《Journal of Hydrology: Regional Studies》：An improved SCF?SWE relationship function with topographic controls for enhanced snowmelt runoff simulation
编辑推荐：
摘要
研究区域：雅鲁藏布江流域（YZRB），位于中国西南部西藏，是一个具有代表性的高海拔高山-冰川流域。
研究重点：为了提高EasyDHM（易分布式水文模型）在YZRB中的融雪径流模拟精度，该研究提出了一种改进的积雪覆盖度（SCF）-雪水当量（SWE）关系函数
摘要
研究区域：雅鲁藏布江流域（YZRB），位于中国西南部西藏，是一个具有代表性的高海拔高山-冰川流域。
研究重点：为了提高EasyDHM（易分布式水文模型）在YZRB中的融雪径流模拟精度，该研究提出了一种改进的积雪覆盖度（SCF）-雪水当量（SWE）关系函数。与采用传统经验公式的基线模型不同，新函数融入了基于Sigmoid的积雪演化非线性物理机制。通过建立以SWE为自变量的微分方程，并将海拔和坡度作为动态约束整合其中，该模型更好地捕捉了复杂高山地形下积雪分布的空间异质性。
新的水文认识：多断面验证表明，改进模型显著提升了径流预测精度，在率定期内平均纳什-苏特克利夫效率系数（NSE）从0.763增至0.899，百分比偏差（PBIAS）从11.29%降至6.25%。改进模块有效消除了基线模型中出现的5月早期虚假洪峰，确保了关键融雪期（3-6月）的精确相位对齐。总体而言，改进的SCF-SWE关系函数增强了模型的适用性，为冰冻圈主导流域的融雪径流模拟、水资源评估和水文预报提供了可靠工具。
融雪径流模拟是山区和寒冷地区水文过程研究的重要组成，提高其模拟精度对于水资源管理和洪水预警至关重要。在模拟中，积雪覆盖度（SCF）是估算融雪量的关键状态变量，但由于未来时段的SCF难以直接获取，普遍采用SCF与雪水当量（SWE）之间的定量关系来估算。现有方法主要分为三类：经验线性模型、基于过程的物理模型、非线性统计函数。经验线性模型难以刻画积雪动态的非线性；物理模型（如SNOWPACK）虽机理严谨，但对输入数据与计算资源要求高，难以大范围推广；非线性统计函数（指数、对数或概率密度函数）虽在大尺度模拟中有优势，但其参数常缺乏明确物理含义，且固定最大积雪覆盖度（SCFmax），忽略了复杂地形中坡度、坡向和风再分配对积雪空间分布的影响。因此，如何赋予非线性SCF-SWE函数清晰的物理机制并整合地形因子以刻画动态SCFmax，成为值得研究的方向。
针对以上问题，研究人员在雅鲁藏布江流域（YZRB）提出并验证了一种改进的SCF-SWE关系函数。基于EasyDHM模型，研究人员重新构建了函数数学结构：引入中值雪水当量（SWEn）和形状系数k，以模拟积雪演化的非线性Sigmoid型物理机制，并将SCFmax参数化为海拔（E）和坡度（S）的动态函数。通过径流和SCF模拟验证及时空分析，系统评估了改进模型的性能。结果表明，改进模型显著提高了径流预测精度，校准期平均纳什-苏特克利夫效率系数（NSE）从0.763升至0.899，百分比偏差（PBIAS）从11.29%降至6.25%；有效消除了基线模型在5月的虚假洪峰，保证了关键融雪期（3-6月）的相位对齐。该研究为高寒复杂地形的融雪径流建模提供了物理一致的方法框架，论文发表在《Journal of Hydrology: Regional Studies》。
研究人员采用的主要关键技术方法如下：以EasyDHM为平台，采用临界温度区分降雨/降雪；构建改进的非线性SCF-SWE
