基于信息量与复杂度指标的多驱动因素下人类活动对径流及其组分的干预评估

《Journal of Hydrology》：Assessment of multi-driver human interventions on streamflow and its components based on information and complexity metrics

　　

•基于信息量和复杂度指标的评估框架，用于评估多驱动因素下的人类干预效应。•评估人类活动对径流各分量的独立和联合影响。•人类活动对总径流及其各分量的时滞和非线性效应。•基于盆地基因复杂度评估拟议指标的可靠性和可迁移性。

引言

全球水循环的特征是强度和变异性不断增加，导致各热点区域水文极端事件的频率上升。重大的洪水事件，如泰国湄公河流域所观测到的（Kinouchi和Sayama，2021），以及印度半岛记录的长期干旱（Kinouchi，2021），代表了区域水安全的重大挑战。这些极端事件反映了更广泛的全球趋势，即径流模式正日益受到气候强迫和人为压力的改变（Fang等，2026）。这种偏离自然状态的结果导致水文信号的非平稳性，使水资源管理变得复杂（Wang等，2024；Lan等，2025）。在全球背景下，中国的渭河流域（WRB）作为一个经历快速社会经济和生态转型的代表性案例。人为干预改变了地表和径流路径。径流响应并不遵循线性模式，因为多个驱动因素同时运作并产生非线性相互作用。这些特征使得理解人类活动与径流之间的关系变得困难。

已提出多种方法来应对这些挑战。基于物理的分布式水文模型在此方面发挥着核心作用。如SWAT和MIKE SHE等模型使用物理机制的数学描述来模拟水文过程。Liu等（2024）使用SWAT模型评估土地利用和土地覆盖变化如何影响河流径流。Jiang, A.等（2024）表明，准确的降水估计可以提高SWAT在山地集水区的表现。统计线性方法，包括回归模型和相关分析，因其简便性而广受欢迎。例如，Quang等（2024）使用经验正交函数分析来检测水位变化的模式。近年来，数据驱动方法引起了越来越多的关注。Mai等（2022）提出了一个统一框架，将集合建模、全局敏感性分析和数据驱动元建模相结合。该框架量化了径流对各种水文过程的敏感性，将传统参数分析扩展到包含结构不确定性。Li等（2022）开发了一种物理信息驱动的数据模型，以改善对灌溉流域水文过程的理解。Li Y.等（2024）构建了一个机器学习并行系统，使用长短期记忆网络作为替代模型。该系统与蚁群优化结合，以改善河流污染物浓度的预测。尽管取得了这些进展，仍存在重要局限。基于物理的模型依赖于假设和参数选择，在数据稀缺或严重改造的流域中可能导致较大不确定性。线性统计模型难以表征人类活动与径流之间的非线性相互作用。机器学习方法，特别是深度学习算法，已显示出检测水文数据中复杂非线性模式的强大能力（Tripathy和Mishra，2024）。然而，这些方法通常表现为"黑箱"。它们对潜在因果关系、信息流或多个驱动因素对径流的相对贡献提供的见解有限（De la Fuente等，2023）。这种缺乏可解释性降低了其在水管理和政策决策中的实用性。这些局限揭示了一个明显的空白。当前方法很少透明地整合多个人类驱动因素。很少有方法能在保持物理一致性的同时描述其与非平稳径流的相互作用。这一空白促使本研究提出框架的发展，旨在以透明和物理可解释的方式阐明人类活动与径流响应之间的联系。

本研究开发了一个基于信息论的框架来分析人类—径流相互作用。信息论源自通信领域，为量化系统变量之间的因果相互作用提供了数学基础。水文研究近年来日益采用信息论方法（Shen等，2020）。Al Sawaf和Kawanisi（2020）研究了水文过程中的信息含量和系统复杂度。Findanis和Loukas（2024）将信息论应用于水文时间序列以量化信息含量。Pizarro等（2025）引入不确定性和互信息比率以改善降雨—径流模拟。信息论方法是无模型的。它们不假设任何函数形式或物理方程。这些方法衡量变量之间的总依赖性，包括线性和非线性关系。通过避免固定模型结构，这些方法减少了系统性错误的风险。这一特征使其非常适合由多因素驱动且具有延迟响应的系统。互信息等信信息论指标可以有效量化信息传递、捕获复杂相关性并识别重要依赖关系。基于这些特性，拟议框架提供了一种解释人类干预的新方式。该框架将人类影响视为径流不确定性的减少。具体来说，通过衡量当纳入人类活动信息时径流预测不确定性减少了多少来量化人类干预。

在集水尺度上获得连续长期的人类活动数据仍然是一个重大挑战（Thorslund和Van Vliet，2020）。遥感为表征河流系统中的人类干预提供了一种有效方式。卫星观测有助于识别不同类型的人类活动，并揭示人类影响如何随空间和时间变化（Fleming等，2024；Pena-Arancibia等，2024）。在城市地区，不透水面——定义为抑制水分渗入的人造结构——作为人类聚居的关键指标（Gong等，2020）。夜间灯光数据反映人类活动的强度。许多研究将这些数据作为经济和社会发展的代理（Ceola等，2019）。植被动态通过蒸散发、截留、入渗和地下水补给在径流调节中发挥关键作用。植树造林项目已显示出减少集水区中位数和低流量的作用（Buechel等，2022）。农业土地利用也通过灌溉和土地管理实践改变水文行为。通过整合这些来自遥感数据集的人为驱动因素，可以构建集水尺度上相对全面的人类活动表征。为了将人类干预与物理水文响应联系起来，必须考虑径流本身的组成。总径流代表多个来源的复合体，每个来源具有不同的响应时间和动态，从快速的地表径流到缓慢的深层地下水贡献。在本研究中，总径流被分解为四个分量，代表短期、中期、长期和基本流延迟流量。这些分量捕获了不同水源的时间动态，包括地表径流、浅层和深层地下水以及融雪，提供了流域水文过程的详细、物理可解释的视图（Stoelzle等，2020；Aboelnour等，2021）。通过将分量级径流信息与信息论指标相结合，拟议框架量化了人类活动如何影响总径流及其各个来源。这种方法揭示了系统中原本不可观测的内部过程。

此外，为评估拟议框架的可靠性和可迁移性，引入盆地复杂度作为验证工具。盆地复杂度表征了自然条件下径流的可预测性。气候变异性、景观异质性和地下过程都塑造了这种难度（Pande和Moayeri，2018）。高复杂度流域通常表现出不稳定且可预测性较低的水文行为。这些条件可以增强或掩盖人类影响对径流的信号（Ombadi等，2021）。如果框架在不同复杂度水平的流域中产生一致且可解释的结果，则支持其通用适用性。这种一致性也表明框架反映的是物理过程而非数据驱动偏差（Li等，2024a；Li等，2024b）。通过将信息框架推导出的干预梯度与独立计算的盆地复杂度指标进行比较，评估观测到的人类影响是否符合水文学预期。这一步评估了框架在多种水文条件下的性能。

本研究将该框架应用于渭河流域。该流域位于中国半干旱地区，受高强度农业灌溉、快速城市扩张和大规模水库运营的显著影响。本研究的主要目标是：(a)开发一个综合信息框架，量化人类活动对径流过程的独立和联合影响；(b)通过人类活动影响水文响应的关键径流分量及相应时滞模式来识别驱动机制；以及(c)纳入盆地复杂度分析以评估拟议指标的可靠性和可迁移性。通过捕获人类活动与径流之间的非线性和动态关系，本研究为改造后的河流系统中驱动径流变化的机制提供了新的见解。这些发现为可持续水资源管理和政策决策提供了有价值的指导，特别是在面临快速环境和水文变化的地区。

**研究区域概述**

为评估拟议框架在量化人类干预对径流及其各分量影响方面的有效性和通用适用性，选择渭河流域（WRB）作为研究区域。该流域地形呈现空间变异性，海拔从西北源头逐渐降低至东南出口。流域覆盖面积为134,800平方公里，干流长度约818公里（Jia等，2021；Ren等，2024）。

**方法**

已开发了一个基于信息论和复杂度指标的综合框架，用于量化多源人类活动对径流及其各分量的影响，实现可解释且物理一致的人类干预评估（图3）。该框架首先识别不同径流分量的相对贡献，为检测最响应人类活动的分量提供物理基础。随后验证所选人类

**基于特征延迟曲线的多分量径流分解**

在渭河流域的五个案例中，应用表明不同流域间在特征延迟曲线（CDC）形状和断点位置方面存在差异，反映了自然和人为控制的共同作用（图4）。在上游黄土高原源头区（案例A），退耕还林工程的广泛生态修复减少了暴雨径流并增加了基本流量，增强了入渗并延长了地下储存（Ge等，2020）。这使得CDC断点向更高N值移动并延长了

**MSHI框架的方法稳健性和物理可解释性**

现有研究主要评估人类活动对年或季节总径流的联合效应（Zhang等，2023）。在某些情况下，径流被分为地表径流和基本流量以区分径流来源（Shi等，2023）。然而，仅将径流分为两个分量可能会遗漏在不同时间尺度上运行的相关水文过程。因此，将径流变化归因于人类活动可能

**结论**

本研究开发了一个基于信息论和复杂度指标的综合框架，用于量化与径流及其各分量相关的多源人类干预信号。通过结合径流分解、复杂度信息建模和多源遥感指标，表征了人为活动与径流生成之间的非线性和空间异质性关联。进一步纳入盆地复杂度分析以检查

**作者贡献声明**

杜心悦：概念构思、调查研究、可视化、原稿撰写、审阅与编辑、数据整理。田岚：形式分析、数据整理、方法学、项目管理、可视化、资金获取。李环环：形式分析、资源、验证、数据整理、概念构思。冯文哲：概念构思、资金获取、方法学、资源。乔天玲：资源、数据整理、调查研究、验证。王通永：撰写

**利益冲突声明**

作者声明他们不存在任何已知的竞争性经济利益或个人关系可能影响本文所述工作。

**致谢**

本研究由中国国家自然科学基金（编号52309110）、中国博士后科学基金（编号2023 M740363）、中央高校基本科研业务费（编号300102294203、300102293505）、陕西省教育厅项目（编号25JE005）、水力学及水资源国家重点实验室开放研究基金（编号sklhse-KF-2025-A-03）、青年人才基金科研项目资助。

杜心悦 | 田岚 | 李环环 | 冯文哲 | 乔天玲 | 王通永 | 魏浩炎 | 李辉杰 | 陆燕薇