全球水文气候变化检测参考观测站（ROBIN）：首个国际近自然流域径流数据集

为解决人类活动干扰下全球径流趋势检测难题，由英国生态与水文中心（UKCEH）领衔的国际团队建立了首个专注于近自然流域的全球参考水文网络（RHN）数据集ROBIN。该研究整合30个国家3,060个站点的长期高质量径流数据，通过两级筛选标准（Level 1/2）区分极端流量与月均流量分析适用性，并利用CARAVAN工具提取流域属性。数据集覆盖全球主要水文带（Hydrobelts），填补了自然基线数据的空白，为IPCC报告等气候政策提供关键观测依据，推动水文模型校准与人为干扰量化研究。

　　

水文系统对气候变化的响应是当前环境科学的核心议题之一，但人类活动（如筑坝、灌溉）对河流的广泛改造使得气候驱动的径流趋势难以剥离。尽管各国建立了参考水文网络（Reference Hydrometric Networks, RHNs），但数据分散、标准不一，全球尺度分析长期受限。例如，IPCC报告因缺乏可靠观测数据而对洪旱趋势结论保守。在此背景下，英国生态与水文中心（UKCEH）联合30国67名专家，推出首个国际近自然流域径流数据集ROBIN，旨在为气候驱动的水文变异研究提供纯净“信号”。

研究团队通过两级标准筛选站点：Level 1要求流域人类干扰≤10%、40年以上高精度数据，适用于极端流量分析；Level 2放宽至20%干扰和20年记录，支持月均流量研究。数据整合中，利用HydroSHEDS³²生成流域边界，并通过CARAVAN³³提取气候、土壤等静态属性。质量控制结合人工筛查（如异常值检测）与Budyko⁴⁴框架验证，确保83%站点水平衡合理。

数据记录
ROBIN包含3,060个站点（2,386个公开），覆盖8大水文带（Hydrobelts），其中北半球中纬度（NML）站点占比58%。数据时间跨度达158年（1863-2022），73%站点记录长度超40年，88%数据完整度≥90%。

技术验证
通过Budyko空间分析，83%站点落在理论曲线附近，异常值归因于ERA5-Land降雨数据误差或岩溶区特殊水文。与GSIM数据集对比显示，ROBIN因专注近自然流域，其径流特征更贴近气候驱动模式，如亚马逊流域高均值流量与澳大利亚强变异性。

使用说明
Level 1数据适用于洪旱极端事件研究，Level 2可用于区域水均衡分析。数据集还支持水文模型校准、人为干扰基线制定（如IAHS Panta Rhei计划）及生态流量评估。

该研究首次构建了全球统一的近自然径流观测网络，解决了气候信号提取的核心瓶颈。未来将通过扩大站点覆盖（尤其赤道地区）和融合机器学习质控方法提升数据代表性。ROBIN为IPCC评估及全球水文模型提供了不可替代的观测基准，标志着水文气候变化检测从碎片化走向系统化。