气候变化下基于SWAT+的动态水库-径流耦合模型构建及其在印度Mahanadi流域的应用

本研究针对气候敏感型水库调节流域的水文响应难题，创新性整合SWAT+动态水库模块与CLIMEA-BCUD偏差校正气候数据集，构建了首个Mahanadi流域高精度水文评估框架。研究发现未来气候情景下汛期径流将激增61.3%而旱季减少34.1%，为气候韧性水资源管理提供了关键科学依据。

　　

在全球气候变化加剧的背景下，水库调节流域的水文动态预测已成为水资源管理的核心挑战。印度Mahanadi流域作为典型的气候敏感型水库调控区域，长期面临季风降水时空变异与Hirakud巨型水库人为干预的双重压力。传统水文模型如SWAT和VIC因缺乏动态水库模块，难以准确模拟规则曲线驱动的实时放水决策；而CMIP6原始气候数据存在的空间偏差问题，更导致极端降水事件和季节性径流预测失真。这些技术瓶颈使得该流域频发的洪旱灾害（如2014年特大洪水和2025年干旱）缺乏前瞻性应对策略。

针对这一科学难题，研究人员开发了融合SWAT+动态水库模块与CLIMEA-BCUD深度学习偏差校正数据的创新框架。该研究首次在Mahanadi流域实现：1）基于UNet架构的19个CMIP6模型集成降尺度（分辨率达10km），2）耦合水库高程-库容曲线与规则曲线的过程模拟，3）SSP2-4.5和SSP5-8.5情景下多时期径流响应量化。相关成果发表在《Science of The Total Environment》上。

关键技术包括：1）采用CLIMEA-BCUD数据集进行降水温度偏差校正（CC>0.9）；2）SWAT+模型构建含427个HRU的流域系统；3）动态水库模块集成决策逻辑表；4）KGE和NSE>0.85的模型验证体系；5）基于IMD观测数据的极端气候指数（CDD/CWD）分析。

【CLIMEA-BCUD数据集验证】

深度学习校正后的气候数据显著提升历史水文要素重现能力：降水与温度的NSE达0.85以上，极端温度事件空间相关系数>0.92。特别值得注意的是，该数据集准确捕捉到季风峰值由7月向8月偏移的特征（PBIAS<5%）。

【未来水文响应】

SSP5-8.5情景下：1）远期末期降水增加28.5%引发径流激增52.3%，但存在显著季节异质性——6-11月径流增幅达61.3%，而12-5月因蒸散发增强减少34.1%；2）中等降水事件频率增加导致连续湿润日数（CWD）延长，洪水风险倍增；3）水库调节使干季下游流量波动幅度收窄23.7%。

【讨论与结论】

该研究创立了可推广的气候-水库耦合模拟范式：1）SWAT+规则驱动模块成功解决传统模型静态假设缺陷；2）10km分辨率气候强迫数据显著提升极端事件预测可信度；3）证实季风转型期水库调度对缓解水文极值的关键作用。成果为全球1.5万座大型水库的适应性管理提供了方法论模板，特别对亚洲季风区"降水增加但缺水加剧"的悖论现象给出机制解释。作者建议将框架扩展至跨境流域，并嵌入多目标优化算法以平衡生态-社会用水需求。