基于多源卫星数据的大型湖泊水量变化估计与时空分析

The study on lake water volume variation, which is based on spaceborne multi-sensor observations, has become one of the hot and advanced issues in the field of Geoscience. Deep understanding of water volume spatio-temporal variation characteristics has important and scientific significance for the sustainable use of water resources and environmental protection. Some of the challenges, like nonoptimal determination of regularization parameter in ELM classifier for remote sensing image, environmental difference of models of water volume variation estimation based on water level and water surface area, the low spatial resolution of satellite gravimetry data on inversing water storage changes, call for optimal solutions and further researches. Therefore, this study is going to investigate the spatial and temporal variation of water volume for large scale lakes, and explore optimally data assimilation approaches based on space multi-sensor data such as satellite remote sensing imagery, satellite altimetry and satellite gravimetric observations. The main contents of the study include: to construct an optimal regularization wavelet ELM classification model, to build up a water volume variation estimation model based on satellite remote sensing imagery and satellite altimetry data, and to set up an optimal combined adjustment method for estimating water storage changes by using of satellite gravimetric observation. Taking Lake Victoria, which is the largest lake in Africa and the second lake in the world, as case study, the developed theory and adopted approaches in this proposal will be validated. To get rid of the limited knowledge of hydrological evidence and underwater topographic measurement, this study aims to capture the spatial and temporal dynamics with help of space data, to establish reliable methodology of water volume estimation, and finally to optimally evaluate the process of water volume variation. Consequently, the observations on water volume variation estimation by spaceborne sensors could be approved to be an alternative to in-situ measurements.

多源卫星数据的湖泊水量变化研究已成为国际地学领域的研究前沿和热点。深刻理解湖泊水量的时空变化特征，对水资源可持续利用及环境保护具有重要的科学意义。针对遥感影像的ELM分类器设计中正则化参数的确定方法并非最优、水表面积结合水位的水量变化估算模型的环境差异性、卫星重力反演小区域水储量变化的分辨率不足等问题，本项目拟联合卫星遥感、卫星测高和卫星重力等观测数据，突破多源数据综合分析的关键技术和方法，开展大型湖泊的水量变化估计与时空分析研究。主要内容包括：遥感影像的最优正则化小波ELM分类模型构建；联合遥感影像与卫星测高数据的水量变化估计模型建立；重力卫星数据的湖泊水储量变化最优联合平差模型构建；以非洲第一、世界第二大湖维多利亚湖为例，实证本项目的理论与方法。研究旨在不依赖地面水文观测、水下地形数据，从空间数据综合分析的角度建立大型湖泊水量变化的可靠性估计理论与方法，实现水量变化时空历程的精确重建。

针对当今地学研究的两大主题：全球变化与可持续发展，利用多源卫星数据对大型湖泊的水量变化进行了长时间序列的监测，并深入分析了湖泊及周边流域的时空变化特征以及对全球气候变化和人类活动的响应。本项目联合卫星遥感、卫星测高和卫星重力等对地观测数据，突破多源数据综合分析的关键技术和方法，开展了大型湖泊的水量变化估计与时空分析研究。主要内容包括：.（1）完成了遥感影像的A最优正则化ELM（A-ELM）分类模型构建，通过四组不同区域遥感影像对比实验，证明了改进的A-ELM方法在遥感影像分类应用中具有准确度和效率上的优越性；.（2）以维多利亚湖为例，联合光学遥感影像获取的水表面积序列与多源卫星测高数据处理获得的水位高程序列，进行了水表面积-相对水高、相对水高-相对水量估计的回归分析，构建了维多利亚湖“水表面积-水位-水量”的最佳拟合关系模型用于相对水量的估算，并分析了2000-2019年的维多利亚湖水量年周期、月周期和湖泊水量变化周期的多时间尺度的时空变化规律；.（3）完成了重力卫星数据的湖泊水储量变化最优联合平差模型构建，使用改进的最小二乘法进行了维多利亚湖水量变化估算，并将结合光学遥感影像与卫星测高数据联合估算的水量变化结果，与基于重力卫星数据反演得到的水储量变化估算结果进行对比验证，取得了较好的一致性；.（4）在多尺度水量时空变化分析的基础上，结合降水、蒸发、厄尔尼诺事件以及土地覆被、人口和夜间灯光数据，分别从气候变化和人类活动两个方面定量分析了维多利亚湖水量变化的驱动因素。.本研究在不依赖地面水文观测、水下地形数据的前提下，完成了从空间数据综合分析角度下，大型湖泊水量变化的可靠性估计理论与方法的建立，实现了水量变化时空历程的精确重建。通过多时空尺度的水量变化规律研究，以及对气候变化和人类活动影响的响应分析，为水文分析、水资源管理，以及包括水资源在内的区域环境保护与可持续发展提供了科学依据，也具有重要的实用价值。

内容获取失败，请点击重试