当前位置：首页>郑州>107.精选文章 |【JH】郑州大学:新方法精准估算青藏高原湖泊蓄水量,改进传统测深技术

107.精选文章 |【JH】郑州大学:新方法精准估算青藏高原湖泊蓄水量,改进传统测深技术

2026-03-30 09:40:27

文章简介

英文题目：A novel method for improving bathymetry-based estimation of lake water storage on the Tibetan Plateau

中文译名：一种改进基于测深的青藏高原湖泊蓄水量估算的新方法

发表时间：2026年3月

发表期刊：Journal of Hydrology

第一作者：BaojinQiao et al

第一单位：郑州大学

DOI：10.1016/j.jhydrol.2026.135329

精选理由：2026年3月，郑州大学的Baojin Qiao等研究人员在《Journal of Hydrology》期刊上发表了题为《A novel method for improving bathymetry-based estimation of lake water storage on the Tibetan Plateau》的研究成果。

该研究提出了一种新颖的湖泊蓄水量估算方法，结合了多时期湖泊边界和随机森林（RF）反演模型，有效解决了测深数据中浅水区数据空白的问题，显著提高了湖泊水储量估算的精度。通过对六个湖泊的应用研究，验证了该方法的高精度与可靠性，为青藏高原水资源管理提供了重要支持。

本研究的核心问题是如何解决青藏高原湖泊测深数据的稀疏性问题，尤其是在湖泊岸边区域的数据缺失。研究提出，通过结合历史湖泊边界与测深数据，采用多期湖泊边界插值方法，结合RF深度反演模型，重建了湖泊的水下地形，并对水储量进行了估算。结果表明，该方法相较传统的单一测深数据插值方法，能提高水储量估算精度，平均误差减少了11.98%。这一方法不仅能更好地重建湖泊水下地形，也为其他湖泊的水储量评估提供了新的技术路径。

摘要

估算青藏高原（TP）湖泊蓄水量是湖泊研究的重要组成部分，通常基于周边地形或测深数据进行。为降低测量成本，青藏高原湖泊的测深作业通常采用“之字形测线法”而非“网格点法”。然而，由于湖岸附近区域的测深数据稀疏——这主要归因于之字形测线测量的密度有限——该方法在估算湖泊蓄水量及其变化时可能会引入较大的误差。本研究旨在确定解决这些数据空白问题的最有效方法。研究选取了6个曾采用之字形测线法进行过测深的湖泊作为研究对象。针对这6个湖泊，本研究对比了四种构建水下地形的方法：测深数据插值法；测深数据结合SRTM DEM插值法；测深数据结合多期湖泊边界插值法；以及基于随机森林的水深反演法。结果显示，基于随机森林的水深反演法具有较高的精度；除阿其克库勒湖（Aqikekule Lake）外，在水深30米以内的范围内，该方法的平均绝对误差介于0.18至1.68米之间。随后，本研究利用ICESat/ICESat-2卫星数据及Landsat影像估算的蓄水量变化值作为“真值”，对上述四种方法构建的水下地形精度进行了评估。结果表明，结合多期湖泊边界的测深数据插值法精度最高，平均误差仅为2.05%；相较于单纯的测深数据插值法，该方法在6个湖泊中的精度平均提升了11.98%。紧随其后的是水深反演法，平均误差为3.93%；而单纯的测深数据插值法精度最低，平均误差达10.14%。对青藏高原湖泊蓄水量进行准确估算，有助于深入理解“亚洲水塔”的总蓄水量状况，并为水资源管理提供科学支撑。

一、

研究亮点🔍

1️⃣ 创新的多期湖泊边界插值方法

该研究首次引入了多期湖泊边界作为等深线，解决了传统测深方法中浅水区数据稀缺的问题。通过结合历史湖泊边界与测深数据，改进了水下地形重建的精度，使湖泊蓄水量的估算更加现实和准确。2️⃣ RF反演模型的应用与精度验证

使用RF反演模型进行水深估算时，研究发现该方法在30米水深范围内，水深的平均绝对误差（MAE）为0.18至1.68米，具有高精度。此外，研究还通过ICESat/ICESat-2和Landsat图像验证了该方法的准确性，结果表明其在六个湖泊中的平均误差为2.05%，远低于其他插值方法。3️⃣ 湖泊水储量的变化分析

通过改进的方法，研究估算了六个青藏高原湖泊的水储量变化，包括Aqikekule Lake、Ayakekumu Lake等，结果表明，这些湖泊的水储量分别为11.43立方千米至0.32立方千米。与传统方法相比，改进后的估算方法能够提供更精确的湖泊水储量评估，具有重要的应用价值。

二、

研究总结🔍

1️⃣ 四种水下地形重建方法的对比

研究比较了四种水下地形重建方法，发现结合多期湖泊边界插值的数据最为精确，平均误差为2.05%，相比单纯的测深数据插值方法，精度提高了11.98%。这些结果表明，结合多期边界插值与RF反演模型的组合方法在湖泊水储量估算中具有显著优势。2️⃣ 湖泊水储量变化的空间异质性

在研究的六个湖泊中，湖泊的水储量变化呈现明显的空间差异。Aqikekule Lake和Ayakekumu Lake的水储量变化较大，而Qixiang Co的变化相对较小。这一发现表明，湖泊的水储量变化受多种因素的影响，包括湖泊的地理位置、水深变化及气候因素。3️⃣ 湖泊测深数据稀疏性带来的问题

研究还揭示了传统测深方法在浅水区数据稀缺的问题，尤其在湖泊岸边区域，稀疏的测深数据会导致水储量估算出现较大的误差。通过改进的多期边界插值与RF反演模型，可以有效减少这一误差，提高湖泊水储量估算的准确性。