《Journal of Hydrology》：A copula-based stochastic simulation method for the penman wind function (PWF) in in-stream evaporation
编辑推荐：
准确估算溪流蒸发对于理解地表水损失至关重要，但由于通量数据稀疏及流动系统的复杂动态，这仍具挑战性。本研究引入了一个结合Penman风函数(PWF)与基于经验先验的随机模拟的建模框架，以量化数据有限条件下溪流蒸发估算的不确定性。本研究并非旨在展示PWF系数的普适
准确估算溪流蒸发对于理解地表水损失至关重要，但由于通量数据稀疏及流动系统的复杂动态，这仍具挑战性。本研究引入了一个结合Penman风函数(PWF)与基于经验先验的随机模拟的建模框架，以量化数据有限条件下溪流蒸发估算的不确定性。本研究并非旨在展示PWF系数的普适可转移性，而是聚焦于识别当水库、溪流及文献来源的参数应用于水文条件迥异的环境时，系数不确定性与跨站点转移偏差如何产生。利用安东溪流实验中心的高分辨率通量数据对PWF系数进行直接校准，得到了最可靠的估算结果([Math Processing Error]r=0.862, CoE=0.731, RMSE=1.500mm/day)，证实了当有本地观测数据时，站点特定校准仍是首选方案。为支持无此类观测数据的应用，研究人员构建了一个文献来源的PWF系数经验先验参数库，并采用对数空间核密度估计(KDE)结合基于Copula的蒙特卡洛采样来传播参数不确定性。文献来源的系数对被视作一个异质的经验先验库，而非同质的独立同分布样本。Copula敏感性分析表明，系数依赖性较弱且模型选择不确定性较大；因此，高斯Copula仅作为简约的工作Copula使用，并与独立Copula进行了对比评估。跨站点应用表明，水库来源和集合基础的系数保留了部分由气象强迫驱动的时间协变性，但在溪流条件下也产生了不可忽略的幅度误差和系统偏差。在安东站点，龙潭水库来源的系数及Copula集成的相关性相对较高，但与站点特定校准相比，偏差和RMSE显著恶化，这表明系数可转移性有限且水库-溪流空气动力学机制不匹配。总体而言，所提出的框架最好被解释为一种适用于数据有限环境的、具有不确定性意识的基线估算方法，而直接校准仍是可靠溪流蒸发估算的基准。
**基于Copula的Penman风函数随机模拟方法在溪流蒸发研究中的应用解读**
**研究背景与问题**
蒸发是水文循环的关键组成部分，准确量化其大小和变异性对于有效水资源管理至关重要，尤其在溪流环境中，动态流动、湍流空气-水相互作用以及局地微气候使得建模工作更为复杂。气候变化导致的气温上升加剧了蒸发，进而威胁农业和更广泛的社会经济稳定。尽管水库蒸发已受到较多关注，但流动溪流中的蒸发仍未被充分理解。溪流蒸发与渗漏不同，是一种不可逆的向大气损失，会永久性地减少地表水供应。然而，由于动态流动条件、变化的河道形态及局地气象变异性，估算流动溪流中的蒸发固有地具有挑战性。现有方法如Penman组合方程(PCE)虽然理论严谨，但在数据稀缺的小型或偏远流域难以应用。质量传输（风）函数如Penman风函数(PWF)因其简单性而被采用，但其经验系数在溪流间表现出显著变异性，且通常从水库环境校准的系数被直接用于流动溪流，忽视了空气动力学和热力学上的不匹配。
**研究开展与意义**
为填补这一知识空白，研究人员开展了一项研究，旨在评估PWF在溪流蒸发估算中的三种互补方法：直接站点校准、基于水库来源系数的代理估算以及基于经验先验的不确定性传播。研究并非证明PWF系数的普适可转移性，而是量化在数据有限条件下，不同参数来源在水文环境迥异站点上的表现。该研究发表于《Journal of Hydrology》，其核心贡献在于提供了一个具有不确定性意识的框架，使参数不确定性、经验支持度及转移偏差更为明确，为数据稀缺地区的溪流蒸发估算提供了实用的基线方法。
**关键技术方法**
本研究主要采用以下关键技术方法：1) 利用高分辨率涡度协方差(EC)系统在安东溪流实验中心（韩国）进行直接通量观测，获取溪流蒸发数据；2) 应用非线性最小二乘法对PWF系数a和b进行直接校准，以最小化均方根误差(RMSE)；3) 构建一个包含28组文献来源经验系数对的参数库，采用对数空间核密度估计(KDE)估计边际分布，以保留物理上正的系数值；4) 使用基于Copula的蒙特卡洛采样（比较高斯Copula与独立Copula）生成联合分布，传播参数不确定性；5) 采用留一天法(LODO)分块验证、凸包经验支持域分析及强迫项基准模型（如仅VPD模型）进行诊断评估，以区分时间相关性是由气象强迫主导还是系数可转移性所致。样本队列来源包括安东溪流实验中心和龙潭坝水库（韩国）。
**研究结果**
**4.1 直接校准结果**：利用安东溪流实验中心的高分辨率通量数据直接校准PWF系数，得到最优值a=2.53×10
?8 m/s/kPa和b=0.64×10
?8 1/kPa。该直接校准方法在所有评估中表现最佳，相关系数r=0.862，效率系数CoE=0.731，均方根误差RMSE=1.500 mm/day，偏差较小。研究表明，当有高分辨率观测数据时，直接站点校准应优先采用，但需注意观测序列短且存在强自相关，结果仅代表短期可靠性而非长期独立验证。
**4.2 经验文献参数集**：研究人员从文献中编译了21组PWF系数对，发现其分布具有宽泛的散布和明显的多峰性，表明不存在单一参数形式能完全描述。对数空间KDE估计的边际分布有效保留了正系数并减少了尺度偏斜。相关性分析显示，原始尺度上a和b的依赖关系很弱（Pearson r=0.209, p=0.286），表明Copula建模应被解释为不确定性传播工具，而非强物理依赖律的证据。
**4.3 转移性与间接估计模拟**：
- **4.3.1 龙潭水库校准**：利用龙潭坝水库的数据校准PWF系数，得到a=1.80×10
?8 m/s/kPa和b=1.94×10
?8 1/kPa，在水库环境下表现良好（r=0.910, CoE=0.817, RMSE=0.656 mm/day）。
- **4.3.2 Copula集成参数构建**：基于高斯Copula生成10,000组合成系数对，用于蒙特卡洛不确定性传播。这些样本覆盖了文献参数空间，但也被解释为从经验先验库的传播，而非额外经验信息。
- **4.3.3 安东溪流实验中心交叉验证**：将龙潭水库校准系数和Copula集成应用于安东溪流环境。结果显示，两者均能部分再现时间协变性，但产生了显著的系统偏差和幅度误差（龙潭系数：Bias=?1.200 mm/day, RMSE=2.302 mm/day；Copula集成：Bias=?1.417 mm/day, RMSE=2.316 mm/day），表明存在水库-溪流空气动力学机制不匹配。LODO分块验证进一步支持了短期校准稳定性，但并非长期泛化。
- **4.3.4 综合与启示**：间接估计方法可作为一级基线估计，但需明确其不确定性。强迫项基准模型表明，高时间相关性可主要由气象强迫驱动，因此不能单独作为系数可转移性的证据。偏差、RMSE、PBIAS和KGE等指标对于评估转移相关误差更为关键。
**讨论与结论**
讨论部分指出，直接校准虽最准确，但受限于高分辨率数据稀缺。文献来源参数虽存在变异性，但其统计结构为数据有限条件下的概率建模提供了基础。水库来源系数可作为实用替代，但需注意其系统性偏差。本研究提出的框架在数据有限条件下具有优势，但存在观测时段短、站点代表性有限、参数源异质性及Copula依赖弱等局限性。研究人员建议采用分层参数应用策略：优先直接站点校准，其次为水库来源系数（作为一级基线），最后为经验先验集成（用于不确定性传播）。研究结论强调，直接校准是准确性的基准，而水库来源和经验先验集成在数据稀缺地区提供了有用的基线估算，但需明确评估其不确定性和空气动力学机制不匹配。主要贡献在于提供了一个不确定性意识框架，使参数不确定性、经验支持度及转移偏差透明化。未来研究需扩展经验系数库、获取更长独立溪流蒸发观测，并与Penman-Monteith或能量平衡模型进行基准比较。
