气溶胶铁的来源、溶解度及其对海洋生物地球化学的影响

《Environments》：Sources, Solubility, and Impact of Aerosol Iron on Marine Biogeochemistry

　　

洪水仍然是发生最频繁、破坏性最大的自然灾害之一，其规模和后果因气候变率和人类活动对河流系统的压力而加剧。叶尔提斯河（Yertis）流域（哈萨克斯坦）是洪水风险高度暴露区域，居民点和基础设施在洪泛区高度集中。研究采用统计水文分析方法与基于GIS（地理信息系统）空间建模相结合的集成方法，对潜在洪泛区进行评估和划定。利用对数正态分布、皮尔逊III型分布和耿贝尔分布等概率分布函数，分析了1974-2025年水文站最大水位和最大流量的长序列数据。根据柯尔莫戈罗夫-斯米尔诺夫（K-S）拟合优度检验和赤池信息准则（AIC）为每个水文站选择最优分布模型。构建了0.1%、1%和10%概率的极端水文事件超越概率曲线。空间洪水建模在ArcGIS 10.8环境中进行，采用经过水文修正的数字高程模型（DEM）和插值洪水位。所得的洪泛区地图能够识别最高风险区域，并可作为科学规划应急防范措施和洪泛区管理的工具。该研究通过统计频率分析与GIS技术的集成，推动了概率性洪泛区制图的方法学发展，并证明了该方法在气候和水文变率条件下大型跨境河流系统洪水灾害评估中的适用性。

研究背景与问题

洪水灾害是全球发生频率最高、破坏力最强的自然灾害之一，其危害程度因气候变化和人类对河流系统的干扰而不断加剧。哈萨克斯坦境内约有800条长度超过50公里的河流、570余座水库及近3000个大型湖泊，洪水风险尤为突出。据统计，该国每年因洪水导致超过390人死亡，年均经济损失约4.19亿美元，百年一遇洪水的模拟损失高达18亿美元，约占国内生产总值（GDP）的1%。叶尔提斯河作为哈萨克斯坦最大的河流，流经中国、哈萨克斯坦和俄罗斯三国，流域内居住人口超过200万，是重要的工业和农业中心。然而，尽管该地区洪水频发且危害严重，针对叶尔提斯河流域的系统性洪水风险评估研究仍十分匮乏，特别是缺乏将统计水文分析与空间建模相结合的综合研究。现有研究多集中于其他河流流域或采用单一方法，无法满足跨境大型河流系统在气候和水文变率条件下的风险管理需求。因此，开展该流域的洪水 probabilistic（概率性）评估与空间制图具有重要的科学价值与现实意义。

研究方法与数据来源

研究人员采用了统计水文频率分析与GIS空间建模相集成的方法框架，对叶尔提斯河流域1974-2025年25个水文站的最大水位和最大流量长序列数据进行分析。样本数据来源为哈萨克斯坦国家水文气象中心（Kazhydromet）官方网站公开数据。在技术方法层面，研究首先运用对数正态分布、皮尔逊III型（Pearson Type III）分布和耿贝尔（Gumbel）分布三种理论概率分布函数对极端水文事件进行拟合，通过柯尔莫戈罗夫-斯米尔诺夫（K-S）检验和赤池信息准则（AIC）进行最优分布模型的客观选取，并采用均方根误差（RMSE）、决定系数（R²）和系统偏差（Bias）等指标验证模型拟合质量。基于最优分布模型，计算0.1%、1%、3%、5%和10%等不同超越概率下的设计洪峰水位和流量。在空间建模方面，研究以30米分辨率的SRTM数字高程模型（DEM）为基础，在ArcGIS 10.8平台上进行水文地形修正，以河流中轴线为框架生成均匀分布的参考点及垂直横断面，利用TIN（不规则三角网）和Topo to Raster插值方法重建连续的水文一致性地形表面，再通过栅格代数运算比较不同超越概率情景（0.1%和10%）下的设计水位面与原始DEM地形高程，划定洪水淹没区。此外，研究还采用参数化Bootstrap重抽样方法（N=1000次）评估极端特征计算的不确定性，通过最大似然法重新估计分布参数并构建置信区间。

研究结果

最大水位分析结果

研究首先分析了1974-2025年叶尔提斯河流域最大水位的动态变化特征。通过构建供水曲线和确定计算最大水位参数，发现不同水文站的最优分布存在差异：部分站点适合皮尔逊III型分布，其他站点则分别适合对数正态分布或耿贝尔分布。验证结果显示，除叶尔提斯-帕夫洛达尔站因受水库调蓄影响拟合效果较差外，大多数水文站的RMSE不超过18.15厘米，偏差绝对值较小，R²值较高，表明所选分布模型能够较好地再现极端水文特征。分析表明，0.1%超越概率的极端水位较平均水位高出1.23-1.73倍，其中叶尔提斯-塞米亚尔卡站比最高（1.73倍），而下游站点比值较低，反映了水库的调节作用。中上游区域（塞梅-帕夫洛达尔-普里伊尔提什）是灾难性洪水的高风险区，H_0.1%超过800-1100厘米。自2010年以来，多个测站极端高水位的发生频率呈增加趋势。空间建模结果显示，在10%概率洪水情景下，奥斯克缅、塞梅和帕夫洛达尔的淹没面积分别占城区面积的6.1%、13.6%和4.3%，塞梅地区洪水空间连通性最强，帕夫洛达尔则因地形平缓、河谷宽阔而淹没范围最大。

最大流量分析结果

最大流量时间序列分析揭示了显著的年际变异性和周期性规律。布克特尔马河、奥巴河、乌尔比河及叶尔提斯-塞米亚尔卡站等大河和山区支流极端洪水发生频率平均为7-12年一次，而纳尔伦河、沙尔河等中小河流绝对流量值较低但相对变率大，对气候波动敏感。近年来，卡拉-叶尔提斯-博兰、布克特尔马-莱斯纳亚·普里斯坦、奥巴-谢莫奈哈和库尔希姆-沃斯涅先卡等站点极端高水流的发生频率增加、波动幅度扩大，表明气候不稳定性增强。三种分布函数的对比分析表明，不存在适用于所有站点的单一最优分布，必须针对各水文站 individually（ individually）选择。绝大多数站点的模型R²在0.895-0.989之间，但叶尔提斯-乌斯季-卡缅诺戈尔斯克站和叶尔提斯-塞米亚尔卡站因年际变幅较大，RMSE分别达151.96立方米/秒和130.62立方米/秒。按最大流量等级分类统计表明，小型河流（库尔希姆、纳尔伦、沙尔）虽绝对流量小但变率大，乌尔比、奥巴和布克特尔马支流变率高且极端流量（>1500立方米/秒）占比显著，而叶尔提斯干流极端流量（>4000立方米/秒）出现频率达23%，是区域洪水危险的关键因素。

不确定性评估结果

Bootstrap不确定性评估显示，最大流量计算的相对不确定度在12%-59%之间，小型河流（纳尔伦、库尔希姆、沙尔）的不确定度最高，大型河流约为12%-24%。最大水位的不确定度普遍较低，多数站点在6%-24%之间，平均约15%。不确定度随分位数的稀有程度增加而增大，且受时间序列长度和极端值敏感性的影响。

讨论与结论

讨论部分指出，研究所采用的方法是概率性的，基于长时间序列的统计分析，未考虑洪水形成过程中的水动力学机制（如河道变形、洪水波传播动态和空间淹没结构）。因此，结果应视为进一步水动力学计算和工程评估的基础。研究发现风险最高区域集中在中游（帕夫洛达尔、塞梅、奥斯克缅附近），0.1%和10%概率的设计水位较多年平均值高1.5-2倍，这与气候因素及河道-洪泛区形态特征的共同作用一致。与传统风险图不吻合的局部洪泛区，可由洪泛区微地形的复杂几何形态和侧向入流影响解释。研究还揭示了水库调蓄对天然径流 regimes（径流情势）的 transformed（转化）作用：一方面平滑洪峰，另一方面改变洪水结构和 durations（持续时间）。自2010年以来极端事件频率的增加，可能反映了气候变化驱动的河流水文变率增大，包括气温升高、降水结构变化、极端水文气象事件频率增加等，但这些过程在本研究中仅通过观测序列间接体现，其显式建模需要采用非平稳方法和气候情景分析。研究指出，30米分辨率的DEM适用于区域尺度评估，但限制了城市化区域的细节刻画，未来可采用LiDAR（光探测与测距）和无人机（UAV）航摄数据提高精度。该方法的优势在于不需要设定复杂的边界条件，具有良好的可重复性和透明度，适用于数据受限情境下的初步风险评估，但不能替代水动力学模型。

研究结论表明，1974-2025年间叶尔提斯河流域水文情势具有高度的空间和时间变异性，高水和极端春季洪水的发生频率呈增加趋势。水文极端的最强强度特征出现在叶尔提斯河中游及其主要支流（布克特尔马、乌尔比和奥巴）流域，而纳尔伦和库尔希姆河流域情势相对稳定但2000年代以来高洪水频率亦有所增加。长序列分析揭示了1990年代初、2010年代中期和2020年代当前的丰水周期，极端洪水虽发生稀少（25-50年一遇）但危害最大。多个水文站（叶尔提斯-帕夫洛达尔、叶尔提斯-普里伊尔提什、叶尔提斯-塞米亚尔卡、布克特尔马-莱斯纳亚·普里斯坦）表现出高水位春季洪水频率增加和年际变异幅度扩大的趋势，表明气候不稳定性加剧。统计分析与GIS建模的集成实现了洪水区划的空间精细化评估，揭示塞梅、帕夫洛达尔和奥斯克缅市区洪水风险最高。洪水区的形成取决于气候因素、河道与洪泛区形态特征、冰川补给及人为径流调节的复杂相互作用。水库在平滑洪峰的同时，也改变了洪水结构和高水位持续时间。研究开发的模型和洪泛区地图可为改进洪水预报系统、空间规划和制定适应措施以减轻气候变化背景下的洪水风险提供科学依据。