为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。
为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。
为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。
为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。
为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，本文提出了一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest，CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数(nash-sutcliffe efficiency，ENS)分别达到了0.692、0.707以及0.799，相较于度日模型分别提升了0.198、0.065以及0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中科院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences，VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。
雅鲁藏布江流域地处高原寒区，研究该地区的积雪时空分布对工程建设和雪灾防治有重要意义。基于1979—2021年中国雪深长时间序列数据集、中国逐月气温与降水量数据集，采用Mann-Kendall趋势分析法和皮尔森相关分析法研究雅江流域的积雪深度特性。结果表明：积雪深度在空间分布上呈现“两端高、中间低”，西部源头处与东北部边缘地区有深厚积雪覆盖；积雪主要分布于海拔4000～5200 m、坡度小于35°范围内，其中最高雪深值分布在约4850 m;1979—2021年平均雪深以0.032 cm/a的速率减少，2017年经历了43年间的最低雪深值，近几年逐渐回升到多年平均水平；年平均气温以约0.024℃/a的速度升高，其与雪深呈现显著负相关性。
雅鲁藏布江流域地处高原寒区，研究该地区的积雪时空分布对工程建设和雪灾防治有重要意义。基于1979—2021年中国雪深长时间序列数据集、中国逐月气温与降水量数据集，采用Mann-Kendall趋势分析法和皮尔森相关分析法研究雅江流域的积雪深度特性。结果表明：积雪深度在空间分布上呈现“两端高、中间低”，西部源头处与东北部边缘地区有深厚积雪覆盖；积雪主要分布于海拔4000～5200 m、坡度小于35°范围内，其中最高雪深值分布在约4850 m;1979—2021年平均雪深以0.032 cm/a的速率减少，2017年经历了43年间的最低雪深值，近几年逐渐回升到多年平均水平；年平均气温以约0.024℃/a的速度升高，其与雪深呈现显著负相关性。
雅鲁藏布江流域地处高原寒区，研究该地区的积雪时空分布对工程建设和雪灾防治有重要意义。基于1979—2021年中国雪深长时间序列数据集、中国逐月气温与降水量数据集，采用Mann-Kendall趋势分析法和皮尔森相关分析法研究雅江流域的积雪深度特性。结果表明：积雪深度在空间分布上呈现“两端高、中间低”，西部源头处与东北部边缘地区有深厚积雪覆盖；积雪主要分布于海拔4000～5200 m、坡度小于35°范围内，其中最高雪深值分布在约4850 m;1979—2021年平均雪深以0.032 cm/a的速率减少，2017年经历了43年间的最低雪深值，近几年逐渐回升到多年平均水平；年平均气温以约0.024℃/a的速度升高，其与雪深呈现显著负相关性。
典型高原寒区雅鲁藏布江流域径流变化是反映该区域气候和下垫面变化的重要指标。在全球升温背景下，由于观测资料稀缺，导致缺乏针对整个流域的气候和下垫面变化对径流影响的研究。因此，本研究基于1986—2010年的气象数据和奴下水文站月尺度、动态土地利用数据等，利用改进的水文模型并结合不同的模拟策略厘清了流域1991—2010年不同时段间气候和下垫面变化对径流的影响。结果表明：在1991—2010年期间，不同时段间气候和下垫面变化对径流变化的贡献率差异较大，气候变化对径流变化的贡献率高于下垫面变化，且使径流量增加。从空间上看，气候变化对流域产流的贡献率在上游和中游都较大，在下游东北部的贡献率较小，而在该区域下垫面变化的贡献率较大。雪冰融水径流呈增加的趋势，对年径流的平均贡献率在21.1%～48.6%范围内，多年平均贡献率为33.6%；雪冰融水径流一般从4月开始增大，8月达到最大，10月达到消融末期。本研究的开展和发现既是雅鲁藏布江流域水文、水资源基础性研究的需要，具有重要的理论研究意义，同时也可为该流域的水资源保护、规划与管理提供科学理论和决策依据，具有重要的现实意义。
典型高原寒区雅鲁藏布江流域径流变化是反映该区域气候和下垫面变化的重要指标。在全球升温背景下，由于观测资料稀缺，导致缺乏针对整个流域的气候和下垫面变化对径流影响的研究。因此，本研究基于1986—2010年的气象数据和奴下水文站月尺度、动态土地利用数据等，利用改进的水文模型并结合不同的模拟策略厘清了流域1991—2010年不同时段间气候和下垫面变化对径流的影响。结果表明：在1991—2010年期间，不同时段间气候和下垫面变化对径流变化的贡献率差异较大，气候变化对径流变化的贡献率高于下垫面变化，且使径流量增加。从空间上看，气候变化对流域产流的贡献率在上游和中游都较大，在下游东北部的贡献率较小，而在该区域下垫面变化的贡献率较大。雪冰融水径流呈增加的趋势，对年径流的平均贡献率在21.1%～48.6%范围内，多年平均贡献率为33.6%；雪冰融水径流一般从4月开始增大，8月达到最大，10月达到消融末期。本研究的开展和发现既是雅鲁藏布江流域水文、水资源基础性研究的需要，具有重要的理论研究意义，同时也可为该流域的水资源保护、规划与管理提供科学理论和决策依据，具有重要的现实意义。