Medical Journal of the Chinese People's Armed Police Forces

Journal of Changjiang River Scientific Research Institute >

2025 , Vol. 42 >Issue 3: 202 - 210

DOI: https://doi.org/10.11988/ckyyb.20241180

Scientific Expedition and Research in the Headwaters of the Yangtze River

Reconstruction of Runoff in the Source Region of Yangtze River Based on Nested Principal Component Regression Modeling

  • JIANG Xiao-xuan , 1, 2 ,
  • WANG Wen-zhuo , 3 ,
  • YUAN Zhe 1, 2, 4 ,
  • HUO Jun-jun 1, 2, 4 ,
  • ZHOU Tao 1, 2, 4
Expand
  • 1 Hubei Provincial Key Laboratory of Basin Water Resources and Eco-environmental Sciences,Changjiang River Scientific Research Institute,Wuhan 430010,China
  • 2 Research Center on Protection and Development Strategy for Yangtze River Economic Belt, Changjiang Water Resources Commission, Wuhan 430010, China
  • 3 College of Hydrology and Water Resources, Hohai University, Nanjing 210003, China
  • 4 Water Resources Department, Changjiang River Scientific Research Institute, Wuhan 430010, China

Received date: 2024-11-18

  Revised date: 2025-01-30

  Online published: 2025-03-14

Fold

Abstract

This study employs a nested principal component regression model to reconstruct the natural annual runoff series for the Yangtze River source region from 1433 to 2002. It explores historical variability, the evolution of wet and dry events, and periodic fluctuations. Using tree-ring data and observed runoff data, the model’s accuracy is validated through evaluation indicators (CRSQ, VRSQ, RE, and CE). Results indicate that over the past 570 years, the annual runoff in the Yangtze River source region has experienced significant fluctuations. Six wet periods and nine dry periods are identified, with the longest wet periods occurring from 1451 to 1510 and from 1596 to 1645, and the longest dry period spanning from 1848 to 1903. The dry periods during the reconstruction period align with droughts on the Tibetan Plateau and in other areas of the Yangtze River basin, suggesting that the reconstructed runoff changes in the Yangtze River source region reflect large-scale climate fluctuations. Furthermore, the reconstructed runoff series for the Yangtze River source region exhibits significant periodic fluctuations at intervals of 4-8 years, 16-32 years, 50-100 years, and 100-200 years. These fluctuations are likely driven by the combined effects of ENSO (El Niño-Southern Oscillation), the East Asian Summer Monsoon (EASM), the Pacific Decadal Oscillation (PDO), and the Atlantic Multidecadal Oscillation (AMO), and also reflect the impact of global climate change and the trends of glacier and snowmelt on the Tibetan Plateau.

Key words： runoff; reconstruction; tree annual rings; nested principal component regression model; Yangtze River source region

Cite this article

JIANG Xiao-xuan , WANG Wen-zhuo , YUAN Zhe , HUO Jun-jun , ZHOU Tao . Reconstruction of Runoff in the Source Region of Yangtze River Based on Nested Principal Component Regression Modeling[J]. Journal of Changjiang River Scientific Research Institute, 2025 , 42(3) : 202 -210 . DOI: 10.11988/ckyyb.20241180

开放科学(资源服务)标识码(OSID):

0 引言

近年来,由于全球气候变化和社会的快速发展,干旱事件对长江流域造成的破坏越来越大[1],使其遭受了巨大的经济损失[2]。2003—2020年间,长江流域发生了8次干旱事件。最大的干旱事件影响的规模为2 115.72 km2[3],由于降水和气候变化的时空分布不均,长江流域面临干旱的巨大挑战[4-5],这凸显了进一步研究干旱事件以减少干旱损害的必要性。
长江源区地处青藏高原腹地,是长江流域径流变化的启动区[6-7],其气候模式受到中纬度西风带和亚洲季风的强烈影响。长江源区对气候变化的响应较为敏感[8-9],河川径流也会随之产生明显的变化,探究长江源区径流演变特征与归因分析成为当前长江流域水科学研究的关键问题。近年来,随着长江大保护和长江经济带高质量发展的深入推进,长江流域水资源、水环境、水生态及水安全状况持续改善[10]。然而,长江源区的水文特性和气候条件也带来了一些不可忽视的问题。由于源区径流监测数据的时间跨度较短,现有数据尚不足以支撑对长时间尺度径流变化趋势的深入分析[11],要深入理解气候变化对长江源区的长期影响,仅依赖于现代气象观测数据是远远不够的。
在现有的众多研究中,树轮数据凭借其准确的年代测定和较高的时间分辨率,常被用作历史气候重建的代用数据[12⇓-14]。由于影响流域内径流的主要气候因素是降雨、温度和蒸发[15],所以树木年轮宽度受气候因子的控制,且受径流变化的影响。近年来,基于树轮宽度重建过去气候水文变量的课题已被广泛研究[16]。已有研究基于树木年轮重建了柴达木盆地[17]和祁连山[18]1 000多年来的温度或降水变化,其中,Shao[19]利用柴达木盆地祁连山树轮数据重建了近1 000 a的水文年降水量,Liu等[20]根据树轮宽度指数重建了青藏高原中东部过去2 485 a的年平均气温。Li等[21]利用长江源区5个采样点的树木年轮宽度数据,重建了1374—2012年的长江源区年径流记录;Liang等[22]基于长江源区树木年轮数据,重建了过去379 a的夏季(6—8月份)平均最低温度。然而,现有方法在一定程度上受限于树轮数据本身的时间跨度和区域代表性,同时,重建结果可能受到数据质量、树轮采样密度以及模型假设等因素的影响。因此,进一步延长径流重建的时间跨度、改进径流重建方法仍是当前研究的重要方向。

1 研究范围界定与研究区概况

本文以长江源控制站——直门达水文站的观测数据作为径流数据的来源,研究范围为直门达水文站以上控制的流域,大致位于90°43'E—96°45'E,32°30'N—35°35'N之间,流域的控制面积为13.77×104 km2,平均海拔在4 000 m以上[23],研究区降水分布不均,总体呈东南多、西北少的趋势,同时潜在蒸发量远超降水量,蒸发过程集中于夏季,限制了径流的形成。此外,年径流量离差系数较大,表明水文过程不稳定,径流对降水的敏感性较高,反映出长江源区在气候变化背景下的脆弱性和复杂性。源区内主要河流包括正源西支沱沱河、南源当曲、北源楚玛尔河,共同汇入下游的通天河,其中通天河为源区最大干流,控制源区径流量的变化[24]。长江源区地理位置及主要数据来源站点位置如图1所示,其中树轮站点为经过后续筛选后最终保留的年轮序列站点。
图1 长江源区地理位置及主要数据来源站点位置

Fig.1 Geographic location of the source region of the Yangtze River and major data source stations

2 长江源区径流重建

2.1 数据来源及主要研究方法

2.1.1 天然径流数据

(1)数据来源:采用直门达水文站1957—2016年的天然月径流数据,由青海省水文水资源勘测局提供。
(2)数据处理:由于相似的气候因素,特别是降水和蒸散的影响,同一流域内的树木生长与径流可能存在关联,因此树木年轮数据可作为径流的替代指标。在流域周边的广阔区域内,树木年轮数据可用于流域径流的重建[25]。从长江源区天然径流的盒形图(图2)可见,汛期集中在5—9月份。采用与树轮序列相关性最强的前年9月份至当年8月份[21]作为当年径流量数据,后续径流重建中的观测数据将采用前年9月份至当年8月份的径流量之和。
图2 长江源区天然径流盒形图

Fig.2 Box diagram of natural runoff in the source region of the Yangtze River

2.1.2 树轮数据

(1)树轮数据:采用长江源区附近48个树轮站点公元1—2002年的年轮序列,由世界树轮银行提供。
(2)树轮数据标准化:考虑到树木年轮生长和气候变异性之间存在“滞后效应”,为进一步验证模型的稳健性,需要分析滞后1 a的树轮数据与径流观测的相关性,若符合显著性条件,则将其加入模型。所得到的树轮宽度时间序列不能直接用于径流、气候因子的重建,需进行标准化操作得到标准树轮代表年序列。Meko等[26]指出标准化包括2个步骤:①消除低频生物信号和其他非气候信号造成的测量宽度的趋势;②取去趋势树轮的平均值,以便滤除特定样本的非气候影响(生物生长)。使用ARSTAN程序建立了树轮年表,通过为每个年轮宽度序列拟合负指数曲线或直线,完成去趋势化和标准化处理。在后续分析中,采用标准化后的树轮年表进行研究。

2.1.3 主要研究方法

从多位学者的研究可看出[27-28],由于研究方法的不同,气候变化对江河源区径流影响的结论亦不同。本文采用嵌套主成分回归模型,该模型在不同嵌套时间段内对有记录的径流作主成分回归,来获得尽可能长且精确的长时段历史径流值。
(1)嵌套法:完整的嵌套径流重建值的创建是通过将不同嵌套时间段的重建值不断添加至已完成的较短重建序列前来完成的[29],嵌套法能够最大程度地利用不同时间段的数据来提高模型的覆盖范围和重建精度,也可处理数据缺失或稀疏的问题,从而减少信息丢失的风险。此外,由于模型是基于多个嵌套时间段的重建结果,嵌套法能灵活应对数据分布不均的情况,在较少的输入信息条件下实现较为可靠的重建。
(2)主成分回归法:对大量相关回归变量进行主成分分析(PCA),减少变量的数量,从而降低模型的复杂度,提升计算效率,在有限的数据中提取出最具代表性的特征变量[30],使回归分析更加稳健。主要原理是将n维特征映射到k维上,k维是全新的正交特征也被称为主成分,从原始的空间中按顺序找一组相互正交的坐标轴,只保留前面k个含有绝大部分方差的坐标轴,从而实现对数据特征的降维处理。
使用线性回归方法分析树轮数据与径流观测值之间的关系,通过计算每个树轮系列与径流的相关性,选择满足显著性水平(p<0.05)的变量输入回归模型。采用对数线性回归函数使得偏态分布的径流可与树轮分布对应[31]。基于主成分的对数线性回归公式如式(1)所示,即
l o g Q = a + ∑ k = 1 n P C b k P C k 　 。
式中:Q为年径流;a和bk为回归方程的截距和斜率;PCk为满足置信水平为α=0.05的主成分,nPC为满足置信水平为α=0.05的主成分的个数;k为主成分维度。

2.2 基于嵌套主成分回归的长江源区径流重建

2.2.1 长江源区天然径流统计特性分析

采用中位数、均值、标准差、变差系数、峰度和偏度统计值分析长江源区天然河川径流特性,结果如表1所示。年径流的中位数为118.62亿m3,均值为123.13亿m3,标准差为33.56亿m3,变异系数为0.27,表明年际波动相对较小,峰度和偏度分别为0.91和0.87,显示分布略偏正。在月尺度上,径流量具有显著的季节性差异,其中7月和8月径流量最高,均值分别为26.99亿m3和24.87亿m3,变异系数分别为0.44和0.42;而1月和2月的径流量最低,均值分别为3.37亿m3和1.52亿m3,变异系数较低,部分月份(如6月)峰度较高,表明极值事件较多,偏度则表明多数月份径流分布偏正。这些统计特征反映了径流的季节集中性和年内分配的不均衡特性。
表1 直门达站1957—2016年天然径流序列的统计描述

Table 1 Statistical description of natural runoff series at Zhimenda Station in 1957-2016

时间段 中位数/
(亿m3)		 均值/
(亿m3)		 标准差/
(亿m3)		 变异
系数		 峰度 偏度
全年 118.62 123.13 33.56 0.27 0.91 0.87
1月 3.39 3.37 0.42 0.12 6.88 -1.39
2月 1.51 1.52 0.26 0.17 -0.05 0.53
3月 1.88 1.89 0.31 0.17 0.70 0.76
4月 3.78 3.91 0.79 0.20 0.24 0.65
5月 6.43 7.05 2.29 0.33 0.79 1.00
6月 14.26 15.30 6.88 0.45 6.91 1.92
7月 23.91 26.99 11.77 0.44 -0.16 0.78
8月 23.75 24.87 10.35 0.42 1.60 1.09
9月 19.48 21.04 8.35 0.40 0.55 0.85
10月 10.57 10.93 3.81 0.35 1.36 0.93
11月 4.02 4.22 1.17 0.28 2.06 1.20
12月 2.01 2.04 0.45 0.22 2.73 1.27

2.2.2 树轮特性及筛选

树轮年表的筛选标准主要基于地理位置、年表的时间范围及其与研究区径流的相关性。由于降水的空间一致性并不限于流域范围,且无严格界限[32],因此在长江源区及周边区域选择树轮作为候选对象。图3显示了树轮年表的样本深度,依据时间跨度和相关性,对标准树轮年表进行初步筛选和深入筛选,最终确定预测因子集:在预筛选阶段,只保留了2002年之后的年表系列。所有树轮代表年中有35个年表满足长度要求,利用整个重叠周期(1957—2002)内的年径流序列对预筛选的年轮代表年进行相关性分析,以进行筛选[33]。采用双侧t检验,与径流记录序列的相关性满足置信水平为α=0.05时,保留该序列作为模型的重建因子。最后保留了6个筛选的树轮年表站点,起始年份为1433—2002年,所选站点的位置如图1所示。
图3 长江源区树轮标准年表STD样本深度

注:上半部分为10 a样条平滑年表;下半部分为单个树木年轮宽度序列的时间覆盖率。

Fig.3 Sample depth of the Standard Tree-ring Chronology (STD) for the source region of the Yangtze River

2.2.3 嵌套分组及主成分分析

根据筛选出的年轮序列的起始年份,划分出8个嵌套时间段:1433—2002年、1633—2002年、1674—2002年、1710—2002年、1790—2002年、1839—2002年、1871—2002年和1914—2002年。为了减少数据冗余,对1433—2002年的合成树轮年表进行主成分分析(PCA)[34]。
对于树轮年表的共同周期(见表2),PC1解释的方差百分比为28.88%,信噪比为21.05,表明样本之间存在较强的共同信号。这说明它们可能受到相似的主要因子影响,同时也反映了各变量的部分差异性,揭示了树轮对气候和水文变化的敏感性。
表2 重建模型验证与率定结果

Table 2 Verification and calibration of the reconstruction model

整个树轮序列(1433—2002年) 共同时间段(1957—2002年)
标准差 0.26 信噪比 21.05
平均灵敏度 0.33 表达的种群信号 0.95
第一自相关 0.68 第一主成分方差 28.88%

2.2.4 径流重建模型性能评价指标

为了验证模型的性能,利用径流记录数据和6个树轮年代表,在率定期(1969—2002年)内率定上述重建模型的参数,再在验证期(1958—1968年)内评估模型性能。通过率定期多重决定系数(CRSQ)、Pearson相关系数验证期平方(VRSQ)、验证期误差减少(RE)、验证期效率系数(CE)检测观测流量与重建流量间的差异。当它们为正值时,估计的数据比同期的平均值包含更多有用的信息,反之亦然。此外,指标值越高,估计的数据越准确,从而表明模型的性能越好。由图4可知,模型在不同嵌套层都表现出较强适应性和重构能力,大部分嵌套层能有效反映径流重建的趋势并保持较高的精度。虽部分嵌套层在RE和CE指标上略有波动,但整体模型的表现较好,表明模型能够有效地捕捉数据变化,并提供可靠的重建结果。这些验证表明,该回归模型稳定可靠,可在标准树轮年表的基础上重建1433—2002年的径流量。
图4 CRSQ、VRSQ、CE和RE值随嵌套层变化

Fig.4 Variations of CRSQ,VRSQ,CE,and RE values across nested layers

径流记录系列与径流重建系列的对比如图5所示,1970—2002年为率定期,1957—1970年为验证期。图5展示了与图4一致的结果,经过率定期数据率定的模型可以很好地模拟验证期的干旱事件,而对于洪水事件的模拟有一定的误差。模型评估结果表明,该模型具有良好的重建能力。
图5 径流记录数据和重建数据在重叠期(1957—2002年)的对比

Fig.5 Comparison between runoff record data and reconstructed data in the overlap period (1957-2002)

2.2.5 长江源区径流重建

利用全时段(1957—2002年)径流记录数据重新率定模型参数,在全时段采用嵌套主成分回归模型划分嵌套层,分析各层主成分,重建直门达站点的年径流。根据最早开始的嵌套树轮子集,长江源区的年径流重建序列延伸至1433年。表3展示了径流记录序列和重建序列的统计参数值,径流重建序列的均值、中位数和标准差都与观测序列差异不大,说明重建序列有较好的可信度。
表3 径流记录序列和重建序列的统计参数值

Table 3 Values of statistical parameters for runoff recording sequences and reconstructed sequences

序列 时间段 均值/
(108 m3)		 中位数/
(108 m3)		 标准差/
(108 m3)
记录序列 1957—2002年 116.35 109.80 28.74
重建序列 1957—2002年 115.16 110.57 31.97
1433—2002年 128.67 119.16 38.18
图6展示了公元1433—2002年的水文年径流序列,以及其5 a滑动平均和11 a滑动平均序列,其中1957—2002年为径流记录值。公元1433—2002年期间,直门达水文站径流量极低的年份是公元1447年、1471年、1567年、1572年、1573年及1574年;径流量极高的年份是1433年、1434年、1456年、1457年、1459年及1463年。最干旱的年份是1879年,当时流量仅为48.40亿m3,不到历史平均水平(128.7亿m3)的一半;最湿年份为1614年,流量为286.80亿m3。通过5 a滑动平均和11 a滑动平均重建序列,可清楚地显示出低频变化(图6)。将高流量定义为大于平均值1个标准差,而低流量定义为小于平均值1个标准差。对于5 a滑动平均,在过去570 a中,确定了低流量期为公元1565—1591年、1653—1654年、1685—1694年、1824—1827年、1860—1864年、1872—1884年、1892—1897年、1917—1922年;高流量期为公元1435—1438年、1453—1470年、1474—1479年、1487—1506年、1604—1627年、1630—1639年。
图6 长江源区年径流重建序列

Fig.6 Reconstructed sequence of annual runoff in the source region of the Yangtze River

图7呈现了长江源区重构年径流量的频率分布特征。由图7可知,年径流量大致集中在100亿m3左右,呈现正偏分布趋势,表明长江源区年径流在气候变化条件下并没有显著减少,年径流总量维持在一定的水平。
图7 长江源区年径流重建与实测数据对比

Fig.7 Comparison of annual runoff in the Yangtze River source region between reconstruction and observation

3 讨论

3.1 干湿期分析

为了反映重建序列中干湿条件的波动,根据序列的均值和标准差定义其中的干湿年份:年径流量≥平均值加1.5个标准差为极湿年,平均值加1个标准差≤年径流量<平均值加1.5个标准差为湿润年,平均值减1.5个标准差<年径流量≤平均值减1.5个标准差为干旱年,年径流量≤平均值减1.5个标准差为极干年。570 a重建年份中,干旱年79 a,极端干旱年16 a,分别占全期的13.86%和2.81%;丰湿年92 a,极湿年61 a,分别占全期的16.14%和10.7%。为了揭示干湿期的年代际变化,将湿润期定义为至少连续11 a且大于平均值,而干旱期定义为至少连续11 a且小于平均值[35]。表4列出了重建序列内干湿期的划分:570 a有6个湿期和9个干期,其中1451—1510年和1596—1645年是最长的湿期;1848—1903年是持续时间最长的干旱期,1554—1595年为最干旱期。
表4 长江源区年径流重建序列干湿期

Table 4 Wet and dry periods in annual runoff recon-structed sequence in the Yangtze River source region

时段 径流均值
距平/
(亿m3)		 干湿
期		 时段 径流均值
距平/
(亿m3)		 干湿
期
1437—1447年 41.34 湿润
期		 1538—1552年 -13.17 干旱
期
1451—1510年 59.09 1554—1595年 -40.47
1526—1537年 14.52 1675—1709年 -25.21
1596—1645年 53.57 1711—1753年 -19.11
1800—1818年 22.13 1776—1789年 -15.97
1938—1961年 18.95 1819—1835年 -25.03
1848—1903年 -35.90
1911—1935年 -27.58
1962—1989年 -20.10
对比已有的长江流域历史干旱时期研究[36],本研究重建的干旱期与其有多个时期相吻合;同时,青藏高原在重建的部分干旱时期也经历了大尺度的干旱期[37],进一步表明重建序列能够准确反映大时空范围的干旱事件;此外,20世纪20年代发生在中国北方中西部地区的持续干旱[38]也得到了清晰的体现,以上这些研究对比均证明了重建序列的可靠性。

3.2 周期性分析

使用功率谱进行周期性分析,图8中红点表示显著的周期性信号,显著周期包括63.33、51.82、43.85、40.71、31.67、30 a。利用小波分析方法对重建径流序列进行周期分析,图9显示研究区域径流序列存在显著的周期振荡,主要包括4~8、16~32、50~100、100~200 a的周期。其中:4~8 a的准周期主要出现在16世纪前后、17世纪及20世纪后;16~32 a的准周期显著出现在17世纪和19世纪前后;50~100 a的周期主要发生在17世纪前后和18世纪;100~200 a的周期在15—17世纪之间和19世纪后较为明显。
图8 长江源区径流重建的周期性分析(滞后70 a)

Fig.8 Periodicity analysis of reconstructed runoff in the source region of the Yangtze River (lag of 70 years)

图9 长江源区径流序列小波分析结果

注:图9(a)中透明轮廊线为95%置信水平,实线为影响锥。

Fig.9 Wavelet analysis of runoff series in the source region of the Yangtze River

短周期(4~8 a)波动可能与ENSO(厄尔尼诺-南方涛动)[39]及东亚夏季风(EASM)的变化密切相关。ENSO事件通常以2~7 a的周期影响全球气候,通过调整降水格局和季风强度,进而影响长江源区的径流变化。此外,东亚夏季风在该时间尺度上的波动同样对长江流域的水文过程产生重要影响;中周期(16~32 a)的波动可能受到太阳活动周期变化、太平洋年代际振荡(PDO)及大西洋多年代际振荡(AMO)共同驱动[40]。太阳黑子活动影响地球气候系统,使水文循环呈现约20 a左右的变化周期。同时,PDO和AMO通过调节海洋-大气相互作用,影响东亚季风系统的稳定性,进而引发长江源区径流的准周期性波动;长周期(50~100 a)的波动可能与太阳活动的长周期变化以及全球气候长期波动有关,尤其在小冰期,全球气候异常寒冷,导致东亚季风系统减弱,影响了长江源区的降水和径流过程。进入20世纪后,随着全球变暖趋势的加剧,气候系统的长期调整也在该时间尺度上表现为径流变化;超长周期(100~200 a)的波动主要反映了气候系统的多世纪尺度变化,包括全球温度变化、青藏高原冰川与积雪变化等。由于长江源区径流受冰雪融水补给的影响较大,因此冰川长期消融趋势可能是该时间尺度上径流变化的重要驱动力。

3.3 树轮与冰川融水的关系

以往研究表明,树轮年轮宽度与降水、温度密切相关,特别是在半干旱和湿润地区,树轮数据常用于降水驱动的径流重建。然而,在高寒山区,径流不仅受降水影响,还受到冰川融水的贡献。冰川消融过程受气温主导,而树轮对气温的响应通常体现在高程敏感性较强的树种上。因此,树轮年表可能在一定程度上反映冰川消融对土壤水分的影响,但未必能准确捕捉冰川融水对径流的直接贡献。
本研究采用树轮数据重建长江源区径流,结果主要反映降水对径流的驱动作用,但树轮重建的径流序列在冰川融水贡献较高的年份可能存在低估。因此,未来研究可结合冰川消融观测数据或水文模型,以进一步提高径流重建的准确性。

4 结论

本研究将传统的主成分回归径流重建方法与嵌套模型相结合构建了长江源区年径流量重建模型;然后采用CRSQ、VRSQ、CE、RE指标对模型进行评估,证明了所提出模型的精确性;最后重建了长江源区公元1433—2002年间的天然径流序列,获得的主要结论有:
(1)总体而言,嵌套主成分回归模型在年径流的重建上展现出较高的精确性。模型在不同嵌套层都表现出较强的适应性和重构能力,大部分嵌套层能够有效反映径流重建的趋势并保持较高的精度,确保了重建结果的可靠性。
(2)在570 a的重建时间序列中,长江源区的年均径流量为128.67亿m3,略高于1957—2002年观测记录的年均值116.35亿m3。这一长时间序列展现出显著的波动特征,特别是在1433—1700年间,径流均值和标准差较高,表明该时期径流的变化较剧烈。
(3)基于11 a滑动平均值分析,共识别出6个湿期和9个干期,反映了区域内显著的长周期干湿交替特征。其中,1451—1510年和1596—1645年是持续时间最长的湿润期,分别达60 a和50 a;而1848—1903年为最长的干旱期,持续时间达56 a。这表明,在过去的5个世纪里,长江源区的径流经历了显著的长周期干湿变化,显示了长江源区径流的长期变化规律。
(4)在570 a的重建年份中,干旱年为79 a,极端干旱年为16 a,分别占总时段的13.86%和2.81%;丰湿年为92 a,极湿年为61 a,分别占总时段的16.14%和10.70%。不包括正常年份,丰湿年的发生率高于干旱年。这种丰湿年频率较高的现象表明,长江源区在过去的570 a内较多地经历了丰水事件,且径流波动与气候变化密切相关。
(5)长江源区径流的高值和低值不仅仅反映了局地的水文特征,还反映了更大空间尺度上的气候变化。例如,1848—1903年是近570 a来最长的干旱期,而最严重的干旱期则出现在16世纪,这些时期的干旱与青藏高原等地区的干旱时期相吻合。
(6)长江源区径流序列的周期性分析表明,该区域径流存在4~8、16~32、50~100、100~200 a的显著周期性波动。可能受ENSO(厄尔尼诺-南方涛动)、东亚夏季风(EASM)变化、太平洋年代际振荡(PDO)及大西洋多年代际振荡(AMO)共同驱动,也反映了全球气候长期变化及青藏高原冰川与积雪消融趋势的影响。
(7)在高寒山区,树轮年表在一定程度上能够反映冰川消融对土壤水分的影响,但未必能准确捕捉冰川融水对径流的直接贡献。因此,未来研究可结合冰川消融观测数据或水文模型,以进一步提高径流重建的准确性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
LI X, ZHANG K, GU P, et al. Changes in Precipitation Extremes in the Yangtze River Basin during 1960-2019 and the Association with Global Warming, ENSO, and Local Effects[J]. Science of the Total Environment, 2021, 760: 144244.

[2]
WANG Q, XU Y, CAI X, et al. Role of Underlying Surface, Rainstorm and Antecedent Wetness Condition on Flood Responses in Small and Medium Sized Watersheds in the Yangtze River Delta Region, China[J]. Catena, 2021, 206: 105489.

[3]
CUI L, HE M, ZOU Z, et al. The Influence of Climate Change on Droughts and Floods in the Yangtze River Basin from 2003 to 2020[J]. Sensors, 2022, 22(21): 8178.

[4]
JIAO D, WANG D, LÜ H. Effects of Human Activities on Hydrological Drought Patterns in the Yangtze River Basin, China[J]. Natural Hazards, 2020, 104: 1111-1124.

[5]
ZHANG D, CHEN P, ZHANG Q, et al. Copula-based Probability of Concurrent Hydrological Drought in the Poyang Lake-catchment-river System (China) from 1960 to 2013[J]. Journal of Hydrology, 2017, 553: 773-784.

[6]
王根绪, 李琪, 程国栋, 等. 40a来江河源区的气候变化特征及其生态环境效应[J]. 冰川冻土, 2001, 23(4): 346-352.

(WANG Gen-xu, LI Qi, CHENG Guo-dong, et al. Climate Change and Its Impact on the Eco-environment in the Source Regions of the Yangtze and Yellow Rivers in Recent 40 Years[J]. Journal of Glaciolgy and Geocryology, 2001, 23(4): 346-352. (in Chinese))

[7]
李林, 李凤霞, 郭安红, 等. 近43年来“三江源” 地区气候变化趋势及其突变研究[J]. 自然资源学报, 2006, 21(1): 79-85.

(LI Lin, LI Feng-xia, GUO An-hong, et al. Study on the Climate Change Trend and Its Catastrophe over “Sanjiangyuan” Region in Recent 43 Years[J]. Journal of Natural Resources, 2006, 21(1): 79-85. (in Chinese))

[8]
朱海涛. 长江源区长序列径流变化规律及其与气象要素的关系分析[J]. 中国农学通报, 2019, 35(22): 123-129.

DOI

(ZHU Hai-tao. Long Sequence Runoff in the Source of the Yangtze River: Variation Law and Its Relationship with Meteorological Elements[J]. Chinese Agricultural Science Bulletin, 2019, 35(22): 123-129. (in Chinese))

DOI

[9]
康世昌, 张拥军, 秦大河, 等. 近期青藏高原长江源区急剧升温的冰芯证据[J]. 科学通报, 2007, 52(4): 457-462.

(KANG Shi-chang, ZHANG Yong-jun, QIN Da-he, et al. Ice Core Evidence of Recent Sharp Warming in the Source Area of the Yangtze River on the Qinghai-Tibet Plateau[J]. Chinese Science Bulletin, 2007, 52(4): 457-462. (in Chinese))

[10]
许继军, 吴江. 长江流域建立水资源刚性约束制度的关键问题与对策研究[J]. 中国水利, 2024(9): 34-38.

(XU Ji-jun, WU Jiang. Research on Key Issues and Strategies for Establishing a Water Resources Rigid Constraints System in the Yangtze River Basin[J]. China Water Resources, 2024(9): 34-38. (in Chinese))

[11]
GOU X, DENG Y, CHEN F, et al. Tree Ring Based Streamflow Reconstruction for the Upper Yellow River over the Past 1234 Years[J]. Chinese Science Bulletin, 2010, 55(36): 4179-4186.

[12]
FRITTS H C, BLASING T J, HAYDEN B P, et al. Multivariate Techniques for Specifying Tree-growth and Climate Relationships and for Reconstructing Anomalies in Paleoclimate[J]. Journal of Applied Meteorology, 1971, 10(5): 845-864.

[13]
COOK E R, MEKO D M, STOCKTON C W. A New Assessment of Possible Solar and Lunar Forcing of the Bidecadal Drought Rhythm in the Western United States[J]. Journal of Climate, 1997, 10(6):1343-1356.

[14]
COOK E R, ANCHUKAITIS K J, BUCKLEY B M, et al. Asian Monsoon Failure and Megadrought during the last Millennium[J]. Science, 2010, 328(5977): 486-489.

DOI PMID

[15]
MIDDELKOOP H, DAAMEN K, GELLENS D, et al. Impact of Climate Change on Hydrological Regimes and Water Resources Management in the Rhine Basin[J]. Climatic Change, 2001, 49(1/2): 105-128.

[16]
WOODHOUSE C A. A Tree-ring Reconstruction of Mean Annual Stream-Flow for Middle Boulder Creek, Colorado, USA[J]. Journal of the American Water Resources Association, 2001, 37: 561-570.

[17]
邵雪梅, 梁尔源, 黄磊, 等. 柴达木盆地东北部过去1437 a的降水变化重建[J]. 气候变化研究进展, 2006, 2(3): 122-126.

(SHAO Xue-mei, LIANG Er-yuan, HUANG Lei, et al. A Reconstructed Precipitation Series over the Past Millennium in the Northeastern Qaidam Basin[J]. Climate Change Research, 2006, 2(3): 122-126. (in Chinese))

[18]
LIU X, QIN D, SHAO X, et al. Temperature Variations Recovered from Tree-rings in the Middle Qilian Mountain over the Last Millennium[J]. Science in China Series D: Earth Sciences, 2005, 48(4): 521-529.

[19]
SHAO X. Reconstruction of Precipitation Variation from Tree Rings in Recent 1000 Years in Delingha, Qinghai[J]. Science in China Series D, 2005, 48(7): 939.

[20]
LIU Y, AN Z, LINDERHOLM H W, et al. Annual Temperatures during the last 2485 Years in the Mid-eastern Tibetan Plateau Inferred from Tree Rings[J]. Science in China Series D: Earth Sciences, 2009, 52(3): 348-359.

[21]
LI J, SHAO X, QIN N, et al. Runoff Variations at the Source of the Yangtze River over the Past 639 Years Based on Tree-ring Data[J]. Climate Research, 2018, 75(2): 131-142.

[22]
LIANG E, SHAO X, QIN N. Tree-ring Based Summer Temperature Reconstruction for the Source Region of the Yangtze River on the Tibetan Plateau[J]. Global and Planetary Change, 2008, 61(3/4): 313-320.

[23]
杜嘉妮, 蔡宜晴, 王岗. 长江源区径流变化归因分析[J]. 水文, 2021, 41(6): 73-78.

(DU Jia-ni, CAI Yi-qing, WANG Gang. Attribution Analysis of Runoff in the Source Region of the Yangtze River[J]. Journal of China Hydrology, 2021, 41(6): 73-78. (in Chinese))

[24]
胡圆昭. 长江源区径流演变规律及月径流量预测研究[D]. 兰州: 兰州交通大学, 2023.

(HU Yuan-zhao. Study on Runoff Evolution Law and Monthly Runoff Prediction in the Source Area of the Yangtze River[D]. Lanzhou: Lanzhou Jiaotong University, 2023. (in Chinese))

[25]
WOODHOUSE C A, LUKAS J J. Multi-century Tree-ring Reconstructions of Colorado Streamflow for Water Resource Planning[J]. Climatic Change, 2006, 78(2): 293-315.

[26]
MEKO D, COOK E R, STAHLE D W, et al. Spatial Patterns of Tree-growth Anomalies in the United States and Southeastern Canada[J]. Journal of Climate, 1993, 6(9): 1773-1786.

[27]
王文卓, 张建云, 陈峰, 等. 黄河源区雨季降水与汛期径流量重建及其千年尺度下的演变特征[J]. 水科学进展, 2022, 33(6):868-880.

(WANG Wen-zhuo, ZHANG Jian-yun, CHEN Feng, et al. Reconstructions of Rainy Season Precipitation and Flood Season Streamflow in the Headwater Catchment of the Yellow River and Their Evolution Characteristics on a Millennium Scale[J]. Advances in Water Science, 2022, 33(6):868-880. (in Chinese))

[28]
梁川, 侯小波, 潘妮. 长江源高寒区域降水和径流时空变化规律分析[J]. 南水北调与水利科技, 2011, 9(1): 53-59.

(LIANG Chuan, HOU Xiao-bo, PAN Ni. Spatial and Temporal Variations of Precipitation and Runoff in the Source Region of the Yangtze River[J]. South-to-North Water Diversion and Water Science & Technology, 2011, 9(1): 53-59. (in Chinese))

[29]
COOK E R, PALMER J G, AHMED M, et al. Five Centuries of Upper Indus River Flow from Tree Rings[J]. Journal of Hydrology, 2013, 486: 365-375.

[30]
TIMILSENA J, PIECHOTA T C, HIDALGO H, et al. Five Hundred Years of Hydrological Drought in the Upper Colorado River Basin[J]. JAWRA Journal of the American Water Resources Association, 2007, 43(3):798-812.

[31]
AGAFONOV L, MEKO D, PANYUSHKINA I. Reconstruction of Ob River, Russia, Discharge from Ring Widths of Floodplain Trees[J]. Journal of Hydrology, 2001, 543: 198-207.

[32]
郑景云, 张学珍, 刘洋, 等. 过去千年中国不同区域干湿的多尺度变化特征评估[J]. 地理学报, 2020, 75(7): 1432-1450.

DOI

(ZHENG Jing-yun, ZHANG Xue-zhen, LIU Yang, et al. The Assessment on Hydroclimatic Changes of Different Regions in China at Multi-scale during the Past Millennium[J]. Acta Geographica Sinica, 2020, 75(7): 1432-1450. (in Chinese))

DOI

[33]
TIMILSENA J, PIECHOTA T, TOOTLE G, et al. Associations of Interdecadal/Interannual Climate Variability and Long-term Colorado River Basin Streamflow[J]. Journal of Hydrology, 2009, 365(3/4):289-301.

[34]
MARGOLIS E Q, MEKO D M, TOUCHAN R. A Tree-ring Reconstruction of Streamflow in the Santa Fe River, New Mexico[J]. Journal of Hydrology, 2011, 397(1/2):118-127.

[35]
SHI X, QIN N, ZHU H, et al. May-June Mean Maximum Temperature Change during 1360-2005 as Reconstructed by Tree Rings of Sabina Tibetica in Zaduo,Qinghai Province[J]. Chinese Science Bulletin, 2010, 55(26):3023-3029.

[36]
黄忠恕. 长江流域历史水旱灾害分析[J]. 人民长江, 2003, 34(2): 1-3.

(HUANG Zhong-shu. Analysis of Historical Flood and Drought Disasters in the Yangtze River Basin[J]. Yangtze River, 2003, 34(2): 1-3. (in Chinese))

[37]
ZHANG Y, GOU X, CHEN F, et al. A 1232-year Tree-ring Record of Climate Variability in the Qilian Mountains, Northwestern China[J]. IAWA Journal, 2009, 30(4): 407-420.

[38]
LIANG E, LIU X, YUAN Y, et al. The 1920s Drought Recorded by Tree Rings and Historical Documents in the Semi-arid and Arid Areas of Northern China[J]. Climatic Change, 2006, 79(3): 403-432.

[39]
LAU K M, WENG H. Climate Signal Detection Using Wavelet Transform: How to Make a Time Series Sing[J]. Bulletin of the American Meteorological Society, 1995, 76(12): 2391-2402.

[40]
王姝, 李金建, 秦宁生. 基于历史帕默尔干旱指数(PDSI)数据集重建的长江源区过去706 a径流量[J]. 中国沙漠, 2019, 39(3): 126-135.

DOI

(WANG Shu, LI Jin-jian, QIN Ning-sheng. Runoff Reconstruction for the Source of the Yangtze River over the Past 706 Years Based on Historical PDSI Dataset[J]. Journal of Desert Research, 2019, 39(3): 126-135. (in Chinese))

DOI

Options
Outlines

/

〈 〉

Copyright © Journal of Changjiang River Scientific Research Institute, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.