基于动态Copula框架的加拿大东部河流水温与流量复合极端事件非平稳性风险评估及其对鲑鱼保护的意义

本研究针对气候变化下河流极端高温与低流量复合事件频发威胁冷水物种的问题，开发了非平稳多元风险建模框架，结合动态Copula和广义可加模型，量化了加拿大六条鲑鱼河流中水温(Tw)与流量(Q)的联合概率与条件概率。结果表明，考虑非平稳性和变量依赖性的联合模型(JNS)显著优于传统模型，揭示了气候振荡指数(SOI、NAO)与长期趋势共同驱动风险变化，为水生生态系统保护提供了关键预测工具。

　　

随着全球气候变化的加剧，复合水文气候极端事件的发生频率和强度日益增加，对冷水水生生态系统构成了严重威胁。特别是在北美地区，大西洋鲑鱼(Salmo salar)等冷水性生物对水温升高和低流量条件极为敏感，这些环境压力会导致其生理功能受损甚至死亡。尽管已有研究通过单变量频率分析(FA)预测水文极端事件，但这种方法忽略了变量间的相互依赖性，可能低估了实际生态风险。近年来，虽然Copula函数被用于刻画变量间的依赖结构，但针对河流热力状况的多元建模仍然较为有限，且非平稳性（即分布参数随时间变化）的影响尚未得到充分探讨。

在此背景下，研究人员在《Journal of Environmental Management》上发表了一项研究，开发了一个非平稳多元风险建模框架，用于评估加拿大东部六条未受人为调控的大西洋鲑鱼河流中夏季极端河水温度(Tw)与同期低流量(Q)的联合行为。该研究利用动态可加Copula方法，通过引入大尺度气候振荡指数（如SOI和NAO）和时间趋势项来刻画非平稳性，并对联合非平稳模型(J_NS)、联合平稳模型(J_S)和单变量非平稳模型(U_NS)进行了系统比较。

研究团队采用了来自CEQUEAU水文-热力模型的模拟日数据（覆盖1979–2020年），选择了各流域最下游的潜在站点(CP(Potential))进行分析。通过年最大值采样提取夏季日平均Tw及同期Q，并利用L矩比图(L-MRD)和广义可加模型(GAM)等技术，对边际分布参数和Copula依赖结构进行建模。参数估计采用惩罚似然框架和信任域算法，同时计算了1000次模拟系数向量用于置信区间估计。

研究结果显示：

• •
  在所有站点中，Tw和Q之间均存在显著的负相关关系（Kendall’s τ介于-0.48至-0.21），旋转的Archimedean Copula（Gumbel和Joe）最适合刻画这种依赖结构。
• •
  非平稳联合模型(J_NS)在所有站点均显著优于J_S和U_NS模型，其AIC和BIC值更低，且能更准确地捕捉长期依赖关系。U_NS模型因假设变量独立，系统性地低估了AND型联合概率（低估幅度高达25%）。
• •
  时间趋势项表明，Tw极端值在多数河流中呈现显著上升趋势，而SOI（南方振荡指数）和NAO（北大西洋振荡指数）分别对Tw和Q的变异性有显著影响。负相位SOI（厄尔尼诺条件）和NAO会增加Tw和低流量事件的变异性，而正相位（拉尼娜条件）则与较高的联合及条件超越概率相关（如Restigouche河联合概率上升66%）。
• •
  通过双变量分位数估计发现，非平稳性导致风险结构发生明显变化。例如，在Dartmouth河，当SOI为-1.5时，Tw极端值范围扩大（22.7–26.2°C），而SOI为0.25时范围缩小（22.6–23.9°C）。条件概率分析表明，P(Tw ≥ a | Q ≤ b)在所有站点（除Wilmot外）均呈上升趋势，反映了复合事件风险的增加。
• •
  生态风险量化显示，一些河流中Tw超过23°C且Q低于特定阈值的复合事件概率已超过70%，这对大西洋鲑鱼的生存构成了严重威胁。

研究结论强调，气候变化（时间趋势）和气候变率（teleconnection indices）共同驱动了河流极端热力和水文事件的变化。忽略非平稳性和变量间依赖性的传统模型会显著低估生态风险，而本研究提出的动态Copula框架为精确评估复合事件风险提供了有效工具。该研究不仅推进了多变量非平稳风险评估的理论方法，还为水产保护、水资源管理和气候变化适应策略提供了科学依据。未来研究可进一步探索非参数Copula和神经网络Copula的应用，并将模型扩展至包含溶解氧等生态指标的多维场景，以更全面地评估复合生态系统压力。