采用遥感技术监测和绘制地球表面水体变化是水资源管理和气候相关研究的重要技术手段。Landsat因其具有长时序及较高空间分辨率优势,成为遥感技术应用的重要数据来源,但也存在因云覆盖等噪声引起的数据信息缺失而导致遥感影像解译失真。有鉴于此,本文选择Landsat云覆盖较少的影像提取湖区水陆边界线,并结合水文站水位观测数据,利用反距离加权(IDW)插值方法构建湖滩高程模型,然后基于该数字高程模型获取受云覆盖影响较大的Landsat影像完整水陆边界线,重构洞里萨湖长时序水体覆盖范围,并对其与主要环境因子的关系进行了分析。本研究构建的湖滩高程模型对云覆盖较大地区长时序水体提取研究具有一定的参考价值,同时有关洞里萨湖长期变化及驱动力的分析结果对可持续利用洞里萨湖水资源和制定相关管理政策具有积极意义。本研究内容主要分为两大部分,即基于云覆盖较少影像的水陆边界和对应水位值构建洞里萨湖湖滩高程模型提取云覆盖下的缺失水面;分析洞里萨湖水面在1988-2017年间的变化及其驱动力特征。第一部分中,首先以Landsat数据为基础,采用边缘检测分割方法和距离偏差精度评价方法,从现有的33种水体指数中遴选出适宜洞里萨湖湖区水陆边界提取的水体指数(第三章);以此为基础,运用遴选出的水体指数提取云覆盖较少影像的洞里萨湖湖区水陆边界,匹配对应时期水位值,构建洞里萨湖湖滩高程模型,并提取云覆盖下的缺失水面(第四章)。第二部分,基于湖滩高程模型提取湖区长时序水面覆盖范围,分析湖区1988-2017年间的水面面积变化情况及其与洞里萨湖流域降水量、湄公河干流水位和上游大坝建设等因素的相关关系,确认该湖区水面面积变化趋势及主要驱动力(第五章)。研究结果表明:(1)相对于其它水体指数,NIR单波段指数、Green/NIR比值指数、WRI指数和CIWI综合指数较适合于提取洞里萨湖湖区水陆边界,其中时间上稳定且提取效果最好的水体指数为WRI指数;(2)基于本文所建立的洞里萨湖湖滩高程模型并结合Landsat影像水陆边界可以较好地重构受云覆盖影响下的水面范围,从而很好地解决了如何在湖区云覆盖较大时期确定湖面淹没范围的问题,水陆边界误差在两个像元之内;(3)1988-2017年间,洞里萨湖雨季水面面积呈现非显著(α =0.05水平)增大趋势,旱季水面面积呈现非显著(α=0.05水平)减小趋势;月平均水面面积与洞里萨湖流域延迟3个月的月降水量、下湄公河干流Pakse和Kratie水文站延迟2个月的月平均水位均存在显著(α=0.05水平)正相关,其相关系数分别是0.71、0.88和0.88。此外,研究还发现2008和2011年前后洞里萨湖旱季水面面积变化较大,分别减少了 11%和8%,但是湄公河干流Pakse水文站旱季月平均水位在2008和2011年后均增加了 39%和41%,湄公河干流Kratie水文站旱季月平均水位在2008和2011年后均增加了 6%和4%。洞里萨湖水面面积变化与干流两个水文站点的水位变化趋势均相反,表明了干流水位变化并非导致洞里萨湖水面面积变化的直接驱动因子。由此推断,因此洞里萨湖近几十年内的水面面积变化与澜沧江干流水电开发无明显关联。