摘要
无资料断面的径流估算对于洪水预警、水库运行、水量分配和流域管理至关重要。传统的区域化方法通常需要构建、率定和参数转移概念性或基于过程的水文模型，导致在数据稀缺、测站网络频繁调整或管理断面与现有监测站不重合时应用成本高昂。近年来，区域长短期记忆（LSTM）网络为无资料断面径流估算提供了一种数据驱动替代方案。然而，现有研究主要关注独立流域间的空间泛化，对同一嵌套流域内具有不同上下游关系的断面间水文信息转移关注有限。本研究利用富江河流域的五个嵌套水文站开发了一个水文效率引导长短期记忆网络框架（HEG-LSTM），并与基线 LSTM 进行了比较。模型以局部气象强迫、前期降水、静态流域属性以及情景允许的供体站流量作为输入，并采用留一断面验证来评估跨断面适用性。为了调查不同上下游关系对径流估算的影响，设计了三种测站网情景：S1 利用上游站估算下游流量；S2 为下游到上游同步估算；S3 利用上下游站联合估算中间无资料断面的流量。HEG-LSTM 的平均纳什效率系数（NSE）达到 0.703，超过了基线 LSTM 获得的 0.603。HEG-LSTM 在 S1、S2 和 S3 下的平均 NSE 值分别为 0.692、0.695 和 0.730，其中在 S3 下表现最佳。与基线 LSTM 相比，HEG-LSTM 将高流量的决定系数从 0.617 提高到 0.737，年峰值流量的决定系数从 0.731 提高到 0.770，而低流量相关性的改善仍然有限。沙普利加和解释（SHAP）显示，供体站流量、排水面积、高程、坡度和前期降水共同影响了跨断面可转移性。所提出的 HEG-LSTM 框架为嵌套流域无资料断面的径流估算、历史径流估算和测站网优化提供了方法参考。
