基于梯度的空间分布校准方法及其对235个法国流域的空间化水文模型的参数敏感性分析

《Journal of Hydrology: Regional Studies》：Spatially distributed gradient-based calibration and parametric sensitivity of a spatialized hydrological model over 235 French catchments

优化后的摘要：法国235个流域中采用变分数据同化方法对GR4-like水文模型进行空间分布参数标定，研究显示包含水交换参数的四参数模型（GR4）在均匀标定和空间分布标定下均优于三参数模型（GRD），地中海和海洋性流域性能最佳（NSE达0.88），而均匀流域因地下水影响表现较弱（NSE仅0.28）。全局敏感性分析表明生产能力（c_p）和水交换参数（k_ex）对模型输出影响最大，路由参数（l_lr）敏感性最低。研究为法国国家尺度的洪水预测模型开发提供了基准。

　　这篇文章探讨了如何通过一种称为变分数据同化（VDA）的方法，对一个空间分布的、简化版的GR4类水文模型进行校准，以提高法国全国范围内的洪水预测能力。研究的背景是随着气候变化，水文循环可能变得更加剧烈，这使得准确和可靠的本地预测变得尤为重要。水文模型在实际应用中面临诸多挑战，尤其是在数据稀疏的情况下，如何对大量区域进行建模并确保模型的鲁棒性和准确性成为研究的重点。

研究区域覆盖了法国的235个流域，旨在评估VDA方法在空间分布校准中的适用性和鲁棒性。这些流域具有不同的水文气候特征，包括海洋性、地中海性和均匀性流域。研究采用了基于GR4模型的结构，并在每个小时的时间步长和千米分辨率下运行，以模拟水文响应。此外，建立了一个全国性的基准，评估模型在不同水文气候条件下的表现和参数敏感性。

在方法部分，文章详细介绍了所使用的模型和VDA算法。水文模型的结构由四个参数组成，分别代表产流能力、传输能力、水交换和路径。这些参数在每个网格单元中进行校准，从而使得模型能够更精确地模拟不同流域的水文过程。VDA算法基于一个数值模型的反演过程，通过计算成本函数的梯度，以优化模型参数。这一算法的实现依赖于自动微分工具TAPENADE，用于生成模型的伴随模型，以提高计算效率和准确性。

研究还介绍了数据集和实验设计。数据包括14年的小时尺度降雨量、潜在蒸散发（PET）和实际水文数据。数据被分为两个时期，用于模型校准和验证。研究采用了分样本验证方法，以评估模型的预测能力。此外，还进行了参数敏感性分析，使用了经典的Sobol索引方法，以确定哪些参数对模型输出具有更大的影响。

研究结果表明，四个参数的GR4类模型在不同水文气候条件下表现出较高的性能。特别是在海洋性和地中海性流域中，模型在训练和验证阶段均表现出色，而均匀性流域的性能相对较低，这可能与地下水过程的影响有关。研究还发现，水交换参数和产流能力对模型输出具有最大的敏感性，而路径参数则相对不敏感。这些发现为区域水文研究和洪水预测提供了重要的参考，尤其是在水文数据稀疏的地区。

文章还分析了洪水事件的特征，如峰值流量和滞后时间。这些指标用于评估模型在洪水预测中的表现，结果表明空间分布校准的模型在这些指标上具有更高的准确性。然而，模型仍存在轻微的偏差，这可能与洪水事件的权重不足有关。因此，未来的研究可以考虑采用专门的洪水事件指标，以提高模型的预测能力。

此外，研究还探讨了参数校准的稳定性。尽管模型参数在不同时期和不同流域中存在一定的变化，但总体上表现出较好的稳定性。这表明，VDA方法在处理高维逆问题时具有较好的鲁棒性。研究还指出，参数敏感性分析有助于识别哪些参数需要更多的关注，以便改进模型的结构和性能。

最后，文章提出了未来的研究方向，包括改进前向模型、优化逆算法以及使用多源数据集进行大规模测试。这些方向旨在进一步提高模型的准确性和鲁棒性，特别是在极端降雨事件和地下水过程的模拟方面。此外，研究还强调了开发混合的确定性与机器学习方法的重要性，以利用VDA框架的强大功能，提高洪水预测的精度和可靠性。