中国黄河流域非平稳径流动态的GAMLSS建模方法的比较分析

《Journal of Hydrology》：Comparative analysis of GAMLSS modeling approaches for nonstationary runoff dynamics in the Yellow River Basin of China

本研究对比连续序列建模（Mode1）与月度分段建模（Mode2），揭示黄河流域水文非稳态特征及其多驱动机制，发现Mode2在捕捉季节动态和人类活动影响方面更优，气候-人类复合模型解释力达85%，为精细水资源管理和极端旱涝预测提供科学支撑。

　　

牛本|李毅|范雨瑞|龚磊|王磊|王泰山

中国西北农林大学水资源与建筑工程学院/教育部农业土壤与水资源工程重点实验室，陕西省杨凌市712100

摘要

量化气候变化和人类活动对非平稳径流动态的驱动效应至关重要。然而，在流域尺度上对非平稳特征及其多重驱动机制的系统性评估仍然不足。本研究比较了两种广义加性模型（GAMLSS）建模方法——连续序列建模（Mode1）和月度分段建模（Mode2）——来分析中国黄河流域的水文非平稳特征，并通过纳入时间、环流、气候和人类因素的协变量来阐明径流过程的驱动机制。结果表明：（1）将时间作为协变量时，Mode2通过分离季节性动态显著提高了模型的稳健性。Mode2使位置参数（μ）与月度径流序列的平均相关性提高到R = 0.82（范围0.70–0.90），比Mode1提高了30–50%。此外，非平稳标准化径流指数（NSRI）与实际水文波动更加吻合。（2）将环流指数作为协变量时，环流指数（AMO、PDO和NINO3）主要控制了大尺度水文趋势，在Mode2下PDO对下游地区的极端事件具有更明显的调节作用。（3）气候-人类复合驱动模型在径流预测中表现最佳，特别是在中下游的1个月、3个月和6个月时间尺度上，总降水量（TP）、融雪量（SMT）和土壤水分储量（SWC）之间的相互作用解释了超过80%的径流变化（该模型的AICc最低，比单一气候模型低15%），并且解释能力最强，1个月时间尺度的R2 = 0.85，3个月时间尺度的R2 = 0.70）。研究表明，Mode2能够精确描述季节性差异和人类活动，更适合精细的水资源管理和极端干旱-洪水预测，而Mode1仍适用于分析十年际环流效应。通过解决三个关键挑战——捕捉月度径流的非平稳性、整合多因素驱动因素以及验证径流模拟——本研究大大提高了径流建模和干旱检测的准确性，为在气候变化和人类活动共同影响下的适应性管理奠定了科学基础。

引言

干旱作为一种由气候变率和人类活动共同驱动的复杂自然灾害，对水资源管理、农业和生态安全以及社会经济稳定构成了严重威胁（Apurv和Cai，2019；Sutanto等人，2019）。其发生和影响具有显著的多尺度特征，受到气候变化、自然变率和人类干预的共同影响（Allan和Soden，2008；Mishra和Singh，2010；Zhao等人，2023）。传统的干旱指数，如标准化降水指数（SPI）和标准化降水蒸发指数（SPEI），是在“水文序列平稳”的假设下开发的，这意味着气候统计特性随时间保持不变（Shukla和Wood，2008；Wang等人，2019a；Wang等人，2019b）。然而，全球气候变化的加剧和人类活动的增加从根本上改变了流域尺度的水文系统，使得传统的平稳模型难以准确捕捉干旱特征的动态演变（Apurv和Cai，2019；Samaniego等人，2018；Zhao等人，2023）。这一限制在黄河流域（YRB）尤为明显，由于十年际气候振荡（如太平洋十年际振荡（PDO）和厄尔尼诺-南方涛动（ENSO））（Biabanaki等人，2013；Wang等人，2025a；Wang等人，2025b）、季节性降水变化（Shi等人，2016）以及大规模水资源调节（Deng等人，2020；Wang等人，2024a；Wang等人，2024b）的共同影响，水文非平稳性非常明显。

近年来，广义加性模型（GAMLSS）因其灵活的参数化能力而成为处理非平稳干旱指数的关键工具（Barber，2018；Stasinopoulos和Rigby，2007）。通过根据时变协变量动态调整概率分布参数，GAMLSS提高了干旱评估的准确性（Wang等人，2023）。代表性研究包括非平稳干旱识别指数（NRDI；Bazrafshan和Hejabi，2018）、非平稳标准化降水蒸发指数（NSPEI；Bazrafshan等人，2022）、时变标准化降水指数（SPIt；Wang等人，2015）、非平稳标准化降水指数（NSPI；Song等人，2020）以及非平稳气象和水文干旱指数（NMHDI；Zhang等人，2021）。与其他非平稳建模方法（如广义线性模型（GLMs）、时变copula模型（Jiang等人，2015；Zhang等人，2023）或贝叶斯层次模型（Kwon和Lall，2016）相比，GAMLSS能够同时建模位置、尺度和形状参数，因此在捕捉水文气候变量的中心趋势和极端行为方面特别有效。这使得它更适应于气候敏感流域的复杂多尺度水文动态。然而，大多数现有应用仍局限于SPI或SPEI等气象干旱指数，且通常在简化的时间或单变量框架下进行（Bazrafshan和Hejabi，2018；Song等人，2020），对水文干旱和多驱动因素相互作用的关注较少。

尽管这项技术在识别长期趋势和捕捉季节性特征方面显示出优势，但在流域尺度上的应用仍面临关键挑战：（1）连续序列建模（Mode1）（Wang等人，2015）与月度分段建模（Mode2）（Wang等人，2019a；Wang等人，2019b）在不同时间尺度和水文条件下的比较性能尚未得到全面评估（Niu等人，2024），这限制了人们对它们在处理季节性周期变化和极端事件方面的优势的理解。（2）大多数研究集中在气候因素（如降水和蒸发）上，但忽视了人类活动（如水库运营和农业灌溉）在干旱过程中的调节作用（Gu等人，2016；He等人，2021；Wang等人，2023）。这限制了这些模型在人类干预强烈的地区的实际应用性（Jehanzaib等人，2020）。

（3）非平稳指数的验证通常依赖于统计拟合或趋势检测（如Mann-Kendall检验）（Bazrafshan等人，2022），而不是与观测或记录的历史干旱事件进行比较（Niu等人，2024；Shao等人，2022；Wang等人，2020a；Wang等人，2020b），从而削弱了这些指数的可解释性和决策价值（Zha等人，2023）。

为了克服这些限制，本研究提出了一个综合的“双模式、四因素”GAMLSS建模框架，以捕捉年内的径流非平稳性，并将环流、气候和人类活动指标作为协变量。这种多尺度协同作用使模型能够区分自然和人为驱动因素的各自作用。与使用单因素协变量的传统平稳干旱指数或模型相比，所提出的方法提高了不同时间尺度上径流模拟和干旱特征的解释能力和稳健性。实施了三个关键措施：

(1)

建模策略的定量评估：系统比较连续序列建模（Mode1）和月度分段建模（Mode2），以评估它们在捕捉1月至12月非平稳径流特征方面的性能。

(2)

多因素协同建模：研究将考虑环流指数（包括大西洋多年代际振荡（AMO）、北极涛动（AO）、北大西洋涛动（NAO）、厄尔尼诺3（NINO3）和南方涛动指数（SOI）（Biabanaki等人，2013；Jin等人，2023）、气候指数（包括总降水量（TP）、总蒸发量（TE）、融雪量（SMT）和土壤水分储量（SWC）（Huang等人，2016；Song等人，2020）以及人类活动（如水库调节和其他工程措施引起的径流变化）（Wang等人，2023）。气候-人类复合驱动的GAMLSS模型用于揭示气候变化和人类活动共同影响下YRB极端干旱事件的调节机制。

(3)

通过将非平稳标准化径流指数（NSRI）与67年的历史径流序列进行比较，验证其在干旱识别中的有效性。将进行协变量分析，整合大气环流模式、气候变量和人类活动指标，以定量评估不同驱动因素对干旱动态的相对贡献。

然而，本研究也存在某些局限性。虽然所提出的框架理论上适用于其他流域，但其在不同气候或水文环境下的表现仍有待评估。此外，人类活动变量的表示相对简化。未来的研究应纳入更详细的数据集（如水库运行计划、土地利用变化），进行不确定性分析，并探索将GAMLSS与机器学习相结合，以在复杂和不断变化的条件下提高干旱预测能力。

本研究旨在建立一个“双模式、四因素”非平稳GAMLSS建模框架，以增强在气候变化和人类活动双重压力下捕捉非平稳径流变化的能力。该框架首次系统地比较了连续序列和月度分段建模策略，并将环流、气候和人为协变量纳入统一结构，从而更全面地理解径流驱动机制。创新性地引入了幅度（最大值、Q75、平均值、Q25和最小值）的概念，以更全面地反映气候因素对径流动态的影响。研究结果为优化YRB的水资源分配、改善极端径流变化和增强生态韧性提供了科学支持。此外，本研究也为全球其他气候敏感流域的非平稳水文建模提供了参考。

研究区域

研究区域

黄河流域（YRB；东经95°53′–119°5′，北纬32°10′–41°50′）位于中国北部，面积约为795,000平方公里，是中国第二大河流流域（Liu等人，2023）。该流域地形呈“西高东低”分布，上游位于青藏高原，中游位于黄土高原，下游位于冲积平原。其多样的土地覆盖类型包括草地、林地和农田（Cao等人，2023）。

Mode1：建模组分的空间分布和频率统计

最优概率密度函数（PDFs）在不同时间尺度上表现出显著的空间和分类变化（图3a–d）。在1个月时间尺度上，BCPE（50%）和SHASH（31%）是主要分布类型，BCPE主要出现在YRB上游，SHASH主要出现在下游。在3个月时间尺度上，PDFs的分布相对均匀，BCPE、GG、SHASH和IG各占约25%。在6个月时间尺度上，GIG（44%）和IG（44%）占主导地位，IG主要集中在

建模方法比较：Mode1 vs. Mode2

为了提高GAMLSS模型协变量在解释径流变异性方面的可解释性，本研究比较了两种建模策略：Mode1将统一的GAMLSS模型应用于整个连续径流序列，而Mode2为每个日历月分别构建GAMLSS模型，以更好地解决时间异质性问题（Wang等人，2024a；Wang等人，2024b）。比较揭示了通用性和时间分辨率之间的基本权衡。

Mode1提供了简洁且

结论

本研究比较了连续序列建模（Mode1）和月度分段建模（Mode2）在分析YRB水文非平稳性方面的性能，揭示了模型在不同协变量驱动因素下的性能差异和应用场景。

上游径流变异性主要由气候因素驱动，总降水量（TP）和融雪量（SMT）共同解释了超过70%的变异。在中游和下游地区，气候因素

CRediT作者贡献声明

牛本：写作——审稿与编辑，撰写——初稿，可视化，方法论，概念化。李毅：写作——审稿与编辑，资金获取。范雨瑞：写作——审稿与编辑，概念化。龚磊：方法论。王磊：软件，方法论。王泰山：软件。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家自然科学基金（编号：52350410451）和高端专家引进项目（编号：20240082、H20240401和S20240161）的共同支持。我们感谢中国气象数据共享服务网络提供的气象数据。