变化环境下水库适应性调度研究进展与展望

张 玮，刘 攀，刘志武，刘瑞阔，明 波

(1.中国长江三峡集团有限公司 科学技术研究院，北京 100038；2.武汉大学 水资源与水电工程科学国家重点实验室，湖北 武汉 430072；3.西安理工大学 西北旱区生态水利国家重点实验室，陕西 西安 710048)

1 研究背景

气候变化和人类活动对水循环和水资源利用产生着深刻影响[1-2]。以全球变暖为特征的气候变化，通过影响降水、蒸发、径流等一系列水文气象要素，改变了流域的水文输入条件，进而引起了水资源时空分配格局变化、极端水文事件频发等问题[3-5]。大规模人类活动，例如：水利工程建设、城市化推进、土地开发利用等，改变了入渗及蒸散发等陆面水文过程所依赖的下垫面条件，使得自然条件下形成的产汇流机制不再适用，进而导致水资源量难以准确评估、水生态环境恶化等问题[6-7]。在气候变化和人类活动耦合驱动的变化环境下，原有的水文一致性假定被打破，水资源管理正面临着严峻挑战。

水库作为水利工程体系的重要组成部分，是保障我国国民经济发展和社会安全稳定的重要支撑。截至2019年底，我国已建成各类水库98 112座，水库总库容8983亿m3，其中大型水库744座，总库容7150亿m3，占全部总库容的79.6%，中型水库3978座，总库容1127亿m3，占全部总库容的12.5%[8]。我国现已打造十三大水电基地，覆盖金沙江、雅砻江、大渡河、长江上游等流域。可见，流域水库群格局逐步形成，水库调度是当前统筹兼顾多方要素、实现流域水资源高效利用的主要手段[9-10]。水库调度的技术水平，随着计算机的不断发展和智能算法的不断改进而日益提升：从单个水库调度到大尺度水库群联合运行，从单一目标分析到多目标协同优化，从单一时间尺度的规划调度到多维调度期的嵌套计算，从基于单一数据的简易优化模型到由多源数据驱动的智能计算。水库调度技术水平的成熟与发展，在流域水资源管理中发挥着至关重要的作用，更为应对变化环境而正在进行的新变革提供了有力的技术支撑。

在气候变化和人类活动叠加影响的变化环境下，传统水库调度运行策略的性能难以满足决策者的需求。为此，水库管理者需开展一系列适应性举措来应对变化环境。例如：2020年7月，《三峡(正常运行期)—葛洲坝水利枢纽梯级调度规程》(2019年修订版)正式获批，取代了原有的2015年版调度规程。并且，随着气候变化日益加剧、流域高质量发展战略稳步推进、新型电力系统一体化建设不断加快、国家水网整体布局日渐完善等，大部分水库的功能、需求等调度运行环境将会进一步发生变化，变化环境下水库适应性调度问题是不可忽视的。水库实时和短期调度涉及的时间分辨率为小时或日，涉及和时间周期通常不超过1周或1个月、至多为1年。本文所关注的变化环境考虑了气候变化和人类活动双重影响，时间周期一般在数十年以上。为了充分考虑气候变化的显著影响、避免下垫面条件实时变化难以精准刻画的问题，本文关于变化环境下水库适应性调度问题主要是指变化环境下水库中长期调度规则再编。

本文将重点综述近年来国内外水库适应性调度研究进展，并探讨未来相关的研究热点问题，从而加强对水库适应性调度的系统化理解与思考，为今后开展广泛而深入的相关研究提供指导与借鉴。

2 变化环境下水库入库径流预测

水库入库径流对水库调度的影响是最直接的，也是最重要的。变化环境下入库径流预测是开展水库适应性调度研究的基础前提。梳理与总结现有研究可以发现，根据调整对象的不同，变化环境下入库径流预测方法可分为：基于径流重构的预测方式和基于陆气耦合关系的预测方式。

2.1 基于径流重构的预测方式基于径流重构的预测方式，以径流作为直接调整的对象，该方法分为：统计特征因子调整法和历史入库径流序列外延法。统计特征因子调整法是在历史入库径流特征分析结果的基础上，人为假定未来径流的相对变化幅度。这一方法实际上着重考虑了变化环境对入库径流统计特征参数(均值、变异系数等)的影响，简单易懂，利于应用，情景类型全面，可避免来自水文或气象模型的不确定性影响，但变化范围的合理性解释不足。相关研究案例有：Nazemi等[11]将传统重抽样方法和简单delta法相结合，通过在局部尺度上生成扰动序列集合，生成一系列反映变化环境下的径流响应，以加拿大阿尔伯塔省南部的水资源系统作为实例验证；Feng等[12]提出了简单调整法和随机重构法来实现变化环境下径流预测，并以此分析了三峡水库调度规则参数对径流统计参数变化的敏感性；Jeuland等[13]通过delta法直接改变年径流量来形成多种气候变化情景，进而讨论了如何将实物期权与稳健性决策相结合来实施变化环境下的水资源规划与管理。

历史入库径流序列外延法主要是根据历史实测入库径流资料本身所体现的多时段相关性，借助滑动平均法、小波分析等统计分析技术进行径流预测。这一方法保持了历史实测信息的内在统计特征，但所提供的入库径流预测结果较为单一，无法表征变化环境所具有的不确定性本质。相关研究案例有：Zhang等[14]通过滑动平均法构建了三峡水库洪峰与洪量的变化情景，基于风险价值理论研究了非一致性条件下的汛期运行水位控制问题；Tan等[15]将集成经验模式分解方法和人工神经网络相耦合，考虑径流多时段的相关性影响，提出了适用于汛期的自适应中长期径流预估模型；Dariane等[16]基于径流多时段的相关性，利用耦合进化神经网络的混合熵模型进行中长期径流预测。

2.2 基于陆气耦合关系的预测方式基于陆气耦合关系的预测方式，以驱动径流形成的降水与气温两大气象要素为调整对象，间接预测径流变化。与上述基于径流重构的预测方式相比，这种预测方式侧重描述在降水变化与气温变化共同作用下的径流改变，通常遵循径流形成的物理机理，但所获取的径流预测结果大多容易受到来自全球气候模式(Global Climate Model，GCM)选择、降尺度技术处理、以及水文模型模拟等过程的不确定性影响。

相关研究案例有：Raje等[17]针对印度的Hirakud水库，根据三种温室气体排放情景下的GCM预测结果，利用统计降尺度方法和流域水文模型，预测得到未来径流，进而分析气候变化对水库灌溉、发电、防洪的影响，并利用随机动态规划法提出了缓解气候变化影响的水库自适应调度策略；Steinschneider等[18]以爱荷华河上的Coralville水库作为研究对象，针对降水变化和气温变幅的105种组合情景，分析了水文模型结构和变化环境对未来洪水风险的不确定性影响；Ashofteh等[19]针对4种温室气体排放情景的预测结果，利用统计降尺度技术和IHACRES半分布式水文模型预测径流，并基于遗传规划方法提取了适应变化环境的灌溉水库调度规则；Wen等[20]利用不同RCP排放情景下40多个GCM，借助统计降尺度技术和SWAT水文模型，预测了各个变化情景下的径流响应情况，据此评价了在气候变化与大规模梯级水电站开发的变化环境下中国西南地区生态水文系统的演变趋势。

综上，变化环境下水库入库径流预测的研究进展汇总如表1所示。

表1 变化环境下水库入库径流预测的研究进展

3 水库调度规则编制

水库短期和实时调度依托于水文预报信息，涉及变化环境对流域产汇流机理的改变，在此不做详述。水库中长期调度依赖于入库径流的统计特征值，是变化环境下水库适应性调度的主要问题。

水库实际运行通常以既定的水库调度规则为操作准则。水库调度规则是以设计任务和运行约束为前提，基于实测的长系列径流资料进行水库调度操作，借助可视化图表或者数学函数呈现出水库调度运行规律。水库调度规则是实施水库科学合理运行控制的重要依据[21]。

水库调度规则的表现形式主要是调度图和调度函数两种，水库调度规则的提取方法主要包括显随机优化方法和隐随机优化方法两大类。水库调度规则的编制过程主要包括如图1所示的步骤：①准备水库调度模型的输入资料，例如，径流序列、调度目标类型、水库约束条件等；②确定水库调度规则的表现形式，选择通过调度图还是调度函数来呈现，并分析其中的关键要素，例如，水库调度图的适用目标类型及相应调度区划分，或者是水库调度函数的统计关系和物理特征描述；③基于预设的水库调度规则表现形式，选择合适的水库调度规则提取方法进行优化计算，从而形成能够控制水库水位、影响水库出流、决定出力水平等多维要素的水库调度规则。据此所提炼的水库调度规则，可结合水文预报信息为水库管理人员的调度决策提供有力指导。

图1 水库调度规则的编制流程图

3.1 水库调度规则的表现形式

3.1.1 调度图 水库调度图是综合反映水库在既定水文条件下满足特定调度目标要求时所形成的运行规律，借助可视化图表的形式呈现，是目前生产实际中指导水库运行的一种常见方式。水库调度图，是结合水文设计资料和水库主要功能定位(例如：发电或者供水)，以时间(月或旬)为横坐标、以水库水位为纵坐标，所形成的一组控制曲线，各控制曲线之间对应着不同出力等级、供水等级或流量等级的调度区。水库调度图可分为常规调度图和优化调度图。常规调度图，一般是选取典型径流资料进行水库调节过程演算，根据相应的水库蓄水过程统计确定的调度控制曲线。常规调度图具有简单实用、便于操作的优点，在水库年调度计划编制及实施中被广泛采用；但是，常规调度图通常仅以设计径流资料和设计保证率作为编制依据，没有考虑未来径流预报信息，且适用对象通常局限于单个水库。优化调度图，是将近期的实测径流资料作为优化过程的输入，利用运筹学优化方法或者智能优化算法修正常规调度图的控制参数，或者对水库确定性优化调度过程做统计归纳处理的结果。相较于常规调度图，优化调度图一方面在水位及流量控制等调度过程上更贴合水库近年来的实际运行近况；另一方面在水资源利用率、发电量、供水保证率等效益水平上也更佳。然而，由于面临着优化变量众多、蓄放水时空次序复杂、高效求解难度大等问题，优化调度图通常较难适用于复杂的流域型大规模梯级水库群。

专家学者在调度图的优化问题上进行了大量探索。例如：杨光等[22]利用Pareto存档动态维度搜索算法优化丹江口发电和供水多目标调度图，进而协调了供水和发电之间的矛盾。关于集中在某一河流上的梯级水库群联合调度图的优化问题，程春田等[23]采用模拟逐次逼近算法对乌江梯级水电站群调度图进行了优化。Jiang等[24]提出了梯级水库群发电总出力调度图和最优出力分配的双层嵌套优化模型，利用逐次搜索算法和逐次优化算法，得到梯级水库群的最优总出力运行图。

3.1.2 调度函数 水库调度函数，综合考虑了水库特性、统计关系、决策者偏好等主客观要素，根据水量平衡原理或者能量守恒原理，以数学函数的方式来描述水库调度运行规律。这是目前学术研究中描述水库运行的最流行的一种方式。水库调度函数，根据水库的输出因子(如：出库流量)与输入因子(如：入库径流)、状态因子(如：水库库容)来表征水库调度过程的统计关系，其统计分析过程涉及了因变量与自变量的筛选、线性或非线性关系的分析、以及水量平衡或能量守恒的物理机理讨论等多项内容。水库调度函数比水库调度图的应用更为灵活。线性函数是目前比较常用的水库调度函数型式，其参数较少且方法成熟(如：回归统计技术)，在指导水库调度运行中效果显著，在不同的水库调度实践中是普遍可行的[25]。随着构建水库调度函数的自变量因子变得多源化与复杂化，以及考虑到水库群联合调度的实际需求，水库调度决策因子和决策结果之间主要呈现出非线性关系。加之数据挖掘技术的不断丰富，非线性调度函数不仅可以精细化描述单个水库调度运行规律，也可以适用在梯级水库群乃至复杂的流域型大规模梯级水库群的调度运行中[26]。

国内外学者就调度函数型式的水库调度规则问题已经开展了较为广泛的研究与讨论。例如：Revelle等[27]在1969年基于线性回归分析技术首次提出了水库线性水量调度函数；Liu等[28]针对三峡水库发电运行提出了线性调度函数，并对调度规则参数的不确定性进行了深入分析；Yang等[29]通过耦合高斯径向基函数RBF和敏感性分析技术，利用Pareto存档动态维度搜索算法，提取了适用于发电和供水多目标优化的梯级水库群非线性调度规则。

3.2 水库调度规则的提取方法

3.2.1 显随机优化方法 显随机优化方法的核心思想是把径流看作随机过程，将服从于某一概率分布的入库径流作为水库优化调度模型的输入。显随机优化方法的理论比较完善，但是其实际应用较为复杂，容易陷入“维数灾”和局部最优等问题。常见的显随机优化方法包括随机线性规划方法和随机动态规划方法。随机线性规划方法根据随机参数位置的不同，可分为概率规划和机遇约束规划两种，二者的区别在于随机参数位置处在目标函数还是约束条件[30]。随机线性规划方法不仅要求目标函数和约束条件均为线性，还需要考虑多种可能方案的组合。随着目标函数的多样化和水库系统的群体化，水库优化调度已经变成一个高维、非线性的多阶段决策问题。因此，随机线性规划方法由于线性要求的不易满足和多方案引起的变量“维数灾”问题，在水库调度中的应用研究较少[31-32]。水库调度领域目前主要使用的显随机优化方法是具有马尔科夫链关系的随机动态规划方法，其优点是不强制要求目标函数或约束条件是否为线性、考虑了相邻阶段随机变量的相关性、可以直接给出水库调度的运行策略，但是其不足在于分析过程复杂、难以广泛地应用于水库调度实践中。采用随机动态规划方法进行水库显随机优化调度的系列研究，目前主要涉及以下三个方面：①如何利用径流预报信息来描述水库随机优化调度中的径流不确定性的问题；②如何利用优化降维技术来化解在多水库联合随机优化调度中“维数灾”问题；③如何利用多目标处理技术来实现水库多目标调度的随机优化问题。

针对径流预报不确定性描述问题的研究案例有：Xu等[33]将短中期的降水预报信息考虑到水库群随机优化调度模型中，利用贝叶斯随机动态规划模型进行求解；Lei等[34]利用Copula函数构建了随机动态规划方法中相邻时段径流的联合概率分布函数，改进了传统的状态转移矩阵。关于多水库联合随机优化调度的研究案例有：Mujumdar等[35]基于聚合分解思想，以水库群的总来水量作为聚合变量，利用随机动态规划模型获得了以水库群总来水量和各水库蓄水状态为变量的调度图；Tan等[36]将逐次迭代逼近的思想引入到两阶段的随机动态规划模型，并耦合余留期近似效益函数，有效避免了水库群中长期随机优化调度的“维数灾”问题。就多目标水库随机优化调度问题的实例讨论案例有：廖伯书等[37]利用加权法将多目标转化为单目标，从而采用随机动态规划方法求解水库多目标优化调度问题；陈守煜等[38]借助模糊优选理论来改进随机动态规划方法，从随机分析的角度解决了水资源系统调度中多目标的优化与决策问题。

3.2.2 隐随机优化方法

(1)拟合方法。拟合方法认为径流的随机性过程是由长系列径流资料体现的。基本思路是：通过建立确定性优化模型，获取长系列水库优化调度决策过程(即最优调度轨迹)，进而利用数据挖掘技术(如：线性回归统计方法、人工神经网络方法)统计分析其中的优化决策规律，最终提取出水库调度规则。拟合方法本质上是针对获得的水库最优蓄泄决策的事后性回顾分析[39]。利用拟合方法所提取水库调度规则，通常会面临两方面的考验：一则是拟合效果容易受到数据挖掘技术的学习能力、统计分析变量的数目与形式等多方面的影响；另一则是在处理水文条件、优化模型结构、调度函数型式等多重不确定性因素时，调度规则的泛化推广能力存在较大的局限性。随着人们对水库(群)系统的非线性认识不断加深、近年来数据挖掘技术的日趋成熟，拟合方法的相关研究可以划分为：①利用传统回归分析技术来制定水库调度规则；②借助现代人工智能方法来制定水库调度规则。

利用传统回归分析技术提取水库调度规则的研究案例有：Celeste等[40]基于曲面拟合分析方法拟合水库确定性优化轨迹，构建了水库出流和水库水位、水库入流之间的非线性调度规则；刘攀等[41]利用线性回归技术提取了三峡水库的线性发电调度规则，并探讨了利用拟合方法来制定调度规则的资料长度问题。不同的是，现代人工智能方法能够依据自组织学习能力和自身强大的映射能力，直接挖掘出输入数据和输出数据的相关关系。目前借助现代人工智能方法提取水库调度规则的研究案例有：Rieker等[42]使用强化学习算法提取了加利福尼亚和内华达州特鲁奇河的长期水库运行策略；Zhang等[43]利用长短期记忆模型提取了葛洲坝水库的长期调度规则，并总结了长短期记忆模型在计算效率、调度规则模拟能力上的优势。

(2)参数化-模拟-优化方法。不同于根据最优调度轨迹来寻求水库调度规则的拟合方法，参数化-模拟-优化方法主要是针对具有确定规则表现形式和初始参数的水库调度规则，利用优化算法对参数进行直接优化迭代计算，进而获得能够体现最佳调度性能的调度规则参数结果。参数化-模拟-优化方法具有如下优势[44]：①参数变量域无需离散化，与显随机优化方法和基于动态规划类的拟合方法相比，可以有效避免维数灾，降低模型的复杂性；②能够与任何模拟模型相结合，且不增加对模型信息的任何约束，允许使用外部信息来调节决策结果，在研究径流不确定性条件下的水库调度规则问题中具有较高的应用可移植性；③在设计多目标优化问题时，能够直接与多目标优化算法相结合，得到反映不同调度规则参数集的Pareto前沿近似解。

近几十年来，利用参数化-模拟-优化方法提取水库调度规则这一问题，备受国内外学者的青睐与关注，有着大量的应用实践案例。例如：Guariso等[45]在解决多目标水库优化调度问题中，初步提出了参数化-模拟-优化方法的计算思想；Koutsoyiannis等[46]正式为参数化-模拟-优化方法命名，结合粒子群优化算法，分析了该方法在不同目标函数和水文情景下提取梯级水库调度规则的优点；尹正杰等[47]利用参数化-模拟-优化方法，借助遗传算法对中国北方的多目标供水水库调度规则进行优化，得到能够协调多目标供水问题的规则参数集；Zhang等[48]利用聚合分解技术简化大尺度水库群线性调度规则，将定向多目标快速非支配排序遗传算法作为参数化-模拟-优化方法的核心优化算法，提取出能够平衡全流域发电效益与生态保护的Pareto解集。

综上，水库调度规则编制的研究进展汇总如表2所示。

表2 水库调度规则编制的研究进展

4 耦合变化环境-入库径流-调度规则的水库适应性调度

变化环境下水库适应性调度研究，最初侧重于评估变化环境对水库调度运行的影响，典型研究是：评价变化环境下水库系统的脆弱性、回弹性、可靠性等指标[49-51]。在21世纪最初的20年中，国内外学者在变化环境的水库适应性调度方法上开展了不少研究。当前有两种主流研究模式：“自上而下”(Top-down)模式和“自下而上”(Bottom-up)模式，二者计算思路对比如图2所示。由该图可以看出，两种研究模式的区别主要体现在：①未来变化环境的构造偏好；②适应性调整的驱动诠释。Top-down模式主要采用基于GCM的点状情景作为未来变化环境的描述，并认为水库适应性调度是伴随环境变化的一种被动行为；而Bottom-up模式主要采用以降水和气温多种可能变幅组合的面状情景域来构造未来变化环境，并认为水库适应性调度是由于原有调度运行方式受到风险威胁而形成的一种主动行为。

图2 基于Top-down与Bottom-up模式开展变化环境下水库适应性调度研究的计算流程对比图

4.1 基于Top-down模式的水库适应性调度Top-down模式遵从“what-if-then”的基本思想，主要依托于有限情景数量描述变化环境(如：不同GCM)，针对各个情景或者多情景集合平均结果，开展水库适应性调度研究。这一模式具有简单直接的计算过程、能够根据变化环境的特点来提供相应的水库适应性调度策略；但是，所描述变化环境情景数量有限、与调度运行策略现状的连贯性不足、研究成果的适用时间缺少理论解释。

相关研究案例有：Steinschneider等[52]将季节性水文预报作为近期预报信息，以5个GCM的水文响应平均值作为未来远期径流，利用实物期权方法研究美国东北部水库群系统在变化环境下供水调度决策；吴书悦等[53]分析了RCP4.5情景下2016—2045年水文变化响应，据此提出了新安江水库的适应性发电调度图；Haguma等[54]以加拿大魁北克省Manicouagan流域的多水库系统为研究对象，针对A1B、A2、B1三类排放情景下13个GCM的季节性变化情况和年际变化情况，提出了水库系统长期适应性管理的优化方法；He等[55]针对两个GCM预测情景，利用基于Pareto存档的动态维度搜索算法，提取了汉江流域梯级水库群的多目标适应性调度规则。

4.2 基于Bottom-up模式的水库适应性调度Bottom-up模式采用“决策标度(decision scaling)”的思想，主要依托于降水、气温、径流等水文要素的多种可能变幅组合来描述变化环境，同时考虑水库系统风险和当地管理特点等信息，以现有的水资源管理策略受到风险威胁作为实施适应性管理的内在驱动，通过“管理方案评价—风险情景确定—稳健性调整—再评价”的研究过程，开展以稳健性为核心的适应性管理[56]。这一模式描述变化环境的情景数量充足、与工程管理的现状结合紧密；但是，主观依赖性较强、再现能力与透明度不高。

相关研究案例有：Brown等[57]将气候预测信息、专家与利益相关者的风险阈值偏好、系统脆弱性等要素，嵌入到水资源系统适应性管理模型，提出了基于Bottom-up模式的气候变化影响下水资源规划与管理的技术框架；Herman等[58]提出了多利益主体稳健性决策的计算框架，该框架在Bottom-up模式中融合了多目标搜索技术和不确定性分析方法，并在美国北卡罗来纳州水资源系统进行实例验证；Borgomeo等[59]针对变化环境下英国伦敦供水系统的适应性管理问题，分析了非平稳缺水频率的概率分布和超过计划频率的缺水风险阈值，并基于Bottom-up模式制定了长期水资源的规划管理策略；Taner等[60]运用贝叶斯信念网络构建了水文气象要素的历史趋势以及未来预测和专家经验的联合概率分布，基于Bottom-up模式提出了耦合多维不确定性的水库稳健性调控措施，在肯尼亚Mwache水库系统进行了实例讨论。

综上，有关水库适应性调度的研究进展汇总如表3所示。

表3 耦合变化环境-入库径流-调度规则的水库适应性调度的研究进展

5 展望

在气候变化和人类活动的共同影响下，水文循环过程发生了显著变化，传统水库调度方式在变化环境下面临着巨大的风险与挑战。为了确保水库群在变化环境下能够安全且高效地调度运行，如何有效预判与精准刻画变化环境、实施到位的适应性调度运行策略？为此，水库适应性调度应运而生。水库适应性调度将Top-down模式或者Bottom-up模式作为基本研制框架，然后将传统的水库调度规则编制技术与描述变化环境的径流预测结果相结合，从而提出一种能够适应变化环境的水库调度运行策略，为管理者预先防范由变化环境不确定性而引发的潜在风险提供辅助决策支持。随着水文气象预报水平的不断提高、大数据驱动技术的广泛应用、适应性调度机理探索的逐渐深入、流域水工程建设的日趋完善等，变化环境下水库适应性调度的研究热点和未来发展方向主要集中在以下几个方面：

(1)气候变化与人类活动互馈影响下的径流预测方法。现有关于变化环境下径流预测的理论方法难以充分考虑自然-人工互馈变化对未来径流的影响，具体体现在：①缺乏能够精准描述自然-人工互馈变化的物理模型。目前，几乎没有水文模型能够将全面地刻画出未来气候变化过程、人类高强度的复杂活动、以及二者联动关系。并且，由于模型结构设定的局限性，模型输入也尚未能同时将历史实测数据与未来气候变化数据作为模型驱动。故亟需开展刻画自然-人工互馈变化的水文模型底层重构机理研究，以建立适用于变化环境下径流预测的物理模型。②缺乏将基于径流重构的预测方式与基于陆气耦合关系的预测方式进行有机结合。目前，基于径流重构的预测方式能够提供较为丰富的预测情景，但人为主观影响较大、缺少合理的情景边界，而基于陆气耦合关系的预测方式以实际大气-环境的物理关系为客观依据，但预测结果受到多模型、多过程、多参数的不确定性影响大。故亟需开展两种现有径流预测方式的互补融合探索与实践应用，以快速实现“扬长避短、优势互补”。

(2)变化环境下新旧水库调度运行策略的调整临界时机与静态衔接方式。现有关于变化环境下水库适应性调度研究大多数着眼于水库调度运行策略“怎样变”的问题，忽略了变化环境下水库调度运行策略究竟应“何时变”问题及其与“怎样变”问题的紧密联系。具体来说：①关于变化环境下水库调度运行策略“何时变”这一问题，本质是探寻新旧水库调度运行策略发生变更的临界时间点，然而，目前尚未有明确的研究思路和技术方法能够提供较好的解决途径。该问题是当前水库适应性调度研究中最需要补足的一块理论短板，故亟需开展变化环境下水库调度运行策略“何时变”的机理性探究，以补足水库适应性调度系统性研究中被忽视的重要环节。②关于变化环境下水库调度运行策略“怎样变”这一问题，目前主要基于假定情景来开展理论性研究，由于当前缺乏对变化环境下水库调度运行策略“何时变”问题的探讨，所以尚未将“何时变”与“怎样变”两大问题进行有机结合。正是由于这一不足，当前关于变化环境下水库调度运行策略“怎样变”问题的研究成果难以落地应用。故亟需以实践应用为驱动力来针对变化环境下水库调度运行策略“何时变”与“怎样变”两大问题开展联动性研究，以提供“变化环境类型—调度运行策略变更的临界时间—调度运行策略的适应性调整方式”全链条式应答建议。

(3)变化环境下水库调度运行策略的动态适应过程。前述的变化环境下水库调度运行策略“何时变”与“怎样变”问题，本质上可理解为：在一个确定的调整临界时间点前后，水库调度运行策略发生“以新替旧”的转变，这是一种不随时间变化的静态衔接方式。然而，气候变化和人类活动双重影响下的变化环境，具有动态性与时变性。少数研究[61-62]借助数据同化技术，初步提出了编制具有时变功能的水库调度运行策略的创新性方法，但其研究成果在水库(群)实际运行管理工作中往往难以被采用，主要原因包括：①对于引发水库调度运行环境变化的主控要素，尚未做到精准有效识别。实际上，水库调度运行环境的近期变化以人类复杂活动为主导，例如：流域范围内新增水工程的投运、社会发展对水库主要功能定位的转变、下垫面植被覆盖的增减等；水库调度运行环境的远期变化受气候变化影响显著，例如：流域范围内极端洪涝或极端干旱事件频发、天然来水量及其年内过程非一致性特征明显等。故亟需考虑阶段特点针对变化环境主控要素开展快速且有效的甄别及筛选方法研究，以进一步认识影响水库调度运行策略改变的真实环境变化过程。②现行水库调度运行策略是受法律保护的，新旧水库调度运行策略的变更实际上需要大量科学理论研究和多部门论证审批等，不是简单地人为动态调整控制水位或出库流量。实际中践行水库调度运行策略的动态适应过程，耗费时间会相对更长、推广难度会相对更大，与现有理论解答是远远不同的。故亟需开展以静态平稳衔接方式为基础的、远近期耦合嵌套的水库调度运行动态适应策略研究，以提供一种动静结合的方式实现水库调度运行策略的动态适应。