全球流域生态基流评估：基流动态与水文健康的新视角

在全球气候变化和人类活动加剧的背景下，河流水文情势的改变威胁着生态系统健康。本研究通过集成机器学习（ML）填补径流数据缺口，结合数字滤波法分离基流（Baseflow），量化其时空变异特征，并创新性地将基流指数（BFI）与Tennant法结合评估全球5839个流域的生态流量健康状况。研究发现45.73%的流域基流显著下降（p<0.05），且干旱区和暖温带流域尤为脆弱；基流对旱季径流的贡献普遍超70%，成为关键生态缓冲。研究为全球水资源管理和生态保护提供了可迁移的方法论框架。

　　

随着全球气候变化和人类活动强度增加，河流自然水文情势正经历前所未有的改变。这种改变不仅表现为径流量的减少和水质的退化，更威胁着河流生态系统的结构和功能完整性。生态流量（Ecological Flow）作为维持河流生态系统健康的关键指标，其科学评估已成为全球水资源管理的核心议题。然而，传统评估方法存在三大瓶颈：径流数据缺失导致的不确定性、基流分离方法的精度局限，以及静态阈值难以反映季节性生态需求。尤其令人担忧的是，基流（Baseflow）——这一源自地下水补给的稳定径流组分，虽对旱季生态维持至关重要，却长期在生态流量评估中被边缘化。

为突破这些限制，浙江大学的研究团队在《Ecological Indicators》发表了一项开创性研究。他们构建了一个四阶段技术框架：首先采用集成机器学习（BPNN-RF-SVR-MLR）填补全球GRDC径流站点的数据缺口（R²=0.825）；随后应用单参数数字滤波法（Lyne-Hollick滤波，a=0.925）分离基流，并通过NSE（0.63）和KGE（0.60）验证其可靠性；进而基于基流指数（BFI）划分水文旱雨季，结合MK检验和R/S分析揭示趋势；最终创新性地将BFI与Tennant法耦合，建立动态生态流量阈值体系。

研究结果揭示：

1. 基流分离性能：数字滤波法在澳大利亚、南非等地区表现最佳（NSE>0.8），但雪气候干燥夏季（Ds）区精度较低，可能与水源特殊性相关。

2. 空间格局：全球日均基流量为255.62 m³/s，旱季BFI（0.73）显著高于雨季（0.55），极地气候（EF）基流贡献率高达100%，而干旱区（Bw）仅27.5%站点生态流量达标。

3. 时间趋势：45.73%流域基流显著下降（p<0.05），暖温带（C）和干旱区（B）降速最快，而极地（ET）和雪气候（Df）区则呈现增长趋势。

4. 生态健康：北美、南美和欧洲88.87%流域生态状况“良好”，但非洲、澳大利亚和中东部分流域陷入“极差”状态，且37.56%流域生态流量满足度呈下降趋势。

这项研究的突破性在于：首次通过机器学习与水文模型的深度融合，解决了全球尺度基流评估的数据瓶颈；揭示了基流衰退的“气候敏感区”集中在干旱和暖温带，为优先保护提供靶点；提出的BFI-Tennant动态阈值体系，将地下水补给机制纳入生态流量评估，弥补了传统方法在季节性适应上的缺陷。尽管存在数据覆盖度和生物验证的局限，但该框架为应对气候变化下的水资源冲突提供了科学工具，尤其对“一带一路”干旱区国家的跨境河流管理具有战略意义。正如作者强调的，基流不仅是水文过程的“稳定器”，更是生态韧性的“隐形支柱”——其衰退可能引发水生栖息地退化、污染物稀释能力下降等连锁反应，这项研究为全球水-生态-社会系统的协同治理点亮了航标。