整合基于过程的模型与深度学习模型,以量化干旱山区气候和水文因素对径流变化的影响

《Journal of Arid Environments》:Integrating process-based and deep learning models to quantify climate and hydrological controls on streamflow variability in dryland mountains

【字体: 大 中 小 】 时间:2026年07月22日 来源:Journal of Arid Environments 2.5

编辑推荐:

  摘要干旱山区的气候与景观变化正在重塑整个流域的径流模式,并直接影响下游的灌溉农业。本研究构建了SWAT–LSTM耦合建模框架,用于模拟1990–2020年间的月度径流情况,并预测2021–2060年的月度径流趋势。同时,运用SHapley加性解释方法,识别了中国西北部北祁连山地区

  

摘要

干旱山区的气候与景观变化正在重塑整个流域的径流模式,并直接影响下游的灌溉农业。本研究构建了SWAT–LSTM耦合建模框架,用于模拟1990–2020年间的月度径流情况,并预测2021–2060年的月度径流趋势。同时,运用SHapley加性解释方法,识别了中国西北部北祁连山地区的主要气象和水文驱动因素。该耦合模型在再现月度径流波动方面表现优于独立的SWAT和LSTM模型,尤其是在高流量月份。不同流域中影响径流的主导因素存在差异:在西部,降水、温度和土壤湿度共同解释了当河与疏勒河约64%的径流变化,而涛莱河则由降水和地表径流解释了56%的变异。在黑河与大通河等中部河流中,降水和实际蒸散量共同解释了近65%的径流变化。东部河流,如西营河与扎木河,受多种因素的均衡影响,约84%的径流变化可归因于降水、实际蒸散量、温度和地表径流。根据SSP情景下的预测,到2060年,这些地区的径流量将增加0.27–0.31×108?m3?yr?1,其中疏勒河与黑河的增幅最大。这些研究结果强调了在西部流域加强洪水风险管理的必要性,以及在中部和东部流域通过土地管理控制蒸散量的重要性。总体而言,本研究为其他干旱山区的径流模拟、驱动因子分析及气候适应性水资源管理提供了实用框架。

引言

气候变暖导致了降水模式的改变、冰川与积雪加速融化,以及永久冻土退化加剧(Yao等人,2022)。这些变化,再加上植被覆盖和土壤类型等地表变化,使得河流径流的响应愈发呈现非线性、随机性和突发性(Jian等人,2023)。研究表明,全球三分之一的山区流域面临着径流不稳定的风险,极端水文事件的频率增加,进而导致下游生态破坏和跨界水资源冲突加剧(V?r?smarty等人,2000;Brighenti等人,2019)。在高海拔地区,气候变暖的速度超过全球平均水平,由于冰川退缩和积雪减少,春季洪水峰值提前,夏秋季节的基流量则有所下降(Yao等人,2022;Jiang等人,2023)。这些变化给以冰川融水为水源的河流系统带来了巨大挑战。因此,提升我们对山区径流动态的建模能力,理解气候与土地利用变化如何共同影响径流变化,对于各地区的水资源管理至关重要。
近几十年来,水文建模从经验公式逐步发展为基于过程的方法。像变渗容模型(VIC)和土壤与水评估工具(SWAT)这类模型因其能够通过水文响应单元来体现流域的异质性而被广泛使用(Gassman等人,2007)。然而,基于过程的模型需要大量的输入数据、专业的校准技术以及严格的验证,其参数的复杂性也可能将不确定性带入模拟结果中(Williams等人,1989;Kiniry等人,2008)。相比之下,机器学习模型,尤其是长短期记忆网络这类循环神经网络,已成为在数据匮乏或无监测点的流域中进行降雨-径流及径流预测的强大替代方案(Hu等人,2018;Xiang等人,2020)。大量研究表明,LSTM架构能够在有监测点和无监测点的流域中学习通用的水文行为规律(Kratzert等人,2019a,2019b), recent应用也显示出其在不同水文气候条件下的强大预测能力(Arsenault等人,2023;Kisi等人,2024;Kumar等人,2024)。不过,数据驱动型模型仍然依赖于充足的训练数据,在分布不同的气候条件下可能表现不佳。此外,其黑箱特性也使得难以将预测结果与物理原理和过程理解相联系(Irrgang等人,2021)。
为克服传统物理模型与数据驱动模型的各自局限,近期有一些研究探索将基于过程的模型与机器学习算法相结合的混合建模框架。这类混合模型旨在结合水文模型的物理一致性和过程表征能力,以及机器学习模型的灵活性和模式识别能力。先前的研究已表明,这种组合能够在包括高山流域和易发洪灾的流域在内的复杂环境中提升径流模拟精度(Chiogna等人,2018;Senent-Aparicio等人,2019)。最近,SWAT–LSTM耦合模型已被成功用于数据匮乏流域的径流模拟以及气候影响评估(Chen等人,2023;Yang等人,2023;Jin等人,2024)。尤其在干旱山区,冰川变化、观测数据稀少以及强烈的水文气候变异共同导致了非线性和非平稳的径流响应,此时混合建模的重要性更为突出。在这种环境下,SWAT能够提供具有物理意义的水文过程信息,而LSTM则能捕捉到仅靠基于过程的模型难以发现的剩余时间依赖关系。
祁连山是中国西北部典型的高寒高山区域,对于河流径流研究具有重要的科学和实用价值。该地区的冰川储存着中国约3.4%的冰储量,而石羊河、疏勒河与黑河则是重要的水源,为河西走廊的绿洲农业和500万居民提供水源支持(Xu等人,2022)。近几十年来,该地区的气温以每十年0.3°C的速度上升,导致冰川面积迅速缩小(Zhu等人,2022)。此外,草地退化和永久冻土融化还加剧了雨季的洪水灾害,同时使干旱期的低流量状况持续更长时间(Li等人,2019)。尽管已有研究使用InVEST、SWAT和LSTM模型来分析祁连山地区径流的时空变化规律(Xu等人,2022;Bian等人,2023;Jin等人,2024),但大多数研究仍局限于单个流域或短期的时间序列分析。能够综合考虑冰冻圈变化与人为因素、涵盖较长时间跨度的区域尺度多流域评估研究仍然十分缺乏。
为弥补这些不足,我们提出了一种混合建模框架,通过将基于物理原理的水文过程变量与数据驱动的时间学习方法相结合,从而提升祁连山地区的径流模拟精度。利用多源观测数据,我们构建了包含气象变量和关键水文过程的SWAT–LSTM模型,对1990–2020年北祁连山的月度径流动态进行了模拟。随后,运用SHapley加性解释方法,量化了不同驱动因素对径流变化程度的相对贡献。基于CMIP6气候强迫数据以及不同SSP-RCP情景下的未来土地利用预测,我们进一步使用优化后的SWAT–LSTM模型预测了2021–2060年的月度径流情况。本研究的目标是:(1)提高山区月度径流预测的精度;(2)深入理解不同流域径流变化的主导控制因素;(3)预测气候变化背景下的未来径流趋势,从而识别各流域特有的水文风险。

章节节选

研究区域

祁连山位于青藏高原的东北边缘,涵盖中国甘肃省和青海省的部分区域(图1)。其经度范围在93°31′E至103°54′E之间,纬度范围在35°50′N至39°59′N之间,总面积约为2.0×105?km2。该地区的海拔梯度在2200米至5808米之间,属于高原山地气候,年均气温低于-2°C,年降水量在300毫米至700毫米之间(Xu等人,2020)。

径流模拟对比

在验证阶段,SWAT–LSTM模型在七个流域中的平均R2值达到了0.82,相比单独的LSTM模型提升了9.7%,相比单独的SWAT模型提升了4.4%(表2)。此外,SWAT–LSTM模型的均方根误差分别比SWAT模型和LSTM模型降低了26.8%和14.9%,相应的均方根绝对误差则分别上升了19.0%和9.2%。与SWAT和LSTM模型的相对百分比误差相比,SWAT–LSTM模型将误差降低了19.5%和6.6%。

混合模型径流模拟的优势与不确定性

本研究展示了将基于物理原理的模型与机器学习模型相结合,在模拟复杂高山径流过程中的多项优势。所提出的SWAT–LSTM混合模型在预测精度、泛化能力和稳健性方面均优于单独的SWAT和LSTM模型(图5)。该框架的一个核心优势在于,SWAT能够提供具有物理意义的水文过程信息,而LSTM则能够捕捉那些仅靠传统模型难以处理的非线性时间依赖关系。

结论

本研究通过提出一种适用于干旱山区的月度径流模拟与归因集成框架,推动了水文建模的发展。SWAT–LSTM混合模型在径流模拟精度上优于单独的SWAT和LSTM模型,结合SHAP分析方法,还明确了不同流域径流变化的不同空间控制因素。从区域层面来看,西部的径流变化主要受降水量和与温度相关的冰冻圈因素影响。

CRediT作者贡献说明

王旭东:数据整理、研究实施、软件应用、模型验证、结果可视化、初稿撰写。徐浩杰:概念设计、定量分析、资金申请、方法设计、研究指导、论文修改与润色。刘张文:资金申请、资源协调、论文修改与润色。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

本研究得到了中央高校基本科研业务费[项目编号:lzujbky-2022-27]、甘肃省自然科学基金[项目编号:23JRRA1048]以及甘肃省重点研发计划项目[项目编号:25YFFA094]的支持。
Xudong Wang|Haojie Xu|Zhangwen Liu
中国农业科学院草原研究所牧草改良与草原农业生态系统国家重点实验室、农业农村部草原畜牧业创新重点实验室、教育部草原产业工程研究中心、兰州大学畜牧农业大学科技学院,中国兰州730020
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号