近40年长江源区湖泊群水色时空演变及其驱动机制

陈齐，李志晶，金中武，张国帅，王奕森，杨绪海，韩俊峰，刘玉娇，周银军，肖俊; Chen Qi; Li Zhijing; Jin Zhongwu; Zhang Guoshuai; Wang Yisen; Yang Xuhai; Han Junfeng; Liu Yujiao; Zhou Yinjun; Xiao Jun

微信订阅号

近40年长江源区湖泊群水色时空演变及其驱动机制^*

doi: 10.18307/2025.0421

陈齐^1,2 ，李志晶^1,2 ，金中武^1,2 ，张国帅^1,2 ，王奕森^1,2 ，杨绪海^1,2 ，韩俊峰^1,2 ，刘玉娇^1,2 ，周银军^1,2 ，肖俊³

1. 长江科学院河流研究所，武汉 430010

2. 水利部长江中下游河湖治理与防洪重点实验室，武汉 430010

3. 长江设计集团有限公司，武汉 430010

基金项目: 国家重点研发计划项目（2022YFC3201703-05）、长江勘测规划设计研究有限公司开放创新基金（CX2021K06）、国家自然科学基金重点项目（U2240226，52239007）和中央级科研院所基本科研业务费项目（CKSF2024324）联合资助

Spatio-temporal evolution and driving mechanisms of lakes water color in the Yangtze River source region over the past 40 years^*

Chen Qi^1,2 ， Li Zhijing^1,2 ， Jin Zhongwu^1,2 ， Zhang Guoshuai^1,2 ， Wang Yisen^1,2 ， Yang Xuhai^1,2 ， Han Junfeng^1,2 ， Liu Yujiao^1,2 ， Zhou Yinjun^1,2 ， Xiao Jun³

1. Changjiang River Scientific Research Institute, Wuhan 430010 , P.R.China

2. Key Laboratory of River-Lake Regulation and Flood Control in the Middle and Lower Reaches of Changjiang River of Ministry of Water Resources, Wuhan 430010 , P.R.China

3. Changjiang Design Group Co., LTD, Wuhan 430010 , P.R.China

摘要

受青藏高原气候暖湿化影响，长江源区河湖水系演变剧烈，FUI（Forel-Ule Index）水色指数可通过量化水色变化来表征水体生态环境状态。厘清该地区湖泊水色时空变化特征及其驱动因子，对于判断未来气候变化背景下长江源区湖泊水环境变化趋势具有重要意义。本研究基于Landsat和MODIS遥感影像，获取了近40年长江源区264个湖泊FUI水色指数，分析了气象水文条件变化下湖泊水色演变趋势及影响因素。结果表明，1984—2023年长江源区大量荒地和草地转化为水体，湖泊数量增加了1.96倍，流域平均输沙模数增加了1.65倍，区域内湖泊水色持续变蓝（FUI水色指数平均降低了2个级别），其中小型湖泊（＜5 km²）占比为88.55%，其水色分布主要因流域侵蚀作用增强导致大量浅水热融湖盆裸露而呈现黄色（FUI＞9）；大型湖泊（＞100 km²）因水位增加导致湖泊水色持续蓝化（FUI＜6）。本研究深化了对近40年长江源区湖泊群生态环境变化特征的认识，可为研判气候变化背景下流域水生态环境演变趋势提供科学参考。

关键词

气候变化 / 长江源区 / 湖泊 / FUI水色指数 / 土地利用类型

Abstract

Under the influence of climate warming and increased humidity on the Qinghai-Tibet Plateau, the river and lake systems in the source region of the Yangtze River have undergone significant changes. The Forel-Ule Index (FUI) quantifies water color changes to characterize the ecological status of water bodies. Understanding the spatio-temporal variations in lake water color and its driving factors behind these changes in this region is crucial for predicting future trends in the aquatic environment under changing climatic conditions. This study utilized Landsat and MODIS satellite images to obtain FUI indices for 264 lakes in the source region of the Yangtze River over the past 40 years. The analysis focused on the evolution of lake water color under varying meteorological and hydrological conditions, and the factors influencing these changes. The results indicated that from 1984 to 2023, a significant portion of barren land and grassland was transformed into water bodies, leading to a 1.96-fold increase in the number of lakes and a 1.65-fold increase in the average sediment transport modulus. The average FUI of lake water color decreased by two levels, with small lakes (＜5 km²) comprising 88.55% of the total lakes. These small lakes primarily exhibited yellowish hues (FUI＞9) due to the increased erosion of the basin, which had exposed a large number of shallow hot-melt lake basins. In contrast, large lakes (＞100 km²) showed a sustained trend towards blue hues (FUI＜6) as a result of rising water levels. This study enhanced our understanding of ecological and environmental changes in the lake systems of the Yangtze River source region over the past 40 years, and provided valuable insights for assessing the future evolution of the watershed's aquatic environment under climate change.

Keywords

Climate change / Yangtze River source region / lakes / Forel-Ule Index / land use types

1 研究区域与方法 1.1 研究区域 1.2 遥感影像获取及预处理 1.2.1 噪声像元去除 1.2.2 离水反射率校正 1.3 遥感FUI水色指数计算方法 1.4 Landsat TM和OLI数据校准 1.5 参考数据集 1.5.1 流域边界 1.5.2 湖泊边界 1.5.3 FUI参考数据集 1.5.4 气象水文数据集 1.6 数据处理 2 结果与分析 2.1 Landsat 5/TM和Landsat 8/OLI数据一致性分析 2.2 长江源区湖泊群气象水文变化 2.3 长江源区湖泊1984—2023年FUI水色指数变化趋势 3 讨论 3.1 长江源区不同尺度湖泊水色演变特征 3.2 不同尺度湖泊水色演变驱动因素分析 3.3 未来青藏高原湖泊水色演变趋势及可能影响 4 结论

青藏高原地区称为“亚洲水塔”^[1]，是我国面积最大的天然湿地分布区，孕育了世界第三长的河流——长江。长江流域位于青藏高原的部分称之为“长江源区”^[2]，对流域内水资源分配以及生态功能调节具有重要作用^[3]。近年来，受青藏高原气候暖湿化趋势影响，长江源区河湖水系演变剧烈，引发流域边界不断向内流区扩张^[4]。湖泊作为长江源区重要的地表水资源载体，入湖物质通量变化引起湖泊水体光学性质改变，宏观上呈现为湖泊水色整体改变^[5]。因此，理解长江源区湖泊水色的时空分布特征及其驱动因子，对有效评估气候变化背景下长江源区湖泊生态环境具有重要作用。

FUI（Forel-Ule Index）水色指数^[6-8]是传统海洋学中用于描述水体颜色变化的重要指标，它间接反映了水体中叶绿素、悬浮物等物质的浓度和分布情况。近年来，随着卫星遥感技术的发展^[9-10]，分辨率更高的遥感数据为研究内陆水体水色提供了数据支撑，特别是Landsat系列^[11-13]、Sentinel-2系列^[14]卫星，它们具有高空间分辨率（＜30 m）和精度，并且这些产品已集成到GEE（Google Earth Engine）^[15]和PIE Engine^[16]等遥感云平台中，提供PB（Petabyte，千万亿字节）级别的历史图像存储和毫秒级的遥感图像处理速度，这为在流域级空间尺度上开展长时间序列湖泊水色遥感研究提供极大便利，利用GEE平台和高分辨率遥感卫星进行大规模湖泊水色遥感研究也成为近年来的研究热点。如Wang等^[17]基于MODIS数据集获取FUI水色指数与营养状态指数（trophic state index， TSI）的关系，并分析2000年以来全球大型湖泊的营养状态变化；Chen等^[18]利用Landsat-8分析了2015年中国6万余个湖泊的水色空间分布；Cao等^[5]利用Landsat 5和Landsat 8数据集分析了1980—2021年中国湖泊水色主波长的变化；Lai等^[19]分析了1999—2021年中国大型水库的水色及营养状态变化；Zhang等^[20]利用Landsat和MODIS数据集分析了近35年青海湖的水色变化及其驱动因素。

目前，关于湖泊水色遥感研究多集中于我国东部平原浅水型富营养化湖泊^[19-24]，而对高寒地区湖泊研究较少。长江源区是国家重要的生态安全屏障，同时也是气候和生态环境变化的敏感区和脆弱区^[25-27]，区域内湖泊数量众多、面积变异性大、地理分布广，湖泊水色对区域内生态环境变化具有重要指示作用。因此，本研究选取长江源区为研究区域，拟利用Landsat、MODIS系列影像，获取近40年长江源区湖泊FUI水色指数时空分布数据集，结合气候水文等指标，采用Pearson相关性分析、土地利用转移矩阵、多元回归分析等手段，探究近40年长江源区湖泊FUI水色指数时空演变规律及影响因素，为评估长江源区水资源、水生态安全提供基础支撑。

1 研究区域与方法

1.1 研究区域

长江源区（32°25′~35°55′N，90°27′~97°43′E）位于青海省南部^[27]，区域总面积13.8万km²，总人口约为16万人，行政区划上涉及青海省玉树藏族自治州的玉树县、杂多县、治多县、称多县、曲麻莱县，以及海西蒙古族藏族自治州格尔木市的唐古拉山乡，具体位置如图1。长江源区西北部为昆仑山脉东段，西南部为唐古拉山脉中段与东段，两大山脉平均海拔为5500~6000 m。该区域属于典型的高寒半干旱气候区，以强太阳辐射、干燥、寒冷为显著特点。区域地形半封闭，气候条件极端，气温高于0℃的时段集中于6—9月，其余时间为冰冻期，区域内冻土分布广泛^[25-27]。因其极端的气候条件、特殊的地理环境，长江源区近年来成为自然科学领域研究的热点，对于理解全球气候变化、生态环境保护及区域可持续发展具有重要意义。

1.2 遥感影像获取及预处理

本研究中使用的遥感数据包括GEE平台上MODIS地表反射率（SR）数据、Landsat 5地表反射率（SR）数据和Landsat 8地表反射率（SR）数据。

图1研究区域示意：（a）长江源区河湖水系分布示意图；（b）长江流域及长江源区流域边界

Fig.1Study area: (a) Lakes and rivers system in the source region of Yangtze River; (b) Boundary of the Yangtze River Basin and its source region

1.2.1 噪声像元去除

GEE平台提供的Landsat和MODIS数据具有像素质量属性（QA）波段，该波段包含图像数据的质量统计数据以及云和云阴影的掩蔽信息。Landsat SR数据还包含一个辐射饱和波段，用于指示过饱和像素，比如云层、雪和水体上的太阳闪烁的噪声像素。本研究利用QA波段和饱和波段以排除所有云、云阴影和过饱和像素。

1.2.2 离水反射率校正

为了确保离水反射率的稳定性和可靠性，对Landsat和MODIS SR数据进行了校正。本研究采用了一种简单可行的方法^[20，28]来减少Landsat和MODIS SR数据中的残差，即：

R_{r s} (λ) = [R (λ) - m i n (R_{N I R}, R_{S W I R})] / π

(1)

式中，R（λ）是指Landsat或MODIS SR数据的地表反射率，min（R_NIR，R_SWIR）是该像元近红外（NIR）和短波红外（SWIR）波段的最小正反射率，R_rs（λ）是校正后的离水反射率。

1.3 遥感FUI水色指数计算方法

根据1931年国际照明委员会CIE（International Commission on illumination）制定的色度定义，将人类色觉感知的三刺激值X、Y和Z对应于具有反射光谱R（λ）的颜色，可感知的波长范围从390~740 nm，配色函数

\bar{x} （ λ ）

、

\bar{y} （ λ ）

和

\bar{z} （ λ ）

表示色度响应的数值描述，分别对应于观察者对红光、绿光和蓝光的敏感度。色度坐标x、y和z是标准化的三刺激值：

X = \int_{390}^{740} R_{r s} (λ) \bar{x} (λ) d (λ); Y = \int_{390}^{740} R_{r s} (λ) \bar{y} (λ) d (λ); Z = \int_{390}^{740} R_{r s} (λ) \bar{z} (λ) d (λ)

(2)

这里使用公式（3）计算：

x = \frac{X}{X + Y + Z}; y = \frac{Y}{X + Y + Z}; z = \frac{Z}{X + Y + Z}

(3)

式中，x+y+z=1。由于卫星的光谱带配置，可见光范围内通常存在10 nm或更宽的光谱段，不同卫星传感器可用波段及其对应的线性系数不同^[20]。

色调角（α）可以由以下公式计算获得。

α = A R C T A N 2 (\frac{x^{'}}{y^{'}}) \times \frac{180^{\circ}}{π} + 180^{\circ}

(4)

式中，x′=x-1/3，y′=y-1/3。根据计算出的x和y值，即可确定色度坐标中对应的颜色。色度图的中心坐标位于x=y=z=1/3的点，利用反正切函数ARCTAN2计算（x，y）坐标对应的α，值得注意的是，由传感器光谱反射率得出的α通常存在偏移，范围在-5°~20°之间。已有研究表明，这种偏移并非完全随机，可以通过针对不同卫星传感器的一元五阶方程来修正^[20]：

Δ α_{T M} = - 29.045 b^{5} + 156.91 b^{4} - 279.9 b^{3} + 128.18 b^{2} + 103.81 b - 34.578

(5)

Δ α_{OLI} = - 52.819 b^{5} + 334.88 b^{4} - 758.26 b^{3} + 746.32 b^{2} - 315.18 b + 39.761

(6)

式中，b=α/100，TM表示Landsat 5/TM传感器，OLI表示Landsat 8/OLI传感器。

α_{adj} = α + Δ α

(7)

式中，α_adj为修正后的色度角。经修正后，基于不同卫星计算的色调角α_adj具有可比性。α_adj与FUI水色指数的对应关系如表1所示。

表1色度角α_adj与FUI水色指数的对应关系^[20]

Tab.1 The corresponding relationship between chrominance angle α and FUI^[20]

将上述公式以Javascript语言编写为相应计算公式，并在GEE遥感云平台上运行以获取基于遥感影像反射率的FUI水色指数计算结果，为避免冬季长江源区湖泊结冰期对计算结果造成干扰，本研究选取5—10月份非冰期遥感数据进行计算。

本研究应用平均相对误差（MRE）、均方根误差（RMSE）和R²来评价分析结果，见公式（8）~（10）：

M R E = \frac{1}{n} \sum_{i = 1}^{n} |y_{i} - y_{i}^{'}|

(8)

R M S E = \sqrt{\frac{1}{n} \sum_{i = 1}^{n} {(y_{i} - y_{i}^{'})}^{2}}

(9)

R^{2} = 1 - \sum_{i = 1}^{n} {(y_{i} - y_{i}^{'})}^{2} / \sum_{i = 1}^{n} {(y_{i} - {\bar{y}}_{i}^{'})}^{2}

(10)

式中，y_i和y′_i分别表示第i个值的测试值与验证值，

{\bar{y}}_{i}^{'}

表示y′_i的平均值。

1.4 Landsat TM和OLI数据校准

由于Landsat 5 TM和Landsat 8 OLI的重访周期较长，且两者在时间跨度上不重叠，难以开展数据一致性验证。因此，本研究选择使用已有的MODIS水色数据集^[29]来验证和校正Landsat 5 TM与Landsat 8 OLI数据，并应用校正后的Landsat系列FUI水色指数数据集进行后续统计分析。

1.5 参考数据集

1.5.1 流域边界

长江流域边界矢量数据下载自资源与环境科学数据平台，由中国科学院地理科学与自然资源研究所提供（https://www.resdc.cn/Default.aspx）。

1.5.2 湖泊边界

湖泊边界数据集下载自第三极大地球数据平台（https://poles.tpdc.ac.cn/），该数据集详细绘制了过去60年中国湖泊（大于1 km²）的数量和面积（1960s、1970s、1990年、1995年、2000年、2005年、2010年、2015年、2020年的数据）^[30]。

1.5.3 FUI参考数据集

全球大湖水色指数产品（2000—2021年，500 m分辨率）下载自可持续发展目标大数据国际研究中心（https://data.casearth.cn/）。该数据集是由Wang等^[29]基于MODIS遥感影像生产的全球大型湖泊FUI水色数据集。

1.5.4 气象水文数据集

气象数据下载自美国国家气象信息中心NCEI（National Centers for Environmental Information，https://www.ncei.noaa.gov/maps/annual/），筛选出沱沱河气象站年均最高、最低、平均气温以及年均降雨量数据等。水文数据选取沱沱河水文站1985—2021年年均径流量和输沙量数据，沱沱河水文站控制集水面积15924 km²。沱沱河气象站和水文站位置见图1。

1.6 数据处理

使用SPSS 20.0进行Pearson相关性分析，ENVI 5.3进行土地利用类型转移矩阵分析，其余分析和绘图采用Origin 2019b和ArcGIS 10.0进行。

2 结果与分析

2.1 Landsat 5/TM和Landsat 8/OLI数据一致性分析

考虑到MODIS和Landsat数据集的访问周期、时段以及其他因素干扰，将2000—2020年MODIS水色数据集分别与Landsat 8（N=98）和Landsat 5（N=133）建立线性回归关系，具体如图2所示。

图2MODIS与Landsat 8（a）和Landsat 5（b）卫星FUI水色指数数据集之间的线性回归关系

Fig.2Linear regression relationship between MODIS and Landsat 8 (a) and Landsat 5 (b) satellite FUI datasets

结果显示，基于Landsat 8（R²=0.8327）和Landsat 5（R²=0.8309）计算的FUI水色指数数据集与MODIS呈显著正相关，但仍存在部分偏差，其中Landsat 8和Landsat 5的RMSE分别为2.1329和1.4113，MRE分别为20.10%和11.33%。利用图2中建立的线性回归方程对Landsat 5和Landsat 8 计算结果进行校正，以进一步减少不同数据集间的不确定性，确保Landsat和MODIS数据集在计算各湖泊月均FUI水色指数时的一致性。

2.2 长江源区湖泊群气象水文变化

1984—2023年，长江源区气温和降雨量均呈波动性变化。对于平均气温而言，相对于1980—1984年，2020—2022年均最高气温增加了2.61℃，年均气温增加了1.87℃，年均最低气温增加了1.43℃，整体上升速率为0.076℃/a。对于年均降雨量而言，相对于1980—1984年，2020—2022年年均降雨量增加了114.81 mm，整体增加速率为3.39 mm/a。对于湖泊面积和数量而言，1990—2020年长江源区面积和数量不断增加，湖泊数量增加了131个，湖泊面积增加了1536.93 km²（图3）。

图3长江源区气温、降雨量（a）及湖泊数量、面积（b）的变化趋势

Fig.3Trends of air temperature, rainfall (a) , the number and area of lakes (b) in the source region of the Yangtze River

2.3 长江源区湖泊1984—2023年FUI水色指数变化趋势

从空间分布来看，长江源区西部流域边界处分布湖泊面积较大，且湖泊水色以深蓝或蓝色为主（FUI＜6），自西向东湖泊面积逐渐降低（图4a），东部湖泊水色以黄绿色为主（FUI＞10）。过去40年（1984—2023年）间，长江源区湖泊群FUI水色指数整体呈下降趋势（图4b）。

图4长江源区湖泊群FUI水色指数时空动态变化（1984—2023年）：（a）FUI水色指数空间分布变化，（b）FUI水色指数分布区间的时序变化

Fig.4Spatio-temporal dynamics of lake FUI in the source region of the Yangtze River (1984-2023) : (a) Spatial variations in FUI distribution， (b) Temporal variations in FUI range distribution

从单个湖泊均值统计结果来看（图5a），FUI水色指数均值位于9.83~13.02之间，且呈现出明显的下降趋势，与1984—1987年相比，2020—2023年FUI水色指数平均下降了15.61%。从区域内所有水体像元统计结果来看（图5b），FUI水色指数位于1~6区间和7~9区间的像元数量总计占比约80%。与1984—1987年相比，2020—2023年FUI水色指数位于1~6区间的湖泊水体像元数量占比从40.44%增加到63.08%。且随着时间的推移，FUI水色指数位于1~6区间的像元数量占比呈增加趋势，而位于10~21和7~9区间的像元数量占比逐渐减少，尤其在2012—2015年期间最为明显。

图5不同FUI水色指数区间湖泊数量占比（a）和像元数量占比（b）

Fig.5The proportion of lake number (a) and pixel number (b) in different FUI intervals

3 讨论

3.1 长江源区不同尺度湖泊水色演变特征

研究发现，1984—2023年长江源区湖泊群的水色呈逐渐降低趋势，不同面积区间湖泊数量变化结果显示，面积在（0，1] km²和（1，5] km²区间的湖泊数量最多，分别增加了72个和44个。进一步统计不同面积区间湖泊水色变化结果，相对于1984—1987年，2019—2023年面积在（0，1] km²和（1，5] km²区间的小型湖泊数量增加最多，且该区间湖泊FUI水色指数较高（FUI＞9），普遍呈黄色（图5a，图6a）。而对于长江源区面积较大的湖泊（＞100 km²），相对于1986—1990年，2019—2023年湖泊数量变化不大，主要呈现蓝色或深蓝色（FUI＜6）。说明长江源区不同尺度湖泊水色呈现差异特征，大型湖泊蓝化现象明显，小型湖泊普遍呈黄色。

3.2 不同尺度湖泊水色演变驱动因素分析

不同尺度湖泊水色演变的差异特征可能与青藏高原持续暖湿化气候背景有关，有研究表明，青藏高原内流区冰川消融加速^[31]，导致流域内河湖水系水量显著增加^[32-33]。1970—2015年青藏高原湖泊面积、水位和水量经历了相似的3个变化阶段^[34]，即：1970s-1995年略有下降，1996—2010年快速上升，随后几年（2011—2015年）上升趋势放缓。长江源区湖泊水位也呈现类似变化趋势，已有研究发现^[35]2000—2018年部分典型湖泊水位均呈持续增加趋势，平均增加了6.2~9.6 m（图7）。

水量的增加促使流域内河湖水系拓扑结构发生转变。2000—2018年，青藏高原内陆河流系统拓扑结构变化11次，涉及24个子流域^[36]，总面积约6.1万km²。水文连通性的增强导致湖泊水量^[37]和水深增加，随着水深增加，更多长波长的光（如红光）被吸收，从而使湖泊FUI向蓝色转变^[5]。本研究也证实，长江源区83.06%的湖泊在过去40年出现了变蓝现象。

此外，受气候变化影响，流域内不同地物类型因水量增加而交互频繁^[38]，相对于1980年，2020年长江源区多年冻土分布范围持续缩小^[39]，而湖泊面积持续增加（图8a，c）。

1980—2020年长江源区各土地利用类型空间分布情况（图8b，d）以及土地利用类型面积转移矩阵（表2）结果显示，长江源区荒地、草地、水体3类土地利用类型面积占比最高，且相互之间转化最频繁。1980—2020年，915.24 km²的草地和1000.98 km²的荒地转变为水体，6028.09 km²的荒地转变为草地，9239.39 km²的草地转变为荒地，长江源区水体面积增加了1608.05 km²，荒地面积增加了2746.43 km²，草地面积减少了4110.38 km²。转移矩阵结果进一步证实了流域内大量荒地和草地转变为水体，导致小型湖泊（＜5 km²）数量增加了113个。

图6不同面积区间湖泊数量（a）及FUI水色指数（b）变化情况

Fig.6The variations of lake number (a) and FUI (b) with different lake area intervals

图7长江源区典型湖泊水位变化趋势^[35]:勒斜武担湖（a）、西金乌兰湖（b）、乌兰乌拉湖（c）、赤布张错湖（d）

Fig.7Variation trend of water level in typical lakes in the Yangtze River source region^[35]： Lake Leixie Wudan (a) , Lake Xijir Ulan (b) , Lake Wulan Wula (c) , Lake Chibu Zhangco (d)

图8长江源区1980—2020年冻土分布范围^[39]（a）、湖泊分布范围（c）以及1980年（b）和2020年（d）土地利用分类结果

Fig.8The variation of permafrost extent (a) and lake distribution (c) during 1980-2020， land use classification in 1980 (b) and 2020 (d) in the source region of Yangtze River

表2长江源区不同土地利用类型面积转移矩阵（km²）

Tab.2 Area transfer matrix of different land use types in the source region of Yangtze River

此外，1980—2020年长江源区可可西里保护区内新生成大量小型热融湖（图9a、b；由长江科学院江源科考团队2021年8月拍摄于青海可可西里国家级自然保护区），热融过程往往伴随流域内侵蚀强度和径流泥沙输送量的增加（图8）。已有研究发现^[40]，过去40年来青藏高原流域侵蚀强度显著增加，63%的河流泥沙通量显著增加。本研究也发现，1985—2021年长江源区沱沱河水文站年输沙量增加了9.06倍（图9d）。通过对比P0（1985—2000年）和P1（2001—2021年）两个时期的多年平均径流量和输沙量变化，发现两个时期多年平均径流量分别为7.39亿、14.15亿m³，P1时期比P0时期径流量增幅接近一倍（图9c）。两个时期的多年平均输沙量分别为54.14万、143.48万t（图9d），P1时期年输沙模数（流域内单位面积输沙量）比P0时期增加了165%。

图9长江源区不同尺度热融湖侵蚀现状（a、b），沱沱河水文站河流径流量（c）和输沙量（d）

Fig.9The erosion status of different scale thaw lakes in the Yangtze River source region (a, b) , river discharge (c) and sediment transport (d) at Tuotuo River Hydrology Station

基于Pearson相关性分析的结果显示（表3），长江源区湖泊FUI水色指数变化与降水量、年均气温、径流量和输沙模数均呈负相关。

表3FUI水色指数与不同影响因子的Pearson相关性分析

Tab.3 Pearson correlation analysis of FUI and different influencing factors

针对长江源区湖泊FUI水色指数变化的影响因素进行深入剖析，鉴于降雨量与流域输沙模数（R²=0.91）及径流量（R²=0.96）间存在高度相关性，为规避共线性问题，本研究仅选取降雨量与气温作为关键变量。多元回归分析表明，降雨量独立解释了55.43%的变化，气温独立解释52.23%，而两者联合则能解释73.72%。因此，考虑到长江源区气温和降水量的持续增加，我们推测气候变化引起长江源区地表径流量与输沙模数的持续升高，进而导致湖泊FUI水色指数的整体下降。

3.3 未来青藏高原湖泊水色演变趋势及可能影响

近40年来，长江源区湖泊面积持续扩张、湖泊水色持续蓝化，本研究通过分析气候变化、流域土地利用类型转移及不同尺度湖泊水色状态之间的关系，探讨了湖泊水位、流域侵蚀强度以及热融湖形成演化等因素对长江源区湖泊水色演变的影响机制。青藏高原是众多河流发源地，气候变化将持续影响区域内湖泊水量和水色演变过程，湖泊水量增加导致原来非水体低洼区域被淹没而形成小型湖泊，不同尺度湖泊可能发生合并重组，甚至溢流出原湖盆。有研究指出^[41]，自2011年9月开始，长江源区出现一系列湖岸溃垮和湖水外溢的水患灾害，内流湖泊卓乃湖、库赛湖、海丁诺尔湖与盐湖已经自然连通，若高矿化度的咸水进一步外溢，可能对附近的青藏铁路、青藏公路、输电线路、输油管线、通讯光缆等基础设施以及可可西里保护区草地资源和长江北源楚玛尔河水环境造成严重影响。Xu等研究发现^[42]，在缺乏灾害缓解措施的情况下，青藏高原湖泊持续扩张预计将淹没大量关键的基础设施，包括超过1000 km的道路、约500个定居点以及约10000 km²的草地、湿地和耕地。这与本研究结果相符，1980—2020年，长江源区915.23 km²的草地和1000.98 km²的荒地转变为水体，这一演替过程可能导致更广泛的社会影响。

此外，湖泊水色还具有显著的环境指示作用，反映着水体中物质组成和生态状况。当前，长江源区河湖水体的各类营养盐浓度、化学需氧量以及叶绿素a浓度均较低，水质处于优良状态^[43]。Liu等结合青藏高原124个湖泊水质监测数据发现^[44]，水体蓝绿藻含量和浊度均处于较低水平，其中45.56%和53.91%的湖泊处于贫营养和中营养状态，仅0.53%的湖泊处于轻度富营养状态。然而，在当前湖泊水色持续演变背景下，大量入湖的沉积物和营养物质可能改变湖泊的生物栖息环境，并影响鱼类及其他水生生物的生存条件。例如，底栖生物和浮游生物的种群组成可能会受到显著影响，从而改变整个生态网络的平衡^[45]，而且陆源物质的转化过程可能增强湖泊作为碳源的功能，影响全球气候变化^[46]。

因此，长江源区湖泊水色演变关乎着区域水资源安全和生态系统平衡，在当前青藏高原气候变化加剧的背景下，未来应密切关注其演变过程及可能造成的次生影响，开展长期监测和科学管理，以预防潜在的社会和生态危机。

4 结论

基于近40年Landsat系列遥感影像，本研究获取长江源区湖泊群FUI水色指数时空演变特征，结合区域气象、水文长时间系列资料，揭示了长江源区不同尺度湖泊水色变化驱动因素，得出下列结论：

1）1984—2023年间，长江源区湖泊群FUI水色指数整体小于6（40.44%~70.29%），并且FUI水色指数随时间逐渐下降，近40年平均降低2个级别。

2）与基准期1984—1990年相比，2019—2023年湖泊数量增加了131个，面积小于5 km²的湖泊占比为88.55%，普遍呈黄绿色（FUI＞9），面积大于100 km²的大型湖泊蓝化（FUI＜6）现象明显。

3）受气温、降雨量增加影响，长江源区内915.24 km²的草地和1000.98 km²的荒地转变为水体，平均输沙模数增加了165%，小型湖泊FUI水色指数主要受流域侵蚀作用影响，大型湖泊FUI水色指数与水位变化呈正相关。

致谢:对本研究所引用的遥感影像、水色数据集以及地理空间地形等数据提供方表示诚挚感谢。

图1研究区域示意：（a）长江源区河湖水系分布示意图；（b）长江流域及长江源区流域边界

Fig.1Study area: (a) Lakes and rivers system in the source region of Yangtze River; (b) Boundary of the Yangtze River Basin and its source region

下载: 全尺寸图片

图2MODIS与Landsat 8（a）和Landsat 5（b）卫星FUI水色指数数据集之间的线性回归关系

Fig.2Linear regression relationship between MODIS and Landsat 8 (a) and Landsat 5 (b) satellite FUI datasets

下载: 全尺寸图片

图3长江源区气温、降雨量（a）及湖泊数量、面积（b）的变化趋势

Fig.3Trends of air temperature, rainfall (a) , the number and area of lakes (b) in the source region of the Yangtze River

下载: 全尺寸图片

图4长江源区湖泊群FUI水色指数时空动态变化（1984—2023年）：（a）FUI水色指数空间分布变化，（b）FUI水色指数分布区间的时序变化

Fig.4Spatio-temporal dynamics of lake FUI in the source region of the Yangtze River (1984-2023) : (a) Spatial variations in FUI distribution， (b) Temporal variations in FUI range distribution

下载: 全尺寸图片

图5不同FUI水色指数区间湖泊数量占比（a）和像元数量占比（b）

Fig.5The proportion of lake number (a) and pixel number (b) in different FUI intervals

下载: 全尺寸图片

图6不同面积区间湖泊数量（a）及FUI水色指数（b）变化情况

Fig.6The variations of lake number (a) and FUI (b) with different lake area intervals

下载: 全尺寸图片

图7长江源区典型湖泊水位变化趋势^[35]:勒斜武担湖（a）、西金乌兰湖（b）、乌兰乌拉湖（c）、赤布张错湖（d）

Fig.7Variation trend of water level in typical lakes in the Yangtze River source region^[35]： Lake Leixie Wudan (a) , Lake Xijir Ulan (b) , Lake Wulan Wula (c) , Lake Chibu Zhangco (d)

下载: 全尺寸图片

图8长江源区1980—2020年冻土分布范围^[39]（a）、湖泊分布范围（c）以及1980年（b）和2020年（d）土地利用分类结果

Fig.8The variation of permafrost extent (a) and lake distribution (c) during 1980-2020， land use classification in 1980 (b) and 2020 (d) in the source region of Yangtze River

下载: 全尺寸图片

图9长江源区不同尺度热融湖侵蚀现状（a、b），沱沱河水文站河流径流量（c）和输沙量（d）

Fig.9The erosion status of different scale thaw lakes in the Yangtze River source region (a, b) , river discharge (c) and sediment transport (d) at Tuotuo River Hydrology Station

下载: 全尺寸图片

表1色度角α_adj与FUI水色指数的对应关系^[20]

下载: 全尺寸图片

表2长江源区不同土地利用类型面积转移矩阵（km²）

下载: 全尺寸图片

表3FUI水色指数与不同影响因子的Pearson相关性分析

下载: 全尺寸图片

图1研究区域示意：（a）长江源区河湖水系分布示意图；（b）长江流域及长江源区流域边界

Fig.1Study area: (a) Lakes and rivers system in the source region of Yangtze River; (b) Boundary of the Yangtze River Basin and its source region

图2MODIS与Landsat 8（a）和Landsat 5（b）卫星FUI水色指数数据集之间的线性回归关系

Fig.2Linear regression relationship between MODIS and Landsat 8 (a) and Landsat 5 (b) satellite FUI datasets

图3长江源区气温、降雨量（a）及湖泊数量、面积（b）的变化趋势

Fig.3Trends of air temperature, rainfall (a) , the number and area of lakes (b) in the source region of the Yangtze River

图4长江源区湖泊群FUI水色指数时空动态变化（1984—2023年）：（a）FUI水色指数空间分布变化，（b）FUI水色指数分布区间的时序变化

Fig.4Spatio-temporal dynamics of lake FUI in the source region of the Yangtze River (1984-2023) : (a) Spatial variations in FUI distribution， (b) Temporal variations in FUI range distribution

图5不同FUI水色指数区间湖泊数量占比（a）和像元数量占比（b）

Fig.5The proportion of lake number (a) and pixel number (b) in different FUI intervals

图6不同面积区间湖泊数量（a）及FUI水色指数（b）变化情况

Fig.6The variations of lake number (a) and FUI (b) with different lake area intervals

图7长江源区典型湖泊水位变化趋势^[35]:勒斜武担湖（a）、西金乌兰湖（b）、乌兰乌拉湖（c）、赤布张错湖（d）

Fig.7Variation trend of water level in typical lakes in the Yangtze River source region^[35]： Lake Leixie Wudan (a) , Lake Xijir Ulan (b) , Lake Wulan Wula (c) , Lake Chibu Zhangco (d)

图8长江源区1980—2020年冻土分布范围^[39]（a）、湖泊分布范围（c）以及1980年（b）和2020年（d）土地利用分类结果

Fig.8The variation of permafrost extent (a) and lake distribution (c) during 1980-2020， land use classification in 1980 (b) and 2020 (d) in the source region of Yangtze River

图9长江源区不同尺度热融湖侵蚀现状（a、b），沱沱河水文站河流径流量（c）和输沙量（d）

Fig.9The erosion status of different scale thaw lakes in the Yangtze River source region (a, b) , river discharge (c) and sediment transport (d) at Tuotuo River Hydrology Station

表1色度角α_adj与FUI水色指数的对应关系^[20]

表2长江源区不同土地利用类型面积转移矩阵（km²）

表3FUI水色指数与不同影响因子的Pearson相关性分析

图1研究区域示意：（a）长江源区河湖水系分布示意图；（b）长江流域及长江源区流域边界

Fig.1Study area: (a) Lakes and rivers system in the source region of Yangtze River; (b) Boundary of the Yangtze River Basin and its source region

图2MODIS与Landsat 8（a）和Landsat 5（b）卫星FUI水色指数数据集之间的线性回归关系

Fig.2Linear regression relationship between MODIS and Landsat 8 (a) and Landsat 5 (b) satellite FUI datasets

图3长江源区气温、降雨量（a）及湖泊数量、面积（b）的变化趋势

Fig.3Trends of air temperature, rainfall (a) , the number and area of lakes (b) in the source region of the Yangtze River

图4长江源区湖泊群FUI水色指数时空动态变化（1984—2023年）：（a）FUI水色指数空间分布变化，（b）FUI水色指数分布区间的时序变化

Fig.4Spatio-temporal dynamics of lake FUI in the source region of the Yangtze River (1984-2023) : (a) Spatial variations in FUI distribution， (b) Temporal variations in FUI range distribution

图5不同FUI水色指数区间湖泊数量占比（a）和像元数量占比（b）

Fig.5The proportion of lake number (a) and pixel number (b) in different FUI intervals

图6不同面积区间湖泊数量（a）及FUI水色指数（b）变化情况

Fig.6The variations of lake number (a) and FUI (b) with different lake area intervals

图7长江源区典型湖泊水位变化趋势^[35]:勒斜武担湖（a）、西金乌兰湖（b）、乌兰乌拉湖（c）、赤布张错湖（d）

Fig.7Variation trend of water level in typical lakes in the Yangtze River source region^[35]： Lake Leixie Wudan (a) , Lake Xijir Ulan (b) , Lake Wulan Wula (c) , Lake Chibu Zhangco (d)

图8长江源区1980—2020年冻土分布范围^[39]（a）、湖泊分布范围（c）以及1980年（b）和2020年（d）土地利用分类结果

Fig.8The variation of permafrost extent (a) and lake distribution (c) during 1980-2020， land use classification in 1980 (b) and 2020 (d) in the source region of Yangtze River

图9长江源区不同尺度热融湖侵蚀现状（a、b），沱沱河水文站河流径流量（c）和输沙量（d）

Fig.9The erosion status of different scale thaw lakes in the Yangtze River source region (a, b) , river discharge (c) and sediment transport (d) at Tuotuo River Hydrology Station

表1色度角α_adj与FUI水色指数的对应关系^[20]

表2长江源区不同土地利用类型面积转移矩阵（km²）

表3FUI水色指数与不同影响因子的Pearson相关性分析

Zhang Q, Wang G, Zhao JQ et al. Water circulation and water resources of Asia's water tower: The past and future. Chinese Science Bulletin,2023,68(36):4982-4994.[张强, 王港, 赵佳琪等. 亚洲水塔水循环和水资源研究进展与展望. 科学通报,2023,68(36):4982-4994.]

Li ZJ, Jin ZW, Zhou YJ et al. Preliminary analysis on characteristics of flow and sediment of dangqu as the south source of Yangtze River. Journal of Yangtze River Scientific Research Institute,2016,33(3):35-37. DOI:10.11988/ckyyb.20150854.[李志晶, 金中武, 周银军等. 长江南源当曲源头水沙特性初步分析. 长江科学院院报,2016,33(3):35-37.]

Gao XL, Feng Q, Li ZX et al. Spatio-temporal pattern and key influencing factors of water conservation value in the Three-River Source region. Acta Ecologica Sinica,2024,44(16):7074-7086. DOI:10.20103/j.stxb.202303260580.[高向龙, 冯起, 李宗省等. 三江源水源涵养价值时空格局及影响因素. 生态学报,2024,44(16):7074-7086.]

Xu FL, Zhang GQ. Continuous expansion of lakes on the Qinghai-Xizang Plateau and potential impacts. Chinese Science Bulletin,2024,69(27):3999-4001.[许凤林, 张国庆. 青藏高原湖泊的持续扩张与其潜在影响. 科学通报,2024,69(27):3999-4001.]

Cao ZG, Melack JM, Liu M et al. Shifts,trends,and drivers of lake color across China since the 1980s. Geophysical Research Letters,2023,50(8):e2023GL103225. DOI:10.1029/2023GL103225.

Wang L, Wang X, Chen YL et al. Spatiotemporal variation of water color conditions in the Bohai Sea based on Sentinel-3 OLCI data. China Environmental Science,2023,43(9):4828-4836.[王林, 王祥, 陈艳拢等. 基于Sentinel-3 OLCI数据的渤海水色状况时空变化特征. 中国环境科学,2023,43(9):4828-4836.]

Forel FA. Une nouvelle forme de la gamme de couleur pour l'étude de l'eau des lacs. Archives des sciences physiques et naturelles/Societe de physique et d'histoire naturelle de geneve,1890,6(25).

Ule W. Die bestimmung der Wasserfarbe in den Seen. Kleinere mittheilungen.dr.a.petermanns mittheilungen aus justus perthes geographischer anstalt,1892:70-71.

Duan HT, Cao ZG, Shen M et al. Review of lake remote sensing research. National Remote Sensing Bulletin,2022,26(1):3-18.[段洪涛, 曹志刚, 沈明等. 湖泊遥感研究进展与展望. 遥感学报,2022,26(1):3-18.]

Wu BF, Zhu WW, Zeng HW et al. Watershed remote sensing: Definition and prospective. Advances in Water Science,2020,31(5):654-673.[吴炳方, 朱伟伟, 曾红伟等. 流域遥感: 内涵与挑战. 水科学进展,2020,31(5):654-673.]

Chen Q, Huang MT, Tang XD. Eutrophication assessment of seasonal urban lakes in China Yangtze River Basin using Landsat 8-derived Forel-Ule index: A six-year(2013-2018)observation. Science of the Total Environment,2020,745:135392. DOI:10.1016/j.scitotenv.2019.135392.

Xing XD, Xu YH, Liu SD et al. Remote sensing estimation of water transparency in Manwan hydropower station based on Forel-Ule Index. Water Resources Development Research,2024,24(8):113-119.[邢晓达, 徐耀汉, 刘慎栋等. 基于水色指数的漫湾水电站水体透明度遥感估算. 水利发展研究,2024,24(8):113-119.]

Zhu WN, Pang SN, Chen J et al. Spatiotemporal variations of total suspended matter in complex archipelagic regions using a sigmoid model and Landsat-8 imagery. Regional Studies in Marine Science,2020,36:101308. DOI:10.1016/j.rsma.2020.101308.

Mucheye T, Haro S, Papaspyrou S et al. Water quality and water hyacinth monitoring with the sentinel-2A/B satellites in Lake Tana(Ethiopia). Remote Sensing,2022,14(19):4921. DOI:10.3390/rs14194921.

Page BP, Olmanson LG, Mishra DR. A harmonized image processing workflow using Sentinel-2/MSI and Landsat-8/OLI for mapping water clarity in optically variable lake systems. Remote Sensing of Environment,2019,231:111284. DOI:10.1016/j.rse.2019.111284.

Zhao S, Liu JB, Geng W et al. Inversion of total suspended matter in typical lakes in Tibet based on PIE-Engine Studio. Yangtze River,2024,55(9):85-92,99.[赵爽, 柳锦宝, 耿蔚等. 基于PIE-Engine Studio的西藏典型湖泊总悬浮物反演. 人民长江,2024,55(9):85-92,99.]

Wang SL, Li JS, Zhang B et al. Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule index. Remote Sensing of Environment,2018,217:444-460. DOI:10.1016/j.rse.2018.08.026.

Chen XD, Liu LY, Zhang X et al. An assessment of water color for inland water in China using a Landsat 8-derived Forel-Ule index and the Google Earth Engine platform. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021,14:5773-5785. DOI:10.1109/JSTARS.2021.3085411.

Lai YQ, Zhang J, Li WW et al. Water quality monitoring of large reservoirs in China based on water color change from 1999 to 2021. Journal of Hydrology,2024,633:130988. DOI:10.1016/j.jhydrol.2024.130988.

Zhang WZ, Wang SL, Zhang B et al. Analysis of the water color transitional change in Qinghai Lake during the past 35 years observed from Landsat and MODIS. Journal of Hydrology: Regional Studies,2022,42:101154. DOI:10.1016/j.ejrh.2022.101154.

Hu MQ, Ma RH, Xiong JF et al. Eutrophication state in the Eastern China based on landsat 35-year observations. Remote Sensing of Environment,2022,277:113057. DOI:10.1016/j.rse.2022.113057.

Liu YX, Wu H, Wang SL et al. Evaluation of trophic state for inland waters through combining Forel-Ule Index and inherent optical properties. Science of the Total Environment,2022,820:153316. DOI:10.1016/j.scitotenv.2022.153316.

Xu Y, Feng L, Hou XJ et al. Four-decade dynamics of the water color in 61 large lakes on the Yangtze Plain and the impacts of reclaimed aquaculture zones. Science of the Total Environment,2021,781:146688. DOI:10.1016/j.scitotenv.2021.146688.

Ma LL, Jiang JG, Pu ZP et al. Water color of seven lakes along the Yangtze River in Anqing City since 2013. Wetland Science,2023,21(3):349-357.[马玲玲, 蒋锦刚, 濮正鹏等.2013年以来安庆市沿长江分布的7座湖泊的水体颜色研究. 湿地科学,2023,21(3):349-357.]

Li SZ, Zhao SM. Spatial-temporal evolution and driving forces of eco-environmental quality in different frozen regions of the Three Rivers source. China Industrial Economics,2024:1-20.[李姝贞, 赵尚民. 三江源不同冻土区生态环境质量时空演变及驱动力分析. 环境科学,2024:1-20.

Zhang CF, Ma SP, He XB et al. Distribution characteristics and influencing factors of soil organic carbon in permafrost regions of the source region of the Yangtze River, China. Chinese Journal of Ecology,2022,41(9):1665-1673. DOI:10.13292/j.1000-4890.202209.002.[张超飞, 马素萍, 何晓波等. 长江源多年冻土区土壤有机碳分布特征及其影响因素. 生态学杂志,2022,41(9):1665-1673.]

Yixi Zhuoma, Gao JJ, Laba et al. Characteristics of lake-glacier change in source region of the Yangtze River and its response to climate change. Journal of Glaciology and Geocryology,2024,46(1):28-39. DOI:10.7522/j.issn.1000-0240.2024.0003.[益西卓玛, 高佳佳, 拉巴等. 长江源区湖泊-冰川变化特征及其对气候变化的响应. 冰川冻土,2024,46(1):28-39.]

Wang SL, Li JS, Zhang B et al. A simple correction method for the MODIS surface reflectance product over typical inland waters in China. International Journal of Remote Sensing,2016,37(24):6076-6096. DOI:10.1080/01431161.2016.1256508.

Wang SL, Li JS, Zhang WZ et al. A dataset of remote-sensed Forel-Ule Index for global inland waters during 2000-2018. Scientific Data,2021,8(1):26. DOI:10.1038/s41597-021-00807-z.

Zhang G,2019. China lake dataset(1960s-2020). A Big Earth Data Platform for Three Poles, DOI:10.11888/Hydro.tpdc.270302.

Zhang GF, Nan ZT, Zhao L et al. Qinghai-Tibet Plateau wetting reduces permafrost thermal responses to climate warming. Earth and Planetary Science Letters,2021,562:116858. DOI:10.1016/j.epsl.2021.116858.

Zhang ZX, Zhang L, Liu YF et al. Responses of annual streamflow variability to annual precipitation,extreme climate events and large-scale climate phenomena in the Qinghai-Tibet Plateau. Journal of Hydrology,2024,632:130969. DOI:10.1016/j.jhydrol.2024.130969.

Ning ZR, Wu N, Zhang JY et al. Wetter trend in source region of Yangtze River by runoff simulating based on Grid-RCCC-WBM. Journal of Hydrology,2024,631:130702. DOI:10.1016/j.jhydrol.2024.130702.

Liu K, Song CQ, Ke LH et al. Automatic watershed delineation in the Tibetan endorheic basin: A lake-oriented approach based on digital elevation models. Geomorphology,2020,358:107127. DOI:10.1016/j.geomorph.2020.107127.

李兴东, 龙笛, 黄琦等. 青藏高原高时间分辨率湖泊水位及水量变化数据集（2000—2017年）. 时空三极环境大数据平台,2019. DOI:10.1594/PANGAEA.898411.

Liu K, Ke L, Wang J et al. Ongoing drainage reorganization driven by Rapid Lake growths on the Tibetan Plateau. Geophysical Research Letters,2021,48(24):e2021GL095795.

Liu JP, Jin J, Li SM et al. Dynamic changes of typical glacier-fed lakes in different climatic zones around the world from 1995 to 2015. Advances in Water Science,2021,32(1):1-9.[刘吉平, 金晶, 李晟铭等.1995—2015年全球不同气候带典型冰川补给型湖泊动态变化. 水科学进展,2021,32(1):1-9.]

Zhou XD, Deng ZT, Dou WZ et al. The spatiotemporal characteristics of ecological risks of land use change in Sanjiangyuan National Park over the past 30 years. Science of Surveying and Mapping,2024,49(4):208-220.[周玄德, 邓祖涛, 窦文章等. 三江源国家公园近30年土地利用变化生态风险时空特征. 测绘科学,2024,49(4):208-220.]

闫德昭, 郑先坤, 冯敏等. 青藏高原冻土变化数据集(1961—2020). 国家青藏高原数据中心,2023.

Li JL, Wang GX, Song CL et al. Recent intensified erosion and massive sediment deposition in Tibetan Plateau rivers. Nature Communications,2024,15(1):722. DOI:10.1038/s41467-024-44982-0.

Liu BK, Li L, Du YE et al. Causes of the outburst of Zonag Lake in Hoh Xil, Tibetan Plateau,and its impact on surrounding environment. Journal of Glaciology and Geocryology,2016,38(2):305-311.[刘宝康, 李林, 杜玉娥等. 青藏高原可可西里卓乃湖溃堤成因及其影响分析. 冰川冻土,2016,38(2):305-311.]

Xu FL, Zhang GQ, Woolway RI et al. Widespread societal and ecological impacts from projected Tibetan Plateau lake expansion. Nature Geoscience,2024,17(6):516-523. DOI:10.1038/s41561-024-01446-w.

Xiong FY, Lu Y, Liu H et al. Review of aquatic ecosystem health studies in the headwater region of the Yangtze River. Environmental Monitoring in China,2022,38(1):14-26.[熊芳园, 陆颖, 刘晗等. 长江源区水生态系统健康研究进展. 中国环境监测,2022,38(1):14-26.]

Liu C, Zhu LP, Wang JB et al. In-situ water quality investigation of the lakes on the Tibetan Plateau. Science Bulletin,2021,66(17):1727-1730. DOI:10.1016/j.scib.2021.04.024.

Ji MK, Kong WD, Yue LY et al. Salinity reduces bacterial diversity,but increases network complexity in Tibetan Plateau lakes. FEMS Microbiology Ecology,2019,95(12):fiz190. DOI:10.1093/femsec/fiz190.

Meng FF, Hu A, Wu H et al. Organic carbon sink dynamics and carbon sink-source balance in global lakes during the Anthropocene. Fundamental Research,2024:2667-3258. DOI:10.1016/j.fmre.2024.04.018.