湖泊水温变化归因是厘清气候变化和人类活动等环境压力如何影响湖泊热平衡及水生态过程的关键。围绕该主题，中国科学院南京地理与湖泊研究所、南京大学、英国班戈大学等单位多名学者在Nature Communications发表题为“Impact attribution of anthropogenic forcing on lake surface temperature”的重要研究成果。

    湖泊普遍变暖是气候变化和人类活动共同作用的结果，对水质、水资源安全和依赖湖泊的生态环境及人类社会产生广泛而深远的负面影响。人类活动通过改变大气温室气体浓度等方式影响地球系统的能量平衡，进而引发气候变化，成为影响局地湖泊水温的重要因素。在这一过程中，外部强迫产生的气候信号会经由气候系统逐级传递，并最终体现在湖泊水温变化中。因此，湖泊水温归因着眼于已经发生的水温变化，从中识别气候系统外部强迫（包括人为和自然强迫）经由气候系统传递至湖泊的影响信号，并进一步识别人类活动产生的影响，判断其对全球湖泊变暖的作用程度和贡献。

    这一研究思路与气候变化检测与归因（Detection and Attribution, D&A）研究一脉相承。D&A是气候变化科学的重要研究方向，也是政府间气候变化委员会（IPCC）第一工作关注的核心问题之一，主要回答“观测到的气候变化是否能够归因于人类活动，以及人为和自然因素分别贡献了多少”。当前，针对全球湖泊水温这一重要生态环境指标的人为气候变化归因仍缺乏系统认识。本研究填补了这一关键空白，为湖泊系统的气候影响评估、生态环境风险认识以及气候变化责任认定提供了重要科学依据。

    研究融合卫星观测约束数据与数值模型，重构了1950至2020年全球约60万个湖泊的表层水温长时序数据。进一步结合第六次国际耦合模式比较计划（CMIP6）检测与归因模式比较计划（DAMIP）和土地利用模式比较计划（LUMIP）中隔离特定变量的单一因子模拟试验，模拟了湖泊表层水温对人为温室气体排放、人为气溶胶排放和土地利用等特定信号的响应。最终，利用最佳指纹法首次全面揭示了不同外强迫因子对全球和区域尺度湖泊表层水温变化的定量贡献。最优指纹法是气候变化检测与归因研究中广泛使用的经典方法，其核心思想是将观测到的变化与不同外部强迫下气候系统模拟的响应“指纹”进行匹配。通过比较观测变化与人为、自然等不同强迫指纹的相似程度，可以识别哪些外部因素的影响信号已经出现在观测中，并进一步估计其对实际变化的贡献。

    研究首先重构了1950–2020年全球约60万个湖泊的表层水温变化，发现全球湖泊经历了广泛而显著的升温。进一步分析发现，全球湖泊热敏感性（湖泊水温升温速率与气温升温速率之比）约为0.41，表明湖泊水温升温总体慢于气温；但在夏季分层期，热敏感性升高至0.67，显示湖泊水温对大气变暖的响应明显增强。不同湖泊之间也存在显著差异，其中水深25–50米的中等深度湖泊表现出较高的热敏感性。

    检测与归因分析明确了温室气体对全球湖泊变暖的主导作用。1950–2020年间，全球湖泊表层水温实际升高0.47 °C，其中人为强迫贡献了0.71 °C [0.56, 0.87]，而温室气体单独贡献了0.95 °C [0.74, 1.17]，部分升温被工业气溶胶造成的−0.28 °C [−0.44, −0.13]冷却效应所抵消。同期温室气体驱动的大气升温达到1.87 °C [1.33, 2.49]，表明其中约一半的增温信号最终传递并体现在了全球湖泊表层水温中。这一结果从定量上揭示了人为气候变化向湖泊热状态传递的全球尺度特征。

    区域分析表明，温室气体指纹已经广泛存在于全球不同区域的湖泊水温变化中。在44个研究区域中，有23个区域稳健检测并归因到温室气体信号，主要集中于北半球中高纬度地区；欧洲南部、东南亚等区域还受到气溶胶冷却作用的显著调制，东南非洲等区域则表现出土地利用变化的局地影响。在大多数区域，温室气体导致的湖泊升温幅度低于同期大气升温，但在中美洲、东南亚和澳大利亚北部等热带及亚热带地区，湖泊水温升温可达到甚至超过大气升温。

图1. 1950至2020年湖泊表层水温变化速率。空间格局分别展示了（a）重建观测（OBSrecon）和（b）CMIP6多模式集合平均ALL试验的结果。打点区域表示变化速率显著（p < 0.05）。（c）OBSrecon和各单因子试验中全球年均湖泊表层水温异常。

图2. 湖泊的热敏感性，定义为湖泊表层水温变化速率与气温变化速率的比值。（a–b）由网格尺度的全年（a）和夏季（b）变化速率计算得到的结果。（c）热敏感性与水深的关系，仅展示表层水温和气温趋势均显著（p < 0.05）的湖泊。

图3. 全球尺度上人为和自然强迫对湖泊表层水温的影响。单信号（ALL）、双信号（ANT和NAT）以及三信号（GHG、AER和NAT）检测与归因分析得出的缩放因子。每个分析呈现三组结果：中央空心圆和误差棒表示基线结果，误差棒表示95%置信区间；左侧（浅灰）和右侧（彩色）阴影部分分别描述了由重建的观测（OBSrecon）和指纹传递的不确定性。对于这两组不确定性，浅色阴影表示所有自助采样结果的上下界；内部实心圆柱由自助采样最佳估计值组成。

图4. 区域尺度上人为和自然强迫对湖泊表层水温的影响。（a）温室气体（GHG）、（b）气溶胶（AER）和（c）自然强迫（NAT）的三信号检测与归因分析。六边形的边框表示结论在所有不确定性情景下的稳健性。黑色粗边框表示检测与归因结论稳健。

图5. 区域尺度上GHG、AER和NAT三信号分析中温室气体（GHG）信号的缩放因子。结果呈现形式同图3，三组柱状图分别表示基线结果（中间）、观测不确定性（左侧）和指纹不确定性（右侧）。图中仅绘制了信号能够被稳健检测或归因的区域。

图6. 有无土地利用强迫的双信号检测与归因结果。（a–b）分别为LU和NOLU信号的区域尺度结果，展示方式同图4。（c）东非南部（SEAF）分析中LU和NOLU的缩放因子。（d）全球尺度分析中NOLU的缩放因子。（c–d）中的结果呈现形式同图3，三组柱状图表示基线结果（中间）、观测不确定性（左侧）和指纹不确定性（右侧），并且仅绘制了信号能够被稳健检测或归因的区域。

图7. 1950–2020年期间湖泊表层水温的可归因趋势。（a）全球尺度上重建观测揭示的水温变化以及可归因于外强迫的温度变化。柱状图表示最佳估计值，误差棒表示95%置信区间。（b）区域尺度上可归因于GHG的水温变化。无法检测到GHG信号的区域由浅灰色六边形表示。

图8. 可归因于温室气体排放的气温变化和水温变化。圆形标记、水平和垂直误差棒分别由最佳缩放因子及其95%置信区间计算得到。

    该研究证实了人类温室气体排放对全球湖泊热力结构的深远影响，为全球气候责任认定、损益评估以及未来水资源适应性管理提供了关键的科学依据。论文第一作者为中国科学院南京地理与湖泊研究所和南京大学联合培养博士研究生王溪雯，通讯作者为施坤研究员，合作者包括英国班戈大学的R. Iestyn Woolway博士以及中国科学院南京地理与湖泊研究所秦伯强研究员。论文数据已发布于科学数据银行：https://doi.org/10.57760/sciencedb.44684。

    文章信息：Wang, X., Shi, K.#, Qin, B., Woolway, R. (2026). Impact attribution of anthropogenic forcing on lake surface temperature. Nature Communications, https://doi.org/10.1038/s41467-026-76221-z.