基于遥感与水文模型的哈拉湖流域湖泊水量变化归因分析
文献类型：学位论文
| 作者 | 郑冬雪 |
| 答辩日期 | 2025-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 吕爱锋 |
| 关键词 | 湖泊蓄变量 多源遥感数据 时空融合 水文模型 无测站流域 |
| 学位名称 | 硕士 |
| 学位专业 | 自然地理学 |
| 英文摘要 | 青藏高原被誉为“亚洲水塔”，其湖泊的水文变化对于区域气候变化、生态环境以及水资源管理具有重要意义。然而，由于高原地区地理环境恶劣、观测站点稀少，许多湖泊流域缺乏实测数据，导致湖泊水量变化的研究面临挑战。近年来，遥感技术的快速发展为湖泊水量变化监测提供了新的可能性，尤其是基于卫星测高、光学影像以及多源遥感数据融合方法，在湖泊面积、水位和蓄水量估算方面取得了显著进展。然而现有研究主要集中于大型湖泊，对于缺乏实测数据的中小型湖泊，其水量变化的时空精细化分析仍较为有限。同时，湖泊蓄水量（Lake Water Storage Change, LWSC）的变化不仅受气候变化的影响，还与流域径流、蒸散发等水文过程密切相关。如何在无测站流域准确耦合湖泊水量变化与流域水文过程，仍是当前研究的难点之一。因此，本研究针对青藏高原的典型无测站湖泊流域——哈拉湖，结合多源遥感数据、时空融合方法及水文模型，系统探讨湖泊蓄水量的变化特征，并解析其主要驱动因素，以期为缺资料湖泊水文过程研究提供科学依据。 本研究首先基于光学遥感影像（Landsat、MODIS等）和卫星测高数据（ICESat、CryoSat-2等），提取哈拉湖的水面面积和水位信息，并利用水位-面积关系曲线构建湖泊蓄水量估算模型。在此基础上，提出深度学习的时空融合方法（MosaicFormer），对湖泊水面信息进行高时间分辨率重建，以提升湖泊水量变化的监测精度。同时，本研究引入了SWAT（Soil and Water Assessment Tool）水文模型，使用遥感蒸散发产品（MOD16、ERA5等）替代实测径流数据对模型进行率定，并构建湖泊水量平衡关系，量化降水、径流、蒸散发等对湖泊水量变化的贡献。此外，研究采用机器学习方法（CatBoost回归模型）结合SHAP（Shapley Additive Explanations）解释性分析，进一步探讨气象因子（降水、气温、风速等）对湖泊水量变化的影响程度。最终，本研究建立了一种基于遥感数据与水文模型耦合的湖泊水量变化归因分析框架，为其他无测站湖泊的水文过程研究提供了可借鉴的方法。本文的主要结论如下： （1）在年尺度上，2000-2020年间湖泊面积和水位呈上升趋势，哈拉湖向外扩张，湖泊水量波动明显但总体增加，共增长了26.3167×108 m3，2015-2020年间湖泊蓄变量最大，与湖泊面积与水位增大的趋势相符。使用TPDC_LWSC v2.0数据验证本研究所得结果，哈拉湖的蓄变量变化趋势与TPDC_LWSC产品略有不同，虽整体都呈上升趋势，但在2005年-2010年二者趋势相反，在2010-2015年和2015-2020年间，两个结果的趋势相同，且差异微小。在月尺度上，本研究提出了一种基于深度学习的MosaicFormer时空融合模型，该方法能够有效提升月尺度哈拉湖水面面积的提取精度，并显著提高湖泊蓄水量的估算精度。使用GSW数据集提取的湖泊面积计算得到的蓄变量验证本研究所得的月尺度蓄变量，二者显示出较强的线性相关性，R²值为0.877，显示出较高的拟合度；RMSE为0.832，表明模型的误差较小，预测结果较为准确；95%置信区间验证了回归模型的可靠性，大部分数据点落在此区间内，预测范围准确。 （2）哈拉湖流域内影响径流与蒸发的关键参数包括土壤有效水分容量（SOL_AWC）、融雪阈值温度（SMTMP）和最大融雪因子（SMFMX）。使用蒸发产品对SWAT模型进行校准和验证，校准后的模型模拟结果与实测数据的R²值普遍大于0.8，表明模拟的高精度；通过代入湖泊蓄变量的水量平衡方程所获取的径流也与模型模拟径流有较强的相关性（年尺度：R²=0.706，RMSE=0.238，月尺度：R²略低于0.6），证明了在缺资料流域使用水文模型进行径流模拟的可能性，也证明了本研究计算所得的年、月尺度湖泊蓄变量的可靠性。在气象因子中，降水对流域径流的影响最显著，约占75%。其次是温度（18%），而相对湿度、太阳辐射和风速的影响较小，合计不到10%。 （3）2000-2023年间，哈拉湖流域的径流、降水、蒸发等气象因素呈现强烈的季节性波动。春夏季节径流和降水值达到峰值，而蒸发量则呈现较明显的下降趋势；气温总体上呈上升趋势，特别是在2021年后表现出明显的升高。降水量在2000-2024年间显著增加，特别是2006-2010年间幅度较大。湖泊面积是哈拉湖水量变化的主要决定因素，水分盈亏差值（PE_diff）、平均气温（Tavg）和降水（P）对预测有显著影响，SHAP值分别为0.19、0.18和0.17，表明它们对湖泊蓄水量变化的贡献较大，在一定程度上直接影响了湖泊蓄水量的变化；构造变量Runoff_ratio和原始径流量Runoff亦具有非忽略的重要性，其中位于湖泊西南部的1、2和3号子流域对蓄水量变化的影响最为显著，位于湖泊东北部的4、5和6号子流域对蓄水变化的贡献较小；风速（Wind_Speed）、水汽压（Vap）蒸发量（E）等变量在平均SHAP值上相对较低，但蜂群图显示其对模型预测在特定条件下仍存在边际影响。 综合来看，本研究通过遥感数据、时空融合技术和水文模型的结合，为缺资料湖泊流域的水量变化研究提供了一种新方法。研究不仅提升了湖泊水量变化的监测精度，也在无测站流域实现了水量平衡的模拟和归因分析。未来研究可进一步结合更高精度的卫星测高数据，优化湖泊水位-面积关系模型，并探索其他数据驱动的方法，以进一步提高水文模拟的精度，为青藏高原湖泊水资源管理和气候变化适应策略提供科学支撑。 |
| 学科主题 | 自然地理学 |
| 语种 | 中文 |
| 页码 | 107 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/215710]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 郑冬雪. 基于遥感与水文模型的哈拉湖流域湖泊水量变化归因分析[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。