一种用于预测长江流域复合干旱与热浪风险的物理约束多变量偏差校正框架

《Journal of Hydrology》:A physically constrained multivariate bias correction framework for projecting compound drought and heatwave risk in the Yangtze River Basin

【字体: 大 中 小 】 时间:2026年09月26日 来源:Journal of Hydrology 7.3

编辑推荐:

   摘要要点 - CycleGAN-BiLSTM 改善了热干相关性、尾部以及 copula 结构的表现。 - 独立检验证实了历史 CDHW(复合干旱热浪)重现能力的提升。 - CycleGAN-BiLSTM 结合 QDM 更能保留原始 CMIP6 投影的 Tmax 增温信号。

  摘要要点- CycleGAN-BiLSTM 改善了热干相关性、尾部以及 copula 结构的表现。- 独立检验证实了历史 CDHW(复合干旱热浪)重现能力的提升。- CycleGAN-BiLSTM 结合 QDM 更能保留原始 CMIP6 投影的 Tmax 增温信号。- 在 SSP5-8.5 情景下,固定阈值条件下 CDHW 增幅更大。- 自适应阈值条件下未见条件性增加,PET(参考蒸散发)影响其量级。引言热浪与干旱是最具破坏性的气候灾害之一,威胁人类健康、农业生产、生态系统与水资源安全(Miao 等,2024;Tang 等,2025)。这些灾害常以复合干旱热浪(CDHW)事件形式同时发生,其影响可超过单一极端事件,因为高温会增强蒸散发,而降水亏缺则减少土壤水分与径流。观测分析已记录到近期变暖时期 CDHW 频次、持续时间、强度及影响范围的增加,且表现出显著的空间异质性(Mukherjee 和 Mishra,2021)。在持续变暖背景下,CDHW 事件预计将更频繁、更持久、更强烈,凸显了可靠投影对于支撑气候适应与水资源规划的重要性(Fang 等,2025;Liu 等,2025b;Tabari 和 Willems,2023;Tripathy 等,2023)。近期的多变量评估进一步表明,未来 CDHW 风险不仅由单一灾害的变化塑造,还与其联合严重性、持续时间、空间依赖性及人口暴露度相关(Ullah 等,2023)。CMIP6 提供的全球气候模式(GCMs)是投影未来水气候风险的关键基础,但在降水与温度方面仍存在系统性偏差,在区域尺度及极端值表现上尤为明显(Eyring 等,2016)。因此,在 GCM 输出用于影响评估之前通常需进行偏差订正。传统单变量方法,如分位数映射(QM)和分位数增量映射(QDM),可有效校正边际分布,而 QDM 能更好地保留模式投影的变化信号(Cannon 等,2015;Maraun,2016)。然而,这些方法通常对每个变量分别应用,并未显式保留变量间相关性。这一局限对 CDHW 评估尤为关键,因为 CDHW 的发生取决于温度与降水的联合行为,特别是高温极端与降水亏缺的共现(Zscheischler 和 Seneviratne,2017;Zscheischler 等,2018)。为更好地表征变量间相关性,已开发出多变量偏差订正方法。基于 N 维概率密度函数变换的多变量偏差订正(MBCn)是一类代表性方法,通过迭代随机旋转与分位数映射来调整多变量分布(Cannon,2018)。近期证据表明,相较单变量订正,多变量订正可改善降水-温度相关性与时间特征的表征,但其表现因区域、变量及评价指标而异(Sharma 等,2026)。这些发现说明保留相关性的订正对复合事件评估至关重要。然而,现有方法仍难以同时完成边际偏差校正、热干相关性与时间持续性的保留,以及驱动模式所投影气候变化信号的维持。机器学习、深度学习及更广泛的软计算技术日益应用于水文与水工程中的非线性水气候与水力问题(Fatehi-Nobarian 和 Tabrizi,2026)。基于机器学习的集合气候预测也被结合降水、温度与径流的多变量指数,用于刻画复合干旱与高温极端的时间变化行为(Swain 等,2024)。深度学习为气候模式偏差订正提供了有前景的途径,因其可表征非线性映射与时间依赖(Hess 等,2023;Huang 等,2024;Su 等,2025)。特别地,生成对抗网络(GANs)已应用于气候场生成、极端事件监测与统计降尺度(Besombes 等,2021;Foroumandi 等,2024;Rampal 等,2025)。循环一致生成对抗网络(CycleGAN;Zhu 等,2017)尤其适用于偏差订正,因其可在无需严格配对样本的情况下学习模拟与观测气候域之间的映射。然而,基于 GAN 的订正能否同时保留降水-温度多变量相关性、时间持续性以及模式投影的气候变化信号,目前评估仍不充分,特别是在 CDHW 应用方面。长江流域(YRB)是亚洲社会经济重要性最高的流域之一,支撑超过 4 亿人口,并对中国的径流与粮食产量作出重要贡献(Piao 等,2010)。其气候受东亚夏季风强烈影响,降水集中于暖季,导致土壤水分、径流与农业需水呈现显著的季节变化。尽管以往研究已利用 CMIP6 投影考察了中国及长江流域的 CDHW 变化(Dong 等,2023;Feng 等,2023;Liu 等,2025a),但偏差订正对降水-温度相关性及投影 CDHW 特征的影响仍理解不足。这一知识空白对长江流域尤为关键,因为季风驱动的降水变率与暖季高需水使 CDHW 估计对订正后降水-温度相关性高度敏感。为弥补这些方法学缺口并满足区域需求,本研究开发了一个多变量偏差订正框架,整合 CycleGAN、BiLSTM 与基于 QDM 的信号补偿,联合订正来自 13 个 CMIP6 模式的日降水、最高温度与最低温度。该框架与 QM、QDM 和 MBCn 进行基准对比。具体地,本研究旨在:(1) 评估 CDHW 相关的降水-温度相关性、热干尾部行为与时间持续性的表征;(2) 评估气候变化信号的保留程度以及 QDM 信号补偿的贡献;(3) 在 SSP2-4.5 与 SSP5-8.5 情景下量化未来 CDHW 发生、共现概率、事件特征与复合灾害,包括其对标热浪阈值与潜在蒸散发(PET)方法选择敏感性。章节要点研究区域长江流域(YRB)位于北纬 24°30′至 35°45′、东经 90°33′至 122°25′之间,主航道长约 6300 km,流域面积约 180 万 km2(图 1)。该流域为亚热带季风气候,年均降水 800–1600 mm,空间梯度显著。降水集中于夏季(6–8 月),约占年总量的 60%(Dasgupta 等,2026),而冬季降水则……CycleGAN-BiLSTM 偏差订正框架该多变量偏差订正框架结合了基于 CycleGAN 的域翻译(Zhu 等,2017)与 BiLSTM 时间编码器(Graves 和 Schmidhuber,2005),在改善边际分布与变量间相关性的同时,联合订正来自 CMIP6 模拟的日降水、Tmax 与 Tmin。CycleGAN 被用于学习从原始 CMIP6 域到观测域的订正映射,并辅以用于循环一致性的逆映射。训练使用……CDHW 相关相关性诊断的偏差订正表现图 4 比较了原始与偏差订正后 CMIP6 模拟在六项 CDHW 相关降水-Tmax 相关性诊断指标上的表现。CycleGAN-BiLSTM 在六项指标中的五项达到最低中位误差,表明其对秩相关性、条件热干发生、尾部相关性及经验 copula 结构的表征有所改善。其中位 Spearman 与 Kendall 相关误差分别为 0.0195 和 0.0108,低于 MBCn(0.0340 和 0.0174)与 QDM(0.0503 和……与传统偏差订正方法的比较近期对单变量与多变量偏差订正方法的评估表明,没有单一传统方法能在边际、多变量与时间诊断指标上一致地表现最优。Sharma 等(2026)发现,分位数映射方法可降低边际分布偏差,但可能扭曲降水-温度相关性。多变量方法通常能更好地保留变量间相关性,但在时间性与多变量表现之间仍存在权衡……结论本研究开发了一个基于 CycleGAN-BiLSTM 的物理约束、保留相关性的多变量偏差订正框架,用于订正 CMIP6 输出并投影长江流域的 CDHW 风险。主要发现如下。(1) CycleGAN-BiLSTM 更好地保留了 CDHW 相关的降水-Tmax 相关性,特别是热干尾部结构。在六项相关性诊断指标中,它在多数指标上产生了低于 QM、QDM 及原始 CMIP6 的误差,其中干概率的中位误差为 0.0042……CRediT 作者贡献声明岳卓(Yue Zhuo):写作—审阅与编辑、写作—原稿撰写、验证、方法学、形式化分析、概念化。吴志勇(Zhiyong Wu):写作—审阅与编辑、写作—原稿撰写、方法学、形式化分析、概念化。何海(Hai He):写作—审阅与编辑、验证、指导。Salvatore Pascale:写作—审阅与编辑。刘震晨(Zhenchen Liu):写作—审阅与编辑、方法学、形式化分析。冯雨晴(Yuqing Feng):写作—审阅与编辑、方法学、数据管理。李阳乾(Yangqian Li)……资金资助本工作得到中国国家自然科学基金(编号:52579007、U2240225)资助。利益冲突声明作者声明不存在已知可能影响本文研究工作的财务利益或个人关系。作者:岳卓|吴志勇|何海|Salvatore Pascale|刘震晨|冯雨晴|李阳乾|梅书豪
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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