《Journal of Hydrology: Regional Studies》：Climate–driven attribution of the water level reversal in Lake Qinghai: Non–linear thresholds revealed by interpretable machine learning
編輯推薦：
本研究聚焦于近幾十年青藏高原“暖濕化”背景下，青海湖水文循環的結構性逆轉現象。為深入解析其背后的非線性物理機制，研究人員綜合運用長時序多源數據與eXtreme Gradient Boosting (XGBoost)和SHapley Additive exPlanations (SHAP)構建了可解釋機器學習框架，量化了降水（貢獻率57.2%）、日照時數（20.5%）等關鍵氣候因子的貢獻及其觸發水位轉折的非線性臨界點（如年降水513.84?mm）。研究成果不僅闡明青海湖快速恢復是閾值驅動的轉變，更為高寒區域水資源適應性管理提供了關鍵定量依據。
在高聳入云、被譽為“亞洲水塔”和“第三極”的青藏高原，湖泊是這片生態敏感地帶水文循環的“晴雨表”。其中，作為中國最大的內陸咸水湖，青海湖的水位演變不僅是東北部高原生態安全的命脈，更是理解高原水文系統對氣候變化非線性響應機制的絕佳范例。長久以來，青海湖的水位經歷了一場戲劇性的波動。從1960年到2004年，在暖干氣候與人為擾動雙重影響下，湖面持續萎縮，水位節節下降，引發了生態退化的警報。然而，轉機出現在2005年左右，一個令人驚訝的結構性逆轉發生了：水位止跌回升，并以驚人的速度開始擴張。到2024年，水位達到了自有現代水文觀測記錄以來的歷史最高值3197.62米，展現出明顯的非對稱“V形”反轉格局。更令人費解的是，水位上升的速率竟是此前下降速率的3倍多。這不禁引人深思：究竟是什么力量在背后驅動著這場大逆轉？是“暖濕化”背景下的降水增多，還是“蒸發悖論”下的蒸發減弱，亦或是冰川凍土消融帶來的融水補給？傳統的線性分析模型往往難以捕捉驅動因子之間的非線性相互作用和閾值效應，導致對主導機制的量化充滿爭議。為了揭開謎底，由裴飛厚、杜軍、張虎才等學者領銜的研究團隊在《Journal of Hydrology: Regional Studies》期刊上發表了最新研究，他們運用了一項“聰明”的技術，為理解高原湖泊的“重生”之謎提供了定量化的新視角。
為了系統性地回答上述科學問題，研究人員建立了一套完整的方法學鏈條。他們綜合利用了中國國家氣象信息中心、青海省水文水資源勘測局等提供的1960-2024年間長時間序列的氣象、水文觀測數據，以及來自USGS、中國科學院資源環境科學數據中心等的多源遙感影像。在數據處理上，他們采用歸一化水體指數(NDWI)與最優閾值法相結合提取湖面邊界，并利用曼-肯德爾(M-K)趨勢檢驗和皮爾遜相關分析進行初步統計。研究核心是構建一個耦合eXtreme Gradient Boosting (XGBoost，一種梯度提升決策樹算法)與SHapley Additive exPlanations (SHAP，一種基于博弈論的可解釋性框架)的可解釋人工智能(XAI)模型，以定量解析各氣候驅動因子對水位變化的邊際貢獻，并揭示其非線性響應關系。
研究結果
3.1. 青海湖流域氣候變化特征
- •
氣溫與降水變化：研究表明，1975-2024年間，流域氣溫顯著升高，年均增溫速率為0.43?°C/10a，且呈現不對稱增暖，年均最低氣溫增速最快。降水則存在明顯的階段性，2005年后進入快速增濕期，年降水傾向率達30.5?mm/10a，極端強降水事件頻率和強度增強。
- •
蒸發與日照時數變化特征：盡管氣溫升高，流域蒸發并未線性增加，反而在2005年后趨于穩定，呈現出典型的“蒸發悖論”。與此相伴的是日照時數呈現波動下降趨勢，表明區域存在顯著的“變暗效應”。
3.2. 青海湖流域水文變化特征
- •
水位年際演變特征：1960-2024年，青海湖水位呈現顯著的非平穩變化，以2004年為拐點，前期持續下降，后期急劇上升，形成不對稱“V形”格局。2005-2024年的水位上升速率約為前期下降速率的3.1倍。
- •
水域面積演變：湖面面積演變與水位同步，2004年達歷史最小后快速擴張，至2024年達歷史最大4650.08?km2。空間上，擴張呈現東、西部顯著，南部穩定，北部適中的非均質格局。
- •
蓄水量動態演變：湖體蓄水量變化與水位、面積高度一致，同樣經歷了從持續虧損到加速恢復的轉折，2024年蓄水量超過1960年基線，標志著流域水量平衡從赤字轉向盈余。
- •
徑流變化特征：主要入湖河流布哈河與沙柳河徑流同步性高，且自2005年以來增速顯著快于降水增速，表明存在“降水-徑流”關系的非線性放大效應。徑流年內分配極不均勻，集中于汛期。
3.3. 水位演變的驅動因子相關性分析
皮爾遜相關分析顯示，水位與湖面積、蓄水量極強正相關，與降水、布哈河徑流顯著正相關，與日照時數顯著負相關。方差膨脹因子(VIF)分析表明多數氣候因子間存在嚴重多重共線性，突顯了使用非線性方法進行歸因的必要性。
3.4. 基于SHAP模型的驅動因子量化歸因與非線性閾值分析
XGBoost-SHAP模型的全球特征重要性排序顯示，在所分析的氣候變量框架內，降水是水位變化的首要驅動因子，平均貢獻率達57.2%；日照時數次之，貢獻20.5%。二者合計貢獻77.7%。最低溫的貢獻率顯著高于最高溫和平均溫。SHAP依賴圖進一步揭示了關鍵非線性閾值：當年降水量超過513.84?mm時，其對水位的效應由抑制轉為顯著促進；當年日照時數低于2814.64?h時，其對水位的影響為正，即“變暗效應”通過抑制蒸發促進水位恢復。
結論與討論
本研究證實了青海湖水文結構性的“V形”逆轉，并首次通過可解釋機器學習框架精確定量了自然氣候驅動因子的貢獻及其非線性臨界點。研究發現，降水增多是驅動水位快速恢復的主導力量，而“變暗效應”導致的蒸發抑制是關鍵輔助機制。增溫的凈水文效應較弱，因其帶來的融水補給正效應被潛在的蒸發增強負效應所抵消。研究還揭示，最低氣溫貢獻顯著，暗示了冰凍圈退化及基流調節在其中的重要作用。
這些發現具有重要的科學與管理意義。它闡明青海湖的快速恢復并非對氣候變化的簡單線性響應，而是一個由降水與輻射閾值共同觸發的系統狀態轉變。這挑戰了傳統線性歸因分析的局限性，為理解復雜高原水文系統對氣候變化的響應機制提供了新范式。論文結論為高寒區域，特別是青藏高原湖泊群的水資源評估與適應性管理提供了關鍵的科學依據。面對未來可能持續的“暖濕化”進程及高水位“新常態”，研究建議流域管理應從單純的“生態保護”轉向適應性管理，建立基于非線性水位閾值的預警系統，以應對湖面擴張可能帶來的生態效益與社會經濟風險并存的復雜局面。
