基于三种地表能量平衡模型对青藏高原最大盐湖蒸发的量化研究

《Journal of Great Lakes Research》：Quantifying lake evaporation from the largest saline lake on the Tibetan Plateau based on three surface energy balance models

　　

摘要

近年来，青藏高原湖泊（如青海湖）水位快速上升，但很少有研究使用精确的蒸发量估计来考察其水量平衡。因此，本研究应用了三种地表能量平衡模型（SEBAL、METRIC和SEBS），在2022年和2023年的无冰期（IFPs），以高空间分辨率（30 m）估算青海湖的蒸发量。结果表明，METRIC模型比SEBAL和SEBS模型更能有效捕捉高寒咸水湖日蒸发量的时空变异性，这主要是由于后两者对湖泊热储变化的高估。无冰期内METRIC模型估算的日蒸发量（均值±空间标准差）在1.01±0.27 mm至5.60±0.68 mm之间，日蒸发量从湖心向湖岸递减。两个无冰期的累计蒸发量分别为779.1±87.0 mm（35.83±4.00×10⁸ m³）和797.1±88.6 mm（36.64±4.07×10⁸ m³），约占青藏高原全部湖泊年总蒸发量的7%。水量平衡分析显示，青海湖在2022年无冰期的水量盈余为12.22±1.16×10⁸ m³，2023年为11.11±1.10×10⁸ m³，分别导致水位上升0.27±0.03 m和0.24±0.02 m，与观测值（0.28 m和0.24 m）高度吻合。本研究为青藏高原高分辨率湖泊蒸发量估算提供了一种方法，为区域水资源管理和生态保护提供了支持。

引言

青藏高原（TP）被称为"亚洲水塔"，是世界上最高、最大的高原，也是我国湖泊分布最集中的区域（Yao et al., 2022）。青藏高原共有约32,843个湖泊，占中国湖泊总面积的约50%（Wang et al., 2020; Zhang et al., 2014）。咸水湖占这些湖泊的70%以上（Liu et al., 2021），主要分布于内流河流域，在水资源储存和调节中发挥着关键作用（Zhang et al., 2019; Zhang et al., 2020）。1976年至2018年间，青藏高原湖泊总面积在变暖增湿的气候背景下增加了25.42%，从40,100 km²增至50,030 km²（Zhang et al., 2020）。近期研究主要将青藏高原湖泊面积的大幅扩张归因于水输入的增加，特别是降水增多、冰川物质损失和冻土融化导致的径流增强（Lei et al., 2017; Yao et al., 2019; Zhang et al., 2019; Zhang et al., 2020）。然而，水输出过程——尤其是蒸发——的作用仍未得到充分认识，特别是在蒸发作为唯一失水机制的内陆封闭流域湖泊中（Guo et al., 2019）。此外，青藏高原湖泊可通过水汽与能量的陆气相互作用调节区域气候变化（Wu et al., 2019b），进而影响局部降水和蒸发格局（Wang et al., 2019; Zhang et al., 2020）。因此，精确量化湖泊蒸发量对于全面了解湖泊扩张的机制以及评估其对区域气候和水资源的潜在影响至关重要。

目前有几种传统方法可用于估算青藏高原湖泊蒸发量，如蒸发皿法（Dalton, 1802; Zhou et al., 2013）、涡度相关（EC）观测（Swinbank, 1951; Guo et al., 2019; Li et al., 2016; Li et al., 2015; Wang et al., 2019）、整体传输法（Shi et al., 2024）、Penman-Monteith法（Penman, 1956; Monteith, 1965; Zhang et al., 2024; Zhu et al., 2010）、Flake模型（Mironov, 2008; Lazhu et al., 2016）、互补关系湖泊蒸发（CRLE）模型（Morton, 1983; Ma et al., 2016）和地表能量平衡模型（Chow, 1964; Wang et al., 2020; Yu et al., 2011）。这些方法主要利用湖泊附近站点观测数据来计算湖泊蒸发量，仅适用于局部尺度。然而，由于蒸发影响因素在湖面上的空间变异性——如盐度和水面温度——将这些方法应用于整个湖泊时可能存在较大的不确定性（Khaleghi et al., 2025; Zamani Losgedaragh and Rahimzadegan, 2018）。

近年来，卫星传感器快速发展，能够实现连续、大尺度和低成本的遥感数据获取，基于卫星的间接方法在湖泊蒸发量估算中受到越来越多的关注（Allen et al., 2011; Matta et al., 2022）。其中，基于卫星的地表能量平衡模型，如陆地地表能量平衡算法（SEBAL）（Bastiaanssen et al., 1998）、高分辨率内部校正蒸散发映射模型（METRIC）（Allen et al., 2007）和地表能量平衡系统（SEBS）（Su, 2002），在湖泊蒸发量估算方面效果良好，尤其对于需要考虑盐度影响的咸水湖。纳入盐度校正因子的基于卫星的地表能量平衡模型已成功应用于全球不同区域来量化湖泊蒸发量。例如，Rahimpour和Rahimzadegan（2021）评估了基于MODIS卫星数据的SEBAL模型在伊朗超咸水乌尔米耶湖蒸发量估算中的表现，结果表明盐度校正系数使均方根误差（RMSE）从88.4 mm/月降至19.8 mm/月。Abdelrady等人（2016）应用了带盐度校正因子的改进SEBS模型估算了美国大盐湖的蒸发量，结果表明相对误差均方根（rRMSE）相比原始SEBS模型降低了4%。然而，很少有研究将带盐度校正因子的地表能量平衡模型应用于青藏高原咸水湖的蒸发量估算，这限制了我们对于气候变化下蒸发动力学及其对湖泊水量平衡影响的认知。

青海湖（QHL）是青藏高原最大的咸水湖，是一个终端湖，其水位波动反映了区域水文和气候变化（Cui and Li, 2015; Fan et al., 2021; Zhang et al., 2024）。1956年至2004年间，青海湖水位显著下降，这归因于湖泊蒸发量增加、降水量减少和快速增温（Cui and Li, 2015; Hou et al., 2023; Wang et al., 2018）。这种下降引发了一系列生态和环境问题，包括荒漠化、草地退化和水资源耗竭（Qin and Huang, 1998; Wu et al., 2017）。然而，自2005年以来，青海湖水位持续上升，导致湖泊快速扩张（Zhang et al., 2024）。以往研究普遍认为，青海湖水位波动主要由径流和降水驱动（Fan et al., 2021; Fang et al., 2019; Hou et al., 2023; Zhang et al., 2024; Zhu et al., 2023）。然而，蒸发对湖泊水位的影响往往被忽视或视为可忽略不计，这主要是由于数据有限以及原位测量的不确定性（Cui and Li, 2015）。

因此，本研究基于遥感数据，应用了三种地表能量平衡模型（SEBAL、METRIC和SEBS），以高空间分辨率（30 m）估算青海湖的蒸发量。本研究的主要目标为：(i) 刻画青藏高原最大咸水湖蒸发量的时空动态；(ii) 评估基于卫星的地表能量平衡模型在高寒咸水湖环境中的适用性和表现；(iii) 量化湖泊水量平衡，为可持续水资源和生态系统管理策略提供参考。本研究结果将增进对气候变化下咸水湖水文过程的认识，为青藏高原水资源管理和生态保护策略提供必要见解。

章节片段

研究区

青海湖是中国最大的内陆封闭咸水湖，位于青藏高原东北部，对维持周边区域生态完整性具有重要作用（图1）（Wu et al., 2017）。2022—2023年间，该湖平均表面积为4600.69 km²，平均湖面高程为3196.58 m，平均蓄水量为1050.53×10⁸ m³。湖泊平均水深约21 m，最大水深达32.8 m（Hou et al., 2023）。

模型验证

三种模型（SEBAL、METRIC和SEBS）的蒸发量估算精度在日尺度和月尺度两个时间尺度上进行了评估。日蒸发量估算精度使用ETM模型进行验证（Zheng et al., 2022）。此外，月蒸发量利用下舍水文站的淡水蒸发数据进行验证，并采用转化系数（表2），以减少湖泊热储变化和盐度引起的误差。

日和月

模型对青藏高原咸水湖蒸发的适用性

一般来说，湖泊热储变化（G）是根据能量平衡计算所采用时间步长内水温的变化来估算的（Duan and Bastiaanssen, 2015; Gianniou and Antonopoulos, 2007），这需要垂直温度廓线数据。然而，由于大多数湖泊很少有此类数据，因为温度传感器必须安装在水柱的多个深度处（Kirillin et al., 2011）。因此，一些研究开发了线性

结论

本研究创新性地应用了三种地表能量平衡模型（SEBAL、METRIC和SEBS），在2022年和2023年的无冰期（IFPs），以高空间分辨率（30 m）估算青海湖（QHL）的蒸发量。此外，评估了这些模型的适用性，并从蒸发角度探讨了湖泊水量平衡动态及其生态意义。主要结论如下：

• (1)
  青海湖的蒸发量被SEBAL和

作者贡献声明

雷逸真： 撰写——审稿与编辑，撰写——初稿，验证，方法学，形式分析，数据整理，概念化。曹生魁： 撰写——审稿与编辑，撰写——初稿，验证，资源，方法学，资助获取。侯耀芳： 验证，形式分析，数据整理，概念化。吴华武： 撰写——审稿与编辑，验证，监督，资源，方法学，概念化。杨泮瑞： 资助获取，形式分析，

利益冲突声明

作者声明他们不存在任何已知的可能影响本论文所报告工作的竞争性经济利益或个人关系。

致谢

本研究得到了国家自然科学基金（批准号：42061008）和青海理工大学"昆仑人才"引进人才科研启动项目（2023-QLGKLYCZX-002）的资助。

雷逸真|曹生魁|侯耀芳|吴华武|杨泮瑞

青海省物理地理与环境过程重点实验室，青海师范大学地理科学学院，西宁810008，中国