进化计算多方法集成优化水文模型校准及其在气候变化适应中的重要意义

本文推荐一种新型多方法集成优化算法DPCRO-SL（Dynamic Probabilistic Coral Reefs Optimization algorithm with Substrate Layer），用于水文模型校准研究。该算法在西班牙两大流域应用中显著超越传统SCE-UA算法，在NSE（Nash–Sutcliffe Efficiency）、KGE（Kling–Gupta Efficiency）等关键指标上表现优异，尤其在测试期及前瞻性情景中展现出更强鲁棒性与准确性，为应对气候变化下水文模拟及水资源管理提供重要技术支撑。

　　

Highlight

方法论（Methodology）

本研究方法流程如图1所示。DPCRO-SL算法被用于优化两个不同区域——塔霍河与瓜达尔基维尔河流域的半分布式水文模型。我们选用Nash–Sutcliffe效率系数（NSE）作为目标函数（OF），并实施四种校准策略：其中两种逐流域进行优化（单一集总式与级联校准），另两种同时校准所有子流域。完成流域…

实验与结果（Experiments and Results）

本节评估DPCRO-SL算法性能，并与现有SCE-UA方法进行比较。评估内容包括校准与测试阶段的统计指标、模拟流量过程线的可视化分析以理解水文动态与流量模式，以及在不同水文条件下雪模块的影响评估。

结论（Conclusions）

本研究提出使用新型多方法集成优化算法DPCRO-SL校准水文模型，并在两个气候变异大的地中海流域进行测试，其中还考虑了雪模块的影响。DPCRO-SL的表现与水文领域广泛使用的SCE-UA算法进行了系统比较。

DPCRO-SL算法在校准期和测试期均一致优于SCE-UA，实现了更高的NSE、KGE值，更低的MSE和Pbias误差。尤其在测试期及前瞻预测情景中，其优势更为明显，突显了该算法在处理复杂水文系统与气候变化适应中的稳健性与可靠性。