湖盆地形反映了湖泊的成因与演化，决定了湖泊的可蓄水量，同时也在湖泊生物地球化学循环过程中扮演重要角色。现有卫星遥感技术能够实现对水面以上区域的高精度测绘，但对于水下区域，无法直接测量其三维形态。传统利用船载声呐获取水深数据的调查方法，也面临效率低、成本高等现实问题。湖泊水下地形信息的匮乏是开展大尺度湖泊水资源量估算与变化监测的重要瓶颈。  

　　针对以上问题，中国科学院南京地理与湖泊研究所宋春桥研究员课题组结合多种卫星遥感资料和实地观测手段，从挖掘已有地形数据在湖泊水域变化区的可用性和优化湖泊水下地形测量方案两个方面开展了具体研究，相关成果近期发表在Remote Sensing of Environment与Journal of Hydrology等期刊，刘凯副研究员为论文第一作者。  

　　研究利用2000年2月采集的全球数字高程模型数据SRTM DEM其采集时间早、数据精度高且连续分布等优势，揭示和定量评估了SRTM DEM在绘制湖泊动态变化区域的三维地形及水位变化监测中的应用潜力。首先基于全球地表水遥感制图产品JRC GSW和GLAD数据，研究构建了1984年以来全球湖泊最大水域范围（历史水淹最大状态）数据（空间范围54 S-60 N，与SRTM DEM覆盖范围一致）；以该数据作为空间参考基准，研究定量评估结果表明：研究范围内的125,542个湖泊（>1 km²）共有15.95%的水域范围在SRTM DEM数据采集时未被淹没，这些区域的地形信息可通过SRTM DEM直接获取，其中约有13%的湖泊其超过50%的最大水淹区域可通过SRTM DEM获取有效水下地形信息；水下地形高可用度的湖泊主要集中在青藏高原、印度、中国东部以及亚马逊平原等区域，水域范围在年际尺度上的大幅扩张和季节性尺度上的大幅变化以及新修筑水库蓄水等都是造成SRTM DEM高可用性的重要原因。  

图1 湖泊最大水域范围在SRTM DEM上暴露比例的空间分异及典型区域放大图

　　基于SRTM DEM获取的湖泊水下地形信息，结合不同时相的湖泊水岸线，可以构建湖泊水位与水量变化时间序列，以弥补现有卫星测高数据在时空覆盖度方面的不足。虽然2022年12月发射地表水和海洋地形(SWOT)地球观测卫星将极大的提升对全球地表水体的覆盖范围和水面高程的测量精度，但仍无法应用于SWOT观测时段之外的湖泊变化监测。本研究提出联合SRTM DEM和SWOT观测数据用于湖泊水位与水量变化时间序列重建的研究思路，通过发挥不同时期遥感观测的协同监测集成优势，在更长时间尺度上揭示湖泊水文水资源变化的时空特征。  

图2 联合SRTM DEM和SWOT开展湖泊水位水量变化监测示意图  

　　不同时相采集的数字高程模型数据可以绘制湖泊水域变化区域的地形信息，但针对湖泊永久水体区域的水下地形建模，实地测量仍是最主要手段。本研究提出一种在少量实测数据约束下湖泊水下地形建模方法，旨在克服传统全湖覆盖的测量方案的高成本和低效率。该方法核心思想是：湖盆地形作为一个整体，水下部分的未知地形与湖岸周边裸露地形间具有空间自相关性，通过挖掘湖泊水深与所处空间位置、岸线形态、湖滨带地形等因子的相关性，可实现对全湖水深的空间推测。具体实施时，可沿湖泊长轴中轴线或其他重点区域开展水深实测，收集具有空间代表性的实测样本；进而构建基于机器学习算法的水深推测模型，最终完成对全湖水下地形的高精度建模并实现水量及其变化的估算。该方法在青藏高原典型湖泊的实验表明：在减少80%以上野外实测工作的情况下，所估算的湖泊总水量平均误差可控制在20%以内。该方法有效平衡了湖泊水下地形测量的精度与效率，在大区域尺度湖泊蓄水量估算中具有重要应用潜力，目前已在中国地质调查局组织开展项目中应用和推广使用。  

图3 基于少量实测数据和机器学习算法构建湖泊水下地形示意图（a）及典型湖泊建模效果（b）与精度评价结果（c）  

　　以上研究成果得到了国家重点研发计划项目、中国科学院先导A计划、国家自然科学基金委面上项目、研究所自主部署项目和中国地质调查局委托业务等共同资助。  

　　论文信息：  

　　Liu K, Song C*, Zhao S, et al., Mapping inundated bathymetry for estimating lake water storage changes from SRTM DEM: A global investigation[J]. Remote Sensing of Environment, 2024, 301: 113960.  

　　Liu K, Song C*. Modeling lake bathymetry and water storage from DEM data constrained by limited underwater surveys[J]. Journal of Hydrology, 2022, 604: 127260.  

　　Liu K, Song C*, Zhan P, et al., A Low-Cost Approach for Lake Volume Estimation on the Tibetan Plateau: Coupling the Lake Hypsometric Curve and Bottom Elevation[J]. Frontiers in Earth Science, 2022, 10: 925944.