使用Google Earth Engine中的空间分布式模型在CMIP6气候情景和日益增长的用水需求下对Pa?e水库进行水文脆弱性评估

《Environments》:Hydrological Vulnerability Assessment of the Pa?e Reservoir Using Spatially Distributed Modeling in Google Earth Engine Under CMIP6 Climate Scenarios and Increasing Water Demand

【字体: 大 中 小 】 时间:2026年07月15日 来源:Environments 4.3

编辑推荐:

  气候变化和日益增长的用水需求通过改变季节性水资源可用性、增加蒸发损失以及加剧对调节库容的压力,威胁着战略性高安第斯水库的水安全。这项研究评估了秘鲁阿雷基帕Pa?e水库在CMIP6情景(SSP2-4.5和SSP5-8.5)以及三种预测至2100年的用水需求轨迹下

  
气候变化和日益增长的用水需求通过改变季节性水资源可用性、增加蒸发损失以及加剧对调节库容的压力,威胁着战略性高安第斯水库的水安全。这项研究评估了秘鲁阿雷基帕Pa?e水库在CMIP6情景(SSP2-4.5和SSP5-8.5)以及三种预测至2100年的用水需求轨迹下的水文脆弱性。研究人员使用CHIRPS降水量和ERA5-Land温度数据,通过遗传算法(Genetic Algorithm)校准了一个水库尺度水量平衡模型,在校准期(纳什-萨特克利夫效率系数NSE = 0.886;决定系数R2 = 0.907)和验证期(NSE = 0.888;R2 = 0.891)均获得了令人满意的性能。来自MPI-ESM1-2-LR、EC-Earth3-Veg-LR和EC-Earth3的气候预估数据通过分位数增量映射(Quantile Delta Mapping,QDM)进行了偏差校正。在基线需求下,有效蓄水(active storage)保持正向趋势,为+1.3×106至+2.2×106 m3/十年;然而,在SSP2-4.5情景下,需求增加100%会产生高达-2.8×106 m3/十年的负向趋势。有效降水量在SSP2-4.5和SSP5-8.5情景下分别增加+0.123和+0.283 mm/天,而最大5日降水量(Rx5day)和最大10日降水量(Rx10day)分别上升+5.43/+8.78和+12.13/+19.42 mm/十年。这些趋势表明湿季水输入更加集中,但在需求增长下并不一定改善干季安全性。在SSP5-8.5情景下,水库升温达到+0.60 °C/十年,这可能增加蒸发损失,并可能创造更有利于水质恶化的条件。总体而言,Pa?e系统未来的脆弱性反映了取水量增加与水库调节高度季节性高安第斯入流能力之间的失衡,凸显了需求控制、损失减少、博菲达(bofedal)保护以及补充湿季蓄水的必要性。
**论文解读:Pa?e水库在CMIP6气候情景与用水需求增长下的水文脆弱性评估**

**研究背景与问题**
淡水是人类发展最关键的资源之一,但其可用性正面临气候和人为因素的日益增长压力。山区和半干旱地区的水资源供给依赖于季节性降水和自然流域调节,气候变化通过改变降水模式和温度,影响地表径流和基流,从而破坏流域水量平衡。当气候变化和日益增强的人类活动压力削弱水库系统执行调节和供水功能的能力时,蓄水系统便出现水文脆弱性。水文脆弱性被定义为水库系统在气候和人为压力下丧失蓄水和调节能力的程度,通常通过有效蓄水变化、临界蓄水天数频率以及水库接近或低于预设运行阈值的趋势来评估。

尽管已有研究关注气候变化对水库的影响或用水需求增长的压力,但多数研究将两者孤立分析,且常采用集总式方法,难以捕捉高山区流域的空间异质性,尤其是在观测站点稀疏、经济条件限制数据生成的地区。同时集成半分布式水文模型、CMIP6多共享社会经济路径(SSP)情景以及增长的需求轨迹来评估高安第斯水库脆弱性的研究极为稀缺。对于秘鲁阿雷基帕的Pa?e水库,降水模式变化、下游灌溉及城市用水需求增长之间的相互作用构成了复合风险,而集总式框架无法捕捉这种风险。为填补这一空白,研究人员利用谷歌地球引擎(Google Earth Engine,GEE)这一云平台,整合多源空间数据集和长时间气候序列,开发并应用了一个半分布式建模框架,评估Pa?e水库在CMIP6气候情景和需求增长下的水文脆弱性,识别21世纪内流域入流、蓄水动态和水库运行条件的变化。该研究发表在《Environments》期刊上。

**主要技术方法**
研究人员采用基于GEE的半分布式水库水量平衡框架,将空间分布式径流生成与Nash级联汇流及水库日水量平衡相结合。数据来源包括:CHIRPS降水数据、ERA5-Land温度数据、MODIS MCD12Q1土地利用/土地覆盖数据、OpenLandMap土壤质地数据,以及AUTODEMA(Pa?e水库运营管理机构)提供的水库出流和蓄水观测数据。气候预估数据来自NEX-GDDP-CMIP6数据集中的三个全球气候模型(GCMs:MPI-ESM1-2-LR、EC-Earth3-Veg-LR、EC-Earth3),采用分位数增量映射(QDM)进行偏差校正。模型通过遗传算法(Genetic Algorithm)进行校准和验证,目标函数为NSE、R2和归一化均方根误差的加权组合。用水需求情景基于历史出流序列建立基准周期,并分别设定至2080年增长50%和100%的线性路径。

**研究结果**

**3.1 水文模型性能与空间参数化**
遗传算法在20代内收敛,最佳适应度值从第1代的0.466提升至第13代的0.521。校准期模型性能指标为NSE=0.886、R2=0.907、归一化均方根误差NRMSE=0.156;验证期指标为NSE=0.888、R2=0.891、NRMSE=0.153。校准参数包括径流曲线数(Curve Number)的初始损失系数λ=0.018、降水有效因子Pmult=1.838、蒸发因子Emult=0.089、渗漏因子Smult=0.225等,这些参数提供了模型有效的水库-流域响应表征。

**3.2 偏差校正后的CMIP6气候预估**
QDM-Gamma方法显著改善了三个GCM对1985–2014年CHIRPS降水数据的再现能力:EC-Earth3-Veg-LR的R2从0.57升至0.74,RMSE从34.2降至31.3 mm;MPI-ESM1-2-LR的R2从0.50升至0.62,RMSE从35.4降至33.4 mm;EC-Earth3的R2从0.46升至0.67,RMSE从38.3降至34.8 mm。对于最高温度和最低温度,QDM-Normal将RMSE分别降低超过67%和至0.88–0.91 °C,校正后的序列更接近ERA5-Land的季节变异。

**3.3 气候与需求情景下的水库蓄水动态**
在基线需求(ESC 00)下,有效蓄水保持中高类别(约64–79×106 m3),在SSP2-4.5和SSP5-8.5下分别呈现+1.3×106和+2.2×106 m3/十年的正向趋势。在需求增长50%(ESC 50)下,蓄水更频繁地降至中低类别,SSP2-4.5下趋势为?1.5×106 m3/十年,SSP5-8.5下基本稳定。在需求增长100%(ESC 100)下,蓄水达到最低,频繁接近临界阈值19×106 m3,SSP2-4.5和SSP5-8.5下趋势分别为?2.8×106和?1.7×106 m3/十年。有效降水量在SSP2-4.5和SSP5-8.5下分别增加+0.123和+0.283 mm/天;水库最高温度趋势分别为+0.271和+0.599 °C/十年;水库蒸发量趋势分别为+0.035和+0.072 mm/天。临界天数(active storage低于19×106 m3的天数)在SSP2-4.5下趋势为+10.2天/年/十年,在SSP5-8.5下为+4.7天/年/十年。季节性分析显示降水集中在1–4月,3月降水从2020–2049年的约290–295 mm增至2071–2100年的360–470 mm,而干季(5–10月)降水仍低于30 mm/月。极端降水指标Rx5day和Rx10day在SSP2-4.5下分别增加+5.43和+8.78 mm/十年,在SSP5-8.5下增加+12.13和+19.42 mm/十年;连续干日(CDD)在两种情景下均略有减少。

**总结与讨论**
讨论部分指出,模型校准与验证统计支持其用于分析蓄水动态和相对脆弱性,但模型性能不应被解释为所有高安第斯水文过程均已明确表征。模型提供了集成流域-水库响应的运行近似,但高安第斯系统中涉及降水季节性、博菲达(bofedal)蓄水、火山岩含水层、积雪和冻融过程等非线性相互作用,无法完全从水库蓄水记录中诊断。SCS-CN径流生成模块需视为经验性参数化,其曲线数值和初始损失系数应视为有效参数,反映湿季净响应。降水有效因子Pmult汇总了卫星降水产品在复杂地形下的偏差和未解析的水文贡献。Nash汇流参数(n=33,K=0.5天)产生约17天的汇流延迟,应视为有效汇流参数。校准-验证分割较短(2017–2019年),限制了在极端干湿条件下的预测置信度。气候预估显示降水增加集中在湿季,伴随Rx5day和Rx10day上升,表明更多水输入以短时集中形式出现,不一定改善干季可靠性。水库升温增加蒸发需求,可能抵消部分降水增加带来的净蓄水收益。需求情景分析表明,未来脆弱性的主要驱动因素是气候变率、水库调节与需求增长之间的相互作用,而非单纯的气候强迫。临界天数比平均年降水量或平均蓄水更适合作为管理相关的脆弱性指标。生态水文影响方面,长期低蓄水可能伴随流域整体水分胁迫,降低博菲达维持基流的能力。水质方面,水库升温与低蓄水条件可能共同创造有利于水质恶化的条件,但本研究未进行生态学或湖沼学模拟,这些影响应视为潜在风险。

**研究结论**
研究结论部分原文翻译如下:结果表明,适应策略应优先考虑运行灵活性和需求管理,而非仅依赖预测的降水增加。措施包括修订放水规则、基于有效蓄水和临界天数频率引入早期预警指标、减少Pa?e–Sumbay渠道的输水损失、保护博菲达(bofedales)以及扩大补充性湿季蓄水,这些措施直接针对模拟所识别的机制。这些行动与国际上结合气候信息运行规则、基础设施效率和基于自然的调节的水库适应方法一致。在Pa?e案例中,此类措施尤为相关,因为即使气候预估显示降水稳定或增加,需求增长仍会导致脆弱性。应注意若干局限性:水文模型未明确解析积雪与融雪、冻融效应、博菲达水力学、地下水蓄水、土地覆盖变化或水质过程;模拟依赖于单一最优参数集,参数不确定性未正式量化;独立验证期(2017–2019年)较短,限制了极端条件下的置信度;QDM偏差校正改善了与历史参考期的一致性,但无法消除未来气候状态超出观测范围的不确定性。未来工作应纳入更长的现场降水与入流记录、积雪与湿地监测、地下水观测、敏感性与不确定性分析、更高分辨率区域气候信息以及耦合水量-水质建模。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号