全球遥相关驱动的水文气候变化与乌尔米耶湖干涸：遥感视角的洞察

《Remote Sensing Applications: Society and Environment》：Global Teleconnection-Induced Hydroclimatic Changes and the Desiccation of Lake Urmia: Insights from Remote Sensing

　　

# 摘要

乌尔米耶湖是伊朗最大的咸水湖，近几十年来其面积发生了巨大变化，反映了该地区最重要的环境问题之一。理解气候变率对这些变化的影响对于改善水资源管理和支持未来的环境规划至关重要。本研究调查了十一个遥相关指数，包括ENSO（厄尔尼诺-南方涛动）、AO（北极振荡）、PNA（北太平洋-北美型）、EA（东亚遥相关）、MJO（Madden-Julian振荡）、QBO（准两年振荡）、TNA（热带北美遥相关）、TSA（热带南美遥相关）、EPO（东部太平洋振荡）、WPO（西部太平洋振荡）和AAO（南极振荡），以探索它们与湖泊面积、降水、温度、蒸发和风速之间的关系。为实现这一目标，本研究开发了一种Multi-MOOTLBO-GDM框架，用于同时筛选遥相关指数并评估其单独和交互效应。利用图像处理技术，从2016年至2024年的月度卫星观测数据中提取了湖泊面积。结果表明，在研究期间，乌尔米耶湖经历了相当大的波动。2019年湖泊面积达到最大值4,001平方公里，但随后在2023年降至1,317平方公里，四年内总减少幅度约为67%。分析发现ENSO是降水变率解释力最高的遥相关指数，而AO对温度和蒸发变率的解释力最高。此外，交互效应至关重要；二元交互作用如MJO-AO可解释最多31%的方差，三元交互作用如MJO-PNA-AAO可解释最多89%。结果表明，乌尔米耶湖水位的变化不仅受当地条件影响，还受大尺度气候驱动因素的复杂交互作用影响。此外，所提出的Multi-MOOTLBO-GDM框架展示了识别遥相关指数与湖泊面积变化之间统计关系的能力，并为脆弱流域的综合水资源管理提供了有用的信息。

# 引言

1990年，乌尔米耶湖面积约为5,700平方公里，是伊朗最大的湖泊，也是世界第六大超咸水湖。该湖在伊朗西北部地区的生态平衡和气候调节中发挥着重要作用（AghaKouchak等, 2015；Rezaei和Gurdak, 2020）。该湖是重要嗜盐物种（包括Artemia urmiana）以及火烈鸟和鹈鹕等迁徙鸟类的栖息地。此外，它在调节相对湿度、缓和当地温度和减轻区域内沙尘暴方面发挥着关键作用（Hossein Mardi等, 2018；Sima等, 2021）。遥感和水文模型研究表明，乌尔米耶湖的面积已从1990年代的5,700平方公里缩小至近年的1,000至1,500平方公里（Shadkam等, 2017；Schulz等, 2020），湖床干涸导致了盐暴、加剧土壤侵蚀，并威胁到乌尔米耶和大不里士等周边城市居民的健康。

过去三十年间，由于降水模式的变化和大规模农业发展，该水体面临流入乌尔米耶湖水量减少（Taheri等, 2019；Alizade Govarchin Ghale等, 2019；Pooralihossein和Delavar, 2020）、上游地区在缺乏充分研究的情况下建设水坝（Valizadeh Kamran和Khorrami, 2018；Kheyruri等, 2023）以及地表水和地下水资源的过度开采（Bashirian等, 2020）等问题。此外，水资源的无序利用，特别是在上游地区，扰乱了流域的水文平衡并加速了干涸过程（Alizade Govarchin Ghale等, 2018；Parsinejad等, 2022）。气候变化以及人为因素在乌尔米耶湖的干涸中发挥了显著作用。最近关于气候的研究表明，冬季冰冻天数的减少、年均气温的升高、潜在蒸散量的增加，以及降水和径流的减少，是导致湖泊水位不稳定及其波动的原因之一（Jalili等, 2016）。

除了局部参数外，ENSO、NAO、IOD等遥相关现象对气候变化也有显著影响。这些现象在全球或大陆尺度上表现，可导致明显的降水、干旱和温度波动（Amini等, 2020；Biswas, 2023；Li等, 2025）。遥相关指数表示一个地区的大气或海洋变化与遥远地区产生的影响之间的相关性。这些关系通过海平面气压、温度或降水等指标的同步变化来识别（Nigam和Baxter, 2015）。

多项研究评估了这些指数在气候变化中的作用。Biswas（2023）通过Pearson相关系数和波let相干分析（WTC）研究了不同遥相关指数对极端降水的影响。该研究未使用机器学习模型，而机器学习模型有可能更准确地模拟复杂的非线性关系（Biswas, 2023）。在另一项研究中，Li等利用气候网络分析评估了ENSO和AMO对全球尺度强降水事件的影响。研究发现，在2600公里以内的距离范围内，区域间相似气候条件的概率随距离增加而降低。遥相关系统通常将距离约2600至5500公里的区域天气模式联系起来。然而，当分离距离超过这一范围时，遥相关信号的强度和一致性通常会减弱，导致地理上遥远的区域之间气候相关性减弱。该研究仅关注两个遥相关指数，省略了对其他指数的分析（Li等, 2025）。

地理探测器模型（GDM）是一个统计框架，用于定量考察各种参数对单一目标的影响。该模型已被应用于多个领域，包括识别影响目标的各种参数之间的交互作用、评估气象参数对植被和农作物的影响，以及确定影响农产品和区域的主要因素（Hao等, 2021；Kheyruri等, 2024）。虽然该模型在识别和定量评估各种参数对特定目标的影响方面也表现出优异的性能，但它无法分析多个参数在不同目标之间的交互作用。为克服这一局限性，该模型需要与优化模型结合使用。多目标观察者-教师-学习者优化（MOOTLBO）模型是由Doroudi和Sharafati（2024）提出的一种强大的优化模型。

近年来，MOOTLBO算法已成功应用于广泛的环境和水资源研究，包括气候变化评估、水文网络优化、水质分析、特征选择和参数优化。其主要优势在于能够有效探索复杂的搜索空间，并在大量候选变量中同时识别最优组合。本研究将MOOTLBO与地理探测器模型（GDM）结合，开发了一种探索性框架，用于筛选多个遥相关指数并识别与乌尔米耶湖面积变化相关的统计信息丰富的交互模式（Doroudi等, 2023, 2025）。

尽管已有大量关于乌尔米耶湖衰退的研究，但很大一部分以往研究主要关注气候趋势、水位变化或气候变量与湖泊水位之间的直接关系。然而，仍需要一个能够同时筛选和排序大尺度遥相关指数与区域水文气候变量之间潜在关系的框架。在本研究中，Multi-MOOTLBO-GDM框架被用作探索工具，以识别信息丰富的指数及其潜在组合。因此，本研究的主要创新在于提供了一个多目标筛选框架，用于调查遥相关指数、湖泊水位、降水、温度、蒸发和风速之间的统计关系。

如今，气候变化和遥相关指标在加剧降水和温度波动、降低湖泊水位和面积方面的作用是毋庸置疑的。乌尔米耶湖是伊朗最重要的内陆湖之一，过去几十年中水位显著下降。这一衰退对区域生态系统以及湖泊周边社区的生计造成了严重影响。更清晰地了解遥相关指数与关键气候变量之间的关系，可以为水资源管理的大规模决策提供有价值的见解，并为设计有效的气候变化适应策略提供支持。

以往关于乌尔米耶湖的大多数研究主要侧重于识别气候趋势或调查水文气候变量之间的线性关系。然而，对多个遥相关指数的综合影响及其在解释湖泊面积变化方面的交互作用关注有限。此外，地理探测器模型（GDM）等高级分析方法很少被用于量化遥相关模式的解释力，而多目标优化技术如MOOTLBO很少被应用于识别预测变量的信息丰富组合。因此，本研究将GDM与MOOTLBO相结合，建立一个探索性框架，能够筛选遥相关指数、评估其单独和交互效应，并识别与乌尔米耶湖面积变化相关的统计信息丰富的组合。

本研究的主要目标是利用卫星观测数据，调查十一个主要遥相关指数与乌尔米耶湖面积的时间变异性之间以及关键水文气候变量（包括降水、温度、风速和蒸发）之间的统计关系。为此，采用地理探测器模型（GDM）量化单独遥相关指数及其交互模式的解释力。随后，将多目标正交教学-学习优化（MOOTLBO）算法与GDM结合，筛选候选预测变量并识别遥相关指数的统计信息丰富组合。通过结合这些方法，所提出的框架为遥相关-气候-湖泊关系提供了系统的探索性评估，有助于更好地理解乌尔米耶湖流域水文气候变率相关的因素。

## 案例研究

乌尔米耶湖位于伊朗西北部，介于东经45°–46°和北纬37°–38°之间，覆盖面积约52,000平方公里，接收来自周围高地和上游流域的十四条河流的径流。湖泊面积和入流量的变化受气候因素和人类活动的影响。特别是，上游水坝建设和过量取水已显著改变了为湖泊供水的天然水文制度。

## 建模结果与分析

图3展示了研究期间乌尔米耶湖区域的变化示意图。图像按上一节所述方法逐年生成，每张图像代表该年所有可用图像的平均值。湖泊面积呈现下降趋势；然而，在某些年份，如2019年，由于降水量大和蒸发减少，面积较往年有所增加。最大值和最小值

## 讨论

在本研究中，进行了全面的定量分析，以研究大尺度遥相关模式与乌尔米耶湖水文气候变率之间的关系。在主要分析之前，使用方差膨胀因子（VIF）评估了候选遥相关指数之间的多重共线性。基于此评估，保留了十一个指数，包括ENSO、AO、PNA、EA、MJO、QBO、TNA、TSA、EPO、WPO和AAO进行进一步分析。

## 结论

本研究使用所提出的Multi-MOOTLBO-GDM框架，全面调查了十一个遥相关指数与乌尔米耶湖面积变化以及关键水文气候变量（包括降水、温度、蒸发和风速）之间的关系。结果表明，2016年至2024年间，湖泊经历了显著波动，2019年面积达到最大值4,001平方公里，2023年降至约1,317平方公里。

## AI技术在写作过程中的声明

在本工作的准备过程中，作者使用了Grammarly等基于AI的软件来提升英文内容的语言质量和流畅度。需要说明的是，论文的原稿由作者撰写和编辑，然后全文经该软件编辑以改善论文的可读性。使用该工具/服务后，作者对内容进行了审查和编辑，并对出版内容承担全部责任。

## CRediT作者贡献声明

Yusef Kheyruri：撰写——初稿，可视化，方法，研究。Alireza Hadian：撰写——初稿，验证，方法，研究。Ahmad Sharafati：撰写——审阅与编辑，验证，监督，形式分析，概念化。Siyamak Doroudi：撰写——初稿，软件，方法，研究。

Zaher Mundher Yaseen：撰写——审阅与编辑、验证、形式化分析、概念构思

利益冲突声明
作者声明不存在利益冲突。

数据与材料可用性
如需数据，请联系通讯作者。

代码可用性
如需代码，请联系通讯作者。

伦理审批
不适用。

参与同意
不适用。

发表同意
不适用。

伦理声明
我们特此声明，本稿件是我们原创研究的结果，未在别处发表或投稿。所有作者均对本工作做出了重大贡献并批准了最终版本。该研究遵守伦理准则，涉及人类或动物受试者的研究已获得了必要的批准。不存在影响本研究结果的利益冲突，所有资助来源均已得到适当声明。

资助情况
无资助。

利益冲突声明
? 作者声明，不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。

Alireza Hadian | Yusef Kheyruri | Siyamak Doroudi | Ahmad Sharafati | Zaher Mundher Yaseen
伊朗德黑兰，谢里夫理工大学土木工程学院