气候变化与人类活动双重驱动下黄河流域极端洪水与枯水的非平稳时空演化特征研究

本研究针对全球变化下极端水文事件频发、传统平稳性假设失效的问题，创新性地结合GAMLSS模型与LSTM机器学习方法，构建了融合气候指数(CI)和人类活动指数(HI)的非平稳分析框架。研究发现黄河流域极端洪水与枯水事件呈现显著时空异质性，其中唐乃亥站极端事件发生概率显著增高，而华县站枯水风险降低。该研究为水库防洪、河流生态保护及电力系统安全提供了科学依据。

　　

在全球气候变暖背景下，极端水文事件频发已成为威胁人类社会可持续发展的重大挑战。IPCC第六次评估报告指出，全球气温较工业化前水平已上升约1.1°C，导致洪水、干旱等极端天气事件的发生频率和强度显著增加。作为中国重要的生态屏障和水资源战略区域，黄河流域正面临着气候变化与人类活动的双重压力，传统基于平稳性假设的水文频率分析方法已难以适应当前环境变化。尤其值得注意的是，相较于洪水研究，枯水事件因其生态健康关联度高、数据稀缺性强、模型不确定性大等特点，相关系统性研究仍显不足。

河海大学水文水资源与水利工程科学国家重点实验室的研究团队在《Journal of Hydrology: Regional Studies》发表的最新研究，创新性地构建了融合机器学习与数理模型的非平稳分析框架。研究人员采用广义位置-尺度-形状可加模型(GAMLSS)结合长短期记忆神经网络(LSTM)，系统解析了1961-2020年间黄河流域6个水文站点的年最大1日流量(R_1max)和年最小7日平均流量(R_7min)序列。通过贝叶斯马尔可夫链蒙特卡洛(MCMC)方法量化不确定性，首次实现了气候因子与人类活动的协同影响机制解析。

关键技术包括：(1)基于Mann-Kendall检验和滑动T检验识别突变点；(2)利用Spearman相关筛选北极振荡(AO)、北大西洋振荡(NAO)等关键气候指数；(3)通过LSTM重构天然径流计算人类活动指数(HI)；(4)构建三类GAMLSS模型(平稳型、气候+水库指数型、气候+人类活动指数型)；(5)采用DREAM算法进行贝叶斯不确定性量化。

3.1 非平稳性检验
研究发现1985年是流域径流突变的关键节点，与龙羊峡水库投运时间吻合。唐乃亥站极端洪水与枯水重现期均呈现显著下降趋势，而华县站枯水重现期则逆势上升。

3.2 GAMLSS模型优化
人类活动指数(HI)模型在多数站点表现最优，其AIC值较平稳模型降低达13.6%。Gamma分布最能刻画极端事件特征，位置参数μ_t对气候和人类活动因子的响应具有显著时空差异。

3.3 非平稳时空分析
空间相关性分析揭示：唐乃亥至花园口区间受气候-人类活动交互影响最显著，兰州与头道拐站因灌区取水导致枯水相关性弱于洪水。贝叶斯不确定性分析显示，非平稳模型在分布尾部的可信区间更宽，反映极端事件预测的固有挑战。

这项研究的重要意义在于：首次在流域尺度上整合了气候振荡信号与机器学习量化的人类活动影响，建立了适用于变化环境的极端水文事件风险评估框架。提出的HI指数克服了传统水库指数(RI)的局限性，为量化人类活动影响提供了新范式。研究结果直接支撑黄河流域"四水四定"管理策略，其方法论体系可推广至全球变化敏感区的适应性管理实践。值得注意的是，作者在讨论中特别强调，非平稳模型的应用需综合考虑数据质量和管理需求，这一审慎态度体现了水文风险研究的科学严谨性。