Landsat遥感与深度学习揭示鄱阳湖近30年萎缩趋势：气候变化与上游筑坝的复合影响

本研究针对鄱阳湖淡水资源短缺问题，开发了一种融合知识引导自适应网络与概率映射的深度学习框架，通过批量处理1994–2023年Landsat影像，发现湖体年均和年最小淹没面积分别以?16.43 km2/yr和?21.51 km2/yr的速率显著下降。研究揭示了多时间尺度上本地气候条件与上游水文变化的协同作用，为湖泊水资源管理提供了跨尺度归因新方法。

　　

近年来，全球淡水资源短缺问题日益严峻，对可持续生计、社会经济发展和生态系统安全构成重大威胁。作为中国最大的淡水湖，鄱阳湖在供水调洪、生态维护等方面具有关键作用，但近几十年却持续面临水资源短缺危机。尤其2022年长江流域夏季极端高温引发的特大水文干旱，导致鄱阳湖淹没面积创历史新低，直接影响530万人口，造成71亿元经济损失，并严重破坏湖泊生物多样性。尽管已有研究关注湖泊变化，但其驱动机制仍不明确——究竟是本地气候变化主导，还是上游三峡大坝等水利工程调控所致？这一科学问题亟待深入探究。

为系统揭示鄱阳湖近30年来的动态变化及其驱动机制，研究团队在《Journal of Hydro-environment Research》发表了一项综合性研究。该研究开发了一套基于深度学习的湖泊淹没范围识别框架，整合知识引导的自适应融合网络与概率映射技术，利用Google Earth Engine平台批量处理1994–2023年间多源Landsat影像，提取高精度湖泊淹没面积时序数据。同时，结合本地气象站温度、日照时数与降水数据，以及上游三大水库（三峡、丹江口、洪门）对应人工湖（大长湖、丹江湖、醉仙湖）的淹没面积作为水文代用指标，从年际和月际尺度系统解析了气候与人为活动的复合影响。

关键技术方法主要包括：1）基于Landsat系列卫星（TM/ETM+/OLI）的长时间序列遥感监测；2）融合波谱特征自适应提取与三维空间金字塔池化的深度学习分割网络；3）采用自适应带宽核密度估计优化水陆过渡区概率映射；4）结合Pearson相关性与SHAP（Shapley Additive Explanations）模型进行多尺度驱动力归因分析。

研究结果方面：

在空间分布特征上，研究发现鄱阳湖淹没范围存在显著的年际与季节波动。年最小淹没面积于2022年仅为944.66 km2，而年最大淹没面积在1998年达4973.09 km2，相差超五倍。尤其2003年后，4–11月淹没面积普遍下降，且月际波动加剧，晚夏（8–9月）干旱现象尤为突出。

时序趋势分析表明，1994–2023年间鄱阳湖淹没面积呈显著下降趋势（斜率-0.04），年均和年最小淹没面积分别以?16.43 km2/yr和?21.51 km2/yr的速率减少。相反，上游三大人工湖因水库蓄水呈扩大趋势，其中三峡水库156米蓄水（2006年10月）后大长湖面积扩大五倍，南水北调中线工程通水（2014年12月）后丹江湖快速扩张约200 km2。

驱动机制解析显示，在年际尺度上，大长湖淹没面积（代表长江来水）是主导因子（SHAP贡献度39.89%）；而在月尺度上，日照时数（贡献度25.55%，r=0.7346）与气温（贡献度25.44%，r=0.8469）成为主要控制因素。表明上游筑坝更强影响年际波动，而本地气候主要调控季节变化。

研究结论与讨论部分强调，鄱阳湖萎缩是气候变暖和河流调控共同作用的结果，而非单一因素所致。所提出的深度学习识别框架在准确率（97.9%）、IoU（95.6%）等指标上均优于传统方法（如NDWI、SVM、U-Net），尤其善于处理水陆过渡带和蝶形湖等复杂环境。该研究不仅为湖泊水资源动态监测提供了新方法，也为协调上游水库调度与下游生态补水提供了科学依据，对全球类似湖泊的水资源管理具有重要借鉴意义。