评估印度拉贾斯坦邦干旱区气候诱发的蒸散发动态变异性

气候变化正在日益改变干旱环境中的水文过程，其中蒸散发（ET）在调节水资源可用性和农业可持续性方面发挥着关键作用。在拉贾斯坦邦西部的干旱区，近期的升温趋势和降雨变异性加剧了大气对水的需求，这需要对变化气候条件下的ET动态进行精细理解。本研究通过整合长期观测（1971-2025），结合基于物理和数据驱动的方法，更新了早期评估，结合凯尔文-蒙特斯法与机器学习模型，包括随机森林和长短期记忆网络，以捕捉非线性互动和时间变异性。通过使用在不同排放路径下的新兴CMIP7气候预测，进一步加强了敏感性分析。结果表明，ET显著增强，基线值在历史时期增加了约15%，预测表明在高排放情景下到本世纪中叶可能进一步上升约22%-30%。温度被确定为变异性的主要驱动因素，占总变异性的超过一半，而太阳辐射和湿度也显著影响季节性反应。机器学习输出显示夏季ET增强，并揭示了传统方法无法捕捉的非线性行为。尽管在特定的湿度-辐射反馈下可能发生有限的ET减少，但整体趋势指向蒸散发的增加和该地区干旱风险的加剧。这些研究结果强调了拉贾斯坦邦脆弱水资源面临的日益压力，并突出需要如精准灌溉和气候韧性农业等适应性策略。值得注意的是，本研究通过将基于机器学习的ET建模与下一代CMIP7预测相结合，提供了新的贡献，使得在未来情景下对非线性气候-水文相互作用的评估更加现实。