggunakan SWOT untuk mengeksplorasi fenomena yang terdistribusi secara spasial seperti perambatan gelombang aliran (Bates et al., 2013 ; Durand et al., 2010 ). Pengambilan sampel spasial SWOT yang ditingkatkan dapat menghasilkan estimasi panjang gelombang aliran yang lebih akurat, yang dapat dilihat sebagai analog untuk durasi kejadian (Cerbelaud et al., 2024 ). Data SWOT juga dapat memberikan cara baru untuk menghitung kecepatan gelombang aliran (yaitu, kecepatan perambatan): parameter utama yang digunakan untuk memodelkan debit sungai dan memperkirakan penyimpanan dan variabilitas air (Collins et al., 2024 ; David et al., 2011 ). Akhirnya, pendekatan substitusi ruang-untuk-waktu dapat dimungkinkan dengan data baru SWOT, seperti teknik pemisahan hidrograf klasik, yang digunakan untuk mengisolasi aliran dasar dari limpasan dalam hidrograf selama kejadian aliran puncak (Chow, 1959 ).
Dalam makalah ini, kami menyajikan pengamatan pertama gelombang aliran menggunakan data dari SWOT. Kami menunjukkan bahwa pengukuran SWOT dari ketinggian sungai dapat digunakan untuk memvisualisasikan dan menganalisis jalur gelombang aliran di jaringan sungai, divalidasi menggunakan catatan pengukur in-situ. Dengan menghapus profil skala panjang dari data WSE, kami mengembangkan “hidrograf spasial” yang menunjukkan variasi relatif dalam ketinggian sungai pada jarak hilir selama gelombang aliran (Cerbelaud et al., 2024 ). Kami menggunakan contoh kejadian yang terdeteksi dengan data SWOT untuk mempelajari sifat gelombang aliran, menunjukkan cara memperkirakan panjang dan kecepatan gelombang aliran dan memisahkan aliran dasar melalui teknik partisi spasial. Pekerjaan kami dengan pengukuran SWOT mentransposisi deret waktu, yang telah menjadi dasar dalam studi hidrologi, ke “deret ruang,” yang mengarah pada pengamatan dan analisis baru yang transformatif dari hidrologi sungai.
2 Metode
2.1 Pengembangan Hidrograf Spasial
Kami mengidentifikasi dan menyajikan gelombang aliran terpilih menggunakan produk vektor lintasan tunggal sungai SWOT, Versi C (Gambar S1 dalam Informasi Pendukung S1 ). Sementara gelombang aliran dapat langsung dideteksi dari anomali ketinggian SWOT, kami memfasilitasi proses tersebut dengan mengidentifikasi periode variasi tahap tinggi dari data pengukur in-situ Survei Geologi Amerika Serikat (USGS) (Teks S1 dalam Informasi Pendukung S1 ), kemudian memplot pengukuran SWOT WSE yang sesuai di setiap simpul sebagai fungsi jarak hilir. Kami mendasarkan titik awal dan akhir pada panjang sungai yang ditangkap selama lintasan SWOT tunggal tetapi menghapus beberapa jangkauan di mana kejadian tersebut tidak terdeteksi. Berikutnya, kami melakukan proses untuk menghilangkan tren, menghaluskan, dan menginterpolasi celah dalam pengukuran tinggi gelombang aliran SWOT (Teks S2 dalam Informasi Pendukung S1 ). Kami mulai dengan memfilter data menggunakan tanda kualitas produk (Tabel S1 dalam Informasi Pendukung S1 ), karena pengukuran elevasi yang tidak difilter mencakup artefak yang dapat bermanifestasi sebagai lonjakan tingkat meter pada tinggi sungai. Mengambil tumpukan penuh data SWOT multitemporal untuk setiap situs, kami menghitung statistik temporal tingkat simpul pada semua kunjungan ulang. Kami menolak outlier dan menggunakan nilai median untuk memperkirakan profil tingkat sungai referensi. Untuk mengurangi kebisingan pengukuran residual dan menyelesaikan profil referensi, kami menerapkan filter median spasial sepanjang sungai berikutnya. Kemudian, kami melakukan filter kualitas dan menerapkan rekonstruksi Bayes ke data SWOT dari waktu pengamatan yang diinginkan, yang secara efektif mempertahankan sinyal geofisika gelombang aliran sambil mengurangi kebisingan. Rekonstruksi berusaha untuk meminimalkan kesalahan posterior yang diharapkan dalam nilai tinggi tingkat simpul melalui estimasi Bayes (mirip dengan proses yang digunakan oleh prosesor sungai SWOT untuk memperkirakan kemiringan tingkat jangkauan; JPL D-105505, 2023 ). Hasil dapat dianggap sebagai versi data yang dihaluskan secara spasial dengan simpul yang hilang dan berkualitas buruk yang terisi. Kami mengurangi profil tingkat sepanjang sungai referensi dari setiap profil yang direkonstruksi Bayes untuk mendapatkan anomali WSE. Terakhir, kami berencana untuk membuat “hidrograf spasial”: visualisasi mirip hidrograf dari WSE yang naik dan turun di ruang angkasa selama gelombang aliran—bukan dari waktu ke waktu.
2.2 Mengukur Panjang Gelombang Aliran
Kami mengukur panjang gelombang aliran menggunakan satu observasi SWOT, mengidentifikasi panjang simpul berurutan di mana tinggi sungai yang diukur oleh SWOT melebihi persentil ke-90 WSE (yaitu, kejadian aliran puncak; setelah Cerbelaud et al., 2024 ). Kami menghitung ambang batas persentil ke-90 untuk setiap simpul menggunakan data yang tersedia dari orbit sains SWOT. Dengan memperhitungkan potensi gangguan dan artefak dalam data SWOT dan catatan data terbatas sekitar 1 tahun, kami fokus pada kejadian yang lebih panjang dari 2 km dan dengan demikian mempertimbangkan gelombang aliran untuk memulai atau mengakhiri di mana setidaknya 10 simpul berurutan melebihi atau turun di bawah ambang batas. Kami membandingkan pengukuran panjang kami dengan estimasi panjang yang diperoleh dari pengukur, mengidentifikasi pengukur apa pun yang melebihi debit persentil ke-90 pada saat gelombang aliran direkam oleh SWOT setelah Cerbelaud et al .
2.3 Memperkirakan Kecepatan Gelombang
Kami menggunakan dua pengamatan dari puncak gelombang aliran yang sama—satu dari SWOT dan satu dari pengukur—sebagai metode baru untuk menghitung kecepatan gelombang aliran. Berdasarkan pendekatan untuk memperkirakan kecepatan menggunakan dua hidrograf pengukur (Fleischmann et al., 2016 ; Lininger & Latrubesse, 2016 ; Meyer et al., 2018 ; Wong & Laurenson, 1983 ), kami menghitung kecepatan dengan menghitung jarak antara puncak hidrograf spasial SWOT dan puncak hidrograf pengukur USGS tunggal yang merupakan bagian dari gelombang aliran yang sama, kemudian membaginya dengan waktu tempuh di antara keduanya. Kami memvalidasi perkiraan dengan mengganti hidrograf spasial untuk pengukur kedua yang paling dekat dengan puncak hidrograf spasial dan mengulangi perhitungan dengan data pengukur saja. Untuk validasi tambahan, kami menemukan kecepatan rata-rata semua gelombang aliran yang bergerak di antara dua pengukur dengan menerapkan analisis korelasi silang tertinggal antara pasangan catatan pengukur aliran (misalnya, Allen et al., 2018 ; David et al., 2011 ) menggunakan pengukuran tinggi pengukur harian.
2.4 Pemisahan Hidrograf
Untuk mengeksplorasi aplikasi potensial data gelombang aliran SWOT, kami memisahkan aliran dasar dari hidrograf spasial melalui substitusi ruang-untuk-waktu. Kami menggunakan metode filter digital (Chapman dan Maxwell, 1996 ; Teks S3 dalam Informasi Pendukung S1 ), yang memisahkan komponen limpasan dari hidrograf pelepasan (termasuk aliran cepat dan aliran antar) dari komponen aliran dasar tanpa memerlukan data konsentrasi pelacak in-situ (Lyne & Hollick, 1979 ). Filter digital ini memerlukan satu parameter, k , koefisien resesi aliran dasar. Nilai k biasanya berkisar dari 0,93 hingga 0,995 (Nathan & McMahon, 1990 ), dengan nilai yang lebih tinggi mencerminkan kontribusi aliran dasar yang hampir konstan. Kami memperkirakan k menggunakan plot semilogaritmik dari segmen resesi aliran dasar (Nathan & McMahon, 1990 ; Teks S3 dalam Informasi Pendukung S1 ). Kami menghasilkan estimasi k dari data SWOT dan kemudian menerapkan filter digital ke hidrograf spasial SWOT, mengganti jarak hulu untuk waktu dan perubahan WSE untuk aliran sungai. Untuk memvalidasi hasil kami, kami menghasilkan estimasi k terpisah menggunakan data debit sesaat dari pengukur aliran USGS yang paling dekat dengan puncak hidrograf spasial SWOT, kemudian menerapkan filter digital ke hidrograf pengukur.
3 Hasil
Contoh-contoh menunjukkan bahwa kejadian gelombang aliran yang terdeteksi dari data tinggi pengukur in-situ dapat diamati dalam elevasi permukaan air SWOT (Gambar 2 ). Kami memamerkan tiga gelombang aliran yang hampir lengkap yang direkam oleh SWOT di Amerika Serikat. Contoh pertama berasal dari Sungai Colorado di Texas, tempat gelombang aliran besar ditangkap sekitar pukul 1 siang waktu setempat pada tanggal 25 Januari 2024, dimulai di selatan Austin, Texas dan berakhir di Teluk Matagorda (Gambar 2a ). Contoh kedua, di Sungai Ocmulgee bagian bawah di Georgia tengah, menunjukkan gelombang aliran yang berasal dari sekitar Macon, Georgia yang direkam pada tanggal 12 Maret 2024, sekitar pukul 6 pagi waktu setempat (Gambar 2b ). Contoh ketiga terjadi di Sungai Yellowstone di Montana dekat pertemuannya dengan Sungai Missouri di North Dakota dan ditangkap sekitar pukul 10 pagi waktu setempat pada tanggal 11 April 2023 (Gambar 2c ).
Dengan mengurangi profil panjang dari pengukuran WSE, kami menunjukkan penyimpangan dari tinggi sungai median dengan jarak sepanjang sungai selama perambatan gelombang aliran (Gambar 2 ). Hidrograf spasial ini menyoroti perbedaan morfologi antara gelombang aliran yang kurang jelas dari data pengukur. Misalnya, gelombang aliran Sungai Colorado lebih terdistribusi secara luas di ruang angkasa daripada gelombang aliran Sungai Ocmulgee, sedangkan gelombang aliran Sungai Yellowstone dicirikan oleh kenaikan dan penurunan elevasi yang singkat dan tajam. Potret variabilitas tinggi sungai di ruang angkasa ini merupakan pendekatan baru untuk mengamati gelombang aliran yang hanya mungkin dilakukan dengan data elevasi sungai SWOT (Gambar S2 dalam Informasi Pendukung S1 ).
Mengambil dari sampel terbatas tiga gelombang aliran, kami mengamati bahwa hidrograf spasial SWOT umumnya berbeda dari hidrograf temporal dalam beberapa hal. Pertama, kemiringan hidrograf spasial cenderung lebih curam pada cabang yang menurun (yaitu, bagian hulu), dibandingkan dengan hidrograf temporal, yang biasanya memiliki kemiringan lebih curam pada cabang yang meningkat (Collischonn et al., 2017 ). Fenomena ini sebagian dapat terjadi karena sungai melebar ke hilir—membuatnya kurang mencolok (yaitu, perubahan yang lebih lambat)—meskipun penelitian lebih lanjut diperlukan untuk memahami perilaku kurva resesi di ruang angkasa. Hidrograf spasial juga menunjukkan variasi skala yang lebih halus di WSE daripada hidrograf temporal, bahkan setelah rekonstruksi profil. Sementara beberapa variasi—terutama yang muncul di beberapa tanggal—mungkin merupakan sinyal nyata yang didorong oleh perubahan lebar saluran, batimetri, atau kontribusi debit dari anak sungai, yang lain mungkin disebabkan oleh gangguan dan kesalahan dalam data SWOT.
Untuk tiga kejadian aliran tinggi yang diidentifikasi di atas, kami menentukan panjang gelombang aliran menggunakan pengukuran tinggi sungai yang ditangkap oleh satu lintasan SWOT. Dengan menerapkan pendekatan berbasis ambang batas SWOT, kami memperkirakan bahwa gelombang aliran Sungai Colorado setidaknya sepanjang 267 km dan gelombang aliran Sungai Ocmulgee sepanjang sekitar 165 km. Kami membandingkan nilai-nilai ini dengan perkiraan berbasis pengukur sebesar 410 dan 580 km untuk Sungai Colorado dan Ocmulgee, masing-masing. Gelombang aliran Sungai Yellowstone terbagi menjadi dua bagian terpisah—puncak dramatis diikuti oleh gelombang yang lebih panjang—yang sesuai dengan bentuk hidrograf temporal yang tidak teratur. Kami memperkirakan bahwa bagian pertama panjangnya sekitar 11 km, sedangkan yang kedua sekitar 64 km. Tidak ada pengukur Sungai Yellowstone yang melebihi persentil debit ke-90, sehingga panjang gelombang aliran tidak dapat diperkirakan menggunakan data pengukur saja.
Selain itu, kami memperkirakan kecepatan gelombang menggunakan puncak dari satu SWOT dan satu pengamatan pengukur. Kami menemukan bahwa gelombang aliran Sungai Colorado menempuh jarak 87 km antara pengukur di atas La Grange, TX (08160400) dan titik pengamatan SWOT dalam waktu sekitar 23 jam, menghasilkan kecepatan 1,07 m/s. Kami memperkirakan bahwa gelombang yang sama menempuh jarak antara pengukur La Grange dan pengukur kedua di dekat Garwood, TX (08161500) pada kecepatan 1,05 m/s. Kecepatan rata-rata gelombang aliran yang bergerak di antara kedua pengukur ini, yang diperkirakan dari analisis korelasi silang lag dari seluruh rekaman pengukur, adalah sekitar 1,30 m/s. Untuk Sungai Ocmulgee, kami menemukan bahwa gelombang aliran yang ditangkap oleh SWOT diamati oleh pengukur 52 km di hilir di Abbeville, GA (02215260) sekitar 43 jam kemudian. Hal ini menghasilkan estimasi kecepatan sebesar 0,33 m/s, dibandingkan dengan estimasi dua pengukur sebesar 0,43 m/s dari pengukur Abbeville dan pengukur hulu di Hawkinsville, GA (02215000), dan kecepatan rata-rata sebesar 0,67 m/s untuk semua gelombang aliran. Gelombang aliran Sungai Yellowstone merupakan peristiwa singkat dan sementara yang tidak dapat kami estimasi kecepatannya dari pengamatan SWOT.
Kami menggunakan hidrograf spasial gelombang aliran untuk membagi kejadian menjadi aliran dasar dan aliran kejadian. Untuk gelombang aliran Sungai Ocmulgee pada 12 Maret, kami menghitung nilai k sebesar 0,988 dari data SWOT dan 0,998 dari data debit (dari pengukur yang paling dekat dengan puncak hidrograf spasial SWOT). Untuk gelombang aliran Sungai Colorado pada 25 Januari, kami menghitung k sebesar 0,999 dari SWOT dan 0,998 dari pengukur. Setelah menerapkan filter digital (Chapman & Maxwell, 1996 ) ke hidrograf spasial, kami secara efektif memisahkan aliran dasar dari aliran total, menggunakan WSE dari SWOT sebagai proksi untuk debit (Gambar 3 ). Untuk hidrograf spasial, kami menemukan bahwa aliran dasar mewakili 51,1% dari total WSE terintegrasi atas ruang untuk kejadian Sungai Ocmulgee dan 51,3% untuk kejadian Sungai Colorado. Kami membandingkan nilai-nilai ini dengan hidrograf pengukur, di mana aliran dasar mewakili 49,6% dari total volume debit untuk kejadian Ocmulgee dan 48,7% untuk kejadian Colorado. Kami tidak membagi gelombang aliran Sungai Yellowstone karena kurangnya data debit dari pengukur yang paling dekat dengan puncak kejadian.
4 Diskusi
Upaya kami menunjukkan kelayakan perekaman gelombang aliran dan memperkirakan propertinya dengan data SWOT WSE. Dengan menangkap gelombang aliran pada satu titik waktu dengan pengukuran spasial yang padat, SWOT menghasilkan perkiraan rinci panjang kejadian yang tidak lagi bergantung pada lokasi dan jarak antara stasiun pengukur. SWOT juga dapat mengamati dan mengkarakterisasi fenomena kecil dan terlokalisasi: misalnya, selama fase pengambilan sampel hariannya, SWOT mengukur gelombang aliran pendek di Sungai Yellowstone yang tidak sepenuhnya ditangkap oleh pengukur aliran di dekatnya. Bentuk khas gelombang aliran ini dan bukti pecahnya es sungai dari citra optik yang hampir bersamaan menunjukkan bahwa itu disebabkan oleh banjir kemacetan es, yang dapat terjadi ketika muka air sungai naik secara signifikan di belakang kemacetan es, yang menyebabkan gelombang aliran curam saat air dilepaskan (Beltaos, 2007 ; Beltaos & Prowse, 2001 ). Kami dapat memperkirakan luas dan tinggi kejadian di hilir dengan pengukuran SWOT, suatu tugas yang tidak mungkin dilakukan dengan pendekatan berbasis pengukur, yang menggarisbawahi keuntungan pengambilan sampel spasial dan cakupan global SWOT dalam menangkap kejadian hidrologi.
Kami juga menunjukkan bagaimana pengamatan gelombang aliran dari SWOT dapat digunakan untuk menghasilkan hidrograf spasial, yang melengkapi rangkaian waktu tahap in-situ. Untuk gelombang aliran yang diamati di Sungai Colorado dan Ocmulgee, estimasi kecepatan yang diperoleh dari pengukuran SWOT dan pengukur serupa dengan estimasi yang hanya berdasarkan data pengukur, yang menunjukkan bahwa data SWOT mungkin merupakan pelengkap yang menjanjikan untuk memperkirakan kecepatan gelombang aliran. Bersama-sama, data dari SWOT dan pengukur memberikan pandangan yang lebih komprehensif secara spasiotemporal tentang gelombang aliran dan dinamikanya. Dalam beberapa kasus, hidrograf spasial SWOT bahkan dapat menggantikan hidrograf pengukur. Misalnya, kami menerapkan substitusi ruang-waktu menggunakan filter digital pada hidrograf spasial SWOT, yang menunjukkan pemisahan aliran dasar spasial pertama yang diketahui. Sementara kami menunjukkan potensi partisi hidrograf dengan SWOT di sini, kami menyadari bahwa kesalahan dapat muncul dari proses pemisahan aliran dasar dan hasilnya dapat bervariasi di antara berbagai pendekatan. Investigasi lebih lanjut tentang topik ini juga diperlukan untuk memahami dan mengkarakterisasi kurva resesi hidrograf spasial.
Sebagai manfaat dari cakupan global SWOT, metode kami dapat diterapkan untuk mempelajari gelombang aliran di sungai-sungai di seluruh dunia, bahkan yang memiliki data pengukur yang jarang dan terbatas (Riggs et al., 2023 ). Pendekatan kami untuk mengukur panjang kejadian dan mempartisi aliran dasar dengan SWOT berlaku untuk jangkauan sungai yang tidak diukur, karena mereka menggunakan data pengukur hanya untuk validasi opsional. Sementara metode kami untuk memperkirakan kecepatan memerlukan pengukuran SWOT dan pengukur, kumpulan pengamatan SWOT yang berkembang dapat mengurangi ketergantungan pada data in-situ. Misalnya, mungkin untuk mendokumentasikan dua pengamatan gelombang aliran yang sama dan dengan demikian memperkirakan kecepatan dari data SWOT saja, yang dapat meningkatkan model aliran sungai untuk sungai-sungai yang datanya jarang. Pengukuran SWOT yang berkesinambungan secara spasial bahkan dapat memberikan wawasan baru untuk sungai-sungai dengan jaringan pengukur yang mapan, karena jarak antara pengukur dapat membatasi deteksi gelombang aliran. Selain itu, satelit tersebut masih dapat digunakan untuk menangkap dan mendokumentasikan banyak kejadian kecil yang mungkin sulit diukur menggunakan pendekatan kami, karena SWOT diperkirakan merekam sekitar 55% banjir global selama masa hidupnya (Frasson et al., 2019 ).
Meskipun SWOT membawa kemajuan, beberapa keterbatasan spasial dan temporal dapat membatasi kemampuannya untuk mendeteksi dan mengamati gelombang aliran. Pertama, SWOT mengumpulkan data pada jalur selebar 120 km (Fu et al., 2024 ), yang menunjukkan bahwa beberapa gelombang aliran, khususnya di dalam sungai yang mengalir tegak lurus dengan jalur pengamatan, mungkin terlalu panjang untuk ditangkap oleh satu jembatan layang SWOT. Misalnya, gelombang aliran Sungai Ocmulgee (Gambar 2b ) dapat meluas lebih jauh ke hilir daripada jejak pengukuran SWOT pada 12 Maret, yang berpotensi memotong estimasi panjang spasial dan kontribusi aliran dasar kejadian tersebut. Keterbatasan lainnya adalah orbit pengulangan SWOT selama 21 hari dan resolusi temporal yang dihasilkan, karena karakterisasi kejadian aliran puncak secara akurat dengan data satelit bergantung pada frekuensi pengambilan sampel (Cerbelaud et al., 2024 ). Sebagian besar lokasi di Amerika Serikat yang bersebelahan diamati setiap 7–10 hari karena tumpang tindih dalam swath SWOT, tetapi gelombang aliran diperkirakan membutuhkan median enam hari untuk mencapai outlet yang melaju dengan kecepatan maksimum (Allen et al., 2018 ). SWOT hanya mencatat sebagian kecil dari kejadian ini karena gelombang mungkin naik dan mencapai outlet di antara dua pengamatan berturut-turut. Faktanya, SWOT diperkirakan hanya menangkap puncak sekitar 8% dari kejadian debit tinggi yang dicatat oleh pengukur USGS (Nickles et al., 2019 ). Secara keseluruhan, contoh kami kemungkinan merupakan kasus “Goldilocks”: gelombang yang lebih pendek (misalnya, Gambar 2c ) sering kali terlewatkan oleh SWOT, sementara gelombang yang lebih panjang (misalnya, Gambar 2a ) tidak akan diamati secara lengkap. Gelombang yang sangat panjang dan denyut skala musiman akan ditangkap selama banyak lintasan dan dengan demikian sulit untuk diukur secara individual dengan swath SWOT tunggal.
Pengamatan gelombang aliran juga dibatasi oleh gangguan dan kesalahan dalam data SWOT itu sendiri, yang dapat memengaruhi kalkulasi profil referensi, menimbulkan bias pada hidrograf spasial, dan memengaruhi estimasi properti kejadian (Gambar S3 dalam Informasi Pendukung S1 ). Dalam beberapa kasus, mendeteksi dan melacak sinyal gelombang aliran mungkin sulit karena penyimpangan ketinggian sungai yang disebabkan oleh keberadaan air gelap, singgah, koherensi interferometri rendah, masalah pembongkaran fase, atau kalibrasi crossover yang mencurigakan. Karena masalah ini sangat lazim dalam pengukuran lebar sungai SWOT (Gasnier et al., 2024 ), kami tidak menganalisis data lebar di sini, tetapi karena kesalahan berkurang dengan siklus pemrosesan ulang berikutnya, lebar sungai dapat memberikan petunjuk yang berguna ke dalam variasi skala halus dalam elevasi air. Secara keseluruhan, untuk memahami dan menggunakan data SWOT secara efektif, pemfilteran dengan bendera kualitas merupakan langkah pemrosesan data yang penting. Untuk menyimpan data yang cukup untuk analisis ini, kami hanya menghapus simpul dengan kualitas terendah (Tabel S1 dalam Informasi Pendukung S1 ) tetapi mengakui bahwa rutinitas penyaringan yang berbeda mungkin sesuai karena data SWOT mengalami pemrosesan ulang lebih lanjut. Komprominya adalah bahwa estimasi Bayes untuk pengukuran yang hilang memiliki ketidakpastian yang lebih tinggi, yang berpotensi menyebabkan artefak dalam hidrograf spasial (Gambar S4 dalam Informasi Pendukung S1 ).
Studi ini menyajikan analisis pertama yang diketahui dari gelombang aliran yang merambat ke hilir menggunakan pengamatan berulang dari data penginderaan jarak jauh yang berkesinambungan secara spasial. Kami mengakui bahwa pendekatan empiris kami sederhana dan bahwa menggunakan WSE sebagai pengganti aliran menjadi rumit oleh perambatan gelombang non-linier (Garambois & Monnier, 2015 ) dan histeresis antara tahap dan debit (Holmes, 2016 ). Oleh karena itu, analisis ini dapat diperkuat dengan menggabungkan nilai debit dari pengukur, model, atau produk debit turunan SWOT sendiri, yang dijadwalkan akan tersedia sekitar 1 tahun setelah selesainya fase misi kalibrasi/validasi (Durand et al., 2023 ). Bahkan tanpa data debit, produk WSE SWOT sendiri merupakan alat yang ampuh untuk mempelajari dinamika aliran puncak di sungai-sungai global. Pengamatan baru ketinggian sungai dengan SWOT menyediakan cara untuk memperkirakan parameter gelombang aliran secara akurat, dan dikombinasikan dengan data in-situ, pengamatan ini akan berkontribusi pada analisis skala regional dan global dari peristiwa gelombang aliran. Dengan kumpulan data dari banyak pengamatan gelombang aliran selama masa misi nominal SWOT selama 3 tahun, pendekatan yang disajikan di sini dapat diterapkan di seluruh dunia untuk memahami faktor-faktor yang dapat memengaruhi sifat gelombang. Secara kolektif, informasi ini dapat membantu meningkatkan perutean aliran dan model banjir serta meningkatkan estimasi seberapa banyak air yang mengalir melalui sungai-sungai di dunia.
5 Kesimpulan
Kami mengembangkan profil gelombang aliran yang menjalar ke hilir dengan data SWOT untuk menunjukkan bagaimana pengukuran WSE satelit yang berkesinambungan secara spasial dapat digunakan untuk mengkarakterisasi fenomena hidrologi di atas ruang. Kami menggunakan data ini untuk mengembangkan representasi hidrograf baru dari perubahan muka air sungai di atas jarak ke hilir (pada skala waktu hari hingga minggu) untuk mempelajari sifat gelombang aliran, termasuk panjang kejadian dan persentase aliran dasar. Selain itu, kami menunjukkan bagaimana hidrograf spasial ini dapat melengkapi data in-situ untuk menentukan estimasi kecepatan gelombang. Pekerjaan kami membuka pintu bagi wawasan baru tentang perambatan gelombang aliran, morfologi, kecepatan, dan banjir. Upaya di masa depan dapat memanfaatkan kumpulan data SWOT yang berkembang untuk mengkarakterisasi gelombang aliran sungai dengan lebih baik dan memperkirakan prevalensinya, khususnya di dalam cekungan yang tidak terukur. Karena perubahan iklim mengubah frekuensi banjir secara global (Hirabayashi et al., 2013 ), upaya ini dapat membantu menetapkan garis dasar untuk perambatan gelombang aliran saat ini untuk mengevaluasi dampak masa depan dari perubahan dinamika kejadian di sungai-sungai besar di seluruh dunia.
