《Water Resources Research》:Climate Models Accurately Predict Ocean-Going Meltwater Runoff From the Northwest Greenland Ice Sheet
编辑推荐:
摘要专业翻译
气候表面物质平衡(SMB)融水径流模型被广泛用于估算格陵兰冰盖当前及未来的海平面贡献。然而,SMB模型径流与现场冰川前缘河流径流观测之间的对比显示出较大差异。多数研究集中于格陵兰西南部,该区域活跃的冰下系统与冰前湖使SMB径流与冰前径流观测的直接
摘要专业翻译
气候表面物质平衡(SMB)融水径流模型被广泛用于估算格陵兰冰盖当前及未来的海平面贡献。然而,SMB模型径流与现场冰川前缘河流径流观测之间的对比显示出较大差异。多数研究集中于格陵兰西南部,该区域活跃的冰下系统与冰前湖使SMB径流与冰前径流观测的直接对比复杂化。本研究呈现并对比了来自格陵兰西北部两个流域为期四年(2019–2022年)的新的现场冰前径流观测数据(该区域无冰下干扰且无冰前湖),以及来自格陵兰西南部三个流域为期三年(2019–2021年)的新数据(该区域存在活跃的冰下系统与冰前湖)。针对三个最大的流域,研究人员将观测到的冰前径流与逐日RACMO2.3p2、MARv3.14和MERRA-2的SMB估算值进行了对比。对全部五条记录的分析发现,西北部流域存在快速的融水排泄以及区域性的径流行为系统。在西北部,模型模拟与观测的逐日径流之间总体吻合(RACMO2.3p2、MARv3.14和MERRA-2的误差分别为?21%、6%和?6%)。在西南部,由于高水势流域不确定性(SW 474的误差分别为?14%–90%、?6%–120%和?37%–62%)以及径流高估(SW 474的误差分别为13%–31%、97%–137%和68%–103%),不确定性更高。SMB模型与来自格陵兰西北部冰盖(该区域非常适合模型验证)的现场水文过程线的吻合表明,在缺乏冰下活动和冰下湖的区域,气候模型能够正确估算格陵兰冰盖对全球海洋的径流贡献。
论文解读
一、研究背景与科学问题
格陵兰冰盖的融水径流是其质量损失的主导途径,在1991年至2016年间贡献了其全球海平面上升总量的约60%。准确模拟格陵兰冰盖的融水径流,对于理解该冰盖当前及未来对海平面上升的贡献至关重要。气候表面物质平衡(SMB)模型是模拟冰盖融水径流的主要方法,也是预测未来径流的唯一工具。然而,SMB模型径流估算与现场冰前河流径流观测之间长期存在显著差异,这种不确定性严重制约了利用SMB模型估算和预测全球海平面上升贡献的能力。
造成SMB模型与现场观测之间差异的来源主要有两方面。其一,冰流域特征的影响:相对于流域尺寸具有更高分辨率的模型能更好地解析消融区特征,而准确的流域划分对径流估算至关重要。当融水进入冰内或冰下水文系统时,冰下流域划分变得必要,但冰下流域边界依赖于冰下压力,而冰下压力在时空上高度可变,导致冰下流域划分具有高度不确定性。其二,现有现场数据的区域局限性:迄今为止,格陵兰大多数现场水文和气象数据集均采集自相对容易到达的西南部,但该区域常见的冰下和冰内水文复杂性超出了SMB模型的表面域范围。西南部存在大量冰臼、裂缝和充水冰裂隙,将冰上径流分流至冰内和冰下系统,且冰前湖对径流具有蓄滞作用,这些因素均使SMB模型与冰前径流观测的直接对比复杂化。
相比之下,格陵兰西北部同样经历广泛的融化和径流,但该区域包含以冰上水文为主导的流域。该区域大部分为冷基底(cold-bedded),增加了纯冰上排水的可能性,且该区域的水文研究极少,现场观测数据匮乏。因此,在格陵兰西北部开展冰前径流观测并与SMB模型进行对比验证,具有重要的科学价值。
二、研究内容与主要结论
研究人员在格陵兰西北部建立了两个永久性冰前监测站——Inglefield Land的Minturn河流域(冰盖区约2,900 km2)和Pituffik空军基地的North河流域(冰盖区约130 km2),于2019–2022年间获取了四年逐小时的冰前河流水位和径流数据。同时,研究人员还获取了格陵兰西南部三个流域(SW 474、SW 492和SW AK004)的现场径流数据,其中SW 474和SW 492的数据由格陵兰水文调查机构Asiaq提供,SW AK004的数据为已有时间序列的延伸。研究人员将三个最大流域(Minturn River、SW 474、SW 492)的现场径流与三个广泛使用的SMB模型(RACMO2.3p2、MARv3.14和MERRA-2)的逐日径流模拟进行了系统对比。
研究发现,西北部两个流域的径流过程线形态相似,均表现出快速的融水排泄特征,表明该区域存在区域性的径流行为系统。两流域在6月下旬均出现日周期信号,融水季节从6月中下旬持续至8月下旬至9月初。尽管Minturn河流域面积约为North河的23倍、流量约为10倍,但两流域的径流过程线形状在四个年份中高度相似,表明西北格陵兰气候条件一致且冰上融水排泄迅速。在西北部,SMB模型模拟与观测的逐日径流总体吻合,RACMO2.3p2、MARv3.14和MERRA-2的总径流误差分别为?21%、6%和?6%。在西南部,SW 474的径流模拟量级大致准确但不确定性极高(受冰下流域划分不确定性的影响),SW 492则存在系统性径流高估。滞后分析表明,Minturn河流域模型与观测之间的最优滞后约为1天,而SW 474和SW 492分别为4天和3天,反映了冰下蓄滞和冰前湖调蓄造成的径流延迟。在温度、短波下行辐射和反照率方面,各模型在Minturn河流域均表现出较高的模拟精度,其中RACMO2.3p2在高径流期间的反照率误差最低。
三、关键技术与方法
本研究采用了以下关键技术方法:利用计算机视觉算法RiverNet/SegConnector(一种基于VGG16编码器的双UNet模型,经超过100万张ImageNet图像和人工数字化的WorldView、Sentinel及Landsat冰上河流数据集预训练)对流域内冰上河流网络进行高精度制图;结合2 m分辨率ArcticDEM数字高程模型,采用D8流向累积和路径分析方法进行流域划分,并人工修正以包含完整的河流网络范围;对于西南部活跃冰下流域,利用BedMachine Greenland v4数据计算水势网格,采用冰上覆压力与冰下水压力比值k(0.8–1.1)进行冰下流域划分;通过压力传感器和LiDAR进行水位(stage)连续观测,采用声学多普勒流速仪(ADV)和声学多普勒流速剖面仪(ADCP)进行流量测量,建立水位-流量关系曲线(rating curve)以生成径流时间序列;利用MODIS MCD43A3 Version 6.1产品获取宽波段短波反照率;对模型输出进行重网格化(最近邻法,统一至250 m分辨率EPSG: 3413网格)并利用QGIS区域统计插件提取流域均值;采用滞后相关分析评估模型与观测径流之间的时间延迟。
四、研究结果
西北部与西南部径流过程线对比。 对3小时分辨率的径流过程线进行比较发现,西北部与西南部冰盖在融水季节时间、洪峰急变性(flashiness)和日变化方面存在显著差异。大流域的融水开始时间相近(约6月),但西南部的径流持续更晚(约9月)。Minturn河是本研究唯一表现出强烈日变化的大流域,反映了快速的冰上径流排泄。所有西南部流域的径流季节更长、基流更稳定,而西北部流域则表现出更低的基流和更急的洪峰。
SMB模型径流与现场径流对比。 在Minturn河流域,SMB模型模拟径流与现场径流在时间和量级上总体吻合(R2 = 0.77–0.82,NSE = 0.37–0.75)。在SW 474,模型径流量级大致准确但存在较大的不确定性包络(源于冰下流域不确定性),且峰值时间不一致(R2 = 0.52–0.61,NSE = 0.38–0.54)。在SW 492,不确定性较低但所有模型均系统性高估径流,峰值时间亦不一致(R2 = 0.30–0.48,NSE = ?0.13至?4.55)。
滞后分析。 滞后相关分析确认了Minturn河流域模型与观测径流之间的最优滞后约为1天,而SW 474约为4–5天、SW 492约为3天。经滞后调整后,Minturn河的相关性最高(R2 = 0.82–0.87,NSE = 0.43–0.80),SW 474次之(R2 = 0.66–0.75,NSE = 0.57–0.72),SW 492最低(R2 = 0.60–0.75,NSE = ?3.38至0.29)。
气象变量验证。 在Minturn河流域,所有模型对2 m气温的预测在融水季节均具有较高精度(R2 = 0.79–0.82,RMSE = 2.08–2.72°C),对短波下行辐射的预测同样准确(R2 = 0.80–0.82,RMSE = 55–65 W/m2)。反照率方面,各模型均能捕捉7–8月反照率下降的趋势,但RACMO2.3p2倾向于高估反照率且变率较大,MARv3.14和MERRA-2倾向于低估反照率。径流加权反照率误差(RWAE)分析表明,在高径流日(对总径流估算最关键的时期),RACMO2.3p2的反照率误差(3,143 m3/s)显著低于MARv3.14(6,231 m3/s)和MERRA-2(6,289 m3/s)。
年尺度径流总量对比。 在Minturn河流域,三个SMB模型的总年径流估算与现场径流在全部四个年份中均紧密吻合(RACMO2.3p2误差?21%,MARv3.14误差6%,MERRA-2误差?6%),且无冰下划分不确定性。在SW 474,k = 1.0假设下RACMO2.3p2和MARv3.14的总径流与现场值吻合较好(误差分别为?7%和4%),但k值从0.8变化至1.1引入了高不确定性(?14%–90%和?6%–120%),MERRA-2则低估现场值(误差?34%,范围?37%–62%)。在SW 492,不确定性较低但所有模型均系统性高估总径流(RACMO2.3p2误差20%,MARv3.14误差100%,MERRA-2误差69%)。
五、讨论与结论
研究讨论指出,西北格陵兰表现为一个区域性的水文气象系统,两个流域的融水径流时间相似。西北部流域的短滞后和强日周期与冰上排水环境中预期的快速河道汇流一致。在西南部,冰下蓄滞和/或冰前湖蓄水导致洪峰和日周期被衰减,且径流滞后更长。研究强调,冰下活动和冰前蓄水是决定SMB径流估算精度的关键因素,而非冰盖区域或总消融量。与Minturn河流域相邻的Hiawatha Gletscher(冰下活跃区域)出现的SMB径流与表面消融之间的显著差异,与西南部冰下活跃流域观测到的差异类似,进一步支持了这一结论。研究局限性包括模型分辨率较粗、未处理可能的冰前区径流贡献以及气象数据不足等。尽管存在这些局限,研究结论表明:在冷基底、完全冰上排水且无冰前湖的Minturn河流域,SMB模型能够准确预测融水径流的时机和总量,表明气候模型在物理条件理想的模型验证站点能够准确预测进入全球海洋的融水径流贡献。