从网格化降水数据集到径流模拟的不确定性传播：以意大利雷诺河流域为例

《Hydrological Sciences Journal》：Uncertainty propagation from gridded precipitation datasets to streamflow simulations: application to the Reno River basin (Italy)

本研究分析里诺河流域先进降水数据集对水文模型的影响，发现山区湿季降水与年均值差异显著，冬季峰值常被低估，旱季不确定性更大，强调多尺度解决不确定性对水文计算的重要性

　　

摘要

近年来，网格化降水数据集的开发速度加快，使其成为水文分析中的关键工具。本研究旨在揭示降水数据在水文建模中不确定性向径流模拟传递的过程。为此，我们考察了在意大利雷诺河流域使用最先进数据集作为模型输入的影响。研究结果表明：（1）虽然季节性降水模式相似，但雨季降水量和年平均降水量存在差异，尤其是在山区子流域；（2）山区子流域的降水量变化较大，冬季峰值流量经常被低估；（3）降水数据中的不确定性会传递到旱季，此时降水量变化的幅度相对于整个流域而言更为显著。我们还探讨了在不同尺度上处理水文建模中不确定性的重要性。这些发现强调了降水数据不确定性对水文计算的影响，尤其是在地形复杂的地区。