利用遥感和水深测量记录识别的德克萨斯州水库沉积和非线性截留

《Water Resources Research》：Sedimentation and Nonlinear Trapping in Texas Reservoirs Identified Using Remote Sensing and Bathymetric Survey Records

　　

由于沉积（sedimentation）导致的水库存储容量（storage capacity）减少，对老化的美国水库构成了巨大挑战，因为它降低了其社会经济服务的有效性和可靠性。然而，由于稀疏且不频繁的水深测量（bathymetric survey）数据，对水库沉积速率（sedimentation rate）及相关问题的系统评估仍然有限。在本研究中，研究人员利用遥感（remote sensing）驱动的沉积物浓度（sediment concentration）估计，来识别重复水深测量中观察到的快速水库容量损失区域。分析聚焦于德克萨斯州（Texas），那里通过德克萨斯州水资源开发委员会（Texas Water Development Board, TWDB）的独特长期监测计划，可获得最可靠的州级水库容量损失数据集之一。研究人员发现，具有大存储容量和高沉积速率的水库集中在德克萨斯州东北部。研究还表明，森林减少、荒地增加和侵蚀性土壤属性与高水库沉积速率共同变化。遥感泥沙通量（sediment flux）纵向梯度的时空变化凸显了泥沙截留（sediment trapping）过程的非线性特征，并可用于估算随时间变化的水库存储容量损失。与标准水深测量相结合，该方法显示出更具成本效益和更频繁地评估水库存储损失的潜力。

**论文解读：利用遥感和水深测量记录识别德克萨斯州水库沉积与非线性截留**

**研究背景与问题**
水库蓄水会中断河流泥沙的自然输送，导致床沙质和悬移质在库区沉积，逐步降低有效库容。随着美国大量水库老化（设计寿命50–100年），泥沙淤积导致的库容损失日益威胁供水、水电、防洪和娱乐等社会经济服务的可持续性。然而，由于传统水深测量成本高昂且频率低，系统评估水库沉积速率及其空间变异面临巨大挑战。现有研究多依赖遥感估算库容变化，但难以解释区域沉积速率差异的驱动因素。因此，亟需一种结合遥感与实测数据的方法，以更经济高效地监测库容损失，并揭示影响沉积速率的关键环境因子。

**研究内容与结论**
本研究以德克萨斯州（Texas）为研究区，利用该州长期、一致的水深测量数据集（由德克萨斯州水资源开发委员会提供），结合遥感悬浮泥沙浓度（suspended sediment concentration, C_R）资料（来自RivSed数据库，1984–2019年），开发了一套工作流程：首先通过偏差校正和流量转换，由遥感数据估算进入水库的泥沙通量（sediment flux, Q_s），进而计算沉积体积和库容损失；其次，通过相关性分析，探讨土壤可蚀性（soil erodibility, K）、渠道坡度（channel slope）、极端降水（extreme precipitation）和土地利用/土地覆盖（land use/land cover, LULC）变化对水库沉积速率（sedimentation rate）的影响。研究得出以下结论：1）高沉积速率的区域集中在德克萨斯州东北部，与遥感泥沙通量时空变化一致；2）森林减少、荒地增加和高土壤可蚀性是导致该区域高沉积速率的主要驱动因素；3）基于遥感泥沙通量纵向梯度可重建库容变化时间序列，且截留效率（trap efficiency, TE）与入库泥沙通量呈正相关，揭示了非线性截留过程。该研究成果发表在《Water Resources Research》。

**主要技术方法**
研究采用的关键技术方法包括：1）利用RivSed数据库中的Landsat表面反射率与XGBoost机器学习算法反演的悬浮泥沙浓度时间序列，并与美国地质调查局（USGS）实测数据进行偏差校正，得到流域尺度校正因子（f_c，中位数1.28）；2）结合NHDPlusV2模型模拟的月平均流量，将偏差校正后的浓度转换为泥沙质量通量；3）基于水库上下游泥沙通量差，并引入校准系数（c）修正泥沙体积密度（bulk density，采用820 kg/m³）等不确定性，估算逐年沉积体积和库容损失；4）通过线性回归拟合重复水深测量数据，量化62座水库的库容损失率；5）利用土壤景观图（SOLUS）、NHDPlusV2渠道属性、国家海洋和大气管理局（NOAA）AORC降水数据以及国家土地覆盖数据库（NLCD），分析土壤可蚀性、渠道坡度、极端降水和LULC变化与沉积速率的流域尺度相关性。样本数据来源包括TWDB的115座水库水深测量报告、USGS的河流流量和泥沙浓度监测站，以及RivSed覆盖的460条大型河流。

**研究结果**
**3.1 基于重复水深测量的线性回归存储容量损失率估计**
通过对62座具有重复水深测量数据的水库进行线性回归，发现中位库容损失率为?0.14%/年，最大和最小值分别为?0.49%/年和?0.02%/年。东北德克萨斯州的大型水库（如萨宾河和红河流域）表现出最高的沉积速率。总库容在1994年达到峰值，若按当前速率线性损失，预计2060年和2100年将分别减少10%和16%，人均库容将下降54.5%–62.3%。

**3.2 潜在驱动因素与水库沉积速率的相关性分析**
**3.2.1 土壤可蚀性和渠道坡度**
基于SOLUS土壤数据计算的土壤可蚀性（K值）显示，内切斯河（Neches）和萨宾河（Sabine）流域具有高可蚀性，与高沉积速率区域一致。红河流域的高可蚀性土壤也与高沉积速率水库共位。而渠道坡度分析表明，坡度较缓的流域（如内切斯、萨宾和三一河）反而沉积速率更高，说明坡度并非主要驱动因素。

**3.2.2 极端降水变化**
基于AORC数据集计算的过去（1984–1993）和现在（2010–2019）年最大日降水量变化（ΔP_max）显示，德克萨斯州普遍增加，但未表现出与东北部高沉积速率的空间协变，表明极端降水不是该区域沉积的主导因素。

**3.2.3 土地利用/土地覆盖变化**
对比1985–1993年和2010–2019年NLCD数据，发现所有研究流域均发生城市化，但高沉积速率的内切斯和萨宾河流域森林面积减少了1%–2%，而荒地面积增加显著。其他流域（如布拉索斯、科罗拉多和三一河）森林面积增加。分析表明，森林减少和荒地增加与高沉积速率强相关。

**3.3 泥沙通量变化**
遥感泥沙通量（Q_s）的时空变化显示，萨宾河上游通量增加，导致更多泥沙进入水库；红河下游通量显著减少，归因于上游水库的截留作用。

**3.4 基于遥感数据的水库存储容量损失估计**
从62座重复水深测量水库中筛选出3座位于主河道且遥感数据可用的水库（Possum Kingdom、Granbury、Livingston），通过引入校准系数c（分别为4.08、4.22、6.19），重建的库容时间序列与实测值的均方根误差（RMSE）分别为0.39%、1.01%和0.003%。进一步分析发现，入库泥沙通量（Q_s,in）与截留效率（TE）之间存在显著的正相关关系（Spearman系数0.40–0.72），表明高泥沙供给时截留效率更高，呈现非线性截留动态。

**讨论与结论**
讨论部分指出，上游水库对下游泥沙通量的影响显著，但受限于遥感数据的空间覆盖（仅覆盖宽度>60 m的河流），难以系统量化。遥感悬浮泥沙浓度（s_R）的偏差校正采用流域尺度恒定因子，但实际偏差可能随浓度时空变化；校准系数c综合了泥沙体积密度、支流贡献缺失、时间分辨率不足（中位29.5天）等不确定性，虽缺乏物理意义，但能有效重建库容。非线性截留过程与传统的库容/年入流比（C/I）框架不同，后者预测高流量时截留效率下降，而本研究显示高泥沙通量时截留效率上升，可能归因于细颗粒泥沙的絮凝作用（flocculation）。

**结论翻译**：本研究表明，遥感泥沙数据可直接用于量化水库沉积体积，并捕捉随时间变化的非线性截留特征。研究聚焦于德克萨斯州水库，利用重复水深测量数据（采用一致测量和后期处理方法）进行可靠验证。东北德克萨斯州被识别为高沉积速率区域。分析了土壤可蚀性、渠道坡度、降水和土地利用/土地覆盖（LULC）以解释区域差异。主要发现：1）遥感泥沙通量变化与高沉积速率水库位置一致，东北德克萨斯州为高风险区；2）高沉积速率与森林减少、荒地增加及易蚀土壤类型相关，导致流域土壤侵蚀加剧；3）基于进出水库泥沙通量纵向梯度可重建库容变化时间序列，揭示了非线性截留过程。本文开发的流程展示了利用遥感悬浮泥沙记录有效估算水库沉积并通过水深测量验证的潜力，与标准水深测量结合，为更经济高效和频繁的库容损失评估铺平了道路。未来需提高监测覆盖和采样频率，并改进截留效率模型以考虑随时间变化的入库泥沙通量。