基于Python并行计算与动态维度搜索算法的大规模SWAT+模型高效校准研究

本文介绍了一种基于Python开发的并行动态维度搜索（PDDS）接口，用于高效校准SWAT+水文模型。该工具通过多进程并行计算显著提升高维参数空间的探索效率，在密西西比河流域（UMRB）案例中成功实现了流量、泥沙和营养物模拟的精准校准，为大规模水文模型校准提供了创新性解决方案。

　　

核心亮点

界面、语言与安装

PDDS采用Python 3.9.13开发，整合了多进程处理库、Pandas数据分析和NumPy科学计算等核心工具包，同时搭载PyQt5跨平台用户界面框架，使Python成为继C++之后又一高效开发语言选择。

PDDS主要功能

PDDS工作流专为大规模SWAT+校准设计，可引导用户完成从校准站点目标函数（OBJ）准备、并行校准执行到结果提取与可视化的全流程。用户只需输入USGS监测站编号（针对流量或水质）、校准时段与时间尺度、目标水质成分等关键参数即可启动。

UMRB模型

国家农业生态系统模型（NAM）是基于SWAT+框架构建的大型计算平台，用于预测全美农业活动对水资源的影响（White等，2022）。NAM整合了超过700万个景观单元（含300万条河段和5000座水库），实现了从田间到国家尺度的精细化建模。为提升计算效率，NAM被拆分为2121个SWAT+子模型。

结论与展望

本研究成功将动态维度搜索（DDS）算法与并行计算技术融合，实现了SWAT+模型的高效大规模校准。通过多处理器任务分配，在保持高维参数空间探索能力的同时显著缩短了校准时间。可视化提取功能可有效对比不同校准策略与参数配置方案，清晰呈现各方案优劣。

作者贡献声明

Sagarika Rath：评审与编辑；Celray J. Chawanda：评审与编辑；Joo-Hee Lee：评审与编辑；Jungang Gao：概念设计、数据管理、形式分析、研究实施、方法论构建、软件开发、验证测试、可视化呈现、初稿撰写与修订；Kelly R. Thorp：评审与编辑；Mazdak Arabi：评审与编辑；Jeffrey G. Arnold：评审与编辑；Peter Allen：评审与编辑；Michael J. White：评审与编辑；Natalja ?erkasova：评审与编辑。

利益冲突声明

作者声明不存在任何可能影响本研究结果的已知经济利害关系或人际关联。

致谢

美国农业部（USDA）为平等机会雇主与服务提供方。本研究由USDA-ARS与NRCS合作协议（编号#60-3098-2-001与#NRC22IRA0011161）共同资助。