view in publisher's site

Parameter's Controls of Distributed Catchment Models—How Much Information is in Conventional Catchment Descriptors?

Abstract One major challenge in large scale modeling is the estimation of spatially consistent distributed parameters, that are parameters with a clear functional relationship to climate and landscape characteristics. We present a newly developed PArameter Set Shuffling (PASS) approach, which is able to provide such regionally consistent parameter sets. The PASS method does not require any a priori assumption on the relationship between model parameters and catchment descriptors. It instead derives these relationships from observed patterns of calibrated parameters and available catchment descriptors. We tested the PASS approach to derive parameters of a conceptual hydrological model applied to 263 German catchments. The resulting median model efficiencies for training and test catchments are, respectively, 0.74 and 0.72, similar to those obtained by other modeling approaches, which use regional calibration. In this study, a combination of catchment descriptors that clearly controls model parameters is not found. In fact, we show that various regional functional relationships between catchment descriptors and model parameters result in similarly good model performances. Moreover, catchment descriptors used for parameter prediction can be replaced in the parameter prediction, without any decrease in model performance. Our results suggest that by using conventional catchment descriptors based on averages, only the amount of information that is also retained in the existing correlations among climatic and catchment indicators is exploited. Development of a new generation of hydrologically meaningful catchment and climate descriptors is required to further improve our capability of forecasting hydrological dynamics of interest by means of large scale models and regionalization approaches.

کنترل‌های داخلی مدل‌های Catchment توزیع‌شده - چقدر اطلاعات در روش‌های مرسوم مورد استفاده قرار می‌گیرد؟

چکیده یکی از چالش‌های مهم در مدل‌سازی مقیاس بزرگ تخمینی از پارامترهای توزیع سازگار با ادراک سه‌بعدی است، که پارامترهای مربوط به یک رابطه عملکردی روشن با ویژگی‌های محیطی و محیطی هستند. ما یک رویکرد تازه‌تاسیس parameter (PASS)را ارایه می‌کنیم که قادر به ارائه چنین مجموعه پارامتری سازگار منطقه‌ای است. روش PASS نیازی به هیچ فرض قبلی در رابطه بین پارامترهای مدل و descriptors catchment ندارد. به جای آن این روابط را از الگوهای مشاهده‌شده از پارامترهای کالیبره شده و descriptors آبریز در دسترس می‌گیرد. ما روش PASS ای را برای به دست آوردن پارامترهای یک مدل مفهومی هیدرولوژیکی بکار گرفته‌ایم که به ۲۶۳ catchments آلمانی اعمال می‌شود. میانگین مدل میانه برای آموزش و test به ترتیب، ۷۴ / ۰ و ۰.۷۲ هستند، مشابه با روش‌های مدل‌سازی دیگر که از کالیبراسیون منطقه‌ای استفاده می‌کنند. در این مطالعه، ترکیبی از descriptors حوضه آبریز که به وضوح پارامترهای مدل را کنترل می‌کند یافت نمی‌شود. در حقیقت، ما نشان می‌دهیم که روابط عملکردی مختلف منطقه‌ای بین descriptors آبریز و پارامترهای مدل منجر به عملکرد مدل خوب مشابهی می‌شود. علاوه بر این، descriptors catchment مورد استفاده برای پیش‌بینی پارامتر می‌تواند در پیش‌بینی پارامتر، بدون هیچ کاهشی در عملکرد مدل جایگزین شود. نتایج ما نشان می‌دهد که با استفاده از descriptors catchment معمولی بر پایه میانگین، تنها مقدار اطلاعاتی که در همبستگی موجود بین شاخص‌های آب و هوایی و حوضه آبریز وجود دارد مورد بهره‌برداری قرار می‌گیرد. توسعه یک نسل جدید از catchment معنی‌دار hydrologically و descriptors آب و هوا برای بهبود بیشتر قابلیت پیش‌بینی دینامیک‌های هیدرولوژیکی سود با استفاده از مدل‌های مقیاس بزرگ و رویکردهای regionalization مورد نیاز است.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.