王文種，黃 對，劉九夫，劉宏偉，王 歡

(南京水利科學(xué)研究院水文水資源與水利工程科學(xué)國家重點實驗室，南京 210029)

青藏高原對氣候變化響應(yīng)極其敏感，高原南部地區(qū)是我國乃至北半球地區(qū)氣候變化的啟動區(qū)[1-3]. 高原湖泊數(shù)量眾多，2018年青藏高原有大于1 km2的湖泊約1400個[4]，了解湖泊水位-面積-水量變化對分析氣候變化以及流域水循環(huán)具有重要意義. 地處藏北高原腹部的內(nèi)陸湖泊，其特有的高寒高海拔特點使得實地觀測難以進行，原始資料缺乏，衛(wèi)星遙感技術(shù)的不斷發(fā)展為青藏高原地區(qū)湖泊的變化監(jiān)測提供了新的技術(shù)手段.

以往遙感湖泊變化研究集中于3方面：一是湖泊數(shù)量、水面面積和水位變化[5-11]；二是湖泊水量變化、水量平衡研究[12-16]；三是湖泊變化的影響因素與驅(qū)動機制研究[17-18]. 其中關(guān)于湖泊數(shù)量、面積、水位變化的研究成果最多，通常分析單個湖泊或一定區(qū)域內(nèi)的多個湖泊的湖泊數(shù)量、面積、水位等單一或者多個特性的時空變化規(guī)律. 結(jié)合遙感面積-遙感水位的湖泊水量變化估算研究中[12,14-15,19]，通?；谒孔兓竭M行[20]，在獲取不同時段的遙感面積與遙感水位的基礎(chǔ)上計算水量并分析其變化，以往研究中除了研究時段、研究對象的差異，主要在于遙感數(shù)據(jù)源的差異，其中衛(wèi)星水位數(shù)據(jù)源的差異最為明顯，自從1992年以來TOPEX/Poseidon (T/P)衛(wèi)星測高數(shù)據(jù)出現(xiàn)，2000年后發(fā)展了包括Jason、Cryosat-2、Envisat、ICESat等多達近10種可用于水位測量的衛(wèi)星雷達高度計數(shù)據(jù). 如張洪源等[12]利用整合多種衛(wèi)星雷達高度計數(shù)據(jù)的LEGOS衛(wèi)星產(chǎn)品數(shù)據(jù)進行青海湖近20年的水量變化分析，戴玉鳳等[14]利用2003-2009年的ICESat數(shù)據(jù)對青藏高原佩枯錯水量變化進行分析，張國慶等[15]利用2003-2018年的ICESat/ICESat-2衛(wèi)星測高數(shù)據(jù)對青藏高原62個湖泊水位與總體水量變化量進行估算，Crétaux等[19]以ICESat 和 Cryosat-2衛(wèi)星測高數(shù)據(jù)為主，以ERS2、Jason-2、Envisat衛(wèi)星測高數(shù)據(jù)為輔，估算1994-2015年青藏高原包含當(dāng)惹雍錯的11個大湖的水量變化. 伴隨更多的衛(wèi)星發(fā)射，如Sentinel-3、SWOT衛(wèi)星，有助于擴展湖泊水量估算的時空尺度[21]. 以往關(guān)于湖泊變化的影響因素與驅(qū)動機制成果豐富，主要考慮到降水、氣溫、蒸散發(fā)、冰川凍土變化和人類活動影響，青藏高原不同位置的湖泊的影響因素各不相同，總體可視為氣溫和降水因素的影響，但對于湖泊定量的水量變化及驅(qū)動機制仍有待于進一步研究[21]. 總的來看，綜合考慮遙感水位與遙感面積的湖泊變化的系統(tǒng)性研究并不多，在此基礎(chǔ)上關(guān)于特定湖泊的水量分析與歸因分析也較少.

從湖泊水位、水量變化的研究中可知，延長研究的時間尺度，主要通過多源衛(wèi)星高度計數(shù)據(jù)的組合或者利用多源衛(wèi)星雷達融合產(chǎn)品數(shù)據(jù)來實現(xiàn)，然而來自于不同衛(wèi)星的水位時間序列存在偏差，偏差主要源自兩個原因：一是不同衛(wèi)星高度計自身存在儀器偏差[22-23]；二是不同衛(wèi)星在同一湖泊的過境軌道存在明顯差異，這些增加了衛(wèi)星水位系列間的偏差. 雖然可以采用軌跡間和衛(wèi)星間偏差的先驗調(diào)整，但開發(fā)不同衛(wèi)星水位測量值的校準方法使得湖泊水位與水量變化計算變得繁瑣與復(fù)雜. 因此，不依賴多源水位數(shù)據(jù)，基于有限時間段內(nèi)的單一衛(wèi)星雷達數(shù)據(jù)重現(xiàn)湖泊過去幾十年的水位、水量變化，是本文重點考慮的方向.

Sentinel系列雷達衛(wèi)星高度計為全球海洋和陸地監(jiān)測衛(wèi)星之一，其2016年發(fā)射的Sentinel-3A/3B衛(wèi)星攜帶高分辨率合成孔徑雷達高度計(Synthetic Aperture Radar Altimeter，SRAL)，是水位監(jiān)測的新興數(shù)據(jù)源[24]，全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS) 是全球變化與水循環(huán)研究的重要數(shù)據(jù)源之一[25]，為無資料區(qū)域湖泊水量的變化評價提供了長時間序列的氣象數(shù)據(jù)支撐. 因此，本文以藏北高原內(nèi)陸湖泊當(dāng)惹雍錯為研究對象，在利用Landsat光學(xué)系列遙感衛(wèi)星獲取并分析1988-2018年湖泊面積的基礎(chǔ)上，結(jié)合2016-2018年Sentinel-3 SRAL數(shù)據(jù)，綜合分析了2016-2018年非結(jié)冰期的湖泊水位與面積變化，獲取二者變化之間的相關(guān)關(guān)系，基于水量估算公式與歷史衛(wèi)星遙感面積，估算當(dāng)惹雍錯近30年來的水位、水量變化，并與以往的研究成果進行對比；通過GLDAS的降水、氣溫產(chǎn)品數(shù)據(jù)與Landsat提取的雪線變化數(shù)據(jù)，探討湖泊變化原因. 本文探索利用單一衛(wèi)星水位數(shù)據(jù)源分析湖泊水位-水量的長時間序列變化，為青藏高原無資料區(qū)氣候變化環(huán)境下湖泊水位變化與水量分析評估提供依據(jù).

圖1 當(dāng)惹雍錯流域位置Fig.1 Location of the Tangra Yumco Basin

1 湖泊概況

當(dāng)惹雍錯(30.45°～31.22°N，86.23°～86.49°E)又名唐古拉攸木錯，屬內(nèi)陸尾閭湖，位于藏北高原腹地尼瑪縣內(nèi)，為青藏高原內(nèi)目前已知最深的湖泊[26]、西藏第4大湖泊，海拔 4528 m，南北向長，長軸長約72 km，東西向最寬處12 km，中間最為狹長，流域面積9059 km2(圖1)，湖泊補給以地表徑流及湖區(qū)降水為主，降水主要集中在6-9月(濕季)，主要補給河流有達果藏布、布寨藏布、麥弄曲. 其中達果藏布發(fā)源于岡底斯山，河源區(qū)現(xiàn)代冰川不發(fā)育[27]，主要分布于湖泊的東部和南部山區(qū). 根據(jù)2009年水下地形實測資料[26]，北部湖區(qū)為整個湖泊的深水部分，四周湖岸坡度較大. 中央湖區(qū)水深超過200 m，中間最窄處湖區(qū)水深超過100 m；南部湖區(qū)的最南部地形較緩，中間只有小部分湖區(qū)水深超過100 m.

2 數(shù)據(jù)與方法

2.1 Landsat系列衛(wèi)星及湖泊面積提取

Landsat系列衛(wèi)星由于提供長時間序列數(shù)據(jù)、有較高的空間分辨率和免費獲取特性，廣泛應(yīng)用于湖泊面積提取與制圖[19]. 從數(shù)據(jù)時空分辨率、數(shù)據(jù)可獲得性與可用性考慮，本文選擇時空分辨率為16 d和30 m的Landsat系列衛(wèi)星(主要為Landsat-8 OLI、Landsat-7 ETM+、Landsat-5 TM5)的RGB三波段合成產(chǎn)品，該數(shù)據(jù)來自于美國地質(zhì)調(diào)查局(https://earthexplorer.usgs.gov/)，經(jīng)過系統(tǒng)輻射糾正和幾何校正. 由于光學(xué)影像數(shù)據(jù)受到云雨天氣影響，數(shù)據(jù)幅數(shù)與數(shù)據(jù)可用時段不可避免地受到限制. 根據(jù)研究目標，結(jié)合以往關(guān)于高原湖泊的研究經(jīng)驗，湖泊最穩(wěn)定的時間為10月，其次為9月和11月[28]，選取該時段影像分析1988-2018年的湖泊面積年際變化，共22期；湖泊結(jié)冰期一般為當(dāng)年11月-次年3月，以非結(jié)冰期4-10月典型月份(其中4-5月代表湖泊干季，9-10月代表湖泊濕季)影像分析2000-2018年的湖泊年內(nèi)面積變化，共23期；2016-2018年間的影像數(shù)據(jù)共24期，挑選相近日期的影像用于分析湖泊年內(nèi)面積-水位變化，構(gòu)建面積-水位關(guān)系曲線，數(shù)據(jù)情況詳見表1.

高原湖泊水體和其他地物在RGB真彩色影像上的顏色呈現(xiàn)明顯差異，水體在可見光波段上通常表現(xiàn)為黑色，結(jié)冰期則為深藍色. 近年來面向?qū)ο蟮乃w提取方法得到了較好的應(yīng)用[29-30]，水體提取過程中受陰影和薄云的影響小，完全消除基于像元方法提取出現(xiàn)的“零星水體現(xiàn)象”. 本文利用面向?qū)ο蠓椒ㄌ崛∷w，應(yīng)用ENVI+IDL程序開發(fā)面向?qū)ο蠓指?由ENVI提供的envi_fx_segmentonly_doit面向?qū)ο蠓指疃伍_發(fā)函數(shù))獲得水體分割對象，并應(yīng)用Arcmap軟件對分割對象進行柵矢轉(zhuǎn)換、水體對象合并，獲取當(dāng)惹雍錯湖泊邊界圖斑，進一步結(jié)合人工目視檢查對成果修正，并計算最終水體面積. 對于2003年5月之后ETM+數(shù)據(jù)產(chǎn)品有條帶現(xiàn)象，結(jié)合同一年份影影像日期前后質(zhì)量較好的Landsat數(shù)據(jù)目視解譯提取修改湖泊邊界. 數(shù)據(jù)處理流程見圖2.

表1 研究所用的Landsat系列影像數(shù)據(jù)

圖2 當(dāng)惹雍錯湖泊邊界提取流程Fig.2 Lake boundary extraction process of Tangra Yumco

2.2 Sentinel-3A SRAL衛(wèi)星及湖泊水位提取

Sentinel-3系列衛(wèi)星為全球海洋和陸地監(jiān)測衛(wèi)星，包括Sentinel-3A、Sentinel-3B、Sentinel-3C 3顆衛(wèi)星. Sentinel-3A于2016年2月發(fā)射，其上搭載SRAL，主要用于海洋表面水位、浪高、風(fēng)速、海冰、潮汐以及陸地冰、水體地形研究，數(shù)據(jù)來源于歐洲航空局(https://scihub.copernicus.eu/dhus/#/home). Sentinel-3A SRAL全球運行385個軌道，20Hz Ku波段地面測高軌跡由間距為320 m的測點形成，本文使用L2級陸地標準數(shù)據(jù)產(chǎn)品，研究區(qū)共有兩條軌道過境(測高軌跡見圖1)，過境時間分別為12：34和23：25，2016-2018年間過境數(shù)目分別為38期和37期，共75條軌道.

利用ENVI+IDL，通過衛(wèi)星測高原理計算考慮大氣、地形校正后的衛(wèi)星水位值，生成點矢量數(shù)據(jù)文件，利用 Landsat湖泊邊界，篩選落在湖面上的衛(wèi)星測高數(shù)據(jù)點，并應(yīng)用拉伊達準則篩選水位數(shù)據(jù)去除異常值，進一步對每次經(jīng)過湖泊的測點數(shù)據(jù)進行平均，獲得該過境時間的湖泊水位高程. 衛(wèi)星測高水位計算公式為：

hal=Altitude-Range+Hcor

(1)

式中，hal為衛(wèi)星測高水位，Altitude為衛(wèi)星至參照橢球面的高度，Range為衛(wèi)星至湖泊水位點的高度，Hcor為各項糾正項目，分別對應(yīng)Sentinel-3 SRAL L2數(shù)據(jù)中的alt_20_ku、range_ocean_20_ku、net_instr_cor_range_20_ku. 筆者利用2016-2018年鄱陽湖Sentinel-3A SRAL Ku波段衛(wèi)星測高數(shù)據(jù)和衛(wèi)星過境時刻的水位數(shù)據(jù)，對衛(wèi)星測高產(chǎn)品數(shù)據(jù)精度進行了初步評價，衛(wèi)星測高水位與實測數(shù)據(jù)的時間一致性較好，相關(guān)系數(shù)大于0.98，平均絕對誤差為0.276 m，可用于長時間尺度的湖泊變化分析.

2.3 湖泊水量變化計算

根據(jù)衛(wèi)星提取的湖泊面積及水位數(shù)據(jù)，建立水位-面積關(guān)系. 假設(shè)湖泊水量變化為不規(guī)則的臺體，按如下公式[21]計算水位變化下的水量變化：

(2)

式中，Sa為臺體上表面面積，對應(yīng)湖泊高水位時的面積；Sb為臺體下表面面積，對應(yīng)湖泊低水位時的面積；h為水位變化值.

2.4 GLDAS產(chǎn)品數(shù)據(jù)

GLDAS利用地表觀測與衛(wèi)星遙感觀測數(shù)據(jù)，通過模型 (Mosaic、Noah、CLM 和 VIC) 模擬與數(shù)據(jù)同化生成全球的地表狀態(tài)變量，廣泛應(yīng)用于全球變化與水循環(huán)研究. 根據(jù)以往的研究成果，其在數(shù)據(jù)一致性、數(shù)據(jù)質(zhì)量的季節(jié)穩(wěn)定性及對趨勢性描述能力方面質(zhì)量較好[31]. 由于研究區(qū)內(nèi)缺少實測氣象資料，最近的國家標準氣象站距湖泊流域邊界大于80 km，因此本文選擇GLDAS-2.1由Noah生成的2000年至今的空間分辨率為0.25°×0.25°的包含氣溫和降水等多個變量的數(shù)據(jù)集，獲取當(dāng)惹雍錯流域內(nèi)的年平均氣溫、降雨、降雪數(shù)據(jù).

2.5 Landsat衛(wèi)星的冰川雪線提取

為定性分析永久冰川及積雪融化對湖泊水量變化的影響，選取流域內(nèi)典型冰磧湖的冰川雪線變化進行分析. 長時間序列遙感影像顯示10-11月降雪對永久冰川及積雪面積干擾小，影像數(shù)據(jù)質(zhì)量好，故選取當(dāng)惹雍錯1988年以來該時間段內(nèi)17幅Landsat影像數(shù)據(jù)，通過人工目視解譯識別和提取雪線，所用數(shù)據(jù)詳見表2.

3 結(jié)果分析

3.1 近30年來湖泊面積變化

當(dāng)惹雍錯在1988-2018年間湖泊面積整體呈上升趨勢(圖3)，1988年湖泊面積為828.89 km2，2018年的湖泊面積為849.99 km2，約增加了2.55%. 湖泊最小和最大面積分別為824.75 km2(1996年)和849.99 km2(2018年). 具體來看，1988-1998年間湖泊面積約減少2.4 km2；2000-2018年，湖泊面積整體呈上升趨勢，2000-2018年間湖泊面積擴張18 km2，平均上升速率約為1 km2/a，其中2000-2006年面積呈波動增加，2007年相比2006年增加明顯，2007-2015年保持相對平緩的變化，2016-2018年湖泊面積變化明顯加快，上升速率為3.5 km2/a. 湖泊擴張主要發(fā)生在東南角和中西部區(qū)域(圖4)，結(jié)合2009年實測湖泊水下地形來看[26]，這兩處區(qū)域分布有達果藏布、布寨藏布入湖河口，水下地形坡度較小，地勢平緩，湖泊面積變化較其他區(qū)域更為敏感.

圖3 1988-2018年當(dāng)惹雍錯湖泊面積的變化Fig.3 The variation of lake area of Tangra Yumco from 1988 to 2018

圖4 當(dāng)惹雍錯變化區(qū)域示意圖(以1988-2018年間7期數(shù)據(jù)示意)Fig.4 Variations of lake boundary of Tangra Yumco from 1988 to 2018

3.2 2016-2018年湖泊面積-水位變化與關(guān)系建立

基于2016-2018年的水位數(shù)據(jù)資料，結(jié)合該研究時段的遙感湖泊面積資料，建立湖泊水位-面積關(guān)系曲線，假設(shè)近30年湖泊地形無明顯變化，并以此關(guān)系擴展估算近30年的水位變化與水量變化. 由于青藏高原湖泊結(jié)冰期時河流結(jié)冰和積雪覆蓋可能會影響湖泊面積、水位提取的精度，本文對當(dāng)惹雍錯1989年以來11月-次年3月的Landsat影像分析，發(fā)現(xiàn)該湖中部及北部結(jié)冰期一般為1-4月初，南部主要河流入湖口處則在11月-次年3月結(jié)冰. 本節(jié)主要討論非結(jié)冰期(4-10月)的湖泊變化情況.

圖5 2016-2018年非結(jié)冰期當(dāng)惹雍錯面積(a)和水位(b)的變化Fig.5 Variation of lake area (a) and water level (b) of Tangra Yumco in nonglacial period from 2016 to 2018

2016-2018年間湖泊面積呈明顯擴張(圖5a)，當(dāng)惹雍錯呈現(xiàn)4-6月枯水期特征，湖泊面積最小，7月起逐漸增大，8、9月前后達到峰值，然后逐漸減少. 相比2016年，2017和2018年年均湖泊面積分別增長1.6和5.5 km2，增長率為0.19%和0.65%. 從湖泊面積年內(nèi)變化程度來看，2018年遠大于2016年. 以2016年4月3日的水位數(shù)據(jù)為基準，計算其他時間與該時間的水位差值情況，可知2016-2018年間湖泊水位與面積具有相似變化(圖5b)，4-6月水位較低，8月水位增加明顯，在9-10月達到峰值. 相比2016年，2017和2018年湖泊平均水位增長了0.33和1.04 m. 其中9-10月水位增長最大，2018年較2016年同期增長約為1.3 m. 2016年湖泊水位年內(nèi)變化最小，2018年年內(nèi)變化最大.

從上述分析可知非結(jié)冰期的湖泊面積與湖泊水位變化具有一致性. 選取2016-2018年湖泊面積與水位時間接近的數(shù)據(jù)共計20期，根據(jù)其散點圖建立水位變化量-面積變化量線性回歸關(guān)系為：

y=0.2438x+0.1433

(3)

式中，y為面積變化量，x為水位變化量，R2為0.94. 假設(shè)近30年來湖泊水下地形無明顯變化，即可根據(jù)近30年歷史遙感衛(wèi)星面積，結(jié)合該線性回歸關(guān)系估算歷史水位變化. 進一步結(jié)合水量估算模型，以1988年作為基準數(shù)據(jù)估算湖泊1988-2018年10月的水量變化.

3.3 近30年來湖泊水位-水量變化

近30年來湖泊水位、水量與面積變化呈現(xiàn)較強的一致性(圖6). 從水位變化來看，2018年相比于1988年，水位增加了5.29 m. 具體來看，1988-1998年間，水位減少了0.45 m，2000-2018年間湖泊水位增加了4.37 m，平均增加速率為0.24 m/a，其中2000-2006年間水位呈波動增加，2007相比2006年增加明顯，2007-2015年間保持相對平緩的波動，2016-2018年湖泊水位增加明顯，2018年比2016年增加了1.69 m，平均增加速率為0.56 m/a.

從水量變化來看，2018年相比于1988年，水量增加了44.75億m3. 具體來看，1988-1998年間，水量減少3.75億m3，2000-2018年間湖泊水量增加了37.15億m3，平均增加速率為2.06億m3/a，其中2000-2006年間水量呈波動增加，2007相比2006年增加明顯，2007-2015年間保持相對平緩的波動，2016-2018年湖泊水量增加明顯，2018年比2016年增加了14.41億m3，平均增加速率為7.2億m3/a.

已有學(xué)者以多種衛(wèi)星測高數(shù)據(jù)估算了1994-2015年青藏高原包含當(dāng)惹雍錯的11個大湖的水量變化[19]，從其研究成果圖可知，當(dāng)惹雍錯在1996-2014/2015年區(qū)間，水量變化量約在35億～40億m3之間. 本文研究中用于水量估算的水位時間段為10月，1996-2014/2015年水量變化量為35.5億/38.3億m3，考慮到已有研究中所使用的數(shù)據(jù)時段并不明確，又由于湖泊在一年之中水量變化也具有一定量的差異，與該研究對比，認為本文的水量估算具有合理性.

圖6 1988-2018年當(dāng)惹雍錯水位和水量的變化Fig.6 Variation of water level and water volume of Tangra Yumco from 1988 to 2018

由于2000年5月數(shù)據(jù)缺失，本研究以2001年5月(代表干季)和9月(代表濕季)作為基準數(shù)據(jù)，進一步估算2001-2018年當(dāng)惹雍錯的年內(nèi)干濕季水量變化量(圖7). 由于水位、水量與面積變化類似，根據(jù)面積變化分析來看，2001、2010和2015年湖泊年內(nèi)干濕季的面積差分別為4.1、2.3和0.3 km2，不考慮缺失的數(shù)據(jù)，2001-2015年間湖泊面積的年內(nèi)變化是減少的，干季湖泊面積的增長量大于濕季，2016-2018年間湖泊年內(nèi)干濕季的面積差異又開始增大，主要表現(xiàn)為濕季面積的顯著增加. 從水量變化來看，相比2016年干季，2017和2018年分別增加5.22億和8.73億m3；濕季，分別增加6.16億和7.48億m3. 當(dāng)惹雍錯相比青藏高原其他大型湖泊面積變化不大，但由于該湖泊是高原第1深、第4大湖泊，面積變化為水量變化的敏感因素，近十多年湖泊水量變化十分顯著.

4 湖泊變化的影響因素探討

4.1 氣候因素分析

以往研究表明，青藏高原氣候向暖濕、暖干兩個方向發(fā)展，其中南部地區(qū)主要呈暖濕變化，具有氣溫升高、降水增加的特點[3]，青藏高原湖泊的面積變化與區(qū)域氣象要素具有顯著的區(qū)域相關(guān)性[32]. 利用GLDAS 2000-2018年月氣溫和降雨量、降雪量數(shù)據(jù)，以此分析2000年以來的氣候變化情況.

近19年以來當(dāng)惹雍錯流域平均氣溫呈現(xiàn)明顯增加的趨勢(圖8a)，年均氣溫變化與湖泊面積、水位、水量變化一致. 流域內(nèi)降水量在2000-2005年減少，2006年起變化相對平緩，降雨量在2000-2005年減少，2007-2015年波動明顯，2016年起開始增加(圖8b). 從長時間尺度看，湖泊水量增加與氣溫的一致性較降水量強(圖9).

圖8 2000-2018年當(dāng)惹雍錯流域平均氣溫(a)和降水量(b)的年際變化Fig.8 Inter-annual variations of average temperature(a) and precipitation (b) of Tangra Yumco Basin from 2000 to 2018

圖9 2000-2018年當(dāng)惹雍錯流域湖泊水量變化量與降水量(a)和氣溫(b)的散點圖Fig.9 Scatter plot of water volume variation and precipitation (a) and air temperature (b) of Tangra Yumco Basin from 2000 to 2018

從湖泊流域各年月降水分布看(圖10)，湖泊呈明顯的干濕季降水差異，濕季降水主要分布在6-9月，2016-2018年濕季降水量增長明顯. 因2008年前干濕季的數(shù)據(jù)缺失較多，取2008年之后的湖泊水量增加量(以2001年為基準)和干濕季降水量、氣溫數(shù)據(jù)(如6-9月降水量之和代表濕季降水量，2-5月之和代表干季，氣溫則以均值代表)進行線性回歸，分析干濕季降水與氣溫對湖泊水量變化的影響，其與濕季降水量和氣溫的確定性系數(shù)R2分別為0.613和0.845，而干季只有0.007和0.018，說明濕季受降水和氣溫影響都較大(圖11).

圖10 當(dāng)惹雍錯流域月均氣溫與月均降水量Fig.10 Monthly temperature and precipitation in the Tangra Yumco Basin

圖11 當(dāng)惹雍錯干濕季降水量、氣溫和水量變化的關(guān)系Fig.11 Relationship between precipitation, air temperature and water volume variation of Tangra Yumco in dry and wet seasons

4.2 冰川雪線變化

隨著全球氣溫的升溫變暖，過去40年間青藏高原及其周邊地區(qū)的冰川呈現(xiàn)不同程度的退縮態(tài)勢[33]. 當(dāng)惹雍錯湖泊南、北部都有冰川，其中南部的波波噶烏峰冰川較大，已有文獻記載表明該冰川的融水流入北部的當(dāng)惹雍錯[26]，以往的研究中對2000-2014年湖泊面積與冰川面積的變化趨勢的一致性分析結(jié)果也表明冰川融水補給是當(dāng)惹雍錯湖泊不可缺少的補給源[5].

本文根據(jù)Landsat衛(wèi)星1988-2018年10月份的影像提取湖泊南部典型冰磧湖冰川雪線，結(jié)果顯示，近30年來雪線自1988年呈現(xiàn)明顯上升趨勢，永久冰川及積雪呈現(xiàn)融化加速情景(圖12). 具體來看，1988-1996年間雪線上升并不明顯，2001年與1996年相比、2010年與2001年相比雪線均明顯上升，2010-2015年間雪線變化較小，2018年相比于2015年的雪線上升較大，總體來看，雪線逐漸上升與湖泊水量變化較一致，也與湖泊東南部達果藏布匯流處的湖泊面積增加相一致，尤其是2015年與2018年的湖泊面積、水量的變化差異，說明冰川退縮是湖泊水量的重要的補給源，對湖泊的擴張具有一定貢獻，但由于冰川同時受氣溫、降水量變化的影響，對于冰川融水占湖泊水量增加量的具體比例仍有待后續(xù)的定量分析研究.

圖12 1988-2018年冰川雪線位置Fig.12 The location of glacier snow line from 1988 to 2018

5 結(jié)論

針對無資料區(qū)實測水位數(shù)據(jù)稀缺難以進行湖泊水位、水量變化估算的問題，本研究側(cè)重于利用短時間長度(2016-2018年)的衛(wèi)星合成孔徑雷達數(shù)據(jù)Sentinel-3A SRAL作為唯一遙感水位數(shù)據(jù)源，同時結(jié)合Landsat系列光學(xué)遙感影像所提取的長時間序列的湖泊面積，在細致分析并獲取2016-2018年非結(jié)冰期湖泊面積與水位變化關(guān)系的基礎(chǔ)上，結(jié)合水量估算公式獲取并分析了1988-2018年的水位、水量變化與2001-2018年內(nèi)變化. 并結(jié)合GLDAS氣象資料與雪線變化湖泊變化進行了初步探討，主要結(jié)論如下：

1)當(dāng)惹雍錯在1988-2018年間，湖泊面積擴張明顯，湖泊水位、水量增加顯著. 相比1988年，2018年的湖泊面積、水位和水量分別增加21.1 km2、5.29 m和44.75億m3. 其中1988-1998年湖泊面積-水位-水量有所減少，2000-2018年整體呈增加趨勢，其中2000-2006年呈波動增加，2007年相比2006年增加明顯，2007-2015年變化平緩，2016-2018年變化明顯加劇. 2001-2018年內(nèi)湖泊面積、水位、水量變化呈現(xiàn)干濕季的變化特征.

2)當(dāng)惹雍錯在1996-2014/2015年湖泊水量變化值為38.3億/35.5億m3，該期間的水量變化趨勢、變化量與以往利用多源衛(wèi)星水位數(shù)據(jù)對應(yīng)時間尺度的研究結(jié)果具有較強的一致性.

3)湖泊水面增長區(qū)域主要分布在水下地形坡度較小的東南和中西部區(qū)域，這兩個區(qū)域也是入湖徑流(達果藏布、布寨藏布)的主要入湖口.

4)湖泊水量變化受降雨、氣溫多種因素的綜合影響. 長時間年際尺度看，湖泊水量增長與氣溫的一致性較降水量強，冰川雪線的上升表明由氣溫升高引起的冰雪和凍土融化水量可能是湖泊水量的重要補給源之一. 結(jié)合流域內(nèi)干濕季的降雨、氣溫變化來看，濕季湖泊受降水、氣溫的影響都較大，2008-2018年的濕季降水量、氣溫與水量散點擬合的確定性系數(shù)R2分別為0.613、0.845.

本文對于長時間尺度的水量變化估算主要集中于湖泊變化最為穩(wěn)定的10月份，由于湖泊存在明顯的年內(nèi)變化，因此所估算的水位、水量變化僅代表該典型時段的情況. 由于研究所用的是衛(wèi)星的相對水位變化，在其他湖泊的實際應(yīng)用中，本文所用的方法還會受到影像幅數(shù)的限制，需要確保具有一定數(shù)量對應(yīng)時段的衛(wèi)星面積和衛(wèi)星水位數(shù)據(jù)用于建立相對可靠的面積變化-水位變化關(guān)系. 湖泊水量變化受降雨、氣溫等因素的影響復(fù)雜，降水量、融雪、凍土融水對湖泊水量的具體貢獻量需進一步研究. 因光學(xué)遙感數(shù)據(jù)普遍受到云雨天氣影響，湖泊面積數(shù)據(jù)在典型干濕季存在一定缺失，微波遙感數(shù)據(jù)理論上可以在一定程度上補充該時段的數(shù)據(jù)，但與光學(xué)數(shù)據(jù)存在成像、時空分辨率的差異，仍有待于進一步的數(shù)據(jù)收集分析等處理和聯(lián)合應(yīng)用研究.