《Earth》:Quantifying Scale-Dependent Streamflow Responses to Precipitation, Temperature, and Humidity: A Wavelet-Based Multivariate Approach
编辑推荐:
专业术语翻译(摘要部分)
径流对降水、温度和相对湿度的响应本质上是非线性的、非平稳的且具有尺度依赖性,这对传统统计方法在时频域中的应用构成了挑战。为解决这一问题,研究人员将小波技术(连续小波变换CWT、离散小波变换DWT、交叉小波变换XWT以及多变量小波相干M
专业术语翻译(摘要部分)
径流对降水、温度和相对湿度的响应本质上是非线性的、非平稳的且具有尺度依赖性,这对传统统计方法在时频域中的应用构成了挑战。为解决这一问题,研究人员将小波技术(连续小波变换CWT、离散小波变换DWT、交叉小波变换XWT以及多变量小波相干MWC,并辅以平均小波相干AWC和显著相干面积百分比PASC指标)应用于伊朗Khiav Chai流域1981–2022年的月尺度水文气候时间序列。温度和相对湿度在整个研究期内表现出持续且显著的12个月周期;而降水与径流则呈现不规则的聚集性,具有短期(4–8个月)和多年(32–64个月)周期性。双变量相干性方面,温度-径流组合最强(AWC = 0.488;PASC = 25.6%),温度-相对湿度次之(AWC = 0.446;PASC = 23.87%),而降水-温度组合的相干性最弱(PASC = 9.16%)。多变量小波相干(MWC)分析表明,四变量模型(径流、降水、温度和相对湿度)产生的相干性最高(AWC = 0.736;PASC = 59.39%)。值得注意的是,在降水基础上纳入温度后,PASC从10.86%提升至44.40%,增幅达33.54个百分点,凸显了组合气候变量所捕获的更广泛的显著相干性。研究结果证实,径流受多变量、多尺度的水文气候系统控制。在季节尺度上,降水直接驱动径流产生;而在年际及更长尺度上,温度通过对蒸散发和大气水汽含量的控制而占据主导地位。因此,忽视温度和湿度而仅考虑降水,将无法全面刻画径流变率。这些结果表明,在气候变化背景下开展水文分析与径流预测时,有必要纳入多种气候变量。
论文解读
一、研究背景与问题
径流是水文循环的关键组成部分,也是自然系统和人类社会的重要水源。在全球可持续发展目标与水安全挑战交织的背景下,水资源稀缺已成为驱动重大社会经济与环境变化的核心议题。理解径流与降水、温度、空气湿度等气候因子之间的关联,对于气候变化背景下的水资源管理至关重要。然而,水文系统对气候影响的响应具有复杂性、非线性和尺度依赖性,跨越季节、年际乃至数十年等多个时间尺度。传统统计方法如相关分析、回归分析和傅里叶谱分析难以充分刻画这些相互作用。小波变换方法能够在保留时间和频率信息的同时,识别非平稳水文气候时间序列中的主导周期及其变化,因此在过去数十年间被广泛应用于水文学和气候学研究。
尽管该领域已取得显著进展,但以往研究大多聚焦于降水、温度、融雪动态、气候指数或环流模式等单一或少数因子对径流变率的影响,较少在多元框架下系统探讨降水、温度与相对湿度三者组合对径流变率的作用。相对湿度作为大气水汽含量的指示变量,是水文循环的重要组成部分,其补充信息价值尚未得到充分挖掘。这一研究空白在伊朗尤为突出——该国大部分地区属于干旱和半干旱气候,近几十年来经历了降水减少和气温升高等显著水文气候变迁,对水资源系统造成了持续压力。位于伊朗西北部阿尔达比勒省Meshginshahr县的Khiav Chai河流域,兼具山地地形、显著的季节温湿变化以及受降雨和融雪双重影响的水文情势,是开展此类研究的理想区域。然而,该流域此前尚无水文气候相互作用时频特性的系统研究。
二、研究内容与主要结论
本研究旨在采用多尺度小波方法,探讨Khiav Chai河流域径流与降水、温度、相对湿度之间关系的尺度效应。研究人员运用离散小波变换(DWT)、连续小波变换(CWT)、交叉小波变换(XWT)和多变量小波相干(MWC)四种互补方法,对1981–2022年间的月尺度水文气候时间序列进行了系统分析。研究将径流(Q)定义为响应变量,降水(P)、气温(T)和相对湿度(RH)定义为气候解释变量,通过平均小波相干(AWC)和显著相干面积百分比(PASC)两个指标定量评估不同变量组合在时频域中的相干程度。
研究得出以下主要结论:温度和相对湿度在整个研究期内表现出持续且显著的12个月周期,而降水和径流则呈现不规则的聚集性模式,兼具短期(4–8个月)和多年(32–64个月)周期性。双变量分析中,温度-径流组合的相干性最强(AWC = 0.488;PASC = 25.6%),温度-相对湿度次之(AWC = 0.446;PASC = 23.87%),降水-温度组合最弱(PASC = 9.16%)。多变量分析表明,四变量模型(径流、降水、温度和相对湿度)产生最高的相干性(AWC = 0.736;PASC = 59.39%),较最优三变量组合的PASC提升了14.99个百分点。值得注意的是,在降水基础上加入温度后,PASC从10.86%跃升至44.40%,增幅达33.54个百分点。在季节尺度上,降水直接驱动径流;而在年际及更长尺度上,温度通过控制蒸散发和大气水汽含量而占据主导地位。研究还发现,径流相比降水表现出更平滑的低频波动,反映了流域蓄存能力和前期湿度条件的低通滤波效应。DWT分解显示,径流的A6近似分量在1990年代末至2000年代初出现显著下降,与干旱期吻合,随后在2010年代初骤增,与强降雨期对应。
三、关键技术与方法
本研究采用的主要技术方法包括:连续小波变换(CWT)用于识别各水文气候变量的主导周期及其时变特征;全局小波功率谱(GWPS)用于时间平均的周期显著性检验;交叉小波变换(XWT)用于分析变量对之间的时频协变关系及相位信息;多变量小波相干(MWC)用于评估径流与多气候变量组合的联合相干性;离散小波变换(DWT)用于将信号分解为不同尺度的近似和细节分量。显著性检验采用基于一阶自回归AR(1)零模型的蒙特卡洛模拟(300次随机化),在95%置信水平下进行。数据来源为阿尔达比勒区域水务公司和阿尔达比勒气象组织,径流观测来自Pole Soltani水文站,研究时段为1981–2022年共42年月尺度数据。
四、研究结果
连续小波变换(CWT)分析结果: 温度和相对湿度的CWT谱显示在8–16个月频带内具有持续的小波功率,以12个月周期为主导贯穿1981–2022年;降水和径流则呈现间歇性和不规则的谱模式,表明其主导周期具有更大的时间变异性。
全局小波功率谱(GWPS)结果: 温度和相对湿度在约12个月处呈现显著峰值(峰值功率分别约1.5和1.6);降水呈多峰分布,兼具季节周期和4–8个月的亚季节周期;径流在年尺度存在约0.55的峰值功率,并具有32–64个月的较长周期,印证了低频气候变率对径流的影响。
交叉小波变换(XWT)结果: 温度-径流和温度-相对湿度两对组合在研究期内具有持续且显著的相干区域(PASC分别为25.60%和23.86%);与降水相关的组合(降水-温度、降水-径流、降水-相对湿度)相干模式呈间歇性和碎片化特征;径流相关组合在32–64个月尺度上于1990年代中期至2000年代出现间歇性显著相干区域。
多变量小波相干(MWC)结果: 四变量模型相干性最高(AWC = 0.74;PASC = 59.39%);相干模式在短周期(8个月以下)和约32–64个月频带较为持久,在64–128个月频带于1999–2011年间尤为明显,而在16–24个月频带相干性相对较弱。纳入相对湿度后,AWC从0.64提升至0.74,PASC从44.40%提升至59.39%。
离散小波变换(DWT)结果: 温度信号具有明显的季节周期,A6近似分量显示1980年代至1990年代为低频变化期,此后呈上升趋势至2015年;降水呈随机和 episodic 行为,A6分量显示1990年代降水较少、2000年代末(2010年)降水较多;径流因流域水文记忆效应而比降水具有更高持续性,A6分量显示1990年代末至2000年代初径流显著减少(对应干旱期),2010年代初骤增(对应强降雨期);相对湿度与温度在结构上具有相似性,A6分量在1990年代末(约1996年)前下降,2000年代初后快速上升,与温度A6分量的增长趋势吻合。
五、讨论与结论
讨论部分指出,径流对气候因子的响应并非局限于单一时间尺度,而是从季节到年际尺度均存在关联。32–64个月尺度的多年振荡可能与大尺度大气-海洋遥相关(如ENSO或NAO)有关,但需进一步通过交叉小波分析加以确认。双变量分析中温度-径流相干性(PASC = 25.6%)强于降水-径流(PASC = 10.85%)这一看似意外的结果,反映了径流与气候变量的关联随尺度变化,而非降水在洪水生成或温度在基流、融雪和蒸散发控制中的直接作用。四变量模型较最优三变量模型PASC提升约15个百分点,被依据Hu等建议的标准判定为具有实际意义。研究同时强调,高相干性并不等同于预测精度的提升,也不建立因果关系。研究的局限性包括:缺乏直接融雪变量(1981–2022年间无连续雪水当量观测)、小波相干仅识别统计关联而非因果机制、结果代表特定流域不应泛化。
研究结论为:CWT和GWPS揭示了温度和相对湿度的显著年周期,而降水和径流呈现包含季节和多年波动的更不规则模式;DWT结果进一步凸显了变量间时间变率的差异,径流较降水表现出更平滑的低频波动,可能反映流域蓄存和延迟水文响应;XWT和MWC分析表明径流-气候关联随时间尺度变化,相干模式出现在季节(4–8个月)、年和多年尺度,而在约16–24个月处相干性较弱;四变量MWC分析产生最高相干性(AWC = 0.74;PASC = 59.39%),较最优三变量组合PASC提升14.99个百分点,凸显了在降水与温度之外同时考虑相对湿度的补充价值。研究总体证明了整合单变量、双变量和多变量小波分析以刻画径流-气候关系时间复杂性的有效性,但所识别的相干模式属于统计关联而非因果水文机制的直接证据,未来需结合过程导向研究以阐明融雪、蒸散发和流域蓄存在径流变率中的具体作用。