WRR: 基于机器学习方法量化气候变化下三峡水库对极端水文事件的调节能力

本研究基于分布式冰冻圈 - 生态 - 水文耦合模型 GBEHM ，模拟了三峡水库过去 60 年及未来 50 年间的入库流量；在此基础上，基于双神经网络耦合的集成机器学习（ Ensemble Machine Learning ）模型，刻画了三峡水库的调度规则，进而量化了三峡水库调度对洪水干旱的调节作用。结果表明，在历史时段，三峡水库调度能够使得洪峰减少 29.2% 、洪水总历时下降 53.4% ，若三峡水库投入运行， 1998 年的洪峰能够被削弱 24.7% ；对发生在 11 月至次年 4 月的干旱，三峡水库调度能够使烈度、峰值和总历时下降 5%~10% 。

在未来气候情景下，长江上游洪水干旱呈上升趋势；尽管三峡水库仍然能够对洪水干旱起到有效调节作用，但无法将其降低至历史阶段水平。三峡水库对未来 50 年洪峰、洪水总历时的削弱幅度预计分别下降至 23.8% 和 25.1% ，均低于历史水平，对干旱指标的削弱能力也有所下降。从 32 个 IHA 径流情势指标来看，对于大多数指标，水库调度部分抵消了气候变化的影响；但对于少数指标，水库调度和气候变化的影响方向相同，水库调度可能在一定程度上加剧气候变化对河流生态的不利影响。上述结果表明，三峡水库调度在气候变化背景下面临新挑战。