机构名称：
¥ 3.0
基于材料和方法观察数据集1月1个月度流动时间序列（根据每日记录计算）是从2个全球流量指数和元数据存档（GSIM）获得的（18，47）。全球径流数据3中心（48）（GRDC）数据库，以每月规模提供河流流量，该数据库被4 GSIM排除，用作补充数据集。要计算具有最小偏差的RF，制定了两个5个选择标准：i）研究期限从1965年到2014年，以确保6个足够的站点进行空间覆盖范围的足够分析； ii）每月排放量仅在每年8个月可用10个月或更长时间的数据时才能计算年度季节性指数。鉴于气候迅速变化，我们通过将五个定期更新的河流流量数据集（表S3）从国民到2017 - 2019年全球水平结合在一起，扩展了分析，以包括最近的9年。拥有国家或11个大陆数据库的国家/地区的所有GRDC站（例如USGS数据）被替换，以避免重复的时间12系列河流。13为了获得全球范围的覆盖范围，使用了最近发表的全球栅格每月14个径流（Grun）数据集的重建（19）。Grun是从GSIM的原地15个月度河流流量观测到的，其空间分辨率为0.5°，涵盖了1902年至2014年的16个时期（19）。它是通过训练基于全球土壤湿度的降水和温度观察的机器学习算法的17阶段（GSWP3）数据集（19）的训练，因此，Grun无法明确考虑19的效果。S17）。观察到来自GRDC数据集的每月河流排放，并从部门间影响模型对比21项目（ISIMIP2A）重建的2A阶段的20个多模型模拟用于验证（19）。在新出版的G-Run合奏中的另外四个成员22在1965 - 2014年重叠，用来23个说明了径流上大气强迫数据集的不确定性，包括径流24次被CRUTSV4.04，GSWP3-W5E5，GSW3-W5E5，GSWP3-EEMBI和PGFFV3 25（49）强迫。与G-Run合奏的AE趋势的空间模式与Grun 26支持使用Grun进行气候变化检测和归因分析，而27进一步证实了我们结果的鲁棒性（图总而言之，原位观察结果28结合了气候变化的影响（包括ACC，自然强迫和自然29气候变化）和人类活动（例如储层，人类水管理和30种土地利用变化，缩写为HWLU）。相反，Grun和G-Run Ensemble仅31个说明了气候变化的影响。为了排除储层对原位观测值的RFS趋势的空间32模式的影响，水合物subbasin单元（PFAFSTETETER 33级别12）（50）与Grill等人提供的调节程度（DOR）集成在一起。（51）至34个将量规站区分为受储层影响（DOR> 0）的量规站，以及由储层（dor = 0）受到影响的35个。subbasin单位水平的DOR通过在河流范围内选择DOR的36个最大值来表示。使用了1965年至2014年期间的5×5°分辨率的crutem5数据集的平均空气温度数据（55）。有6,150个站点从储层影响中确定为37个，而3,914个站位于sibbasins或38个水库的下游（有49个车站由于在39个岛屿上的存在，而另外7个缺乏DOR信息的车站，因此位于水力发生范围外的49个站点）。在1979 - 2000年的平均降雪与降水量41的比例（52）时，全球范围内的40个降雪区域（52）都在全球范围内确定，其中包含0.5°的全球42降水量和降雪通量。2014年降雪时间序列的时间序列是根据全日制44覆盖率的第五代大气再分析（ERA5）计算得出的（53）。为排除降水季节性，观察到的每月栅格降水45来自全球降水气候中心（GPCC）（54）的数据以2.5×46 2.5°的分辨率在1965-2014时以每月量表为单位。48
人为气候变化影响了全球河流流量季节性
主要关键词
相关文件推荐
