《Water Resources Research》：Technical Note: Using Benchmark Ensembles to Reduce the Impact of Streamflow Variability on Model Performance Metrics
编辑推荐：
水文模型性能通常通过聚合性能指标如纳什-萨特克利夫效率（Nash-Sutcliffe Efficiency，NSE）来量化。NSE是一种技能评分，将水文模型性能（模型残差平方和）与使用长期平均流量作为基准模型（总平方和）获得的性能进行比较。平均流量基准在不同区
水文模型性能通常通过聚合性能指标如纳什-萨特克利夫效率（Nash-Sutcliffe Efficiency，NSE）来量化。NSE是一种技能评分，将水文模型性能（模型残差平方和）与使用长期平均流量作为基准模型（总平方和）获得的性能进行比较。平均流量基准在不同区域对模型性能设定了不同的标准，这使得模型评估和比较变得复杂。在本研究中，研究人员通过考虑多个基准来推广NSE，其得分称为基准效率（Benchmark Efficiency，BME）。研究人员分析了整个北美计算的技能评分值的空间模式，以推荐一种更全面的模型评估方法。由于流量变异性，单个基准的BME存在空间模式，但通过在每个流域选择集成中的最低BME得分，将模型与最能捕捉该流域独特流量变异的基准进行比较，从而减少了对单个流量情态的偏差。NSE和BME之间的最大差异出现在强季节性流域，一些流域的NSE值高于0.5但BME值为负，表明在某些研究中被称为“令人满意”的模型模拟实际上未能击败简单的基准。研究人员的结果表明，使用集成中最低BME得分量化模型性能，使得模型误差分析比使用NSE更独立于流量变异性，从而改进了跨流域模型性能的比较。
**论文解读：利用基准集成减少径流变异性对模型性能指标的影响**
**研究背景与问题**
水文模拟广泛应用于洪水预测、气候变化分析、地下水补给估算等领域，其预测精度通过将模拟流量与实测流量比较、并用时间聚合指标量化拟合优度来评估。最常用的相对指标是纳什-萨特克利夫效率（Nash-Sutcliffe Efficiency，NSE），它属于技能评分，将水文模型性能（模型残差平方和）与使用长期平均流量作为基准模型（总平方和）进行比较。然而，NSE存在若干缺陷，包括对流量幅度和时序的敏感性、得分依赖于计算时段、采样不确定性，以及偏差、方差和相关性分量未能清晰分离。其中最关键的限制是：平均流量基准在不同流域设定了不同的模型性能标准。在强季节性流域，由于流量序列大幅偏离均值，模型易获得高NSE值；而在不规则流量情态（如干旱区域）中，流量多数时间接近均值，仅在高流量事件时强烈偏离，导致NSE值难以提高。这种空间模式使得跨流域比较模型性能变得困难。已有替代指标如Kling-Gupta效率（KGE）试图分离偏差、变异性和相关性分量，但仍受流量变异影响，且缺乏内在基准。另一种改进思路是优化NSE中的基准，如使用每日平均流量，但单一基准无法在所有流域有效检验模型性能。因此，本研究旨在通过集成简单水文基准计算基准效率（Benchmark Efficiency，BME）得分，分析其空间模式，并推荐一种更低依赖流量变异性的模型评估框架。该研究发表在《Water Resources Research》。
**主要关键技术方法**
研究人员使用了涵盖美国和加拿大1426个流域的CAMELS-SPAT数据集（流域属性与气象数据），经筛选后保留960个流域。利用框架理解结构误差（Framework for Understanding Structural Errors，FUSE）生成了78种结构配置的径流模拟，以KGE为目标函数进行校准，选择校准期KGE最高的配置用于验证期（1989-10-01至2009-09-30）。基准效率（BME）计算采用HydroBM Python包中的20个基准，包括基于流量、基于降水与流量（P&S）以及简约模型三类（如平均流量、每日平均流量、降水径流率（PRR）基准、年度缩放每日平均流量、Eckhardt基流等）。通过Ruzzante等人（2026）的方差分解方法将流域按径流方差主导类型（季节性、年际间、不规则）分类，并进一步按降水径流率（PRR）分组分析。
**研究结果**
**3.1 BME得分的空间模式**
通过绘制不同基准下的BME得分空间分布图，发现平均流量基准（即NSE）在强季节性落基山脉流域得分最高，在干旱中央平原最低。使用每日平均流量基准时，季节性流域的BME得分显著降低，与东部美国更可比。降水径流率（PRR）基准在不规则流域表现较好，调整平滑降水基准在单个基准中得分最低。集成中最低BME得分的分布显示落基山脉不再有极高值，且与东部流域更接近；调整平滑降水基准在65%流域成为最具挑战性的基准，平均流量基准从未成为最有效基准。累积分布图进一步表明，平均流量基准是最弱的基准之一，而集成最低BME得分分布最低，说明单一基准无法在所有流域提供最佳检验。
**3.2 不同流域的BME得分**
**3.2.1 相关性与排名分析**：Spearman相关分析显示，几乎所有基准与季节性方差呈显著正相关（BME高即检验弱），而每日平均流量和年度缩放每日平均流量因模拟季节周期从而在季节性流域提供挑战性检验（低BME）。年际间方差相关性弱，调整平滑降水基准和年度缩放每日平均流量在年际间主导流域最有效。不规则方差与大多数基准呈显著负相关，调整平滑降水基准表现出最强负相关、最低平均BME和最高排名。平均流量基准在季节性流域平均BME为0.76，在不规则流域为0.33，而集成最低BME在两类流域分别为0.30和0.13，更可比。
**3.2.2 基准性能分布**：箱线图显示，季节性流域中年度缩放每日平均流量表现最佳；不规则流域中调整平滑降水基准最佳。低PRR（<0.1）的不规则流域所有基准分布重叠大，负BME占比26.4%；随PRR增加，负BME比例下降，调整平滑降水基准在PRR>0.3时成为明确最佳基准。
**3.3 NSE与BME的差异**
散点图显示NSE始终高于最低BME，季节性流域偏离1:1线最远，部分季节性流域NSE>0.8而BME<0.2；极端情况下NSE>0.5但BME为负。通过分位数箱线图分析流域类型分布比例，发现NSE高分位数被季节性流域主导，而不规则低PRR流域很少超过20%分位数；BME则呈现更均匀的流域类型分布，说明最低BME减少了向单一流量情态的偏差。
**讨论与结论**
讨论部分指出，使用最低BME解决了NSE中平均流量基准在不同区域设定不同标准的问题。BME可应用于模型评估：第一步，模型须击败集成中所有简单基准（最低BME>0）；第二步，数值越高表示模型相对基准的改进越大。BME得分虽低于NSE，但更反映流域实际可预测性，避免因基准太弱而高估模型。BME分位数中流域类型分布更均匀，说明基于NSE的阈值（如“令人满意”>0.5）具有误导性。局限性包括：仅考虑NSE单一指标、主要研究最低BME、基准与流量情态关系待深化、集成可能未包含真正最佳基准、BME仍受采样不确定性影响。未来工作可扩展至KGE技能评分、利用全集成信息、引入更复杂模型、分解偏差/变异性/相关性误差，并与径流特征结合。
**结论**：本研究通过计算北美960个CAMELS-SPAT流域中基于简单水文基准集成（HydroBM）的基准效率（BME）得分，分析了基准选择对技能评分空间分布的影响。单个基准的BME得分空间差异由径流信号的主导方差类型（季节性、年际间、不规则）和降水径流率（PRR）共同驱动。强季节性流域中，强调季节性的基准（如年度缩放每日平均流量）产生低BME；不规则流域中，调整平滑降水基准和月度PRR基准最有效。平均流量基准从未提供最难检验。选择每个流域集成中的最低BME得分降低了流量变异性对指标分值的混淆，使得BME得分分位数中流量情态分布比NSE更均匀。这项工作表明，使用BME进行跨流域模型性能比较可更独立于流量变异性，从而突出模型相对于基准的增值，有助于判断模型改进方向及适用性。
