融合ERA5-Land再分析降水与Sentinel-2/Landsat-8遥感数据的Dittaino河流域径流模拟优化研究

本研究针对地中海半干旱区水资源短缺背景下水文模型精度不足的问题，创新性整合ERA5-Land气候再分析降水数据与Sentinel-2/Landsat-8卫星土地覆盖信息，通过HEC-HMS模型对西西里Dittaino河流域14场降雨事件进行模拟。结果显示：CR数据集使NSE提升至0.63，PBIAS降至-16.02%，证实多源数据融合可显著提升径流估算精度，为缺资料地区水文预测提供新范式。

　　

在地中海气候区，水资源的稀缺性与极端降雨事件的频发构成双重挑战。西西里岛的Dittaino河流域作为典型代表，其农业灌溉需求与防洪压力并存，但传统地面观测网络稀疏导致水文模型精度受限。尤其当遭遇AMC III（Antecedent Moisture Condition III，极端前期土壤湿润条件）时，现有模型的CN（Curve Number，曲线系数）参数化方法难以准确反映实际下渗过程。这种数据缺口使得洪水预警误差可达57.66%（PBIAS），严重制约着区域水资源管理决策。

为突破这一瓶颈，来自意大利研究团队在《Journal of Hydrology: Regional Studies》发表创新成果。研究团队采用多时空尺度数据融合策略：首先基于Random Forest算法处理49景Sentinel-2/Landsat-8影像生成30m分辨率土地分类图（OA达93%）；其次对ERA5-Land降水数据进行站点特异性偏差校正；最终通过HEC-HMS模型构建四组对比实验（SI标准输入、CR再分析降水、SD卫星土地覆盖、CR&SD组合），以NSE、PBIAS和RMSE³s^-1为指标评估14场降雨事件的径流模拟效果。

关键技术路线包含：1）利用NDVI时间序列和500个地面验证点训练随机森林分类器；2）采用Natural Neighbor法空间插值7个SIAS气象站降水数据；3）通过SCS-CN方法和Mockus方程计算各子流域t_{L basin}（流域滞时）；4）采用Lag Routing方法进行参数率定，考察0-30h共7种t_{L reach}（河段滞时）配置。

研究结果揭示三个关键发现：
3.1 土地覆盖图验证
2015-2018年土地分类F1-score介于75%-100%，其中2017年精度最高（K=91%）。但森林/河岸植被类存在误判（2016年RE仅68%），反映NDVI在茂密植被区辨识局限。

3.2 模型率定与验证
验证阶段CR&SD组合表现最优（NSE=0.67），较SI基准提升72%。值得注意的是，CR单独应用时PBIAS绝对值最低（16.02%），而SD单独应用反使偏差增大至67.96%，表明降水数据质量对模型性能影响权重更高。率定阶段出现的负NSE值（最低-0.74）被证实与2015年11月极端洪水事件（Q_obs=108m³s^-1）的统计离群值有关。

讨论部分深入阐释了数据融合的协同效应：ERA5-Land校正后降水显著改善时间动态捕捉（RMSE降低41%），而30m分辨率土地覆盖图则优化了空间参数化。但研究者也指出，当两类替代数据同时使用时，其误差可能产生叠加效应，导致CR&SD组合的PBIAS(-26.62%)反劣于单独CR结果。这为后续研究指明方向——需开发误差补偿算法来协调多源数据的不确定性。

该研究的实践价值体现在三方面：首先证实ERA5-Land可作为地中海区可靠降水替代数据，解决站点稀疏难题；其次建立Sentinel-2与Landsat-8协同分类框架，实现CN参数动态更新；最后提出的多源数据融合方法论可推广至全球半干旱区，为联合国SDG6（可持续水管理）目标提供技术支撑。未来集成SMOS等土壤湿度产品和机器学习率定算法，有望进一步突破复杂下垫面条件下的水文模拟瓶颈。