利用三重配置分析方法评估和优化高分辨率的全球河流流量估算

《Journal of Hydrology》：Assessing and optimizing high-resolution global river streamflow estimates with triple collocation analysis

　　孙明泽|Tangdamrongsub Natthachet|孙宇|董建志|Sutanudjaja Edwin|Mikhail Smilovic
中国福建省福州市教育部空间数据挖掘与信息共享重点实验室

**摘要**
准确的河流流量数据对于有效的水资源管理、洪水预测、干旱缓解以及生态可持续性至关重要。然而，全球河流测量网络仍然较为稀疏、陈旧，且在发展中国家或偏远地区往往难以获取，这限制了我们监测和管理水文系统的能力。为应对这一问题，全球水文模型作为估算流量的关键工具应运而生，但其准确性和适用性需要系统的评估。本研究评估了三种全球水文模型——Community Water Model (CWatM)、PCRaster Global Water Balance (PCR-GLOBWB) 和 H08——在高（5 角分）和低（30 角分）空间分辨率下的性能。评估使用了来自 1,707 个 Global Runoff Data Centre (GRDC) 站点和泰国 62 个站点的观测流量数据。此外，还采用了两种数据融合方法——Triple Collocation (TC) 和简单平均——通过整合三种模型的输出来提升流量模拟的准确性。结果表明，尤其是在高分辨率下，CWatM 的表现始终优于 PCR-GLOBWB 和 H08；所有模型在欧洲地区的表现都优于其他地区。TC 和平均方法都提高了模拟的准确性，尤其是当以 H08 作为参考系统时。分辨率分析显示，高分辨率模型在大多数地区提供了更准确的估算结果。本研究强调了多模型整合和分辨率优化在提升全球流量模拟中的价值，为模型选择和数据融合策略提供了实际指导，特别是在水资源监测不足或数据稀少的地区。

**引言**
河流流量模拟是水文学的核心，对于理解和管理全球水资源至关重要，因为它为未来的规划和决策提供了关键信息。准确的河流流量模拟有助于预测和管理与水相关的灾害（如洪水和干旱），从而减轻其影响，保护生命和财产（Sahani 等，2019；Tan 等，2020；Kron 等，2021）。它还有助于合理分配和管理农业、工业和家庭用水（Wang 等，2016；Sun 等，2018a；Ye 等，2018；Liu 等，2020）。然而，全球流量观测网络分布不均，特别是在发展中国家和偏远地区，缺乏一致或足够的现场测量数据（Akpoti 等，2024）。流量测量数据的稀缺阻碍了对水资源可用性的准确评估、极端水文事件的检测以及模型模拟的验证，给水资源管理和灾害准备带来了重大挑战（Sheffield 等，2018）。因此，水文建模通过提供空间和时间分布的流量估算，在数据稀少的地区尤为重要（McCabe 等，2017；Wada 等，2017）。

为应对这些挑战，开发了许多全球水文模型以扩展观测数据有限的地区的流量信息。然而，这些模型的准确性往往与其靠近观测网络密集的区域（如数据中心）有关，这引发了对其在代表性不足地区表现能力的担忧（例如，Tangdamrongsub，2023）。因此，在将这些模型应用于目标区域之前，对其生成的流量估算进行系统评估是必要的。尽管现场流量观测是最可靠的评估依据，但在许多地区建立和维护密集的监测网络仍然成本高昂且不可行（Bonnema 和 Hossain，2019；Jin 和 Jin，2020）。因此，大规模水文模型被广泛用于提供连续的空间和时间流量信息，以支持预测和水资源管理（Krabbenhoft 等，2022）。

几种广泛使用的全球水文模型包括 Community Water Model (CWatM)（Burek 等，2020）、PCRaster Global Water Balance (PCR-GLOBWB)（Sutanudjaja 等，2018）和 H08（Hanasaki 等，2018）。这些模型已被应用于评估水资源供需平衡、预测气候变化情景下的水文响应，并支持水资源管理（Guillaumot 等，2022；Raghav 和 Eldho，2023；Tangdamrongsub 等，2017）。通过模拟地表水、地下水和人类用水过程，它们成为分析水资源短缺、洪水和干旱等极端事件的实用工具（Ntona 等，2022）。然而，特别是在发展中国家，高质量观测数据的有限性给模型的校准和验证带来了挑战（Miao 等，2022）。为了解决这一问题，建模者通常使用有限的区域观测数据进行模型校准，在数据可用时提高性能，同时降低计算成本。然而，这种做法引发了关于模型在未校准地区的适用性和准确性的担忧（Yoshida 等，2022）。因此，在不同的水文条件下评估多个模型对于量化不确定性、确定最可靠的模型以及指导其在数据稀少地区的应用至关重要（Horton 等，2022）。然而，关于 CWatM、PCR-GLOBWB 和 H08 的系统比较仍然很少，尤其是在不同的空间分辨率和全球分布的河流流域中。此类全面评估对于识别每种模型的相对优势和局限性以及在不同水文和地理条件下的适用性至关重要。

**研究区域**
GRDC 站点的分布不均导致各地区观测站点密度存在显著差异。为了全面评估水文模型的性能，不仅需要考虑全球模拟的准确性，还需要在区域层面进行深入分析。在本研究中，我们重点关注 GRDC 站点密度较高的地区，包括北美、南美、欧洲、南非和澳大利亚（图 1a）。

**全球流量模拟**
CWatM 是一个大规模的基于网格的水文模型，旨在模拟自然和人为影响条件下的完整陆地水循环。该模型默认使用 Penman–Monteith 方法计算潜在蒸发量，并根据海拔和温度区分降雨和降雪，融雪量通过度日法估算。该模型分别为多种土地覆盖类型（包括森林、灌溉区等）计算水分平衡成分。

**Global Runoff Data Centre (GRDC)**
GRDC 是一个国际性数据存储库，致力于收集、存储和分发来自全球主要河流流域的 10,000 多个 stations 的河流流量数据（Pavelsky 等，2014）。GRDC 通过严格的质量控制程序确保数据质量，以保持准确性和一致性。本研究从 GRDC 数据集中选取站点时适用了两个标准：(1) 数据必须涵盖 2000 至 2022 年的模拟周期；(2) 每个站点...

**Triple Collocation (TC) 方法**
TC 结合了三种不同的水文模型输出，生成改进的流量估算。结合后的流量可以表示为三种基于模型的模拟结果之和：
U = weight1·xt,l + weight2·yt,l + weight3·zt,l
其中 xt,l、yt,l 和 zt,l 分别代表 CWatM、PCR-GLOBWB 和 H08 在时间 t 和位置 l 的流量结果。在 triple collocation 框架中，zt,l 被视为参考值，其他数据集与其进行比较。

**全球评估**
进行了全面的评估，以比较不同模型和空间分辨率下的性能差异，重点关注流量模拟的准确性和空间分布。空间评估显示，不同模型和地区的模拟准确性存在差异（图 3）。模型在北美、欧洲和亚洲部分地区表现较好，这些地区的密集观测数据支持了流域的准确表示。

**讨论**
本研究强调了在全球流量估算方面的关键发现和贡献。首先，我们首次将 TC 应用于多模型流量优化，扩展了其通常用于水文气象变量的应用范围；其次，通过比较两种常见的全球分辨率（30 角分 vs 5 角分），我们直接说明了更精细的分辨率是否确实带来了更好的流量估算结果；最后，通过针对两个互补的观测数据集（全球和本地数据）进行测试，证明了该方法的实际实用性。通过系统地评估不同分辨率和优化方法下的模型性能，本研究有助于提高全球流量估算的准确性，为不同水文条件下的模型选择提供依据，并推进了水文建模中的数据融合方法。通过将模型输出与GRDC和泰国RID网络观测到的流量数据进行对比，我们评估了模型的准确性、区域性能的变异性以及数据融合和空间分辨率提高所带来的附加值。在未引用的参考文献中，包括Bourdin等人（2012年）、Granata和Di Nunno（2025年）、Guo等人（2022年）、Herzog等人（2022年）、Nile等人（2025年）、Nú?ez等人（2023年）、Tangi等人（2022年）、Tosan等人（2025年）以及Uttal等人（2024年）。

**CRediT作者贡献声明**
Mingze Sun：撰写 – 审稿与编辑、撰写 – 原稿、可视化、数据管理。
Nathachet Tangdamrongsub：撰写 – 审稿与编辑、撰写 – 原稿、验证、数据管理。
Yu Sun：撰写 – 审稿与编辑、撰写 – 原稿、可视化。
Jianzhi Dong：撰写 – 审稿与编辑、撰写 – 原稿、方法论。
Edwin Sutanudjaja：撰写 – 审稿与编辑。
Mikhail Smilovic：撰写 – 审稿与编辑。

**利益冲突声明**
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

**致谢**
本研究得到了中国国家自然科学基金（项目编号42171426、41801393）、中国国家重点研发计划（2025YFE0102700）以及泰国农业研究发展局（ARDA，项目编号PRP6705031850）的支持。我们感谢Hanasaki博士对H08配置的支持和建议。最后，我们感谢编辑和审稿人在审稿过程中付出的努力以及他们提供的宝贵意见。