《Journal of Hydro-environment Research》：Attribution of interannual runoff magnitude and variability in China’s large reservoir drainage areas using global hydrological Models
编辑推荐：
中国大型水库径流时空变化与归因分析。基于CLEAR数据集和ISIMIP3a模型，揭示东部地区60-70%水库呈现干旱趋势，人类活动和管理（HWLM）是SRI-12 variability的主因，气候变暖（ACC）主导径流量变化。研究强调需结合观测数据提升评估精度，为适应性水库管理提供依据。
Xinyu Li|Kaiwen Wang|Qiuyu Luo|Guan Wang|Yu Lu|Haining Jiang|Jiamiao Yu|Changming Liu|Xiaomang Liu
中国科学院地理科学与自然资源研究院水循环及相关陆地表面过程重点实验室，北京，中国
摘要
水库是通过拦截河流来蓄积上游流域的实际径流（Ra）而建造的，从而确保水资源供应并缓解水文极端事件的影响。气候变暖和人类活动的加剧正在重塑水循环，最终影响Ra的产生和分布。然而，与Ra相关的水库流域变化及其根本驱动因素仍然知之甚少，这给可持续的水库管理带来了挑战。在这里，我们将中国913个大型水库的精确流域边界与ISIMIP3a径流模拟相结合，以填补这一空白。我们分析了四个与Ra相关的指标的趋势和变异性，即实际径流量（Qa）、标准化径流指数（SRI-12）、干旱频率（Df）和降雨频率（Pf）。Qa、SRI-12、Df和Pf）的年际变化趋势显示出一致的空间模式，其中60-70%的水库表现出在胡线东部带的干燥趋势。相比之下，年际变异性趋势则表现出不一致的模式，有20-50%的水库表现出变异性增强。通过应用跨部门影响模型比较项目第三阶段（ISIMIP3a）的归因框架，我们将这些趋势归因于人为气候变化（ACC）、自然气候变异性（NCV）和人类水资源与土地管理（HWLM）。归因分析显示，ACC主导了变化趋势，平均贡献率为75-85%。相反，NCV主导了Qa和Df的变异性，HWLM主要驱动了SRI-12的变异性，而NCV和ACC共同主导了Pf的变异性。鉴于基于ISIMIP3a的趋势和归因分析的不确定性和局限性，我们建议结合观测数据以提高评估准确性，从而为在变化的环境条件下进行适应性水库管理提供信息。
引言
水库通常是通过拦截河流来蓄积上游流域的实际径流（Ra）而形成的，其在确保水资源供应和减轻干旱与洪水方面发挥着关键作用（Nilsson等人，2005年）。根据陆地水循环，Ra是扣除蒸发蒸腾损失后的降水剩余量，以及土壤中保留的水量和人类活动抽取的水量（Abbott等人，2019年）。气候变暖和人类活动的加剧预计会干扰Ra的产生过程，从而影响水库的预期功能（Oki和Kanae，2006年；Shah等人，2024年）。研究水库流域内的Ra变化并将其归因于根本驱动因素对于维持水库功能和支持适应性策略至关重要，但由于水库流域边界的有限可用性，这方面的研究仍然不足。
最近的开创性工作在全球和国家层面上划定了水库的流域边界，为填补这一空白提供了数据基础。全球地理参考水坝数据库（GOODD，Mulligan等人，2020年）和全球水坝追踪器（GDAT，Zhang和Gu，2023年）使用了PCRaster环境建模语言（Wesselung等人，1996年）来自动划定每个水库的独特集水区域，即中间流域边界。Res-CN（Shen等人，2023年）使用了自动出口重定位算法（AORA，Xie等人，2022年）来划定中国水库的完整和中间流域边界。这些研究大大推进了使用快速自动化算法进行流域边界划定的工作（Lehner等人，2024年），然而它们依赖于数字高程模型（DEM）衍生的数字河流网络，而没有经过与观测记录的验证，这在复杂地形中不可避免地会导致误差。为了减少这些误差，Li等人（2025年）将自动出口重定位算法与视觉检查和手动调整相结合，划定了中国大型水库的流域边界，生成了中国大型水库属性和流域边界（CLEAR）数据集。CLEAR显示，中国已建造了900多个大型水库，每个水库的蓄水量均超过0.1立方公里，总共储存了约794立方公里的淡水，并缓解了日益频繁的水文极端事件（Li等人，2025年）。尽管CLEAR的划定过程并非完全自动化，因此耗时较长，但它确保了与记录的流域面积的密切匹配。因此，我们采用CLEAR数据集来研究中国大型水库流域内的Ra变化。
尽管Li等人（2025年）评估了自然气候变异性对中国大型水库流域内水文极端事件时空模式的影响，但他们的评估仅限于自然径流，并未区分多种驱动因素对径流产生的影响。与主要受自然气候变异性（NCV）和人为气候变化（ACC）影响的自然径流不同，Ra还受到人类水资源与土地管理（HWLM）的影响（Gudmundsson等人，2021年），并决定了水库的实际入流量（Bai等人，2024年）。通过模拟这些因素对径流产生的综合影响，全球水文模型（GHMs）成为唯一能够以满意精度模拟Ra的基于物理的方法（Pokhrel等人，2016年；Heinicke等人，2024年）。为了区分NCV、ACC和HWLM的影响，我们使用了参与跨部门影响模型比较项目第三阶段（ISIMIP3a）（Frieler等人，2024年）的GHMs。在ISIMIP3a中，Ra是通过基于观测的气候相关强迫和直接人为强迫来重建的。仅比较气候驱动的模拟与Ra重建可以隔离HWLM的贡献，而引入去趋势化的气候驱动模拟可以进一步区分NCV和ACC的贡献（Wang等人，2025b）。在这里，我们使用了一组GHMs（表1）以及第2节中详细介绍的归因方法来分析中国大型水库流域边界内的年度Ra变化。
年度Ra变化包括水文平均值（由年度Ra表示）和极端事件（Zaherpour等人，2018年）的趋势和变异性，这些可以通过年度标准化径流指数（SRI-12）和干旱（Df）以及降雨频率（Pf）来表示。年际变化趋势指的是Ra、SRI-12、Df和Pf的增加或减少，表明水库是否正在经历水资源干燥或湿润的趋势，以及极端条件是否在加剧或缓解。年际变异性趋势表示水库是否在Ra、SRI-12、Df和Pf的年际波动中表现出增强或减弱的趋势。增强变异性降低了水文平均值和极端事件的可预测性，从而增加了水库运行和水资源管理的不确定性。相反，减弱变异性提高了可预测性，有利于水库运行和可持续用水。值得注意的是，以往的研究主要集中在趋势上，对年际变异性趋势的关注有限。受Feng等人（2013年）方法的启发，我们计算了年度Ra、SRI-12、Df和Pf的十年移动窗口变异系数，以表征年际变异性。综上所述，我们将CLEAR中的地理参考流域边界与ISIMIP3a GHMs模拟的径流相结合，来分析和归因中国大型水库的水文平均值和极端事件的变化。
ISIMIP3a径流模拟
通过将人类干预（如水资源抽取和水库调节）纳入自然水文过程，GHMs成为唯一能够以满意精度模拟Ra的基于物理的方法（Pokhrel等人，2016年；Heinicke等人，2024年）。在这里，我们从十二个GHMs收集了一组Ra模拟结果（在ISIMIP3a中标记为‘qtot’），如表1所列。这些GHMs受到基于观测的气候相关强迫和直接人为强迫的驱动（Frieler等人，
年际变化趋势
图1a–d展示了Qa、SRI-12、Df和Pf趋势的一致空间模式，干燥的水库集中在胡线东部带，而湿润的水库分布在干燥带两侧的区域。Qa、SRI-12、Df和Pf的年际变化趋势表明，大约有六到七成的水库表现出干燥趋势，分别对应638（70%）、630（69%）、509（56%）和630（69%）的水库。近三到四成的水库
年际变化趋势的不确定性
为了检验使用ISIMIP3a集合中位数来表示图1中的年际变化趋势的不确定性，我们区分了每个水库选定的模拟结果，并评估了模拟结果之间的一致性。图3a和S3中不同大小的彩色圆圈表明，没有单一的GHM或气候相关强迫可以稳定地被选为集合中位数。在图3a和S3中，只有少数GHM被超过100个水库选为集合中位数，
结论
在这项研究中，我们更新了CLEAR v1.2数据集，并公布了中国913个大型水库的属性、大坝坐标和流域边界。通过将CLEAR v1.2数据集与ISIMIP3a径流模拟相结合，我们分析并归因了大型水库流域内
Qa、
SRI-12、
Df和
Pf的年际变化趋势和变异性。我们总结了几项关键发现，这些发现可能为中国的水库管理提供有价值的见解。
(1)年际变化趋势
未引用参考文献
Wang等人，2025年；Wang等人，2025年。
CRediT作者贡献声明
Xinyu Li：撰写——原始草稿、可视化、软件、正式分析。Kaiwen Wang：撰写——审稿与编辑、撰写——原始草稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、资金获取、正式分析、数据管理、概念化。Qiuyu Luo：验证、软件、方法论、正式分析。Guan Wang：验证、软件、方法论、正式分析。Yu Lu：软件、方法论、正式分析。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
致谢
本研究得到了国家重点研发计划（编号2024YFC3013404和2023YFC3206600）、国家自然科学基金（编号52209040）、中国气象局气候变化专题项目（编号QBZJ202506）以及中国科学技术协会青年精英科学家资助计划（编号YESS20220331）的支持。
