极端干旱条件下鄱阳湖洪泛平原湖泊萎缩机制及其驱动因子解析

《Journal of Environmental Management》：Decline of Poyang floodplain lakes under extreme dry conditions and interpretation of influencing factors

本研究针对极端干旱条件下洪泛平原湖泊水文响应机制不清的问题，通过多源遥感数据融合与可解释机器学习(XGBoost-SHAP)方法，揭示了鄱阳湖洪泛平原湖泊在2000-2022年间对极端干旱的高度敏感性，发现主湖水位13m为临界控制阈值，流域来水量低于1993m3/s将导致湖泊面积萎缩，为全球洪泛平原水文管理提供新见解。

　　

在全球气候变暖和人类活动加剧的双重驱动下，湖泊干旱已成为日益严峻的全球性问题。近期的评估显示，过去三十年全球超过一半的大型湖泊经历了水量的显著减少，更有15.7%的湖泊呈现出干旱频率显著增加的趋势。极端干旱事件在主要洪泛平原湖泊中频频发生，从鄱阳湖（2022年）到亚马逊河流域（2005年、1997年、2023年），再到洞里萨湖（1998年、2015年、2016年），这些事件不断警示着洪泛平原生态系统的脆弱性。洪泛平原湖泊作为分布在洪泛区低洼地带的大量小型水体，尽管其蓄水能力有限，却在维持洪泛区水文平衡和支持湿地生态系统栖息地方面发挥着不可替代的作用。深入理解洪泛平原湖泊的干旱演变过程，对于保障区域水安全、降低湖泊生态系统退化风险至关重要。

鄱阳湖作为中国最大的洪泛平原湖泊和国际重要湿地，其独特的水文节律深受气候条件、地形特征及复杂的江湖相互作用影响。显著的季节性水位波动导致了滩地湿地的周期性淹没与出露，形成了随高程和水文变化而演替的植被群落。每年数百万只候鸟从西伯利亚迁徙至此，使鄱阳湖不仅成为白鹤最大的越冬地，更是全球重要的候鸟保护区。然而，近年来鄱阳湖正面临着水文情势改变的严峻挑战，表现为秋季水位显著下降、枯水期提前来临。例如，2022年和2023年发生的极端干旱事件导致湖水位降至历史最低，枯水期开始时间显著提前。这种改变的水文情势无疑对洪泛平原生态系统产生了深远影响。因此，研究干旱条件下洪泛平原湖泊水面积的时空动态变化，对于保护候鸟种群、保育湿地生态系统具有紧迫的现实意义。

尽管此前关于鄱阳湖淹没动态的研究已揭示洪泛平原湖泊呈下降趋势，特别是在三峡大坝蓄水后衰退尤为明显，但基于高时空分辨率数据的洪泛平原湖泊对干旱响应特征的研究仍十分有限。在揭示水面积变化成因方面，现有研究多采用相关性分析将气象因子（温度、蒸发、降雨等）与湖泊面积变化相联系，但由于洪泛平原湖泊水文变化的复杂性和非线性特征，不同水文时期的主导影响因子存在差异。洪泛平原湖泊的干旱归因研究尚未得到足够重视，从气象、水文、江湖相互作用等多视角全面理解其水面积萎缩的驱动机制仍有待深入。

为解决上述问题，本研究创新性地整合多源遥感数据融合与可解释机器学习技术，重点探究鄱阳湖洪泛平原湖泊的动态变化及其影响因子。研究旨在基于高时空分辨率数据揭示干旱事件中洪泛平原湖泊水面积的响应特征；利用可解释机器学习方法识别并解释2000-2022年间水面积季节性变化的驱动因子；深入探索极端干旱事件中洪泛平原湖泊水面积减少的驱动机制。

本研究主要采用了以下关键技术方法：首先，利用Landsat系列卫星（5、7、8、9）的30米分辨率影像，结合多源数据融合技术，生成了2000-2022年间时间间隔为8天的高时空分辨率水面数据集。其次，应用极端梯度提升(XGBoost)机器学习算法构建洪泛平原湖泊水面积与影响因素之间的非线性关系模型。最后，采用沙普利加和解释(SHAP)方法进行归因分析，量化各影响因素对水面积变化的贡献度，从而揭示驱动机制。研究区域为鄱阳湖洪泛平原，数据来源包括遥感影像、水文站观测数据（主湖水位、流域来水量）以及气象数据等。

Behavior of floodplain lakes in typical drought years

研究选取2006、2011和2022年作为典型干旱年进行分析，这些年份的水位均显著低于2000-2022年的多年平均值。研究结果显示，鄱阳湖洪泛平原湖泊对极端干旱条件表现出高度敏感性。在2006、2011和2022年三次干旱事件期间，洪泛平原湖泊的水面积均呈现快速萎缩态势，平均消退速率达4.1-8.7平方公里/天。特别是2022年的极端干旱事件导致了前所未有的80%水面积减少，凸显了气候变化背景下洪泛平原湖泊的脆弱性。

Causes of water area variations in the floodplain lakes

通过XGBoost-SHAP模型的归因分析，研究揭示了洪泛平原湖泊水面积变化的驱动机制。在干旱初期，主湖水位是控制洪泛平原湖泊水面积衰退的主要因素；而当主湖水位下降至临界值（本研究确定为13米）以下时，流域来水量取代主湖水位成为主导驱动因子。定量分析表明，流域来水量低于1993立方米/秒时，将导致洪泛平原湖泊水面积的减少。这一发现明确了不同干旱阶段主导因子的转换机制，为理解洪泛平原湖泊的水文响应提供了新视角。

Conclusions

本研究通过融合遥感数据与可解释机器学习方法，系统揭示了鄱阳湖洪泛平原湖泊对极端干旱的响应特征和驱动机制。研究发现洪泛平原湖泊在干旱事件中表现出快速萎缩的特点，其水面积变化受主湖水位与流域来水量的共同控制，且存在明显的临界转换机制。这些认识不仅适用于鄱阳湖，也对全球其他大型河流洪泛平原的水文管理具有参考价值。研究所采用的技术框架为其他洪泛平原湖泊的研究提供了可借鉴的方法论支持，对应对气候变化背景下极端干旱事件的水资源管理和生态保护具有重要意义。

研究的创新性在于首次将可解释机器学习方法系统应用于洪泛平原湖泊干旱响应机制解析，突破了传统相关性分析的局限，实现了对复杂非线性关系的机理解释。同时，高时空分辨率遥感数据的应用使捕捉洪泛平原湖泊快速动态变化成为可能。这些发现为制定针对性的洪泛平原水资源管理策略和生态保护措施提供了科学依据，特别是在全球气候变化导致极端干旱事件频发的背景下，本研究对维护洪泛平原生态系统的稳定性和生物多样性具有重要的实践指导价值。