基于多重概率分布的不同尺度下西江干流生态流量保障率研究

为什么这条河的重要性不容忽视

河流不仅仅是输送水流；它们维系着整个景观的生命力。但水坝、引水工程和变化的气候正在重塑水流的时间和量，给鱼类、湿地和人类带来风险。本研究聚焦中国最大的珠江支流——西江，提出了一个简单却至关重要的问题：河流还能否在正确的时间提供足够的水，以维持其生态系统的功能？为此，作者将现代机器学习与传统水文学相结合，评估在六十年间河流满足基本生态流量需求的可靠程度。

沿着繁忙河道追踪水流

西江流域是一个快速发展的地区，水电站、繁忙的航运通道和不断扩张的城市都在争夺水资源。与此同时，降雨格局和气温在气候变化下发生变化。研究者选取了从上游到下游的四个关键测站来代表这一漫长河段。他们收集了河流的日流量记录以及附近气象站的降雨、温度、蒸发、日照和风速数据。研究目标是将仅受自然气候驱动时的河流状态，与受人为干扰后的状态区分开来，以便判断自然的最低供水需求实际被满足的频率。

用数据重建“自然”河流

由于许多水坝和工程在观测记录期间陆续建成，团队首先识别出流量格局明显发生突变的年份。他们采用了六种不同的统计方法来定位这些突变点，并使用了一条保守规则，要求多种方法达成一致。受强烈人为影响之前的早期年份被视为“自然期”，而后来年份被视为“变化期”。接着，他们在自然期上训练了随机森林模型——这是一种由大量决策树组合而成的机器学习方法。模型学习了在河流大体未受调控时，气候输入如何转换为河流流量。然后将变化期的气候数据输进该训练模型，重建若无大规模人为改动时河流可能呈现的流量，从而在每个测站得到连续的“准自然”流量序列。

将波动水量转换为生态阈值

有了这些重建的流量序列后，研究者将视角从每日起伏转为更易处理的月度尺度。对于每个测站的每个月，他们对长期流量记录拟合了若干不同的概率分布曲线，并使用标准统计检验选择最契合的分布形态。两类强调极端值的分布——广义极值分布（GEV）和三参数Pearson分布（P‑III）在大多数情况下表现最佳，尤其擅长捕捉对生态安全至关重要的低流量。从所选分布中，他们读出90%超越概率对应的流量值，即该流量有90%的时间被等于或超越。这一“90%保障率”成为他们每月的基础生态流量。最后，他们检验了实际观测流量超过这些阈值的频率，并根据一种被广泛使用的生态经验法则（Tennant方法）评估这些数值处于“良好”还是“优秀”的范围。

河流何时何地未达标

在整个六十年的记录中，西江总体上通常能够满足其基本生态流量目标：在自然期和变化期，保障率大多保持在约80%以上，Tennant评价将大多数月份评为对河流生命支持“良好”到“优秀”。然而，研究也揭示了重要的压力点。随着人为影响加剧，生态流量保障率下降，尤以上游两个测站为甚，表明上游水电及其他活动对河流生态系统的压力更大。最明显的下降出现在7月至10月，即主要的汛期及其退落期，此时为防洪和蓄水而进行的水库调度可能在许多鱼类和其他生物最需要有节奏且充足的水时段，降低河道流量。

这对河流与人意味着什么

对非专业读者来说，结论是西江大多数时候仍能提供足以达到基本生态标准的水量，但在关键地点和季节其安全余地正在缩小。通过重建由气候驱动的“参考河流”并与当前受调控的流量对比，研究指出上游河段以及7月至10月为优先保护和更智能水坝运行的对象。该框架将机器学习、概率分布和简单生态基准相结合，可推广到其他受调控河流，为水资源管理者提供一种切实可行的方式，识别生态系统最脆弱的时间和地点，从而在水库调度、取水和保护之间更好地平衡人类需求与河流的生态需要。

引用: Li, J., Deng, X., Liu, J. et al. Ecological flow guarantee rate along the Xijiang River mainstream at different scales based on multiple probability distributions. Sci Rep 16, 12975 (2026). https://doi.org/10.1038/s41598-026-43793-1

关键词: 生态流量, 河流调控, 随机森林径流, 珠江流域, 环境用水管理