青藏高原湖泊变化遥感监测及水量平衡定量估算研究进展

陈 军， 刘延昭， 曹立国， 胡建茹， 刘水林

（1.安徽建筑大学环境与能源工程学院，安徽合肥 230000；2.安徽省智慧城市工程技术研究中心，安徽合肥 230000；3.陕西师范大学地理科学与旅游学院，陕西西安 710061）

0 引言

青藏高原被称为“世界屋脊”和“世界第三极”，平均海拔超过4 000 m，分布着1 000多个面积大于1 km2的高山湖泊［1］，这些湖泊是构成青藏高原水圈的重要部分。青藏高原还是亚洲主要河流的发源地，被誉为“亚洲水塔”，为东亚及南亚超过20亿人口供应水源［2］。因其偏远的地理位置极少受到人类活动的影响，所以青藏高原湖泊的动态变化能够真实地反映其所处区域的气候变化状况及发展趋势，是气候变化的指示器［3］。青藏高原在过去的50年中表现出持续的升温态势，导致了冰川退缩和多年冻土消融［4］，与之相伴的气候变化特征还有藏北西风区的降水量增加和藏南西南季风区的降水量减少。青藏高原的气温和降水量变化对湖泊演变甚至高原水循环产生了深远的影响［5-6］。具体而言，1990年之前，西风带影响区域降水减少，而且同时期气温下降抑制冰川融水，使得青藏高原内陆湖泊水位持续降低［7］。1990—2000年间，温度升高导致补给冰川持续消融，打破了高原湖泊补给状态原有的稳定，进而导致湖泊水位升高。2000年之后，降水对湖泊水位起着正效应作用。然而，2005—2013年间，随着气温变暖的持续，该时段蒸散量的增加对湖泊水量增长速率起到削弱作用［5，8］。总体来说，过去几十年青藏高原湖泊水位变化的空间分布特征和西风带及印度季风带影响区的降水量变化具有高度的空间一致性［8］。

目前，学术界基本认可大尺度的降水年代际变化是羌塘高原及青藏高原东北部湖泊扩张、南部湖泊收缩的主因。与此同时，冰川冻土退化又进一步加速湖泊扩张或抑制了部分湖泊收缩。由于缺乏可靠的观测数据，很难准确量化青藏高原降水量变化和冰冻圈物质平衡对湖泊水量平衡的贡献程度。要回答这个科学问题，需要对整个青藏高原更多湖泊水量平衡的定量估算，评估冰川融水、降水、冻土消融、蒸发和风速等因素对湖泊水量变化的贡献［9］。青藏高原湖泊和冰川分布如图1。

图1 青藏高原湖泊和冰川分布图［10］Fig.1 Topographic map of the Qinghai-Tibet Plateau and distribution of lakes and glaciers［10］

1 基于多源遥感数据的青藏高原湖泊变化监测

较小的人类活动和恶劣的自然环境导致青藏高原地面观测数据空间分布有限，且实测精度和效率大大降低，这种局限却反而为湖泊变化遥感监测技术发展提供了绝好的应用场景。

1.1 基于多源遥感数据的青藏高原湖泊面积变化

基于光学影像的水体信息自动提取常用算法有单波段阈值法［11］、水体指数法［12］、谱间关系法［13］等。单波段阈值法操作简便，适用于较大范围或平原地区的水体自动提取，但该方法难以消除植被、阴影等噪声，且阈值选择容易受人为主观影响，精度较低；谱间关系法效果稳定，可识别复杂地物，较好地将阴影区和水体分开，适用于复杂地形的水体信息提取，但该算法涉及较多的逻辑判断且操作繁杂。水体范围图像分类的传统方法主要包括监督分类和非监督分类。当前，色度判别法、决策树分类以及机器学习算法等新分类方法也被广泛使用［14］。多源遥感数据的融合可以提高水体识别的准确性，如融合光学影像和合成孔径雷达（SAR）数据，可以同时利用光学影像具有资源丰富和SAR数据几乎不受云雨天气影响的优点。实践表明：针对分布密集的青藏高原内陆湖泊，人工目视检查辅助下的水体自动分类与编辑是湖泊水体信息提取的最优方法［9］。在湖泊范围变化监测数据源使用方面，从低分辨的NOAA影像，到中等分辨率的MO⁃DIS影像，以及高分辨率的Landsat、SPOT影像，再到 亚 米 级 的Quickbird、WorldView和IKONOS影像，以及我国的高分系列卫星影像等都已经被广泛应用（表1）。不同时、空分辨率的光学影像在监测青藏高原湖泊范围应用中各具优势：空间分辨率高的影像能够监测细部变化，而时间分辨率高的影像能够监测短期变化。因此，为充分发挥不同类型数据的优势和特点，联合多种数据源能够有效提高青藏高原湖泊范围变化监测效果。

表1 青藏高原湖泊遥感监测常用传感器一览表［3］Table 1 Characteristics of satellites and sensors usually applied in lake studies in Qinghai-Tibet Plateau［3］

王苏民等［15］详细对比1960—1980年间的地形图发现，青藏高原>1 km2的湖泊数量有1 081个，总面积约为45 000 km2。Zhang等［10］利用Landsat影像，对过去40年来青藏高原面积大于1 km2的湖泊数量和面积变化及其对气候变化的响应进行研究，湖泊面积>1 km2的湖泊数量，从1976年的1 080个增加到2018年的1 424个，湖泊面积增大了约25.4%。值得注意的是，1970—1990s中期，大多数湖泊都呈现出萎缩趋势，随着青藏高原的持续增温以及局地降水增加，1990s中期开始，湖泊基本上转入扩张状态。特别是在2000年以后，这种扩张幅度显得尤为剧烈。但接下来的2005—2013年期间，扩张速度有所减缓，而近年来又出现扩张加速的现象［16］（图2）。与湖泊面积变化相关的是湖泊数量的变化：在1970—1990年，面积>1 km2的湖泊数量略有减少，伴随着湖泊面积在1990—2010年间的扩张，湖泊数量在1990—2010年期间也呈现显著增加趋势。青藏高原湖泊变化的时间特征还体现在显著的季节差异上，导致季节差异的原因除了降水季节分配不均之外，还有就是冰川、冻土融化主要发生在温暖的夏季。综上，青藏高原绝大部分的湖泊春夏季处于丰水期，而秋冬季处于枯水期［17］。

图2 1960—2020年青藏高原湖泊（>50 km2）面积变化趋势［24-25］Fig.2 The changes in lake area（>50 km2）in Qinghai-Tibet Plateau during 1960—2020［24-25］

1.2 基于多源遥感数据的青藏高原湖泊水位及水量变化

青藏高原湖泊因其地处偏远和气象恶劣，在地表设置人工水文站点进行长期监测较为困难，目前只有青海湖（1959—）、纳木错（2005—）和羊卓雍错（1974—）有长期连续的水位观测［18］。但是这些有限的实测水位信息对验证遥感数据的精度具有重要作用。卫星测高技术的发展，为大范围、周期性监测湖泊水位变化提供了技术支持。目前常用的卫星测高数据主要包括雷达高度计（ENVISAT、Cryosat-2、TOPEX/Poseiden、Sentinel-3等）和激光高度计（ICESat-1/2等）两大类。相对于雷达测高，激光测高精度更高，可以监测面积较小的湖泊水位［19］。而卫星雷达测高数据的优点是覆盖的时间跨度更长，而且不易受到云雪天气的影响。因此在长时间序列监测青藏高原面积较大的湖泊方面，卫星雷达测高发挥了重要的作用。青藏高原湖泊水域环境复杂，测高卫星常伴有可用性数据缺失或信息失真，通过改进数据处理方法能有效改善测高精度［20］。融合多种卫星测高数据，如Song等［21-22］联合ICESat-1和CryoSat-2两种卫星测高数据，不仅可以获得更长时间序列的水位信息，还可提高水位获取信息的时空分辨率［23］（图3）。此外，联合卫星测高技术与其他类型多源遥感数据还可以有效估算湖泊水量变化（图4），如Zhan等［27］在利用ICESat-2激光测高数据对其进行精度评估的基础上，采用SRTM DEM估算湖泊水量变化。

图3 基于DAHITI数据的青藏高原典型湖泊的水位变化趋势［26］Fig.3 The monthly trends in water elevations of typical lakes on the Qinghai-Tibet Plateau based on DAHITI data［26］

图4 1976—2019年青藏高原湖泊（>50 km2）水量变化趋势［45］Fig.4 The changes in the lake water volume（>50 km2）in Qinghai-Tibet Plateau during 1976—2019［45］

利用数据资源更为丰富的光学影像立体像对生成DEM来监测湖泊高程变化的方法已经被广泛应用。此外，以湖泊流域DEM为基础，湖泊水量变化能够通过面积与水位变化估算［28］。

Zhang等［29］利用2003—2009年ICESat测高 数据观测超过200个湖泊，结果表明青藏高原整体上体现出北部湖泊水位明显升高，而南部水位以下降为主的空间分布特征。其中面积较大的色林错水位上升显著，1979—2017年该湖的水位上升幅度达0.37 m⋅a-1［30］，现已成为海拔超过4 000米最大的湖泊［16］。Yang等［28］联合SRTM-DEM和Landsat影像建立了青藏高原>50 m2的湖泊面积与水量变化关系，并根据对114个湖泊估算结果表明，1976年以来湖泊水量呈现不同程度的增加。Luo等［31］联合ICE⁃Sat-1/2监测了242个>1 km2的湖泊，结果显示2003—2019年间，总水量变化率为（11.51±2.26）Gt⋅a-1。Li等［32］监测了青藏高原52个大型湖泊的水量变化，发现大部分湖泊呈现扩张趋势，2000—2017年水量总共增加了（100.1±5.7）km3。

1.3 基于多源遥感数据的青藏高原湖泊水温和湖冰变化

湖泊水温是影响湖泊初级生产力的重要因素，也是气候变化的敏感指标，水温可以根据MODIS或NOAA/AVHRR的光学图像的热红外波段进行反演或微波传感器直接监测［3］（表2）。其中搭载在Terra和Aqua两颗太阳同步卫星上的MODIS传感器，具有较高的时间分辨率（一天两次经过赤道），这为实时监测整个青藏高原湖泊水面温度变化提供了有效的数据资源［46］。勾鹏等［47］就利用MODIS数据对纳木错表层湖水温度变化率的观测和模拟，他发现纳木错水温的季节性差异很大，夏季水温相对偏低，春、秋季节水温相对偏高。Huang等［43］进一步发现纳木错湖水在1979—2012年间的夏季表层水温逐年波动升温，年平均升高（0.052±0.025）°C。

表2 基于不同遥感数据的青藏高原湖泊变化监测［3］Table 2 The monitoring in lake changes in the Qinghai-Tibet Plateau using different remote sensing data［3］

在湖水温度普遍升高的背景下，湖冰作为大气和湖泊间能量交换的结果，对气候变化的指示器以及放大器作用更加明显，冰物候能够真实反映高原地区气候在不同时段的变化信息及其变化趋势。气温是湖冰最直接的影响因素，冬季均温越低，湖冰覆盖范围越大，湖冰越厚，完全封冻天数越长。较大风速可以加速湖泊传输水汽和局地对流，导致湖面降温明显，加速湖冰冻结、冰厚增加，冻结期延长。从湖冰变化时间变化特征来看，湖冰变化与最低水温、湖面最低辐射亮温值的变化趋势一致［40］。根据遥感图像中湖水的光谱特征，湖水与湖冰在各波段的反射率呈现较大差异，因此利用湖面辐射亮温突变可以判别湖泊冻融日期［40］，如采用AVHRR等亮温数据来监测湖泊亮温的长期变化信息，可以估算青藏高原湖泊冻结与消融日期的长期变化趋势［48］。高时间分辨率的光学遥感也可以有效监测湖冰变化，如陈贤章等［49］通过AVHRR数据的1、2和4波段，监测1993至1994年青海湖的湖水冻结情况，殷青军等［50］利用MODIS的1、2波段来识别湖冰变化。目前，MODIS积雪产品成为研究青藏高原湖冰变化使用最广泛的光学遥感数据产品。受限于光学遥感的技术限制，大多数湖冰研究主要集中于湖冰范围识别，对湖冰厚度的研究却相对较少［51］。而不易受到云雪天气影响的微波遥感数据除了监测湖冰范围还能估算湖冰厚度，如欧洲遥感卫星（ERS）、Radarsat、Sentinel-2等提供的合成SAR影像可准确地估算湖冰形成/融化过程及湖冰厚度［52］。主动微波技术的时间分辨率较低，限制了对湖冰进行每日监测的能力，湖冰变化快、对时间分辨率要求高的特点适合被动微波辐射计数据［52］。

在湖冰监测结果方面，近20年来，随着湖泊面积扩张，悬浮物浓度下降和透明度上升，湖冰冻结日期延后，冰期普遍缩短，如勾鹏等［47］发现2000年后纳木错青藏高原湖冰冬季冻结日期延后和春季消融日期提前导致冰期缩短，且消融期提前幅度较大。Kropáček等［41］利用MODIS 8天合成数据分析了2001—2010年青藏高原59个大型湖泊的冰物候变化，结果显示大部分湖泊均出现冰期缩短的现象；Cai等［40］利用MODIS每日积雪产品发现青藏高原58个湖泊的平均冰期为157.78天，其中18个湖泊的平均冰期延长速率为1.11 d⋅a-1，另外40个湖泊的平均冰期缩短速率为0.80 d⋅a-1。令人意外的是，部分研究发现青藏高原南部湖泊春季湖冰的融化日期出现推迟的现象［53］，这是由于南极涛动等全球气候异常使得青藏高原上空生成一个异常气旋，这有利于该区域春季降雪的形成，进而降低地面气温，从而导致湖面结冰持续时间的延长［54］。

1.4 基于多源遥感数据的青藏高原湖泊盐度和透明度变化

卫星遥感为大尺度多时段湖泊水体参数的反演提供了有力手段［16］，该技术不仅能够被用来获取湖泊水位、面积、水温等物理信息，还可以被广泛地用来监测盐度、透明度、水生植物等水体参数指标［3，55］。利用遥感技术监测湖泊水质环境已经逐渐从定性描述发展到定量反演，如Lee等［56］利用青藏高原大部分湖泊的叶绿素、有机质、和悬浮物浓度很低的特征，基于水色-透明度反演模型分析2000—2017年152个湖泊透明度变化，其中91个湖泊呈透明度上升趋势，而另61个呈透明度下降现象。此外，利用MODIS遥感影像特别是其中的B4绿色波段的湖泊反射率来反演湖泊透明度效果较好［57］。利用光学遥感提取青藏高原湖泊不同水域的光谱特征，并根据水质参数和水色的相互关系，还可研究水质的变化［58］。如刘翀等［57］使用MODIS数据测量湖泊透明度时间变化特征，并以塞氏盘实测数据作为验证，结果表明降水/融水季节的湖泊透明度与湖泊所在流域的降水变化呈正相关。Song等［59］也利用水面光谱信号与实地测量的塞氏盘深度计监测了全国湖泊的透明度，结果发现青藏高原湖泊拥有最高的透明度（2.94 m）（图5）。

图5 青藏高原湖泊透明度分布图［59］Fig.5 Distribution map of lake transparency in Qinghai-Tibet Plateau［59］

过去几十年，伴随着湖泊扩张的是淡水补给量增大，进而导致湖泊盐度和矿化度下降。如Zhu等［60］发现色林错地区大部分湖泊在1976—2017年间出现盐度和矿化度普遍下降现象，特别是矿化度从1979年的18.5 g⋅L-1下降到2017年的12.4 g⋅L-1［61］。水温、盐度等水体参数变化对湖泊的水生生物也产生了深远的影响，如Lin等［62］发现水温和盐度的变化对青藏高原湖泊食物链各营养级的相互作用机制中，盐度在3～5或25～28 g⋅L-1区间时，湖泊浮游动物种群对盐度变化最为敏感。水温随季节变化的同时，与此密切相关的是生态及生物多样性的变化，湖水温度和盐度变化会影响湖中生态系统多样性以及食物链的长度［5］。

2 青藏高原湖泊水量平衡定量估算及气候驱动因素分析

2.1 青藏高原湖泊水量平衡定量研究

部分学者针对某单一湖泊，以流域为尺度应用多源遥感与水文模型进行了定量研究，力图得出每个气候因素对湖泊变化具体的贡献程度［63］。如朱立平等［34］率先定量化评估出不同气候要素对纳木错湖泊扩张的贡献程度，结果表明尽管降水是纳木错最主要的湖泊补给来源（～60%），而冰川融水只占总补给量的～10%，但是冰川融水对湖泊近期的扩张却起着主导作用（表3）。Lei等［64］模拟出纳木错、色林错和蓬错等以冰川融水补给为主的湖泊的水位上升中冰川融水贡献程度达到了11.4%～28.7%。Tong等［65］联合地表水文模型与冰川融化模型计算出降水对色林错湖泊水量变化贡献程度为67%～75%，而冰川融化的贡献程度却小于10%。Zhou等［66］采 用Water and Energy Budget-based Distribut⁃ed Hydrological Model（WEB-DHM）模型和两种蒸发算法测算出流域径流输入、湖面降水量和蒸发量对湖泊水量平衡的贡献程度分别为49.5%、22.1%和18.3%。当前，随着遥感技术的发展，越来越多的更大尺度的湖泊水量平衡定量化研究取得进展，如Zhang等［67］估算出青藏高原内陆地区的湖泊水量增加的主要贡献因素是降水增加（74%），而冰川融化、冻土消融和其他因素分别贡献了13%、12%和1%。Zhang等［68］还进一步监测了1976—2019年1 132个面积大于1 km2的湖泊的水量变化，并评估了冰川补给对流域范围内湖泊水量变化的贡献程度。

表3 纳木错和色林错的水量平衡定量估算各要素变化情况［30，44］Table 3 Characteristics of quantitative estimation on water balance of Nam Co and Selin Co［30，44］

青藏高原气象站点大多集中在高原东南部海拔较低的山谷地带，降水在不同海拔梯度存在较大差异，而且高山地区卫星降水数据仍有较大误差［69］。在冰冻圈监测方面，有连续的物质平衡观测的冰川青藏高原只有15条［6］，冻土监测更为稀少。以上数据的缺失导致基于模型的湖泊定量研究缺少必要的计算参数，最终使得青藏高原只有部分典型湖泊的水量平衡被进行详细地定量研究，这对于青藏高原庞大的湖泊数量来说十分有限。

2.2 青藏高原湖泊水量平衡的气候驱动因素

以地表径流补给为主的湖泊主要受降水影响，以冰冻圈融水补给为主的湖泊则受气温影响较大［70］。就具体的地域分布特征而言：气候干旱的藏北地区内陆湖泊受到羌塘高原稳定的冰川补给，但1990年代中期以来，由于大西洋多年代际振荡使得西风减弱进而导致水汽滞留青藏高原上空，还导致更多的来自阿拉伯海的水汽进入青藏高原［71］。以上大尺度气候原因导致青藏高原特别是西风带影响区域明显的暖湿化成了湖泊扩张的主要原因［72］；高原西部尤其是阿里地区的湖泊在过去40年扩张趋势明显，湖泊水量受到冰川融水和降水共同影响，特别是在降水稀少的年份，该区域内的冰川融水仍能有效维持湖泊水量平衡［73］。藏东地区的湖泊总体上也体现出扩张特征，但其扩张程度不及北部和西部地区湖泊。较为特殊的是：藏南地区的湖泊水量总体上体现出持续减少的现象，如羊卓雍错近些年来仍出现面积减少、水位下降的现象［74-75］。

降水是影响青藏高原湖泊水量平衡的最主要因素，Lei等［76］发现1970年代以来喜马拉雅山地区降水的减少对应了湖泊的萎缩，1990年代以来青藏高原中部和北部地区的降水累积量的增加对应了湖泊的扩张。Jiang等［35］通过对比降水量与湖泊水量变化来推测降水是湖泊变化的主要驱动因素。通过降水量还能预测青藏高原湖泊未来的演变趋势，如Yang等［77］用水量平衡模型由湖泊水量变化来反演出该时段降水量的变化，然后利用气候模型中预测的降水量变化趋势来推测未来20年青藏高原湖泊的扩张程度。

蒸发量是湖泊水量平衡的另一重要影响因子，风速和太阳辐射的减小使得青藏高原多数地区潜在蒸发的减弱［78］，这一定程度上影响了过去几十年大多数湖泊的扩张。湖泊水量变化同时受到降水和蒸发的共同影响，大量的研究都表明，1970年至80年代青藏高原湖泊的剧烈萎缩与该时段的低降水量与高蒸发量有直接的关系［79-80］。Lei等［76］测算出降水增加和蒸发减少对青藏高原中部湖泊的水量增加起着～70%的贡献程度。

日益加速的冰川消融和冻土退化通常被认为是促进湖泊扩张和抑制湖泊收缩的重要因素［81］，如Lei等［82］通过对令戈错流域冰川储量与湖泊水量的估算发现冰川融水是湖泊扩张的主要原因，Li等［83］推测冻土退化可能是青藏高原湖泊变化的重要驱动因素。Song等［84］通过分别比较冰川补给类型湖泊与非冰川补给类型湖泊与降水变化的相关程度，发现该区域的湖泊扩张中冰川消融与降水/蒸发扮演了相同重要的作用。与之相反，Brun等［85］发现藏高原内流区冰川质量损失对湖泊体积增加的贡献却十分有限（19%±21%）。Ke等［86］也证实了Brun等的观点，他进一步发现冰川消融产生的水量［（0.44±0.80）Gt⋅a-1］在青藏高原内流区湖泊大规模的水量增加［（9.44±1.43）Gt⋅a-1］中所占的比重非常小。Zhang等［67］直接估算出青藏高原内陆地区由于冻土退化贡献了该区域湖泊水量增加的12%。

参照Yang等［28］的分类依据，青藏高原湖泊变化的气候驱动类型可分为：A型：西风控制区的羌塘高原中、北部和阿里地区的湖泊变化受降水增加和冰川融水的影响，具有由平稳向强烈扩张的趋势；B型：印度季风影响下藏南湖泊，近期印度季风降水量的减少，水量变化呈现波动下降趋势；C型：青藏高原东南部湖泊变化主要受降水影响，先平稳后快速增加；D型：西风主导的青藏高原中北部和东北部，2000年前后降水增加明显的区域，过去几十年出现先减后增的现象（图6）。

图6 不同气候驱动因素主导下的青藏高原湖泊分类［28］Fig.6 The classification of lakes on the Qinghai-Tibet Plateau under different climatic driving factors［28］

综上，关于青藏高原湖泊变化的气候响应机制研究大多停留在对降水、蒸发、温度、风速、冰冻圈融化等气候因素的定性描述上。但随着遥感技术的发展，在湖泊水量平衡方面，越来越多的研究开始在定量化方面取得进展［9］。

3 结论与展望

3.1 结论

（1）遥感技术在缺乏传统实测水文数据的青藏高原湖泊监测方面具有广阔应用前景，湖泊范围、水位、冰物候、水体参数等反映区域气候变化的重要指标都是可以通过遥感技术比较容易地获取。当前，学术界在青藏高原湖泊水量估算、湖泊-气候量化影响、水体参数反演、湖冰监测及补给冰冻圈物质平衡等方面取得大量的进展。

（2）过去几十年，暖湿化环境下的降水增多和冰川冻土消融导致青藏高原绝大部分地区湖泊持续扩张，而且湖泊水位变化的空间分布特征和西风带及印度季风带影响区的降水量变化具有高度的空间一致性。

（3）大尺度的降水年代际变化是青藏高原湖泊近期变化的主要原因，而冰川冻土加速消融又进一步加速湖泊扩张或抑制了部分湖泊收缩。随着遥感技术的发展，青藏高原在更多、更大尺度的湖泊水量平衡定量估算方面取得越来越多的进展。

3.2 展望

青藏高原湖泊不仅对区域气候变化响应敏感，还通过大气环流对更大尺度的气候格局产生影响，在夏季甚至能影响周边地区的降水［87］。尽管遥感及其反演技术能够较容易地获取湖泊面积和水位等信息，但由于湖盆形状、湖泊深度、岸线地形差异，使得青藏高原湖泊到底存储了多少水量一直较难估算［5］。掌握气候变化对湖泊储水条件及储水量的影响机理，对深入了解“亚洲水塔”的水循环作用至关重要。此外，全面掌握湖泊理化性质能更好地理解湖泊对气候变化的响应，这就要求基于遥感影像光谱数据和湖泊水色反演湖泊盐度、透明度及其他理化性质在算法和精度上进行更多地改进。

大西洋多年代际振荡（Atlantic Multidecadal Os⁃cillation，AMO）和南极涛动（Antarctic Oscillation，AAO）等气候事件通过西风和印度季风影响着青藏高原的大气环流和降水变化。与此同时，全球气候变暖导致的冰川冻土退化也深刻地影响着高原的湖泊形状和理化性质变化。在此背景下，更多流域的湖泊水量平衡的主导机制如何？水量平衡的不同影响要素在大尺度气候变化及大气环流波动下如何发展作用？回答以上科学问题需要基于遥感技术在更大范围、更多的流域尺度开展径流（包括融水、降水及地下水）、降水、蒸发、风速等多因素联合观测与建模。此外，对湖泊水量变化的深入理解，还必须开展遥感和气候变化相结合的学科交叉研究。即使在遥感技术获得前所未有发展的今天，关于青藏高原湖泊监测的某些关键技术难点仍然难以克服，如：湖泊水深测量、巨大海拔高差导致的气象数据失真、流域径流记录等。将来，随着更多遥感数据的开放共享，以及更多水文与气象站点的投入使用，为青藏高原湖泊的水量平衡定量研究提供更好的数据条件。