全球范围内，已广泛报道海洋和湖泊等水体中的溶解氧脱氧现象（deoxygenation）。然而，我们对于河流系统中的脱氧情况了解相对较有限。一方面，我们缺乏长期的、系统性的、大范围的河流水质监测数据；另一方面，相对较浅和流速较快的河流具有更高的气体交换速率和光合作用，因此脱氧现象发生的可能性较小。这项工作在Zhi et al., 2021和2023的研究基础之上：1）构建了流域水文大数据集，包括美国580条河流和欧洲中部216河流的气象水文、水质和流域属性等数据；2）通过深度学习技术，训练了一个大陆尺度的多目标水质模型，模拟和重建了40年（1981-2019）逐日的水温和溶解氧数据；3）分析了河流历史升温和脱氧速率，同时预测了未来气候情景（SSP2-4.5和SSP5-8.5）下的升温和脱氧速率。 这项工作使我们能够在数百条河流之间一致地比较过去和未来的河流升温和脱氧速率，这在没有使用深度学习模型的情况下是很难实现的。结果显示，在过去40年间，87%的河流持续变暖，70%的河流出现了不同程度的脱氧现象。城市河流的升温速度最快（例如受到城市热岛效应的影响），而农业河流则经历了较慢的升温，但却有最快的脱氧速度（例如受到面源污染的影响）。这些河流的平均脱氧速率为每十年-0.038 0.026 mg/L，脱氧速率高于海洋但低于温带湖泊。然而，需要注意的是，这些脱氧速率可能被低估，因为训练用的水质数据是在白天光合作用高峰期采集的河流样本。预测的未来气候情景下的脱氧速率将比历史速率高1.6到2.5倍，表明对水质和水生生态系统可能会带来重大影响。

(来源：Nature Climate Change. 507: 1758-6798, 2023. DOI: 10.1038/s41558-023-01793-3)