退水区是指由于水位波动而周期性或偶尔暴露在外的湖泊、水库和河流周围的区域。这些生态系统的动态特性使它们特别脆弱，容易受到自然和人为干扰的影响。退水区在支持生物多样性、水净化和碳排放方面发挥着重要作用（Liao等人，2024年；Qin等人，2025年）。为了理解和量化这些多功能过程，准确描述退水地形至关重要。此类信息有助于研究水能平衡（Mishra等人，2010年）、水质（Lindim等人，2011年）、沉积物量化（Selvabalan等人，2019年）和生物地球化学循环（Heathcote等人，2015年），以及管理任务，如水淹没制图（Shin等人，2019年）和水资源储存监测（Li等人，2021年；Xiao等人，2023年）。除了这些特定领域的应用外，高效检索退水地形对于制定应对日益增加的环境压力的气候适应性和可持续淡水治理全球策略也至关重要（Woolway等人，2020年）。
重建湖泊退水地形主要依赖于四种方法：（1）现场水深测量，可以捕捉完整的水下地形；（2）现有的全球数字高程模型（DEM），通常由InSAR或立体摄影测量获得，包括常用的数据集如SRTM DEM、ASTER GDEM和TanDEM-X（Li等人，2021年；Weekley和Li，2022年；Zhang和Gao，2020年）；（3）利用时间匹配的水位和水域范围的水线方法（Feng等人，2011年；Tan等人，2022年）；（4）基于多源遥感数据的机器学习方法（Du等人，2025年；Qiao等人，2025年）。现场测量可以提供高精度和完整的水下地形，但其高昂的成本和低效率限制了其在大尺度上的应用。第二种方法基于全球DEM产品，具有广泛的空间覆盖范围，但其静态采集特性限制了其在低水位时捕捉退水地形的能力，导致暴露的过渡带被低估（Liu等人，2024年）。水面方法充分利用了遥感卫星的大规模、低成本观测能力，实现了动态监测。然而，它有两个主要限制：首先，高度计卫星的空间覆盖范围有限，不利于观测小型和中型湖泊；其次，忽略水面的自然坡度会导致重建误差（Zhang等人，2025年）。至于使用流行的机器学习算法重建的水下地形，这些方法往往由于依赖大量数据样本进行预测而面临细节表现不自然的问题。因此，迫切需要一种高效且可扩展的方法，能够在保持广泛空间覆盖范围的同时实现高精度的退水地形重建。
最近发射的“地表水和海洋地形”（SWOT）卫星配备了Ka波段雷达干涉仪（KaRIn），为捕捉水面及其相邻退水区的精细高程变化提供了前所未有的机会。其高分辨率、宽幅观测为捕捉动态陆水过渡区的精细地形变化提供了新的可能性（Wang等人，2025年）。最近的研究表明，SWOT在高频监测水位动态方面具有巨大潜力（Laipelt等人，2025年；Maubant等人，2025年；Wu等人，2025年；Xiong等人，2023年），并可用于分析水文机制（Jiang等人，2025年；Ming等人，2025年；Zhan等人，2025年）。此外，KaRIn观测已被证明可以获取陆水过渡带的高程，并已成功应用于潮间带地形测绘（Salameh等人，2024b）。这一技术突破表明，SWOT在重建湖泊退水地形方面也有类似的潜力，可能成为全球湖泊水深数据库的重要补充。通过整合SWOT的广泛空间覆盖范围、高分辨率高程数据和频繁重访能力，现在可以弥合水文和地貌测量之间的长期观测差距，从而支持更全面的湖泊监测和过程建模（Keller等人，2021年；Ma等人，2024年；Qin等人，2025年）。然而，现有的基于SWOT的地形重建方法仍然受到单一数据源和插值驱动表面的限制，这可能会传播不确定性并过度平滑地形变化，从而降低精度和表示地形细节的能力。因此，需要一种有效的方法，充分利用SWOT观测的优势，同时整合多源遥感数据，以实现更完整和准确的退水地形重建。
为了解决这一难题，我们首次应用SWOT观测数据重建退水地形，并开发了一种新的空间迭代滤波与加权平均融合（SIF-WAF）方法。该方法在十个具有不同地貌和水文变化特征的全球研究地点进行了严格评估。通过与ICESat-2数据集的对比，验证了SIF-WAF方法在使用SWOT栅格数据重建退水地形以及通过重建地形进行水位监测方面的有效性。此外，我们还评估了SWOT在全球范围内重建退水地形的潜力，并提出了整合全球公共DEM的策略。通过引入SIF-WAF方法，本研究有效克服了传统基于高度计观测的空间和时间限制。本研究突显了SWOT在提供近乎无缝的空间覆盖范围和促进长期湖泊水量预算评估方面的能力，特别是在气候和人为压力不断增加的背景下。重建的地形显示出增强全球湖泊淹没和储存变化监测的强大潜力，为不同地区的水资源可持续管理提供了宝贵的见解。
