Topography is critical information for water resources management in lakes, and remote sensing provides a unique opportunity to estimate topography in ungauged regions. We introduce here a new method that estimates nearshore topography of water bodies based on a flood frequency map and time series of water levels by assuming the equivalence between flood frequency and water level exceedance probability at a given area. Test cases are performed for two lakes and 12 hydropower reservoirs using the proposed Flood2Topo app. This new application generates the bottom level pixel by pixel and level‐area‐active storage relationship directly from the topography map, without the need to fit functions. Flood extent estimates from the Landsat based Global Surface Water (GSW) data set, the current state‐of‐the‐art, were used to run Flood2Topo, together with water levels from satellite altimetry and in situ gauges. Results show bottom level root mean square deviation (RMSD) values of 18.5 and 146 cm for Lake Poopó (Bolivia) and Lake Curuai (Amazon basin), respectively. For reservoir active storage, RMSD normalized values ranged from 2% to 11% for 11 reservoirs (average NRMSD of 6.4%). The method can be applied to any seasonally flooded area using any data set. Considering the surface water occurrence map from the GSW data set, the method is applicable to 35.8% (86%) of the global seasonally flooded areas delimited by flood frequencies between 0 and 95% (99%) over 35 years. The flood frequency‐based method is a promising tool for obtaining data for hydrodynamic simulations and monitoring of ungauged water bodies.

中文翻译：

---

从洪水频率的卫星观测看湖泊的地形和主动存储

地形是湖泊水资源管理的关键信息，而遥感技术为估算未开垦地区的地形提供了独特的机会。我们在这里介绍一种新方法，该方法可通过假定给定区域的洪水频率与水位超标概率之间的等价关系，根据洪水频率图和水位时间序列估算水体的近海地形。使用建议的Flood2Topo应用程序对两个湖泊和12个水力发电站进行了测试。此新应用程序直接从地形图生成逐像素的底层像素和级别-区域-活动的存储关系，而无需拟合函数。使用基于Landsat的全球最新地表水（GSW）数据集（当前最新技术）的洪水范围估算来运行Flood2Topo，以及卫星测高仪和原位计的水位。结果显示，玻普维亚湖（玻利维亚）和库鲁艾湖（亚马逊盆地）的最低水平均方根偏差（RMSD）值分别为18.5和146 cm。对于主动水库，对于11个水库，RMSD归一化值在2％到11％之间（平均NRMSD为6.4％）。该方法可以使用任何数据集应用于任何季节性洪泛区。考虑到来自GSW数据集的地表水发生图，该方法适用于35.8％（86％）的全球季节性洪水区域，该区域在35年中的洪水频率介于0和95％（99％）之间。基于洪水频率的方法是一种有前途的工具，可用于获取用于水动力模拟和监测未吞噬水体的数据。结果显示，玻普维亚湖（玻利维亚）和库鲁艾湖（亚马逊盆地）的最低水平均方根偏差（RMSD）值分别为18.5和146 cm。对于主动水库，对于11个水库，RMSD归一化值在2％到11％之间（平均NRMSD为6.4％）。该方法可以使用任何数据集应用于任何季节性洪泛区。考虑到来自GSW数据集的地表水发生图，该方法适用于35.8％（86％）的全球季节性洪水区域，该区域在35年中的洪水频率介于0和95％（99％）之间。基于洪水频率的方法是一种有前途的工具，可用于获取用于水动力模拟和监测未吞噬水体的数据。结果显示，玻普维亚湖（玻利维亚）和库鲁艾湖（亚马逊盆地）的最低水平均方根偏差（RMSD）值分别为18.5和146 cm。对于主动水库，对于11个水库，RMSD归一化值在2％到11％之间（平均NRMSD为6.4％）。该方法可以使用任何数据集应用于任何季节性洪泛区。考虑到来自GSW数据集的地表水发生图，该方法适用于35.8％（86％）的全球季节性洪水地区，该地区在35年中的洪灾频率介于0到95％（99％）之间。基于洪水频率的方法是一种有前途的工具，可用于获取用于水动力模拟和监测未吞噬水体的数据。对于主动水库，对于11个水库，RMSD归一化值在2％至11％之间（平均NRMSD为6.4％）。该方法可以使用任何数据集应用于任何季节性洪泛区。考虑到来自GSW数据集的地表水发生图，该方法适用于35.8％（86％）的全球季节性洪水地区，该地区在35年中的洪灾频率介于0到95％（99％）之间。基于洪水频率的方法是一种有前途的工具，可用于获取用于水动力模拟和监测未吞噬水体的数据。对于主动水库，对于11个水库，RMSD归一化值在2％到11％之间（平均NRMSD为6.4％）。该方法可以使用任何数据集应用于任何季节性洪泛区。考虑到来自GSW数据集的地表水发生图，该方法适用于35.8％（86％）的全球季节性洪水地区，该地区在35年中的洪灾频率介于0到95％（99％）之间。基于洪水频率的方法是一种有前途的工具，可用于获取用于水动力模拟和监测未吞噬水体的数据。在35年中，全球季节性洪水区域的8％（86％）由洪水频率介于0到95％（99％）之间的区域界定。基于洪水频率的方法是一种有前途的工具，可用于获取用于水动力模拟和监测未吞噬水体的数据。在35年中，全球季节性洪水区域的8％（86％）由洪水频率介于0到95％（99％）之间的区域界定。基于洪水频率的方法是一种有前途的工具，可用于获取流体动力学模拟数据和监测未吞噬水体的数据。