综述：变化环境下稳态与非稳态水文极值的分析：系统性回顾

这篇综述系统回顾了2003-2024年全球水文极值（如洪水、干旱）的分析研究，重点探讨了非稳态性（non-stationarity）在气候变化和人类活动影响下的表现。研究采用PRISMA框架，统计显示年最大值序列（AMS, 71.7%）、曼-肯德尔检验（MK, 70.8%）、广义极值分布（GEV, 41.4%）是最常用方法，82%研究证实非稳态模型优于稳态模型。时间协变量（50.5%）主导分析，但建议结合物理协变量（如气候指数、城市化）以增强模型物理意义。

　　

引言

近年来，水文极值（如极端降雨、洪水和干旱）的频率和破坏力显著增加，其非稳态性被归因于气候变化和人类活动。研究表明，全球极端降水普遍以约7%/℃的速率增长，而气候模型预测21世纪极端降水将进一步加剧。此类变化对水资源管理提出严峻挑战，传统基于稳态假设的设计方法（如百年一遇洪水）已无法准确反映当前风险。

方法论

研究采用PRISMA框架系统性筛选了1329篇文献，最终纳入181篇英文期刊文章。分析涵盖六大关键维度：时间序列类型（如AMS、POT）、非稳态检测技术（如MK检验）、频率分析类别（稳态/非稳态）、概率分布类型（如GEV、对数正态）、协变量（时间、气候指数、人为因素）以及参数估计方法（如最大似然估计MLE）。

结果与讨论

空间与时间分布
研究覆盖49个国家，北美（29.1%）、亚洲（27.3%）和欧洲（21.5%）占比最高，而非洲和南美研究较少。2023年发表量达峰值，84%研究集中于2014-2024年，反映非稳态分析近十年成为热点。

水文变量与时间序列
86.6%研究聚焦洪水，10.5%关注干旱。AMS（71.7%）主导极值分析，但峰值超阈值法（POT, 11.6%）更适合短时间尺度研究。例如，印度海得拉巴的研究显示，POT对短历时降水的非稳态强度估计更敏感。

非稳态检测技术
MK检验（70.8%）是最常用方法，但需注意其对高阶矩（如偏度）变化的忽略。佩蒂特检验（PTT, 11.1%）和森斜率估计（SSE, 6.3%）多用于辅助分析。新兴的De-FloCD框架能更全面检测洪水分布的多维变化。

频率分析模型
82%研究同时比较稳态与非稳态模型，证实后者在多数流域更优。GEV分布（41.4%）因其灵活性成为首选，而广义帕累托（GP, 7.1%）适用于POT数据。中国西江流域的研究表明，结合降雨和人口协变量的非稳态模型可显著提升洪水风险预测精度。

协变量应用
时间协变量（50.5%）虽简便但缺乏物理意义，而大尺度气候指数（如NAO, 5.3%）和局地因子（如降雨, 6.4%）更具解释力。例如，城市化（2.5%）被证明是美国城市洪水非稳态性的关键驱动。

参数估计与模型选择
最大似然法（ML, 34.6%）和GAMLSS框架（16.9%）是主流方法。赤池信息准则（AIC, 30.0%）广泛用于模型优选，但小样本时需改用AICc。

区域特性

非洲
东非研究稀缺，仅坦桑尼亚和埃塞俄比亚有个别案例。西非贝宁的研究显示，非稳态模型能更准确估计变化环境下的洪水重现期。

亚洲
中国长江流域采用非稳态GEV模型，发现气候指数（如ENSO）对洪水参数影响显著。印度研究强调城市化对极端降雨的放大效应。

欧洲与北美
北美20.3%的研究领先全球，如密西西比河流域结合土地利用变化的非稳态分析。欧洲则侧重气候指数（如NAO）与洪水的关联建模。

挑战与展望

当前争议集中在非稳态模型的不确定性（如参数复杂性）与物理机制阐释不足。未来需加强小流域研究（仅6.2%文献关注<1000 km²流域），并开发融合多源数据（如遥感、气候模型）的动态风险评估框架。