中国水库调节库容的全国尺度遥感估算研究学术报告

本研究由中国科学院南京地理与湖泊研究所的宋春桥研究员团队主导，主要作者包括袁春雨（河南理工大学）、詹鹏飞、范晨雨、陈坦、曾繁轩、刘凯和河海大学的柯灵红。该研究成果于2024年发表在《Journal of Hydrology》期刊上。

一、 研究的学术背景

本研究属于水文学、水资源管理与遥感科学交叉领域。水库作为地球上陆地液态淡水体最重要的组成部分之一，通过蓄水、滞留和释放水深刻改变了自然水文过程，在供水、灌溉、防洪、发电等方面发挥着至关重要的作用。水库的调节库容（Regulated Water Storage），即水库在一年内可用于调节（蓄放）的水量，是评估其水资源调控能力、优化水资源管理和应对极端水文事件（如洪水和干旱）的关键参数。然而，由于实地观测成本高昂、数据获取困难，特别是在大规模范围内，中国水库的总库容与调节库容的量化信息严重不足。尽管已有研究利用遥感技术绘制了全球或中国水库的分布图并估算了总库容，但这些工作多关注静态的或特定时间点的库容，对于反映水库动态调节能力的“调节库容”的全国尺度系统性量化研究仍然缺乏。随着哨兵2号（Sentinel-2）等高时空分辨率卫星数据的免费开放，以及机器学习等先进数据分析方法的发展，为高效、准确地大范围监测水库水面动态和估算库容提供了新的契机。因此，本研究旨在开发一套基于遥感与机器学习的方法，首次在全国尺度上量化中国水库的调节库容，并揭示其在不同流域的空间分布格局与驱动因素，以期为水资源的合理管理、规划和相关政策制定提供科学依据。

二、 详细研究流程

本研究的工作流程系统而严谨，主要包含以下四个核心步骤：

第一步：高分辨率水库水面频率（WF）制图 研究首先以2017年至2022年为时间窗口，利用谷歌地球引擎（Google Earth Engine, GEE）云计算平台，处理了覆盖中国区域的所有可用（无云、雪、冰覆盖）哨兵2号多光谱成像仪（MSI）影像（总计约28.4万景）。针对每一景影像，研究采用了一种结合多种水体指数的稳健水体分类算法。具体而言，算法综合运用了改进的归一化差异水体指数（Modified Normalized Difference Water Index, MNDWI）、归一化植被指数（NDVI）和增强型植被指数（EVI），并设定判别规则：(MNDWI > NDVI 或 MNDWI > EVI) 且 EVI < 0.1。该算法能有效抑制陆地信号噪声，并准确区分水体与水生植被。对所有年份的影像逐像元计算其被分类为水体的观测次数占总有效观测次数的比例，即得到年度水面频率（Water Frequency, WF）。WF值为1表示该像元在所有有效观测中始终为水体，0则表示从未被观测为水体。基于此，研究生成了2017-2022年每年分辨率为10米的中国水库年度WF地图。

第二步：确定不同状态下的水库水面面积 为了从连续的WF值中提取具有明确水文意义的水体范围，并减少影像质量不确定性带来的误差，研究对年度WF地图设定了特定的频率阈值进行重分类。他们将WF ≥ 5%的像元定义为“最大水面”，代表一年中至少出现过水体的区域（近似于最高水位时的淹没范围）；将WF ≥ 75%的像元定义为“常年水面”，代表一年中绝大部分时间都被水覆盖的区域（近似于最低水位或死水位时的稳定水面）。两者之间的差值区域（5% ≤ WF < 75%）则被定义为“调节水面”。通过对二值化后的WF图进行矢量化、融合同一水库内的多个图斑并计算面积，最终得到了全国每一个水库在每年对应的最大水面面积、常年水面面积以及调节水面面积。

第三步：估算水库库容及调节库容 为了将水面面积转化为库容，研究采用了团队之前开发并验证过的一个优化的机器学习模型。该模型基于中国水库数据集（CRD）构建，输入变量包括水库形态指标（如面积）、地形因子（如高程、坡度）和水文气象因子。在对比了多种统计模型和机器学习算法（包括Lasso、SVM、DNN、RF、GBDT和XGBoost）后，研究发现采用全部影响因素作为输入变量的XGBoost模型精度最高（相关系数0.97，纳什效率系数0.95）。因此，本研究将此XGBoost模型应用于每一个水库，利用上一步得到的最大水面面积和常年水面面积，分别估算出其对应的“最大库容”和“常年库容”。两者的差值即为该水库的“调节库容”。这一步骤的创新之处在于，它避免了获取每个水库水下地形（测深）数据的巨大困难，通过机器学习模型建立了水面面积与库容之间的复杂非线性关系，实现了大规模、高效率的库容估算。

第四步：空间格局分析与归一化库容比较 在获得全国所有水库的调节库容后，研究从多个维度进行了深入分析。首先，在二级和三级流域单元上，统计并可视化了调节库容的空间分布。其次，为了探究其驱动因素，研究将各流域的调节库容与人口、灌溉面积、年降水量等数据进行排名相关性分析。最后，为了在不同规模水库之间进行公平比较，研究引入了“归一化库容”（Normalized Storage, NS）的概念，即水库的某一状态库容（最大、常年或调节）与其设计总库容的比值。通过计算和比较不同流域水库的NS，可以更清晰地揭示水库的主要功能特征（如以防洪为主还是以供水灌溉为主）。

三、 主要研究结果

1. 全国水库库容总量：2017年至2022年间，中国所有水库的多年平均最大库容估计为784.60立方公里，多年平均常年库容为318.86立方公里。由此计算得出的全国多年平均年调节库容为465.74立方公里，约占全国水库总设计库容的43.72%。这首次从遥感角度给出了中国水库动态调节水量的全国总量估计。
2. 调节库容的空间分布：调节库容在空间上分布不均。长江流域和珠江流域的年均调节库容最大，分别为152.52立方公里和84.94立方公里。从更精细的尺度看，洞庭湖流域、鄱阳湖流域和嫩江流域是调节水面面积最大的区域；而嫩江流域、洞庭湖流域和汉江流域则是调节库容量最大的区域。总体而言，河网发达、水库众多的长江中下游地区和松嫩平原，其水库调节引起的水面面积和库容变化最为显著。
3. 影响因素分析：相关性分析表明，水库调节库容与流域的人口、灌溉面积和降水量均呈显著正相关，其中与人口和灌溉面积的相关性更高。这证实了水库调节行为主要受人类用水需求（生活与农业灌溉）驱动。例如，西北的塔里木河流域灌溉面积巨大，其调节库容高于全国平均水平；洞庭湖流域则因人口密集、灌溉面积大、降水丰沛，其调节库容接近30立方公里。
4. 归一化库容（NS）揭示的功能差异：全国尺度上，水库在最大库容、常年库容和调节库容状态下的平均NS分别为79.38%、33.69%和45.69%。空间对比发现，北方地区（如松花江、海河、黄河流域）水库的最大和常年NS较高，而调节NS相对较低，这与这些地区水资源相对紧缺，水库主要承担供水和灌溉功能，需要维持较高蓄水位的特性相符。相反，南方地区（如西南诸河、西北诸河、珠江流域）水库的调节NS较高，而最大和常年NS相对较低，这反映了这些地区水库以防洪为主要功能，需要在汛期预留大量库容以调蓄洪水。以三峡水库和丹江口水库为例：三峡水库（核心功能为防洪）的调节NS（46.99%）显著高于丹江口水库（30.35%）；而丹江口水库（作为南水北调水源地）的最大和常年NS（95.07%和64.72%）则远高于三峡水库（78.20%和32.21%），表明其常年维持着很高的蓄水状态以保证供水。

四、 研究结论与意义

本研究成功开发并应用了一套结合高分辨率哨兵2号时序影像、水面频率分析和机器学习库容估算模型的方法体系，首次实现了对中国全境水库调节库容的全国尺度、高精度量化评估。研究不仅给出了全国和主要流域的调节库容总量，还深刻揭示了其空间分异规律及与人类活动（人口、灌溉）、自然条件（降水）的关联，并通过归一化库容指标辨析了不同区域水库的主导功能。这项工作的科学价值在于，它填补了中国水库动态水资源量评估的数据空白，为全球水库水循环研究提供了重要的区域案例。其应用价值则体现在，所产出的数据产品和结论可直接服务于国家与流域尺度的水资源综合管理、水库联合调度优化、抗旱防洪决策支持以及水利基础设施规划，为应对气候变化下水资源安全挑战提供了关键的科学工具和知识基础。

五、 研究亮点

1. 研究对象的创新性与重要性：首次在全国尺度上系统量化了中国水库的“调节库容”，这是一个比静态总库容更能反映水库实际调控能力和水资源可用性的关键动态指标，研究问题具有重要的理论和实践意义。
2. 方法学的先进性与综合性：创新性地将高时空分辨率遥感水面频率监测（Sentinel-2 + GEE）与机器学习库容估算模型（XGBoost）相结合，形成了一套可操作、可推广的技术框架，克服了传统方法在大范围应用中的成本和技术瓶颈。
3. 数据产品的独特性与高精度：生成了2017-2022年中国水库10米分辨率的年度水面频率地图，并基于此推算了高精度的库容数据。通过与实测数据、三维模型对比验证，证明了方法具有较高的可靠性（验证水库的调节库容估算与实测值高度相关）。
4. 分析视角的深度：不仅给出了宏观统计结果，还通过引入“归一化库容”（NS）这一标准化指标，实现了不同规模、不同功能水库之间的可比性，从而更深刻地揭示了水库调节行为背后的地理驱动因素和功能导向，将现象描述提升到了机理探讨的层次。
5. 验证工作的充分性：研究对关键环节进行了多角度验证，包括用水面面积时间序列验证WF阈值选择的合理性、用SRTM DEM构建的三维模型验证机器学习库容估算模型的准确性、以及用359个水库的实测日库容数据直接验证最终调节库容估算结果的精度，确保了整个研究链条的可靠性。

六、 其他有价值内容

研究还对结果的不确定性进行了详细讨论。例如，尽管使用了高质量影像和算法，但WF制图仍可能受云覆盖、观测数量时空不均等影响；固定阈值（5%和75%）定义最大和常年水面在个别水库可能存在偏差；机器学习模型对小水库或复杂地形水库的估算精度有待进一步提升。然而，通过大样本验证和流域尺度的聚合比较，这些不确定性在区域和全国尺度上被有效降低，结论是稳健的。此外，研究构建的完整方法论具有普适性，可为全球其他地区开展类似研究提供范例。