![]( "undefined")
第一时间获取气象科研资讯
『气象学家』公众号交流群
加入
『气象学家』公众号交流群
文献速递
研究背景
水文模型的模拟精度主要受到模型结构、气象输入以及模型参数的影响。其中，降水作为水文模型输入中最重要的因子，在某些流域对模拟结果的影响甚至超过了模型结构本身。随着遥感和数据同化技术的发展，多种高质量降水产品已被开发并应用于水文模拟中。然而，不同来源的降水数据各具特点：地面站点降水能提供可靠观测但存在空间代表性不足的问题；地面雷达估计的降水易受地形影响而产生信号堵塞或失真；卫星观测虽不受地理条件限制但其反演降水往往存在较大误差。因此，研究不同降水产品在水文模拟中的适用性具有重要意义。
本研究选取具有代表性的抚河流域(湿润流域)和黑河流域(干旱流域)作为研究区，采用四种不同降水产品(CMORPH-CMA、CMFD、CMADS、MSWEP)驱动SWAT模型进行水文模拟。通过对比分析不同降水产品的时空分布特征、水文模拟效果以及对模型参数敏感性的影响，为水文模型的实际应用提供科学依据。
图1. 研究区示意图
表1. 本研究中所使用的四种降水产品
研究内容
研究采用了系统的方法论框架，主要包括三个相互关联的部分：降水产品评估、水文模型构建与模拟、参数敏感性分析。
1、降水产品评估
针对四种降水产品（CMORPH-CMA、CMFD、CMADS和MSWEP）的评估采用了多维度的分析方法。首先，对各降水产品进行时空分布特征分析，重点考察其在湿润区（抚河流域）和干旱区（黑河流域）的表现差异。在统计评价方面，采用了一系列客观指标：系统偏差(Bias)用于评估降水估计的系统性误差，相关系数(CC)用于衡量降水产品与参考值的相关性，偏差订正后的均方根误差(aRMSE)则用于评估去除系统偏差后的随机误差。这种多指标评估体系能够全面反映各降水产品的性能特征。
2、水文模型构建与模拟
在水文模型构建方面，研究选择了广泛应用的SWAT模型作为模拟工具。模型构建过程中，首先收集和处理了包括DEM、土壤数据、土地利用数据等基础数据，并将四种降水产品分别作为模型输入。为了保证模型参数的优化效果，采用了高效的SCE-UA（Shuffled Complex Evolution-University of Arizona）算法进行参数优化。该算法将单纯形算法和遗传算法相结合，并采用竞争进化和复形洗牌的方法，能够有效实现对参数空间的全局探索。在模拟效果评价方面，主要采用纳什效率系数（NSE）作为评价指标，同时也考虑了其他辅助指标，以确保评价的全面性和可靠性。
3、参数敏感性分析
参数敏感性分析采用了创新性的方法组合。首次将自适应降维评估法应用于复杂水文模型的参数敏感性分析中，该方法包含三个关键步骤：拓扑排序、误差指标计算和收敛性检验。在具体实施过程中，选择Delta Test作为敏感性分析方法，该方法基于最近邻理论的残差方差估计，能够有效识别对模型输出影响显著的参数。研究设置了详细的分析参数：bootstrap重采样次数为100，置信水平为0.05，误差阈值为10%，初始样本集大小为390，步长为26。通过这种系统的参数敏感性分析方法，不仅能够准确识别敏感参数，还能对参数进行科学的重要性排序和分组。
研究结论
1、降水产品评估结果
在统计指标分析中，研究以CMORPH-CMA数据集为基准，分别使用Bias、aRMSE和CC三种评价指标来检验CMFD、CMADS 和 MSWEP 数据集的精度。分析发现：在抚河流域中，CMFD、CMADS 和 MSWEP 整体上高估了日均降雨量，其中 CMADS的偏差最小且最稳定，基本维持在 0.2mm/d 以内。CMFD 在东南部的高估情况最严重，而 MSWEP在西南部的高估情况最严重，它们的偏差均超过 1.2mm/d。使用 aRMSE 作为指标时，CMADS 的aRMSE 值由北向南逐渐增大，其值分布在 1-5mm/d 之间。CMFD 和 MSWEP 的 aRMSE 分布接近，但 CMFD 的 aRMSE 整体上略大，分布在 5-10mm/d 之间。在相关系数方面，CMADS 表现最佳，整体相关系数都在 0.9 以上，而 CMFD 和 MSWEP 的相关系数较差，但基本达到了 0.65（图2）。
图2 各降水产品 2011-2015 年在抚河流域的评价指标分布
在黑河流域中，CMADS 的偏差最小，整个流域内存在高估和低估，偏差在 0.2mm/d 以内。CMFD 在流域中部和东北部的表现较好，偏差在 0.2mm/d 以内，但在西南部的表现较差，偏差达到 0.8mm/d。MSWEP 在流域中部表现较好，偏差在 0.2mm/d 以内，但在西南和东南部分区域存在一定的高估，偏差达到 0.6mm/d。在使用 aRMSE 作为指标时，CMADS 的 aRMSE表现最佳，大多数分布在 0-1mm/d 之间。CMFD 和 MSWEP 的表现相当，aRMSE 值分布在 1-4mm/d之间，但在流域正北方的部分地区，aRMSE 超过了 7mm/d。在相关系数方面，CMADS 的相关系数表现稳定，基本上达到了 0.9。CMFD 的相关系数在流域中部表现较好，基本上分布在 0.7-0.8 之间，而 MSWEP 的相关系数较差，分布趋势从西南到东北逐渐增大（图3）。
图3 各降水产品 2011-2015 年在黑河流域的评价指标分布
2、水文模拟效果
表2 四种降水产品在抚河与黑河流域径流模拟 NSE 值
通过对比分析不同降水产品驱动SWAT模型的模拟效果，研究得到以下重要发现：在抚河流域（李家渡水文控制站），所有降水产品驱动的模型模拟效果都较好，NSE值均超过0.7，表明这些产品都具有较好的水文适用性。其中，CMORPH-CMA和CMADS的表现尤为突出，NSE值均达到0.82，显著优于其他两种产品（图4）。
图4 抚河流域（李家渡水文控制站）径流模拟结果
在黑河流域（莺落峡水文控制站）的模拟中，CMORPH-CMA和CMADS同样表现最优，NSE值达到0.76，而CMFD和MSWEP的NSE值分别为0.72和0.74。这一结果表明，CMORPH-CMA和CMADS在不同气候类型的流域都具有较好的适用性（图5）。
图5 黑河流域（莺落峡水文控制站）径流模拟结果
3、参数敏感性分析
研究首次采用自适应降维评估法对模型参数进行敏感性分析，获得了一系列重要发现：在抚河流域（表3），虽然四种降水产品筛选出的敏感参数相同，但它们对参数重要性的排序存在差异。这说明降水输入的不确定性会影响参数的相对重要性评估。在黑河流域（表4），不同降水产品筛选出的敏感参数在数量和种类上都存在差异，反映出干旱区水文过程对降水输入更为敏感。值得注意的是，CMORPH-CMA和CMADS的参数敏感性分析结果高度一致，这进一步证实了这两种产品在描述降水特征上的相似性。研究还发现，降水产品的质量越接近，其筛选出的敏感参数也越相似，这为评估降水产品质量提供了新的视角。
表3 四种降水产品在抚河流域基于自适应降维评估法的参数排序比较
表4 四种降水产品在黑河流域基于自适应降维评估法的参数排序比较
CMADS的表现力
在本研究中，CMADS数据集在多个方面都展现出了显著的优势和突出的表现，具体可从以下几个方面进行深入分析：
1、统计指标评估的卓越性能：在统计指标评估中，CMADS展现出优异的表现。特别是在偏差(Bias)分析中，CMADS的系统偏差最小且最稳定，在抚河流域基本维持在0.2mm/d以内。在相关系数(CC)方面，CMADS的表现同样出色，在两个研究流域中整体相关系数都达到了0.9以上，显著优于其他降水产品。这种高精度的统计表现不仅体现了CMADS在降水量估计上的准确性，也反映出其在描述降水时空分布特征方面的可靠性。
2、水文模拟的高效性：在水文模拟应用中，CMADS驱动的SWAT模型取得了令人瞩目的成果。在湿润的抚河流域，模型的NSE值达到0.82，与CMORPH-CMA并列最高；在干旱的黑河流域，也取得了0.76的较高NSE值。这种在不同气候类型流域中都能保持优异表现的特性，充分证明了CMADS数据集的普适性和稳定性。特别值得注意的是，CMADS在验证期的模拟效果往往优于其他降水产品，这反映出该数据集具有较强的时间外推能力。
3、参数敏感性分析的稳定可靠性：在参数敏感性分析方面，CMADS表现出显著的稳定性和可靠性。研究发现，CMADS筛选出的敏感参数及其排序结果与被广泛认可的CMORPH-CMA高度一致。这种一致性不仅出现在湿润流域，在更为复杂的干旱流域中同样存在。这表明CMADS能够准确反映流域的水文物理过程，为模型参数化提供可靠的基础。特别是在跨尺度应用中，CMADS依然保持稳定的表现，这对于大尺度水文模拟具有重要意义。
4、实践应用中的综合优势：CMADS的突出表现不仅体现在技术指标上，在实际应用中也展现出明显的综合优势。首先，它提供了完整的气象要素数据集，避免了在使用其他降水产品时需要额外收集其他气象要素数据的麻烦。其次，其数据的时空连续性好，大大减少了数据预处理的工作量。最后，其较高的时空分辨率使其能够更好地描述降水的空间异质性，这对于分布式水文模型的应用尤为重要。
原文题目：基于自适应降维评估的不同降水驱动的 SWAT 模型参数不确定性研究
原文作者：肖渝，孙若辰，王倩，段青云
期刊名称：《河海大学学报(自然科学版)》
发表时间：2023-06-01
原文链接：
https://kns.cnki.net/kcms2/detail/32.1117.TV.20230531.1505.006.html
学术征稿 ：
Utilization of China Meteorological Assimilation Driving Datasets for the SWAT Model Long Series (CMADS-L) in East Asia
Special Issue Information
Dear Colleagues,
Constrained by the scarcity of meteorological observational data and the distinctive geographical features inherent to East Asia, in-depth investigations into meteorology, hydrology, and associated disciplines continue to encounter numerous challenges within this region. Furthermore, East Asia is presently contending with a confluence of pressures stemming from water resource scarcity, frequent occurrences of water-related disasters, and the pervasive issue of water pollution. In recent years, concerted efforts from both governmental and scientific sectors have been directed towards leveraging scientific methodologies such as runoff reconstruction, climate change and drought/flood prediction, attribution analysis, and water environment simulation forecasting to ameliorate and address sudden-onset disasters prevalent in the region. In response to pronounced demands from the scientific community and society at large, a comprehensive dataset spanning 40 years (1979–2018)—China Meteorological Assimilation Driving Datasets for the SWAT model long series (CMADS-L)—has been made publicly available. This dataset equips the scientific community with a robust toolset for conducting a broad spectrum of activities, including climate–hydrological cycle analysis, runoff reconstruction, model calibration, flood and sediment simulation, and the simulation and prediction of non-point source pollution. Notably, peer-reviewed studies have indicated that approximately 35% of international reanalysis, data-driven research in hydrology and environmental modeling is centered in East Asia, with CMADS, TRMM, and CFSR emerging as the most favored products in such investigations. CMADS significantly mitigates uncertainties associated with scientific research in the East Asian region, thereby enhancing the efficiency of scientific inquiry.
This Special Issue, titled "Utilization of China Meteorological Assimilation Driving Datasets for the SWAT Model Long Series (CMADS-L) in East Asia", seeks to invite submissions that present the latest advancements in utilizing CMADS-L or employing this dataset to propel various hydrological and environmental models. Encompassing themes such as water resource modeling and runoff reconstruction, simulation and prediction of water-related disasters, water environment analysis, water resource management, non-point source pollution, long series analysis of meteorological changes, validation of meteorological data, atmospheric–hydrological coupling, and atmospheric–hydrological response studies in arid and cold regions, we encourage contributions that are underpinned by theoretical rigor, computational precision, and empirical robustness, thereby showcasing innovative applications.
We eagerly anticipate your esteemed contributions.
Prof. Dr. Xianyong Meng
Prof. Dr. Hao Wang
Prof. Dr. Chengbin Chu
Guest Editors
Dr. Wei Ding
Guest Editor Assistant
Keywords
CMADS-L
East Asia
SWAT model
hydrological modeling
water resource management
non-point source pollution
climate change impacts
water hazards
原文链接：
https://www.mdpi.com/journal/water/special_issues/0N4Y0IC484
CMADS下载地址：http://www.cmads.org
来源：气象水文与遥感大数据
