EN中文

Journal of Geo-information Science >

2020 , Vol. 22 >Issue 7: 1510 - 1521

DOI: https://doi.org/10.12082/dqxxkx.2020.190538

Progress of the DEM Application for Studying Lake Hydrologic Dynamics

  • LUO Zhu , 1, 2 ,
  • LIU Kai 2 ,
  • ZHANG Chunkang 1 ,
  • DENG Xinyuan 3 ,
  • MA Ronghua 2 ,
  • SONG Chunqiao , 2, *
Expand
  • 1. Mining College, Guizhou University, Guiyang 550025, China;
  • 2. Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China;
  • 3. School of Remote Sensing & Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China
SONG Chunqiao, E-mail:

Received date: 2019-09-23

  Request revised date: 2020-02-27

  Online published: 2020-09-25

Supported by

Strategic Priority Research Program of the Chinese Academy of Sciences(XDA23100102)

National natural science foundation of China(41801321)

Key project of national key research and development plan(2018YFD1100101)

National natural science foundation of China(41701464)

Copyright

Copyright reserved © 2020
Fold

Abstract

：The dynamics of lake hydrology is not only an important indicator for assessing and predicting climate change, but also poses important impacts on the sustainable development of regional society, the utilization of water resources, and the construction of ecological civilization. The changes of lakes are controlled by the topography of lakeside and underwater bathymetry. Hence, the topographic information is essential to quantify the lake variations. With the development of remote sensing technology, the methods for high-resolution data acquisition at large scale have been improved largely. Currently, DEM has been widely used in the studies of lake hydrology. This study collected the related literatures based on Web of Science platform, with a quantitative analysis in terms of published time, study area and adopted datasets. Then, the research literature can be categorized in four main fields including: Lake water extent change, lake water level change, lake water volume change and lake hydrological disaster. To take full advantages of DEM, three aspects of efforts should be further paid, specifically in (1) integrating DEM with multiple other sources including remote sensing images, satellite altimetry and hydrological observations, (2) developing state-of-artdata fusion strategy by integrating digital terrain analysis and hydrological analysis, and (3) improving the performances of DEM data in resolution and accuracy for lake hydrology study. Finally, this paper discusses the key problems of DEM in lake hydrology research, and puts forward possible solutions and research prospective based on the development trend of technology and hot issues.

Key words： DEM; lake hydrology; dynamic change; climate change; lake bathymetry; lake water areas; lake water level; lake water storage

Cite this article

LUO Zhu , LIU Kai , ZHANG Chunkang , DENG Xinyuan , MA Ronghua , SONG Chunqiao . Progress of the DEM Application for Studying Lake Hydrologic Dynamics[J]. Journal of Geo-information Science, 2020 , 22(7) : 1510 -1521 . DOI: 10.12082/dqxxkx.2020.190538

1 引言

湖泊作为陆地水圈的重要组成部分,具有调节径流、提供水源和改善区域生态环境等作用[1]。湖泊的扩张和萎缩是区域气候、地质构造和人类活动等因素共同作用的结果[2],同时它也反作用于区域气候,影响局地水量平衡、气候变化和生态环境演化[3]。近年来,在全球气候变暖和人类活动的共同影响下,全球湖泊整体上呈现出较为显著的变化,但不同区域其变化的趋势、程度及其驱动机制又有较大差异。如青藏高原地区,受气候暖湿的影响,其大部分湖泊近年来持续扩张[4,5,6,7];而中亚的咸海,受到人类活动的影响近年来逐渐干涸,面积萎缩显著[8]。加强对湖泊水文变化的动态监测,对湖泊水资源利用、湖泊生态系统修复及湖泊水文灾害防治等具有重要的意义,同时作为气候变化的指示剂,厘清湖泊对气候变化的响应过程与机制,对阐明气候变化的影响和预测未来区域气候变化趋势也具有积极作用。
湖泊水文动态变化研究离不开地形信息的支撑。地表形态是自然地理的基础要素,数字高程模型（Digital Elevation Model,DEM）通过有限的地形高程采样点实现对地表形态的数字化模拟[9]。已被广泛应用与地表自然过程研究中。虽然湖泊水域的存在,客观造成了地形起伏的部分遮蔽,影响了对地表形态的连续表达,但不论是万年和百万年的时间尺度上开展的湖泊环境演变研究,还是在年际和年代际尺度上开展湖泊动态变化研究,地形均为重要的支撑要素[10,11,12]。首先,湖泊的形成离不开湖盆地形[13],一般为相对封闭可蓄水的天然洼地。其次,湖泊的演变过程受到周边地貌的控制,同时也塑造了湖滨阶地等地貌景观。此外,近年来在全球气候变化和人类活动的共同驱动下湖泊水文变化加剧,并表现出显著的区域差异性[14]。在对湖泊动态变化研究中,湖底与湖滨高程信息也必不可少。在对古湖泊研究中,高程信息主要来源于地质与地貌证据[12],通过综合运用地貌学、湖泊沉积学、测年技术等理论方法可实现对古湖泊水域、水位、水量等的估算,并重建湖泊环境演变过程[15,16,17,18]。近年来,随着计算机、地理信息及遥感等技术的发展,DEM数据的获取方式日益多样,数据精度不断提高,覆盖范围不断扩展[19,20]。高质量的DEM数据有效支撑了湖泊科学的发展,特别是在湖泊水文动态变化研究中,DEM所提供的高程信息在湖泊水域提 取[21,22]、水位计算[23,24]、水量估算[25,26,27]、水文灾害评估和预测[28,29,30,31]、湖泊流域水文地貌分析[32]等具体应用中得到广泛应用。然而,DEM数据采集的多源性及数据处理的复杂性,要求学者们必须充分理解各类DEM的数据特点及其在湖泊学研究应用中的优势与局限性。同时,DEM数据、遥感影像数据、水文观测数据等多源异构数据的融合,以及数字地形分析、水文学分析、影像分析等方法的集成等也需要深入探讨。
本文首先基于Web of Science检索平台对DEM在湖泊水文动态研究文献中的应用进行分析,主要针对发文趋势及研究热点区域,其次总结分析了DEM数据获取来源、常用的DEM数据集的数据特点及DEM在湖泊水文研究中的一些具体应用,最后针对目前DEM在湖泊研究中存在的关键问题及解决途径进行探讨。

2 研究方法与总体分析

2.1 文献综述方法

本文所分析的文献来源主要包括Web of Science核心合集、中国科学引文数据库、Current Contents Connect,将主题词设置为“DEM, Lake ”或“Digital Elevation Model, Lake”,共检索到1382篇文献,通过系统的梳理和归纳,进一步整理了250篇DEM应用于湖泊水文研究相关的文献。接下来分别从文献发表年际时间序列,文献涉及的研究区、DEM数据、DEM的具体应用、目前DEM数据应用中的局限及解决方法5个方面了解DEM在湖泊水文变化研究中的应用进展。

2.2 发文时间对比

每年发表论文数量统计如图1所示,从2000年开始,论文数量呈现持续增加趋势,并于2012年达到第一个高峰。其原因是,30 m分辨率ASTER GDEM V.2数据于2011年发布[33],作为第一套分辨率达到30m且覆盖全球的数据集,其公开发表极大地推动了相关领域的研究。同样的情况出现在2016年与2017年,随着SRTM DEM V.3[34]和ALOS AW3D 30 V.1[35]的公开,论文也有了大幅的增加,相比2014年、2015年增加了5篇左右,研究发现SRTM DEM V.3数据的公开占主要因素,2017年发表的25篇文献中SRTM DEM参与研究的就占了8篇。由此可见,随着高分辨率DEM产品的生产与开放,越来越多的学者开始将DEM应用于湖泊水文的动态变化研究。同时,随着遥感技术的发展,高分辨率的DEM数据的获取将会越来越便捷,数据质量也会越来越好,将DEM应用于湖泊水文动态研究将是未来湖泊水文动态研究的趋势。
图1 1996—2019年每年发表论文数量及全球DEM数据发布时间轴

Fig. 1 Number of literatures published every year from 1996 to 2019 and global DEM data release timeline

2.3 论文涉及研究区分析

论文涉及研究区如图2所示,论文所涉及的研究区遍及全球,早期的研究主要集中于北美洲的五大湖区及格陵兰西部,近年来逐渐开始向亚洲转移,且主要集中于国内的青藏高原、长江中下游湖区。热点区主要集中于北半球,分别有青藏高原湖区（文献数量：60）、长江中下游湖区（文献数量：19）、中亚湖区（文献数量：12）、北美五大湖湖区（文献数量：11）、诺基山脉冰湖（文献数量：7）、中东湖区（文献数量：7）、格陵兰西部冰湖（文献数量：6）、美国西部湖区（文献数量：6）、尼罗河流域湖区（文献数量：6）。热点区的分布主要与特定的区域自然环境、人类活动强弱有关。青藏高原、诺基山脉、格陵兰西部湖区常年冰川覆盖,人类活动稀少,湖泊变化主要受气候的影响,研究类型主要是全球变暖背景下湖泊变化对气候的响应,以及冰川消融引发湖泊溃决的预测与潜在危险评估等。中亚、长江中下游、北美的五大湖湖区人类活动密集,湖泊变化主要受人类活动的影响,研究类型主要是湖泊对人类活动的反馈作用,以及与湖泊相关的自然灾害对人类生命财产安全影响评估等。
图2 1996—2019年DEM应用于湖泊水文研究的相关文献所涉及的研究区域

注：散点表示具体研究区,颜色深浅程度表示了发文时间的远近,圆表示研究热点区域,颜色深浅表示发文数量的多少。

Fig. 2 Study areas involved in relevant literatures of DEM based Lake hydrology research from 1996 to 2019

2.4 文献涉及的DEM数据分析

DEM数据测量方式多样,数据采集成本、数据覆盖、分辨率、精度也存在很大差异,因此在湖泊水文变化研究中的适用性也不同。目前湖泊水文研究文献中主要涉及的DEM数据,从数据测量方式上可划分为水面测量、陆面测量、航空测量、航天遥测4类。其中水面测量、陆面测量及航空测量都需要到达研究区进行实地测量,具有高质量、高精度,高分辨率等优点,但由于其数据采集成本高,数据覆盖面小,因此在小区域尺度的湖泊水文研究中应用较为广泛。基于航天测量手段生成的DEM数据虽然在数据分辨率上存在限制,但对于人类活动稀少的地区,或者大区域尺度的湖泊水文动态研究而言,仍然是主要数据源。
近年来,随着遥感观测手段的进步,高分辨率全球DEM数据陆续公开,这些公开的数据具有覆盖范围广、使用方便等优点,在湖泊水文研究中得到了广泛的应用（表1）。湖泊水文研究中常用的高分辨率全球DEM数据主要有SRTM DEM、ASTER DEM、AW3D DWM及TanDEM-X数据,其具体信息如表1所示。研究发现,在湖泊水文动态研究中应用最多主要是SRTM DEM 与ASTER DEM数据,AW3D DEM与TanDEM-X数据应用较少。其原因是SRTM DEM数据是最早测量的,而且数据采集的时间周期短,因此对于扩张的湖泊或者新建的水库可以反映较多的湖底地形信息,其次航天遥测获取的DEM数据,在水体覆盖的区域会产生大量的异常值和空洞,SRTM DEM 与ASTER DEM数据水域都做了水掩膜处理,因此更适用于湖泊水文研究。
表1 全球常用的开放DEM数据集

Tab. 1 Commonly-used global （or near global）-scale DEM datasets

数据名称 覆盖 获取原理 测量时间 主要数据版本 数据处理 发布机构 下载地址 发布时间 分辨率/m
SRTM DEM 56°S~60° N SAR-C 波段 2000.02 SRTM V.1 未编辑 USGS http://earthexplorer.usgs.gov 2003 90
SRTM V4.1 填补空洞,对水体进行了处理 CGIAR http://srtm.csi.cgiar.org/srtmdata/ 2008 90
SRTM V.3 采用ASTER DEMs、GMTED2010、NED作为辅助数据源填补空洞、提高分辨率和精度,对水体进行了处理 NASA、USGS https://dwtkns.com/srtm30m/ 2015 30
SRTM X-SAR DEM 56°S~60° N SAR-X 波段 2000.02 SRTM X-SAR DEM 未编辑 DLR https://download.geoservice.dlr.de/SRTM_XSAR/#download 2010 30
ASTER DEM 83°S~83° N 光学传感器 2000—2011 ASTER GDEM V.1 230万张影像立体测图自动化处理 METI、NASA https://gdemdl.aster.jspacesystems.or.jp/ 2009 90
2000—2013 ASTER GDEM V.2 提高精度、分辨率及水体的准确性,减少人工误差 METI、NASA 2011 30
2000—2013 ASTER GDEM V.3 填补空洞,使用新的全球水体数据处理水体,减少水域异常 METI、NASA 2019 30
AW3D DEM 60°S~60° N 光学传感器 2006—2011 ALOS AW3D 30 V.1.0 300万张影像立体测图自动化处理 JAXAEORC https://www.eorc.jaxa.jp/ALOS/en/aw3d30/ 2016 30
2006—2011 ALOS AW3D 30 V.2.2 填补空洞,对数据质量差的区域进行修补,对海岸线进行了更新 JAXAEORC 2019 30
TanDEM-X 全球 SAR-X 波段 2010—2015 TanDEM-X 90 未编辑 DLR https://download.geoservice.dlr.de/TDM90 2018 90

注：NGDC（美国地球物理中心）;DLR（德国中央情报局）;JAXA（日本航空航天局）;JAXA EORC（日本航空航天局地球观测研究中心）;METI（日本经济产业省）;NASA（美国国家航空航天局）;NGIA（美国国家地理空间情报局）、DLR（德国中央情报局）;ASI （意大利航天署）;CGIAR（国际农业研究咨询小组）。

3 DEM在湖泊水文变化研究中的具体应用

3.1 湖泊水域变化研究

湖泊水域变化研究是湖泊水文相关研究的基础,湖泊水域面积变化是量化湖泊动态变化的重要指标[36]。从文献分析的结果来看,目前DEM在湖泊水域变化研究中的应用主要分2类：
（1）辅助遥感影像提取湖泊水域,提高提取精度;遥感技术的出现为湖泊水域信息的获取提供了有力的工具。目前湖泊水域变化研究最有效、应用最广泛的方法是基于卫星遥感影像水体反射率特性识别提取水体,识别方法有单波段阈值法、谱间关系法、指数模型法、多光谱混合分析法、遥感影像分类法等[36,37,38,39,40]。基于遥感影像反射率特性提取水体容易将阴影误判为水体,利用DEM数据可以将水体与山体阴影区分开来,从而提高湖泊水体提取的精度。剔除阴影的基本思想是过滤掉坡度较大的水体,可以直接过滤掉大于5°的水体[41],也可以结合湖面起伏判断,因为湖面在恒定水位下是一个平坦的表面,所以湖面的坡度变化是非常轻微的;阴影通常位于高山的黑暗面,那里阳光被遮挡,所以表面坡度很大,地形起伏很小。基于DEM生成的湖面表面坡度大部分小于10°,地形起伏大于0.25[42]。遥感影像提取水体非常方便、快捷,但同时也存在时间分辨率和空间分辨率不能兼顾的问题,利用高精度的DEM,通过对高程跳变的分析和修正,对高时间分辨率的低空间分辨率影像（如MODIS）提取的水线水平位置误差进行识别和调整,可以提高低分辨率提取水体的空间分辨率[43]。
（2）作为高程信息与平面信息相互转化的载体,将水域变化研究从二维空间过渡到三维空间。湖泊的空间分布直接影响湖泊水域的变化,遥感影像只能获取到湖泊水域的平面分布信息,而结合DEM则能获取到湖泊水域的垂直分布信息[44]。其次,假定湖泊水面是一个平面,DEM可以根据已知水位数据得到特定水位下的湖泊水域,将高程信息转化为平面信息[45],如图3所示。
图3 平面与高程信息相互转化示意[46]

Fig. 3 Plane and elevation information transformation diagram

3.2 湖泊水位变化研究

湖泊水位是衡量湖泊水资源和洪涝水情的重要指标,传统的湖泊水位变化监测主要是建立湖泊水文站,监测记录水位的变化情况[24],但是建立水位站要耗费大量的人力物力,尤其对于偏远地区。随着卫星测高技术的发展,利用高精度的高度观测值,可以研究湖泊水位变化,为湖泊水位变化监测提供了一种新的空间方法[47],卫星测高数据不仅能获取没有实地观测数据湖泊的高精度的水位数据,而且可以避免传统水位监测方法观测点所在位置存在垂直运动的缺陷。但是目前,测高数据用于监测湖泊水位还存在时间分辨率较低、数据覆盖范围较小等问题,大部分湖泊没办法通过测高数据获取其水位信息[48]。DEM结合湖泊矢量边界,可得到对应的湖泊的水位数据,将平面信息转化为高程信息（图3）。2011年9月,可可西里地区海丁诺尔湖溃决,从盐湖溢出的水是否会进入楚玛尔河,成为长江最北端的源头,引起了公众和学术界的广泛关注[49]。基于图3的原理,YAO利用Landsat影像获取盐湖湖泊边界,假定遥感影像采集时刻水位稳定,利用SRTM DEM通过迭代增加海拔高度值得到盐湖不同时期的水位变化,结合ArcGIS软件中的水文模型推导出盐湖与清水河流域之间的山脊线,然后通过海拔高度的模拟,模拟出湖水溢出到清水河流域时的最大范围。研究表明当盐湖面积增加到218.90 km2,对应的湖泊水位为12 m时,盐湖溢出的湖水将进入清水河流域。为了方便计算,大量研究利用DEM构建淹没区湖泊水位等级曲线,利用卫星影像图获取湖泊面积间接获取湖泊的水位信息[50,51]。

3.3 湖泊水量变化研究

湖泊储水量是衡量湖泊蓄水能力的重要指标,湖泊水量变化是影响水文循环、区域环境和气候的重要因素。湖泊水量变化研究,主要可以分为湖泊储水量的估算和湖泊水量变化的估算。
（1） 湖泊储水量的估算：由于水体的覆盖湖泊水下地形难以获取,传统的湖泊水量估算方法都是基于实测数据,实测湖泊的平均水深乘以水域面积粗略估算湖泊储水量;或者基于实测湖底地形,利用湖底DEM结合湖泊水位,迭代增加高程值估算湖泊储量,原理如下：
W = ∑ i = 1 n S i × ∆ h
式中：n为等分的单元格数量; ∆ h = ( h s - h r ) / n 为每个单元格高度;si为水面面积与高程之比 h r + ( i - 1 ) ∆ h ,此方法可在ArcMap中的3DAnalyst模块实现[52]。基于实测数据估算的湖泊储量具有较高的准确性,但是需要耗费大量的人力物力,且很多湖泊是人类不可达的。随着遥感技术的发展,利用遥感影像获取湖泊水域面积变得容易了许多,所以有学者提出利用已有资料建立区域尺度的湖泊面积-体积的经验公式,利用遥感影像获取水域面积,结合经验公式估算湖泊储量[53]。但是由于地形的差异,不同地区的湖泊形态,深度也存在很大的差异,Cook等[54]编制了一套冰川湖面积、深度和体积的综合数据集,评价了3个著名的经验公式不同环境下的使用情况,结果显示湖泊深度和面积只有中度相关性（r2值为0.38）,对于任何给定的湖泊面积,平均湖泊深度可能存在一个数量级的差异。同样,湖泊面积与体积的关系图显示r2值为0.91,但数据集中有几个明显的异常值。因此对于任何给定的湖泊面积,不同公式得出的湖水容量也可能存在数量级差异。
（2） 湖泊水量变化估算：由于湖泊水下地形复杂多样,且地形数据获取困难,所以大量研究致力于湖泊水量变化的估算,传统的基于实测的湖泊水量变化主要是计算湖泊入水量和出水量之间的差值,入湖水量一般包括湖面降水、地表径流流入和地下水补给等,出湖水量一般包括湖面蒸散量、地表径流流出以及地下水下渗等方面。但是这些参数的获取一般需要通过当地水文站的观测获取,对于很多自然条件恶劣的偏远地区的湖泊来说,这些资料的收集非常困难。遥感技术的出现使得湖泊水域面积的获取变得简便快捷,所以研究人员根据湖盆地形的特点,利用湖泊面积和水位高程变化,使用锥体体积估计方法来估算湖泊水体的体积变化,公式如下：
∆ V = 1 3 ( H 2 - H 1 ) × A 2 + A 1 + A 2 × A 1
式中： ∆ V 为湖泊从湖面高程H1和面积A1变化到高程H2和面积A2的体积变化量[55]。湖泊面积可通过光学影像获取,水位高程数据可通过激光、雷达测高数据获取,如果已知湖盆地形数据,也可以利用前面所提的利用DEM对高程信息和平面信息的相互转化的办法获取[56,57]。这个方法以其普适、简便的优点,在大区域尺度湖泊水文动态研究中得到了广泛的应用[58,59,60]。

3.4 湖泊水文灾害研究

湖泊岸坡、堤防失稳变形会引发湖泊溃决,从而引发洪水、泥石流等灾害,对下游地区人们生命财产和基础设施带来极大威胁。DEM在湖泊水文研究中的应用主要是预测潜在的爆发湖及湖泊溃决灾害评估：
（1） 冰川退缩会形成冰湖,当冰湖坝体的稳定性受到干扰或受到影响时,这些湖泊可能会部分或全部排水[61]。DEM可以用于预测冰川消融区未来可能形成湖泊的位置,由于地表坡度小于5°、坡度陡增、冰川宽度变窄、出现裂缝的区域容易形成湖泊,所以利用DEM和数字冰川轮廓识别过深的冰床可以预测未来湖泊形成的位置,从而预测潜在的洪水爆发湖。
（2） DEM结合历史爆发洪水湖泊的特点可以判断潜在的洪水爆发湖及评估湖泊溃坝风险[62]。分析历史爆发洪水湖泊的特点可以得到洪水爆发湖泊的关键因素及地形特征,包括与湖泊周围的地形特征,大坝几何形状,区域地震活动和降雨历史等,高分辨率DEM结合卫星影像进行地貌分析,可以测量大坝高度、大坝宽度、坝顶宽度、干舷宽度和平均冰碛垄坡度[31]。从历史爆发洪水湖泊的特点可知湖泊出水口是洪水最可能的溃决点,利用DEM提取湖泊出口与河流与出口渠道接缝之间的海拔差异和坡度可以判断潜在的洪水爆发湖[63]。
（3） 湖泊溃决灾害评估。2008年唐家山堰塞湖发生后,众多学者进行了堰塞湖溃决洪水演进的模拟[64,65,66]。湖泊溃决洪水分析主要是计算坝址处和大坝下游的洪水,包括坝址处的流量、下游洪水演进过程,包括坝址处的流量和水位过程线,以及下游洪水演进过程中沿程各处的流量、水位、流速、洪峰到达时间等。溃决水流的构成复杂,一般需采用水力学模型进行分析。DEM的作用主要是提供水力学模型所需参数[67],如湖泊水位库容关系,下游河道断面地形、断面间距等。利用DEM提供的地形信息结合水力学模型,可以模拟不同溃坝程度下主要断面的最高水位,并根据最高水位确定相应的洪水淹没范围。

4 DEM应用于湖泊水文变化研究的局限性分析

高分辨DEM数据的采集,无论是地面GPS测量还是无人机航测,都需要耗费大量的人力物力。随着航天遥测技术的发展,高分辨率DEM数据的获取越来越便捷,但是应用于湖泊水文研究,还存在许多局限性。首先是数据分辨率方面,相对于遥感影像,DEM数据在时间分辨率、空间分辨率上都存在较大差距;随着遥感技术、卫星测高技术的发展,更高精度的DEM数据即将公开,如第一版亚洲高山区的8 m分辨率DEM数据,以及由美国国家超级计算机应用中心（NCSA）和美国国家空间情报局（NGA）拟共同推出的覆盖全球的EarthDEM。此外新一代测高卫星SWOT以及ICESat-2等也将为湖泊动态变化研究提供重要的高程信息[68],将为DEM数据提供重要的补充。其次是数据质量的问题,无论是雷达干涉测量还是立体测图,都无法避免数据空洞、噪声等问题,不过自2003年第一版未编辑的SRTM DEM发布以来,经过十多年的发展,DEM数据空洞填补等技术都有了长足的发展。最后是水下地形数据方面,DEM数据采集无法透过水面,湖泊水下地形数据的获取仍存在较大困难,这也限制了对湖泊水量及其变化的估算研究。所以如何获取更多水下地形高程数据一直都是DEM在湖泊研究中的难点,同时也是热点问题。
以盐湖和呼伦湖为例,将常用的几套全球开放的DEM数据与水下测深获取的DEM湖盆地形数据剖面进行对比。如图4所示,ASTER DEM与SRTM DEM湖泊剖面都是水平的,且高程一致,这两组DEM对水体的处理都是基于一套水体数据集,对水体区域做了水掩膜。AW3D DEM水面起伏较大,其原因是AW3D DEM仅对水面数据完全缺失的区域做了水掩膜,未做掩膜的水域误差较大。盐湖DEM剖面对比图与预期结果不一致, ASTER DEM与SRTM DEM剖面线均低于测深数据,而且ASTER DEM数据明显异常,研究发现在青藏高原研究区ASTER DEM水体高程值确实存在负向系统偏差。对于SRTM DEM,通过查看Google Earth历史影像,得知2000年盐湖水域面积非常小,而SRTM DEM是在2000年2月采集的数据,所以SRTM DEM几乎可以表示盐湖湖底地形,同时也反映出测深数据只能在一定程度上反映湖底地形。
图4 基于DEM数据与湖泊水下测深数据的剖面对比

Fig. 4 Profile comparison between DEM data and lake bathymetry data

针对研究中如何获取更多水下地形高程数据的问题,目前主要有5种解决方法：
（1） 根据湖泊变化情况及DEM数据采集的时间选取合适的DEM数据,例如湖泊是早期形成的或者持续扩张的,可以选择早期测量的地形图数字化或者2000年2月采集的SRTM DEM数据,如果湖泊持续萎缩或者已经干涸,就可以选取后期采集数据生成的DEM参与研究。
（2） 实地测深,传统的测深技术有测深杆、测深锤等,随着测量技术的发展,目前水深测量技术应用最广泛的是回声探测仪[69,70],且测量技术也从开始的单波束测量发展到了多波束测量,其原理是利用声波的反射原理来进行测量[71]。这种方法获取到的湖底地形数据是最为准确的,但是同时也是成本最高的。
（3） 光学遥感测深,光学遥感测深可以分为主动遥感和被动遥感,主动遥感主要为机载LIDAR测深,这种方法虽然精度高,但是对于水体浑浊的区域及机载平台不可达的区域不适用[72]。被动遥感主要为光学影像水深反演[73],水底反射光信息是水深反演的主要信息来源,不同地区的水体光谱特征不同、湖底底质也不同[74,75],因此目前还没有通用的模型,需要结合实际情况分析。该方法目前在浅海领域得到了广泛的使用,湖泊水下地形应用较少。
（4） 根据湖盆DEM周边地形推测湖底地形,利用DEM确定河流网络,导出流向和流域图,沿湖泊边界定义一个缓冲区域,使用缓冲区内的DEM像素,以上游和下游河床的高程作为限制条件,沿着主干道从上自下进行线性插值[76]。
（5） 多源数据融合,结合已有资料,如地形图数据、全球开放DEM数据、测深数据、遥感影像数据、实测水位数据及测高数据等融合生成DEM[77]。例如Alka结合Landsat影像、ICESat卫星测高数据、测深数据建立了东咸海的DEM数据[59];Lian Feng利用了鄱阳湖淹没区季节性波动大的性质,结合MODIS与水位数据建立了鄱阳湖2000年至2009年每年的湖底地形数据[46]。这种方法充分利用了已有资料,综合了多种数据各自的优势,在湖泊水文动态研究中得到了广泛的应用。

5 结论

本文总结了DEM在湖泊水文动态变化研究中的主要进展,得出以下4个方面的结论：
（1） 目前在湖泊水文动态变化研究中,主要涉及的DEM数据包含了SRTM DEM、AW3D30 DEM、及TanDEM-X DEM等。随着DEM数据源的不断丰富,可获取性不断提升,相关研究论文预期将保持快速增加趋势。与此同时,理解不同DEM数据的获取方式、获取时间、数据精度、处理方式等差异,可有效发挥已有DEM的应用领域的价值并避免不同数据的局限性对研究结果所造成的影响。
（2） DEM数据在湖泊水文动态变化研究中,主要包含湖泊水域提取、湖泊水位估算、湖泊水量估算和湖泊水文灾害评估与预测4个方面,相关研究涉及到全球主要湖泊和重要湖区,如青藏高原湖区、长江中下游湖区、北美五大湖等。在现有研究内容框架下,需进一步加强和优化DEM与其他遥感观测平台、实地监测及模型模拟等多源数据的融合策略,数字地形分析与遥感分析、水文分析等不同方法的集成策略,提高对DEM数据不确定性所造成湖泊水文变化研究的偏差等重要问题的关注。
（3） 受制于数据采集方式的限制,DEM数据难以表达水面以下的湖盆地形,而仅采用湖滨地形信息对于湖泊水文动态变化研究造成较多限制。特别是对湖泊水量定量估算的研究,由于水下地形获取难度较大、成本较高,现有研究更多关注与湖泊水量的相对变化值,而较少涉及水量的绝对值的估算。目前学者们主要采用了实地测深、多时相数据融合、光学遥感光谱经验模型、空间推测等多种方法尝试构建水下地形,然而区域大尺度湖泊群的高精度水下地形数据仍较为缺乏,这也是未来该领域研究的重要突破点。
（4） 相较于遥感影像数据,DEM数据在空间分辨率和时间分辨率上仍有较大差距,随着光学遥感、卫星测高技术的发展,在大区域尺度上已有或即将有高精度的DEM数据公开,将为DEM数据提供重要的补充。在小区域尺度上,无人机平台搭载摄影测量或激光雷达装置可快速生成湖滨地带的DEM数据并得到较多应用,这也将为开展高精度的湖泊水文动态变化提供有力数据支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
拉巴, 陈涛, 拉巴卓玛, 等. 基于MODIS影像的色林错湖面积变化及成因[J]. 气象与环境学报, 2011,27(2):69-72.

[ Laba, Chen T, Labazhuoma , et al. Area change of Selincuo Lake and its form ing reasons based on MODIS data[J]. Journal of Meteorology and Environment, 2011,27(2):69-72. ]

[2]
魏善蓉, 金晓媚, 王凯霖, 等. 基于遥感的柴达木盆地湖泊面积变化与气候响应分析[J]. 地学前缘, 2017,24(5):427-433.

[ Wei S R, Jin X M, Wang K L, et al. Area change of Selincuo Lake and its forming reasons based on MODIS data[J]. Earth Science Frontiers, 2017,24(5):427-433. ]

[3]
姜丽光, 姚治君, 刘兆飞, 等. 湖泊动态变化遥感研究综述[J]. 遥感技术与应用, 2013,28(5):807-14.

[ Jiang L G, Yao Z J, Liu Z F, et al. A Review of Lake Dynamic Change Research based on Remote Sensing[J]. Remote Sensing Technology and Application, 2013,28(5):807-814. ]

[4]
Lei Y, Yang K, Wang B, et al. Response of inland lake dynamics over the Tibetan Plateau to climate change[J]. Climatic Change, 2014,125(2):281-290.

DOI

[5]
闾利, 张廷斌, 易桂花, 等. 2000年以来青藏高原湖泊面积变化与气候要素的响应关系[J]. 湖泊科学, 2019,31(2):573-589.

[ Lv L, Zhang T B, Yi G H, et al. Changes of lake areas and its response to the climatic factors in Tibetan Plateau since 2000[J]. Journal of Lake Sciences, 2019,31(2):573-589. ]

[6]
Zhang G, Yao T, Chen W, et al. Regional differences of lake evolution across China during 1960s-2015 and its natural and anthropologic causes[J]. Remote Sensing of Environment, 2019,221:386-404.

DOI

[7]
Qiao B, Zhu L, Yang R. Temporal-spatial differences in lake water storage changes and their links to climate change throughout the Tibetan Plateau[J]. Remote Sensing of Environment, 2019,222:232-243.

DOI

[8]
阿布都米吉提·阿布力克木 葛拥晓, 王亚俊, 等. 咸海的过去、现在与未来[J]. 干旱区研究, 2019,36(1):7-18.

[ Ablekim Abdimijit , Ge Y X, Wang Y J, et al. The past, present and feature of the AralSea[J]. Arid Zone Research, 2019,36(1):7-18. ]

[9]
汤国安. 我国数字高程模型与数字地形分析研究进展[J]. 地理学报, 2014,69(9):1305-1325.

DOI

[ Tang G A. Progress of DEM and digital terrain analysis in China[J]. Acta Geographica Sinica, 2014,69(9):1305-1325. ]

[10]
Bohn V Y, Gerardo M E P, Piccolo M C. Distribution and morphometry of shallow lakes in a temperate zone (Buenos Aires Province, Argentina)[J]. Limnetica, 2011,30(1):89-102.

[11]
Liu X J, Lai Z P, Zeng F M, et al. Holocene lake level variations on the Qinghai-Tibetan Plateau[J]. International. Journal of Earth Sciences, 2013,102(7):2007-2016.

DOI

[12]
Eric Fouache , S. Desruelles , Michel Magny , et al. DEM and GIS as a tool for Holocene palaeogeographical reconstructions from Lake Maliq (Abania, Basin of Korçë)[J]. Journal of Archaeological Science, Elsevier, 2010,37:525-535.

[13]
吴桂平, 刘元波, 范兴旺. 近30年来鄱阳湖湖盆地形演变特征与原因探析[J]. 湖泊科学, 2015,27(6):1168-1176.

[ Wu G P, Liu Y B, Fan X W. Bottom topography change patterns of the Lake Poyang and their influence mechanisms in recent 30 years[J]. Journal of Lake Sciences, 2015,27(6):1168-1176. ]

[14]
Yang R, Zhu L, Wang J, et al. Spatiotemporal variations in volume of closed lakes on the Tibetan Plateau and their climatic responses from 1976 to 2013[J]. Climatic Change, 2016,140(3):621-633.

DOI

[15]
Jiang Q, Ma Q, Zhou T. Reconstruction of Ulungur ancient large lake based on DEM[C]// International Conference on Information Science & Engineering. Hangzhou, China, IEEE, 2011.

[16]
Kazuyuki K, Timothy K, Joseph E B. Reconstruction of prehistoric Lake Cahuilla in the Salton Sea Basing using GIS and GPS[J]. Hydrobiologia, 2002,473(1/3):55-57.

DOI

[17]
Coz M L, Delclaux F O, Genthon P, et al. Assessment of Digital Elevation Model (DEM) aggregation methods for hydrological modeling: Lake Chad basin, Africa[J]. Computers & Geosciences, 2009,35(8):1661-1670.

[18]
乔程, 骆剑承, 盛永伟, 等. 青藏高原湖泊古今变化的遥感分析—以达则错为例[J]. 湖泊科学, 2010,22(1):98-102.

[ Qiao C, Luo J C, Sheng Y W, et al. Analysis on lake changes since ancient and modern ages using remote sensing in DagzeCo, Tibetan Plateau[J]. Journal of Lake Sciences, 2010,22(1):98-102. ]

[19]
Liu K, Song C, Ke L, et al. Global open-access DEM performances in Earth's most rugged region High Mountain Asia: A multi-level assessment[J]. Geomorphology, 2019,338:16-26.

DOI

[20]
Zhao S, Zhang S, Cheng W. Hydrologic application comparison among typical open global DEM data based on remote sensing images[M]. PeerJ PrePrints, 2018.

[21]
Chen J, Dowman I, Li S, et al. Information from imagery: ISPRS scientific vision and research agenda[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,115:3-21.

DOI

[22]
Nie Y, Sheng Y, Liu Q, et al. A regional-scale assessment of Himalayan glacial lake changes using satellite observations from 1990 to 2015[J]. Remote Sensing of Environment, 2016,189:1-13.

DOI

[23]
Edward , Park , Quinn , et al. Large lake gauging using fractional imagery[J]. Journal of environmental management, 2018,231:687-693.

DOI PMID

[24]
张涛, 吴剑锋, 林锦, 等. 基于水量平衡的博斯腾湖水位变化分析[J]. 水文, 2015(3):80-85.

[ Zhang T, Wu J F, Lin J, et al. Analysis of water level change of Bosten Lake based on water balance[J]. Journal of China Hydrology, 2015(3):80-85. ]

[25]
朱长明, 张新, 路明, 等. 湖盆数据未知的湖泊动态库容遥感监测方法[J]. 测绘学报, 2015,3:309-315.

DOI

[ Zhu C M, Zhang X, Lu M, et al. Lake storage change automatic detection by multi-source remote sensing without underwater terrain data[J]. Acta Geodaetica et Cartographica Sinica, 2015,3:309-315. ]

[26]
李涛, 吴胜军, 蔡述明, 等. Simulation analysis of the storage capacity based on DEM before and after connecting to Yangtze River in Zhangdu lake[J]. Journal of Jilin University(Earth Science Edition), 2005,35(3):351-355.

[27]
Vimal S. Modeling Lake Storage Dynamics to support Arctic Boreal Vulnerability Experiment (ABoVE)[C]// American Geophysical Union, Fall Meeting 2017,New Orleans, Louisiana, 2017.

[28]
Fan J, An C, Zhang X, et al. Hazard assessment of glacial lake outburst floods in Southeast Tibet based on RS and GIS technologies[J]. International Journal of Remote Sensing, 2019,40(13-14):4955-4979.

DOI

[29]
Lamsal D, Sawagaki T, Watanabe T, et al. Assessment of glacial lake development and prospects of outburst susceptibility: Chamlang South Glacier, eastern Nepal Himalaya[J]. Geomatics Natural Hazards & Risk, 2014,7(1):1-21.

[30]
Kamila P, Andrzej B. Impact of DEM-derived factors and analytical hierarchy process on landslide susceptibility mapping in the region of RoA1/4nw Lake, Poland[J]. Natural Hazards, 2017,86(2):919-952.

DOI

[31]
Prakash C, Nagarajan R. Outburst susceptibility assessment of moraine-dammed lakes in Western Himalaya using an Analytic Hierarchy Process[J]. Earth Surface Processes &Landforms, 2017,42(14):2306-2321.

[32]
Ai B B, Qin C Z, Ye Q, et al. An approach to extracting surface supply relationships between glaciers and lakes on the Tibetan Plateau[J]. International Journal of Digital Earth, 2018,11:1151-1165.

DOI

[33]
Meyer D J, Tachikawa T, Abrams M, et al. The ASTER global digital elevation model version 2.0 - early validation results[C]// Agu Fall Meeting. AGU Fall Meeting Abstracts,San Francisco, California, 2011.

[34]
李鹏, 李振洪, 施闯, 等. 中国地区30m分辨率SRTM质量评估[J]. 测绘通报, 2016(9):24-28.

[ Li P, Li Z H, Shi C, et al. Quality evaluation of 1 arc second version SRTM DEM in China[J]. Bulletin of Surveying and Mapping, 2016(9):24-28. ]

[35]
Caglar B, Becek K, Mekik C, et al. On the vertical accuracy of the ALOS world 3D-30m digital elevation mode[J]. Remote Sensing Letters, 2017,9(6):607-615.

DOI

[36]
王海波, 马明国. 基于遥感的湖泊水域动态变化监测研究进展[J]. 遥感技术与应用, 2009,24(5):674-684.

[ Wang H B, Ma M G. A review of monitoring change in lake water areas based on remote sensing[J]. Remote Sensing Technology and Application, 2009,24(5):674-684. ]

[37]
杨珂含, 姚方方, 董迪, 等. 青藏高原湖泊面积动态监测[J]. 地球信息科学学报, 2017,19(7):972-982.

DOI

[ Yang K H, Yao F F, Dong D, et al. Spatiotemporal monitoring of lake area dynamics on the Tibetan Plateau[J]. Journal of Geo-information Science, 2017,19(7):972-982. ]

[38]
傅晓俊, 袁琳琳, 魏翔. 基于遥感影像水体提取方法的比较与分析[J]. 测绘与空间地理信息, 2019,42(8):158-160.

[ Fu X J, Yuan L L, Wei X. Comparison and Analysis of Water Extraction Methods Based on RemoteSensing Image[J]. Geomatics & Spatial Information Technology, 2019,42(8):158-160. ]

[39]
骆剑承, 盛永伟, 沈占锋, 等. 分步迭代的多光谱遥感水体信息高精度自动提取[J]. 遥感学报, 2009,13(4):604-615.

[ Luo J C, Sheng Y W, Shen Z F, et al. Automatic and high-precise extraction for water information from multispectral images with the step-by-step iterative transformation mechanism[J]. Journal of Remote Sensing, 2009,13(4):604-615. ]

[40]
张明华. 用改进的谱间关系模型提取极高山地区水体信息[J]. 地理与地理信息科学, 2008,24(2):14-16.

[ Zhang M H. Extracting water-body information with improved model of spectal relationship in a higher mountain area[J]. Geography and Geo-Information Science, 2008,24(2):14-16. ]

[41]
车向红, 冯敏, 姜浩, 等. 2000-2013年青藏高原湖泊面积MODIS遥感监测分析[J]. 地球信息科学学报, 2015,17(1):99-107.

DOI

[ Che X H, Feng M, Jiang H, et al. Detection and analysis of Qinghai-Tibet plateau lake area from 2000 to 2013[J]. Journal of Geo-information Science, 2015,17(1):99-107. ]

[42]
Li J, Sheng Y. An automated scheme for glacial lake dynamics mapping using Landsat imagery and digital elevation models: a case study in the Himalayas[J]. International Journal of Remote Sensing, 2012,33(16):5194-5213.

DOI

[43]
Xiao F, Cheng W, Zhu L, et al. Downscaling MODIS-derived water maps with high-precision topographic data in a shallow lake[J]. International Journal of Remote Sensing, 2018,39(22):7846-7860.

DOI

[44]
Ke L H, Sheng Y W, Song C Q, et al. Glacial lake evolution in the southeastern Tibetan Plateau and the cause of rapid expansion of proglacial lakes linked to glacial-hydrogeomorphic processes[J]. Journal of Hydrology, 2016,540:504-514.

DOI

[45]
齐述华, 顾中宇, 顾中宇, 等. 基于数字高程模型的鄱阳湖淹水范围制图研究[J]. 武汉大学学报·信息科学版, 2010,35(7):857-862.

[ Qi S H, Gu Z Y, Daniel Brown , et al. Inundation extent mapping for poyanglake with digital elevation models[J]. Geomatics and Information Science of Wuhan University, 2010,35(7):857-862. ]

[46]
Feng L, Hu C, Chen X, et al. MODIS observations of the bottom topography and its inter-annual variability of Poyang Lake[J]. Remote Sensing of Environment, 2012,115(10):2729-2741.

DOI

[47]
李建成, 褚永海, 姜卫平, 等. 利用卫星测高资料监测长江中下游湖泊水位变化[J]. 武汉大学学报·信息科学版, 2007,32(2):144-147.

[ Li J C, Chu Y H, Jiang W P, et al. Monitoring level fluctuation of lakes inYangtze river basin by altimetry[J]. Geomatics and Information Science of Wuhan University, 2007,32(2):144-147. ]

[48]
Zheng D, Bastiaanssen . Estimating water volume variations in lakes and reservoirs from four operational satellite altimetry databases and satellite imagery data[J]. Remote Sensing of Environment: An Interdisciplinary Journal, 2013,134:403-416.

[49]
Yao X, Sun M, Peng G, et al. Overflow probability of the Salt Lake in Hoh Xil Region[J]. Journal of Geographical Sciences, 2018,28(5):647-655.

DOI

[50]
Pan F, Liao J, Li X, et al. Application of the inundation area—lake level rating curves constructed from the SRTM DEM to retrieving lake levels from satellite measured inundation areas[J]. Computers & Geosciences, 2013,52:168-176.

[51]
张鑫, 吴艳红. 1972-2012年青藏高原中南部内陆湖泊的水位变化[J]. 地理学报, 2014,69(7):993-1001.

DOI

[ Zhang X, Wu Y H. Water level variation of inland lakes on the south-central Tibetan Plateau in 1972 to 2012[J]. Acta Geographica Sinica, 2014,69(7):993-1001. ]

[52]
Bing Z, Wu Y, Zhu L, et al. Estimation and trend detection of water storage at Nam Co Lake, central Tibetan Plateau[J]. Journal of Hydrology, 2011,405(1):161-170.

DOI

[53]
Huggel C, Kaab A, Haeberli W, et al. Remote sensing based assessment of hazards from glacier lake outbursts: A case study in the Swiss Alps[J]. Canadian Geotechnical Journal, 2002,39(2):316-330.

DOI

[54]
Cook S, Quincey Y D. Estimating the volume of Alpine glacial lakes[J]. Earth Surface Dynamics Discussions, 2015,3:909-940.

DOI

[55]
张国庆. 青藏高原湖泊变化遥感监测及其对气候变化的响应研究进展[J]. 地理科学进展, 2018,37(2):214-223.

DOI

[ Zhang G Q. Changes in lakes on the Tibetan Plateau observed from satellite data and their responses to climate variations[J]. Progress in Geography, 2018,37(2):214-223. ]

[56]
Fang Y, Li H, Wan W, et al. Assessment of water storage change in China's lakes and reservoirs over the last three decades[J]. Remote Sensing, 2019,11(12):1467.

DOI

[57]
Hereher M E. Assessing the dynamics of El-Rayan lakes, Egypt, using remote sensing techniques[J]. Arabian Journal of Geosciences, 2015,8(4):1931-1938.

DOI

[58]
Abileah R, Vignudelli S, Scozzari A. A completely remote sensing approach to monitoring reservoirs water volume[J]. Fifteenth International Water Technology Conference, 2011,15:3-6.

[59]
Singh A, Kumar U, Seitz F. Remote sensing of storage fluctuations of poorly gauged reservoirs and state space model (ssm)-based estimation[J]. Remote Sensing, 2015,7(12):17113-17134.

DOI

[60]
Sima S, Tajrishy M. Using satellite data to extract volume-area-elevation relationships for Urmia Lake, Iran[J]. Journal of Great Lakes Research, 2013,39:90-99.

[61]
Falatkova K, Šobr M, Neureiter A, et al. Development of proglacial lakes and evaluation of related outburst susceptibility at the Adygine ice-debris complex, northern Tien Shan[J]. Earth Surface Dynamics, 2019,7:301-320.

DOI

[62]
陈晓清, 崔鹏, 程尊兰, 等. 5.12汶川地震堰塞湖危险性应急评估[J]. 地学前缘, 2008,15(4):244-249.

[ Chen X Q, Cui P, Cheng Z L, et al. Emergency risk assessment of dammed lakes caused by the Wenchuan earthquake on May 12, 2008[J]. Earth Science Frontiers, 2008,15(4):244-249. ]

[63]
Fujita K, Suzuki R, Nuimura T, et al. Performance of ASTER and SRTM DEMs, and their potential for assessing glacial lakes in the Lunana region, Bhutan Himalaya[J]. Journal of Glaciology, 2008,54(185):220-228.

DOI

[64]
张细兵, 卢金友, 范北林, 等. 唐家山堰塞湖溃坝洪水演进及下泄过程复演[J]. 人民长江, 2008,39(22):76-78.

[ Zhang X B, Lu J Y, Fan B L, et al. The Evolution of Dam Break Flood in Tangjiashan Lake[J]. Yangtze River, 2008,39(22):76-78. ]

[65]
Wang G Q, Liu F, Fu X D, et al. Simulation of dam breach development for emergency treatment of the Tangjiashan Quake Lake in China[J]. Science in China Series E: Technological Sciences, 2008,51(2 Supplement):82-94.

DOI

[66]
Zhang Y, Chen P X. Impact analysis and appraisal of Tangjiashan Barrier Lake by spatial information technology[C]// International Conference on Geoinformatics. IEEE, Fairfax, VA, 2009.

[67]
Watson C S, Carrivick J, Quincey D. An improved method to represent DEM uncertainty in glacial lake outburst flood propagation using stochastic simulations[J]. Journal of Hydrology, 2015,529(4):1373-1389.

DOI

[68]
薛超, 熊伟. 世界主要国家商用遥感卫星发展计划概述[J]. 中国测绘, 2017(2):42-47.

[ Xue C, Xiong W. Development plan of commercial remote sensing satellite in major countries around the world[J]. China Surveying and Mapping, 2017(2):42-47. ]

[69]
Popielarczyk D, Templin T, Łopata M. Using the geodetic and hydroacoustic measurements to investigate the bathymetric and morphometric parameters of Lake Hańcza (Poland)[J]. Open Geosciences, 2015,7(1):1-16.

[70]
Yutsis V, Krivosheya K, Levchenko O, et al. Bottom topography, recent sedimentation and water volume of the Cerro Prieto Dam, NE Mexic[J]. Geofísica Internacional, 2014,53(1):27-38.

DOI

[71]
沈德福, 李世杰, 陈炜, 等. 黄河源区鄂陵湖现代湖盆形态研究[J]. 地理科学, 2011,31(10):1261-1265.

[ Shen D F, Li S J, Chen W, et al. The basin features of E'ling Lake in the head area of Yellow River, Qinghai-Tibetan Plateau[J]. Scientia Geographica Sinica, 2011,31(10):1261-1265. ]

[72]
陈安娜, 马毅, 张靖宇. 水深被动光学遥感反演模型适用性研究[J]. 海洋环境科学, 2018,37(6):953-960.

[ Chen A N, Ma Y, Zhang J Y. Study on applicability of water-depth passive optical remote sensing inversion models[J]. Marine Environmental Science, 2018,37(6):953-960. ]

[73]
Kozlenko N, Jeffries M O. Bathymetric mapping of shallow water in Thaw Lakes on the North slope of Alaska with Spaceborne imaging Radar[J]. Arctic, 2000,53(3):306-316.

[74]
Palmer S C J, Kutser T, Hunter P D. Remote sensing of inland waters: Challenges, progress and future directions[J]. Remote Sensing of Environment, 2015,157:1-8.

DOI

[75]
梁志诚, 黄文骞, 杨杨, 等. 基于神经网络技术的多因子遥感水深反演模型[J]. 测绘工程, 2012,21(4):17-21.

[ Liang Z H, Huang W Q, Yang Y, et al. Study of the water depth retrieval based on artificial neural network[J]. Engineering of Surveying and Mapping, 2012,21(4):17-21. ]

[76]
Getirana A, Jung H C, Tseng K H. Deriving three dimensional reservoir bathymetry from multi-satellite datasets[J]. Remote Sensing of Environment, 2018,217:366-374.

DOI

[77]
Ovakoglou G, Alexandridis T K, Crisman T L, et al. Use of MODIS satellite images for detailed lake morphometry: Application to basins with large water level fluctuations[J]. International Journal of Applied Earth Observations & Geoinformation, 2016,51:37-46.

Options
Outlines

/

〈 〉