青藏高原典型内流-外流盆地水力联系潜在变化研究

李心如， 卢善龙， 王 勇， 李明阳， 方 纯，杜 聪， 王 南

（1. 中国科学院 空天信息创新研究院 数字地球重点实验室，北京100094； 2. 可持续发展大数据国际研究中心，北京 100094；3. 中国科学院大学，北京 100049； 4. 湖南科技大学，湖南 湘潭 411201； 5. 新疆大学，新疆 乌鲁木齐 830046）

0 引言

全球气候驱动影响下的冰川融化［1］、水文循环加速等问题［2-3］，使得全球很多湖泊呈扩张趋势，这一趋势的发展可能会导致内流水系与外流水系重组等一系列重大变化［4-5］，进而引发湖泊溃堤、突发洪水等地质危害。例如，气候变化引起的冰川流失会减少漫滩和近海沉积［6-7］；河流流向的转换会引发流域盆地的突然重组［8］；湖泊溢流会引起冲沟的发育、产生溯源侵蚀，使决口不断扩大，最终导致溃坝［9］。当前全球范围内部分湖泊受气候变化影响而产生的溢流情况，对河谷侵蚀、地貌改变都产生了一定的影响。比如，湖泊溢流洪水驱动引起Licus Vallis 山谷的河谷切割［10］、全球气候变化使Owens湖在高稳定水位时溢出［11］；Chicago 湖在湖水高位期间溢出［12］；Agassiz冰川湖的水位变化、溢流，向北大西洋注入淡水，淡水的流入削弱了经向翻转环流，阻碍了热量向北纬的输送，触发了12.9—11.7千年前的较年轻的仙女木寒冷事件［13-15］；科罗拉多河横截面发生溢流而导致峡谷切割［16］；秘鲁Cordillera Blanca 山谷冰川湖暴发洪水导致谷底沉积物被搬运迁移［17］。

根据前人研究，全球范围有101个大型内-外流盆地具有潜在水力联系，其中，青藏高原有26个［18］。青藏高原是世界上海拔最高的高原，也是全球气候变化最为敏感的地带之一。在过去几十年，青藏高原经历了重大的环境变化［19］。而气候变化对青藏高原的水储量造成显著影响［20-22］，研究表明，青藏高原水资源对气候因子有明显的响应特征［23］。最新的CMIP6 模拟试验数据结果表明青藏高原年均地表气温在21世纪90年代上升2.5 ℃，年均降水在21世纪90 年代将增加12.8%［24］，青藏高原地表水资源量呈上升趋势，相应的湖泊水位提高和湖泊面积扩大［25］。

由于青藏高原气象和水文观测站点少、数据获取困难，卫星遥感手段被广泛应用于区域水文过程变化研究［26-28］。Li等［29］通过结合多个测高任务和光学遥感图像，为2000 年至2017 年期间青藏高原上的52 个大型湖泊开发了高时间分辨率水位和存储变化数据集。马山木等［30］基于ICESat-2 卫星陆地观测产品数据覆盖情况，对2018年10月—2021年4月期间青藏高原面积大于1 km2的473 个湖泊进行了高精度水位动态监测。Yu等［31］研究古气候表明，自末次间冰期以来持续干旱，可能导致青藏高原广泛而渐进的湖面下降，因此青藏高原现代湖泊水位低于古湖泊水位。Zhang 等［32］研究发现，近几十年来，青藏高原的水文循环显著加剧，净降水量的增加是湖泊水量增加的主要原因，其次是冰川质量损失和多年冻土退化导致的地面冰融化。因此，青藏高原湖泊水位升高，会引起湖泊外溢、溃决等潜在风险。Cheng 等［33］通过卫星和无人机遥感数据模拟了湖泊扩张、溃决时的风险威胁，并对实际湖泊附近的村庄搬迁提供了方案。

随着全球气候变暖，湖泊水位升高、水面范围扩大，近几十年来的气候变化导致青藏高原内流盆地大多数湖泊呈显著扩张趋势，扩大的湖泊淹没区域可能对生态环境和当地人类生活环境造成不利影响和潜在威胁［33］。例如，青藏高原可可西里卓乃湖在2011 年发生溃决，连接下游库赛湖、海丁诺尔湖和盐湖［34-35］，导致盐湖面积明显扩大，直至2019年9月，盐湖水位上升至应急排水工程引水口，重建了盐湖与长江支流的水力联系［3］。

为了探究青藏高原26 个有潜在溢出可能的湖泊的外溢潜在风险［18］，本文以卫星遥感和气象再分析数据为数据源，采用地统计分析方法，分析了这些湖泊的面积变化，以及与相应湖泊流域内降水、气温和蒸发之间的相关性特征；在此基础上，通过情景假设，分析了未来区域降水、气温等参量变化对湖泊水体面积的影响，并对这些湖泊未来水位上涨满溢的可能性开展了推测与判断，以期为区域未来气候水文变化规律研究及致灾风险应对策略的制定提供数据和理论参考。

1 研究区概况与数据获取

1.1 研究区概况

青藏高原位于26°00′～39°47′ N，73°19′～104°47′ E，是我国面积最大、世界海拔最高的高原。青藏高原东西长约2 800 km，南北宽约300～1 500 km，总面积约250×104km2，地形上可分为羌塘高原、藏南谷地、柴达木盆地、祁连山地、青海高原和川藏高山峡谷区等6 个部分，包括中国西藏全部和青海、新疆、甘肃、四川、云南的部分以及不丹、尼泊尔、印度、巴基斯坦、阿富汗伊斯兰共和国、塔吉克斯坦、吉尔吉斯斯坦的部分或全部［36-38］。青藏高原一般海拔在3 000～5 000 m之间，平均海拔4 000 m以上，为东亚、东南亚和南亚许多大河流发源地；青藏高原是我国湖泊分布最广泛的地区，面积超过1 km2的湖泊数量超过1 400 个，总面积超过5×104km2［39］。青藏高原水资源分布呈东多西少，南多北少的分布态势，水资源分布极其集中，主要集中在山南、林芝市，雅鲁藏布江流域及藏南诸河流域［20］（图1）。青藏高原正在变暖变湿，但是高原东侧部分地区正在变暖变干，同时高原整体风速正在减小。升温主要是夜间的最低温度贡献的，不同地区升温速率有差异，中部地区高于东部地区。青藏高原平均温度、最低和最高温度的分布与高原海拔走势一致。降水量空间分布上表现出从东南向西北逐级减少的分布特点。风速自东南向西北呈现出小—大—小的变化趋势［40］。

图1 青藏高原河流湖泊分布Fig. 1 Distribution of rivers and lakes in Qinghai-Tibet Plateau

1.2 数据获取

本文的研究数据包含：①地表水遥感数据；②区域地面气象要素驱动数据集；③青藏高原月平均地表蒸散发数据集；④数字高程数据；⑤其他矢量数据；⑥Landsat 8卫星遥感数据。

（1）地表水遥感数据

本研究中的湖泊水面数据是来源于Google Earth Engine（GEE）平台的全球水面分布数据集（JRC Yearly Water Classification History，v1.3），包含1984—2020年地表水的位置和时间分布图、水面的范围和变化的统计数据［41］。本研究中提取了青藏高原内流盆地中主要湖泊1985—2020 年的永久水（一年四季都有水）和季节水（包括冰冻期，一年中在水下的时间不到12 个月），并对异常数据进行邻近年份数据插值处理，从而获取研究区近几十年来的水体面积变化完整数据。

（2）区域地面气象要素驱动数据集

气温和降水数据来源于国家青藏高原科学数据中心的“中国区域地面气象要素驱动数据集”，时间段是1979—2018年，空间分辨率为0.1°。此数据集是以国际上现有的Princeton 再分析资料、全球陆面数据同化系统（Global Land Data Assimilation System，GLDAS）资料、Global Energy and Water Cycle Experiment-Surface Radiation Budget 辐射资料，以及热带降雨测量任务（Tropical Rainfall Measuring Mission，TRMM）降水资料为背景场，融合了中国气象局常规气象观测数据制作而成［42］。原始资料来自于气象局观测数据、再分析资料和卫星遥感数据。已去除非物理范围的值，采用ANU-Spline（Australian National University 利用Fortran 开发的空间异相关插值模型，其利用薄盘平滑样条函数对多变量数据进行分析和插值的工具）统计插值，精度好于国际上已有再分析数据的精度［43］。本研究根据此数据集提取并整理青藏高原内流盆地的气温和降水数据。

（3）青藏高原月平均地表蒸散发数据集

经过对湖泊面积进行突变点检测，其突变时间在2000 年之后。使用来源于国家青藏高原科学数据中心的“青藏高原月平均地表蒸散发数据集”，可满足构建模型的数据需要，时间段是2001—2018年，空间分辨率为0.1°，数据存放格式为标准的NETCDF 格式，蒸散发量通过了青藏高原6 个湍流通量站的观测数据的验证［44］。此数据集主要以卫星遥感数据（中分辨率成像光谱仪，Moderate-resolution Imaging Spectroradiometer）和再分析气象数据（China Meteorological Forcing Dataset，CMFD）作为输入，利用地表能量平衡系统模型（Surface Energy Balance System）计算得到［44］。

以内流湖泊所处的湖泊盆地的矢量范围裁剪气象要素，对各盆地内的降水、气温数据进行年度统计与分析，得到所对应的内流盆地1979—2018 年各年份的年度降水、气温数据。采用同样的方法得到各湖泊盆地2001—2018年各年份的年度蒸发数据。

（4）数字高程数据（DEM，Digital Elevation Model）

DEM 分别是来源于National Oceanic and Atmospheric Administration（NOAA）地形数据平台的全球陆地海洋地形数据Earth Topography 1-minute（ETOPO1）DEM 和来源于Alaska Satellite Facility（ASF）EARTHDATA 平台的Advanced Land Observing Satellite（ALOS）卫星PALSAR 波段的高精度（12.5 m 分辨率）的DEM 数据。Earth Topography 1-minute ETOPO1 DEM 数据由National Geophysical Data Center（NGDC）美国地球物理中心发布，它是高程数据同时还包括海洋海底地形数据，ETOPO1 的分辨率为1′，模型校正时间为2011年［45］。ALOS（PALSAR）DEM 是日本的对地观测卫星获取的数据，PALSAR 是ALOS 卫星携带的一个L 波段的合成孔径雷达传感器，不受云层、天气和昼夜影响，可全天候对地观测，ALOS-PALSAR DEM兼顾高分辨率、直观精细地形、受地表覆盖影响小等多重特点，已被应用于地形分析等领域［46］。本研究中提取了青藏高原地区的两种DEM数据。

（5）其他矢量数据

矢量数据包括全球内陆盆地矢量范围及内外流盆地连接点，亚洲12 级流域盆地具体划分，来源于美国地质调查局官网https：//www. usgs. gov/。HydroBASINS 数据集对于青藏高原内外流盆地划分基本符合实际。

（6）Landsat 8卫星遥感数据

Landsat 8 是美国陆地卫星计划（Landsat）的第八颗卫星，于2013年2月11日在加利福尼亚范登堡空军基地由Atlas-V 火箭搭载发射成功，最初称为“陆地卫星数据连续性任务”。Landsat 8上携带陆地成像仪（Operational Land Imager，OLI）和热红外传感器（Thermal Infrared Sensor，TIRS），OLI 陆地成像仪包括9 个波段，空间分辨率为30 m，可在Google Earth Engine 平台直接获取应用。可直接利用GEE平台“LANDSAT/LC08/C02/T1_RT_TOA”数据的夏季（6月）影像，提取所需各个时间段的水面数据。

2 研究方法

首先，利用ETOPO1 DEM 数据进行ArcGIS 水文径流分析，获取径流线与内外流盆地交界线的交点，并与当前全球内流盆地溢出点进行对比验证，即得到青藏高原地区内流盆地湖泊潜在外溢点；其次，获取内外流盆地连接点所在的内流盆地中的主要湖泊水体面积与气象数据（年平均降水、年平均气温、年平均蒸发），并通过Pettitt 突变点检验、M-K趋势分析及Pearson相关性分析等方法，分析近几十年来青藏高原内流盆地湖泊水体面积随气象数据的变化情况，建立并验证湖泊水面面积-气象参数线性拟合模型；最后，通过预测气象数据的变化从而得到水体面积未来变化的可能，结合湖泊曾经达到的最高水位，分析内流湖泊一定时期内发生外溢并与外流盆地重建水力联系的可能性（图2）。

图3 青海湖2018年永久水和季节水水面分布Fig. 3 Permanent and seasonal surface water of Qinghai Lake in 2018

2.1 内流盆地湖泊潜在外溢点检测

利用ArcGIS 水文分析工具和DEM 数据，可以实现河流河网水系、出水口以及流域的提取。根据青藏高原DEM 数据径流分析结果，设定阈值为10提取径流河网，将得到的结果与HydroBASINS数据集的内外流域分类结果进行空间叠加分析。Hydro-BASINS 数据集的图层描述了全球范围内的流域边界和子流域划分。根据“Endo”字段划分内流区和外流区，这个字段共有3个值，其中，0表示不是内流区的部分，1 表示内流区的一部分，2 表示内流区下游聚集部分。因此，当“Endo”字段值为0时，其区域为外流区，河流水系与外部海洋相连；当“Endo”字段值为1 或2 时，表示其区域为内流区。从而获取径流河网与内外流盆地交界线的交点［18］，并与当前全球内流盆地溢出点进行对比验证，即得到青藏高原地区内流盆地湖泊潜在外溢点空间位置。

2.2 基于JRC数据的湖泊水面数据提取

湖泊面积通过JRC 全球水面分布数据集提取。使用JRC 数据集的“transitions”波段确定水体面积增大的湖泊。使用数据集中的“waterClass”波段提取各湖泊各年份永久水的年度面积。其中，红色边界线是青海湖历史最大水痕，深蓝色表示青海湖2018年永久水，浅蓝色表示青海湖2018年季节水。

2.3 湖泊水面面积和湖泊流域内气象要素变化分析

2.3.1 Pettitt突变点检验

对时间序列湖泊年平均面积数据进行Pettitt 突变点检验［47］，获取湖泊面积变化的突变年份信息。Pettitt检验对于序列中部的突变点更加敏感。Pettitt突变点检验法是一种非参数检验方法，直接利用秩序列来检测突变点。对于包含N个样本的一时间序列数据X，计算其统计量Uk：

式中：

式中：sgn是符号函数，定义如下：

取Ut中绝对值最大的值Kt，该点为最显著的突变点，并计算Kt所对应的统计量P，如果P小于给定的显著性水平（如P=0.05），表示存在统计显著的突变点。

2.3.2 Mann-Kendall趋势分析

在湖泊面积时间序列突变点检测分析结果的基础之上，对湖泊面积突变年份前后的时序湖泊面积数据进行M-K 趋势分析［20］，获得单个湖泊在不同时间段的面积变化趋势特征。Mann-Kendall 法是一种非参数统计检验方法，但是不适用于检测有多个突变点的序列。当Kendall系数为正，则表示湖泊面积为增加趋势，系数越大，面积持续增加的可能性越大。

对于时间序列X，Mann-Kendall 趋势检验的统计量为：

式中：xj为时间序列的第j个数据值；n为数据样本的长度；sgn是符号函数，其定义如下：

Mann（1945 年）和Kendall（1975 年）证明，当n≥8 时，统计量S大致地服从正态分布，其均值为0，方差为：

式中：ti是第i组的数据点的数目。

标准化统计量，按照如下公式计算：

式中：Zc服从标准正态分布。

衡量趋势大小的指标为：

式中：1

2.3.3 Pearson相关性分析

采用Pearson 相关性分析方法［48］对湖泊面积与同时期的气象数据进行分析，判断分析面积与气象参量之间有强相关关系的湖泊。Pearson 相关系数衡量的是线性相关关系。相关系数越接近于1 或-1，相关度越强，相关系数越接近于0，相关度越弱。两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商：

式（10）定义了总体相关系数，常用希腊小写字母ρ作为代表符号。估算样本的协方差与标准差，可得到Pearson相关系数，常用英文小写字母r代表：

式中：r亦可由（Xi，Yi）样本点的标准分数均值估计，得到与上式等价的表达式：

式中：（Xi-）/σX、及σX分别是对Xi样本的标准分数、样本平均值和样本标准差。

计算出相关系数r之后，需要检验它是否具有统计学意义，即是否显著，其计算公式为：

在t分布中找到对应的P值。若P值小于设定的显著性水平，则拒绝零假设，认为X与Y之间存在显著的线性相关；反之，则接受零假设，认为X与Y之间不存在显著的线性相关。

2.4 湖泊水面面积-湖泊流域气象参数关系模型构建与精度验证

2.4.1 模型构建

气候因素引起湖泊扩张是通过水量变化和流域水量平衡才能精确确定溢出可能性，但由于青藏高原地区的数据资料具有局限性，湖泊水量变化的计算需要以湖泊面积或水位为输入进行计算，因此本研究直接使用了水面面积作为模型关系参量，构建湖泊水面面积-气象参数关系模型。

使用JRC 数据源的数据逐年提取湖泊面积，对所研究的湖泊水面面积与其所在湖泊流域内的气象数据（降水、气温、蒸发）进行相关性分析，根据相关性筛选影响湖泊水面面积变化的主要气象因子，并将湖泊水面面积作为因变量，气象因子作为自变量进行相关性关系模型拟合，得到湖泊水面面积-气象参数关系模型。

根据历史数据变化规律对该气象因子进行时间序列预测，以气象因子为因变量，时间为自变量进行关系拟合，得到气象因子时间序列的预测模型。并根据此模型预测：随着时间的变化，气象因子相应数值的变化情况。再将其作为自变量带入水面面积-气象参数关系拟合模型中，预测因变量水面面积的变化情况。

将湖泊水面面积-气象参数关系模型与气象因子时间序列预测模型进行代入整合，使得气象因子成为中间变量，从而得到面积-气象因子-时间的拟合模型，可在此基础上对湖泊未来水面面积变化推断。

2.4.2 精度验证

为了验证湖泊水面面积-气象参数关系拟合模型的可靠性，分别采用两种方法进行精度验证。方法一：根据拟合模型计算2019 年、2020 年的水面面积拟合数据，利用Landsat 8 影像数据提取2019 年、2020 年的湖泊面积数据，将计算得到的水面面积拟合数据与使用Landsat 8 卫星提取的湖泊实际水面面积结果进行对比验证，得到实际面积与模型拟合面积结果的误差；方法二：利用突变年份2001—2015 年的历史数据作为训练集构建拟合模型，将2016—2018 这三年的历史数据作为验证集进行对比验证，将根据模型拟合得到的后一部分历史数据的结果值与实际的历史数据进行误差对比分析，进行精度验证。

2.4.3 基于Landsat影像的湖泊水面提取

选取Landsat 8 遥感影像（夏季影像）作为数据源，对遥感影像进行去云处理，结合归一化水体指数（normalized difference water index，NDWI）［NDWI=（B（Green）-B（NIR））/（B（Green）+B（NIR））］设置水体掩膜。归一化水体指数是根据水体光谱反射特性，基于近红外波段与绿波段建立的归一化比值指数。理论上，NDWI>0 表示地面有水或冰雪覆盖，NDWI=0 表示地面有岩石或裸土等覆盖，NDWI<0 表示地面有植被覆盖。但在实际情况中，由于受到地物复杂性及噪声等条件的干扰，区分水体与非水体的阈值往往不为0［49］。因此将计算出的NDWI 指数阈值设为0.005，即保留NDWI 大于0.005 的区域对研究区的水体进行提取。将得到的水体结果叠加在影像上，与事实基本一致。同时，将基于Landsat 影像的湖泊水面提取结果与基于JRC 数据的湖泊水面数据提取结果进行对比，二者基本一致。

2.5 湖泊外溢可能性量化分析

当湖泊面积持续增大，呈现扩张趋势，可以使用湖泊历史最高水位线来判断湖泊是否会再次扩张到此位置，导致水位继续升高，从而在湖泊流域边界溢出、与外流区的河流相连的参考依据。结合各湖泊曾经可能到达的历史最大水位高度［50］和DEM数据，根据湖泊所在的湖泊流域等值线计算湖泊再次达到历史最高水位时对应的理论面积。以理论最大面积为输入值，利用湖泊水面面积-气象参数拟合到模型中，计算得到理论溢出面积时对应的主要气象因子的数值，并根据气象因子时间序列的预测模型，计算得到湖泊达到理论溢出面积时对应的可能溢出时间，判断短期内是否有溢出的可能（图4）。

图4 湖泊外溢可能性分析流程Fig. 4 Possibility analysis process of lake overflow

3 结果分析

3.1 青藏高原内外流盆地连接点分布

根据青藏高原DEM 数据径流分析结果表明，本研究提取的径流河网与内外流矢量边界线参考数据之间的连接点有26 个，其中，国内青海有11个，西藏有12个；境外查谟-克什米尔有3个。这26个连接点位于国内外五大流域中，如图5所示。

图5 青藏高原内外流连接点Fig. 5 Connection point of internal and external flow in Qinghai-Tibet Plateau

3.2 典型湖泊面积变化趋势研究

在26 个湖泊流域中，有23 个湖泊2018 年的水面面积相对于1984年的水面面积呈增加趋势，其中有17 个在1984—2018 年间一直呈增加趋势。一直增加是指1984—2018 年面积变化趋势通过显著性检验，这个时间段整体呈现增加趋势，并非每一年都增加。17个一直增加的湖泊如表1所示。设定假设性检验阈值为0.05，对这17个湖泊的各年水面面积分别进行Pettitt检验以及M-K趋势检验。结果表明，各湖泊在1987—2009年之间均有发生突变性变化，其中，有10 个湖泊的突变年份在2000—2003 年之间，且有6 个湖泊的面积在2001 年发生突变（表1）。根据M-K 趋势检验结果，Kendall 系数值越大，增加的趋势越明显，设定Kendall 系数值为0.7，筛选出大于0.7的10个湖泊（表2）作进一步研究。

表1 17个典型湖泊的突变年份及增加趋势Table 1 The 17 lakes with abrupt changes during the priod of 1987 to 2009

表2 10个湖泊水面面积与气象参数相关性分析结果Table 2 Correlation analysis results between water body area and meteorological data of 10 lakes

对突变年份之后湖泊面积上升明显的前10 个湖泊的水面面积与气象参数数据进行相关性分析，设定显著性水平阈值为0.05，当P值小于0.05，说明显著相关，即湖泊水面面积与气象参数之间有明显相关性，反之，说明湖泊水面面积与气象参数之间没有明显相关性（表2）。并对湖泊水面面积与不同气象因子分别进行相关性分析，分析结果表明盐湖、班公错、泽错、雀莫错4 个湖泊的线性关系检验分析结果的相关系数R2大于0.5 且P值小于0.05，说明这4 个湖泊水面面积与气象参数之间显著相关，即这些湖泊水面面积的变化受到相应气象因素的影响明显。因此，进一步以盐湖、班公错、泽错和雀莫错为典型湖泊来研究气象要素变化对湖泊水面面积变化的影响。

3.3 典型湖泊面积与关键气象因子模型构建

根据盐湖、班公错、泽错和雀莫错的水面面积和对应主要气象因子数据，选择突变年份之后至2018 年的数据构建关系拟合湖泊水面面积-气象参数关系模型，并对气象因子进行时间推演，构建气象因子时间序列预测模型（表3）。将影响湖泊水面面积变化的主要气象因子结合遥感图像查看，结果表明，计算得到的各个湖泊受到的主要影响气象因子与其所处地理位置的特点相符合。

表3 典型湖泊面积-气象参数拟合模型Table 3 Fitting model of typical lake area meteorological parameters

位于青海省的盐湖，由于2011 年卓乃湖溃决，将卓乃湖、库赛湖、海丁诺尔湖、盐湖进行连接［3］，之后盐湖面积相较于之前骤增，因此主要研究时间段为溃决后的2012—2018 年。模型结果显示湖泊与降水、气温的相关性较大，与盐湖地势较高，易受气温导致的冰川融水影响，以及连接其他湖泊受降水影响大的地理位置事实相符。位于西藏自治区较高海拔的班公错和泽错，位于青藏高原的西部，地势高，周围有明显的雪山分布，湖泊以冰雪融水为主要补给来源，受气温影响比较明显。位于青海省的雀莫错，湖泊面积变化主要与气温和降水有关，该区域地势较平缓，降水和气温数据起伏较大，总计年净降水量为正值，湖泊的面积处于缓慢增加的趋势。

3.4 模型精度验证

为了验证上述相关性模型的可靠性，采用两种方法进行验证。

（1）根据Landsat 8 影像提取的湖泊面积结果与模型拟合的结果进行对比，结果表明盐湖、班公错、泽错、雀莫错的实际面积与模型拟合面积结果的误差范围在6%以内（表4）；并针对2019 年提取各个湖泊的JRC 水体面积，与同年Landsat 8 提取的水体面积进行对比，验证Landsat 8 提取水体的精度（表5）。结果表明：Landsat 8 提取的面积误差精度在5%以内，此种方法提取水体的精度满足要求。

表4 方法一：精度验证结果Table 4 Method 1： accuracy verification results

表5 验证Landsat 8 提取水体的精度Table 5 Verify the accuracy of water body extracted by Landsat 8

（2）将2000—2015 年数据作为训练集拟合模型，并分别根据此模型计算班公错、泽错、雀莫错的2016 年、2017 年、2018 年水体面积，与2016—2018年JRC 湖泊面积进行对比，结果表明，误差百分比都在3%以内（表6）。两种精度验证结果说明，构建的4个湖泊的关系模型可靠性高。

表6 方法二：精度验证结果Table 6 Method 2： accuracy verification results

3.5 湖泊满溢及与外流水系重建水力联系的可能性

以盐湖、班公错、泽错、雀莫错4 个湖泊理论溢出面积为输入，根据各湖泊水面面积与主要气象参数之间的相关性方程，可计算得到溢出位置对应的气象参数值，结合各气象因子随时间变化的数值关系方程（表3），推算得到各湖泊达到历史最高水位时的理论溢出面积的可能时间点。分析结果表明，除已于2019年外溢的盐湖外，班公错、泽错、雀莫错在近30年内无溢出风险（表7）。

表7 典型湖泊溢出可能性分析Table 7 Possibility analysis of typical lake overflow

根据Google Earth 影像、DEM 数据以及河流水系分布可知，盐湖在2019 年9 月溢出，沿着提前修建的引水河道流出。湖水从盐湖流出，沿着东南方向的河道流入清水河，清水河整体走势呈西北-东南方向，因此汇入清水河后继续沿着东南方向的河道流入楚玛尔河，楚玛尔河作为长江源的北源，最终汇入东海。班公错湖泊呈东南-西北走向，在地势上东南高西北低，河流自东南向西北流，最终汇流到班公错的西北角的河谷，一旦水流高过西北角出水河谷的最高高度，河流就会越过出水河谷，沿着历史河道向西北方向流入什约克河，最终随着什约克河注入印度河。当位于班公错北部的泽错湖泊水面升高至理论最大高度时，其从西南方向的出水口沿着河道最终向南汇入班公错，最终跟随班公错的出水河流注入印度河。雀莫错位于青海省，当湖泊水面面积增加至湖泊边界溢出时，湖泊中的水可能会从湖泊边界最低点沿着河道向西流入沱沱河，沱沱河作为长江的源头，最终湖泊中的水会随着沱沱河汇入长江、注入东海，如图6所示。

图6 典型湖泊的可能溢出河道Fig. 6 Possible overflow channels of typical lakes

4 结论与讨论

本文使用GIS 方法对研究区的DEM 数据进行了水文径流分析，获取了径流河网，以湖泊水面面积为因变量、气象因子为自变量，构建了时间序列上的线性拟合模型，分析了青藏高原26个具有潜在溢出可能性的内流湖泊水面面积及其与所在湖泊流域主要气象要素的变化趋势及相关性特征，得到主要结论如下：

（1）青藏高原内流盆地的湖泊水体整体扩张趋势显著。在26 个湖泊流域中，有23 个湖泊2018 年的水面面积相对1984年的水面面积呈增加趋势，其中有17个在1984—2018年间一直呈增加趋势。

（2）湖泊面积变化与气候要素之间具有显著的区域相关性。青藏高原东部青海省的盐湖和雀莫错的湖泊水面面积变化主要与气温和降水有关；而位于西藏自治区较高海拔的班公错和泽错的水面面积变化，主要与气温的变化有关。

（3）基于本文研究使用的数据，按照当前气象数据的时间序列预测趋势变化情况发展，根据短期内四个典型湖泊水面面积随气象数据变化的线性拟合模型预测，在无突发事件的条件下，班公错、泽错、雀莫错短期内（30年内）不会有外溢风险。

本文研究湖泊水面面积变化明显、且与气象因子具有显著相关性的湖泊，构建湖泊水面面积-气象因子线性拟合模型，并对模型精度进行检验，结果显示盐湖的溢出时间与事实基本一致，而班公错、泽错和雀莫错短期内不会溢出，结果具有一定的可靠性，但同时也存在一些不足：

（1）主要选用了2000 年之后数据进行研究，基于趋势分析检测结果，相关气象参数呈现的变化趋势通过了假设检验，研究时间段较短，基于这个假设检验结果构建模型并进行外推，推测研究湖泊未来30 年变化；并且本实验所使用的数据集均来源于第三方数据，因此在数据的空间分辨率、不同模型得到的数据结果等数据精度方面存在一定的不确定性。

（2）仅考虑湖泊永久水体变化所致的溢出情况，未考虑极端降水、地质灾害（地震、滑坡和泥石流等）的影响，如果气候系统再次出现极端变化，那么这种方法获取的结果会不准确。

（3）研究结果是根据当前气候变化趋势通过简单线性模型进行预测，未考虑冰期、间冰期、气候周期变化、人为干预气候、模型复杂性等方面的影响，因此对于长期准确预测有一定的局限性。

上述不足将在后续的研究中进一步完善，重点包括：

（1）选用长期（如近100 年）的时间序列进行分析，根据气象站点数据以及多个气象数据集得到更精准贴近实际情况的数据。

（2）增加地表径流、地下水、冰川数据等指标，对不同补给来源的湖泊受到气候因素的响应情况进行划分。

（3）建立多要素的面积-气象拟合模型，添加突发因素衡量指数，表明气候周期变化，提高模型长期预测的准确性。