在地下水上漂浮:对卡伊达姆盆地多源遥感的洞察力

科学领域:

• 水文学的水文学
• 遥感 遥感 遥感 遥感
• 水文地质学 水文地质学
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 位于青海-西藏高原的Qaidam盆地面临着干旱的条件,降水量低,蒸发量高.
• 尽管干旱,但该盆地拥有众多的湖泊,引发了关于它们的水源的争论:当地降水与外部输入.
• 了解湖泊的补充和地下水循环对于这个生态敏感地区的水资源管理至关重要.

研究的目的:

• 调查卡伊达姆盆地的湖泊的主要充电源.
• 用遥感和深度学习技术分析地下水循环模式.
• 为了确定气候因素,地下水和湖泊动态之间的关系.

主要方法:

• 开发和应用一个新的深度学习模型,远程传感适应改进的OCRNet (RSA-IOCRNet),用于湖区监测.
• 为卡伊达姆盆地16个主要湖泊建造一个湖区时间序列.
• 远程传感数据与多源数据集的整合,包括对水样的同位素分析和现场调查结果.

主要成果:

• 与其他七个网络相比,RSA-IOCRNet模型在湖区细分方面表现出卓越的性能.
• 分析显示,气候因素与湖泊面积变化之间没有显著的相关性.
• 在东部Qaidam盆地,湖泊和地下水位波动之间观察到强烈的相关性.
• 同位素分析表明,Qaidam盆地的地下水被深藏高原的漏水充电 (约. 540 亿米³/a),不是局部降水.
• 地下水通过从断层区域的上游充电湖泊,例如Gasikule湖和Xiaochaidan湖.

结论:

• 源自西藏高原浸的深度循环地下水是维持卡伊达姆盆地的湖泊的主要来源.
• 地下水的补充是通过破裂和断层区域的上游而发生的,影响湖泊动态和水循环.
• 这项研究提供了关于深层地下水系统在干旱/半干旱湖泊生态系统中的作用的关键见解.