《Journal of Hydrology》：Global assessment of river flow regimes simulated by reach-level streamflow datasets
编辑推荐：
摘要
全球河流流量模式反映了河流环境的状况，对于维持自然生态系统和人类社会经济系统至关重要。最近在河段级流量数据集方面的进展使得能够实现河流流量的时空连续表示，比之前的粗网格尺度近似方法更精确地反映了真实世界的河流网络。对这些河段级数据集的评估是其广泛应用的前提条件，然而，现
摘要
全球河流流量模式反映了河流环境的状况，对于维持自然生态系统和人类社会经济系统至关重要。最近在河段级流量数据集方面的进展使得能够实现河流流量的时空连续表示，比之前的粗网格尺度近似方法更精确地反映了真实世界的河流网络。对这些河段级数据集的评估是其广泛应用的前提条件，然而，现有的评估主要集中在它们与每日观测数据的一致性上，而忽视了它们捕捉多维流量模式特征的能力。在这里，我们评估了三个河段级数据集的表现，即全球河段级洪水再分析（GRFR）、全球河流流量再分析（GRDR）以及基于网格LSTM-RAPID的全球每日河段级河流流量数据集（GRADES-hydroDL）。利用这些数据集，我们衍生出了38个流量指数，涵盖了五个流量维度（即流量大小、频率、持续时间、时间和变异性），并通过不同的统计方法将其与全球4,698个水文站的观测数据进行了对比。通过使用Kling-Gupta效率（KGE）对流量指数进行评估，我们发现GRADES-hydroDL的表现优于其他数据集，但在捕捉低流量大小以及频率和持续时间特征方面仍存在局限（KGE值低至-0.11）。进一步分析KGE的三个组成部分发现，性能损失主要归因于时间相关性和平均流量偏差。对间歇性河流的额外分析表明，所有数据集均一致低估了水文间歇性，尽管GRDR的表现相对较好。这些发现为根据不同流量维度的表现来选择河段级数据集提供了指导。
引言
全球河流不仅是将淡水从陆地向海洋输送的通道，也是具有内在流量模式的复杂系统。河流流量模式由五个维度构成，即流量大小、频率、持续时间、时间和变异性，这些因素支撑着河流生物多样性、泥沙输送和人类水资源安全（Chen等，2023；Palmer和Ruhi，2019；Poff等，1997）。受气候变化和人类活动的影响，全球河流流量模式正在发生显著变化，迫切需要高分辨率和时空连续的流量数据来捕捉这些动态（Han等，2019；van Vliet等，2013；Wu等，2023）。
现场观测和基于卫星的产品提供了可靠的流量信息，但两者在实现空间和时间连续覆盖方面都存在局限性（Cerbelaud等，2025；Krabbenhoft等，2022；Westerberg等，2016）。为了解决这些局限性，近年来开发了几种基于全球河流网络的河段级流量数据集。代表性的例子包括GRFR（全球河段级洪水再分析）、GRDR（全球河流流量再分析）和GRADES-hydroDL（基于网格LSTM-RAPID的全球每日河段级河流流量数据集）。这些数据集采用了不同的方法论范式来估计从源头到河口的连续河段级流量，包括基于过程的水文建模与河流路径计算（GRFR）、将卫星衍生的流量估计值同化到路径计算的水文模型中（GRDR），以及结合机器学习的径流生成与河流路径计算（GRADES-hydroDL）（Feng和Gleason，2024；Yang等，2025；Yang等，2021）。然而，现有的数据集评估主要关注每日流量时间序列与测量观测数据之间的一致性，性能指标对平均流量条件的敏感性高于对流量模式特征的敏感性（Feng和Gleason，2024；Yang等，2025；Yang等，2021）。因此，这些数据集在表示河流流量模式特征方面的能力仍很大程度上未被探索，尤其是在不同的流量维度上。
重要的是，准确模拟每日流量并不一定能够确保准确表示河流流量模式。特别是流量模式的关键方面，如高流量和低流量条件的时间和持续时间，对于水文灾害管理和生态系统保护至关重要（Satoh等，2022）。同时，在间歇性河流中，零流量事件的频率和持续时间对于评估水资源短缺情况至关重要（Gou等，2025）。因此，如果不充分表示这些详细的流量模式特征，可能会在全球洪水、干旱风险、河流生态系统和水资源短缺的研究中得出有偏见的结论。然而，到目前为止，仍缺乏针对这些详细流量特征对河段级流量数据集的全面评估，且不同数据集之间性能差异的来源仍不清楚。
此外，河流流量模式特征对流域规模和人类干预（尤其是水库运营）特别敏感，这意味着数据集的性能可能会因流域规模和干预程度的不同而有所差异（Best，2019；Doell等，2009；Gregory，2006；Grill等，2019；Wang等，2025）。考虑这些因素有助于解释不同水文和管理背景下数据集性能的变化。
在这里，我们提出了一个评估框架，该框架结合了38个流量维度指数，其中Kling-Gupta效率（KGE）指标应用于流量模式的年度时间序列，而不是每日流量，以系统地评估三个全球河段级流量数据集（GRFR、GRDR和GRADES-hydroDL）的性能。除了整体性能排名外，我们还采用了一种逐个组件的误差分解方法，量化了相关性、平均流量偏差和变异性误差（对应于KGE的三个组成部分）的相对贡献，从而分离出数据集不足的主要因素。此外，我们探讨了流域规模和水库干预对数据集性能的影响。我们的结果提供了对当前全球流量产品的优势和局限性的见解，并为未来的数据集开发和应用提供了指导。
章节片段
全球河段级流量数据集
最近，几项开创性的研究整合了水文建模、河流路径计算和观测数据，实现了时空连续的流量数据。图1展示了四个著名全球河段级数据集之间的演变关系和方法论差异。基础数据集是SWOT的全球河段级先验流量估计（GRADES；Lin等，2019），这是最早的河段级、自然化的每日流量数据集。它结合了
每日流量的整体性能和组件误差分解
首先评估了这三个全球河段级数据集模拟连续每日流量的整体能力。如图3a所示，各数据集之间的性能存在明显差异。具体而言，基于机器学习的GRADES-hydroDL数据集表现出最高的整体准确性，中位数KGE为0.637。相比之下，基于过程的方法和结合数据同化的数据集的性能明显较低，GRDR和GRFR的中位数
方法论范式决定了数据集的性能：数据驱动模型的优势和局限性
我们对多维流量模式的全面评估（结果3.1和3.2）明确显示了基于机器学习的GRADES-hydroDL相对于基于过程（GRFR）和同化（GRDR）数据集的优势。这种提升的性能可能源于GRADES-hydroDL中应用的长短期记忆（LSTM）网络的固有结构，该网络在捕捉气象强迫与流量之间的复杂非线性时空关系方面表现出色
结论
本研究系统地评估了三个全球河段级流量数据集（GRFR、GRDR和GRADES-hydroDL）在4,698个全球水文站捕捉多维河流流量模式的能力。基于38个流量指数和不同的统计评估指标（如KGE指标），我们确定了这些数据集不同建模范式的具体性能模式和结构局限性。我们的主要结论如下：
首先，
CRediT作者贡献声明
罗秋瑜：撰写——审阅与编辑，撰写——初稿，可视化，方法论，数据管理。刘小芒：撰写——审阅与编辑，撰写——初稿，监督，调查，资金筹措，数据管理。王凯文：撰写——审阅与编辑，撰写——初稿，监督，调查，资金筹措，数据管理。白鹏：撰写——审阅与编辑，调查，数据管理。杨泽龙：撰写——审阅与编辑，
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
本研究得到了中国国家重点研发计划（编号2023YFC3206600和2024YFC3013404）和国家自然科学基金（编号42525709）的支持。
罗秋瑜|刘小芒|王凯文|白鹏|杨泽龙|叶静|刘长明
