东洞庭湖水位模拟及水情变化归因.pdf

第 42 卷第 8 期 水 力 发 电 学 报 Vol.42,No.8 2023 年 8 月 Journal of Hydroelectric Engineering Aug.2023 收稿日期：收稿日期：2023-02-20 接受日期：接受日期：2023-04-11 基金项目：基金项目：湖南省水利科技重大项目(XSKJ2021000-03;XSKJ2019081-05)作者简介：作者简介：邹吉湖(1999),男,硕士生.E-mail: 通信作者：通信作者：黄峰(1987),男,副教授.E-mail: 东洞庭湖水位模拟及水情变化归因 邹吉湖1，黄予宁2，黄 峰1，申幸志3，钱 湛3，姜 恒3，韩 帅3（1.河海大学 水文水资源学院，南京 210098；2.河海大学 水利水电学院，南京 210098；3.湖南省水利水电勘测设计规划研究总院有限公司，长沙 410007）摘摘 要：要：东洞庭湖水文情势近年来发生了较大变化，需要评估不同驱动因子对水文情势变化的贡献量。构建长短时记忆神经网络模型模拟东洞庭湖水位变化过程，采用水文改变指标分析东洞庭湖水文情势，并设置情境进行分析，评估长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖水文情势变化的贡献量。结果表明：长江干流流量变化是东洞庭湖丰水期水位下降和枯水脉冲平均历时减少的主要驱动因子。四水入湖流量变化是东洞庭湖水位逆转次数增加的主导因素。地形条件变化显著拉低了东洞庭湖枯水期水位，对东洞庭湖水位主要表现为拉低作用。研究成果可为东洞庭湖水资源管理与利用提供科学依据，为其他河流、湖泊等水系的水情变化归因研究提供参考。关键词：关键词：东洞庭湖；水文情势变化；驱动因子；贡献量；长短时记忆神经网络 中图分类号：中图分类号：TV213.4 文献标志码：文献标志码：A DOI:10.11660/slfdxb.20230805 论文引用格式：论文引用格式：邹吉湖,黄予宁,黄峰,等.东洞庭湖水位模拟及水情变化归因J.水力发电学报,2023,42(8):42-50.ZOU Jihu,HUANG Yuning,HUANG Feng,et al.Simulations of water levels in East Dongting Lake and attribution analysis of its hydrological regime changes J.Journal of Hydroelectric Engineering,2023,42(8):42-50.(in Chinese)Simulations of water levels in East Dongting Lake and attribution analysis of its hydrological regime changes ZOU Jihu1,HUANG Yuning2,HUANG Feng1,SHEN Xingzhi3,QIAN Zhan3,JIANG Heng3,HAN Shuai3(1.College of Hydrology and Water Resources,Hohai University,Nanjing 210098,China;2.College of Water Conservancy and Hydropower Engineering,Hohai University,Nanjing 210098,China;3.Hunan Water Resources and Hydropower Survey,Design,Planning and Research Co.,Ltd.,Changsha 410007,China)Abstract:The hydrological regime in East Dongting Lake has changed greatly in recent years;it needs an evaluation on the contributions of different driving factors to the regime change.This study constructs a long short-term memory neural network model to simulate the lakes water level variations,and uses the indicators of hydrological alteration(IHA)to evaluate the existing hydrological regime.Four scenarios are examined for the major contributing factors:changes in the flow in the Yangtze mainstream and the lakes four tributaries,and changes in its topographic conditions.The results show that the Yangtze flow changes are the main factor driving the drop in flood season water levels in the lake and the shortened average duration of its low water level pulses.The tributary flow changes are the main factor driving the increase in the number of the lakes water level reversals.The topographic changes have significantly 邹吉湖，等：东洞庭湖水位模拟及水情变化归因 43 lowered its water level,and this effect is significant in the dry season.The results help manage the lakes water resources and evaluate hydrologic regime change factors for other river systems.Keywords:East Dongting Lake;hydrologic regime changes;driving factor;contribution;long short-term memory neural network 0 引言引言 洞庭湖是我国第二大淡水湖，具有提供饮用水源、渔业生产、维持长江中游生态平衡等多种社会、经济、生态功能1。东洞庭湖是洞庭湖的主体部分之一，是洞庭湖湖泊群中面积最大的湖泊，在洞庭湖的防洪、用水安全保障、生态保护等方面发挥着重要的作用2-3。有研究表明，在 2003 年之后，长江上游和洞庭湖流域四水（湘江、资水、沅江、澧水）的来水偏少，洞庭湖水位总体呈下降趋势，尤其是退水期的 10 月份，水位下降最为明显4-5。在三峡工程蓄水运行后，松滋、太平、藕池三口入湖水量锐减，使东洞庭湖周边地区的农业灌溉、生活供水等问题更加突出4,6。2003 年之后，洞庭湖旱季水位降低，枯水时段延长，尤其是 2011 年，洞庭湖水面面积大幅减少，出现了近 3 个月的极低水位时期7。近几十年来，受水利工程建设等人类活动和全球气候变化的影响，东洞庭湖的水文情势发生了明显变化，并且对湖泊周边地区的生态安全造成威胁。东洞庭湖水文情势主要受气候因素、三峡水库调度运行、洞庭湖流域四水入流、湖区取用水和采砂等因素的综合影响8。气候变化影响了三口和四水的来水，从而影响东洞庭湖水位。三峡水库蓄水运行拦截了大量的泥沙，使清水下泄冲刷下游河床，由长江进入东洞庭湖的分沙量减少，洞庭湖冲刷、淤积状态发生改变9-10。同时，三峡水库运行使洞庭湖出湖口处的顶托、消落作用发生改变，从而影响到东洞庭湖的水位11。采砂活动会改变湖床形态，改变湖区的地形特征，使湖泊蓄水能力发生变化，从而导致湖泊水位变动12。因此，东洞庭湖水文情势可归纳为主要受四水入湖流量、长江干流流量等水文因子以及地形条件的共同影响。已有的研究提出了许多关于水文情势的研究方法与评价指标，目前运用较广的是 Richter 等13提出的水文改变指标（indicators of hydrological alteration，IHA）。该指标体系可以用来评估河流、湖泊的水文情势变化程度，是一种便捷、有效的水文情势变化研究手段14-15。关于洞庭湖水文情势变化的归因分析，目前的研究主要集中于分析不同驱动因素对洞庭湖各月份水位的影响，如史璇等16使用多元相关分析方法，研究了三峡工程、降水量、三口和四水来水等因素对洞庭湖各月水位变化的影响。何征等17探究了江湖水量交换变化与洞庭湖季节性水情变化的关系，发现在丰水期，三口分流量减小会降低湖泊水位；在枯水期，长江水位上升对湖泊顶托作用增强，湖泊水位略有抬升。Liang等18构建长短时记忆（long short-term memory，LSTM）神经网络模型分析了三峡水库运行对洞庭湖各月水位变化的贡献，结果表明洞庭湖水位在每年 911 月三峡水库蓄水期间下降明显，在枯水期则因三峡水库放水而温和上升。张睿芝等19利用改进的 LSTM 模型分析三峡水库蓄水对洞庭湖水位的影响，发现不同湖区水位受到的影响具有明显空间异质性，城陵矶站受影响最为显著，其次为东洞庭湖和西洞庭湖，南洞庭湖受影响最小。现有的洞庭湖水文情势变化归因研究中，将不同驱动因子对洞庭湖区各水文指标变化贡献进行量化的研究较少，且较少地考虑到地形条件变化对洞庭湖区水文情势变化产生的影响。因此，需要进一步探讨水文因子和地形条件对洞庭湖水文情势变化的贡献量，厘清洞庭湖水文情势变化的发生机制。本研究采用 IHA 指标表征东洞庭湖的水文情势，依据长江干流、四水实测逐日流量资料和东洞庭湖实测逐日水位资料，构建 LSTM 神经网络模型模拟东洞庭湖水位的变化过程，设置情境进行分析，量化长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖水文情势变化的贡献，为东洞庭湖水资源利用和调控提供理论参考。1 研究区域及数据研究区域及数据 洞庭湖位于长江中游荆江河段的南岸，分别承接长江的三口分流和湖南的四水等支流入湖，经湖区调蓄后由出湖口城陵矶处注入长江20。洞庭湖主要由东洞庭湖、南洞庭湖、西洞庭湖三部分组成，其中东洞庭湖位于洞庭湖区的东部，在出湖口处直44 水力发电学报 接与长江干流连通。东洞庭湖水位随季节变化较明显，每年 46 月为涨水期，79 月为丰水期，1011 月为退水期，12 月次年 3 月为枯水期21。使用的研究数据如下：19882019 年四水入流逐日平均流量，包括湘江湘潭站、资水桃江站、沅江桃源站、澧水石门站；19882019 年长江干流逐日平均流量，以宜昌站为代表站；19882019年东洞庭湖逐日水位，以鹿角站为控制站。各水文站点分布如图 1 所示，水位数据采用冻结基面。图图 1 洞庭湖流域观测站点分布洞庭湖流域观测站点分布 Fig.1 Distribution of gauge stations in the Dongting Lake basin 2 研究方法研究方法 2.1 启发式分割算法检测水位突变点启发式分割算法检测水位突变点 启发式分割算法是 Bernaola-Galvn 等22提出的一种用于处理非线性、非平稳序列的均值突变检测方法，该检测方法能够克服传统统计检验方法对于检测序列平稳性和线性的需求。该方法依次统计待检测序列每个点左边和右边部分均值差异的统计显著性，统计显著性越大意味着该点左、右两部分的均值差异越显著，通过判断统计显著性是否达到分割要求来确定均值突变点。本研究中使用该方法检测鹿角站年平均水位序列的均值突变点。2.2 LSTM 神经网络模拟水位神经网络模拟水位 LSTM 神经网络23是一种改进的循环神经网络（recurrent neural network，RNN），能够有效解决RNN在模型训练中的梯度消失、梯度爆炸问题。LSTM 模型能实现具有长期依赖时间序列的精准建模，被广泛应用于文本分析、机器翻译、水文预报等众多领域中24-25。以东洞庭湖鹿角站年平均水位的均值突变点为界，将各站点逐日水文资料划分 为两时段，即突变前时段和突变后时段。利用突变前时段的水文资料构建一个LSTM神经网络模型，即基准模型，并利用突变后时段的水文资料构建一个 LSTM 神经网络模型，即现状模型。两个模型都为 6-100-1 结构，在逐日模拟东洞庭湖水位时，输入层为 6 个神经元，包括长江干流宜昌站当天的流量、四水 4 个水文站当天的流量和东洞庭湖鹿角站前一日水位；隐含层为 100 个神经元，使用基于梯度下降的 Adam 算法实现参数的更新，损失函数选用均方误差（mean square error，MSE）；输出层为 1 个神经元，即鹿角站当天的模拟水位。利用突变前时段和突变后时段的水文资料构建模型时，均以研究数据的前 75%为训练期，后 25%为测试期。基准模型和现状模型分别用于模拟水位发生突变之前和水位发生突变之后，东洞庭湖水位对长江干流流量及四水入湖流量的响应过程。两个模型的结构一致，在控制两个模型输入的长江干流流量及四水入湖流量相同时，两个模型输出层模拟水位的差异可以认为主要是由地形条件变化引起的。采用 纳 什 效 率 系 数（Nash-Sutcliffe efficiency 邹吉湖，等：东洞庭湖水位模拟及水情变化归因 45 coefficient，NSE）、皮尔逊相关系数（Pearson correlation coefficient，R）和均方根误差（root mean square error，RMSE）评估模型的模拟精度。NSE越接近于 1，R 越接近于 1，且 RMSE 趋近于 0 时，模型的精度越高。2.3 情境分析设置情境分析设置 为分析长江干流流量变化、四水入湖流量变化以及地形条件变化对东洞庭湖水位变化的贡献，设置如表 1 中的 4 种情境进行分析，可得到 H1 H4四组东洞庭湖逐日模拟水位序列。在 4 种情境中，输入层中鹿角站前一日水位的初始值采用实测值，后续输入的鹿角站前一日水位采用前一日的模拟水位。以情境 1 为例，模拟 1988 年 1 月 2 日的东洞庭湖水位时，以1988年1月2日的宜昌站流量、四水入湖流量和 1988 年 1 月 1 日的鹿角站实测水位作为输入；模拟 1988 年 1 月 3 日的东洞庭湖水位时，以 1988 年 1 月 3 日的宜昌站流量、四水入湖流量和 1988 年 1 月 2 日的鹿角站模拟水位作为输入。水位模拟序列H1的IHA指标可反映东洞庭湖在水文和地形条件均未改变时的水文情势，水位模拟序列H2的IHA指标可反映东洞庭湖在长江干流流量改变后的水文情势，水位模拟序列 H3的 IHA指标可反映东洞庭湖在长江干流流量和四水入湖流量都改变后的水文情势，水位模拟序列 H4的IHA 指标可反映东洞庭湖在长江干流流量、四水入湖流量和地形条件均改变后的水文情势。对比各序列 IHA 指标的差异可得长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖水文情势变化的贡献量。需要指出的是，统一分析各情境下的模拟水位数据，以此来计算各驱动因子的贡献量，这可以在一定程度上减小误差带来的影响。计算 IHA 指标时，依据东洞庭湖水位变化特征，以 4 月次年 3月作为水文年。3 结果与讨论结果与讨论 3.1 鹿角站年平均水位序列突变检测结果鹿角站年平均水位序列突变检测结果 采用启发式分割算法分析东洞庭湖鹿角站19882019 年年平均水位序列的均值突变点，检测到鹿角站 2004 年年平均水位的统计显著性为0.98，表明东洞庭湖水位在 2004 年发生了均值突变（见图 2）。表表 1 4 种情境设置情况种情境设置情况 Table 1 Setting of four scenarios 情境 模型 长江干流 四水入流 序列对比序列 结果 1 基准模型 突变前时段流量 突变前时段流量 H1 H2 H1 长江贡献量 2 基准模型 突变后时段流量 突变前时段流量 H2 H3 H2 四水贡献量 3 基准模型 突变后时段流量 突变后时段流量 H3 H4 H3 地形贡献量 4 现状模型 突变后时段流量 突变后时段流量 H4 H4 H1 总变化量 图图 2 鹿角站年平均水位序列均值突变检测鹿角站年平均水位序列均值突变检测 Fig.2 Mean mutation detection of the annual mean water level series of Lujiao Station 46 水力发电学报 3.2 模型训练、测试及验证结果模型训练、测试及验证结果 根据均值突变检验结果，以 2004 年为界，将各站点逐日水文资料划分为突变前时段（19882003 年）和突变后时段（20042019 年），以此来构建基准模型和现状模型。基准模型以 19881999 年为训练期，20002003 年为测试期；现状模型以 20042015 年为训练期，20162019 年为测试期。图 3 和图 4 分别为基准模型和现状模型的训练、测试结果。在图 3 和图 4 中，实测水位与模拟水位的吻合情况较好，NSE 和 R 均为 0.99，RMSE 变化范围在 0.11 0.16 m 之间，表明模型模拟精度较高。图 5 是情境 1 和情境 4 的东洞庭湖水位模拟结果，这 2 种情境的 NSE 和 R 均大于等于 0.96，且 RMSE 分别为 0.47 m 和 0.61 m，说明基准模型和现状模型可用于东洞庭湖水文情势变化归因分析研究。图图 3 基准模型的模拟水位与实测水位对比基准模型的模拟水位与实测水位对比 Fig.3 Water level simulated using the benchmark model compared to the measurement 图图 4 现状模型的模拟水位与实测水位对比现状模型的模拟水位与实测水位对比 Fig.4 Water level simulated using the present model compared to the measurement （a）情境 1 模拟结果 （b）情境 4 模拟结果 图图 5 情境情境 1 和情境和情境 4 东洞庭湖水位模拟结果东洞庭湖水位模拟结果 Fig.5 Results of water level simulations for East Dongting Lake in Scenarios 1 and 4 邹吉湖，等：东洞庭湖水位模拟及水情变化归因 47 3.3 归因分析结果归因分析结果 3.3.1 各驱动因子对东洞庭湖月平均水位的影响各驱动因子对东洞庭湖月平均水位的影响 长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖月平均水位变化的贡献量如图 6 所示。长江干流流量变化对东洞庭湖 16 月月平均水位起抬升作用，贡献量为 0.16 0.29 m。在枯水期，三峡水库泄水发电抬高了下游的水位，另外，为了保留防洪库容，三峡水库在 6 月前会进行一定预泄，也会使下游的水位抬高，从而使长江干流对东洞庭湖出湖口处的顶托作用增强，影响东洞庭湖水位17,26。但是在 6 月份，三峡水库预泄可能会增加四水水系洪水与长江洪水相遇的概率，增加洞庭湖区防洪压力27-28。长江干流流量变化是东洞庭湖 710 月月平均水位下降的主要驱动因子，贡献量为 0.74 1.32 m，并且在 10 月份贡献量（1.32 m）达到最大。三峡水库在主汛期（6 月中旬9 月下旬）入库流量偏大时，会根据下游防洪要求拦洪蓄水，并在汛末的 10 月份，逐步蓄水至175 m，三峡水库汛期蓄水使长江干流水位下降，三口流入洞庭湖的水量减少，从而削减东洞庭湖水位，三峡水库在拦蓄洪水、减轻下游地区汛期洪水威胁方面发挥了显著作用29-30。四水入湖流量变化对东洞庭湖 24 月和 710 月的月平均水位起拉低作用，贡献量为 0.16 0.49 m，对东洞庭湖 1 月、6 月、12 月月平均水位具有抬升作用，贡献量为 0.2 0.34 m。在 710月，四水入湖流量变化与长江干流流量变化对东洞庭湖水位变化的作用相同，均为拉低湖区的水位，这可能与四水流域因防洪、发电等需求而修建水利工程的运行有关。水库运行调度导致下游径流量的变化，从而拉低东洞庭湖汛期的洪峰水位31。可以看出，长江干流流量变化和四水入湖流量变化等水文因子对东洞庭湖丰水期水位起到了明显的拉低作用。地形条件变化是东洞庭湖 11 月次年 3 月月平均水位下降的主要驱动因子，贡献量为 0.46 0.82 m，并且对东洞庭湖 46 月月平均水位起拉低作用，贡献量为 0.34 0.44 m。在枯水期，地形条件变化对东洞庭湖水位表现为显著的拉低作用，这与水文因子对东洞庭湖水位变化的作用相反。三峡水库运行后，东洞庭湖逐渐由淤积状态转变为冲刷状态，同时，受到采砂活动等影响，东洞庭湖地形条件发改变32。洞庭湖大规模的采砂活动开始于 2006 年，每年的 410 月为采砂旺季，在 2015年，洞庭湖水系年采砂量维持在 1.3 亿 t 左右33-34。地形条件变化对东洞庭湖水位主要表现为拉低作用，对东洞庭湖水情的变化影响显著。图图 6 长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖月平均水位变化的贡献量长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖月平均水位变化的贡献量 Fig.6 Contributions of the changes in the flow of the mainstream Yangtze,the changes in the stream flows of four tributaries into the lake,and the changes in topographic conditions to the changes in monthly mean water level in East Dongting Lake 3.3.2 各驱动因子对东洞庭湖年极端水位的影响各驱动因子对东洞庭湖年极端水位的影响 长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖年极端水位变化的贡献量如图 7 所示。长江干流流量变化对东洞庭湖最低 1、3、7、30、90 日平均水位起微弱的抬升作用，贡献量为0.12 0.17 m，并且大幅度拉低了东洞庭湖最高 1、3、7、30、90 日平均水位，贡献量为 0.81 1.1 m。这与王丽婧等35在洞庭湖水情变化研究中的结论一致，三峡水库在枯水期泄水能对洞庭湖水位起到微弱的抬升作用，具有一定的补水效应，同时，三峡水库在汛期拦蓄洪水能够削减洞庭湖洪峰水位，削峰作用明显。四水入湖流量变化对东洞庭湖最低1、3、7、30、90 日平均水位起微弱的抬升作用，贡献量为 0.12 0.18 m，并且拉低了东洞庭湖最高1、3、7、30、90 日平均水位，贡献量为 0.29 0.67 48 水力发电学报 m，这与长江干流流量变化对东洞庭湖年极端水位变化的作用相同，但效果不如前者显著。地形条件变化显著拉低了东洞庭湖最低 1、3、7、30、90 日平均水位，贡献量为 0.8 0.87 m，这与水文因子起到的作用相反。地形条件变化显著的改变了东洞庭湖年极低水位状况，可能会对湖区的栖息地条件、生物群落分布等产生影响14。图图 7 长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖年极端水位变化的贡献量长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖年极端水位变化的贡献量 Fig.7 Contributions of the changes in the flow of the mainstream Yangtze,the changes in the stream flows of four tributaries into the lake,and the changes in topographic conditions to the changes in annual extreme water level in East Dongting Lake 3.3.3 各驱动因子对东洞庭湖年极端水位出现时间、高低脉冲次数与平均历时、水位变化率及频率的影响各驱动因子对东洞庭湖年极端水位出现时间、高低脉冲次数与平均历时、水位变化率及频率的影响 长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖年极端水位出现时间、高低脉冲次数与平均历时、水位变化率及频率等指标变化的贡献量如图 8 所示。长江干流流量变化使东洞庭湖年最低水位出现时间推迟了 10 天左右，使东洞庭湖枯水脉冲次数有所增加，枯水脉冲平均历时明显减少。长江干流流量变化导致东洞庭湖涨水率和落水率下降，并使东洞庭湖水位逆转次数增加了约 3 次。四水入湖流量变化使东洞庭湖年最高水位出现时间提前了 9 天左右，使东洞庭湖枯水脉冲次数增加、洪水脉冲次数减少、洪水脉冲平均历时增加。四水入湖流量变化使东洞庭湖的涨水率和落水率下降，是东洞庭湖水位逆转次数增加的主要驱动因子，使其增加了接近 4 次。地形条件变化使东洞庭湖年最低水位出现时间和年最高水位出现时间都推迟了 10天左右。图图 8 长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖年极端水位出现时间、高低脉冲次数与平均历时、水位变化率及频率等指标变化的贡献量长江干流流量变化、四水入湖流量变化和地形条件变化对东洞庭湖年极端水位出现时间、高低脉冲次数与平均历时、水位变化率及频率等指标变化的贡献量 Fig.8 Contributions of the changes in the flow of the mainstream Yangtze,the changes in the stream flows of four tributaries into the lake,and the changes in topographic conditions to the changes in the timing of annual extreme water level,the frequency and duration of high and low pulses,and the rate and frequency of water level in East Dongting Lake 4 结论结论 本研究以东洞庭湖区为研究对象，构建了LSTM 神经网络模型模拟东洞庭湖水位的变化过程，采用 IHA 指标表征东洞庭湖水文情势，通过情境分析计算了长江干流流量变化、四水入湖流量变化以及地形条件变化对东洞庭湖水文情势变化的贡献量，主要研究结论如下：（1）东洞庭湖鹿角站年平均水位在 2004 年发生了均值突变。基准模型和现状模型中实测水位与模拟水位的吻合情况较好，模型模拟精度较高，适用于洞庭湖水情变化归因研究。邹吉湖，等：东洞庭湖水位模拟及水情变化归因 49 （2）长江干流流量变化是东洞庭湖丰水期水位下降的主要驱动因子，贡献量为 0.74 1.1 m，对东洞庭湖 10 月份水位的拉低效果最为显著，同时是东洞庭湖年极高水位降低的主导因素，贡献量为 0.81 1.1 m。长江干流流量变化对东洞庭湖枯水期水位和年极低水位起微弱的抬升作用，对东洞庭湖枯水脉冲平均历时起较强的削减作用。在三峡水库运行影响下，长江干流流量变化能在枯水期对东洞庭湖起到一定的补水效应，并在减轻东洞庭湖丰水期的洪水威胁方面起到了重要作用。（3）四水入湖流量变化对东洞庭湖丰水期水位和年极高水位都起拉低作用，对东洞庭湖年极低水位起微弱的抬升作用，并使东洞庭湖水位逆转次数显著增加，这与长江干流流量变化引起的东洞庭湖水位变化趋势相同。水文因子对东洞庭湖丰水期水位和年极高水位的拉低效果显著。（4）地形条件变化是东洞庭湖枯水期水位下降的主要驱动因子，贡献量为 0.46 0.82 m，并且显著拉低了东洞庭湖年极低水位，贡献量为 0.8 0.87 m。地形条件变化对东洞庭湖水位主要表现为拉低作用，且在枯水期拉低效果最为显著。在采砂活动和三峡水库运行后清水下泄等因素的影响下，东洞庭湖地形条件发生改变，对东洞庭湖水情变化产生了显著影响。本研究中通过情境分析评估水文因子和地形变化对湖泊水情变化贡献的研究方法，可为其他河流、湖泊等水系的水情变化归因研究提供参考。但基准模型和现状模型的模拟效果仍存在进一步提升的空间，后续研究将侧重于合理地改进模拟方法，使分析结果更加精准。参考文献（参考文献（References）1 刘惠良,刘红峰.洞庭湖湿地生物多样性保护的价值评估J.中南林业科技大学学报,2021,41(10):140-147.LIU Huiliang,LIU Hongfeng.Value evaluation of biodiversity conservation in Dongting Lake wetland J.Journal of Central South University of Forestry&Technology,2021,41(10):140-147.(in Chinese)2 彭焕华,张静,梁继,等.东洞庭湖水面面积变化监测及其与水位的关系J.长江流域资源与环境,2020,29(12):2770-2780.PENG Huanhua,ZHANG Jing,LIANG Ji,et al.Monitoring the changes of water area and its relation with water levels of hydrological station in East Dongting Lake J.Resources and Environment in the Yangtze Basin,2020,29(12):2770-2780.(in Chinese)3 张晓斌,周俊杰,陈熙,等.20132018 年东洞庭湖水域面积变化遥感监测与分析J.人民长江,2022,53(S1):21-24.ZHANG Xiaobin,ZHOU Junjie,CHEN Xi,et al.Remote sensing monitoring and analysis of water area change of East Dongting Lake from 2013 to 2018 J.Yangtze River,2022,53(S1):21-24.(in Chinese)4 FANG J J,LI Y T,WANG D,et al.Modified hydrological regime on irrigation and water supply in lake areas:a case study of the Yangtze River-Dongting Lake J.Frontiers in Earth Science,2022,10:888729.5 赵贵章,董锐,王赫生,等.近 30 年鄱阳湖与洞庭湖水文变化与归因J.南水北调与水利科技(中英文),2020,18(5):74-83.ZHAO Guizhang,DONG Rui,WANG Hesheng,et al.Hydrological variations and attribution analysis of Poyang Lake and Dongting Lake in the past 30 years J.South-to-North Water Transfers and Water Science&Technology,2020,18(5):74-83.(in Chinese)6 胡光伟,张连.三峡工程运行后洞庭湖区饮用水的安全现状及影响因素分析J.科技导报,2018,36(12):86-93.HU Guangwei,ZHANG Lian.The present situation in Dongting Lake Basin after the operation of Three Gorges Project and its influencing factor of drinking water safety J.Science&Technology Review,2018,36(12):86-93.(in Chinese)7 LIU Y Z,YANG S Q,JIANG C B,et al.Hydrological drought in Dongting Lake area(China)after the running of Three Gorges Dam and a possible solution J.Water,2020,12(10):2713.8 郭振天,黄峰,郭利丹,等.鄱阳湖水文情势演变原因及对策J.长江科学院院报,2021,38(6):27-31.GUO Zhentian,HUANG Feng,GUO Lidan,et al.Causes and countermeasures of hydrological regime evolution in Poyang Lake J.Journal of Yangtze River Scientific Research Institute,2021,38(6):27-31.(in Chinese)9 魏强强,丛振涛,朱德军,等.基于洞庭湖水沙模型的荆南三河冲淤变化研究J.水力发电学报,2022,41(7):116-128.WEI Qiangqiang,CONG Zhentao,ZHU Dejun,et al.Channel evolution of river system in Dongting Lake after Three Gorges dam based on flow-sediment model J.Journal of Hydroelectric Engineering,2022,41(7):116-128.(in Chinese)10 冉雪嫣,朱德军,李丹勋.三峡水库运行后洞庭湖水沙变化及影响因素J.水力发电学报,2021,40(3):30-38.RAN Xueyan,ZHU Dejun,LI Danxun.Variations in flow and sediment in Dongting Lake and its influencing factors after operation of Three Gorges Dam J.Journal of Hydroelectric Engineering,2021,40(3):30-38.(in Chinese)11 陈栋,渠庚,郭小虎,等.三峡建库前后洞庭湖对下荆江的顶托与消落作用研究J.工程科学与技术,2020,52(2):86-94.CHEN Dong,QU Geng,GUO Xiaohu,et al.Study of the supporting and falling impact of Dongting Lake on the Lower Jingjiang River before and after construction of Three Gorges Dam J.Advanced Engineering Sciences,2020,52(2):86-94.(in Chinese)12 高耶,谢永宏,邹冬生.采砂对河道生态环境的影响及对策综述J.泥沙研究,2017,42(2):74-80.GAO Ye,XIE