基于高分1號衛星數據的青海湖擴張及湖濱沙地變化特征分析

祝存兄， 史飛飛， 喬 斌， 張 娟， 陳國茜

（1.青海省防災減災重點實驗室，青海 西寧 810001；2.青海省氣象科學研究所，青海 西寧 810001）

湖泊是陸地水圈的重要組成部分，其變化反映區域氣候和環境的變化狀況，是氣候變化的指示器［1］。青藏高原湖泊星羅棋布，青海湖作為維系青藏高原東北部生態安全的重要水體，是阻遏西部荒漠化向東部蔓延的天然屏障［2］，對區域甚至全球氣候變化響應敏感，在區域和全球氣候變化共同作用下，青藏高原湖泊正發生著不同程度的變化［3］，其變化與區域生態環境也存在一系列連鎖互饋影響，研究氣候變化背景下青海湖變化以及與區域生態環境之間的相互影響受到廣泛關注［4］。

已有研究表明，1995—2019年青海湖面積總體呈先減小后增大的趨勢，2004年是青海湖水位/面積變化的轉折點，自2005年以來青海湖面積［5］、水位［6］、水量［7］均表現為“止跌回升”，當前仍處于擴張態勢。在氣候變化對湖泊影響方面，有學者認為，青海湖水量收支主要受降水、蒸發和徑流影響［8］，周丹等［9］認為，夏季降水量和降水強度的同時增加，對2005年以來的青海湖水位上升影響顯著；而白文蓉等［10］認為，年總降水量對湖泊水位變化的影響高于夏季降水量的影響，且流域降水量對湖泊水位的貢獻約有1 a 的滯后期；Zhang 等［11］研究發現，降水量變化和潛在蒸散不能完全解釋青藏高原湖泊變化，尤其在冰雪和凍土存在的區域，影響機制更為復雜。在青海湖與周邊環境互饋影響方面，學者們對青海湖湖濱沙地的分布、形成、發展做了一系列研究，研究者們大多數都認同青海湖水位漲落對湖濱沙地會產生一定影響［12-14］，但對湖泊水位的漲落引起的沙區及沙區生態環境變化有低估情況［15］。在監測技術方面，衛星遙感數據的豐富和GIS 技術的發展，為快速獲得湖泊變化信息提供了支撐，然而，眾多學者使用NOAA/AVHRR、EOS/MODIS、NPP/VIIRS、Landsat/MSSTMOLI 等國外衛星數據進行湖泊面積監測評估，技術方法以基于光譜特征單波段閾值法、譜間關系法、水體指數法等為主［16］。國產高分衛星的發射為我國研究學者快速獲取數據提供了可靠支撐［17］，但相應的應用研究較少，同時，機器學習也逐漸補充了光譜特征閾值法的不足［18］。

基于此，本文利用國產高分1號衛星數據，采用隨機森林法提取青海湖水域和湖濱沙區分布，利用像元二分模型計算沙區植被覆蓋度，從湖泊面積和岸線時空變化特征、沙區面積和沙區植被覆蓋度時空分布及演變特征、氣候環境變化對湖泊和沙區影響等3 個方面，分析2013—2020 年青海湖及周邊沙區環境變化特征，初步解釋區域氣-水-沙關系，以期對青海湖及周邊環境變化和對氣候變化的響應機制提供參考。

1 數據來源與方法

1.1 研究區概況

青海湖（99°36′～100°47′E，36°32′～37°15′N，圖1）位于青藏高原東北部，處于半濕潤半干旱、干旱區過渡帶，是我國最大的內陸高原咸水湖，年均氣溫-4.6～4.0 ℃，年日照時數2800～3090 h，年蒸發量1300～2000 mm，年降水量291.0～579.0 mm，降水大部分集中在6—9 月［19］。青海湖受50 多條河流補給，流域西北部的崗格爾肖合力冰川是補給貢獻最大的布哈河河源。青海湖東北岸湖濱地帶分布有廣泛的風沙堆積，在湖濱平原、山前傾斜平原及湖周淺水地區呈片狀、帶狀分布［13］，形成4處較為典型的沙區。鳥島沙區位于鳥島北側，為流動沙丘；甘子河沙區位于尕海北部，甘子河附近，為半固定沙丘（地）；尕海沙區位于海晏灣以西、尕海以南，為流動沙丘和半固定沙丘（地）；克土沙區位于海晏灣以東、大板山以西、滿隆山以北，為流動沙丘和半固定沙丘（地）。鳥島沙區、尕海沙區和克土沙區邊界均與湖泊連接，受沿岸流或波浪直接沖擊、磨蝕作用，形成湖岸沙堤、沙壩、湖濱沙丘等堆積類型的沙區邊界［14］。

圖1 青海湖地理位置示意圖Fig.1 Map of the geographical location of Qinghai Lake

1.2 數據來源與處理

1.2.1 高分1 號衛星數據 高分1 號衛星數據來源于中國資源衛星應用中心陸地觀測衛星數據服務平臺（http://36.112.130.153:7777/DSSPlatform/shirologin.html），該衛星于2013年4月26日成功發射，是中國高分辨率對地觀測系統重大專項支持開發的第一顆衛星，具有高時空分辨率和寬覆蓋的特點，極大地提高了我國高分辨率衛星數據的自給率和時效性，多年運行也積累了大量可作為評估的數據，本研究選取自該衛星發射以來2013—2020 年16 m分辨率多光譜相機（GF1/WFV）7—9 月27 景數據，由于青海湖水位和面積在9 月達到峰值［10］，是湖泊豐水期，且湖泊穩定性較高［6］，湖泊面積提取采用9月數據，為與以往學者研究結果進行對比，未剔除海心山部分；青海湖流域植被存在明顯的物候變化特征［20］，7—8 月為植被生產旺盛期，為避免返青期和黃枯期植被覆蓋度不穩定帶來的誤差，選用7—8月晴空無云影像分析植被變化。對數據進行輻射定標、大氣校正、正射校正、投影轉換、拼接裁剪等預處理。輻射定標是指將衛星傳感器接收到的DN值轉換為具有物理意義的特征量，本研究將DN 值轉換為反射率值；大氣校正是從衛星傳感器接收的總輻射中消除由于大氣吸收、大氣散射等影響導致的輻射量誤差從而獲得地表目標物反射率進行校正，本研究選取影像為晴空少云的青藏高原地區，采用快速大氣校正法進行校正；選取GF1號衛星自帶的RPC文件結合30 m空間分辨率DEM進行正射校正，訂正由于地形起伏和傳感器誤差而引起的像元點位移；為統計面積、岸線長度等信息，將影像投影為Albers等面積投影；對分幅過境影像進行拼接，為節約運算資源并方便時序對比分析，對所有影像按青海湖流域邊界進行裁剪。

1.2.2 氣象數據 氣溫、降水和凍土數據來源于青海省氣象局氣象信息中心提供的位于青海湖流域內的天峻、剛察國家氣象站1961—2020年資料。

1.2.3 積雪和冰川數據 積雪數據來源于NASA 數據官網（https://search.earthdata.nasa.gov/），使用MOD1 0A1/V06 數據，MOD10A1 數據是空間分辨率500 m的每日雪蓋產品，V06 版本提供了網格的歸一化積雪指數NDSI（Normalized Difference Snow Index），選取覆蓋青海湖流域的條帶號為h25v05、h26v05的數據。冰川數據來源于國家青藏高原科學數據中心祁連山地區1980—2020年冰川邊界產品數據集［21］。

1.2.4 DEM數據和實地采樣數據 數字高程數據來源于美國地質調查局USGS（U.S. Geological Survey），空間分辨率為30 m。分別在2019—2020年進行實地調查，實地調查以GPS 打點水陸交錯帶位置、光譜儀測定沙區植被光譜特征、數碼相機拍攝植被覆蓋度等方式進行，實地調查結果用于樣本訓練和分類結果檢驗。

1.3 研究方法

1.3.1 水體和沙區分類方法 隨機森林（Random Forest，RF）是由Leo Breiman 基于Bagging 集成學習理論和隨機子空間方法提出的高度靈活的一種集成學習機器學習算法，隨機性的引入使得分類算法不易過擬合且具有較高的抗噪能力，在當前的機器學習算法中具有極好的準確率［18］。采用隨機森林法分類青海湖及周邊地物，包括水體、沙地、草地等地物，并進行柵矢轉換處理。本研究選擇2013—2020 年7—9 月高分1 號影像數據，利用ENVI5.2 中隨機森林分類擴展工具，該工具源碼來自ENMAPBOX v2.1.1［22］，選擇訓練樣本時使Jeffries-Matusita和Transformed Divergence 兩參數均大于1.9，從而保證樣本的可分離性，提高分類精度。

1.3.2 積雪覆蓋面積和日數及冰川信息處理方法

利用MRT（MODIS Reprojection Tool）工具對MOD10 A1/V06 數據進行區域拼接和投影轉換，以NDSI≥0.15作為積雪判識依據，進行積雪覆蓋范圍的提取，以研究區積雪季（上一年10 月1 日至本年5 月31日）為統計周期，對積雪季積雪覆蓋日數進行累積計算，對統計周期內積雪日數大于2 d 的覆蓋區域作為積雪最大覆蓋范圍，得到最大積雪覆蓋日數和累積積雪覆蓋面積信息，利用青海省地面氣象臺站觀測數據進行精度檢驗和校正。以冰川邊界范圍為基礎，計算冰川面積，為更直觀評價冰川變化對水資源的影響，采用劉時銀等［23］提出的“面積-體積”經驗公式估算冰川冰儲量，公式如下。

式中：V為冰川體積（km3）；A為冰川面積（km2）。

1.3.3 沙區植被覆蓋度計算方法 以分類后的沙地為邊界，選取7—8月盛草期晴空無云條件下衛星影像，提取沙區范圍歸一化植被指數NDVI（Normalized Difference Vegetation Index），NDVI借助紅光和近紅外波段的反射率值計算完成，公式如下。

式中：Band3、Band4分別對應GF1/WFV 數據中的第3、4波段，即紅光波段和近紅外波段。

植被覆蓋度FVC（Fractional Vegetation Cover）是表征植被茂密程度和植被質量的重要參數，其動態變化為認識沙漠化演變過程提供豐富的信息，FVC 與NDVI 之間存在極顯著的相關關系，像元二分模型是常用的FVC估算方法，該模型基本原理為假設每個像元都可以分解為純植被和純土壤兩部分，所得到的光譜信息以2 種純組分的面積比例加權的線性組合，純植被所占的面積百分比即為研究范圍內的植被覆蓋度［24］，公式如下。

式中：FVC、NDVI、NDVIsoil、NDVIveg分別代表植被覆蓋度、目標像元NDVI、純沙地像元NDVI、純植被像元NDVI。為客觀地評價沙區植被茂密程度，結合研究區沙地的實際情況NDVIsoil和NDVIveg分別選取研究區內NDVI 值累計概率為2%和99.5%的值，根據“全國沙漠化類型劃分”以及荒漠地區植被覆蓋度評估指標［25］，將覆蓋度分為5個等級（表1）。

表1 植被覆蓋度等級劃分Tab.1 Classfication of fractional vegetation cover degree in sandland

1.3.4 數據分析方法 使用MRT、ENVI5.3+IDL8.5、ArcGIS 10.2等軟件進行衛星遙感數據處理和繪圖；使用SPSS、Office2013等軟件進行數據分析并制圖；采用皮爾遜方法［26］進行相關性分析；采用相對貢獻率分析影響因子對湖泊和沙區變化的影響程度，并與湖泊面積進行回歸分析，建立標準回歸方程，該影響因子對應系數的絕對值與所有回歸系數絕對值之和的比值即為相對貢獻率。相對貢獻率計算見下式。

式中：y為湖泊面積的標準化值；an為第n個影響因子與y的標準化回歸系數；xn為第n個影響因子的標準化值；b0為常數；Crn為第n個影響因子對y的相對貢獻率。

2 結果與分析

2.1 青海湖面積及湖岸形態變化特征分析

2.1.1 青海湖主體湖面積及湖岸形態變化 2013—2020年青海湖主體湖面積以30.73 km2·a-1速率波動增大，2013—2015 年面積相對平穩，2017 年后面積逐年增大；2013—2016年湖岸線長度隨面積波動增大而縮短；自2018 年起，湖泊面積擴張導致湖濱沙堤淹沒，湖岸線長度隨面積擴張縮短更明顯（圖2a）。在空間變化上，主體湖面積擴張對周邊區域有不同程度的淹沒，沙柳河入湖口（A）、布哈河入湖口-鳥島-泉灣沿岸（B）、沙島（C）等區域擴張明顯（圖3）。

2.1.2 青海湖附屬子湖面積及湖岸線長度變化 尕海是青海湖最大的附屬子湖，2013—2020年尕海面積以0.60 km2·a-1速率波動增大，2013—2016年面積相對平穩，2016 年后面積逐年增大，2018 年以后增速明顯放緩（圖2b）。在空間變化上，尕海（D）面積擴張主要影響區域為西南沿岸低洼處（圖3）；年際間波動擴張趨勢與主體湖協同一致，但擴張速率小于主體湖。

圖2 2013—2020年青海湖主體湖（a）和尕海（b）面積及湖岸線長度變化Fig.2 Changes of area and shoreline length of Qinghai Lake(a)and Gahai(b)from 2013 to 2020

圖3 青海湖及附屬湖泊擴張范圍遙感監測Fig.3 Remote sensing monitoring map of Qinghai Lake and its affiliated lakes

2.2 環湖沙地面積及植被覆蓋度變化特征分析

2.2.1 沙區面積變化 2013年鳥島沙區面積為2.88 km2，2016 年青海湖上漲致使湖水將沙區半包圍，2017年以后鳥島沙區完全被湖水包圍并逐年淹沒，至2020年鳥島沙區幾乎被完全淹沒，鳥島孤立為湖中島（圖4）。

圖4 青海湖鳥島沙區變化Fig.4 Change of sand area of Bird Island in Qinghai Lake

2013—2020 年尕海沙區和克土沙區面積總體減小，減小幅度分別為6.36 km2·a-1、2.69 km2·a-1；尕海沙區2013—2017年面積持續減小，2017年減小顯著，2018年后面積略有回升，但仍小于2016年面積；克土沙區2013—2015年面積基本持平，2016—2017年面積連續減小，2017年減小至2013年以來最小水平，2018 年、2019 年面積略有回升，但仍小于2016年面積。尕海沙區和克土沙區面積減小最明顯的區域為湖濱帶，其中沙區西側及南側水中沙壩被淹沒最明顯，尤其2017年沙區南側水中沙壩完全被湖水淹沒，沙區面積的減小最直觀?？送辽硡^沒有明顯的水中沙壩，湖體擴張對湖濱沙丘的襲奪是沙區面積減小的主要原因，因此面積減小幅度弱于尕海沙區（圖5）。

甘子河沙區與青海湖主體直線距離約15 km，2013—2020 年甘子河沙區面積以0.21 km2·a-1速率波動減小，2015—2018 年連續減小，2018 年面積最小為9.06 km2，2019 年和2020 年沙區面積持平，較2018年面積均略有增加（圖5）。

圖5 2013—2020年尕海沙區和克土沙區及甘子河沙區面積年際變化Fig.5 Interannual variation of Gahai sand area、Ketu sand area and Ganzi River sand area from 2013 to 2020

2.2.2 沙區植被覆蓋度變化 因為鳥島沙區面積較小，植被分布甚少，且逐年被淹沒，所以，僅分析2013—2020年7—8月青海湖地區3個沙區（甘子河沙區、尕海沙區、克土沙區）植被盛草期覆蓋度變化特征，結果表明，沙區植被總體呈現覆蓋度偏低、分布不均勻、空間聚集、年際間波動變化明顯、穩定性不足等特征。

甘子河沙區植被總體以中高覆蓋度以上為主，其余覆蓋度面積占沙區總面積比例較低，年際間波動主要為不同等級植被覆蓋度之間的相互轉移造成，在空間分布上，西部植被覆蓋度高于東部（圖6，圖7a）。高覆蓋度植被面積占沙地面積比例呈現“先增后降”態勢，2013 年為66.06%，2014—2017 年逐年上升，2017 年達到99.39%，2018—2020 年略有下降，2020年下降至66.18%。中高覆蓋度植被面積占沙地面積比例呈現“先降后增”態勢，2013—2014年基本穩定，平均為31.29%，2014—2017 年逐年下降，至2017 年下降至不足1.00%，下降的主要原因為中高覆蓋度植被轉移為高覆蓋度；2018—2020年比例上升，至2020 年比例上升至31.10%，上升原因為高覆蓋度植被轉移為中高覆蓋度。

尕海沙區各個植被覆蓋度均有分布，各等級覆蓋度占沙區面積比例年際間波動明顯；在空間分布上，較高覆蓋度植被分布走向與湖岸一致，主要分布在西部沿湖區域和東南角區域，實地調查東南角區域分布有沙棘、烏柳等灌木（圖6，圖7b）。2013—2015 年尕海沙區各等級植被覆蓋度空間格局在年際間相對穩定，中覆蓋度以下植被面積占沙區面積比例超過80%；2016—2018年尕海沙區植被覆蓋度較之前年份明顯增加，中覆蓋度以上植被面積占沙區面積比例超過88%。2019 年尕海沙區植被覆蓋度整體下降，與2013 年相比，中低覆蓋度面積比例略下降，中高覆蓋度和高覆蓋度面積比例略上升；2020年尕海沙區植被覆蓋度較2019年略有上升。

克土沙區各個等級覆蓋度植被均有分布，且年際間波動變化明顯，空間分布上，較高覆蓋度植被分布在東部沙區邊緣（圖6，圖7c）。2013—2015 年中低覆蓋度及中覆蓋度面積占沙區面積比例超過50.00%；2016—2018 年克土沙區植被覆蓋度較2013—2015年明顯增加，中覆蓋度以上面積占沙區面積比例超過90.00%；2019 年和2020 年克土沙區植被覆蓋度整體下降，低覆蓋度面積比例分別為58.91%和58.47%。

圖6 青海湖水域-沙區時空演變及沙區植被覆蓋度變化Fig.6 Temporal and spatial evolution of water-sand area and FVC in Qinghai Lake

圖7 各沙區不同等級覆蓋度植被面積占沙區總面積比例年際變化Fig.7 Interannual variation of vegetation coverage of different grades in the total area of each sandy area

2.3 流域氣候環境變化特征分析

2.3.1 氣象要素 從青海湖流域剛察和天峻2個國家氣象站要素變化來看（圖8），1981 年以來降水量呈現增多的趨勢，尤其2014年以來2站年降水量總體增加明顯，其中，剛察站2017 年較常年（1981—2010 年氣候平均值）偏多47.2%，天峻站2018 年較常年偏多36.3%。1981 年以來，2 站年平均氣溫呈上升趨勢，并在1998 年前后發生突變［8］，剛察和天峻站氣溫距平最大值均出現在2016 年，分別為1.42 ℃和2.02 ℃。

圖8 1981年以來剛察站和天峻站年平均氣溫距平與年降水量距平百分率變化Fig.8 Change of annual mean temperature anomaly and annual precipitation anomaly percentage at Gangcha and Tianjun stations since 1981

2.3.2 積雪變化 積雪是青藏高原高海拔山區冰川的主要補給源，其融水亦是流域重要的地表水資源補給源［11］。積雪面積和日數是表征積雪信息的2個重要參量。分析流域積雪季（上年10 月至本年5月）積雪面積和積雪累積日數變化(圖9、圖10），2013—2020 年積雪覆蓋面積呈階段性增加態勢，2013—2016年流域積雪面積相對穩定，平均累積積雪面積為17852.9 km2；2017 年、2018 年累積積雪面積較之前年份增加，分別增加至51244.5 km2、52142.3 km2；2019年和2020年累積積雪面積增加幅度明顯，2020年較2013年累積面積增加超過10倍；積雪季累積積雪面積與湖泊面積變化呈現一致變化趨勢。就流域積雪季累積日數而言，2013 年較短，2014—2018年較2013年增多，有20～50 d的地區面積增加，2019 年和2020 年累積積雪日數大幅增多，尤其2020年，超過50 d的區域明顯增多。

圖9 2013—2020年青海湖流域積雪季累積積雪面積變化Fig.9 Changes of accumulative snow cover area in Qinghai Lake Basin during snow season from 2013 to 2020

圖10 2013—2020年青海湖流域積雪季累積積雪日數變化Fig.10 Change of accumulative days with snow cover in Qinghai Lake Basin during 2013-2020

2.3.3 季節性凍土和冰川變化 冰川凍土作為青藏高原地區重要的固態水資源，其發育和演變受區域水熱氣候條件影響，凍融過程影響區域水資源配置，進而影響湖泊［27］。剛察和天峻氣象觀測站季節凍土年最大深度資料顯示（圖11），1986年以來2站季節凍土年最大深度波動減小，呈現退化趨勢，退化速率分別為19.1 cm·(10a)-1和21.5 cm·(10a)-1，2017年為天峻站建站后穩定監測以來，季節凍土年最大深度值最小年份，為145 cm；剛察站為建站后穩定監測以來第三小年份，為153 cm。主導青海湖水量變化的布哈河源頭冰川崗格爾肖合力冰川衛星遙感監測結果顯示（圖12），1980—2020年冰川面積年均退縮率為0.95%，冰川冰儲量年均減少率為1.00%，面積退縮，冰儲量減少，冰川處于消融狀態。

圖11 1986年以來青海湖流域剛察和天峻站季節凍土年最大深度變化Fig.11 Maximum annual variation of seasonal frozen soil depth at Gangcha and Tianjun stations in Qinghai Lake Basin since 1986

圖12 崗格爾肖合力冰川面積和冰儲量變化Fig.12 Variation of glacier area and ice storage in Gangeerxiaoheli

2.4 青海湖擴張及湖濱沙地變化歸因分析

2.4.1 青海湖擴張歸因分析 通過歸因分析，年降水量、上一年降水量、積雪面積和天峻站凍土深度均與青海湖面積呈正相關（表2），上一年降水量相關性高于年內降水量，降水增多使流域河流徑流量增加，對青海湖補給增加，從而湖泊面積擴張；積雪面積與湖泊面積變化呈極顯著相關（P＜0.01），同時，相對貢獻率也在各因子中表現較高（23.39%），流域積雪覆蓋面積增加及積雪日數的增多，積雪消融和下滲對流域各水系和地區水資源補給能力增加，為青海湖面積增加和沙區植被水分補給起到重要作用；平均氣溫與湖泊面積呈負相關，但不顯著，已有研究表明，氣溫主要通過影響蒸發以及影響流域冰川、凍土、積雪對徑流的貢獻進而間接影響湖泊［8,11,27］；2 站凍土深度變化與湖泊呈現不同的相關性，天峻站呈正相關，剛察站呈負相關，但均不顯著，可能與湖泊時間序列較短有關，超過30%的相對貢獻率和不同站點相異的相關性都表明季節凍土年最大深度變淺對湖泊擴張的影響方式和影響程度有待深入探究。

表2 青海湖面積變化影響因子相關性分析及貢獻率Tab.2 Correlation analysis and contribution rate of influencing factors of Qinghai Lake area change

2.4.2 湖濱沙區變化歸因分析 由表3 可知，青海湖主體湖和附屬湖尕海面積變化呈極顯著正相關，相關系數達0.97，說明兩者變化協同一致；尕海沙區面積與青海湖主體湖、尕海面積變化均呈極顯著負相關（相關系數分別為-0.924、-0.854，P＜0.01），尕海沙區與主體湖和尕海均臨近，尤其尕海沙區沙堤延伸至湖中，受湖泊變化影響明顯，湖泊擴張淹沒部分沙區導致沙區面積減??；克土沙區面積與青海湖主體湖、尕海面積變化均呈顯著負相關（相關系數分別為-0.834、-0.719，P＜0.05），克土沙區與青海湖主體湖相鄰，同樣由于主體湖的擴張導致部分沙區被淹沒從而導致沙區面積減小，而該沙區與尕海相關性高是由于主體湖跟附屬湖協同變化，導致兩者之間的相關性較高；甘子河沙區與青海湖、尕海均相距較遠，不受沿岸流或波浪直接沖擊、磨蝕作用，沙區與湖泊存在一定影響關系但相關性并不顯著。對于沙區植被覆蓋度，2013—2020年總體呈現先增后略降的特征，結合氣象條件分析結果，平均氣溫距平和降水距平百分率總體呈現先升后降態勢，與植被覆蓋度變化趨勢基本一致，這表明流域水熱匹配對沙區植被影響明顯。

表3 青海湖及附屬湖面積與沙區面積相關關系Tab.3 Correlation between the area of Qinghai Lake and its affiliated lakes and the area of sand area

3 討論

3.1 青海湖變化趨勢分析

面積是湖泊對氣候變化響應最直觀的表現方式之一，在高分辨率衛星數據和高精度地物信息提取方法的支撐下，研究結果表明，2013—2020 年青海湖面積波動增大，增速為30.73 km2·a-1，這一結果與主流研究結論基本一致［3,4-7］，隨著青海湖面積擴張，湖濱沙區、沙堤等低洼曲折區域被大范圍淹沒，導致湖岸線長度縮短，且2018 年以后縮短明顯，該結果更加精細和定量地給出了湖泊擴張引起的淹沒區時空分布及演變信息，但與祁苗苗等［28］利用Landsat 衛星數據得出的青海湖岸線長度隨著面積增大而增加的結論有所不同，導致該結果的原因可能與研究數據源的空間分辨率和光譜分辨率有差異有關，也可能與對湖水淹沒沙堤的判識劃分不同有關。

青海湖面積擴張，一方面對區域生境的改善，隨著湖泊水位及地下水位回升、沼澤草甸面積擴大、間歇性河流增加、間歇性湖泊（泡沼）和溢出泉恢復［4］，一定程度上實現了湖區棲息地面積增加和生境多樣性豐富。另一方面，對社會經濟的影響不容忽視，統計結果表明，目前已造成畜牧業設施淹沒和草場鹽堿化，若以當前速率增長，水位將在2070 年前后比2019 年上漲約10 m［29］，對周邊社會經濟環境的影響將會更廣泛和嚴重。因此有必要圍繞青海湖進一步開展適應氣候變化區域生態保護修復和風險防御策略協同研究，實現“趨利避害”雙贏局面。

3.2 青海湖及湖濱沙地變化影響分析

青藏高原整體變暖、變濕已是不爭的事實［8,19］，本文不僅驗證了降水對湖泊變化的影響不容忽視，還進一步發現冬季降水即積雪面積與湖泊面積變化呈極顯著相關，由于數據受限本文僅分析了流域積雪面積和累積日數對湖泊的影響，未來可進一步從雪水當量入手定量分析冬季降雪對湖泊變化的影響方式和程度。冰凍區湖泊變化受氣候變化影響復雜，凍土凍融過程對區域水循環的調節以及冰川融水對河川徑流的影響一定程度上影響湖泊入湖水量［27］，本研究表明，流域年最大凍土深度變淺，呈現退化態勢，河源冰川呈消融狀態，面積退縮，冰儲量減少，短期內會增加入湖流量，但凍土和冰川若長期處于消融狀態時，其損耗無法平衡的情況下，湖泊補給源穩定性下降，是青海湖流域水資源安全的潛在風險源。

對于沙區，湖泊擴張直接影響湖濱沙區面積變化，同時流域氣溫上升、降水增加有利于沙區植被恢復和生長，尤其2016 年水熱匹配較好，沙區植被覆蓋度增大明顯，氣象條件有利于“沙退綠進”。高黎明等［30］研究表明，氣候變化對青海湖流域主要植被類型植被覆蓋度變化的貢獻率達到84.21%，人類活動貢獻率為15.79%，說明政府在青海湖流域推行的生態保護政策和植被恢復措施取得了較為明顯的效果。

3.3 青海湖及湖濱沙地變化的生態學意義

作為青海湖生態系統的重要組成部分，植被恢復會加速湖濱沙區穩定［31］。青海湖湖濱沙區2007年起實施生態修復工程，人工建植以胡頹子科、薔薇科、楊柳科等為主要種類的防沙固沙植被。吳汪洋等［32-33］利用地面觀測手段對克土沙區人工植被群落變化特征進行研究，發現植被群落穩定性和生態適應性在不同生長階段差異明顯，前期3～5 a 恢復效益較高，5～10 a后植被群落逐漸穩定，進入穩定生長期。本文研究時段介于防風固沙工程實施6～13 a，在監測技術方法和時間序列上對已有研究形成補充和延續，但是衛星監測結果顯示，沙區植被覆蓋度總體呈現偏低且分布不均勻且有空間聚集特點，年際間波動變化明顯，穩定性不足。地面觀測和衛星遙感監測的生態系統尺度的不同和星-地匹配未統一可能是導致評估結果差異的原因，因此，需進一步開展衛星遙感監測結果與地面結果的校驗、統一工作，定量評估植被防風固沙效益，為區域生態修復和治理效益評估提供依據。

4 結論

本研究利用多源數據，借助機器學習算法和統計學方法，從湖泊面積和湖岸線時空變化特征、沙區面積和沙區植被覆蓋度時空分布及演變特征、氣候環境變化對湖泊和沙區影響等3 個方面分析了2013—2020年青海湖及周邊沙區環境變化特征，討論了湖泊和沙區變化的氣候環境影響因素，主要結論如下：

（1）青海湖及尕海面積持續擴張，尤其2017 年以來布哈河入湖口、沙柳河入湖口、沙島、鳥島、泉灣等區域擴張明顯；湖泊擴張導致湖濱曲折低洼處、湖濱沙區和沙堤被淹沒，湖泊岸線長度呈現波動縮短趨勢。湖濱沙區面積呈現波動減小趨勢，其中，鳥島沙區已全淹沒。沙區植被覆蓋度呈現波動變化，2016—2018 年覆蓋度增加明顯，在空間分布上，沙區植被存在空間聚集性。

（2）青海湖流域氣溫升高、降水增多，季節凍土年最大深度減小，冰川面積減小，冰儲量減少；降水增多對湖泊補給增大，冬季降水與湖泊面積變化呈現極顯著相關，冰川和凍土對湖泊擴張的影響方式和影響程度有待深入探究；流域水熱匹配對青海湖沙區植被影響明顯。

（3）區域暖濕化氣候背景為干旱區生態修復創造了有利條件，一方面需繼續開展沙區植被培植，把握當前生態修復的良好契機，遏制土地沙化面積擴張，實現“綠進沙退”；另一方面，鳥島的淹沒對青海湖鳥類繁殖地造成一定影響，需進一步研究并防范生態風險。