气候变化下塔里木河流域水坝优化布局与适应性管理研究：基于机器学习与深度学习的未来选址策略

《Journal of Hydrology X》：Over half of existing dams in the Tarim River Basin should be removed under changing environment

　　本研究结合机器学习（RF）与深度学习（YOLOv7-BiFormer）构建数据驱动框架，揭示塔里木河流域水坝选址的关键因子（耕地与径流），预测未来全球变暖背景下适宜坝址空间迁移，提出超过半数现有水坝需拆除的适应性管理策略，为干旱区水资源可持续管理提供科学依据。

　　

Current and past dam distributions

截至2020年，全球水库与水坝数据库（GROD）仅记录塔里木河流域41座水坝（图4a）。通过YOLOv7-BiFormer模型，我们在流域五条河流中精准识别出142座水坝（图4b），模型精度详见图S2。与GROD数据相比，各河流水坝数量均显著增加（图4c）。基于模型进一步评估2010–2020年间各河流水坝数量动态变化（图4d），并通过高分辨率影像人工验证新发现水坝的准确性。

Discussion

在全球变暖与人口增长背景下，保障水资源高效利用是干旱区面临的严峻挑战。水坝作为水资源管理与缓解水危机的重要工具，其建设适宜性受现有水坝数量影响显著。一旦水坝密度超过特定阈值，河流连通性将急剧下降，表明累积生态效应不容忽视。

Conclusions

理解大尺度区域水坝选址的空间分布及其关键驱动因子，对于气候变化压力下的水资源管理与社会经济发展至关重要。本研究创新性地结合深度学习与机器学习技术，构建数据驱动框架，评估不同气候情景（ssp245与ssp585）下以供水（灌溉与市政）为主的水坝适宜选址。

CRediT authorship contribution statement

Yu Chen: 撰写–初稿与修订，软件，资源，形式分析，数据整理。Qi Liu: 撰写–修订，资金获取，概念设计。Dongwei Gui: 撰写–修订，资金获取。Junhu Tang: 撰写–修订。Xinlong Feng: 撰写–修订，资金获取。Yunfei Liu: 撰写–修订。Qian Jin: 撰写–修订。Sameh Kotb Abd-Elmabod: 资源支持。Dongping Xue: 撰写–修订。Xiao Zhang: 撰写–修订，监督，资金获取，概念设计。

Declaration of competing interest

作者声明不存在已知的竞争性经济利益或个人关系，以避免对研究结果产生潜在影响。

Acknowledgments

本研究受国家自然科学基金（42307600、42361144792、42171042）、中国博士后科学基金（2023M743749）、天山人才培养计划（2023TSYCLJ0049）及塔里木河源头绿洲水土过程与生态安全观测研究站项目（2025BSYK-07、2025BSYK-05）支持。