西北内陆河流域基流变化驱动机制解析：多源遥感与可解释机器学习视角

本研究针对干旱区水资源管理关键问题，通过多源遥感数据优选Eckhardt滤波法进行基流分离，结合CatBoost-SHAP可解释机器学习模型，定量揭示了NDVI、积雪深度(SD)、降水(Prec)等7个水文气候因子对玛纳斯河流域基流形成的差异化影响，发现各因子可导致约两周的基流滞后效应，其中SD滞后最短(12.45±8.50天)，为干旱区内陆河流域水资源调控提供科学依据。

　　

在广袤的西北干旱区，内陆河流域的水资源如同生命线维系着生态系统与社会发展。然而，作为旱季重要水源的基流（Baseflow），其形成机制长期受复杂水文气候因素交织影响，传统研究方法难以量化多因子的非线性相互作用。尤其像玛纳斯河这样的内陆河流域，积雪融水与植被动态如何调控基流过程？不同环境因子作用是否存在时序差异？这些问题直接关系到水资源的精准预测与合理调配。

电子科技大学资源与环境学院的研究团队在《Journal of Hydrology》发表的研究，创新性地将多源遥感技术与可解释机器学习相结合。通过系统比较多种基流分离方法，确立Eckhardt滤波法为最优方案，进而运用Categorical Boosting（CatBoost）算法集成NDVI、积雪深度（SD）、降水（Prec）等7类水文气候数据，并借助SHapley Additive exPlanations（SHAP）值解析各因子贡献度。

关键技术包括：1）基于玛纳斯河流域水文站数据验证Eckhardt滤波参数；2）整合MODIS积雪覆盖面积（SCA）、GLDAS土壤剖面湿度（PSM）等遥感产品；3）构建CatBoost预测模型量化因子重要性；4）采用SHAP分析揭示变量交互效应；5）通过频谱分析识别3个月至半年的水文周期。

【Study area】

研究选定西北典型内陆河——玛纳斯河流域为对象，该区域具有显著的降雨-雪冰融水混合补给特征，为解析多驱动因子作用提供了理想场所。

【Study focus】

通过对比滤波法性能发现，Eckhardt方法在平衡快速响应与过度平滑方面表现最优。机器学习模型显示，NDVI对基流的影响强度远超其他因子，证实植被通过冠层截留和蒸散发调节显著改变产流过程。

【New hydrological insights】

1）滞后效应量化：各因子引发基流滞后的时间窗为12-15天，其中SD最短（12.45±8.50天），温度（Temp）与太阳辐射（SR）相当（约14天），所有滞后差异在22天内无统计学显著性；

2）周期特征识别：频谱分析揭示出3-6个月的水文响应周期，这与季节性积雪消融和植被生长节律高度吻合；

3）因子交互机制：SHAP分析表明PSM与Prec存在协同效应，而SCA对Temp变化呈现阈值响应特征。

该研究首次系统量化了干旱区内陆河流域基流形成的多尺度驱动机制，其创新性体现在：1）建立遥感衍生参数与基流过程的直接关联；2）揭示环境因子作用的精确时间尺度；3）验证植被恢复对水资源的"双刃剑"效应。研究成果为"一带一路"沿线干旱区的水-生态-社会协同发展提供了定量决策工具，特别在应对气候变化下的水资源适应性管理方面具有重要实践价值。