
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于模型分解的北美温带河流季节性径流时空变化研究:贝叶斯层次模型揭示水文时序演变规律与生态影响
【字体: 大 中 小 】 时间:2025年09月22日 来源:Water Resources Research 5
编辑推荐:
本综述基于贝叶斯层次模型(Bayesian hierarchical model)对北美温带1,112个水文站58年(1965-2022)的日尺度径流数据进行了谐波分析(harmonic analysis),创新性地通过后验分布量化了水文指数(hydrologic indices)的不确定性。研究发现美国东部冬季径流增加、西部年径流减少及太平洋西北部季节性变异减弱等区域分异规律,揭示了气候变化下河流水文情势时空异质性(spatial heterogeneity)对水生生态系统 phenological mismatches(物候错配)和水资源管理的重大意义。
人为气候变暖主要通过季节性尺度发挥作用,导致气温和降水相位与振幅发生变化,并进一步影响径流峰值、蒸发和土壤湿度等水文气候要素。全球河流水文过程线的改变对水资源安全、淡水生物多样性及河流生态系统服务具有重大影响。尽管季节性径流变化具有重要的生态和社会意义,但现有研究多关注水文过程线的平均特征,如平均流量、枯水期和丰水期事件等,而对连续季节性变化的量化仍存在不足。
研究选取美国地质调查局(USGS)Gages-II数据库中1965-2022年日尺度径流数据,排除受大坝严重调控的站点后,最终涵盖北美温带地区1,112个水文站。通过谐波分析发现,前三阶谐波(年周期、半年周期和季度周期)可解释年内径流变异的63%,而十阶谐波可解释79%的变异。初步分析显示,不同时期水文过程线形状存在显著差异,但缺乏严格的不确定性量化。
研究构建了贝叶斯层次模型对日径流数据进行建模,其中截距项表征站点年均流量,傅里叶系数捕捉季节性变化。针对前三维谐波系数引入水文单元(HUC6)级别的空间先验,高维谐波则采用随机搜索变量选择(SSVS)进行稀疏化处理。残差项采用AR(1)过程建模,所有参数通过MCMC吉布斯采样获取后验分布。
基于后验径流过程线提取六类水文指数:
径流时间指标:最小流量日(day of minimum flow)、最大流量日(day of maximum flow)、中心流量日(day of center)
量级变化指标:90%分位数(90th percentile)、10%分位数(10th percentile)、最小一阶导数(minimum derivative)
采用曼-肯德尔统计量(Mann-Kendall statistic)和泰尔-森斜率估计(Theil-Sen slope estimator)进行趋势检测,并通过后验概率量化显著性。
对比1965-1989与1998-2022两个时期,多数站点呈现显著水文过程线形态变化。以宾夕法尼亚州Perkiomen河和纽约州Oswegatchie河为例,前者夏季流量显著上升,后者枯水期出现时间推迟且低流量 regime 减弱。
时间偏移:18%的河流最大流量日显著推迟(平均3.2天/十年),91%位于西经100°以东;10%的河流枯水期推迟(平均4.4天/十年);31%的河流中心流量日推迟,24%提前
量级变化:43%的河流90%分位数流量上升(均值+7.9%),59%的河流10%分位数流量上升(均值+10.4%),26%的河流最小一阶导数增加表明夏季流量过渡趋于平缓
通过水文指数空间约束聚类识别四类典型模式:
冬季流量增加型(东部地区):90%与10%分位数同步上升,冬季流量显著增加
全年流量增加型(中西部):中心流量日推迟,夏季流量增幅显著
全年流量减少型(西部):流量普遍下降,最大流量日与中心流量日提前
季节变异减弱型(太平洋西北部):10%分位数上升、90%分位数下降,水文过程线"扁平化"
本研究提出的贝叶斯层次模型框架突破了传统经验水文指数对日尺度变异敏感、缺乏不确定性量化的局限。通过谐波分解与后验采样,实现了对任意水文指数变换的误差传播计算。研究发现的气候驱动下水文季节性格局分异(东部冬季增流、西部普遍减流、西北部季节性压缩)与卫星观测的雪水当量减少、物候提前等现象相互印证。流域内局部异质性可能源于地形、地下水动态及人类活动等多因素耦合作用,这对预测水文变化对水生生物物候(如鲑鱼洄游时序)的影响提出了更高精度的建模需求。
该研究建立了基于谐波分解的贝叶斯水文建模范式,揭示了北美温带河流季节性径流变化的区域规律与局部异质性。模型框架兼具灵活性与不确定性量化能力,为耦合气象水文过程、支撑生态系统适应性管理提供了方法论基础。未来可扩展至径流-水温-降水多过程联合建模,深化气候变化下水文生态响应的机理解释。
生物通微信公众号
知名企业招聘