青藏高原大型湖泊扩张淹没区水下地形的显著侵蚀——基于原位测深与多源遥感研究

《Journal of Hydrology: Regional Studies》：Substantial erosion of underwater topography in inundated area of large lakes using in situ bathymetry and multi-resource remote sensing on the Tibetan Plateau

　　

基于原位测深（in situ bathymetry）与多源遥感（multi-resource remote sensing）数据，研究人员对青藏高原（Tibetan Plateau, TP）大型湖泊淹没区的水下地形（underwater topography）进行了研究。结果表明，自2000年以来，青藏高原九个湖泊的淹没区发生了大量的侵蚀（erosion）与沉积（deposition）作用。水下地形变化以侵蚀为主，平均侵蚀深度为3.34 m。水下地形侵蚀与径流（runoff）和降水（precipitation）呈高度正相关。

青藏高原（Tibetan Plateau, TP）拥有超过1400个湖泊，总面积超过5×10⁴ km²，是中国最大的湖区。随着气候变暖变湿，TP上大部分湖泊在1995—2020年间呈扩张趋势，2000—2018年湖泊面积由约4.1×10⁴ km²增至5.0×10⁴ km²；2003—2020年湖泊水位平均上升0.20 m/年，2016—2020年加速至0.43 m/年。湖泊显著扩张改变了湖岸带（littoral zone）的沉积条件，可能造成部分区域侵蚀加剧、部分区域沉积增加，进而影响湖岸带的生物多样性与碳储库。目前有关TP湖泊扩张对湖岸带影响的研究较少，尤其对扩张后被淹没区水下地形变化的认识不足。此外，若研究区存在大量泥沙输移，仅利用遥感影像和卫星测高数据计算湖泊水储量变化可能产生误差。因此，量化淹没区水下地形的侵蚀与沉积变化，对理解湖泊生物多样性、碳循环、湖水储量和沉积过程具有重要意义。

研究人员针对TP内流区九个扩张大型湖泊（Angdaer Co, Aqikekule Lake, Ayakekumu Lake, Dulishi Lake, Jinyu Lake, Lexiewudan Lake, Qixiang Co, Saibu Co, Yanhu Lake），结合原位测深数据与Landsat影像构建多种机器学习水深反演模型，比较各模型精度；随后将最优反演结果与SRTM和ICESat-2数据结合，估算2000年以来淹没区水下地形的侵蚀与沉积深度，分析其空间分布特征及可能驱动机制。研究发现，这些湖泊淹没区水下地形普遍发生显著变化，以侵蚀为主，平均侵蚀深度3.34 m；侵蚀强度与降水、径流呈高度正相关。该研究增进了对TP水下地形演化的理解，也为扩张湖泊环境变化研究提供了参考。

研究采用的主要技术方法包括：利用Landsat 7 ETM+和Landsat 8 OLI影像提取湖泊边界与水体反射率，基于归一化差异水体指数（Normalized Difference Water Index, NDWI）提取水体；原位水深数据于2019—2021年使用Lowrance声呐测深仪获取，并按30 m×30 m网格平均化；构建随机森林（Random Forest, RF）、极端梯度提升（eXtreme Gradient Boosting, XGBoost）、支持向量机（Support Vector Machine, SVM）和多层感知机（Multilayer Perceptron, MLP）四种水深反演模型，以7:3划分训练集与测试集，利用Optuna框架结合5折交叉验证进行超参数优化；ICESat-2（Ice, Cloud and land Elevation Satellite-2）ATL13数据用于提取湖面高程，SRTM V3数据用于获取2000年淹没前地形；最终结合最优反演水深与SRTM、ICESat-2数据计算侵蚀/沉积深度。

研究结果包括三部分。第一，原位测深与SRTM揭示的水下地形变化。通过比较SRTM高程（淹没前）与实测水深（淹没后）之和与实测期湖面高程，发现两者存在最大达十米以上的差异，表明湖泊扩张过程中淹没区水下地形可能发生了显著变化；AD和QX等湖泊的“SRTM+水深”几乎一致地大于调查期湖水位，指示这些湖泊淹没区可能遭受强烈侵蚀。

第二，不同反演模型的精度与适用性。研究人员构建了RF、XGBoost、SVM和MLP四种水深反演模型；各模型训练集R²均大于0.8，测试集R²略低。对于0–10 m水深湖泊（AD、QX、AY），测试集均方根误差（Root Mean Square Error, RMSE）不超过0.6 m，最大平均绝对误差（Mean Absolute Error, MAE）约0.4 m；最大水深超过10 m时RMSE和MAE明显增大。综合R²、RMSE、MAE、平均相对误差（Mean Relative Error, MRE）及水深分布图，RF和XGBoost优于SVM和MLP，RF为最优模型；SVM和MLP在浅水边界及深水区易出现异常水深值。实验中也尝试了Kolmogorov-Arnold Network（KAN）方法，但产生较多负值预测，鲁棒性较差。

第三，淹没区水下地形变化。基于RF反演结果计算各湖泊侵蚀与沉积分布，九个湖泊的侵蚀面积均大于沉积面积，多数湖泊超过50%的区域地形变化幅度在5 m以内。AD、QX、DL以侵蚀为主，侵蚀区占淹没区面积超过90%，平均侵蚀深度分别为5、4.22、3.34 m，平均沉积深度仅0.87、0.84、1.12 m。LX、SB、YH呈现从湖岸向湖心由侵蚀向沉积过渡，平均侵蚀深度为3.01–3.95 m，平均沉积深度为1.82–1.90 m。AY、JY、AQ三个淹没区面积最大的湖泊沉积比例较高，平均侵蚀深度小于3 m。九个湖泊2000年以来淹没区总侵蚀体积约2.61×10⁹ m³，其中AY和AQ最大（各5.93×10⁸ m³），DL最小（1.16×10⁸ m³），侵蚀量均大于沉积量。

讨论部分指出，数据不确定性主要来自SRTM，其在亚洲和高山地区垂直误差约3.5–6.2 m，但湖岸区域地形较平坦，RTK校验RMSE约为1.41–1.48 m；水深反演在0–2 m浅水区因悬浮泥沙和样本稀疏导致MRE较高，水深大于10 m时因电磁信号衰减而精度下降。水下地形变化的驱动机制包括湖水运动与河流冲刷、湖岸冻融作用、极端风浪以及入湖河流泥沙输移；地形坡度也影响侵蚀与沉积的空间分布。单位面积侵蚀与年平均降水相关系数为0.82，与年平均径流相关系数为0.86，表明湖岸侵蚀与降水、径流呈强正相关。

研究结论为：自2000年以来，TP内流区九个湖泊扩张形成的淹没区水下地形发生了显著变化，以侵蚀为主导。除AY和JY外，各湖泊超过50%的淹没区侵蚀深度大于2 m；平均侵蚀深度为3.34 m，最大在AD为5 m，最小在AY为1.93 m。淹没区面积较小的湖泊如AD、QX、DL（各<40 km²）侵蚀区占90%以上；LX、SB、YH呈现由近岸侵蚀向湖心沉积过渡；AY、JY、AQ（各>100 km²）沉积比例较高。2000年以来九个湖泊淹没区总侵蚀量约2.61×10⁹ m³。水下地形变化与原有湖底地形、水动力及河流侵蚀密切相关，湖岸侵蚀与降水、径流呈强正相关。这些发现增进了对TP水下地形演化的理解，对研究扩张湖泊的碳循环、古环境和沉积过程具有重要意义。