数值误差对水文模型性能的影响

《Journal of Hydrology》:The impact of numerical error on hydrological model performance

【字体: 大 中 小 】 时间:2026年10月01日 来源:Journal of Hydrology 7.3

编辑推荐:

   • 提出了一种收敛性验证方法,用于评估模型的结构一致性。 • 数值误差会显著降低水文模型的性能。 • 提供了数值误差是不可忽视的不确定性来源的证据。 ## 引言 理解水文状态和通量的演变是众多水文及跨学科应用的基础,包括防洪抗旱以及水资源管理(Abhishek et al

  

• 提出了一种收敛性验证方法,用于评估模型的结构一致性。
• 数值误差会显著降低水文模型的性能。
• 提供了数值误差是不可忽视的不确定性来源的证据。

## 引言

理解水文状态和通量的演变是众多水文及跨学科应用的基础,包括防洪抗旱以及水资源管理(Abhishek et al., 2021, Yang et al., 2021)。这些状态和通量的时空动态可以通过多种互补方法进行研究,例如实地观测、卫星遥感和水文建模(Abhishek, 2021)。在这些方法中,基于过程的水文模型(PHMs)发挥着至关重要的作用,因为它们提供了水文状态和通量演化的显式数学表征,其根植于基本守恒定律和我们对自然水文过程的理解(Lubczynski et al., 2024, Thyer et al., 2024)。PHMs一般根据流域表征方式分为集总模型和分布式模型:集总模型将流域视为单一实体,而分布式模型则将流域离散化为更小的计算单元(Paniconi and Putti, 2015, Shu et al., 2024)。集总模型主要关注时间演变,其特点是数据需求低、前后处理程序简化、计算需求最小,使其在洪水预报和水资源规划等应用中具有很高的实用性(Bedná? and Marton, 2024, Wu et al., 2025)。近年来,水文建模的进展增加了集总模型的流域数据集和开源代码的可用性,进一步提升了其受欢迎程度(Addor et al., 2017, Craig et al., 2020, Dal Molin et al., 2021, Devers et al., 2024, Klingler et al., 2021, Seibert and Bergstr?m, 2022)。此外,集总模型已成为向深度学习算法提供底层物理机制的重要来源(H?ge et al., 2022, Ouyang et al., 2025, Song et al., 2024),极大地拓展了其相关性和实用性。

尽管集总模型在实际应用和科学研究中具有优势,但它们容易受到数值误差问题的影响(Clark and Kavetski, 2010, Gupta et al., 2012, Jansen et al., 2021)。这些模型非常适合使用常微分方程(ODEs)来描述水文现象的时间变化(Goudarzi et al., 2023, Trotter et al., 2022, Wu et al., 2025)。然而,现有的集总模型倾向于使用基于时间步长的离散方程来近似描述连续的自然水文过程。这些离散方程通常采用简单的数值求解方法推导而来,如:一阶定步长显式Euler格式、算子分裂(将原始问题分解为代表特定水文过程的子组件,并以预定义顺序依次求解),或数值简化(如将设计用于瞬时时刻的解析方程直接应用于时间周期)(Clark and Kavetski, 2010, Santos et al., 2018, Woldegiorgis et al., 2023, Zhao et al., 2023)。无论部分还是全部应用这些方法,都不可避免地会引入数值误差。

数值误差问题在更广泛的地球科学建模中长期受到关注,其中离散化和时间步长选择被已知会强烈影响模拟动态(Oreskes et al., 1994, Rodrigues Lapolli et al., 2024, Pan et al., 2025)。在集总水文建模中,这一问题自Kavetski和Clark(2010)的开创性工作以及后续研究以来,得到了更加明确和系统的讨论。这种延迟的认识部分归因于水文系统中通常起主导作用的负反馈机制,这些机制倾向于抑制数值扰动的放大,与其他领域中常见的混沌动力学和强正反馈相比(La Follette et al., 2021)。然而,这并不意味着水文建模中的数值误差可以忽略不计。如果不加以解决,这些误差会扭曲模型参数的响应空间,使参数优化和率定复杂化(Kavetski and Clark, 2010, Schoups et al., 2010)。数值误差的大小可能随着降水强度的增加而放大,进而加剧模型应用的不确定性,尤其在气候变化背景下尤为突出(La Follette et al., 2021)。此外,当集总模型作为深度学习方法的物理基础时,数值误差问题可能被继承,从而潜在地损害这类方法的可靠性和学习性能(Seol et al., 2024, Song et al., 2024)。

尽管数值误差在集总模型中的重要性已逐渐得到认识,但学术界对其对模型性能的影响仍存在争议。一些研究表明,数值误差在校准期影响最小,但在验证期显著降低模型性能(Kavetski and Clark, 2010, Woldegiorgis et al., 2023)。这种差异通常归因于参数补偿效应和可能的过拟合现象,即在校准期参数调整掩盖了数值误差,但在验证期无法维持性能(Kavetski and Clark, 2010, Song et al., 2024, Zhao et al., 2023)。值得注意的是,这一结论是在使用有限数量的流域(≤12)的情况下得出的。相反,其他研究报道称,当数值误差被显式控制时,模型性能几乎没有变化,甚至略有改善(Santos et al., 2018, Song et al., 2024)。这些发现出现在使用包含大量流域的大样本数据集的研究中,其中原始模型虽然未控制数值误差,但已能取得相对较好的性能。进一步地,数值误差有时可能会掩盖模型误差,从而在理论上提高性能(Clark and Kavetski, 2010)。水文学中一个显著的例子是Muskingum-Cunge方法(Cunge, 1969),该方法可以被视为对运动波方程的数值解。在该方法中,数值扩散(一种固有的数值误差)被引入以近似河渠汇流中的物理扩散,从而增强模型性能(Todini, 2007)。然而,据我们所知,在使用标准分割样本率和验证程序的集总水文模型中,尚未有此类案例的记录。

现有研究的一个重要局限在于未能将数值误差的影响与集总模型中可能的结构差异区分开来,特别是忽略了在模型变换过程中无意中引入的结构变化。文献中已探索了若干方法来减轻数值误差问题。例如,Mathias等(2026)提出了对GR4J模型的结构修改,以最小化算子分裂的需求,因为算子分裂容易产生数值误差。Lerat(2025)开发了一种用于水库类型控制方程的简洁数值求解器,该求解器在计算效率大幅提高的情况下实现了与高阶数值格式相当精度。然而,正如Clark和Kavetski(2010)所指出的,集总模型的方程通常直接以计算数值解的形式呈现,这掩盖了底层的数学方程,使得选择替代数值方法变得困难。因此,解决集总模型中数值误差问题最直接的途径是将数学方程(通常以ODE形式)与计算方程分离,以便使用更高阶、更精确的数值方法(Clark and Kavetski, 2010, Kavetski and Clark, 2010, Santos et al., 2018, Fenicia et al., 2025)。这种变换可能为了简化数学推导而有意改变模型结构。例如,Santos等(2018)将原始的对称径流汇流单位线替换为Nash单位线,后者在微分形式方程中更容易处理。类似地,Knoben等(2019)通过去除径流面积变化的影响,简化了中国最广泛使用的集总水文模型——新安江模型(Zhao, 1992)的产流分离方程。然而,变换过程可能会无意中引入模型的结构差异,特别是当参数与特定时间周期相关联时(Santos et al., 2018, Woldegiorgis et al., 2023)。在变换过程中,原本限定于某一时间周期的参数必须调整为表示瞬时值。如果未进行此调整,模型结构将发生改变。当离散形式改为微分形式时,模型参数对应的时间应从时间周期变为瞬时值,如果没有相应的处理,模型结构就会改变。据我们所知,只有Woldegiorgis等(2023)的工作验证了原始模型与推导方程之间的理论一致性。他们通过将原始模型和基于推导方程的模型(采用相同假设和算子分裂技术求解)的计算内部通量进行比较来实现这一验证。尽管其比较结果显示了可接受的吻合度,但存在明显的偏差,表明虽然推导方程可以充分代表原始模型,但仍需进一步检查。

本研究的具体目标如下:

1. 严格评估水文模型在方程形式变换过程中的结构一致性,将结构变化与数值误差区分开来。
2. 使用大样本数据集评估水文模型在方程形式变换前后的性能,为评估数值误差效应建立基础。
3. 在已将数值误差效应与结构变化分离的基础上,量化大样本数据集中数值误差对模型性能的影响。

本文其余部分安排如下。第2节描述数据和方法,包括所选模型和实验设计。第3节呈现实验结果,第4节围绕本研究的具体目标进行讨论。最后,第5节提供总结与结论。

## 章节摘录

### CAMELS数据集

本研究使用了大样本流域特征和气象数据集(CAMELS)(Addor et al., 2017, Newman et al., 2015),该数据集为美国本土连片地区(CONUS)中受人为影响有限的大量流域提供了水文和气象数据,以及详细的流域特征。数据集的大样本特性及其所代表的水文气候和地貌条件的多样性(Addor et al., 2017),共同……

### 评估新安江模型两种方程形式之间的结构一致性

根据图4,模型方案X(不含ZTR技术的新安江模型)的MAE评估值相对较高。例如,W0的最大MAE值和平均MAE值分别为0.467 mm和0.261 mm,而Q*的最大MAE值和平均MAE值分别为5.337 m3/s和0.473 m3/s。引入M值为50 mm的ZTR技术后,评估得到的最大MAE值和平均MAE值分别降低了24.21%和19.63%,与模型结构……

### 方程形式变换过程中水文模型的结构一致性

以往研究中的一个显著挑战是在将水文模型从其原始离散方程形式转换为连续微分方程形式时引入的结构变化。这些变化会将数值误差与模型固有结构的改变混合在一起,从而复杂化数值误差的分析,特别是当与特定时间周期相关联的参数未得到妥善处理时。在本研究中,我们使用了原始离散形式的新安江模型(以下简称……

### 总结与结论

本研究旨在采用稳健且可迁移的方法评估数值误差对水文模型性能的影响,以新安江(XAJ)模型作为代表性示例。我们采用了XAJ模型的两种方程形式:原始离散时间步长方程形式(DTE-XAJ模型)和推导出的微分方程形式(ODE-XAJ模型)。DTE-XAJ模型容易产生数值误差,而ODE-XAJ模型则作为控制数值误差的有效对照……

### CRediT作者贡献声明

赵剑飞:撰写—初稿、可视化、软件、方法论、调查、形式分析、概念化。段亚男:撰写—审阅与编辑、软件、方法论。黄佳璐:撰写—审阅与编辑、可视化、验证。胡一鸣:撰写—审阅与编辑、概念化。李斌权:撰写—审阅与编辑、可视化。王军:撰写—审阅与编辑、数据整理。梁中民:撰写—审阅与编辑、监督、方法论。

### 利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

### 致谢

本研究得到了中央高校基本科研业务费(B240201164)、江苏省优秀博士后计划(2024ZB603)、中国博士后科学基金会博士后面上资助项目(GZC20240380)、中国博士后科学基金(2024M760740)以及国家自然科学基金(52379007)的资助。

赵剑飞 | 段亚男 | 黄佳璐 | 胡一鸣 | 李斌权 | 王军 | 梁中民
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号