1. 引言 (Introduction)
- 背景：文章讨论了降雨-径流（RR）模型在稳定和非稳定气候条件下的校准期选择的重要性。由于人类活动和全球气候变化的影响，许多流域的降雨-径流关系不再稳定，这降低了模型在改变环境条件下准确预测流量的能力。
- 研究目的：评估四种校准条件对RR模型性能的影响，包括校准持续时间、校准与模拟期间的时间滞后、降雨体积变化和降雨模式的相似性。
2. 研究区域和数据 (Study area and data)
- 研究区域：选择了伊朗的两个流域，Bampour和Jazmourian，一个表现出稳定气候条件，另一个表现出非稳定气候条件。
- 数据来源：使用了1979年至2020年的日降雨、温度、潜在蒸散发（PET）和径流数据作为模型输入。
- 数据质量：对数据缺口进行了重构，确保了输入数据的质量和可靠性。
3. 模型和方法 (Models and methods)
- 降雨-径流模型：研究评估了五种常见的概念性RR模型（GR4J, Simhyd, WASMOD, HBV, 和 XAJ）在两种不同气候条件下的性能。
- 时间序列相似性量化：使用动态时间弯曲（DTW）方法来评估校准和模拟期间降雨模式的相似性。
- 模型校准和评估：采用洗牌复杂进化（SCE-UA）算法进行模型参数的全局优化，并使用Kling Gupta（KGE）效率系数作为目标函数来评估模型性能。
4. 结果和讨论 (Results and discussion)
- 模型历史数据评估：所有模型在两个流域的历史数据上表现出较强的模拟能力。
- 校准持续时间对模型性能的影响：随着校准期的增加，模型性能先提高后趋于稳定，特别是在非稳定气候条件下的流域。
- 校准与验证时间滞后的影响：随着校准和模拟期间时间滞后的增加，模型性能逐渐下降，尤其在非稳定气候条件下的流域更为明显。
- 降雨体积变化对模型性能的影响：降雨量的变化对模型性能有显著影响，尤其是在降雨-径流关系表现出非稳定性的流域。
- 降雨时间序列模式对模型性能的影响：降雨模式的相似性对模型性能的影响不如降雨体积的变化重要。
5. 结论 (Conclusions)
- 模型性能：五种RR模型在两个流域的历史数据上表现出相似的基本模拟能力。
- 校准期的影响：延长校准期可以显著提高模型的鲁棒性，但超过一定阈值后影响变得不显著。
- 时间滞后的影响：模型准确性随着校准和模拟期间时间滞后的增加而逐渐下降，尤其在非稳定气候条件下的流域。
- 降雨变化的影响：模型的鲁棒性随着校准和模拟期间降雨量差异的增加而逐渐降低。
- 未来预测：为了提高在非稳定气候条件下的未来径流预测的准确性，优先考虑校准和模拟期间降雨体积的接近性比关注降雨模式的相似性更为重要。
