近日,厦门大学近海海洋环境科学国家重点实验室、环境与生态学院陈能汪教授团队在海陆界面研究方面取得新进展,相关成果以“ENSO enhances seasonal river discharge instability and water resource allocation pressure”为题,发表于Water Resources Research.
该研究聚焦厄尔尼诺-南方涛动(ENSO)事件导致的气候异常如何影响流域水循环这一科学前沿问题,通过对环太平洋南亚、东亚和北美等地区的284个流域(流域面积>10000 km2)(图1)进行大数据统计建模分析,重点研究了ENSO年(按厄尔尼诺发生次年统计)季节尺度上河流流量的不稳定性。
文章首先基于关键水文特征参数—标准化流量的月际最大增幅与最大降幅及其时间间隔,探明了11个有流量监测资料的流域在ENSO影响下的流量季节分布模式。文章进而提出了一个用于表征河流流量季节波动的新指数—流量不稳定性指数DII,并评估了ENSO年与正常年之间河流流量不稳定性的差异。在此基础上,利用11个流域包含降水异常、归一化植被指数(NDVI)、坡度和流域面积在内的关键影响因子构建了DII预测模型,对环太平洋地区284个流域的河流流量不稳定性现状进行了模拟评估。最后,基于两种气候变化情景(SSP2-4.5 和 SSP5-8.5),进一步预测了未来全球变暖情景下河流流量不稳定性的演变趋势。研究结果表明,ENSO显著增强了季节尺度河流流量的不稳定性,这将对未来水资源配置与管理带来极大挑战。该研究为深入理解ENSO气候异常对中低纬度地区大气-流域-河流-近海连续体物质循环的影响提供了新视角,并为流域水资源管理在适应全球气候变化方面的科学决策提供了重要依据。
ENSO事件引起大气环流异常显著改变了区域降水和河流流量的时空格局。河流流量在季节尺度上因不稳定性引发的波动,无疑增加了流域水资源配置与管理的复杂性,并对区域社会经济发展构成了严峻挑战。近年来的研究表明,不同地区的河流流量对ENSO事件的响应存在显著差异。然而,ENSO事件如何影响河流流量的季节分布模式还不清晰,不同地区河流流量的不稳定性特征、关键影响因子及其调控机制尚缺乏系统性研究。
该研究全面分析了1960-2019年期间,环太平洋南亚、东亚和北美地区代表性流域河流流量异常在ENSO年的季节分布模式,并通过模型方法评估了284个流域的不稳定性DII指数差异及其未来变化,揭示了ENSO事件加剧河流流量季节尺度不稳定性的重要机制。主要结论如下:
(1)在11个有流量监测资料的流域,ENSO年的DII指数显著高于正常年份,标准化河流流量的月际最大增幅(Dr)呈现增加趋势;对于长江等大型河流,标准化流量的月际最大增幅和最大降幅出现月份的时间间隔(M)有缩短趋势(图2),这一定程度上反映了在ENSO影响期间,丰枯季转换加速的现象。
(2)ENSO年11个流域的DII指数存在差异,主要与植被(NDVI)、降水异常、坡度和流域面积有关。其中,NDVI和降水异常的特征重要性最高,分别为48%、40%(图3a)。通过对九龙江、闽江和长江等3条具有完整长期气象、水文和水电工程建设资料的河流进行河流筑坝前后的对比分析,发现这些流域的DII指数在河流筑坝后下降了4%-9%(图3b)。这一结果表明,大坝调控有助于降低河流流量的不稳定性,且大型河流(如长江)的效果略优于中小型河流(如九龙江和闽江)。
(3)在环太平洋地区的284个流域,ENSO年的DII指数也明显高于正常年。其中,DII排名前10%的流域,其指数比正常年高出3.6倍以上(图4)。由于降水异常较大且NDVI较低,ENSO年北美地区的DII指数相较于南亚和东亚地区表现出更大的增幅,其中约三分之一的流域DII指数增加了250%(图4)。
(4)在未来全球变暖情景下,河流流量的季节不稳定性可能进一步加剧。在SSP2-4.5情景下,284个流域的DII指数相较于当前ENSO年的DII预计上升0.11%-9.21%;在SSP5-8.5情景下,DII指数增幅更显著(图5),预计增加0.53%-9.46%。与降水异常较低的流域(Pa<5%)相比,降水异常较高的流域(Pa>5%)的DII指数增幅更大(图5插图)。
该研究有助于深入理解ENSO事件引发的气候异常、河流流量不稳定性与水资源管理之间的跨尺度效应,并强调了应对极端气候事件挑战、加强流域水资源优化配置与可持续管理的重要性。本研究呼吁各地在制定水资源管理战略和相关规划时,充分考虑ENSO事件引起的河流流量季节性波动,优化大坝水库对洪水的调控作用,强化植树造林和生态保护修复措施,提高流域水源涵养功能和河流基流水平,以减缓气候变化对流域水资源管理及社会经济发展的不利影响。
注:红色倒三角显示了河流水文站位置。红色圆圈内的流域是使用了XGboost模型模拟了自然流量的3个流域(九龙江、闽江、长江)。粉红色流域是有监测资料的11个流域。蓝色流域是使用DII模型模拟和预测的284个流域
图2 ENSO年河流流量不稳定指数与正常年之间的对比(a、b、c)以及三类季节尺度上河流流量分布模式(d、e、f)
注:Dr是相邻两个月之间标准化流量的最大增幅;Df是相邻两个月之间标准化流量的最大降幅;M是标准化流量月际最大增幅和最大降幅的时间间隔。根据Mann-Whitney检验,p<0.05表明厄尔尼诺年与正常年之间存在显著差异。d、e和f中ENSO年(红线)和正常年(蓝线)的月标准化流量是指多年平均值
图3 流域特征在解释11条河流DII指数差异的重要性对比(a)以及ENSO年自然DII(根据长期监测流量计算)与大坝调节DII(通过XGBoost模拟的自然流量计算)的比较(b)
注:ΔDII=(ENSO年的平均DII-正常年的平均DI)/正常年的均值DII*100%。△DII是在284个流域(HydroBASINS数据集中的第五级流域)中计算的,数据来自10个正常年和7个ENSO年。插图是284个流域在厄尔尼诺年(红线)和正常年(蓝线)的平均DII的排名和比例。黑色边界显示了六个地区(1.西东亚;2.中东亚;3.东亚;4.北美洲西南部;5.北美洲中南部;6.北美洲南部)
图5 284个流域在两种全球变暖情景下
DII变化(δDII)
注:δDII=(SSP2-4.5或SSP5-8.5情景的DII - 当前ENSO年的DII)/ 当前ENSO年DII*100%。δDII8.5-4.5 =(SSP5-8.5情景的δDII - SSP2-4.5情景的ΔDII)/ SSP2-4.5情景的δDII*100%。黑色边界显示了六个地区(1.西东亚;2.中东亚;3.东亚;4.北美洲西南部;5.北美洲中南部;6.北美洲南部3)。插图是指在两种变暖情景下,284个流域有不同的降水异常(Pa),其DII指数的变化(δDII)。**表示存在显著差异
本论文第一作者为厦门大学2020级博士生朱敏翔,通讯作者为陈能汪教授。共同作者包括李少斌副教授、余丹博士后、2024级博士生余镒琦、南方科技大学郑一教授、美国伊利诺伊大学香槟分校蔡喜明教授。研究获得国家自然科学基金(41376082; 42325702)的资助。
Zhu, M.X., Yu, D., Yu, Y.Q., Zheng, Y., Li, S.B., Cai, X.M. and Chen, N.W.* (2025) ENSO enhances seasonal river discharge instability and water resource allocation pressure. Water Resources Research, 61, e2023WR036965.
http://dx.doi.org/10.1029/2023WR036965