PREMISE v2.1：配置驱动的决策支持框架，用于多源降水产品的评估与排名

《Computers & Geosciences》：PREMISE v2.1: A configuration-driven decision-support framework for multi-source precipitation product evaluation and ranking

　　

## 摘要

多源降水产品在流域水文建模、气候诊断和环境风险评估中的应用日益广泛，但由于候选数据集在格式、分辨率、不确定性和区域及诊断目标方面的表现各不相同，选择合适的产品仍然困难重重。本研究提出了PREMISE v2.1，一个配置驱动的决策支持框架，该框架将基于规则的数据获取、格式转换、元数据一致性处理、面向流域的预处理、极端和干旱相关指数生成、多指标评估以及多准则决策分析（MCDM）整合为一个可重复的工作流程。以中国及其三个代表性流域为案例的研究证明了该框架的实际应用价值。主要发现如下：(1) CHIRPSv3-rnl在全国尺度上表现最佳，偏差为-0.21 mm day?1，均方根误差（RMSE）为0.62 mm day?1，相关系数（CC）为0.94，Kling-Gupta效率系数（KGE）为0.89，熵权TOPSIS得分为1.00；(2) 产品适用性具有很强的流域依赖性，在河海河流域，CMORPH_BLD和CPC排名最高；在珠江流域，CN05-1和CPC排名最高；在西南流域，MSWEP-V315排名最高，TOPSIS得分范围为0.95至1.00；(3) 针对不同诊断目标的评估表明，CHIRPSv3-rnl在全国极端降水指数方面得分最高，达0.92；而CHM_PREV2和CN05-1在河海河流域和珠江流域的标准化降水指数（SPI）干旱诊断方面表现良好，SPI相关系数为0.96至0.99，RMSE低至0.16至0.27。这些结果表明，没有一种降水产品能在所有领域或目标中保持一致的最优表现。PREMISE提供了一个开放的、可扩展的、可审计的框架，用于透明的降水产品筛选和应用特定的环境数据选择。

## 引言

降水是水文和环境建模的主要输入数据，但现有的降水产品在数据来源、时空分辨率、不确定性结构以及区域表现方面存在显著差异（Beck et al., 2017; Oki and Kanae, 2006）。基于雨量计的分析、卫星反演、再分析数据集以及多源融合产品提供了互补的信息，但每种产品都可能包含来源特定的偏差、不连续性和尺度依赖性误差。随着可用产品数量和种类的不断增加，选择合适数据集的难度也在加大，特别是在候选产品需要首先进行格式转换、一致性处理、空间对齐和评估后才能使用之前（Mankin et al., 2025; Roca et al., 2019）。

因此，降水产品选择不仅仅是一个数据获取问题，更是一个多准则决策问题。不同产品可能在均值降水表征、时间变率、事件发生频率、极端降水、干期持续性和干旱相关异常方面表现各异。此外，它们的相对表现还可能随空间域、季节、时间尺度和应用目标的变化而变化。因此，基于单一指标或全国尺度总结的产品推荐可能无法直接推广到流域尺度水文建模、洪水评估或干旱监测中。一个可重复的选择框架应当标准化预处理假设、量化多维度表现，并通过明确的决策规则综合异质性诊断证据。

一个反复出现的瓶颈并非数据的缺乏，而是缺乏一个可重复的、端到端的工作流程，该流程能够将原始且异构的降水产品转化为可直接分析和可评估的数据集，并生成透明的、可审计的产品选择证据。这一挑战在计算环境科学领域已得到广泛认可，数据获取、预处理、工作流程溯源和探索性评估往往是基于模型的建模分析中最耗时和最容易出错的环节。（Wojda and Brouyère, 2013）。HMS-PCAT通过Web服务支持自动化降水数据获取和跨数据集比较（Sitterson et al., 2020），而pRecipe提供了一个精选的多产品降水数据库以及用于下载、处理、裁剪和可视化降水气候学的工具（Godoy and Markonis, 2023）。IMDLIB标准化了印度格点气象观测数据的获取和探索性评估（Nandi et al., 2024），而climdex-kit和GeoClimate则专注于气候指数计算和环境数据分析（Bhattarai et al., 2026; Campalani et al., 2025）。这些进展表明对可复用和透明的水文气候软件的需求日益增长。然而，现有工具通常侧重于个别环节，如数据获取、区域预处理、探索性比较或指数计算。很少有工具将异构格式转换、元数据一致性处理、面向流域的预处理、过程特定的诊断、多准则产品排名和机器可读报告整合到一个单一的配置驱动工作流程中。

这些努力共同表明，对开放和可复用软件的需求强烈且持续，这类软件可以提高透明度和降低以降水为中心的分析的工程开销。然而，它们也揭示出在降水驱动的环境建模研究中经常需要同时涉及的三个关键维度上存在持续的碎片化问题（Guo et al., 2024; Hassanzadeh et al., 2024; H?rning and Haese, 2021; Terzi, 2026; Zipper et al., 2025）。首先，数据处理工具往往围绕特定数据提供商、时间分辨率或区域范围开发——例如精选的多产品数据库、特定国家的数据生态系统或Web服务端点——而许多研究应用需要一个可扩展的方法，能够适应更广泛且不断演变的格点降水产品和异构文件格式约定（Choi et al., 2021; Phuong et al., 2019）。其次，气候和极端指数计算通常被视为独立于数据集一致性和产品评估的工作流程，当指数定义、基线、阈值处理和缺失数据传播未与预处理假设明确对齐时，这会增加端到端可重复性的复杂性。第三，即使存在评估功能，它们通常也与配置驱动的、批处理导向的流水线脱节，无法实现跨产品、区域、季节和指标的系统性比较，也无法产生具有可追溯来源的标准化、可发布输出（Mitchell et al., 2022）。这种分离与计算科学领域长期以来避免手动、临时处理步骤并保存完整工作流程来源和可执行性以供验证和复用的建议相悖（Gil et al., 2016; Peng, 2011; Sandve et al., 2013）。在水文和环境建模实践中，配置为中心的工作流程被提倡为一种实用的大规模可重复性途径，这种工作流程明确地将模型无关的执行逻辑与案例特定的设置分离开来（Cruz-Alonso et al., 2023; Knoben et al., 2022），而诸如W3C PROV等可互操作的来源表示则为跨异构处理步骤的机器可操作的谱系追踪提供了基础。

为了满足这些需求，本研究提出了PREMISE v2.1，一个配置驱动的Python框架，用于多源降水产品评估和选择。该框架做出了三项主要贡献。首先，通过基于规则的数据获取、格式转换、元数据一致性处理、流域提取、重采样和时间对齐，形式化了降水数据准备的专家知识。其次，将标准化预处理与连续型、事件检测、极端降水和干旱导向的诊断连接起来，使产品适用性能够针对不同的水文和环境目标进行评估。第三，将明确的权重和排名方法——包括熵权重、CRITIC权重和TOPSIS——嵌入到一个可重复的工作流程中，其输入、处理选择、诊断输出和排名可以记录在配置文件和机器可读报告中。以中国及其三个水文气候对比流域的案例研究展示了PREMISE的软件工程能力及其在具体情境下的降水产品选择价值。

本文其余部分组织如下。第2节介绍了用于演示和验证框架的研究区域、降水数据集、参考数据和实验设计。第3节介绍了PREMISE的软件架构和方法论组件，包括数据获取、一致性处理、面向流域的预处理、诊断指标、气候指数计算、多准则决策排名和可解释报告。第4节展示了案例研究应用的结果，包括工作流程执行、全国和流域尺度产品排名，以及针对极端降水和干旱相关变率的特定目标诊断。第5节讨论了PREMISE相对于现有工具的独特性、结果的水文气象学解释、更广泛的适用性、水资源管理意义、局限性和未来发展。第6节总结了全文。

## 2 研究区域

选择了三个水文气候和地形条件对比鲜明的中国流域来评估PREMISE工作流程的可迁移性：海河流域、珠江流域和西南流域（图1）。它们共同代表了北方缺水流域、湿润季风流域和地形复杂的高原-山地地区。这种对比使框架能够在不同降水型态、地形条件和雨量计密度下得到检验。

## 3 PREMISE框架概述

PREMISE v2.1是一个模块化的Python框架，用于多源降水产品处理、评估和选择（图2）。其工作流程包括数据获取、格式转换和一致性处理、面向流域的预处理、产品评估、气候指数计算、多准则排名、可视化和报告生成。核心模块可以通过Python API调用，也可以使用配置文件作为完整工作流程执行。这种架构将可复用的…

## 4 结果

本节展示了PREMISE生成的案例研究结果，包括工作流程执行、全国和流域尺度产品排名、针对极端降水的特定目标诊断，以及面向干旱的SPI评估。

## 5 相对于现有框架，PREMISE的独特性

现有的降水相关工具在数据获取、探索性比较、区域数据访问、气候指数计算和基于Web的环境分析方面做出了重要贡献（表4）。例如，HMS-PCAT通过Web服务支持自动化降水数据获取和跨数据集比较；pRecipe提供了一个精选的多产品降水数据库以及基于R的工作流程，用于下载、处理、裁剪和可视化降水…

## 6 结论

本研究提出了PREMISE v2.1，一个配置驱动的决策支持框架，用于可重复的多源降水产品评估和排名。通过整合基于规则的一致性处理、面向流域的预处理、与过程相关的诊断指数、多指标评估和多准则决策排名，PREMISE将异构产品评估转化为一个透明的、可检查的、可重复的和可适应的工作流程。中国的案例研究表明CHIRPSv3-rnl表现最佳…

## CRediT作者贡献声明

魏俊芳：撰写——原始稿件、可视化、资源、方法论。周立伟：验证、监督、软件、资源。赵欣欣：撰写——原始稿件、可视化、验证、监督。康灵：软件、资源、项目管理、资金获取。乐鑫龙：撰写——审稿与编辑、撰写——原始稿件、可视化、验证、方法论、资金获取、正式分析、数据管理、概念化。

## 代码可用性

代码/库名称：PREMISE（PREcipitation Multi-source Indices and Software Evaluation）

联系方式：[e-mail]

硬件要求：NVIDIA GeForce GTX 1650 SUPER

编程语言：Python

所需软件：Pycharm

程序大小：2.08 MB

源代码可在以下链接下载：https://github.com/theshyyi/PREMISE-v2.1

## 数据可用性

PREMISE v2.1框架作为开源Python包在https://github.com/theshyyi/PREMISE-v2.1上公开提供。存档版本可通过Zenodo获取，DOI为10.5281/zenodo.18093220。该仓库包含源代码、示例脚本、配置模板和文档，用于重现本研究中展示的主要工作流程，包括数据一致性处理、面向流域的预处理、极端和干旱指数生成、多指标评估等。

## 利益冲突声明

作者声明不存在任何可能影响本文工作报告的已知竞争性经济利益或个人关系。

## 基金资助

本研究得到国家重点研发计划（批准号：2023YFC3209204）、湖北省水利科技研究计划（HBSLKY202412）以及中央高校基本科研业务费专项资金（华中科技大学，2025JYCXJJ056）的资助。

## 利益冲突声明

? 作者声明不存在任何可能影响本文工作报告的已知竞争性经济利益或个人关系。

## 致谢

作者感谢华中科技大学高性能计算平台提供计算资源。

**康灵 | 乐鑫龙 | 周立伟 | 赵欣欣 | 魏俊芳**

华中科技大学 水利水电学院，中国武汉 430074