| 基于水文模型 | Getirana等[21]
(2013年) | ENVISAT/350 m/35 d | 南美洲亚马孙河 | 在水文模型参数率定时采用雷达测高数据能得到模型合理参数 |
| Liu等[22](2015年) | Landsat/30 m/16 d
ENVISAT/350 m/35 d | 北美红河 | 此方法能够估算大型无资料地区河流的流量 |
| Sun等[23](2018年) | QuickBird/0.6 m/4~6 d
IKONOS/0.58 m/3 d
WorldView-1/0.81 m/1.7 d | 中国雅砻江 | 仅基于高精度遥感河宽数据校准的水文模型能够估算河道流量 |
| 基于经验回归方程 | 水位-流量经验曲线法 | Kouraev等[27]
(2004年) | TOPEX-Poseidon/600 m/10 d | 北极鄂毕河 | 卫星测高数据可以估算大型流域的部分河道流量演算 |
Birkinshaw等[30]
(2010年) | ERS-2/30 m/35 d
ENVISAT/350 m/35 d | 亚洲湄公河 | NSE介于0.823~0.935之间 |
Papa等[31]
(2012年) | Jason-2/12.5 m/10 d | 亚洲恒河和雅鲁藏布江 | 平均误差为13%和6.5% |
| 河宽-流量经验曲线法 | Smith等[36](2008年) | MODIS/250 m/8 d | 俄罗斯勒拿河 | 在河流长度足够长时,可以将建立的河宽-流量关系曲线延用到河流其他位置 |
Pavelsky等[37]
(2014年) | RapidEye/5 m/1 d | 北美塔纳诺河 | 相对误差为6.7% |
Elmi等[38]
(2015年) | MODIS/250 m/8 d | 非洲尼日尔河 | 改进河宽-流量经验曲线算法不需要流量数据与卫星图像同步观测 |
| C/M信号法 | Brakenridge等[39]
(2007年) | AMSR-E/25 km/16 d | 全球57 条河流 | 基于被动微波遥感亮度温度的C/M信号法能够估算河流流量 |
Tarpanelli等[40]
(2013年) | MODIS/250 m/8 d | 欧洲波河 | 基于光学遥感数据的C/M信号法可以估算中型流域流量 |
| Li等[46](2019年) | Landsat/30 m/16 d | 中国黑河 | 基于C/M信号法发展出MPR法,能够估算小河流流量 |
| AMHG法 | Gleason等[48]
(2014年) | Landsat/30 m/16 d | 全球34 条河流 | 相对均方根误差介于26%~41%之间 |
| Rao等[49](2020年) | ResourceSat/23 m/24 d
Landsat/30 m/16 d | 印度4 条河流 | NSE介于0.8~0.89之间 |
Mengen等[50]
(2020年) | Sentinel-1/10 m/6,12 d | 亚洲湄公河 | 采用SAR卫星遥感数据,相对均方根误差为19.5% |
| 多水力特征参数经验法 | Birkinshaw等[53]
(2012年) | ERS-2/30 m/35 d
ENVISAT/350 m/35 d
Landsat/30 m/16 d | 亚洲湄公河和北极鄂毕河 | 联合水位、河宽和河道坡度估算流量,NSE介于0.86~0.9之间 |
Sichangi等[55]
(2016年) | MODIS/250 m/8 d
10 个测高卫星数据 | 全球8 条河流 | 使用卫星反演水位和有效河宽估算流量,NSE介于0.60~0.97之间 |
Bjerklie等[54]
(2018年) | Jason-2/12.5 m/10 d
ICESat/70 m/91 d
Landsat/30 m/16 d | 北美育空河 | 采用曼宁公式和普朗特卡门公式2种物理流阻方程估算流量 |
Yang等[4]
(2019年) | 航空遥感(无人机) | 中国新疆10 条河流 | 坡度-面积法与无人机遥感技术结合,能够估算无资料地区河流流量 |