一种基于最大水深记录和机器学习的湖泊水量估算方法技术

本发明专利技术公开了一种基于最大水深记录和机器学习的湖泊水量估算方法，分析和挖掘一定数量样本的实测湖泊建立其最大水深测量结果和周边地形地貌、空间形态等参数与对应的湖泊总水量的内在关系，利用XGBoost机器学习模型，构建了区域尺度湖泊水量估算的有效方法。本发明专利技术方法通过仅利用湖泊最大水深记录和可公开获取数据源产生的空间参数来估算湖泊水量信息不仅具有较高的模型精度，还极大地降低了对全湖实测的时间和经济成本。本发明专利技术尤其适用于空间尺度大、自然环境条件复杂、难以到达以及资料匮乏地区的湖泊的测量工作，有望为湖泊水量预测提供一种有效的方法，并有利于区域湖泊水资源管理。资源管理。资源管理。

【技术实现步骤摘要】
一种基于最大水深记录和机器学习的湖泊水量估算方法


[0001]本专利技术属于湖泊水文学及机器学习算法领域，特别涉及一种基于最大水深记录、多类型地理空间参数和机器学习的湖泊水量估算方法。

技术介绍

[0002]湖泊作为地球表面液态淡水的最大组成部分，在提供生产、生活用水以及生态系统服务功能维系方面发挥着关键作用（Downing et al., 2006;Woolway et al., 2020）。进入21世纪以来，受气候变化和人为活动的影响，全球许多湖泊已经发生或正在发生显著变化，对人类用水和生态环境稳定构成了重大威胁。因此，准确量化湖泊水储量对于水资源的有效管理至关重要。
[0003]定量估算湖泊水储量的前提是掌握湖泊的详细水下地形信息或平均深度，但目前全球大多数湖泊仍然缺乏完整的测深信息以及相关水深记录。一般而言，借助船载声纳进行野外实地测量是获取湖泊水下地形最直接的方法。然而全湖测量的时间与经济成本很高，难以开展大范围、多湖泊测量，特别是处于偏远地区或高寒高海拔恶劣环境下的湖泊。为了克服传统测量的缺点，一些研究人员尝试使用光学影像、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最大水深记录和机器学习的湖泊水量估算方法，其特征在于，包括：以湖泊水下地形参数特征变量、湖泊几何特征变量以及湖泊周边地形特征参数作为输入特征变量，湖泊实测水量数据作为输出，利用机器学习XGBoost算法构建水量估算模型；通过随机实验构建基于不同训练集训练的模型，选用经精度评估后最优的模型作为湖泊水量估算模型，用于湖泊水量估算；其中，所述水下地形参数特征变量选用湖泊最大水深数据。2.根据权利要求1所述的方法，其特征在于，根据各湖泊的面积数据、水深数据对湖泊进行筛选，剔除平均深度与其他相近面积大小的湖泊有显著差异的湖泊，利用剩余湖泊的特征变量数据用于模型训练及测试。3.根据权利要求2所述的方法，其特征在于，将湖泊按照面积大小划分为若干面积等级，对于属于同一面积等级的湖泊，分析其平均深度并剔除平均深度与其他湖泊有显著差异的湖泊。4.根据权利要求1所述的方法，其特征在于，所述湖泊几何特征变量基于湖泊空间分布矢量数据和GIS空间分析软件获取；所述湖泊周边地形特征变量基于可公开获取来源的湖泊空间分布矢量数据和数字高程模型数据获取。5.根据权利要求1或4所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：宋春桥，詹鹏飞，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：