湖泊水位和水量具有年际与季节性的高时频、大范围变化特征。为了掌握可靠的湖泊水资源多时空尺度变化规律，通常需要高时空分辨率遥感观测数据支撑。但由于不同传感器时间和空间覆盖的局限性，仅依靠单一遥感数据源难以满足大尺度和精细化观测的需求。在湖泊水位与水量遥感监测方面，目前主要包括两种手段：一是星载高度计方法，该方法基于卫星搭载雷达或激光高度计获取湖泊水位变化时间序列，并结合光学/雷达影像获取的湖泊水域面积时序信息估算湖泊水量变化；二是基于数字高程模型的DEM虚拟站方法，该方法通过结合淹没区岸线及其基底数字地形信息，在成像传感器的空间尺度下监测水位和水量变化。上述两种方法各有其优缺点，且具有互为补充的特征。前者可以为湖泊水位监测提供高精度、长时序变化信息，但仅限于卫星测高轨道覆盖的湖泊水域，无法实现大区域尺度全覆盖监测，特别是对于中小型湖泊；后者能实现空间上湖泊水体的近全覆盖，但现有大尺度DEM数据多为时间静态产品或有限时相的观测，水位与水量的观测频次依赖于湖泊水域面积时序信息，且DEM的垂直监测精度大多数情况下低于卫星测高数据。本研究一方面利用2019-2021年ICESat-2激光测高数据，研究卫星轨道覆盖的中国湖泊（>1 km²）的水位时序变化，并分析不同湖区和流域的湖泊水位变化特征；此外，基于多个水文气象变量和GRACE卫星监测的水储量变化资料，采用机器学习算法构建空间智能预测模型，重建未被ICESat-2监测的湖泊水位变化信息，从而实现对国家尺度湖泊（3473个）的水位和水量变化的全覆盖监测。另一方面，研究系统评估了SRTM DEM在绘制（近）全球湖泊水域动态变化区域的三维地形及其水位变化监测中的应用潜力，研究揭示了SRTM DEM数据覆盖范围内的全球125,542个湖泊（>1 km²）共有15.95%的水域范围在该地形数据采集时未被淹没，其中约有13%的湖泊其超过50%的最大水淹区域可通过SRTM DEM获取其水下地形；基于SRTM DEM提供的水下高程信息和不同时相的湖泊岸线可监测湖泊水位水量变化。该研究弥补了卫星测高数据在湖泊水位监测中时空覆盖度不足的问题，对提升大区域尺度地表水资源遥感监测能力具有重要意义。

湖泊,水库,水文,遥感监测,水位,水量