长江流域河流等值线图建模：揭示流域水文过程与水源贡献的空间格局

《Water Resources Research》：Riverine Isoscapes Modeling in the Yangtze River Basin, China: Insights Into Basin Processes and Source-Water Contributions

本文创新性地运用空间河流网络模型（SSNM），首次在长江流域构建了高精度地表水δ18O等值线图（isoscapes），揭示了冰川融水、降水和地下水三大水源的空间贡献格局。该研究通过852个同位素监测点数据，将预测精度从传统线性模型的66%显著提升至87%，突破了复杂流域等值线建模的技术瓶颈，为大型流域的水源溯源、水文连通性研究和水资源管理提供了新范式。

　　

引言：同位素景观在水文研究中的价值与挑战

稳定水同位素已成为追踪水体来源、解析水文路径及揭示水循环与生物地球化学循环相互作用的有效工具。这种基于空间显式模型构建的同位素分布模式被称为"等值线图"（isoscapes），能够低成本、高效地可视化降水、地表水和地下水同位素的空间分布特征。然而现有研究多集中于小尺度流域，大型复杂流域的等值线开发仍面临采样成本高、网络结构复杂等挑战。

传统地表水等值线多基于二维空间构建：一是采用高程、气候等环境变量驱动的回归统计方法；二是基于欧几里得距离的简单地统计插值。但这些模型难以准确预测具有复杂河网结构的大尺度流域，因为梯级坝、湖泊等景观过程会影响河流连通性，导致上下游同位素分异。河流水体从上游到下游的运移受树状河网结构、纵向连通性及流向约束，需要嵌入河网结构和水文连通性的空间建模框架。

空间河流网络模型的技术突破

近年来发展的空间河流网络模型（SSNM）克服了传统非空间模型假设站点间独立的缺陷，能够区分河道内过程与景观驱动过程的方差。与传统地统计模型不同，SSNM依赖空间自协方差函数（如Tail-up、Tail-down、Euclidean）来阐释水文连接距离和网络拓扑结构。该分析可建立响应变量与环境协变量关系，预测未采样点位的响应变量，并相对非空间模型提高整个河网的预测性能。

虽然SSNM已广泛应用于河流温度、水化学和鱼类分布研究，但尚未用于识别大尺度流域内特定盆地过程（如河道内和景观过程）对河流等值线的影响。本研究旨在量化河道内过程与景观驱动过程对同位素模式的相对贡献，以理解长江流域的水文连通性和水源贡献机制。

研究区域与数据方法

流域概况与采样策略

长江作为亚洲第一长河和全球第三大河，全长6300公里，流域面积达180万平方公里。根据地形和水文特征，通常划分为上游（源头至宜昌）、中游（宜昌至湖口）和下游（湖口以下）。流域地形复杂，上游海拔3500-5000米，中游500-2000米，下游约50米，呈现高原、山地和盆地等多种地貌。整个流域受太平洋和印度洋夏季风显著影响，年均气温10.4°C，年均降水量1100毫米，但源区与中下游差异显著：源区年均温约-4°C，降水量不足500毫米；而中下游气温达16-18°C，降水量增至1000-1600毫米。

研究共收集852个长江流域河水同位素记录（4-9月），其中454个为现场采样，其余来自文献提取。现场采样使用500毫升聚乙烯密封瓶，取自急流河段，距岸1米，水深10-15厘米处，样品立即用Parafilm膜密封防止同位素分馏，并于-4°C冷冻保存。文献数据通过Web of Science和CNKI关键词检索获得，经过严格质量控制，确保数据一致性和可靠性。

同时收集了流域内29个观测站的121个降水同位素记录，来源包括全球降水同位素网络（GNIP）和中国降水等值线数据库（C-Isoscape）。所有水样通过LGR激光同位素液体分析仪（GLA431-LWIA）测定，δ值以V-SMOW为标准表示，δ¹⁸O和δ²H分析精度分别为±0.1‰和±0.5‰。

空间模型构建与验证

SSNM由响应变量（δ¹⁸O）的多元线性回归模型和包含网络内空间自相关的方差模型组成。模型构建采用两步程序：首先通过反向逐步回归方法构建无空间自相关的最佳线性回归模型，剔除最不显著协变量；其次在步骤1选定的最优协变量基础上，加入不同空间自相关结构来明确解释河网的方向性和流连接特性。

环境协变量从HydroATLAS数据集提取，涵盖水文（如地下水位、流量、降水）和环境变量（如气温、人类足迹、森林覆盖度）。最终回归模型中保留了10个协变量，包括流量、降水量、温度、地下水位、土地利用森林覆盖率、降水δ¹⁸O和高程等。空间自相关结构包含欧几里得、Tail-up和Tail-down三种类型，分别使用不同自协方差函数（如指数型、球面型、线性基台值或高斯型）。

最佳拟合模型基于最低Akaike信息准则（AIC）和留一法交叉验证（LOOCV）的均方根预测误差（RMSPE）确定。为识别沿河网的空间依赖性，计算了经验半变异函数，通过torgegram可视化河流δ¹⁸O对之间的半方差随水文距离的变化情况。

水源贡献与蒸发效应计算

采用贝叶斯混合模型（MixSIAR）量化长江流域地表水不同补给源的比例，以SSNM预测的δ¹⁸O和δ²H值作为示踪剂，收集已发表研究中流域不同区域降水、地下水和冰川融水的同位素值作为端元数据。将子流域（即长江流域不同河段）作为固定效应纳入模型，分别估算各子流域的源贡献比例。

使用iSW_E混合模型评估从源到采样点运输过程中的蒸发效应，蒸发指数（E）定义为测量值（δ_obs）与源水（δ_s）的同位素差值。采用Craig-Gordon理论方法估算蒸发线斜率，通过马尔可夫链蒙特卡洛（MCMC）采样分析混合-蒸发模型中的参数分布。

统计分析采用单因素方差分析（ANOVA）探讨河水与降水同位素差异，双因素ANOVA评估水类型（降水vs河水）和空间河段（上、中、下游）间同位素值的统计差异，事后采用Tukey HSD检验进行多重比较。

结果发现：同位素空间格局与驱动机制

降水与河水同位素分布特征

降水与河水δ¹⁸O值呈现相似趋势，均表现为长江流域上游最低、下游最高的特征。降水δ¹⁸O值变化范围较大（-18.1‰至-1.1‰，平均-8.6‰），而河水变化范围相对集中（-19.8‰至-2.9‰，平均-10.5‰）。多数降水δ¹⁸O分布在-4‰至-12‰之间，而河水主要集中于-8‰至-13‰之间。

统计分析显示同一河段内降水与河水δ¹⁸O存在显著差异，尤其在上游和中游，河水δ¹⁸O值显著偏负。不同河段间同一水类型的δ¹⁸O也存在显著差异：降水中上游值显著低于中下游，河水中δ¹⁸O值从上游到下游逐渐增加，三段均值均具统计差异性。地理分布上，河水δ¹⁸O最高值出现在下游太湖流域，最低值主要分布在上游金沙江、雅砻江和大渡河等主要支流；而降水中最低值出现在青藏高原东部。

长江流域河水δ¹⁸O和δ²H的回归线性关系为δ²H = 7.86×δ¹⁸O + 8.07（本地河水线LRWL），斜率和截距略低于降水同位素回归关系（δ²H = 8.08×δ¹⁸O + 12.76，本地大气水线LMWL），表明河水来源于降水并受蒸发影响。流域LMWL斜率和截距略高于全球大气水线（GMWL：δ²H = 8.0×δ¹⁸O + 10）。

空间依赖性与模型优化

河水δ¹⁸O在流连接、流非连接和欧几里得关系上表现出多尺度空间依赖性，torgegram呈现不同特征形状。流连接和流非连接torgegram的半方差随河流距离线性增加，流连接半变异函数呈现与两个尺度的嵌套空间结构相关的显著模式，这种嵌套型空间结构与变异的细尺度和宽尺度相关。欧几里得站点的半方差小得多且随距离缓慢减小，基于欧几里得关系的块金值接近零。

最优线性模型包含流量、降水量、温度、地下水位、森林土地利用、降水δ¹⁸O和高程作为固定效应，捕获了河水δ¹⁸O值66%的变异。然而最优空间自相关结构模型将预测精度提高至87%，其中球面Tail-up、线性基台值Tail-down和高斯欧几里得空间自协方差结构分别基于水文距离解释了河水δ¹⁸O关系的4%、54%和11%。使用留一法交叉验证，最佳模型的RMSPE和AIC分别为1.12和2865.1，模拟与观测δ¹⁸O值的R²为0.87。

水源贡献的空间分异

基于三个端元的补给比例，水源贡献在长江流域表现出较大的空间变异性，冰川融水、地下水和降水平均贡献分别为31±14%、34±22%和35±19%。结果显示中下游河流降水的相对贡献较高，而上游源区融水贡献占主导（超过60%），这与冰川和冻土的分布密切相关。在四川、洞庭和鄱阳流域，降水和地下水是主要补给源，这与含水层分布和河水蒸发效应有关。

iSW_E分析显示源δ¹⁸O值范围-20.7‰至-5.7‰，蒸发指数（δ^{18sample–δ18O_source）范围0.04至8.5‰，解释了水源和蒸发贡献的空间格局。}

讨论：过程机制与模型应用前景

流域过程与水文气候控制

河水δ¹⁸O模式通过流连接、流非连接和欧几里得关系呈现空间斑块性和梯度变化，表明景观和河道内过程对河水δ¹⁸O的交互影响。距离依赖性torgegram模式揭示了河道内和景观过程对观察到的河水δ¹⁸O空间变异性的影响程度：流连接半变异函数通常捕获河道内过程（如沿河道的运输和混合），而流非连接和欧几里得关系反映景观特征如何影响跨断开或相邻站点的河流δ¹⁸O。

最优SSNM显示景观过程和空间水文气候异质性解释了流域变异的66.3%（固定效应+Tail-down），而仅4%（Tail-up）来自通过水文传输的纵向连通性的河道内过程。这种低Tail-up自协方差表明纵向连通性不足以解释河水δ¹⁸O的空间变异，可能与密集大坝 fragmentation 和农业灌溉改变的景观特征和水动力条件有关。高度开发的大坝系统分离了水文连通性，增加了流域河水δ¹⁸O的空间异质性。

Tail-down模式解释了54%的流域变异，表明两个站点间短距离非连接情况下河水δ¹⁸O的不连续性或不相似性。最明显的宽尺度模式出现在流非连接半变异函数呈现单调增加的情况下，这种流非连接关系（Tail-down）的宽尺度变异成分可能由水文气候异质性或复杂河网解释。

模型预测性能提升与局限

包含空间结构的最优模型通过交叉验证测试确定的模型度量（如AIC、R²和RMSPE）显示SSNM相对非空间模型有显著改进。SSNM预测模型揭示了Tail-down自相关结构最重要（解释54%），协变量次之（解释12%），Tail-up仅4%，表明纵向传输和上游空间依赖性不是河水δ¹⁸O空间异质性的主要因素，而是取决于全流域水文气候和陆地景观（如梯级大坝和水库）的空间差异。

SSNM的统计方法产生的河段预测依赖于同位素变异的已知因素（如气候和降水同位素），但不受每个网格单元地统计插值的约束。因此SSNM中协变量的作用根据区域和当地条件校准，并通过具有不同空间自协方差函数的协变量解释。在固定协变量拟合监测数据后，河网和欧几里得空间结构的作用在河水δ¹⁸O的torgegram中明显体现。

SSNM的局限性在于需要空间代表性数据集和拓扑正确的网络。预测的标准误差对研究区域内采样分布敏感（如湘江和赣江源头），外推误差大于线性模型。因此需要在源头和下游区域均获取观测数据。随着SSNM应用普及、水文数据改进和DEM积累，拓扑正确网络将更易获取。将SSNM与过程导向方法结合应能改进预测，使我们能够在精细到大陆尺度上考虑众多预测因子进入同位素模式。

等值线图在水源贡献研究中的应用

预测准确的河水δ¹⁸O等值线图有助于绘制流域水源贡献空间格局。水源贡献的空间变异性在长江流域显著，与地质结构、冰川/冻土和降水分布密切相关。上游河水偏负的δ¹⁸O值与冰川/冻土融水高度一致，这些水源含有更贫化的同位素组成。此外，一些源头大型支流（如雅砻江和汉江）发源于积雪覆盖的高山脉汇入干流，这些水体通常因同位素高程效应呈现负δ¹⁸O值，因而对河水贡献主导。

中下游MixSIAR模型显示降水和地下水是河水主要组成成分，这与降水和地下水同位素组成、水文网络和气候条件相关。长江干流主要受南侧支流补给，如河流和浅湖含有相对较高δ¹⁸O值，这与降水同位素空间模式一致。地下水同位素组成也可能影响全流域采样河水值，如洞庭和鄱阳湖流域，地下水主要贡献河流。这些流域低地下的含水层含有因蒸发效应导致的同位素偏重的 groundwater。中下游河水强烈蒸发富集可能与农业灌溉和水库蓄放相关。

创新价值与未来展望

方法论创新与应用价值

本研究首次使用SSNM分析地表水同位素组成，绘制了δ¹⁸O地表水等值线图，量化了水源贡献比例，并识别了大气水同位素特征的空间变异性。SSNM考虑了观测点间的拓扑关系、环境协变量和河网结构，生成了包含众多小支流和更多预测点的流域等值线图，为河流提供了更高空间分辨率的δ¹⁸O数据集，可用于古环境和气候重建、流域水文过程等未来应用。

同时SSNM中不同的空间配置反映了不同流域观察到的空间结构变化，为未来采样点和监测点划定提供了便捷框架，为在采样较差区域（如源头区）建立更全面综合的流域监测网络提供了见解。

数据局限与模型改进方向

数据质量和可用性限制了某些区域模型预测的准确性和精度（表现为较高标准误差），特别是在源头区域。然而在缺乏采样和监测点的大型复杂流域，无法获得河流直接同位素值。本研究实现了从趋势面向河网的流域等值线细化，这种方法是可以接受的。

在极端气候事件下，SSNM性能可能受到有限观测约束和增加的水文变异性挑战。尽管模型可以推断和重建不同河道的水流条件，但极端干旱可能导致地表水连通性减少和蒸发损失加剧，引入同位素预测的更高不确定性。相反极端降水事件可能引起快速水文响应和改变流动路径，影响同位素溯源稳定性。应对这些挑战需要整合稳健水文模型和遥感数据以补偿观测gap。此外结合SSNM统计插值方法（如贝叶斯建模或机器学习）可增强未测区域同位素预测。增加水文动态时期（如极端降水或季节性融雪）的采样频率将进一步提高模型准确性和同位素变异性表征。

流域特性与未来研究方向

当前形式的模型可通过考虑空间河网结构改进，其外推至其他流域应谨慎对待。大型流域中广阔的盆地景观的复杂特征和配置使结果不同于先前小流域研究中观察到的结果。例如长江流域大量水库、船闸和水坝使能够表征河流连通性的TU模型不如TD和EU空间自相关结构优越。

据统计长江流域约有7159座水库，总库容约1204亿立方米，其中长江干流本身就有数十座大型水库（如三峡大坝、丹江口和二滩水库）。大坝和水库的激增可能加剧长江河流连通性的现有挑战，大大增加了全流域河水δ¹⁸O的异质性。因此根据季节和生态需求科学调度水库和大坝将促进水资源合理配置和增强河流水文连通性。

本研究主要关注长江流域河水δ¹⁸O的空间模式，而时间变异性尚未在SSNM中得到充分探索。已知河流系统同位素特征随融雪、季风降水和蒸散等过程变化。未来研究应整合多季节和多年监测策略，依托流域内固定监测站评估季节循环和年际趋势，这将有助于进一步阐明基于季节和年尺度上同位素特征时空变异性的流域水文过程。