巴尔喀什湖是中亚重要的大型内陆湖，也是维系伊犁河—巴尔喀什湖流域生态与跨境水资源安全的关键水体。湖泊主要由伊犁河及东部的卡拉塔尔河、阿克苏河、列普瑟河和阿亚古兹河补给，其中伊犁河发源于天山冰雪区。湖泊水量受气候变化、农业用水和水库调度共同影响。受冰雪融水过程模拟误差、各入湖河流径流资料不均及气候—人类活动效应难以分离等限制，其水量变化驱动与未来风险仍缺乏系统定量认识。

    围绕这一科学问题，中国科学院南京地理与湖泊研究所吴敬禄研究员团队在《Hydrology  and Earth System Sciences》《Journal of Hydrology: Regional  Studies》《Water》等国际水文与水资源期刊发表系列研究成果。团队以巴尔喀什湖及其主要入湖河流的不同子流域为对象，开展可解释水文建模、卫星融合测深和百年尺度驱动归因，构建了覆盖流域产流、入湖径流、湖泊蓄水、驱动归因与未来预测的系统研究框架。

     一、融合可解释水文建模与卫星测深完善水量评估

    针对冰川补给子流域中传统水文模型对冰雪消融刻画不足、误差难以追溯的问题，团队在SEGSWAT+基础上引入机器学习校正径流残差，并利用SHAP将误差归因至蒸散发、土壤水、积雪融水和冰川融水等分量。XGBoost混合框架表现最优，平均NSE达0.93，校正后蒸散发和土壤水偏差降低3.2%—5%，在保持物理约束的同时提升了冰川补给子流域水量评估精度，为进一步开展各入湖河流的径流模拟提供了方法基础。

图1. 物理水文模型与可解释机器学习耦合的混合建模框架

    针对巴尔喀什湖面积大、光学条件复杂且实测水深有限，团队融合ICESat-2与多时相Sentinel-2影像，采用自适应DBSCAN提取湖底光子，构建主动—被动遥感融合测深框架。结果与独立实测高度一致（R²=0.961，RMSE=1.046 m），揭示西部湖盆宽浅、东部湖盆狭深及其差异化水量响应。研究据此建立水位—面积—水量关系，重建1879—2024年水储量变化并识别2019—2024年下降趋势，为大型湖泊从“面积监测”走向“体积评估”提供地形基线。

图2. 物理水文模型与可解释机器学习耦合的混合建模框架

    二、揭示百年水量变化中的气候-人类活动对冲

    在此基础上，团队将混合水文模型拓展至伊犁河、卡拉塔尔河、阿克苏河、列普瑟河和阿亚古兹河五条主要入湖河流及其不同子流域，并提出水文分析与驱动分离框架（HADF），耦合SEGSWAT+—机器学习混合模型、Budyko归因框架与湖泊水量平衡模型，重建1931—2024年各河流自然和实际径流，汇总形成全湖入流序列，并将气候与人类活动影响传递至湖泊水储量。模型KGE>0.75，湖泊水量变化模拟与观测重建相关系数达0.86，可可靠闭合流域—湖泊水量平衡。

    研究划分基准期（1931—1969年）、强人类干预期（1970—1990年）和复合压力期（1991—2024年）。强干预期，流域取用水使总入湖径流减少9.21 km³/yr，抵消气候增湿带来的6.13 km³/yr增量；复合压力期，降水与冰川融水形成10.80 km³/yr潜在增量，又几乎被各子流域持续耗水造成的11.36 km³/yr减量抵消。近几十年水位稳定并非系统恢复，而是有利气候暂时遮蔽了全流域用水压力。湖泊贡献分析显示，近期气候的正向作用增强，人类活动仍持续负向影响，二者对冲造成“表面稳定、内部承压”的隐性脆弱性。一旦降水增益减弱或冰川融水越过“峰值水”，当前平衡可能迅速打破。

图3. 不同历史阶段气候与人类活动对巴尔喀什湖水储量变化的相对贡献

    三、短期“气候补贴”难掩湖泊长期脆弱性

    三种共享社会经济路径预测表明，随着全流域蒸散发需求上升、上游冰川储量消耗及各子流域用水压力延续，支撑湖泊稳定的“气候补贴”将逐步减弱。到2100年，水位可能下降约2.5—4.0 m；中高排放情景下，湖泊或于本世纪中后期跌破历史生态低水位，面临东西湖盆分隔、盐化和湖床裸露风险。因此，跨境水资源配置不应依赖短期气候增益，需统筹各入湖河流的节水增效、生态需水与冰冻圈变化，纳入全流域长期管理。

图4. 2025—2100年三种共享社会经济路径下巴尔喀什湖水位变化预测

    该系列研究首先在冰川补给子流域验证物理模型与可解释机器学习的融合方法，继而将其拓展至五条主要入湖河流及其不同子流域，提高全流域径流模拟可信度；同时以星载激光雷达和多光谱遥感补齐湖底地形，再以HADF揭示气候与人类活动的竞争机制。研究提出的“隐性脆弱性”，突破了仅凭近期水位稳定判断湖泊恢复的局限，为中亚跨境水资源管理及数据稀缺内陆湖风险诊断提供依据。吴敬禄研究员为论文通讯作者，杨瑞彪博士为论文第一作者。

    文章信息：

    Yang, R., Wu, J.*, Gan, G., Guo, R. (2026). Disentangling the key drivers of water balance in Central Asia's Lake Balkhash: A relative contribution assessment. Hydrology and Earth System Sciences, 30, 4271-4292.https://doi.org/10.5194/hess-30-4271-2026

    Yang, R., Wu, J.* (2026). Reconstructing inland lake bathymetry in optically complex waters by fusing ICESat-2 altimetry and Sentinel-2 imagery: A case study of Lake Balkhash. Journal of Hydrology: Regional Studies, 66, 103703. https://doi.org/10.1016/j.ejrh.2026.103703

    Yang, R., Wu, J.*, Gan, G., Guo, R., Zhang, H. (2024). Combining physical hydrological model with explainable machine learning methods to enhance water balance assessment in glacial river basins. Water, 16, 3699.https://doi.org/10.3390/w16243699