《Frontiers in Water》：Hydrological model performance and uncertainty in a snow-dominated Himalayan Basin: a systematic quantitative synthesis for the Jhelum River Basin (2000–2024)
编辑推荐：
摘要
在冰冻圈加速变化与水文气候非平稳性背景下，雪域喜马拉雅流域的水文建模面临严峻挑战。杰赫勒姆河流域（JRB）位于喜马拉雅山西北部，横跨印度-巴基斯坦边境地区，因其双重大气强迫、陡峭的海拔梯度、稀疏的观测网络以及径流对温度的强敏感性，呈现出显著的建模复杂性。
摘要
在冰冻圈加速变化与水文气候非平稳性背景下，雪域喜马拉雅流域的水文建模面临严峻挑战。杰赫勒姆河流域（JRB）位于喜马拉雅山西北部，横跨印度-巴基斯坦边境地区，因其双重大气强迫、陡峭的海拔梯度、稀疏的观测网络以及径流对温度的强敏感性，呈现出显著的建模复杂性。尽管该流域已有数十年的建模活动，但所报告的模型性能从未在不同框架间进行过系统性统计综合，也未曾结合模型结构、模拟目标或不确定性处理进行解释。这导致跨研究变异性无法解释，且气候变化下的预测可靠性难以评估。本研究通过系统定量综合，针对2000–2024年间发表的41项同行评审研究，基于PRISMA检索协议在学术数据库中识别并综合了JRB的水文建模应用。综合比较了主流框架间的模型性能，评估了结构性过程表征，考察了不确定性处理与传播，并识别了气候变化下的未来建模路径。从保留的29个Nash-Sutcliffe效率系数（NSE）值来看，土壤和水评估工具（SWAT；平均NSE = 0.732，变异系数（CV）= 0.219，N = 13）表现出最宽的性能离散度，这与其长期多过程模拟的特点一致。水文工程中心-水文建模系统（HEC-HMS；平均NSE = 0.763，CV = 0.159，N = 8）分布较为集中，反映了其基于事件的洪水模拟重点。融雪径流模型（SRM）在其狭窄的融雪估算领域内取得了最高的平均NSE（0.802，N = 3）。各框架间的性能差异反映了结构专业化和模拟目标的不同，而非模型本身的优劣。仅有26.8%的综述研究采用了正式的概率不确定性分析，这在非平稳水文气候强迫下是一个关键缺口。对温度指数融雪公式的广泛依赖也引入了径流时间和量级上的系统性不确定性。在预计2041–2070年升温1.5–3.8°C的背景下，这一担忧更加突出。转向混合型、冰冻圈耦合、基于集合以及不确定性感知的建模框架，对于提高预测可靠性和支持受冰冻圈影响的喜马拉雅流域气候适应至关重要。
水文气候与冰冻圈背景下的杰勒赫姆河流域
杰勒赫姆河流域面积33,867 km2，由印度（56%）和巴基斯坦（44%）共享，地理范围延伸至32°20′N–35°20′N和73°40′E–75°35′E之间。该流域为跨境系统，具有陡峭的海拔梯度（200–6,200 m a.s.l.）、双向大气强迫和强烈的季节性。流域发源于查谟和克什米尔的韦里纳格泉，流经克什米尔谷地后进入巴基斯坦并汇入杰纳布河。主要支流包括基申甘加河（尼勒姆河）、库纳尔河、信德河、维肖河、桑德兰河、布林吉河、阿拉帕斯河等，大部分支流由融雪径流驱动，最终汇入印度河。流域多年平均降水量约1,200 mm，多年平均温度约13.7°C，阿扎德帕坦站多年平均流量约829 m3 s?1（相当于1,002 mm径流深），代表流域近80%面积的径流贡献。尽管冰川区面积不足流域的1%，季节性积雪储存和融雪对春季和初夏径流调节起关键作用。
季节性径流分配
流域径流分配是融雪与降水季节性相互作用的结果。季节性水文呈现四个独特阶段：冬季（12月至2月）降雪维持流域出口较低基流；春季融雪期（3月至5月）是雪域子流域的主要年径流峰值；夏季径流为残余融雪与季风降水的组合；秋季为基流消退期。温度控制融雪起始时间、水文过程线形态和年际径流变化。气候影响模拟表明，温度升高+1.5至+2°C可使峰值径流从7月提前至5月至6月。冬季和早春径流预计上升，晚夏径流因残余积雪减少而下降。温度升高增强蒸散发、改变季节性径流分布和子流域基流贡献。
观测数据缺口
水文气象观测数量有限是直接限制模型校准质量和不确定性量化的结构性约束。海拔3,000 m a.s.l.以上的站点严重缺乏，多数研究使用单一气象站通过气温直减率外推代表大范围海拔区间。为弥补空间观测缺口，TRMM、WFDEI、NASA POWER和MODIS积雪等卫星和再分析产品常被纳入建模系统，但会引入降水相态判别、降雪捕获不足和高海拔代表性方面的不确定性。流域完全缺乏雪水当量数据，需使用校准的度日因子作为积雪实地观测的代理指标。
气候预估离散度
杰勒姆河流域的气候预估在GCM选择、排放情景和降尺度方法方面存在很大差异。RCP 4.5–8.5情景下温度升高为+1.5–3.8°C。部分基于VIC的模型在高排放情景下预估世纪末升温超过+5°C。预估降水变化在2%至19%之间，秋季增幅更大。相应的径流预估显示约3%至超过30%的增加，取决于子流域性质和情景假设。世纪末评估表明冬季-春季径流增加31%，夏季径流减少10%，产沙量为8.54 Mg ha?1 yr?1。多数评估基于单一GCM而非集合平均，增加了情景不确定性。统计降尺度方法在复杂地形中引入额外变异性，尤其是地形抬升作用难以在GCM空间尺度上解决。
方法论
研究遵循PRISMA框架进行系统综述。在Scopus、Web of Science、ScienceDirect和Google Scholar四个数据库中检索2000–2024年文献，使用布尔检索式识别207条记录，去除27条重复后筛选180篇，排除120篇不相关研究后评估60篇全文，排除19篇后最终纳入41项研究进行定性综合，其中34项提供可比较的性能数据进行定量比较综合。研究质量评估采用四个标准：校准透明度、不确定性分析、数据充分性和时间尺度清晰性，总分0–8分，分为高（7–8）、中（4–6）、有限（0–3）三个等级。数据提取框架记录了模型类型、研究区域、应用目标、模型配置、校准和验证设计、报告的性能指标和输入数据集。定量综合仅保留每项研究每个建模框架的一个主要NSE值，验证期NSE优先于校准期NSE，日尺度优先于月尺度，流域出口值优先于子流域值。使用均值、标准差、变异系数和95%置信区间进行描述性统计分析。
水文模型及其结构特征
41项综述研究显示了流域水文建模方法的清晰演变。早期研究以SRM为主，反映高海拔喜马拉雅流域温度指数融雪模拟的初始重点。2016–2018年间，HEC-HMS在洪水模拟和降雨-径流评估中的应用增加。2019年起，SWAT成为最常用的建模框架，主要用于气候变化评估、土地利用覆被变化影响分析、泥沙模拟和流域尺度水文评估。2022–2024年研究还包括VIC、MIKE水文-水力学模型和数据驱动方法如人工神经网络（ANN）。SWAT为基于水文响应单元（HRU）的半分布式物理模型，HEC-HMS为半集中式概念模型，SRM为跨高程带估算融雪的温度指数模型，VIC为具有能量平衡积雪表示的物理陆面模型。
SWAT与HEC-HMS的结构比较
SWAT和HEC-HMS是综述文献中应用最广泛的框架。两者主要结构差异在于空间离散化。SWAT采用高度细化的HRU结构，按土地利用、土壤类型和地形坡度的独特交叉将子流域细分，显式异质性空间参数化增强了局部水文过程模拟。HEC-HMS采用半集中式子流域设计，聚合子流域水文过程并通过概念网络向下游传播流量，降低数据需求和计算负担，但牺牲了对地形崎岖山区空间变率的表征。时间模拟方面，SWAT整合高级水量平衡框架，适合长期连续过程模拟，有效用于气候变化影响和土地利用变化分析。HEC-HMS在结构上适应基于事件的降雨-径流建模、洪水预测和峰值流量确定，但因其对概念性损失和输移机制的依赖，在大规模长期水量平衡评估方面受限。冰冻圈动力学方面，两模型传统上均使用温度指数融雪算法，但SWAT在HRU层面将融雪与土壤水分和地下水储存耦合，HEC-HMS仅将融雪作为子流域径流的宏观尺度直接输入。
雪域水文下的结构行为
上杰勒姆流域年径流中冰雪融水约占50–60%，使冰冻圈过程表征成为所有框架模型性能的主导结构控制因素。显式高程分带模型（尤其是SRM和具有HRU离散化的SWAT）在季节性表现上更为有效，能够表征融雪起始和雪消耗的海拔依赖动态。半集中式模型如HEC-HMS稀释了积雪储存的空间异质性，可能降低对宽泛子流域内海拔依赖融雪变率的保真度。所有综述模型的最根本弱点是均依赖温度指数融雪公式。虽然计算高效且通常足以校准历史融雪，但这些公式未显式模拟辐射能量平衡、反照率动力学和湍流热交换，在预估升温1.5–3.8°C下这些过程对驱动融雪日益重要。此种结构简化引入了融雪时间和季节性径流量级的系统性不确定性，无法仅通过校准解决。与冰冻圈更显式耦合的模型（如VIC）在长期气候预估应用中表现相对更好，支持冰冻圈表征的结构充分性是变化条件下预测可靠性的主要决定因素。
校准实践与不确定性处理
41项综述研究中有11项（26.8%）实施了显式概率参数不确定性分析，其余30项（73.2%）依赖确定性校准、敏感性测试或定性讨论。正式不确定性处理主要集中在SWAT应用中，其中9项研究在SWAT-CUP中使用SUFI-2，通过P-factor和R-factor量化参数不确定性、敏感性排序和预测不确定性。1项研究在HEC-HMS和SRM中应用GLUE结合蒙特卡洛模拟。MIKE模型、SWIM和ANN应用均未实施显式概率参数不确定性分析。
模型适用性与结构专业化
模型适用性随模拟目标、时间尺度和主导水文过程而非任何普遍模型优越性而变化。HEC-HMS最适合洪水事件模拟和短期水文评估，其模块化事件导向结构支持强水文过程线再现和峰值流量模拟，但简化空间表征和对长期水量平衡的较弱处理限制其综合流域尺度评估适用性。SRM最适合融雪季径流模拟，尤其在径流主要由温度指数融雪过程和积雪动态控制的雪域高程控制流域。SWAT在长期水量平衡分析、气候影响评估和土地利用变化研究中显示出最广泛的适用性，其半分布式HRU结构和连续模拟框架支持季节性水文、地下水响应和陆面相互作用的较强表征。VIC在气候预估和流域尺度水文气候评估中表现良好，归因于物理现实的陆-气耦合和能量平衡表征，但高数据与计算需求限制其应用。MIKE NAM-HD在实时预报和综合水文-水力学模拟中具明显优势。
定量性能综合
按优先级协议保留29个独立NSE值进行主要综合。SWAT（N=13）平均NSE为0.732，变异系数为0.219，范围约0.35至0.98，表现出最宽性能范围和最大离散度，反映其在不同水文情境下的应用，包括长期流域尺度模拟、气候变化评估和土地利用分析，连续多过程表征增加了对强迫不确定性和参数等终性的敏感性。HEC-HMS（N=8）平均NSE为0.763，离散度较低，四分位距较紧凑，与其基于事件和洪水导向研究的应用一致。SRM在超过一项保留研究的框架中取得最高平均NSE（0.802，N=3），分布较窄，反映其结构专业化。MIKE模型（N=2，平均NSE=0.753）、VIC（N=1，NSE=0.790）、SWIM（N=1，NSE=0.760）和ANN（N=1，NSE=0.700）样本量有限，仅作描述性解释。各框架NSE范围存在显著重叠，表明没有单一模型在所有应用场景中一贯优于其他模型，观察到的变异性（尤其是SWAT）更反映模拟目标、时间尺度、数据可用性和流域复杂性的差异，而非模型固有缺陷。
R2补充综合使用相同优先级协议保留，总体显示观测与模拟流量间中度至强度一致性。SWAT贡献最多保留R2观测值并显示最宽性能范围，HEC-HMS显示相对较高且更一致的R2值，MIKE、VIC、SWIM和ANN框架保留观测较少。R2综合总体上支持基于NSE的发现，同时表明强线性一致性不一定意味着所有建模情境下统一的高预测效率。
讨论与结论
综合证据表明，跨框架性能差异主要由结构专业化和模拟目标决定，而非模型内在优越性。SRM在其狭窄融雪估算领域表现最佳，HEC-HMS在事件洪水模拟中表现一致，SWAT在长期连续模拟中提供最广泛但最分散的性能。仅有26.8%的综述研究应用正式概率不确定性分析，在非平稳水文气候强迫下构成关键缺陷。普遍依赖温度指数融雪公式引入系统性不确定性，在预估升温下尤甚。未来路径应转向混合型、冰冻圈耦合、基于集合和不确定性感知的建模框架，并加强能量平衡融雪表征、卫星积雪数据同化和多模型集成策略，以提高预测可靠性，支持受冰冻圈影响的喜马拉雅流域气候适应与跨境水资源规划。
