基于ICESat-2光子与Sentinel-2的青藏高原湖泊水深重建与反演研究——以才多茶卡为例

本研究针对青藏高原湖泊水深测量成本高、效率低的问题，开展了基于ICESat-2光子测深与Sentinel-2多光谱影像的湖泊水深反演研究。通过开发三种机器学习模型（RF、MLP、KAN），验证了ICESat-2衍生水深数据可替代传统实地测量（R2=0.985，RMSE=0.534 m），成功重建了才多茶卡湖的水下地形，并监测到2000-2023年间湖库水量增加0.529–0.555 km3。该研究为高海拔地区湖泊水资源监测提供了可靠的技术方案。

　　

在全球气候变化加剧的背景下，被誉为"亚洲水塔"的青藏高原正经历着显著的水文变化。高原上的湖泊系统在区域水循环和气候调节中扮演着关键角色，但由于地理环境恶劣，传统的船载声纳测量方法不仅成本高昂、耗时费力，而且难以实现大范围连续监测。虽然遥感技术为湖泊水深测量提供了新的解决方案，但单一卫星数据源往往难以兼顾测量精度和空间覆盖范围，特别是在缺乏实地测量数据的偏远地区。

针对这一挑战，发表在《Journal of Hydrology X》上的这项研究提出了一种创新的解决方案：通过整合ICESat-2激光测高卫星的高精度光子数据与Sentinel-2多光谱影像的大范围覆盖优势，实现高原湖泊水深的准确重建与反演。研究以青藏高原上的才多茶卡湖（Caiduochaka Lake）为案例，系统评估了卫星衍生水深数据替代传统实地测量的可行性，并开发了适用于高原湖泊水深反演的机器学习模型。

研究人员采用了多项关键技术方法开展本研究。首先利用ICESat-2/ATL03光子数据，通过改进的OPTICS（Ordering Points To Identify the Clustering Structure）去噪算法提取湖底光子，并应用折射校正处理获得高精度水深测量值。同时，收集了2018-2023年期间的Sentinel-2多光谱影像，提取蓝、绿、红和近红外波段反射率数据。研究还采用了2020年8月获取的83.03公里实地测深数据作为验证基准。基于这些数据，开发了随机森林（RF）、多层感知器（MLP）和科尔莫戈罗夫-阿诺德网络（KAN）三种机器学习模型，建立光谱反射率与水深之间的非线性关系。

研究结果显示，ICESat-2衍生水深与实地测量数据具有高度一致性。在采样区域，ICESat-2测得的最大水深为14.73米，平均水深为3.90米，与实地测量值（最大水深15.79米，平均水深4.37米）非常接近。两者比较的决定系数R²达到0.985，均方根误差（RMSE）为0.534米，证实了ICESat-2在水深测量方面的精确性。

在水深反演模型方面，不同机器学习模型表现出各有特点的性能。当使用ICESat-2衍生水深作为训练数据时，KAN模型表现最佳，R²为0.911，RMSE为1.064米；而使用实地测深数据训练时，RF模型达到了最高精度，R²为0.988，RMSE为0.385米。这表明虽然RF模型在数据质量较高时表现最优，但KAN模型在卫星数据训练场景下更具优势。

通过沿四个断面（A–A、B–B、C–C、D–D）的深度剖面比较发现，KAN模型在湖泊北部区域预测精度较高，与实地测量值吻合良好。然而在深度超过13米的深水区域，模型出现了系统性低估，这主要是由于Sentinel-2信号在深水区出现反射饱和现象，导致对深度变化的敏感性降低。

对才多茶卡湖2000-2023年间的动态变化分析揭示了显著的水文变化。湖泊面积从2000年的67.73平方公里扩展到2023年的120.60平方公里，最大水平扩张距离达1706.4米。特别值得注意的是，湖泊在2011年首次南北连通，但在2015年又再次分离，直到2017年重新合并，显示出复杂的水文动态过程。

基于两种方法（KAN模型与RF模型）的水储量估算结果高度一致。2000-2023年间，湖泊水储量增加了0.529–0.555立方公里，反映了该地区长期水文变化的显著趋势。RF模型估算的湖水水位变化在北部和南部分别为7.59米和2.89米，而KAN模型估算值分别为7.07米和3.15米，两种方法得出了相似的结论。

研究结论表明，集成ICESat-2和Sentinel-2的遥感方法能够有效替代传统的实地水深测量，为高原湖泊水下地形重建和水储量监测提供了一种可靠、经济且可扩展的技术途径。这种方法特别适用于地理环境恶劣、实地测量困难的偏远地区，为"亚洲水塔"的水资源评估与管理提供了重要技术支撑。

讨论部分指出，该研究仍存在一些不确定性，包括水面波动、光子分布不均和水体浊度对ICESat-2测深精度的影响，以及固定折射率值在折射校正中可能引入的系统误差。此外，Sentinel-2测量受到大气干扰和水体光学特性变异的影响，可能影响光谱反射率和深度反演精度。未来的研究需要整合多源高分辨率遥感数据，开发动态物理参数校正算法，并进一步完善分析方法。

该研究的创新之处在于首次系统评估了ICESat-2光子测深数据在高原湖泊水深反演中的应用潜力，并开发了专门针对光学遥感水深反演的机器学习模型。研究成果不仅为青藏高原湖泊水文研究提供了新方法，也为全球类似地区的水资源监测与管理提供了可借鉴的技术框架。随着气候变化对高原水文过程影响的加剧，这种基于多源卫星数据的湖泊监测方法将发挥越来越重要的作用，为区域水安全和水资源可持续利用提供科学依据。