湖泊表面水温变化归因研究及其应用

目录

第1章　绪论 1

1.1　全球湖泊表面水温变化态势与科学意义 1

1.1.1　LSWT变化的趋势 2

1.1.2　LSWT升高的影响 2

1.1.3　LSWT研究的科学意义 4

1.2　自然因素对湖泊表面水温的影响 7

1.2.1　AT对LSWT的影响 8

1.2.2　太阳辐射和云层对LSWT的影响 9

1.2.3　风对LSWT的影响 10

1.2.4　冰层覆盖对LSWT的影响 11

1.2.5　分层和混合对LSWT的影响 13

1.2.6　透明度对LSWT的影响 15

1.2.7　其他因素对LSWT的影响 17

1.3　人为因素对湖泊表面水温的影响 17

1.3.1　不透水地表扩张使LSWT升高 18

1.3.2　不透水地表热径流加剧LSWT升高 20

1.4　本章小结 21

参考文献 23

第2章　湖泊表面水温获取 34

2.1　原位观测 34

2.2　基于遥感的湖泊表面水温反演 37

2.2.1　基于遥感的湖泊表面水温反演的原理 38

2.2.2　单窗算法 40

2.2.3　劈窗算法 43

2.2.4　多通道算法 45

2.2.5　基于人工神经网络的一体化物理反演 46

2.3　湖泊表面水温产品数据 48

2.4　本章小结 50

参考文献 51

第3章　湖泊表面水温模拟与预测 57

3.1　LSWT数据建模的预处理 57

3.1.1　数据缺失与异常值的处理 57

3.1.2　数据的标准化处理 58

3.1.3　降尺度 59

3.2　LSWT模拟与预测模型 61

3.2.1　基于回归的模型 61

3.2.2　基于过程的确定性模型 63

3.2.3　基于机器学习模型 66

3.2.4　基于物理-统计的混合模型 73

3.2.5　过程引导机器学习的混合模型 76

3.3　LSWT数据的验证 78

3.4　本章小结 79

参考文献 79

第4章　湖泊表面水温数据集超分辨率图像重建 90

4.1　湖泊表面水温超分辨率重建的概念与理论基础 90

4.1.1　超分辨率重建的概念 90

4.1.2　超分辨率重建的理论基础 91

4.2　湖泊表面水温超分辨率重建的方法 92

4.2.1　基于插值的SRIR 92

4.2.2　基于重构的SRIR 93

4.2.3　基于学习的SRIR 94

4.2.4　可信度验证方法 99

4.3　云南九大湖泊表面水温SRIR的算法实现 100

4.3.1　基于DisTrad-SRCNN的SRIR 101

4.3.2　数据来源与预处理 102

4.3.3　湖泊表面水温SRIR结果与讨论 107

4.4　本章小结 108

参考文献 108

第5章　湖泊表面水温变化归因分析方法 113

5.1　时序变化特征分析 113

5.1.1　时间序列重构 113

5.1.2　趋势分析 115

5.1.3　周期分析 116

5.2　空间分布特征分析 119

5.2.1　规模效应分析 119

5.2.2　核密度分析 119

5.2.3　网格维数分析 119

5.2.4　空间自相关分析 120

5.3　驱动因子相关性分析 120

5.3.1　Pearson相关系数分析 120

5.3.2　主成分分析 121

5.3.3　多元线性回归分析 122

5.3.4　随机森林回归分析 123

5.3.5　偏相关系数分析 124

5.3.6　灰色关联度分析 124

5.3.7　因子分析 126

5.3.8　熵权法 126

5.3.9　格兰杰因果性检验 128

5.4　贡献率分析 129

5.4.1　多元线性回归分析 129

5.4.2　主成分分析 130

5.4.3　向量自回归 131

5.4.4　潜力模型 132

5.4.5　地理探测器 132

5.4.6　支持向量机 135

5.4.7　突变检验及拐点检测 136

5.5　本章小结 136

参考文献 136

第6章　云南省九大高原湖泊表面水温时空变化及归因分析 139

6.1　研究区概况 140

6.2　湖泊类型划分 144

6.2.1　湖泊类型划分方法 144

6.2.2　湖泊类型划分数据准备与预处理 144

6.2.3　湖泊类型划分结果 145

6.3　湖泊表面水温归因分析数据准备与预处理 147

6.3.1　数据准备 147

6.3.2　数据预处理方法 148

6.3.3　数据预处理结果 150

6.4　各因子时空变化特征分析 151

6.4.1　自然因子时空变化特征分析 151

6.4.2　人文因子时空变化特征分析 157

6.5　各驱动因子贡献率分析 162

6.5.1　各驱动因子的相关性 162

6.5.2　各驱动因子的贡献率 164

6.5.3　驱动因子的阈值 166

6.6　时空变化归因分析结果与讨论 174

6.6.1　时序变化特征讨论 174

6.6.2　空间分布特征讨论 175

6.6.3　驱动因素讨论 177

6.7　本章小结 179

6.8　经验和启示 180

参考文献 181

第7章　云南省九大高原湖泊表面水温变化预测 184

7.1　湖泊表面水温的预测方法 184

7.1.1　支持层次人工神经网络 184

7.1.2　小波阈值去噪与小波均值融合 185

7.1.3　小波阈值融合长短期记忆网络 187

7.2　预测模型的构建和表面水温预测 187

7.2.1　SHANN模型的构建及预测 187

7.2.2　WTFLSTM模型的实现及预测 190

7.3　湖泊表面水温时空变化特征 192

7.3.1　时序变化特征 192

7.3.2　空间分布特征 193

7.4　湖泊表面水温变化趋势分析与讨论 195

7.4.1　预测模型讨论 195

7.4.2　时空变化特征讨论 196

7.5　本章小结 196

7.6　经验和启示 197

参考文献 205

第8章　三峡水库近坝段水-气界面的热量交换过程研究 208

8.1　三峡大坝基本情况及建坝综合影响 208

8.1.1　三峡大坝基本情况 208

8.1.2　三峡大坝综合效应 209

8.2　研究现状 210

8.3　数据准备与预处理 212

8.4　三峡水库水-气界面热量交换研究结果与分析 213

8.4.1　三峡水库近地表气温变化特征 213

8.4.2　三峡水库近坝段表面水温变化特征 216

8.4.3　多尺度近地表气温与近坝段表面水温相互作用特征 218

8.5　本章小结 219

8.6　展望和启示 221

8.6.1　未来研究展望 221

8.6.2　启示 221

参考文献 222

第1章　绪论

1.1　全球湖泊表面水温变化态势与科学意义

湖泊含有约87%的地球表面液态淡水，它们支持着重要的生物多样性以及人类的生存和发展，被认为是世界上*具生物多样性的生态系统之一。长期的气候变化、极端气候事件 以及人类活动强度的不断增加对湖泊的生态系统造成了不同程度的威胁。特别是近些年，平均气温加速变暖和极端气候事件的频繁发生导致湖泊生态系统变得更加脆弱，生物多样性正面临加速丧失和生态崩溃等问题(史楠楠，2022；白倩倩等，2022；文威等，2022；张坤，2019)，因此越来越多的学者开始关注湖泊在气候变化和人类活动变化下的响应。

气候强迫是指气候系统变化、二氧化碳浓度、太阳辐射等因素引起的对流层顶垂直净辐射变化(杨光炜，2014)。尽管世界上湖泊只覆盖地球表面的小部分区域，但它们对气温(air temperature，AT)、蒸发和降水十分敏感，对变化的反应迅速。由气候强迫引起的湖泊周边流域的任何变化都将反映在湖泊中(Williamson et al.，2009)，因此，湖泊被视为气候变化的哨兵(O Reilly et al.，2015；Schneider et al.，2009；Adrian et al.，2009；Austin and Colman，2007)，提供气候变化的信号，同时也被称为气候历史的重要档案 (史楠楠，2022；Piccolroaz et al.，2013)。

气候变暖将导致蒸发增加、降水变化、海平面上升等，这种变化正在全球范围内发生，并将通过一系列间接和直接的机制影响湖泊(史楠楠，2022；徐灿，2019)。湖泊对气候变化的一个主要响应是湖泊的水温变化(Woolway et al.，2017a)。湖泊的水温是由一个复杂的热平衡控制的，热平衡由不同的热流组成，主要在湖泊和大气之间交换。水温是决定湖泊生态系统功能的*重要的非生物因素之一，它与湖泊的水质和生态系统的功能密切相关，对湖泊的物理过程(如热分层、混合过程)、化学过程(如溶解氧浓度)和生物学过程(如生物体的新陈代谢、生长和繁殖)至关重要，是其变化的主要驱动力之一。因此，水温的任何显著变化都可能导致湖泊热状态和许多淡水生境群落结构的变化(陈世峰，2021；Piccolroaz et al.，2013；Piccolroaz，2016；Sharma et al.，2015)。

湖泊表面水温(lake surface water temperature，LSWT)是指湖泊0～1m水体的温度，表现出对气候强迫快速和直接的响应(O Reilly et al.，2015)。LSWT能够直接反映湖泊、大气、陆地表面物质之间的能量交换过程，它是局地气候和水文过程的重要驱动力(Sharma et al.，2015；Livingstone and Dokulil，2001)，是表征湖泊生态系统的重要物理参数之一，它比其他湖泊参数更直接、更敏感地反映了气候强迫，在湖泊生物学中起着重要作用。空气温度、云量、太阳辐射等气候因子和湖泊面积、深度等地貌因子都会影响LSWT(邹晓锐，2016)；反过来，LSWT对气候和地貌的变化具有指示作用(Sharma et al.，2015)。

1.1.1　LSWT变化的趋势

2015年，Science杂志在NEWS板块报道了近30年来全球大部分湖泊的表面水温快速上升，且比它们周围的海洋和空气变暖的速度更快(Kintisch，2015)。许多文献指出，LSWT升高的主要原因是区域性气候变化和地形地貌的改变(O Reilly et al.，2015；Sharma et al.，2007)。

O Reilly等(2015)的研究指出，1985～2009年，全球范围内湖泊表面水温的增长趋势为0.034℃/a，接近或超过地表气温的增长趋势(0.025℃/a)，是海洋升温趋势(0.012℃/a)的两倍多(Kintisch，2015)。很多文章都得出类似的结论，这被解释为气候变化引起LSWT变化的证据(O Reilly et al.，2015；Wang et al.，2014；Austin and Colman，2007)。

Schneider和Hook(2010)同样于1985～2009年对全球湖泊进行研究发现，7～9月和1～3月的夜间LSWT的平均升温速率为(0.045±0.011)℃/a，北半球中纬度和高纬度地区的变暖程度要远远大于低纬度地区，也大于南半球所有地区。此外，研究还发现，夏季LSWT和AT的变化趋势在世界各地的许多湖泊中存在巨大的空间差异(Mason et al.，2016；Pareeth et al.，2016；O Reilly et al.，2015；Schneider and Hook，2010)，甚至观察到相反的变化趋势(Zhang et al.，2014)。

Piccolroaz等(2020)对全球606个湖泊的表面水温的变化趋势按照主要气候类型进行分析，结果表明，20世纪上半叶出现了不同的趋势：北半球除热带湖泊以外的湖泊呈现明显的变暖，特别是在柯本(sonw K?ppen)气象带的湖泊；南半球的湖泊在1920年之后的特点是缓慢但持续升温，但是大约在1980年后，所有的湖泊都呈现快速的上升趋势。另外，从Woolway等(2020)制作的1996～2018年全球暖季节LSWT的变化趋势图同样可以看出，全球大部分LSWT快速上升(Carrea and Merchant，2019)，这种变化呈现高度空间异质性，与以往湖泊变暖趋势在区域尺度空间呈现一致性的推论相反(Woolway et al.，2020；Palmer et al.，2014；Wagner et al.，2012)。因此，有必要对LSWT的动态变化进行区域性的研究，以更好地解释气候变化和当地水文条件之间的相互作用，进而揭示LSWT变化的原因。

1.1.2　LSWT升高的影响

温跃层(水温垂直变化剧烈的水层)的深度和强度增加，湖泊底部缺氧，富营养化(水质因营养物质过量累积而恶化)加剧，蓝藻生长期延长和范围的扩散，生物栖息地和群落结构的改变，以及温室气体排放的增加等(O Reilly et al.，2015，2003；Yvon-Durocher et al.，2014；Sahoo et al.，2013)。

温暖的LSWT也会致使湖泊出现更早的分层、更强的分层强度以及更长的分层期(Richardson et al.，2017)。冬季较高的LSWT会导致较早地开始分层，这会加速浮游植物暴发，从而使营养向浮游动物和上层食物网转移(Woodward et al.，2010)。浮游植物是生活在水中的微小植物，是水中的初级生产者(蒋伊能，2017)。水温对浮游植物种类和季节变化有重要的影响，主要是因为浮游植物的许多代谢过程都是酶促反应，这些生化反应又受到酶活性的影响，温度对酶活性有决定性的影响，水温的升高会加速藻类种群的生长和增殖(文威等，2022)。春季及以前的水温升高会影响水生生物(尤其是浮游植物)的生长速度和群落结构。湖泊浮游植物群落的变化会影响更高的食物链，可能会破坏湖泊的生态平衡。在全球变暖的背景下，水温的升高会影响水体的稳定性，尤其是对于深水湖泊，水温的升高和分层期的提前会导致浮游植物春季物候的提前(潘婷等，2022)。

水体变暖也可能直接影响浮游动物的生长和繁殖(Velthuis et al.，2017)，并引发湖泊生物的栖息地变化和群落结构变化。浮游动物种类多样，生活史差异大，繁殖速度快，形态多样，生理结构复杂，使其在整个食物网和生物循环中发挥着重要作用，成为水生生态系统的重要组成部分(刘越，2022)。水温是影响浮游动物生长繁殖差异的*重要环境因素之一，它决定了浮游动物的体温和代谢率。较高的水温有助于促进浮游动物的生长发育(王西锋等，2022)。水体变暖可能会提高浮游动物的孵化率、繁殖率以及细胞的增长率，从而使浮游动物生物量更高，并使浮游动物达到丰度峰值的时间提前(刘西汉，2019；Hansson et al.，2013)。浮游植物和浮游动物的垂直分布、迁移调节、捕食与被捕食关系对整个生态系统具有重要作用，其可能降低初级生产力或破坏食物网的结构，也可能导致物种相互作用的错配(段云莹等，2022；Thackeray et al.，2013)。

湖泊水温变暖导致生长期延长，增加了细菌和浮游植物的生产力，进而影响浮游动植物甚至鱼类的物候(Thackeray et al.，2016)。另外，由于鱼类的生长强烈地依赖于温度(Kao et al.，2015)，经长期研究发现，湖泊温度的变化已经引起了鱼类群落结构变化(王召根等，2021；Bunnell et al.，2014；Casselman，2002)。生物通过改变生长的季节或生长的深度以寻求合适的热栖息地来应对温度升高(Kraemer et al.，2021)。有学者研究发现，长期温度变化导致过去(1978～1995年)和*近(1996～2013年)时间段内热栖息地之间的平均非重叠率为6.2%，当栖息地受季节和深度影响时，平均非重叠率增加到19.4%(Kraemer et al.，2021)。不断上升的*低水温改变了冷水物种的栖息地，导致依赖冬季寒冷温度生存的物种减少甚至灭绝(De Eyto et al.，2016；Mcginnity et al.，2009)。例如，瑞典韦特恩(V?ttern)湖中北极红点鲑的消失与冬季湖泊温度升高有关(Jonsson and Setzer，2015)，塔斯马尼亚南部浅水冷水物种无法适应不断上升的水温而逐渐减少。

LSWT的升高导致混合分层垂直梯度增加，减少来自深水的营养物质的再生，改变浮游生物种类的组成，增加水的清晰度，降低上层氧气在混合层的渗透深度(Verburg et al.，2003)。有学者假设，如果气候变暖趋势持续下去，湖泊深层混合可能会完全停止，达到这一状况所需的时间将取决于未来气候变化的速度，以及是否能成功减少人为营养物流入湖泊(Coats et al.，2006)。例如，对于双循环湖泊(dimictic lakes，DimL)，若冬季的LSWT下降不到4℃，分层可以从一个夏天持续到下一个夏天，不会中断(Peeters et al.，2002)，湖泊的渗透混合深度也将受到抑制(Woolway and Merchant，2019；Peeters et al.，2002；Livingstone，1993)。通过深层混合，湖泊的表层可向底层提供溶解氧，所以深层混合减少将导致溶解氧无法补充到底部水域，特别是深层沉积物界面附近将处于缺氧状态，*终将会导致底部水域的溶解氧被耗尽(Sahoo et al.，2009)。当这种情况发生时，可溶活性磷(soluble reactive phosphate，SRP)和氨氮(均为生物刺激)将从深层沉积物中释放，导致水体富营养化。浅层湖泊富营养化会给湖泊生态系统和环境带来一系列影响，包括频繁的藻华、透明度下降、湖泊厌氧范围和频率增加、生物多样性下降等，进而导致湖泊稳态转变，严重影响人类生存环境质量(孙丽丽，2022)。

另外，LSWT变暖也会加速水体的蒸发，导致氮磷浓度增加，促进浮游植物生长，从而致使湖泊从低生产力向富营养化过渡(Cottingham et al.，2015)。越来越缺氧的暖和深水可能导致某些藻类物种成分发生改变，促使蓝藻补充物种的增加，这是造成有害蓝藻藻华增殖和扩大的潜在因素(Cottingham et al.，2015；Toffolon et al.，2014)。例如，以绿藻为主的群落转变为由蓝藻或植鞭毛虫类组成的群落，将会导致有毒蓝藻水华的发生(Kosten et al.，2012)。

《湖泊表面水温变化归因研究及其应用》系统、全面地介绍当前湖泊表面水温研究现状、关键理论、技术与方法，并对团队近十年来的研究成果进行总结。《湖泊表面水温变化归因研究及其应用》共8章：第1章介绍湖泊表面水温变化的态势和科学意义，并对影响湖泊表面水温变化的因素进行详细论述；第2～4章系统阐述湖泊表面水温数据获取的主要方法和手段，并以云南省九大高原湖泊为研究对象开展示范研究；第5～6章主要介绍湖泊表面水温的变化归因分析方法，并开展示范研究；第7章为在研究区开展湖泊表面水温的模拟和预测的应用研究；第8章以三峡水库近坝段水体为示范研究区，论述人类活动影响下水体表面水温不同时间尺度下近坝段水?鄄气界面热量交换过程。