《Remote Sensing》:Temporal Lag and Response Characteristics of Runoff and Its Components in a Glacial Basin
编辑推荐:
冰川是气候变化的指示器,研究气候变化对冰川流域径流及其组分的影响是全球的研究热点。径流及其组分的形成机制受多种因素影响,但由于自然和客观条件导致的数据匮乏,相关研究在冰川地区仍然稀缺。为识别塔吉克斯坦瓦赫什河流域径流及其组分的驱动因素,本研究选取了合适的基流分
冰川是气候变化的指示器,研究气候变化对冰川流域径流及其组分的影响是全球的研究热点。径流及其组分的形成机制受多种因素影响,但由于自然和客观条件导致的数据匮乏,相关研究在冰川地区仍然稀缺。为识别塔吉克斯坦瓦赫什河流域径流及其组分的驱动因素,本研究选取了合适的基流分割方法,获得了总径流(total runoff)、基流(baseflow)和地表径流(surface runoff)数据集。进而,利用卫星遥感产品、再分析数据集和实地观测资料,通过交叉小波变换(cross-wavelet transform, XWT)和可解释机器学习方法(具体为类别提升树(Categorical Boosting, CatBoost)结合沙普利加法解释(SHapley Additive exPlanations, SHAP)分析),定量评估了水文气候变量对径流及其组分的影响及时序模式。结果表明,在九种评估的基流分割方法中,Chapman–Maxwell方法表现最优。无论在干旱季节还是湿润季节,积雪相关变量和归一化植被指数(Normalized Difference Vegetation Index, NDVI)对径流及其组分的影响均显著。相较于干旱季节,湿润季节中总蒸散发(total evaporation, ET)和地表太阳辐射(surface solar radiation, SR)的排名下降,而总降水量(total precipitation, Prec)和雪深(snow depth, SD)的排名显著上升。干旱季节的周期振荡强于湿润季节。地表径流的时滞最短,总径流次之,基流最长。时滞在干旱季节内不超过18天,在湿润季节内不超过12天。与干旱季节相比,湿润季节中积雪相关变量(如SD、雪水当量(snow depth water equivalent, SDWE))的时滞提前约2–4天;Prec的时滞提前约3–4天;PSM和ET的时滞提前约5–6天;SR的时滞提前约4–5天。下垫面和气候变异导致了交叉小波变换识别的时滞存在不确定性和误差,对此进行了阐明。本研究结果为应对冰川流域的气候变化提供了科学依据。
论文解读:冰川流域径流及其组分的时滞效应与驱动机制
一、研究背景与意义
在全球气候变暖背景下,山地冰川加速消融,深刻改变了寒区水文循环过程。径流通常分为地表径流和基流,前者由降水或融雪快速形成,后者则依赖地下水或其他延迟水源补给,是连接地表水与地下水的纽带,对农业灌溉、经济活动及河流生态系统可持续性至关重要。塔吉克斯坦的瓦赫什河上游流域属于典型的高山寒冷山区,其独特的水热条件使得水文过程高度依赖冰川和融雪水。然而,由于自然条件恶劣、观测困难以及数据获取受限,针对此类冰川流域径流及其组分驱动因素的定量研究仍十分匮乏。现有研究多采用统计方法、Budyko框架或分布式水文模型,但难以有效捕捉水文过程中的复杂非线性关系,或模型构建复杂、求解困难。因此,系统分析该区域径流及其组分的变化规律、关键预测因子及其时滞特征,对于实现流域水资源精细化管理、保障区域水安全具有重要的理论与实践意义。
二、研究方法概述
研究人员以塔吉克斯坦瓦赫什河上游流域(努列克水电站控制断面以上,集水面积30968 km2)为研究区,获取了1995年1月至2018年4月的长期径流数据。研究首先从九种基流分割方法(包括基流指数法BFI、时间步长法HYSEP中的固定步长FI/滑动步长SI/局部最小值LM、Lyne Hollick数字滤波法F1、Chapman法F2、Chapman–Maxwell法F3、Boughton–Chapman法F4、Eckhardt法F5)中筛选出最适合该流域的方法,并基于低流量指数法进行评价。随后,选取15个水文气候变量(包括总蒸散发ET、地表太阳辐射SR、总降水量Prec、雪深SD、雪水当量SDWE、积雪覆盖SC、归一化植被指数NDVI、土壤湿度相关变量等),采用可解释机器学习模型CatBoost耦合SHAP分析,量化各变量对总径流、基流和地表径流的重要性。同时,利用交叉小波变换XWT探究关键变量与径流及其组分在干季(1–3月及9–12月)和湿季(4–8月)的时频关系与时滞天数。模型超参数通过网格搜索优化,干季迭代次数2130、最大树深6、学习率0.062;湿季迭代次数2351、最大树深7、学习率0.047。
三、研究结果
1. 基流分割方法的筛选与径流变化特征
在九种基流分割方法中,Chapman–Maxwell方法(F3)表现最佳,其KGE系数为0.621,NSE系数为0.904。FI和SI的基流过程线呈现明显锯齿波动,不符合实际情况;F4和F5的基流与径流过程线高度同步,但存在汇流滞后;BFI、LM、F1、F2计算的基流过于平滑且总量偏大。1995–2018年间,年总径流、年基流和年地表径流均呈不显著增加趋势(变化趋势分别为3.8015 m3/s/a、1.9313 m3/s/a和1.8702 m3/s/a,p>0.01),而基流指数BFI呈显著下降趋势(-0.0006/a,p<0.01)。Mann–Kendall突变检验显示,总径流、基流和地表径流在1997、1999、2005、2011和2014年前后发生突变,BFI则在2004和2007年发生突变。
2. 干季特征因子的贡献及时序模式
在干季,对总径流、基流和地表径流影响最大的关键变量依次为ET、NDVI、SDWE、PSM、SR、SD、SC和Prec。ET对总径流和基流的主导作用最强(SHAP值分别为81.21和50.34),呈显著负相关;NDVI和ET在径流及其组分的影响排名中位居前两位。积雪相关变量(SDWE、SD、SC)和土壤湿度变量PSM贡献较大。地表径流时滞最短(均在10天内),总径流次之,基流最长,整体时滞不超过18天。其中,SD的时滞最短(总径流8.46±5.24天,基流10.88±4.87天,地表径流3.96±3.61天),PSM的时滞最长(总径流15.08±10.37天,基流17.23±9.87天)。总径流与基流时滞相差约2.5天,总径流与地表径流相差约4.5天,基流与地表径流相差约7天。
3. 湿季特征因子的贡献及时序模式
在湿季,关键变量变为SD、NDVI、Prec、SDWE、SC、PSM、SM、SR和ET。SD对总径流、基流和地表径流的影响排名最高(SHAP值分别为161.61、102.68和73.53),NDVI和Prec紧随其后。与干季相比,ET和SR的排名下降,而Prec和SD的排名显著上升。地表径流时滞最短(均在5天内),总径流次之,基流最长,整体时滞不超过12天。SD的时滞较短(总径流7.09±3.22天,基流8.86±2.83天,地表径流2.18±2.42天),PSM时滞最长(总径流10.11±5.12天,基流11.76±5.08天,地表径流5.05±5.05天)。与干季相比,湿季各变量时滞普遍提前:积雪相关变量提前约2–4天,Prec提前约3–4天,PSM和ET提前约5–6天,SR提前约4–5天。湿季的周期振荡弱于干季,且基流在湿季表现出比总径流和地表径流更强的周期振荡。
四、讨论与结论
讨论部分指出,SHAP值呈现总径流>基流>地表径流的规律,这是因为总径流整合了地表与地下过程的叠加效应,响应最全面。干湿季主导变量的差异源于核心补给源的转变:干季降水稀少,ET成为主要水分损失途径,SR调控蒸散发与融雪,两者权重上升;湿季降水充沛,直接超越草地与耕地的冠层截留阈值,成为核心驱动力,同时积雪加速消融形成双源补给,使SD权重显著提升。积雪相关变量在两个季节均保持高重要性,体现了高山寒区的典型特征。NDVI反映草地与耕地优势植被的覆盖与生长状况,PSM整合不同土层水分状况,发挥稳定调节作用。Prec的时滞存在较大不确定性,因降雪需经历储存、积累与逐渐消融的滞后过程,而降雨则快速产流,加之不同下垫面类型的差异性效应,加剧了时相异步性。半年的周期是关键功能尺度,反映了径流及其组分对流域水文驱动因子的协同响应机制。
结论部分翻译如下:
本研究调查了最合适的基流分割方法,并获得了总径流、基流和地表径流的数据集。通过将研究期划分为干季和湿季(以截然不同的水文过程区分),系统研究了瓦赫什河上游流域径流及其组分的变化机制。具体得出以下三个结论:
(1)适用性分析:Chapman–Maxwell方法在瓦赫什河上游流域表现出优越性能。
(2)水文气候驱动因子:无论在干季还是湿季,积雪相关变量和NDVI对径流及其组分的影响均显著。与干季相比,湿季中ET和SR的排名下降,而Prec和SD的排名显著上升。干季的周期振荡强于湿季。
(3)时序模式:地表径流的时滞最短,总径流次之,基流最长。时滞在干季内不超过18天,在湿季内不超过12天。与干季相比,湿季中积雪相关变量(如SD、SDWE)的时滞提前约2–4天;Prec的时滞提前约3–4天;PSM和ET的时滞提前约5–6天;SR的时滞提前约4–5天。
本研究为水资源管理者提供了一套系统分析方法,为积雪覆盖的干旱山区,特别是数据稀缺且研究有限的高寒地区提供了有价值的参考。这些发现对于理解冰冻圈变化条件下的水文响应也具有重要意义。