编辑推荐：
在天山地区，数据稀缺和复杂水文条件导致长期完整的径流数据缺失。研究人员开展天山流域径流（TSWS）数据集相关研究，对比 HBV 和 LSTM 模型结果生成数据集。结果显示径流整体呈上升趋势，该数据集为气候和水文研究提供重要参考。
在广袤的中亚大地，天山山脉宛如一座巨型水塔，源源不断地为周边地区提供着珍贵的水资源，对当地生态保护和经济发展起着至关重要的作用。然而，长期以来，由于天山地区涉及多个国家和地区，获取全面的径流观测数据困难重重，再加上当地复杂的地形和气候条件，使得水文模型的模拟精度大打折扣。而且以往的研究大多局限于个别流域，缺乏多流域的日尺度径流模拟。这些问题严重制约了对天山地区水资源的深入了解和有效管理，就像一道道紧锁的大门，阻碍着科研人员探索的脚步。
为了打开这些大门，中国科学院新疆生态与地理研究所干旱区生态安全与可持续发展国家重点实验室的研究人员挺身而出，开展了一项极具意义的研究。他们整合国内外站点数据，运用改进的水文水资源局水文模型（Hydrologiska Byr?ns Vattenavdelning，HBV）和长短期记忆（Long Short-Term Memory，LSTM）模型，重建了天山地区的径流观测数据，成功生成了 TSWS 数据集。该数据集涵盖了 1901 - 2019 年天山 56 个流域的日径流数据和 89 个流域的月径流数据，宛如一部详细的 “径流史书”，记录了该地区近百年来的径流变化。
这项研究成果意义非凡。它不仅填补了天山小流域径流数据全面覆盖的空白，为水资源管理和气候变化影响评估提供了系统的数据支持，还为后续的气候和水文研究奠定了坚实基础，就像在黑暗中点亮了一盏明灯，为相关领域的研究指引了方向。该研究成果发表在《Scientific Data》上。
在研究过程中，研究人员运用了多种关键技术方法。首先，他们收集整合了中国《水文年鉴》和全球径流数据中心（Global Runoff Data Centre，GRDC）的水文观测数据，并从多个气象数据集中筛选出 20CRv3 - W5E5 数据集作为气象输入数据。接着，利用 HBV 和 LSTM 模型分别进行径流模拟，通过蒙特卡罗采样和贝叶斯优化方法对模型参数进行调整。最后，依据 S - 检验（Nash - Sutcliffe 效率 NSE≥0.5、百分比偏差 PBIAS≤25%、均方根误差与测量数据标准差之比 RSR≤0.7 ）评估模拟效果。
研究结果如下：
- 模型模拟效果评估：通过对训练期和测试期的模拟结果进行评估发现，LSTM 模型在径流模拟方面整体表现优于 HBV 模型。在日尺度模拟中，LSTM 模型模拟的 56 个流域中，37 个流域在训练期同时满足 S - 检验的三个标准，经校正后，40 个流域通过 S - 检验，通过率达 71.4%；在月尺度模拟中，89 个流域里 77 个流域在训练期通过 S - 检验，校正后 82 个流域通过，通过率为 92.13% 。这表明 LSTM 模型能较好地再现天山地区的径流变化。
- 不确定性分析：研究采用广义似然不确定性估计（Generalized likelihood uncertainty estimation，GLUE）方法进行不确定性分析，结果显示，无论日尺度还是月尺度，数据集的不确定性范围都与模拟结果紧密相关，且不同参数集模拟值变化范围较小，体现了研究结果的稳定性和准确性。
- 径流时空变化特征：对 LSTM 模拟的月径流数据进行分析发现，天山地区大部分流域的年径流呈现先上升（1931 - 1960 年）、后下降（1961 - 1990 年）、再上升（1991 - 2019 年）的趋势，且 1990 - 2000 年期间多数流域径流发生突变。从空间分布来看，天山地区径流深度整体呈现西高东低、南高北低的特征，且年径流深度整体呈上升趋势。季节性方面，夏季径流深度最高，春季次之，秋冬季节较低，且夏季径流深度变化较小，冬季径流深度无明显趋势。
综上所述，该研究成功构建了 TSWS 数据集，揭示了天山流域径流的时空变化规律。虽然研究存在一定不确定性，LSTM 模型在模拟极端径流时也存在局限性，但随着更多观测数据的收集和技术的优化，有望进一步提高径流模拟的准确性。这项研究为天山地区水资源管理、气候变化研究提供了关键数据支持，对推动区域可持续发展具有重要意义，也为全球类似地区的水文研究提供了宝贵的参考范例，开启了深入了解高山流域水文变化的新篇章。
