EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 6: 251 - 262

DOI: https://doi.org/10.6046/zrzyyg.2024339

Analyzing water area changes and inundation trends in Siling Co during 1995—2023 based on multi-source remote sensing

  • WANG Haochen , 1, 2 ,
  • HE Peng , 1, 2 ,
  • CHEN Hong 2 ,
  • TONG Liqiang 2 ,
  • GUO Zhaocheng 2 ,
  • TU Jienan 2 ,
  • WANG Genhou 1
Expand
  • 1. School of Earth Science and Resources, China University of Geosciences(Beijing), Beijing 100083, China
  • 2. China Aero Geophysical Survey & Remote Sensing Center for Natural Resources, Beijing 100083, China

Received date: 2024-10-09

  Revised date: 2025-02-14

  Online published: 2026-06-03

Fold

Abstract

Siling Co, the largest lake in Xizang Autonomous Region, has expanded significantly in the past few years, threatening surrounding pastoral activities, infrastructures, and even the ecological environment. This study systematically reconstructed the time series of changes in the lake area, water level, and water volume of Siling Co from 1995 to 2023 using optical images from satellites Landsat and GF, as well as altimeter data from satellites ERS-2, ICEsat, Cryosat-2, and ICEsat-2. Through Mann-Kendall trend analysis, the study determined the stages of the lake area changes and revealed the key characteristics of various stages. Furthermore, it also made a preliminary judgement on the inundation trend and its impacts. The results indicate that from 1995 to 2023, Siling Co experienced an increase in water area of 676.75 km2 (with an annual average of 24.17 km2/a), a water level rise of approximately 13.32 m (with an annual average of 0.48 m/a), and a water volume growth of 28.45 Gt (with an annual average of 1.02 Gt/a). The changes in Siling Co from 1995 to 2023 can be divided into four stages: the fluctuating growth stage from 1995 to 2000, the rapid expansion stage from 2000 to 2011, the relatively stable stage from 2011 to 2017, and the re-expansion stage from 2017 to 2023. The inundated areas during the fluctuating growth and rapid expansion stages were primarily concentrated in the northern and southern parts of the lake. During the relatively stable stage, no significant expansion was observed in the inundated areas. In the re-expansion stage, the inundated areas were distributed in the eastern part of the lake. The continuous rise in the water level of Siling Co led to an annually increasing risk of surrounding inundation. Currently, the areas exposed to a high inundation risk are primarily concentrated along the south bank of the lake, which should be the focus in future monitoring and research.

Key words： remote sensing (RS); Siling Co; satellite altimetry; lake level; inundation risk

Cite this article

WANG Haochen , HE Peng , CHEN Hong , TONG Liqiang , GUO Zhaocheng , TU Jienan , WANG Genhou . Analyzing water area changes and inundation trends in Siling Co during 1995—2023 based on multi-source remote sensing[J]. Remote Sensing for Natural Resources, 2025 , 37(6) : 251 -262 . DOI: 10.6046/zrzyyg.2024339

0 引言

青藏高原平均海拔在4 000 m以上,被称为地球的“第三极”,是黄河、长江、恒河等重要河流的发源地[1-2]。青藏高原地区湖泊众多,对南亚地区的水资源补给和我国气候与生态系统的调节都发挥着关键作用[3]。截至2023年,全区面积在1 km2以上的湖泊数量约1 400个,总面积近5万km2,约占青藏高原总面积的2%,全国湖泊总面积的50%[4]。众多湖泊与河流形成了高原独有的水资源转化形式,对全球气候变化敏感响应的同时,对区域生态环境与经济发展也形成显著影响[5-6]。
近年来,全球气候变化形势日趋严峻,青藏高原及周边地区快速升温,冰川消退,多年冻土解冻加剧,湖泊面积普遍发生增长,如色林错、纳木错、扎日南木错等超大型湖泊扩张趋势尤为明显[7-11]。其中,色林错在1988—2020年面积增加了约650 km2,增长幅度近40%,进而超过纳木错,跃居成为西藏第一大咸水湖[12-13]。
随着青藏高原地区湖泊多年水位持续上升,高原水患类型从以往的以小型冰川湖溃决为主,逐渐转为兼有中-大型构造湖漫溢溃决与淹没灾害并发的态势。冰川湖是冰川侵蚀作用造成冰碛坝堆积,在冰川融化退缩后,积水被坝体阻隔形成的湖泊,多在高海拔地区分布,面积相对较小; 构造湖是由地壳运动作用形成的构造凹陷蓄水型湖泊,通常面积较大[14]。冰川湖溃决灾害是青藏高原地区常见的水患类型,据统计,1960年以来各类溃决事件达27次,给周围居民生产生活及生命财产安全带来严重威胁[15]。频繁发生的冰湖溃决使该类型灾害成为青藏高原地区的热点研究内容,冰川湖的溃决的诱因、崩溃机制及冰川潜在溃决威胁预测风险评估等已经取得了长足的研究进展[16-18]。2011年9月,可可西里地区的卓乃湖水面多年上涨后溃决,洪水经库赛湖和海丁诺尔进入盐湖,使盐湖发生大规模扩张,淹没周边区域,严重威胁到南部的G109国道和青藏线铁路[19]。2024年2月,青海省玛多县冬格措纳湖湖水上涨导致堤坝溃决,对下游多个乡镇的生产生活造成影响。由此可见,青藏高原湖泊因水位上涨而出现的新型水患,对我国重大工程设施乃至生命财产的安全构成持续地威胁,严重制约了当地国民经济的发展,亟须予以关注。
色林错是青藏高原目前扩张最为显著的构造湖之一,其周边人类活动频繁,牧场、牧民房屋、牲口围栏及交通干线众多,存在较高的水患风险。本文基于多源、长时序光学卫星及测高卫星数据,系统重建1995—2023年间来色林错湖泊面积、水位与水量变化的时间序列,利用趋势分析方法研究不同阶段的水域变化特点和淹没特征,并对后续淹没风险及其影响进行初步判断。

1 研究区概况及数据源

1.1 研究区概况

色林错(31°30'~32°8'N,88°25'~89°22'E)地处西藏羌塘高原那曲市,在班戈、申扎和尼玛三县交界处,距离班戈县约80 km。由于特殊地理位置的原因,色林错所处流域属高山和温带大陆性气候,相对湿度约40 %,年平均气温约0.7 ℃,属于暖湿气候区。色林错流域面积约为45 530 km2,是西藏第一大湖[12-13,20]。流域内分布有众多互相串联的内陆湖泊群(图1)。色林错位于流域终点,冰川融雪主要由扎加臧布、波曲臧布、阿里臧布和扎根臧布4条河流汇入湖泊,色林错湖泊扩张的主要驱动因素为冰川融水[21-22]。
图1 色林错流域概况图

Fig.1 General map of Siling Co basin

1.2 数据来源

1.2.1 卫星光学影像

本文选取陆地卫星(Landsat TM/ETM+)和高分一号卫星(GF-1)提取色林错的水域边界范围。陆地卫星数据通过美国地质调查局的官网(https://earthexplorer.usgs.gov)获取,GF-1卫星数据由中国自然资源航空物探遥感中心提供,各卫星基本参数见表1。
表1 光学遥感卫星详情

Tab.1 Optical image details

数据年份 传感器类型 空间分辨率/m 数据格式
1995—2012年 Landsat TM/ETM+ 30 GeoTIFF
2013—2023年 GF-1 WFV 16 GeoTIFF
综合考虑数据结果年内变化的准确性与年际变化的一致性,结合可获取光学卫星影像实际,选取Landsat TM/ETM+传感器影像提取1995—2012年的色林错水域边界,选取GF-1 WFV传感器获取影像提取2013—2023年的边界信息。从数据覆盖的时间完整性角度而言,由于GF-1卫星发射于2013年,Landsat可较好地对之前的数据进行补充; 从空间分辨率上看,GF-1 WFV数据精度较Landsat数据提高近1倍,可以对水体边界进行更加精确的识别。上述卫星广泛的覆盖范围及足量的存档数据,使其成为了非常适合提取目标湖泊水体信息的数据源。
本文以Landsat TM/ETM+影像及GF-1 WFV影像为主要数据源,对色林错1995—2023年汛期后的光学影像进行预处理、几何纠正、图像增强、镶嵌匀色等数据处理流程,各个步骤均基于ENVI 5.3平台完成。在此基础上通过B4(R),B2(G),B1(B)假彩色合成以突出显示水体,并基于ArcGIS 10.8平台对水域边界进行人机交互解译,以掌握色林错1995—2023年间的面积变化特征。

1.2.2 卫星测高数据

为准确测量色林错湖面水位的时序变化特征,本文选取ERS-2,ICESat,CryoSat-2和ICESat-2等多源卫星数据获取高程信息。
ERS-1和ERS-2卫星由欧洲空间局(European Space Agency, ESA)研制,分别于1991年7月17日和1995年4月21日发射,搭载有雷达高度计(Radar altimeter, RA)。据以往研究,ERS-1数据在发射初期数据质量较差,在多数陆地水位研究中未予采纳[23-26]。因此,本文采用ERS-2的L2 GDR数据完成1995—2002年的色林错水位测量。
ICESat卫星由美国国家航空航天局(National Aeronautics and Space Administration, NASA)于2003年1月13日发射,其搭载的地球科学激光高度计系统(geoscience laser altimeter system, GLAS)具有之前传感器所未有的精度。本文选择ICESat的GLAS提供L2 GLAH14数据完成2003—2009年的色林错水位测量。
CryoSat-2卫星于2010年4月8日发射,是ESA首个冰川监测项目,搭载有合成孔径干涉雷达测高仪(synthetic aperture interferometric Radar altimeter, SIRAL),可提供3种不同的空间采样模式,其中以合成孔径雷达干涉模式(synthetic aperture Radar interferometry mode, SARInM)系统偏差分布值更小[27-28]。因此,CryoSat-2的SIRAL提供L2 GDR Baseline E的SARInM模式数据完成2010—2017年的色林错水位测量。
ICESat-2卫星是ICESat卫星的后续星,于2018年9月15日发射。该星搭载了地形激光测高仪系统(advanced topographic laser altimeter system, ATLAS),较GLAS在测量精度和分辨率有进一步提升[29]。本文采用ICESat-2的ATLAS提供L3A(ATL13)数据完成2018—2023年的色林错水位测量。各卫星参数见表2。
表2 卫星基本参数

Tab.2 Satellite basic parameters

测高卫星 传感器 工作年份 周期/d 足迹间距/m 精度/cm
ERS-2 RA 1995—2011年 35 约300 约10
ICESat GLAS 2003—2009年 91 约170 约10
CryoSat-2 SIRAL 2010年至今 369 约300 1~3
ICESat-2 ATLAS 2018年至今 91 约0.7 约3

1.2.3 误差校正数据

由于实测湖泊水位数据稀少且很少对外发布,为消除各测高卫星之间的误差,本文选取已有大量验证和应用的Hydroweb数据集作为误差校正数据。该数据集包括427个湖泊和水库的时间序列水位与面积观测结果。以往研究表明,Hydroweb数据在大型湖泊中的精度优于10 cm,在中型湖泊中的精度优于分米级[27]。本文将其中色林错1995—2023年的数据作为误差校正数据,用于水域面积结果检验、水位数据偏差纠正及评估各测高卫星的水位监测结果。

2 研究方法

2.1 测高数据处理方法

2.1.1 湖泊水位计算

由于本文选取ERS-2,ICESat,CryoSat-2和ICESat-2等测高卫星数据的来源、传感器及年代各不相同,不同卫星的原始数据处理存在一定差异。因此,原始数据的筛选及解算的方法选取合理与否,将直接决定最终得到结果的准确性。
原始数据筛选主要是剔除异常数据并尽可能地保留可用测点,一般而言包括3个步骤: ①综合考虑卫星地面足迹尺寸与湖岸线周边地形特征,合理建立数据筛选区,以实现对水域边界高程特征的准确表达; ②对每个测点足迹进行目视检查,对显著的离群异常值进行剔除; ③使用归一化中值绝对误差,进一步剔除显著偏离中误差值的测点后,最终得到均匀分布的测高点足迹,将此结果的均值作为水位高程。
在数据解算阶段,根据卫星传感器及其可提供的原始数据集特征,选取对应方法开展处理工作,以获取湖泊水位高度。
ERS-2卫星与CryoSat-2卫星均由ESA发射升空,原始数据包含多个卫星测距参数及多项地球物理误差改正参数,二者的数据处理原理相同。色林错属内陆湖,相对海洋来说湖泊面积较小,因此在处理过程中无需考虑海潮、潮压、逆气压、热膨胀等地球物理参数影响[23]。一般解算处理公式为:
$h={H}_{alt}-{H}_{range}-{R}_{corr}-M$
${R}_{corr}={H}_{dry}+{H}_{wet}+{H}_{iono}+{H}_{set}+{H}_{pol}$
式中: h为湖面基于EGM2008大地水准面的正高; Halt为卫星基于WGS84参考椭球体的椭球高; Hrange为卫星高度计测得的卫星到星下点的距离; Rcorr为测高卫星的各项误差改正值; M为EGM2008大地水准面高度; Hdry为干对流层改正; Hwet为湿对流层改正; Hiono为电离层改正; Hset为固体潮改正; Hpol为极潮改正。上述变量单位均为m。
ICESat卫星的参考椭球高度均已包含各项误差改正值,因此无需使用式(1)和式(2)进行计算,可直接代入以下公式:

h=Htp-M-0.7,

式中Htp为Topex/Poseidon参考椭球体下湖泊的高程,m。
ICESat-2卫星原始数据集中已经包含了代表正高的参数,可以直接作为湖面的水位高度进行使用。

2.1.2 数据误差校正

通过测高数据处理得到的基于同一大地水准面(EGM2008)的正高,因传感器间差异可能导致系统误差,因此还需进行偏差校正处理。
本文选取精度较高的ICESat-2卫星数据作为校正基线,对ERS-2,CryoSat-2和ICESat等卫星数据进行误差校正。对与ICESat-2卫星有重合时段的待校正数据,可通过月度数据匹配法获取系统误差,公式为:
$Bia{s}_{cov}=\frac{1}{N}\sum _{i=1}^{N}({H}_{cov}^{i}-{H}_{I}^{i})$
式中: Biascov为重合时间段的待校正测高数据与ICESat-2间的偏差; N为重合时间的匹配月份数; Hcov和HI分别为重合时间段的待校正测高数据和ICESat-2的月度水位。
对于与ICESat-2卫星无重合时间段的待校正测高数据,可利用Hydroweb数据进行月度数据匹配,以获得系统误差,公式为:
$Bia{s}_{nonc}=\left[\frac{1}{{N}_{1}}\sum _{j=1}^{{N}_{1}}({H}_{nonc}^{j}-{H}_{V}^{j})\right]-\left[\frac{1}{{N}_{2}}\sum _{k=1}^{{N}_{2}}({H}_{I}^{k}-{H}_{V}^{k})\right]$
式中: Biasnonc为无重合时间段的待校正测高数据和ICESat-2间的平均偏差; N1为无重合时间段的待校正测高数据与Hydroweb数据的匹配月份数; N2为ICESat-2数据与 Hydroweb数据的匹配月份数; Hnonc为无重合时间段的待校正测高数据的月度水位; HV为Hydroweb的月度水位。

2.2 水量计算

一般地,湖泊水量变化主要依据不同时期的水域高程及对应面积来计算,公式为:
$\Delta V=\frac{1}{3}({H}_{2}-{H}_{1})\times ({A}_{1}+{A}_{2}+\sqrt[　]{{A}_{1}\times {A}_{2}})/1 000$
式中: $\Delta V$ 为连续时间段内湖泊储水量的体积变化,Gt; H1和H2为连续2个阶段的湖泊水位,m; A1和A2为相应湖泊的面积,km2。

3 结果及验证

3.1 水域面积提取

基于卫星光学影像1995—2023年间色林错水域面积提取结果,详见图2。提取得到的面积与Hydroweb数据的面积的相关系数为0.998,均方根误差为10.59 km2,具有较好的一致性。
图2 色林错1995—2023年面积变化

Fig.2 Area changes of Siling Co from 1995 to 2023

3.2 湖泊水位计算

3.2.1 测点筛选

按前文所述方法,选取对应时段光学影像提取水域边界,由于湖泊边界地形的影响,测高卫星高度计容易采集到非湖泊内数据,因此,本文以湖泊边界向内建立1 km缓冲区,剔除缓冲区内的测高点,通过目视检查及偏离中误差值的异常筛查,得到均匀分布的测高点足迹,以其平均值作为当前时段对应水位,筛选后的足迹数据分布如图3所示。
图3 色林错水位测点足迹数据分布示意图

Fig.3 Satellite track of water level monitoring of Siling Co

3.2.2 水位解算

依照式(1)—(3),依次解算ERS-2,ICESat,CryoSat-2和ICESat-2等卫星经筛选后的测高数据,得出1995—2023年基于不同传感器的湖面汛期月度水位变化。但是因轨道变化,大气校正模型之间的差异以及传感器相关的误差使得得到的正高可能存在系统误差,因此需要对多个卫星传感器的湖泊水位序列进行偏差校正。
本文将ICESat-2作为基线,以消除其他3个卫星传感器的系统误差,在色林错边界范围内,由于CryoSat-2与ICESat-2数据有重合部分,本文选择ICESat-2与CryoSat-2重合时间段2018年10月—2020年12月内观测的16对数据进行匹配,通过式(4)计算得出CryoSat-2的平均偏差为2.03 m。对于与ICESat-2数据没有重合的ERS-2和ICESat数据,本文以2018年10月—2020年12月的ICESat-2与Hydroweb数据的平均差作为相对误差基准,之后取14对ICESat数据和13对ERS-2数据与Hydroweb数据的平均差进行误差校正,通过式(5)计算得出ICESat的平均偏差为-0.48 m,ERS-2的平均偏差为-1.78 m。最后,将ERS-2,ICESat,CryoSat-2的月度数据减去平均偏差即可得到消除星间系统误差的湖泊水位。误差校正前后对比如图4所示,水位变化如表3所示。
图4 偏差校正前后对比

Fig.4 Comparison before and after deviation correction

表3 色林错1995—2023年平均水位变化

Tab.3 Water level changes of Siling Co from 1995 to 2023

年份 传感器类型 统计月数/月 平均水位/m
1995年 ERS-2 5 4 534.63
1996年 6 4 534.46
1997年 5 4 534.83
1998年 5 4 535.08
1999年 4 4 535.80
2000年 5 4 537.11
2001年 5 4 538.60
2002年 5 4 539.77
2003年 ICESat 2 4 541.01
2004年 3 4 541.51
2005年 3 4 542.60
2006年 2 4 543.15
2007年 2 4 543.61
2008年 2 4 544.06
2009年 2 4 544.11
2010年 CryoSat-2 4 4 544.81
2011年 5 4 545.43
2012年 5 4 545.92
2013年 6 4 546.13
2014年 6 4 546.34
2015年 6 4 546.18
2016年 5 4 545.82
2017年 6 4 545.99
2018年 ICESat-2 3 4 546.70
2019年 4 4 546.82
2020年 4 4 547.27
2021年 2 4 547.58
2022年 3 4 547.81
2023年 2 4 547.95

3.2.3 精度验证

通过计算多源卫星测高数据和Hydroweb数据的月平均水位,将每个卫星的数据按照月份与Hydroweb数据配对建立时间序列。如图5所示,图中卫星测高水位数据与Hydroweb数据之间有着明显的偏移,这是因为本文计算水位的参考基准为EGM2008,而Hydroweb数据的参考基准是GGMO2C全球重力场模型。基于上述原因,本文在计算并消除时间序列上卫星测高水位数据与Hydroweb数据间的平均偏差后,计算相关系数及均方根误差来估计卫星测高水位数据与Hydroweb数据的相关性。计算结果显示,配对数据间的平均偏差为0.85 m,相关系数为0.998 5,均方根误差为0.15 m,由此可见,ERS-2,ICESat/ICESat-2,CryoSat-2计算的水位与Hydroweb数据之间的数据吻合度高,误差小,呈密切相关。
图5 1995—2023年色林错卫星测高数据与Hydroweb数据水位比较

Fig.5 Comparison of lake water levels derived from satellite altimetry data and Hydroweb data, during 1995—2023

3.3 湖泊水量计算

通过结合湖泊面积变化和水位变化,使用式(6)来估计湖泊的水量变化,湖泊水量变化首先计算相邻2 a间的变化,即1995—1996年、1996—1997年,直至2022—2023年。1995—2023年湖泊水量变化是相邻年份变化的累计总和,详情如表4所示。
表4 色林错1995—2023年间水量变化

Tab.4 Water storage changes of Siling Co from 1995 to 2023

年份 水量/Gt 年份 水量/Gt 年份 水量/Gt
1995—1996年 -0.30 2005—2006年 1.23 2015—2016年 -0.86
1996—1997年 0.66 2006—2007年 1.03 2016—2017年 0.41
1997—1998年 0.45 2007—2008年 1.03 2017—2018年 1.70
1998—1999年 1.31 2008—2009年 0.12 2018—2019年 0.31
1999—2000年 2.47 2009—2010年 1.62 2019—2020年 1.07
2000—2001年 2.95 2010—2011年 1.46 2020—2021年 0.75
2001—2002年 2.36 2011—2012年 1.16 2021—2022年 0.56
2002—2003年 2.58 2012—2013年 0.50 2022—2023年 0.32
2003—2004年 1.06 2013—2014年 0.50 1995—2023年 28.45
2004—2005年 2.38 2014—2015年 -0.38

4 水域变化特征及淹没趋势

4.1 水域变化情况

色林错1995—2023年间整体呈现扩张趋势,面积增加了676.75 km2,扩张幅度为38.05 %,年平均增长速率为24.17 km2/a; 水位上升约13.32 m,上升幅度为0.29 %,平均上升速率为0.48 m/a; 总体水量增加了28.45 Gt,年均增长速率为1.02 Gt/a,总体变化情况如图6所示。
图6 色林错面积、水位和水量变化趋势

Fig.6 Variation trend of Siling Co area, water level and volume

色林错的面积变化趋势与水位整体变化趋势有很好的一致性,二者的相关系数为0.994 8,呈现显著的相关性。1995—1996年水位下降约0.17 m,面积萎缩约7.41 km2,水量减少约0.3 Gt; 1996—2014年水位逐年增加,呈持续扩张态势,面积扩张约629.2 km2,平均扩张速率为34.96 km2/a; 水位上升约11.89 m,平均上升速率为0.66 m/a; 水量增加约24.87 Gt,平均增长速率为1.38 Gt/a。2014年之后具有一定地波动特征,2014—2016年稍有萎缩,面积萎缩约5.78 km2,水位下降约0.52 m,水量减少约1.24 Gt。2016—2023年继续扩张,面积扩张约60.74 km2,平均扩张速率为8.68 km2/a; 水位上升约2.12 m,平均上升速率为0.3 m/a; 水量增加约5.12 Gt,平均增长速率为0.73 Gt/a。
由于各自阶段还存在差异,为更加精确地划分色林错的变化阶段,笔者通过Mann-Kendall方法计算Z值对其进行模拟分析,通过不同的决定系数(R2)以及显著性水平(P),将其分为波动增长期(1995—2000年)、急速扩张期(2000—2011年)、相对稳定期(2011—2017年)、再次扩张期(2017—2023年),详情见图7和表5所示。
图7 各阶段色林错面积变化趋势

Fig.7 Variation trend of Siling Co area at different stages

表5 各阶段色林错Mann-Kendall趋势检验

Tab.5 The Mann-Kendal trend test for each stage of Siling Co

年份 时期 R2 Z P
1995—2000年 波动增长期 0.73 2.254 0.01 < P <0.05
2000—2011年 急速扩张期 0.95 4.457 P < 0.001
2011—2017年 相对稳定期 0.53 0.901 P > 0.05
2017—2023年 再次扩张期 0.97 3.004 P < 0.01
第一阶段1995—2000年为波动增长期。水域面积由1 778.38 km2扩张到1 939.68 km2,总体增长161.29 km2,平均增长速率为32.26 km2/a。在此期间,1995—1996年面积萎缩了7.4 km2,之后的1996—2000年面积逐年增加(Z=2.254,0.01<P<0.05)。
第二阶段2000—2011年为急速扩张期,2011年的水域面积为2 367.67 km2,相较于2000年总体增长了427.99 km2,平均增长速率为38.91 km2/a。此阶段是色林错整个时间序列中水域面积增长速率最快的时期,呈非常显著的增长趋势(Z=4.457,P<0.001)。
第三阶段2011—2017年为相对稳定期,2014年水域面积为2 400.18 km2,是该时期水域面积最大值,面积较2011年仅增长了32.51 km2。该阶段的色林错与之前的阶段相比,面积增长速度明显放缓,趋势检验判断该阶段无显著趋势(Z=0.901, P >0.05),但湖泊面积仍有小幅度增长。
第四阶段2017—2023年为再次扩张期,2023年的水域面积为2 455.13 km2,面积相较于较2017年增长了57.31 km2,平均增长速率为9.55 km2/a。该阶段相对于第三阶段,湖泊的增长速率有了明显的提升,呈显著的增长趋势(Z=3.004, P<0.01),色林错脱离相对稳定期开始继续扩张。
与色林错面积变化4个阶段相对应,波动增长期湖泊水位上升约2.48 m,平均上升速率为0.5 m/a,水量增加4.59 Gt,平均每年增长速率为0.92 Gt/a; 急速扩张期湖泊水位上升约8.33 m,平均上升速率为0.76 m/a,水量增加了17.82 Gt,平均每年的增长速率为1.62 Gt/a,在该阶段出现了1.5 m的最大幅度水位上升和2.95 Gt的最大幅度水量上升; 相对稳定期水位上升约0.56 m,平均水位上升速率为0.09 m/a,水量增加了1.33 Gt,平均每年的增长速率为0.22 Gt/a,相对其他阶段较为平稳; 再次扩张期水位上升约1.95 m,平均上升速率为0.33 m/a,水量增加4.71 Gt,平均每年的增长速率为0.79 Gt/a。

4.2 淹没趋势及特征

由于地形陡缓不一,色林错在涨水的过程中淹没范围及外扩距离也有所差异,例如受新生代构造控制作用影响,在南北方向的地势相对平缓,同一涨水条件下外扩淹没范围会更广。图8为以色林错4个变化阶段的节点年份做出的湖泊范围变化图,由图可见,湖泊南北方向的淹没范围扩张要显著大于湖泊东西方向,其中波动增长期和急速扩张期尤为显著。
图8 色林错1995—2023年淹没范围变化

Fig.8 Inundated area changes of Siling Co from 1995 to 2023

色林错年际水量变化特征是面积与水位综合作用的结果。本文基于ArcGIS10.8平台,将水域扩张区的年际水量变化值为输入点要素,通过核密度分析工具进行插值计算,以得到各阶段的显著淹没趋势区域,如图9所示。结果显示,在色林错变化的4个阶段中,波动增长期和急速扩张期的淹没趋势较为显著,相对平稳期淹没区域不明显,再次扩张期淹没区于湖泊东部最为显著。
图9 湖泊各阶段淹没趋势

Fig.9 Inundating trend of lake at different stages

其中,波动增长期淹没区主要集中在水域北方,淹没趋势最高可达57.66,淹没区具有很高的集中性; 急速扩张期淹没区主要分布在水域南方和北方,水域北方的淹没趋势更加严峻,淹没趋势最高可达64.44,该阶段是4个阶段中淹没范围最广,局部淹没趋势最高的时期; 相对稳定期水域整体较稳定,最高淹没趋势仅2.38,水域北部和西部淹没区略有扩张; 再次扩张期水域东部的淹没趋势相对较高,最高淹没趋势为7.23,这说明色林错的稳定期正在结束,目前湖泊已经到了新的阶段,具有较高的淹没风险。
当前色林错正处在再次扩张期,快速扩张的淹没区正在对周边牧民活动、基础设施乃至生态环境造成威胁。在图10中,图10(a)为色林错2023年汛期后光学影像,2023年9月,因汛期降水量增加,湖泊东部成为高淹没趋势地区,色林错与班戈错之间的古河道连通,造成径流道路S208、草场等淹没的灾情,详情见图10(b)和(c)。此外,实地调查结果表明,色林错扩张的湖岸线离最近的牧民自建房及牧场围栏已经不足50 m,多数房屋有居住迹象,部分房屋和畜圈周边正在变为湿地,近湖区大片草场被淹,色林错湖泊的快速淹没趋势已对周边牧民的生产生活造成威胁,见图10(d)。
图10 色林错当前淹没状况

Fig.10 Current inundation stutus of Siling Co

4.3 潜在淹没风险初判

色林错作为典型的构造断陷型湖泊,形成年代久远,当前水域边界外侧存在着多期古湖岸线。据以往学者研究,色林错的湖岸线在8~4 ka时间段内曾长期保持较高位置,其最大范围形成于晚更新世(40~25 ka)的“泛湖期”,水位高度约为4 640 m; 约4 ka后色林错经历了间断性的快速退缩并留下多级岸线,揭示了色林错在全新世百年—千年尺度的水位变化历史[30-31]。
为进一步评估色林错后续淹没隐患风险,笔者将最大古湖岸线圈定范围作为潜在淹没区,利用高分辨率光学遥感影像对其内的牧民自建房屋、牧栏、草场以及公路等承灾体进行识别,并以各个承灾体为输入点要素,以其所处的距离当前水域边界范围的区间(100 m,500 m,1 000 m)为权重参数,利用核密度工具(Spatial Analyst)进行拟合分析,形成色林错周边潜在淹没威胁区(图11)。
图11 色林错潜在淹没威胁区分布图

Fig.11 Map of potential inundating risk areas in Siling Co

如图11所示,色林错最大古湖岸线范围内分布有348处牧民自建房屋、1条国道及1条省道。其中,属潜在淹没区范围的牧民自建房342处,受威胁道路包括G317,S208及其辅路。湖岸南侧存在3处高风险区,主要位于雄村、崀梅塘村等地,对133处牧民自建房构成较高的淹没威胁。
据政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)第六次评估报告显示,在其模拟的5种气候变化情景模型中,即使在最乐观的情况下,短期内全球温度上升仍可能达到1.5 ℃,全球平均海平面或上升0.15~0.23 m[32]。在此背景下,色林错未来的淹没风险较高,整体形势不容乐观。特别是色林错南岸因地势平缓,近年来淹没趋势显著,若水位继续上升,将严重影响当地居民的生产生活,造成经济损失。
因此,建议未来加强对色林错周边、特别是湖泊南岸区域的淹没灾害防范工作,开展持续遥感监测及定期实地巡查,对已受淹没影响的牧民房屋、牧栏及草场等进行及时救助,对可能影响的公路干线实施必要的工程治理措施,以有效提升当地水患灾害防御能力。

5 结论

本文基于多源遥感卫星,对青藏高原色林错1995—2023年湖泊面积、水位和水量的变化趋势进行了系统分析并且对湖泊当前淹没状况和未来的淹没风险进行了评估,得出如下结论:
1)色林错1995—2023年间整体呈现扩张趋势,面积增加676.75 km2,年均增长速率为24.17 km2/a; 水位上升约13.32 m,平均上升速率为0.48 m/a; 总体水量增加28.45 Gt,平均年增长速率为1.02 Gt/a。湖泊面积、水位的变化趋势有很好的一致性,相关系数为0.99。
2)色林错在1995—2023年间来的变化共经历4个阶段,包括1995—2000年的波动增长期、2000—2011年的急速扩张期、2011—2017年的相对稳定期及2017—2023年的再次扩张期。
3)在色林错变化的4个阶段中,波动增长期和急速扩张期的淹没区域主要集中在湖泊南北方向,相对平稳期淹没区无明显扩张,再次扩张期淹没区分布于湖泊东部,近年来受湖泊扩张及淹没趋势影响,湖泊东部和南部已经出现了道路、草场淹没,牧民驻地周边湿地化等淹没灾害事件。
4)在色林错水域持续扩张的趋势下,湖泊南岸区域有3处淹没高风险区,覆盖133处牧民自建房、G317和S208干线等多条道路,建议当地政府予以重点关注。
本文对色林错的潜在淹没风险判断以定性分析为主,拟合结果及威胁区的范围仅具指示意义。下一步,可结合气候变化数据构建“水量-气象”耦合分析模型,对未来的水域变化情况进行定量预测,进而对淹没风险区域进行精准划分,从而更加深入了解湖泊变化趋势与淹没灾害间的关系,为后续研究同类型淹没灾害提供依据。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王坤鑫, 张寅生, 张腾, 等. 1979—2017年青藏高原色林错流域气候变化分析[J]. 干旱区研究, 2020, 37(3):652-662.

Wang K X, Zhang Y S, Zhang T, et al. Analysis of climate change in the Selin Co basin,Tibetan Plateau,from 1979 to 2017[J]. Arid Zone Research, 2020, 37(3):652-662.

[2]
张国庆. 青藏高原湖泊变化遥感监测及其对气候变化的响应研究进展[J]. 地理科学进展, 2018, 37(2):214-223.

DOI

Zhang G Q. Changes in lakes on the Tibetan Plateau observed from satellite data and their responses to climate variations[J]. Progress in Geography, 2018, 37(2):214-223.

DOI

[3]
Song C, Huang B, Richards K, et al. Accelerated lake expansion on the Tibetan Plateau in the 2000s:Induced by glacial melting or other processes?[J]. Water Resources Research, 2014, 50(4):3170-3186.

DOI

[4]
张国庆, 王蒙蒙, 周陶, 等. 青藏高原湖泊面积、水位与水量变化遥感监测研究进展[J]. 遥感学报, 2022, 26(1):115-125.

Zhang G Q, Wang M M, Zhou T, et al. Progress in remote sensing monitoring of lake area,water level,and volume changes on the Tibetan Plateau[J]. National Remote Sensing Bulletin, 2022, 26(1):115-125.

DOI

[5]
马耀明, 胡泽勇, 田立德, 等. 青藏高原气候系统变化及其对东亚区域的影响与机制研究进展[J]. 地球科学进展, 2014, 29(2):207-215.

DOI

Ma Y M, Hu Z Y, Tian L D, et al. Study progresses of the Tibet Plateau climate system change and mechanism of its impact on East Asia[J]. Advances in Earth Science, 2014, 29(2):207-215.

DOI

[6]
Zhang G, Yao T, Xie H, et al. Response of Tibetan Plateau lakes to climate change:Trends,patterns,and mechanisms[J]. Earth-Science Reviews, 2020,208:103269.

[7]
Wan W, Xiao P, Feng X, et al. Monitoring lake changes of Qinghai-Tibetan Plateau over the past 30 years using satellite remote sensing data[J]. Chinese Science Bulletin, 2014, 59(10):1021-1035.

DOI

[8]
Meng K, Shi X, Wang E, et al. High-altitude salt lake elevation changes and glacial ablation in Central Tibet,2000—2010[J]. Chinese Science Bulletin, 2012, 57(5):525-534.

DOI

[9]
Fang Y, Cheng W, Zhang Y, et al. Changes in inland lakes on the Tibetan Plateau over the past 40 years[J]. Journal of Geographical Sciences, 2016, 26(4):415-438.

DOI

[10]
Li Y, Liao J, Guo H, et al. Patterns and potential drivers of drama-tic changes in Tibetan lakes,1972—2010[J]. PLoS One, 2014, 9(11):e111890.

[11]
Zhang J, Hu Q, Li Y, et al. Area,lake-level and volume variations of typical lakes on the Tibetan Plateau and their response to climate change,1972—2019[J]. Geo-Spatial Information Science, 2021, 24(3):458-473.

DOI

[12]
宋玉芝, 德吉玉珍. 近30年色林错湖面变化特征及其对气候变化的响应[J]. 南京信息工程大学学报(自然科学版), 2023, 15(1):24-33.

Song Y Z, De J. Variation of Selin Co lake area during 1988—2020 and its response to climate change[J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition), 2023, 15(1):24-33.

[13]
杨志刚, 杜军, 林志强. 1961—2012年西藏色林错流域极端气温事件变化趋势[J]. 生态学报, 2015, 35(3):613-621.

Yang Z G, Du J, Lin Z Q. Extreme air temperature changes in Selin Co basin,Tibet(1961—2012)[J]. Acta Ecologica Sinica, 2015, 35(3):613-621.

[14]
Sun M, Jin H, Yao X, et al. Hydrochemistry differences and causes of tectonic lakes and glacial lakes in Tibetan Plateau[J]. Water, 2020, 12(11):3165.

DOI

[15]
刘建康, 张佳佳, 高波, 等. 我国西藏地区冰湖溃决灾害综述[J]. 冰川冻土, 2019, 41(6):1335-1347.

DOI

Liu J K, Zhang J J, Gao B, et al. An overview of glacial lake outburst flood in Tibet,China[J]. Journal of Glaciology and Geocryology, 2019, 41(6):1335-1347.

[16]
贾洋, 崔鹏. 西藏冰湖溃决灾害事件极端气候特征[J]. 气候变化研究进展, 2020, 16(4):395-404.

Jia Y, Cui P. The extreme climate background for glacial lakes outburst flood events in Tibet[J]. Climate Change Research, 2020, 16(4):395-404.

[17]
Allen S K, Zhang G, Wang W, et al. Potentially dangerous glacial lakes across the Tibetan Plateau revealed using a large-scale automated assessment approach[J]. Science Bulletin, 2019, 64(7):435-445.

DOI PMID

[18]
Westoby M J, Glasser N F, Brasington J, et al. Modelling outburst floods from moraine-dammed glacial lakes[J]. Earth-Science Reviews, 2014,134:137-159.

[19]
Liu W H, Xie C W, Zhao L, et al. Dynamic changes in lakes in the Hoh Xil region before and after the 2011 outburst of Zonag Lake[J]. Journal of Mountain Science, 2019, 16(5):1098-1110.

DOI

[20]
德吉央宗, 尼玛吉, 强巴欧珠, 等. 近40年西藏色林错流域湖泊面积变化及影响因素分析[J]. 高原山地气象研究, 2018, 38(2):35-41,96.

Deji Y Z, Nima J, Qiangba O Z, et al. Lake area variation of Selin Tso in 1975—2016 and its influential factors[J]. Plateau and Mountain Meteorology Research, 2018, 38(2):35-41,96.

[21]
邰雪楠, 王宁练, 吴玉伟, 等. 近20 a色林错湖冰物候变化特征及其影响因素[J]. 湖泊科学, 2022, 34(1):334-348.

Tai X N, Wang N L, Wu Y W, et al. Lake ice phenology variations and influencing factors of Selin Co from 2000 to 2020[J]. Journal of Lake Sciences, 2022, 34(1):334-348.

DOI

[22]
Tang Y, Huo J, Zhu D, et al. Simulation of the water storage capacity of Siling co lake on the Tibetan Plateau and its hydrological response to climate change[J]. Water, 2022, 14(19):3175.

DOI

[23]
李振南, 雷伟伟, 王一帆, 等. 基于多源卫星测高数据的青海湖水位变化研究[J]. 测绘科学, 2023, 48(5):140-151.

Li Z N, Lei W W, Wang Y F, et al. Water level variation of Qinghai Hu based on multi-source satellite altimetry data[J]. Science of Surveying and Mapping, 2023, 48(5):140-151.

[24]
武文娇, 章诗芳, 苏巧梅, 等. 黄土高原重要水库水位变化的ICESat/GLA14监测[J]. 测绘科学, 2018, 43(4):71-75.

Wu W J, Zhang S F, Su Q M, et al. Water level changes monitoring of important reservoirs in Loess Plateau based on ICESat/GLA14[J]. Science of Surveying and Mapping, 2018, 43(4):71-75.

[25]
Berry P A M, Garlick J D, Freeman J A, et al. Global inland water monitoring from multi-mission altimetry[J]. Geophysical Research Letters, 2005, 32(16):L16401.

[26]
Santos da Silva J, Calmant S, Seyler F, et al. Water levels in the Amazon basin derived from the ERS 2 and ENVISAT radar altimetry missions[J]. Remote Sensing of Environment, 2010, 114(10):2160-2181.

DOI

[27]
Feng Y, Yang L, Zhan P, et al. Synthesis of the ICESat/ICESat-2 and CryoSat-2 observations to reconstruct time series of lake level[J]. International Journal of Digital Earth, 2023, 16(1):183-209.

DOI

[28]
Nielsen K, Stenseng L, Andersen O B, et al. Validation of CryoSat-2 SAR mode based lake levels[J]. Remote Sensing of Environment, 2015,171:162-170.

[29]
Yuan C, Gong P, Bai Y. Performance assessment of ICESat-2 laser altimeter data for water-level measurement over lakes and reservoirs in China[J]. Remote Sensing, 2020, 12(5):770.

DOI

[30]
Shi X, Kirby E, Furlong K P, et al. Rapid and punctuated late Holocene recession of Siling Co,central Tibet[J]. Quaternary Science Reviews, 2017,172:15-31.

[31]
孟恺, 石许华, 王二七, 等. 青藏高原中部色林错区域古湖滨线地貌特征、空间分布及高原湖泊演化[C]// 中国科学院地质与地球物理研究所2012年度(第12届)学术论文汇编——特提斯研究中心. 北京, 2013:618-633.

Meng K, Shi X H, Wang E Q, et al. Geomorphic characteristics,spatial distribution of paleoshorelines around the Siling Co area,central Tibetan Plateau,and the lake evolution within the plateau[C]// The 2012 (12th) Academic Annual Conference of the Institute of Geology and Geophysics,Chinese Academy of Sciences. Beijing,China, 2013:618-633.

[32]
Lee H, Calvin K, Dasgupta D, et al. Climate change 2023:Synthesis report,summary for policymakers[EB/OL]. Geneva, Switzerland: Intergovernmental Panel on Climate Change (IPCC), 2023:1-34[2024-10-09].https://doi.org/10.59327/IPCC/AR6-9789291691647.001.

Options
Outlines

/

〈 〉