《Results in Engineering》：Assessing Climate Change Impacts on Streamflow Under Uncertainty: Multi-Metric Ensemble GCM Selection Using TOPSIS and Social Choice
编辑推荐：
本研究针对数据稀缺的半干旱流域气候影响评估中全球气候模型(GCM)选择不确定性问题，开发了集成TOPSIS与社会选择法的多准则决策框架，系统评估了24个CMIP6模型在卡尔黑河流域的适用性。研究发现最优集成规模为11个GCM，流域未来将呈现洪峰提前（4-5月→3-4月）、年径流减少8-17%、夏季流量锐减35-50%的变化特征，为半干旱区水资源适应性管理提供了科学依据。
在全球气候变暖背景下，半干旱地区的水资源安全正面临严峻挑战。位于伊朗西南部的卡尔黑河流域，作为该国重要的农业产区，其水资源的可持续管理直接关系到区域粮食安全与生态稳定。然而，这类数据稀缺流域在进行气候变化影响评估时，往往受限于全球气候模型(GCM)的选择不确定性，如何从众多模型中筛选出适用于当地水文模拟的可靠子集，成为提升气候变化影响评估可信度的关键科学问题。
发表于《Results in Engineering》的研究论文《Assessing Climate Change Impacts on Streamflow Under Uncertainty: Multi-Metric Ensemble GCM Selection Using TOPSIS and Social Choice》针对这一难题，提出了一个创新的解决方案。该研究通过结合多准则决策方法，系统评估了24个CMIP6气候模型在卡尔黑河流域的表现，为半干旱区水文气候变化研究提供了新范式。
研究人员采用了一套完整的技术路线：首先基于SWAT(Soil and Water Assessment Tool)水文模型构建流域水文模拟框架，使用SUFI-2算法进行参数率定，在14个水文站实现了令人满意的率定验证效果(Nash–Sutcliffe效率系数多站大于0.65)。随后，利用TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)和基于Borda计数的社会选择法，对GCM在降水、最高气温和最低气温模拟性能进行多指标综合评价，最终通过灵敏度分析确定了最优集成规模。
主要技术方法
研究采用NEX-GDDP-CMIP6降尺度数据集，基于统计指标(CC、RMSE、NSE、KGE)和分类指标(BIAS、FAR、HSS、POD、POFD)评估模型性能。通过Rating Metric方法聚合变量特异性排名，采用简单集合平均法构建多模型集合，使用改进的一致性指数(md)评估集合性能，并通过Max-Min包络线和Bootstrap置信区间进行不确定性量化。
模型性能评估结果
研究发现温度变量模拟性能显著优于降水，最高温和最低温的相关系数(CC)多超过0.8，而降水模拟的Nash–Sutcliffe效率系数(NSE)普遍低于0.3。通过多准则排序，GISS-E2-1-G(GCM13)表现最佳，而EC-Earth3-Veg-LR(GCM10)性能最弱。集合规模灵敏度分析表明，包含10-13个模型时性能增益趋于饱和，最终选定11个GCM构成最优集合。
未来气候变化投影
研究预测卡尔黑河流域将呈现明显暖干化趋势：
- •
温度变化：年均气温持续上升，至世纪末SSP5-8.5情景下增幅达5.4°C，变暖幅度冬季大于夏季
- •
降水变化：年降水量减少8-13%，降水不确定性随排放情景提高而增大
- •
季节格局：降水变率增加，干湿季节差异加剧
径流响应特征
SWAT模拟结果显示流域水文情势显著改变：
- •
洪峰时间：从历史期的4-5月提前至3-4月，表明积雪融化期提前
- •
流量变化：年径流减少8-17%，夏季流量锐减35-50%
- •
不确定性：高排放情景下模型间差异扩大，特别是冬末春初时段
讨论与结论
研究揭示了半干旱流域水文系统对气候变化的脆弱性。径流减少主要归因于气温上升导致的蒸散发增加和降水减少的共同作用，而洪峰提前则反映了积雪动力学改变对水文循环的影响。这些变化对以灌溉农业为主的卡尔黑河流域构成严峻挑战，需通过调整作物种植制度、改进水库调度规则等适应性措施应对。
该研究的创新性在于将多准则决策方法系统引入GCM优选过程，提出了基于性能饱和点的集合规模确定方法，为类似数据稀缺地区的气候变化影响评估提供了可复制框架。结果强调，在气候变化背景下，半干旱流域的水资源管理需充分考虑水文响应的季节变异性和模型不确定性，采用适应性治理策略以保障水安全。
