高寒流域径流模拟综述

1. 引言

高寒区（含极地、高山冰川及多年冻土带）储存全球 68.7% 的淡水资源，通过冰川-积雪-冻土系统调控全球 25% 人口的水安全[1]。“亚洲水塔”（以青藏高原为核心）每年向亚洲十大河流输水约 4350 亿立方米，是全球最重要水塔群[2]。北极冻土区储存约 1.46 万亿吨有机碳，相当于大气碳库两倍[3]。高寒区水循环具显著非线性特征，如冰川运动多尺度变异、冻土活动层对温度敏感（变化灵敏度 0.15-0.25m/q ）、积雪反照率对辐射强迫滞后响应，使其成为气候变化敏感指示器及生态安全关键调节阀[4]。IPCC AR6 指出，1979–2020 年高海拔地区升温速率 0.41^∘C/10a ，显著高于全球平均水平，引发固态水循环连锁失衡[5]。2000–2019 年，全球参照冰川物质亏损速率从 0.54增至 0.92m w.e./a；青藏高原冰川 1976–2020 年间缩减 15.3% ，导致冰川径流峰值提前并呈衰减趋势（RCP8.5 情景下 2100 年径流或减少 58%±12% ） [6] 。冻土活动层过去 40 年加深 0.3--0.8-- ，致地下水滞留时间缩短、甲烷通量增加[7-8]；北半球春雪覆盖每 10 年减少 2.1% ，融雪提前使北美春汛峰值流量降 22%[9] ，降雨-雪比例上升致阿尔卑斯山区洪水频次增 3 倍。本文综述高寒区水文过程特征、路径重构及模拟方法，探讨模型局限与未来方向，为中国高寒流域水资源管理提供科学依据。

2. 高寒区水文过程特征与模拟挑战

2.1 水文过程核心特征

高寒区水文过程以固态相变为主导，受冰川/积雪消融、冻土水热耦合及季节性冻融协同调控，形成独特水文响应机制，具体表现为水储量再分配、水文路径重组、极端事件机制转变及气候反馈增强。固态降水主导：低温使降水固态占比达 60%-90% （如唐古拉山区为 85% ）[10]，导致季节性储存延迟（积雪春季消融滞后降水 3–6 个月）、风吹雪致空间异质性增强（背风坡积雪厚度达迎风坡 5–8 倍）及反照率-温度正反馈[11]。冰雪脉冲式消融：消融呈非线性响应，突破 0% 阈值后速率指数增长（如祁连山七一冰川气温升 1℃致消融量增 23% ）[12]。相变潜热消耗导致径流响应滞后，高原昼夜温差大引发流量昼夜脉冲（如青藏河流流量昼夜变幅达日均值 300% ）。冻土“双阻”效应：多年冻土层限制垂向入渗，抬升产流系数至 0.4–0.6[13]；季节性冻土活动层调控水分储释。冻土退化促活动层增厚（青藏高原多年冻土面积缩减 16% ），增强地下水补给但加剧蒸发，致湿地退缩与湖泊水位下降。活动层蓄释水量占年径流 30%-50% ，是三江源等区径流关键调节器[14]。升华主导蒸发：高辐射（5000 米处达 1100W/m² ）使裸露地表蒸发速率达 4-6mm/d[15] 。冬季升华占水分损失 60%-80% ，潜热消耗为液态蒸发 8.5 倍[16]。植被通过气孔导度昼夜波动（如垫状植物达 300% ）及 CAM 代谢途径适应水分亏缺。

2.2 水文路径重组

气候变暖打破水分再分配平衡，触发“降雨-冰川融雪-地下水”多路径重组：降雨径流：雨雪分界海拔上移 300-500 米，“伪固态降水”（冬季降雨）占比增至 25%_⨀ 。冠层截留率高（ 25%-40% ），但霜冻促水下渗，提高产流效率。雨雪洪峰叠加增强复合洪水风险，降雨加速积雪消融（反照率降 0.2–0.3）[17-18]。冰川融水：消融量呈积温指数增长（正积温每增 100^∘C ·d 融水通量升 35% ），排水系统延迟致“日周期双峰”（消融峰 14：00、排泄峰 22：00） 。当前冰川融水占青藏高原河流径流 15%-40% ，预计之后降至 10% 以下 [19] 。积雪融水：风吹雪形成密实雪层（密度 >400kg/m³ ），延迟入渗使产流集中度增 50% ；反照率降低加速融雪（如反照率降 0.1 致融雪期提前 7 天）[20] 。 8¹⁸0 等示踪剂有效量化融水贡献。地下径流：冻土隔水底板形成浅层潜水透镜体（厚 1-3m ），活动层融化期（7–9 月）补给量占年总量 60%-75%， 。退化后侧向排泄增 30%-50% ，地下水贡献升至 30% （完整冻土区仅 5%-10% ），显著提高基流稳定性[21-22]。径流互馈机制：冰雪消融耗潜热（ 334kJ/kg ）抑制降雨产流；冻土退化释古碳 （0.5-1.2gC/m²⋅ yr）改变水文化学过程；活动层增厚突破 2 米后水流交换转为“侧向主导”，重构流域水循环[23]。

2.3 模拟挑战与模型局限

现有模型（如 SWAT、SRM、SPHY、VIC）在高寒区应用面临三大挑战：过程机制复杂：冰川-积雪-冻土交互作用显著，但对冻融锋面迁移、冰碛湖溃决等关键过程刻画不足[24]；数据匮乏与误差：实测数据稀缺，遥感产品（如雪水当量）在复杂地形误差大；模型适用性不足：参数化过度而物理机制欠缺，对冻融过程、地形响应及多尺度动态模拟能力有限。

3. 未来研究方向

未来需重点开展以下研究：多源数据融合与长期监测：协同星载激光测高（ICESat-2）、无人机与地面传感器网络，提升冰川物质平衡（精度 ±0.05m w.e./a）与冻土水热参数监测能力，构建长效数据集支撑模型验证[25]。模型机理改进与混合建模：开发分布式物理模型，强化冰川/冻土/融雪模块机理表征；融合物理约束神经网络（PINNs）、LSTM 等方法提升无资料区模拟精度（如 Nash 系数>0.75）与效率[26]。人工智能与不确定性量化：应用机器学习优化参数率定，集成 CMIP6 多模式气候情景评估极端事件影响，发展灾害预警与适应性调度系统。跨学科交叉与应用：结合气候学、地质学深化径流驱动机制解析，聚焦冰川消退“融化拐点”预测及水资源可持续利用策略。

4. 结论

高寒区水文过程受气候变化深刻影响，冰川消退、冻土退化及积雪动态改变径流组成与时空分布，加剧水资源不确定性。现有模型在寒区应用中取得进展，但仍受参数化过多、物理机制不足及数据依赖性强等限制。未来需通过多源数据融合、模型机理深化、人工智能结合及跨学科集成，提升模拟精度与预测能力，为高寒区水安全与生态保护提供可靠支撑。

参考文献

1. Immerzeel W W， Lutz A F， Andrade M， et al. Importance and vulnerability of the world’s water towers[J]. Nature， 2020， 577（7790）： 364-369.

2. 韦孟丹，刘承良，梁巧霞，等."亚洲水塔"水压力缓解度的时空变化及其经济效益[J].地理学报， 2025， 80（1）：61-80.

3. Yao T ， Xue Y ， Chen D ，et al.Recent Third Pole's Rapid Warming Accompanies Cryospheric Melt and Water Cycle Intensification and Interactions between Monsoon and Environment： Multidisciplinary Approach with Observations， Modeling， and Analysis[J]. 2019.

4. Schuur E A G， McGuire A D， Schädel C， et al. Climate change and the permafrost carbon feedback[J]. Nature， 2015， 520（7546）： 171-179

5. Dehecq A ， Gourmelen N ， Gardner A S ，et al.Twenty-first century glacier slowdown driven by mass loss in High Mountain Asia[J].Nature Geoence， 2019.[6] BISKABORN B K， SMITH S L， NOETZLI J， et al. Permafrost is warming at a global scale[J]. Nature Communications， 2019， 10（1）： 264.

6. BISKABORN B K， SMITH S L， NOETZLI J， et al. Permafrost is warming at a global scale[J]. Nature Communications， 2019， 10（1）： 264.

7. BARNETT T P， ADAM J C， LETTENMAIER D P. Potential impacts of a warming climate on water availability in snow-dominated regions[J]. Nature， 2005， 438（7066）： 303-309.

8. IPCC. Climate Change 2021： The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge： Cambridge University Press， 2021.

9. HUGONNET R， MCNABB R， BERTOGLIO W， et al. Accelerated global glacier mass loss in the early twenty-first century[J]. Nature， 2021， 592（7856）： 726-731.

10.李梦宇，翁白莎，严登华，等.青藏高原水塔水文功能及其调蓄机制[J].水力发电学报，2024，43（09）：59-69.

11.张强，王港，赵佳琪，等.亚洲水塔水循环和水资源研究进展与展望[J].科学通报，2023，68（36）：4982-4994.

12.姚檀栋，王伟财，杨威，等.亚洲水塔失衡与冰雪变化[J].气候变化研究进展，2024，20（06）：689-698.

13.汤秋鸿. 全球变化水文学： 陆地水循环与全球变化[J]. 中国科学： 地球科学， 2020， 50（3）： 436-438.

14.Li L， Ni JR， Chang F， et al. Global trends in water and sediment fluxes of the world’s large rivers[J]. Science Bulletin， 2020， 65（1）： 62-69.

15.陈蕾， 戴长雷， 王润蒲. 寒区融雪径流研究进展[J]. 水利科学与寒区工程， 2022， 5（03）： 6-10.

16.刘启宁， 辛卓航， 韩建旭， 等. 变化环境下东北半干旱地区径流演变规律分析——以洮儿河流域为例[J]. 水力发电学报， 2020， 39（5）： 51-63.

17.苟娇娇， 缪驰远， 段青云. 水文模型参数敏感性分析-优化-区域化方法研究进展[J]. 地理科学进展， 2022， 41（7）： 1338-1348.

18.TIAN F Q， XU R， NAN Y， et al. Analysis of runoff water source composition of the Yarlung Tsangpo River based on distributed hydrological model[J]. Advances in Water Science， 2020， 31（3）： 324-336.

19.Gai L， Baartman J.E.M.， Mendoza-Carranza M.， et al. A framework approach for unravelling the impact of multiple factors influencing flooding[J]. Journal of Flood Risk Management， 2018， 11（2）： 111-126.

20.BAN C G， XU Z X， ZUO D P， et al. Hydrological modeling and runoff water source analysis in alpine watersheds--A case study of the upper watershed of the Yarlung Tsangpo River Palung Tsangpo[J]. Journal of Beijing Normal University （Natural Science）， 2023， 59（1）： 85-93.

21.MARTINEC J. Snowmelt-runoff model for stream flow forecasts[J]. Iwa Publishing， 1975 （6）： 145-154.

22.DING B H， YANG K， QIN J， et al. The dependence of precipitation types on surface elevation and meteorological conditions and its parameterization[J]. Journal of Hydrology， 2014， 513： 154-163.

23.WANG F， ZHU Z Y， ZHANG P， et al. Application of the SRM snowmelt runoff model to the Sillicon River Basin[J]. Arid Land Geography， 2019， 36（3）： 575-581.

24.王浩， 王芳， 严登华， 等. 中华水塔面临的挑战与应对战略[J]. 中国水利水电科学研究院学报（中英文）， 2022， 20（6）： 485-491.

25.Debele， B.， et al. Hydrological and cryospheric modeling in high-mountain regions： Application of the SPHY model in the Himalayan basin[J]. Hydrology and Earth System Sciences， 2023， 27： 445-459.

26.陈发虎， 汪亚峰， 甄晓林， 等. 全球变化下的青藏高原环境影响及应对策略研究[J]. 中国藏学， 2021（4）： 21-28.

作者：曾丽敏，199502，女，汉，四川；硕士，助理工程师，水文水资源