湖泊蓄变量是研究全球气候变化响应和地表水循环的关键要素。但受自然条件限制,传统的实地测量方法难以推广,导致我国部分湖泊的蓄变量资料匮乏。遥感不受自然条件限制,为大范围估算长时间序列湖泊蓄变量提供了一种可行手段。然而目前的遥感估算方法在数据量、质量和估算模型等方面存在不足。针对这些问题,本文基于多源遥感影像和卫星测高数据,从方法架构、数据处理和模型构建等方面系统的研究了湖泊蓄变量的估算方法,并深入分析了蓄变量的时空变化及其对气候和人类活动的响应。主要研究内容包括五个方面:1.针对影像中的云遮挡导致湖泊水域不完整的问题。在总结传统方法不足的基础上,提出了一种顾及边界位置和亮度变化的云遮挡区域插值算法。其中,水域插值算子可以提高湖泊边界位置的准确度和湖泊面积的精度。峰型曲线检测算子可以消除影像亮度变化的干扰,以提取到更完整的湖泊水域并提高算法自动化程度。算法精度评估实验给出了算法的参数设置,并对比了不同算法的插值精度,结果证明了本文算法的有效性。2.由于湖面和周围地物的反射干扰,测高卫星获取的湖面异常高程点较多,特别是中小型湖泊的异常点比例更高,传统方法难以提取到湖面的有效高程点。本文在分析前人研究成果的基础上,提出了一种湖面有效高程点提取算法,该算法基于湖面稳定性和统计规律,选取某一高程范围内数量最多的高程点位作为湖泊有效高程点集。算法精度评估实验给出了算法的参数设置,并对比了不同算法得到的湖泊水位,结果表明本文算法可以显著降低湖泊水位的不确定度。3.湖泊面积-水位关系曲线主要用于预测非数据拟合期的湖泊水位,而目前的关系曲线构建过程中普遍缺少验证阶段,缺乏对预测长时间序列湖泊水位合理性的解释。本文提出了使用留一交叉验证来选择最优关系曲线的新思路。该思路来源于机器学习和深度学习领域,即将参与拟合曲线的数据分为训练集和验证集,取验证精度最高的曲线作为最优曲线,而非传统准则中使用训练结果（即拟合度最优）来评估曲线的最优性。关系曲线的测试与交叉验证结果证明了该思路的合理性。4.估算和验证了研究区四个湖泊的长时间序列蓄变量,并分析了湖泊蓄变量的时空变化特征。首先,结合本文提出的方法,分别使用Landsat 7、Landsat 8和Sentinel 2影像以及Cryo Sat 2、ICESat 2和Sentinel 3卫星测高数据提取了湖泊面积和水位。然后,使用最小二乘回归和留一交叉验证构建并选取了最优的湖泊面积-水位关系曲线。最后,结合棱台模型估算了湖泊的蓄变量。验证结果表明本文估算的湖泊蓄变量较为合理。时空变化分析结果表明,1987–2020年,研究区湖泊面积和蓄水量分别增加了138.23±3.60 km~2和13.50±0.57亿m~3。21世纪前,湖泊面积和蓄水量变化较为平缓,整体变化幅度不大。但在21世纪后,湖泊面积和蓄水量急剧增加,特别是2018年以来,湖泊蓄水量呈现出33年来最强的增长趋势。5.从气候和人类活动两个角度,结合气温、降水和耕地面积数据,讨论了影响湖泊蓄水量变化的主要因素。结果表明,气温是影响湖泊蓄水量长期变化趋势的主要因素之一。特别是21世纪前后气温的显著差异,可以很好的解释同期的湖泊蓄水量变化。降水是影响湖泊蓄水量短期波动的主要因素之一,两者呈显著的正相关关系,尤其是2018年的强降雨事件,在同期湖泊蓄变量的突增中得到直接体现。耕地面积与湖泊蓄变量表现出显著的正相关关系,耕地面积是灌溉退水的间接体现,因此,灌溉退水量的逐年增加可能是影响湖泊蓄水量增加的主要因素。此外,灌溉退水量的逐年增加意味着淡水资源消耗量增加和湖泊水质恶化,特别是本研究区又位于干旱/半干旱区,这可能加剧水资源风险,给当地的水资源管理带来较大的挑战。