一种多混合模型方法，用于优化气候变化背景下喀斯特流域的径流预测

《Journal of Hydro-environment Research》：A multi-hybrid model approach optimizing discharge forecasts in karst catchment under climate change

喀斯特集水区降雨-径流建模中，本研究提出融合TUW和CemaNeige GR5J概念模型与SR-GP数据驱动模型的混合方法。通过灰狼优化（GWO）参数校正、经验模态分解（EEMD）数据分解和递归特征消除（RFE）筛选特征，显著提升低流（41% TUW，36% GR5J）和高流模拟性能，尤其在RCP4.5/RCP8.5气候情景下表现突出。研究验证了概念模型与数据驱动模型互补优势，揭示了慢流组件（QR）和快流组件（Q0）的关键作用，为喀斯特水文管理提供新方法。

　　### 水文模型在喀斯特流域中的应用：混合模型的潜力

#### 引言

喀斯特系统在全球范围内占据约7%-12%的陆地表面，并为超过20%的世界人口提供饮用水（Ford and Williams, 2007；Hartmann et al., 2014）。喀斯特含水层通常具有高度的异质性，由碳酸盐岩溶解形成的多个高渗透性流路径组成（Jourde and Wang, 2023；Kogov?ek et al., 2023）。这种复杂性使得水文建模变得更加困难，尤其是在模拟非线性动态方面。为了应对这一挑战，本研究提出了一种多混合建模方法，用于提高斯洛文尼亚的喀斯特Ljubljanica河流域的每日降雨径流模拟性能。该方法结合了Technische Universit?t Wien（TUW）和Génie Rural à 5 paramètres Journalier（GR5J）概念性模型，以及符号回归-遗传编程（SR-GP）数据驱动模型。通过灰色狼优化（GWO）算法进行校准，采用集合经验模态分解（EEMD）进行数据分解，并利用递归特征消除（RFE）进行特征选择，该混合模型（TUW-CemaNeige GR5J-SR-GP）在喀斯特流域的水资源管理中展现出显著的潜力。

#### 数据与方法

本研究的数据包括Ljubljanica河流域的降雨、气温、潜在蒸散发（PET）和径流数据。为了模拟未来的径流，研究使用了全球和区域气候模型，基于代表性浓度路径（RCP）4.5和8.5情景。这些模型的输出数据被用来预测未来不同时间段的径流变化。研究采用了多种评估指标，如纳希-库特效率（NSE）、改进的 Kling-Gupta 效率（KGEkm）、指数一致性（d）和均方根误差（RMSE），以衡量模型的性能。

在模型构建过程中，首先使用GWO算法对TUW和CemaNeige GR5J模型进行校准。然后，将校准后的参数用于预测模型的验证阶段。为了提高模型的准确性，研究还采用了EEMD对输入数据进行分解，以提取关键特征，并通过RFE算法筛选出重要的输入变量。此外，SR-GP模型用于建立输入变量与径流输出之间的数学关系，并通过敏感性分析揭示不同变量对径流模拟的影响。

#### 结果与讨论

1. **观察数据下的模型性能**
在观察数据集的校准和验证阶段，TUW和CemaNeige GR5J模型均表现出良好的性能，NSE值均高于0.80，KGEkm和d值均高于0.90。然而，混合模型（TUW-CemaNeige GR5J-SR-GP）在模拟基流和高峰径流方面进一步提高了性能，分别提高了41%和36%。这表明混合模型能够更好地捕捉喀斯特流域的复杂水文过程。

2. **气候情景下的模型性能**
在RCP4.5和RCP8.5气候情景下，混合模型在模拟径流方面表现出更高的准确性。在RCP8.5情景下，混合模型的NSE值在验证阶段提高了14%，KGEkm和d值也有所提升。此外，混合模型在模拟极端径流方面表现出色，特别是在RCP8.5情景下，模拟性能显著优于单一模型。

3. **敏感性分析**
通过蒙特卡洛敏感性分析，研究揭示了输入变量对径流模拟的影响。结果显示，TUW模型的表层径流（Q0）和CemaNeige GR5J模型的路由存储出流（QR）对径流模拟具有显著影响。在RCP4.5和RCP8.5情景下，QR变量的影响进一步增强，表明缓慢流动成分在未来的径流模拟中变得更加重要。

#### 结论

本研究通过结合概念性模型和数据驱动模型，提出了一种多混合建模方法，显著提高了喀斯特流域的降雨径流模拟性能。混合模型在模拟基流和高峰径流方面表现出色，尤其是在RCP8.5情景下。敏感性分析进一步揭示了输入变量对径流模拟的影响，特别是缓慢流动成分在未来的主导作用。该研究为未来的水资源管理提供了重要的参考，表明混合模型在应对气候变化带来的挑战方面具有显著优势。

#### 作者贡献声明

Cenk Sezen：撰写初稿、可视化、验证、软件、资源、方法、调查、形式分析、数据整理、概念化
Mojca ?raj：撰写审查与编辑、验证、监督、方法、调查、资金获取、数据整理、概念化

#### 资金支持

本研究得到了斯洛文尼亚研究与创新局（ARIS）的资助（项目编号P2-0180），以及斯洛文尼亚国家委员会的联合国教科文组织（UNESCO）研究计划（UNESCO IHP C3330-20-456010）和联合国教科文组织关于水相关灾害风险降低的教席支持。