DOI: https://doi.org/10.1038/s43247-026-03213-8
تاريخ النشر: 2026-01-27
المؤلف: Hanjun Kim وآخرون
الموضوع الرئيسي: دراسات الهيدرولوجيا وإدارة أحواض المياه
نظرة عامة
تناقش هذه القسم قيود نماذج المناخ في توقع توفر المياه، وخاصة تحيزاتها في تقدير حساسية الجريان السطحي – التي تُعرف بأنها التغير في الجريان السطحي لكل وحدة تغير في الهطول أو درجة الحرارة. تسلط الأبحاث الضوء على أن هذه النماذج غالبًا ما تقلل من تقدير الانخفاض في الجريان السطحي المرتبط بالاحترار، مما يمكن أن يؤدي إلى توقعات غير دقيقة لتوفر المياه في المستقبل.
لمعالجة هذه التحيزات، قام المؤلفون بإجراء تحليل شامل باستخدام مجموعات بيانات رصدية متعددة، وجيلين من نماذج المناخ، وعينة واسعة من التغيرات الداخلية في المناخ. تشير نتائجهم إلى أنه بالنسبة لحوض الأنهار حيث يمكن أن تقيد الملاحظات مخرجات النموذج بشكل فعال، فإن الانخفاضات المتوقعة في الجريان السطحي تكون أكثر وضوحًا من تلك التي تقترحها النماذج وحدها. وبالتالي، تكشف التوقعات المقيدة أن آثار تغير المناخ على موارد المياه قد تكون أكثر حدة مما تم الإشارة إليه سابقًا، مما يبرز الحاجة إلى تحسين دقة النماذج في إدارة موارد المياه.
مقدمة
تسلط المقدمة الضوء على القضية الحرجة لنقص المياه التي تؤثر على أكثر من أربعة مليارات شخص على مستوى العالم، مع توقعات تشير إلى أن عدد السكان الحضريين الذين يواجهون مثل هذا النقص قد يزيد بشكل كبير بحلول عام 2050، ويرجع ذلك إلى حد كبير إلى عدم اليقين في توقعات الجريان السطحي الإقليمي من نماذج النظام الأرضي (ESMs). يكشف تحليل حديث باستخدام بيانات مشروع المقارنة بين النماذج المتصلة المرحلة 6 (CMIP6) أن المصدر الرئيسي لعدم اليقين في توقعات الجريان السطحي ينشأ من الاختلافات بين النماذج في القوة الجوية، وخاصة في الهطول ($P$) ودرجة حرارة الهواء السطحي ($T$)، التي تؤثر على التبخر. على الرغم من الاتجاهات المتسقة في تغييرات الجريان السطحي الإقليمي عبر نماذج CMIP6، فإن التباين الكبير بين النماذج يعقد التوقعات الموثوقة للعديد من أحواض الأنهار.
تؤكد الدراسة على أهمية حساسية الجريان السطحي – كيف يستجيب الجريان السطحي ($Q$) للتغيرات في $P$ و$T$ – كمساهم كبير في عدم اليقين في التوقعات. تشير النتائج السابقة إلى أن ESMs غالبًا ما تقلل من تقدير حساسية درجة الحرارة، مما يؤدي إلى حساسية جريان سطحي متحيزة مقارنة بالبيانات الملاحظة. من خلال تطبيق توقعات الجريان السطحي المقيدة بالملاحظات، يوسع المؤلفون تحليلهم عالميًا، كاشفين أن الجريان السطحي الفعلي قد يكون أقل بكثير من توقعات ESM في 41 من 131 حوض نهر عالمي، بما في ذلك أنظمة رئيسية مثل الأمازون والنيل. تؤكد هذه الأبحاث على ضرورة دمج القيود الملاحظة لتحسين دقة توقعات الجريان السطحي المستقبلية في ظل تغير المناخ المستمر.
طرق البحث
في هذه الدراسة، استخدمنا مخرجات شهرية متوسطة من نماذج النظام الأرضي (ESMs) المتاحة في أرشيف CMIP6، مع التركيز على التجارب ‘التاريخية’ (1850-2014) و’SSP2-4.5′ (من 2015 فصاعدًا)، بالإضافة إلى التجارب ‘التاريخية’ (1850-2005) و’RCP4.5′ (من 2006 فصاعدًا) من أرشيف CMIP5. شمل التحليل نماذج قدمت متغيرات هيدرولوجية رئيسية: إجمالي الجريان السطحي ($mrro$)، الهطول ($pr$)، درجة حرارة الهواء السطحي ($tas$)، والتبخر ($evapsbl$). تم حساب متوسط هذه المتغيرات لأحواض الأنهار الرئيسية باستخدام قناع من مركز بيانات الجريان السطحي العالمي، مع إعادة تجميع إلى دقة مشتركة قدرها $0.5^\circ \times 0.5^\circ$. تم استبعاد أحواض الأنهار الأصغر من حوالي $2 \times (1.9 \times 10^2 \text{ km}) \times (2.5 \times 10^2 \text{ km})$ من التحليل.
لضمان موثوقية النماذج، استبعدنا تلك التي تجاوزت عدم توازن ميزانية المياه فيها 10% من متوسط الجريان السطحي على المدى الطويل (1850-2014)، خاصة إذا كانت النسبة المئوية العالمية لأحواض التوازن المغلقة أقل من 60%. أسفر ذلك عن الاحتفاظ بـ 28 نموذجًا من CMIP6 و22 نموذجًا من CMIP5. بالإضافة إلى ذلك، تم استبعاد الأحواض التي تظهر قيم جريان سطحي سلبية شهرية إذا كانت هذه القيم تشكل أكثر من 10% من سلسلة الزمن الشهرية الإجمالية. لتقييم عدم اليقين الناجم عن التغيرات الداخلية في المناخ، قمنا بإدراج نموذج النظام الأرضي المجتمعي 2 (LENS2)، الذي يتكون من محاكاة جماعية مكونة من 50 عضوًا من 1850 إلى 2100 تحت ظروف القوة التاريخية وSSP3-7.0.
نقاش
في هذه الدراسة، يستكشف المؤلفون حساسية الجريان السطحي تجاه المتغيرات المناخية التاريخية، وخاصة الهطول (P) ودرجة الحرارة (T)، عبر مختلف أحواض الأنهار من 1947 إلى 2017. يجدون أن حساسية P الوسيطة إيجابية باستمرار عبر جميع الأحواض، بينما تتفاوت حساسية T، حيث تكون سلبية في الغالب في خطوط العرض المتوسطة الشمالية وغير متسقة في المناطق الاستوائية وجنوب الكرة الأرضية. تعقد هذه التباينات في حساسية T، المتأثرة بعوامل مثل التبخر وتغيرات أنماط الهطول، توقعات الجريان السطحي في المستقبل. يظهر المؤلفون أن استخدام حساسية الجريان السطحي التاريخية لتوقع تغييرات الجريان السطحي المستقبلية يتماشى بشكل جيد مع توقعات النماذج لمعظم أحواض الأنهار، مما يشير إلى أن عمليات توليد الجريان السطحي ثابتة بما فيه الكفاية لمثل هذه التوقعات.
ومع ذلك، يبرزون أيضًا إمكانية عدم ثبات حساسية الجريان السطحي بسبب ردود الفعل النباتية وتغيرات توقيت الجريان السطحي، مما يمكن أن يؤثر على دقة التوقعات. من خلال حساب حساسية الجريان السطحي بشكل منفصل للفترات التاريخية والمستقبلية، يحسنون التوقعات لـ 107 من 131 حوضًا. كما تقيم الدراسة مساهمات القوة الجوية وحساسية الجريان السطحي في عدم اليقين في التوقعات، كاشفة أن التحيزات في حساسية الجريان السطحي المودلة يمكن أن تؤثر بشكل كبير على دقة توقعات نموذج النظام الأرضي (ESM). يقترح المؤلفون نهج قيود ملاحظة للتخفيف من هذه التحيزات، موضحين أن تطبيق حساسية الجريان السطحي الملاحظة يؤدي إلى توقعات أكثر موثوقية لانخفاضات الجريان السطحي المستقبلية، خاصة في أحواض الأنهار الكبرى مثل الأمازون والنيل. بشكل عام، تشير النتائج إلى أن ESMs قد تقلل من تقدير انخفاضات الجريان السطحي المستقبلية، مما يبرز الحاجة إلى تحسين نمذجة حساسية الجريان السطحي لتعزيز توقعات المناخ.
DOI: https://doi.org/10.1038/s43247-026-03213-8
Publication Date: 2026-01-27
Author(s): Hanjun Kim et al.
Primary Topic: Hydrology and Watershed Management Studies
Overview
This section discusses the limitations of climate models in projecting water availability, particularly their biases in estimating runoff sensitivities—defined as the change in runoff per unit change in precipitation or temperature. The research highlights that these models often underestimate the decline in runoff associated with warming, which can lead to inaccurate projections of future water availability.
To address these biases, the authors conduct a thorough analysis utilizing multiple observational datasets, two generations of climate models, and extensive sampling of internal climate variability. Their findings indicate that for river basins where observations can effectively constrain model outputs, the projected declines in runoff are more pronounced than those suggested by the models alone. Consequently, the constrained projections reveal that the impacts of climate change on water resources may be more severe than previously indicated, underscoring the need for improved model accuracy in water resource management.
Introduction
The introduction highlights the critical issue of water scarcity affecting over four billion people globally, with projections indicating that the urban population facing such scarcity may increase significantly by 2050, largely due to uncertainties in regional runoff predictions from Earth System Models (ESMs). A recent analysis utilizing Coupled Model Intercomparison Project Phase 6 (CMIP6) data reveals that the primary source of uncertainty in runoff projections arises from inter-model differences in meteorological forcing, particularly in precipitation ($P$) and surface air temperature ($T$), which influence evapotranspiration. Despite consistent trends in regional runoff changes across CMIP6 models, the substantial variability among models complicates reliable projections for many river basins.
The study emphasizes the importance of runoff sensitivity—how runoff ($Q$) responds to changes in $P$ and $T$—as a significant contributor to projection uncertainty. Previous findings indicate that ESMs often underestimate temperature sensitivity, leading to biased runoff sensitivity compared to observed data. By applying observationally-constrained runoff projections, the authors extend their analysis globally, revealing that actual runoff may be considerably lower than ESM projections in 41 out of 131 global river basins, including major systems like the Amazon and Nile. This research underscores the necessity of incorporating observational constraints to improve the accuracy of future runoff predictions amid ongoing climate change.
Methods
In this study, we utilized monthly mean outputs from Earth System Models (ESMs) available in the CMIP6 archive, focusing on the ‘historical’ (1850-2014) and ‘SSP2-4.5’ (2015 onwards) experiments, as well as the CMIP5 archive’s ‘historical’ (1850-2005) and ‘RCP4.5’ (2006 onwards) experiments. The analysis included models that provided key hydrological variables: total runoff ($mrro$), precipitation ($pr$), surface air temperature ($tas$), and evapotranspiration ($evapsbl$). These variables were averaged for major river basins using a mask from the Global Runoff Data Centre, with a regridding to a common resolution of $0.5^\circ \times 0.5^\circ$. River basins smaller than approximately $2 \times (1.9 \times 10^2 \text{ km}) \times (2.5 \times 10^2 \text{ km})$ were excluded from the analysis.
To ensure the reliability of the models, we excluded those with a water budget imbalance exceeding 10% of the long-term mean runoff (1850-2014), specifically if the global area fraction of closed-balance basins was less than 60%. This resulted in the retention of 28 CMIP6 and 22 CMIP5 models. Additionally, basins exhibiting negative monthly runoff values were excluded if such values constituted more than 10% of the total monthly time series. To assess the uncertainty stemming from internal climate variability, we incorporated the Community Earth System Model 2 Large Ensemble (LENS2), which consists of 50-member ensemble simulations from 1850 to 2100 under historical and SSP3-7.0 forcing conditions.
Discussion
In this study, the authors investigate the sensitivity of runoff to historical climate variables, specifically precipitation (P) and temperature (T), across various river basins from 1947 to 2017. They find that the median P sensitivity is consistently positive across all basins, while T sensitivity varies, being predominantly negative in northern mid-latitudes and inconsistent in tropical and Southern Hemisphere regions. This variability in T sensitivity, influenced by factors such as evapotranspiration and changes in precipitation patterns, complicates predictions of future runoff. The authors demonstrate that using historical runoff sensitivities to predict future runoff changes aligns well with model projections for most river basins, indicating that runoff generation processes are sufficiently stationary for such predictions.
However, they also highlight the potential non-stationarity of runoff sensitivity due to vegetation feedbacks and changes in runoff timing, which can affect predictive accuracy. By calculating runoff sensitivity separately for historical and future periods, they improve predictions for 107 out of 131 basins. The study further assesses the contributions of meteorological forcing and runoff sensitivity to projection uncertainty, revealing that biases in modeled runoff sensitivity can significantly impact the accuracy of Earth System Model (ESM) projections. The authors propose an observational constraint approach to mitigate these biases, showing that applying observed runoff sensitivities leads to more reliable projections of future runoff declines, particularly in major river basins like the Amazon and Nile. Overall, the findings suggest that ESMs may underestimate future runoff declines, emphasizing the need for improved modeling of runoff sensitivity to enhance climate projections.