湖泊不仅是城市水资源的主体,还是农业灌溉的重要水源。然而,由于气候的变化及人类的过度开发,导致湖泊生态环境受到严重破坏,水量急剧萎缩。因此,对湖泊水量变化的实时监测将会对城市、农业用水起到重要的作用。Landsat卫星遥感影像具有范围大、周期短、现势性强、获取免费等特点,在湖泊水量监测方面具有不可比拟的优势。然而,TM影像的空间分辨率仅可达到15m或30m,这就会给水量的实时监测带来很大的误差。国内针对TM影像进行湖泊库容监测方面已经有了一定的研究,但如何提高监测精度方面还涉及较少。因此,在低空间分辨率影像的前提下提高湖泊水量的监测精度将成为研究的关键。鉴于此,本文开展基于图像类推法的湖泊库容提取研究。首先,联合图像类推原理与立方卷积插值法生成超分辨率影像,从而有效提高TM影像的空间分辨率。然后,通过分析超分辨率影像中水体的特性,开展水体信息提取试验。分析坡度与高差的关系,通过在湖泊坡度平缓地区的水位变化来监测水量变化,将水位的垂直变化转换为水平方向的变化,并利用区域内插法提取水位线信息。最后,通过结合由湖泊等深线所生成的DEM模型,有效获取湖泊的库容信息。论文以Lake Jackson为实验对象,利用该方法对多期影像进行试验,结果表明,基于图像类推法的湖泊水位精度平均提高了0.223英尺,库容精度平均提高了3481.2万立方英尺。该方法可以在相同空间分辨率影像的条件下提高湖泊水量的监测精度,对湖泊库容量的评估更为精确,将会对水资源分配、利用以及政府的管理和决策起到一定的现实意义。