气候变化驱动下青海湖水位逆转的归因分析:可解释机器学习揭示的非线性阈值

时间:2026年2月16日
来源:Journal of Hydrology: Regional Studies

编辑推荐:

本研究聚焦于近几十年青藏高原“暖湿化”背景下,青海湖水文循环的结构性逆转现象。为深入解析其背后的非线性物理机制,研究人员综合运用长时序多源数据与eXtreme Gradient Boosting (XGBoost)和SHapley Additive exPlanations (SHAP)构建了可解释机器学习框架,量化了降水(贡献率57.2%)、日照时数(20.5%)等关键气候因子的贡献及其触发水位转折的非线性临界点(如年降水513.84 mm)。研究成果不仅阐明青海湖快速恢复是阈值驱动的转变,更为高寒区域水资源适应性管理提供了关键定量依据。

广告
   X   

在高耸入云、被誉为“亚洲水塔”和“第三极”的青藏高原,湖泊是这片生态敏感地带水文循环的“晴雨表”。其中,作为中国最大的内陆咸水湖,青海湖的水位演变不仅是东北部高原生态安全的命脉,更是理解高原水文系统对气候变化非线性响应机制的绝佳范例。长久以来,青海湖的水位经历了一场戏剧性的波动。从1960年到2004年,在暖干气候与人为扰动双重影响下,湖面持续萎缩,水位节节下降,引发了生态退化的警报。然而,转机出现在2005年左右,一个令人惊讶的结构性逆转发生了:水位止跌回升,并以惊人的速度开始扩张。到2024年,水位达到了自有现代水文观测记录以来的历史最高值3197.62米,展现出明显的非对称“V形”反转格局。更令人费解的是,水位上升的速率竟是此前下降速率的3倍多。这不禁引人深思:究竟是什么力量在背后驱动着这场大逆转?是“暖湿化”背景下的降水增多,还是“蒸发悖论”下的蒸发减弱,亦或是冰川冻土消融带来的融水补给?传统的线性分析模型往往难以捕捉驱动因子之间的非线性相互作用和阈值效应,导致对主导机制的量化充满争议。为了揭开谜底,由裴飞厚、杜军、张虎才等学者领衔的研究团队在《Journal of Hydrology: Regional Studies》期刊上发表了最新研究,他们运用了一项“聪明”的技术,为理解高原湖泊的“重生”之谜提供了定量化的新视角。
为了系统性地回答上述科学问题,研究人员建立了一套完整的方法学链条。他们综合利用了中国国家气象信息中心、青海省水文水资源勘测局等提供的1960-2024年间长时间序列的气象、水文观测数据,以及来自USGS、中国科学院资源环境科学数据中心等的多源遥感影像。在数据处理上,他们采用归一化水体指数(NDWI)与最优阈值法相结合提取湖面边界,并利用曼-肯德尔(M-K)趋势检验和皮尔逊相关分析进行初步统计。研究核心是构建一个耦合eXtreme Gradient Boosting (XGBoost,一种梯度提升决策树算法)与SHapley Additive exPlanations (SHAP,一种基于博弈论的可解释性框架)的可解释人工智能(XAI)模型,以定量解析各气候驱动因子对水位变化的边际贡献,并揭示其非线性响应关系。
研究结果
3.1. 青海湖流域气候变化特征
  • 气温与降水变化:研究表明,1975-2024年间,流域气温显著升高,年均增温速率为0.43 °C/10a,且呈现不对称增暖,年均最低气温增速最快。降水则存在明显的阶段性,2005年后进入快速增湿期,年降水倾向率达30.5 mm/10a,极端强降水事件频率和强度增强。
  • 蒸发与日照时数变化特征:尽管气温升高,流域蒸发并未线性增加,反而在2005年后趋于稳定,呈现出典型的“蒸发悖论”。与此相伴的是日照时数呈现波动下降趋势,表明区域存在显著的“变暗效应”。
3.2. 青海湖流域水文变化特征
  • 水位年际演变特征:1960-2024年,青海湖水位呈现显著的非平稳变化,以2004年为拐点,前期持续下降,后期急剧上升,形成不对称“V形”格局。2005-2024年的水位上升速率约为前期下降速率的3.1倍。
  • 水域面积演变:湖面面积演变与水位同步,2004年达历史最小后快速扩张,至2024年达历史最大4650.08 km²。空间上,扩张呈现东、西部显著,南部稳定,北部适中的非均质格局。
  • 蓄水量动态演变:湖体蓄水量变化与水位、面积高度一致,同样经历了从持续亏损到加速恢复的转折,2024年蓄水量超过1960年基线,标志着流域水量平衡从赤字转向盈余。
  • 径流变化特征:主要入湖河流布哈河与沙柳河径流同步性高,且自2005年以来增速显著快于降水增速,表明存在“降水-径流”关系的非线性放大效应。径流年内分配极不均匀,集中于汛期。
3.3. 水位演变的驱动因子相关性分析
皮尔逊相关分析显示,水位与湖面积、蓄水量极强正相关,与降水、布哈河径流显著正相关,与日照时数显著负相关。方差膨胀因子(VIF)分析表明多数气候因子间存在严重多重共线性,突显了使用非线性方法进行归因的必要性。
3.4. 基于SHAP模型的驱动因子量化归因与非线性阈值分析
XGBoost-SHAP模型的全球特征重要性排序显示,在所分析的气候变量框架内,降水是水位变化的首要驱动因子,平均贡献率达57.2%;日照时数次之,贡献20.5%。二者合计贡献77.7%。最低温的贡献率显著高于最高温和平均温。SHAP依赖图进一步揭示了关键非线性阈值:当年降水量超过513.84 mm时,其对水位的效应由抑制转为显著促进;当年日照时数低于2814.64 h时,其对水位的影响为正,即“变暗效应”通过抑制蒸发促进水位恢复。
结论与讨论
本研究证实了青海湖水文结构性的“V形”逆转,并首次通过可解释机器学习框架精确定量了自然气候驱动因子的贡献及其非线性临界点。研究发现,降水增多是驱动水位快速恢复的主导力量,而“变暗效应”导致的蒸发抑制是关键辅助机制。增温的净水文效应较弱,因其带来的融水补给正效应被潜在的蒸发增强负效应所抵消。研究还揭示,最低气温贡献显著,暗示了冰冻圈退化及基流调节在其中的重要作用。
这些发现具有重要的科学与管理意义。它阐明青海湖的快速恢复并非对气候变化的简单线性响应,而是一个由降水与辐射阈值共同触发的系统状态转变。这挑战了传统线性归因分析的局限性,为理解复杂高原水文系统对气候变化的响应机制提供了新范式。论文结论为高寒区域,特别是青藏高原湖泊群的水资源评估与适应性管理提供了关键的科学依据。面对未来可能持续的“暖湿化”进程及高水位“新常态”,研究建议流域管理应从单纯的“生态保护”转向适应性管理,建立基于非线性水位阈值的预警系统,以应对湖面扩张可能带来的生态效益与社会经济风险并存的复杂局面。

生物通微信公众号
微信
新浪微博


生物通 版权所有