分布式水文模型在径流数据中的有效性与质量评估——以特定流域为例

工程科学与技术，国际期刊37（2023）101321分布式水文模型在径流数据Enes Ergüna，Mehmet Cüneyd Demirela，ba伊斯坦布尔技术大学土木工程系，Maslak，伊斯坦布尔34467，土耳其b伊斯坦布尔技术大学，水力学和海洋科学研究中心，Maslak，伊斯坦布尔34467，土耳其阿提奇莱因福奥文章历史记录：2022年4月1日收到2022年12月7日修订2022年12月9日接受2022年12月30日在线提供保留字：恩分布式模型间隙填充科尼亚封闭盆地摩泽尔盆地A B S T R A C T完整的径流资料是水利工程师设计、规划和运行河流上的建筑物所不可缺少的。为了揭示有统计学意义的结果，应该有足够长的观察时间，没有缺失数据。然而，由于不同的原因，例如，在手动记录过程中，由于仪表仪器故障和在这项研究中，我们评估了使用分布式水文模型与遥感LAI数据相结合，以完成两个不同流域的一年数据差距的有效性，即。摩泽尔盆地和科尼亚封闭盆地（KCB）。利用Moselle盆地的Cochem和KCB的D16A100仪器分析了资料质量和长度对结果的影响。此外，间隙位置的影响进行了分析，使用随机选择的一年的间隙从开始，中间或结束的放电时间序列，因为已经有统计的间隙填充方法开发的小间隙分布在数据。采用纳什-结果表明，在连续的地形强迫作用下，mHM可以模拟两个流域（KGE大于0.88）在校准期的径流动力学。此外，具有良好的质量强迫和足够的校准长度被证明是成功填补一年长或短，但频繁的差距的关键。结果还表明，mHM预测Cochem（Moselle）中的缺失数据优于Küçükmuhsine（KCB）规范中的数据。这似乎不仅是由于Cochem的高质量和长期数据，而且与间歇性河流相比，摩泽尔河的间歇性水流状态更容易预测©2022 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍在河道中流动的水称为径流，它是洪水和干旱分析中经常使用的关键[1]或在水工建筑物的设计为了进行可靠的计算，径流数据必须是完整的。缺失数据影响水文模型的可靠性目前，在各种设备的帮助下，可以每分钟、每小时或每天定期记录径流数据然而，在记录数据的过程中可能会出现一些并发症，导致数据丢失数天、数月甚至数年。对干旱、洪峰流量及其趋势进行有统计意义的水文分析需要30年或更长时间的径流数据[2]。随着时间的推移，许多设备进行的流记录。已知河流断面的水深测量和校准*通讯作者。电 子 邮 件 地 址 ： ergun15@itu.edu.tr （ E.Ergün ） ， demirlmc@itu.edu.tr（M.C.Demirel）。使用额定曲线计算Q是最常用的方法之一。流量计/海流计也用于计算流速水。随后是数字级记录器[3]，将测量结果写在纸上。安装在桥梁或钢丝上的自动仪表和传感器测量水位，可以使用额定曲线转换为Q[4]。虽然测量技术随着时间的推移已经有所改进，但由于各种原因，仍然可能发生水流数据缺失的情况。例如，所需的流量数据缺失可能是由设备故障或故障、人为错误、财务限制等造成的[5]。缺失数据问题在水文学中很常见，但在贫穷国家，数据收集、质量评估、储存库提供和维护资源稀缺，这些问题更加严重[5]。这些缺失的径流间隙导致不同的问题，如解释数据，模型校准差，不正确的峰值径流时间，和偏斜的统计[6]。我们感兴趣的是使用完全分布式的水文模型来填充缺失的径流数据。我们还展示了https://doi.org/10.1016/j.jestch.2022.1013212215-0986/©2022 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchE. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013212利用校正后的模型模拟的土壤水分补给图、土壤水分图和实际蒸散图进行评价。有许多替代模型可用于估计缺失的径流数据，例如邻近测量仪的插值、统计方法[7缺失的数据[12 水文模型可以描述为通过能量或水平衡计算描述水文循环中物理过程的数学公式的组合[19]。农业用水、流域开发、径流预测和其他水资源开发业务都采用水文模型[20]。在以前的研究中，水文模型的数据填充过程使用以下模型进行：SIMHYD和GR4J模型[11]，机器学习算法[6，21]，HBV模型[11]，土壤和水评估工具（SWAT）模型[22]。使用统计和水文模型填充径流数据中的短间隙并不是一个新课题;然而，以前没有研究使用全分布式水文模型在时间序列的不同部分填充一整年的大连续间隙。本研究的主要目的是评估技能在适当的校准和验证方案后，分布式模型在填补数据空白方面的作用。为此，选择了两个对比鲜明的流域，即科尼亚封闭盆地和摩泽尔盆地。此外，中尺度水文模型（mHM）[23]使用完整的气象强迫，即降水、平均温度和潜在蒸散。我们采用情景分析方法，在数据的不同部分添加虚拟间隙，并使用实际流量观测值评估水文模型的性能。2. 模型描述中尺度水文模型（mHM）图1是一个空间显式分布式水文模型，考虑了冠层截留、积雪和融化、土壤水分动态、入渗、径流、蒸发和蒸腾、地下蓄水和排水、深层渗流和基流、排水消散和洪水定向。该模型由每日气象强迫图提供（例如，降水量、潜在蒸散量和平均温度），并利用流域的物理特性（例如，土壤质地、植被和地质特征）的多参数区划方法[24]。该模型在内部自动处理放大和缩小数据，以使用高分辨率（L0尺度）地文地表特征（例如，基于土地覆盖类别或作物功能种类、LAI、土壤质地、地质构造类型的DEM、坡度、坡向、根深），这是mHM的核心特征[25]。马斯京根演算法和其他两种演算法可用于估算流域出口处的流量[26]。 我们使用多参数区域化（MPR）方法[27]和一种新的路由方案，即自适应时间步长，空间变化的网格[28]。mHM模型已成功应用于德国多个河流流域，流域规模从4到47，000km2[29]，是目前欧洲最常用的分布式水文模型[30]。3. 研究区在这项研究中，两个集水区与非常不同的气候进行了评估。第一个是半干旱集水区，即Küçükmuhsine水位计（D16A100）评估的Konya封闭流域（KCB），而另一个集水区是北欧的封闭流域，即摩泽尔流域，它是Cochem水位计（6336050）评估的莱茵河下游支流。 二、科尼亚封闭流域是土耳其25个主要河流流域之一，是土耳其最大的流域，面积53850平方公里[31]。Fig. 1. 表示mHM中的确定水平、信息、形式和阶段的图表（来自https://www.ufz.de/index.php? en=40114）。E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013213图二.顶部面板-Küçükmuhsine（D16 A100）压力计（Konya封闭盆地）和底部面板-6336050-Cochem压力计（Moselle盆地）。科尼亚领导了土耳其最近发生的干旱问题。根据土耳其水利当局的数据，该盆地的年降水量为398毫米[32]，远低于该国平均水平619.3毫米[33]。尽管科尼亚是图尔基最干旱的土地，甚至在卡拉皮纳尔还有一大片沙漠，但科尼亚却拥有最大的由地下水井供水的农田，这导致了该地区干旱问题的进一步恶化此外，KCB的西部和东部也有非常不同的降水状况，KCB的内部和东部降水量最少，而西部降水量最多[32]。D16A100仪表位于科尼亚的中部面积401.7平方公里[34]。由于该站位于科尼亚盆地的半干旱区，该站的日流量值一般在0至1毫米之间。摩泽尔河是莱茵河的一条545公里长的西岸支流，流经法国东北部和西部。德国摩泽尔河发源于孚日山脉树木繁茂的山坡上，蜿蜒流过埃皮纳尔、圣文森特桥、图尔、弗鲁阿尔、梅斯和蒂翁维尔，最后离开法国不远处，形成德国-卢森堡边界。[35]第35段。摩泽尔河流域总面积约为27262平方公里，流域年径流量约为410毫米（130米3=秒）[36]。4. 数据mHM的气象输入，即日降水量（P）、潜在蒸散量（PET）和平均温度（Tavg）数据，自1950年以来，两个流域的数据没有任何间断，并以netCDF格式从ERA5数据库中检索位于科布伦茨（德国）的全球径流数据中心（GRDC）提供了在Cochem（测量仪编号6336050）的出口径流（Q）观测结果[37]。1997年以来D16A100流量计的流量记录E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013214X不XT .Σ2-ð -Þ þð-Þ þ ðb-ð ÞÞ至2018年，由土耳其国家水务局（DSI）提供（见表1）。根据我们之前在摩泽尔盆地的工作[38]，我们用了365天来预热模型进行校准。表2显示了我们的实验配置，以预测开始，中间和结束时的缺失数据根据每个流域的现有数据设计实验只有中间的间隔年，即2010年，对两个集水区来说是相同的。为了预测2010年缺失年份的日径流值，我们校准了摩泽尔2001-2009年期间和KCB 2004-2009年期间的mHM。同样，我们校准mHM为2002此外，我们校准了摩泽尔2008-2014年期间和KCB 2011-2017年期间的mHM由于校准于2017年3月结束，因此间隔年从2017年4月至2018年3月。应该注意的是，水文模型设置中实际上没有间隙，间隙是综合安排的，以测试表2中的假设场景。由于我们为模型提供了气象强迫，因此它模拟了假设为空（缺失）的任何时期的流量5. 方法我们仅使用Kling-Gupta效率（KGE）校准mHM模型，并使用Nash-Sutcliffe效率（NSE）和SPA效率（SPAEF）度量进行验证SPAEF特别用于评估水文模型的通量和状态图输出其中，a是观测（obs）和模拟（sim）模式之间的Pearson相关系数，b是代表空间变异性的变异系数的比例，c是观测和模拟通量图的两个直方图的直方图重叠[40]。在直接（简单）填充方法中，使用长期平均每日值。在多间隙分散在数据上的情况下，可以对每天进行相同的平均。例如，如果2008年1月5日的径流量从2002径流中的记忆也可以用来建立自回归模型;然而，长期平均值将是最安全的方法。Q填充的¼Qsimi=n-1 4式中，n是有径流数据的年份数，i是从1到n-1的每一年的径流数据6. 结果和讨论利用基于物理分布的mHM方法，对气候特征不同的两个流域的不同部分资料进行了一年作为基准，我们使用集总模型（即GénieRural á 4 paramétres Journalier（GR4J）和mHM）预测了分散在数据[41]中的小差距为此，在两个模型的模型校准中，随机选择70%的流量数据未被考虑（隐藏）（表4）。这个大KGE1qr12a1212然后在模型评估中使用大量缺失数据，1其中r表示相关系数，a是模拟Q除以观察到的Q，b是模拟Q的平均值除以我们研究中观察到的Q的平均值[39]。XQsimt-Qobst2未隐藏的30%部分和用剩余的70%进行评估。所有这些情况下，也比较了简单直接的长期平均法作为基线图。3.第三章。6.1. mHM模拟在间隔年NSE1-t1Qobs t-Qobst1/2ð2Þ图图3显示了模拟（红色）和观测（黑色）过程线for the gap间隔years年份in two basins盆地.虽然2003在2010年和2017年的差距中，它们被高估了。摩泽尔河流量一般和低流量在第一其中，Qsimt是时间t的模拟流量，Qobst是时间t的在时间t观测到的流量，Qobs是平均观测流量，T是时间步长的总数[39]。继KGE尤其是上半年，大多被低估了。对夏半年的低流量进行了很好的预测。最好的预测是在2015年，KGE为0.94。根据所有间隔年两个流域的KGE值，表明mHM在两个流域的表现良好，校准阶段。 表3中的结果表明，尽管SPAEF¼1-qa12b12c-12ð3Þ在模型校正中，KCB比Moselle允许10倍以上的迭代，mHM不能模拟表1mHM中使用的形态和气象数据数据定义摩泽尔科尼亚空间分辨率源空间分辨率源Q（每日）径流点GRDC点DSIP（每日）降水0： 0625分EOBs0： 25分ERA5ETref（每日）参考作物蒸散量0： 0625分EOBs0： 25分ERA5Tavg（每日）平均气温0： 0625分EOBs0： 25分ERA5赖土地覆盖基于每8天测量的叶面积指数（LAI）变化的12个月精确分布值森林、透水土地和城市地区0： 00195分0： 00195分MODISMODIS0： 00195分0： 00195分MODISMODISDEM数据坡度、坡向、流量积累和流向0：00195分SRTM0：00195分SRTM地质类16地质构造0：00195分UFZ-Leipzig0：00195分UFZ-Leipzig土壤数据2米深度的6层土壤数据（含砂量、粘土含量、容重）0： 00195HWSD and（ESD）0： 00195HWSD and（ESD）¼验证。换句话说，模型仅使用E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013215表2D16 A100-Küçükmuhsine压力计（Konya封闭盆地）和6336050-Cochem压力计（Moselle盆地站信息流域数据预热校准间隔年验证开始端天开始端开始端科尼亚·贝京10/01/200303/26/201836510/01/200512/31/2011二零零三年十月至二零零四年01/01/201303/26/2018科尼亚中10/01/200412/31/20092010年1月至12月01/01/201203/26/2018科尼亚角10/01/201103/26/20172017年4月至2018年10/01/200409/30/2010摩泽尔贝京11/01/190012/31/201501/01/200212/31/20082000年1月至12月01/01/201012/31/2015中摩泽尔01/01/200112/31/20092010年1月至12月01/01/201212/31/2015摩泽尔角01/01/200812/31/20142015年1月至12月01/01/200112/31/2007图3.第三章。每日观测值（黑线）、mHM模型模拟的流量（红线）和直接法模拟的流量（蓝线）。模型在不同年份的缺口填补性能，即2001/2004年（数据开始）、2010年（中间）和2015/2017年（结束）的KGE值见表3。表3D16 A100-Küçükmuhsine规范（科尼亚封闭盆地）和6336050-Cochem规范（摩泽尔盆地）的mHM模型的KGE和NSE结果设置校准验证mHM的间隔年性能计间隙位置迭代次数KGENSEKGENSEKGEKGE开始3000.930.860.750.770.8050.395科赫姆中间3000.910.90.490.540.620.401端3000.940.880.810.850.8590.515开始30000.880.770.570.540.688-0.427屈楚克穆赫辛中间30000.880.770.520.390.537-0.233端30000.880.770.02-0.37-1.645-0.121和在摩泽尔一样好。这一定是因为干旱河流中的降雨径流模拟比干旱低地河流中的降雨径流模拟更困难。根据Moriasi et al.[42]，由于NSE高于0.7，因此两个监测站的校准值可归类为良好然而，在验证部分的情况是不同的，因为模型不能看到和采用这个独立的时期。验证性能清楚地给出了关于模型在间隙填充阶段将如何反应的第一个提示，例如：KCB中“结束”病例的阴性NSE6.2. 针对整个数据中的小而频繁的差距进行基准测试在我们的研究中，连续365天的数据是缺失的;然而，在发展中国家的实际情况中，情况可能并非如此。更重要的是，在水文数据集中，更常见的是较短但频繁的空白。此外，更简单的模型可以用于相同的目的的间隙填充。因此，我们在框架中包含了一个集总模型作为基准。 代替连续365天，GR4J和mHM都用于模拟随机产生的短间隙，顺序为几天，E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）10132162002年至2015年，排放时间序列中的周数占总天数的70%尽管模型仅使用2002-2015年观测排放量的我们仅在mHM模型运行中添加了预热期，并使用mHM内部校准工具[43]中提供的动态搜索（DDS）算法然而，使用OSTRICH工具中可用的并行PA-DDS搜索算法，基于KGE和NSE的Pareto解校准GR 4J模型[44]。这样做是为了探索多目标校准的集总模型的附加值表4显示了基准运行的KGE和NSE值mHM和GR4J的填充间隙性能非常好即KGE和NSE均等于或大于0.89。当所有数据都用于估计模型性能时，KGE和NSE值也很高。 五、这些基准模型和运行清楚地表明，集总模型可以作为缺失放电数据插补的良好替代方案（图4）。与分布式模型相比，它们对数据的要求更低[11]。这些运行仅在摩泽尔进行，因为数据质量影响实验成功。6.3. 间隔年的模式通量图图6和图7分别显示了KCB和Moselle的通量图。我们评估了实际ET（aET），地下水（GW）补给和土壤水分（SM）的mHM模拟地图我们评估表4基准集总GR4J和分布式mHM模型的频繁和小间隙性能水槽-模型数据预热校准，30%数据缺失数据百分比填充间隙性能百分之七十开始端天开始端KGENSE摩泽尔-mHM11/01/190012/31/201536501/01/200212/31/2015百分之七十0.940.91摩泽尔-GR 4J0百分之七十0.940.89见图4。 GR4J的间隙填充性能。仅用一个随机年来说明丰、枯水期的径流动态。图五. GR4J观测和模拟径流的散点图。所有评估期均用于创建此图。E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013217图六、Konya C.B.的平均标准化六层aET（-）、年度标准化GW再充电（-）和平均标准化六层SM（-）填充-建模结果即aET（左侧）、SM（中间）和GW（右侧）也由每个颜色条下侧的标题表示图7.第一次会议。摩泽尔盆地的平均标准化六层aET（-）、年标准化GW补给（-）和平均标准化六层SM（-）填充模拟结果，即aET（左侧）、SM（中间）和GW（右侧）也由每个颜色条下侧的标题表示由于河流流量的记忆时间较长，因此模型的空间性能较之完成流量和状态栅格图相对容易，因为缺失流量数据的填补这不幸的是，集总模型估算的通量图有助于我们确定每日流量的不确定性，因此KCB中的低NSE和KGE值可归因于较差的通量图图6，因为通量产生径流，并最终在路由后排放。E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013218表5三种不同模式输出的两个径流观测站的Spaef结果。站时间SMAETGW再充电开始0.74-1.21-0.46屈楚克穆赫辛中间结束开始-1.660.520.25-1.53-1.250.49-2.14-0.140.70科赫姆中端-0.630.440.700.210.690.74表5显示了mHM在使用SPAEF指标模拟间隙年通量方面的性能。有趣的是，mHM在开始和结束情况下的土壤水分（SM）性能优于Cochem（图8）。Küçükmuhsine的实际ET和地下水补给的低值可能是由于这个封闭流域的灌溉活动。地下水井经常被用来取水，灌溉导致在3月至9月的生长季节期间非常高的植物蒸腾量。请注意，SPAEF值降至1表示更好的结果，如NSE和KGE。除了Küçükmuh正弦规范下的SM性能外，几乎所有Cochem规范下的SPAEF值都显示出更好的结果。此外，Fig. 8显示SM大多是假的-除了2010年在Cochem，mHM估计。这可以归因于降雨数据中的湿偏差或PET中的最后，为了确定模型的填补空白效率，使用常用的简单和直接的填补空白的方法进行了比较，从数据中取其他年份的平均值。图3显示，采用直接方法的过程线大多数情况下会错过观测过程线，而水文模型模拟的径流动态比简单的长期平均要好得多。除了2017年Küçükmuhsine量表填写的数据外，即上半年的高估导致KGE不佳（表3），图8.第八条。所有六个层的归一化土壤湿度的地带平均值（-）。E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）1013219水文模型的计算结果比直接法好。这种基线比较显示了我们全年水文模型测试的动机。数据中小间隙的插值方法可能工作良好;但是，如果要捕获径流动态，则必须使用水文模型。7. 结论利用KGE和NSE统计数据，对两个气候上不同的流域（即：土耳其的科尼亚封闭盆地和欧洲的摩泽尔盆地。根据主要结果可以得出以下结论：(1) 分布和集总模型均可用于缺失数据插补。他们是成功的，特别是持续的差距，需要捕捉流量动态在不同的季节，这是不同的时间序列比简单的拼凑。如果在通量和状态图中存在间隙，则分布式模型是必不可少的。(2) 模型在验证期内的表现是填补空白的一个指标然而，对于小的和频繁的间隙，这是不必要的，在这项研究中，我们只有30%的数据可用于校准。拆分这些数据进行校准和验证可能会妨碍填充性能，因为数据越长，模型信息越多，预期性能越好。(3) 不仅流量数据的长度，而且在校准过程中使用的迭代次数应计划至少300次模型运行（迭代），以使用具有全局搜索算法的分布式模型来填充间隙。应该仔细观察计算时间和模型性能改进之间的权衡，使用不同的模型空间分辨率来选择合适的尺度。特别是，路由尺度（L11）在mHM显着增加运行时间，因此，水文（L1）比路由尺度更高的分辨率应选择。(4) 水文模型的加密性能往往优于简单直接的方法。这种方法可以用于小的差距，但不适用于需要水文洞察力和气象投入的连续和长期差距。该研究框架可以推广应用于世界上其他数据稀缺的流域使用更简单的水文模型，如集总和半分布式模型突出的建模的目标的基础上。这项研究的动机是敢于填补很长的空白，即。连续365天使用分布式水文模型，也可以以同样的方式处理周和天尺度上的较小和频繁的间隙 在有ERA 5-Land、SRTM和GLDAS等免费提供的全球气象和地形数据集的情况下，建立基于物理的分布式模型并不困难。然而，有必要进一步研究半分布式和黑匣子水文模型的有效性，以填补分布在数据上的多个空白，这在发展中国家很常见。CRediT作者贡献声明Enes Ergün：概念化，方法论，数据策展，写作-原始草稿。Mehmet Cüneyd Demirel：软件，监督，写作-评论编辑。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。确认作者要感谢编辑和匿名审稿人提供了有见地的建议和意见，以提高研究论文的质量。我们感谢Zekiye Kulga女士在撰写本文时提出的意见和建议。我们感谢土耳其科学技术研究委员会（TÜBAUTAK）第118C020号拨款和土耳其国家高性能计算中心（UHeM）第118C020号拨款的财政支持。1007292019和4010982021。引用[1] M.C. Demirel ， M.J.Booij ， A.Y.Hoekstra ， Effect of different uncertaintysources on the skill of 10 day ensemble low flow forecasts for two hydrophobicmodels，WaterResourcesResearch49（7）（2013）4035https://doi.org/10.1002/[2] H. Li ， J. Sun ， H. Zhang ， J. Zhang ， K. Jung ， J. 金 ， Y 。 Xuan 、 黄 毛 菊X.Wang，F.李，水文频率分析需要多大的样本量才足够？水资源管理中30年水文样本 大 小 的 合 理 论 证DOI ： 10.3390/w10040430 。 https ： //www. mdpi.com/2073-4441/10/4/430的网站。[3] R.W.卡特，流量记录自动化，第474卷，地质调查，1963年。[4] A.克鲁格，W.F. Kraibrski，J.J. Niemeier，D.L.塞纳尔河Goska，桥梁安装的河流水位传感器（bmrss），IEEE Access 4（2016）8948https://doi.org/[5] M. Dembélé，F.Oriani，J. Tumbulto湾Mariéthoz湾Schaefli，在各种水文气候环境中使用直接采 样的每日径流时 间序列的间隙填充 ，水文学 杂志569（ 2019 ）573https://doi.org/10.1016/j。jhydrol.2018.11.076网站。https://www.sciencedirect.com/science/article/pii/S0022169418309648.[6] P. Arriagada，B.卡雷洛维奇岛Link，使用机器学习算法在数据稀缺地区自动填充每日径流时间序列，水文学杂志598（2021），https://doi.org/10.1016/j.jhydrol.2021.126454。https://www.sciencedirect.com/science/article/pii/S0022169421005011126454。[7] F.B. Hamzah，F. Mohd Hamzah，S.F. Mohd Razali，H. Samad，用于恢复水文研究中缺失数据的多重插补方法的比较，土木工程杂志7（9）（2021）1608-https://doi.org/https://www.civilejournal.org/index.php/cej/article/view/2949.[8] L. Slater，G. Villarini，在极端流量时间序列中差距对趋势检测的影响，国际气候学杂志37（10）（2017）3976https://doi.org/10.1002/joc.4954[9] A.M. Lucas-Moffat，F. Schrader，M.赫布斯特角Brümmer，涡度协方差数据集的多重间隙填充，农业和森林气象325（2022），https://doi.org/10.1016/j.agrformet.2022.109114。www.sciencedirect.com/science/article/pii/S016819232200301X109114.[10] Y. 妈，维。拉塞卡尔湖陈河，巴西-地Cifelli，量化aqpi间隙填充雷达网络通过wrf-hydro实验进行径流模拟的潜力doi.org/10.1175/JHM-D-20-0122.1[11] Y. Zhang，L.波斯特，水文模型对填隙径流数据有多好水文和地球系统科学22（8）（2018）4593-https://hess.copernicus.org/articles/22/ 4593/2018/.[12] C.L. 哈维，H。Dixon，J. Hannaford，An appraisal of the performance of data-infilling methods for application to daily mean river flow records in the UK，Hydrology Research 43 （ 5 ） （ 2012 ） 618 https://doi.org/10.2166/-636 ，www.example.com nh.2012.110.[13] A. Elshorbagy，S. Simonovic，U. Panu，Estimation of missing streamflowdata using principles of chaos theory ， Journal of Hydrology 255 （ 1 ）（2002）123-[14] P. P. Pagaliec，A.C.法弗尔角Prieur，T. Mathevet，使用动态回归模型重建缺失的每日径流数据，水资源研究51（12）（2015）9447https://doi.org/10.1002/2015WR017399[15] P. Gyau-Boakye ， G.A.Schultz ， Filling gaps in runoff time series in westafrica，HydrologicalSciencesJournal39（6）（1994）621https://doi.org/10.1080/[16] 诉Bessenbacher，S.I.塞内维拉特湖Gudmundsson，Climfill v0.9：智能间隙填充 地 球 观 测 框 架 ， 地 球 科 学 模 型 开 发 15 （ 11 ） （ 2022 ） 4569-https://doi.org/10.5194/gmd-15-https://gmd.copernicus.org/articles/15/4569/2022/的网站。E. Ergün和Mehmet Cüneyd Demirel工程科学与技术，国际期刊37（2023）10132110[17] M. 哈利勒，美国。帕努湾Lennox，基于组和神经网络的径流数据填充程序，水文学杂志241（3）（2001）153-网 址 ：http：//www.sciencedirect.com/science/article/pii/S0022169400003322[18] C.A.伍德豪斯，S.T. Gray，D.M.张文，水资源研究，2001，第10卷，第15期。doi：10.1029/2005WR004455。[19] M.T.阿尼斯湾Abdullah，M. Nawawi，N.N.N.阿布·拉赫曼，A.R.M. Piah，N.A.Zakaria，M. Syakir，A. Mohd，Omar，洪水分析的数值模拟技术，非洲地球科学杂志124（2016）478https://doi.org/[20] Y. Yulizar，S. Singh，使用各种自动校准技术的水文模型参数化，可持续地球评论1（2021）1https://doi.org/10.52547/sustainearth.1.4.1[21] C. Vega-Garcia，M. Decuyper，J. Alcázar，应用级联相关神经网络填补地中海每日 流 量 数 据 系 列 中 的 空 白 ， 水 11 （ 8 ） 。 DOI ： 10.3390/w11081691 。https://www.mdpi.com/2073-4441/11/8/1691。[22] W.B. Mbungu，J.J. Kashaigili，使用土壤和水评估工具评估数据稀缺的热带流域的水文：坦桑尼亚伊林加小鲁阿哈河流域的案例，现代水文学开放期刊07（2017）65https://doi.org/10.4236/ojmh.2017.72004。http://www.scirp.org/journal/doi.aspx？DOI=10.4236/ojmh.2017.72004。[23] L.作者：Samaniego，J. Brenner，J. Craven，M. Cuntz，G. Dalmasso，C.M.Demirel，N. Döring，M. Jing，M.卡鲁扎河库马尔湾Langenberg，J. Mai，S.Müller，J. Musuuza，V. Prykhodko，O. Rakovic，D.谢弗角施耐德，M。施伦湖许 勒 河 施 韦 普 峰 什 雷 斯 塔 角 ， 澳 - 地 Spieler ， S.Stisen ， S.Thober ， M.Zink ，S.Attinger ， 中 尺 度 水 文 模 型 - mhm v5.11.2 （ 2021 年 7 月 ） 。 10.5281/zenodo.5119952。https://doi.org/10.5281/zenodo.5119952的网站。[24] M. Jing，F.海斯河库马尔，W。Wang，T.菲舍尔，M。Walther，M.Zink，A.泽赫湖萨马涅戈岛Kolditz，S. Attinger，通过将中尺度水文模型（mhm v5.7）耦合到地下水模型opengeosys（ogs）来改进区域尺度地下水表示，地球科学模型开发11（5）（2018）1989-https://doi.org/10.5194/gmd-11-https://gmd.copernicus.org/articles/11/1989/2018/的网站。[25] L.萨马涅戈河库马尔，S。Attinger，中尺度网格水文模型的多尺度参数区域化，水资源。Res. 46. DOI：10.1029/2008WR007327。[26] S. Sinha，A.Hammond，H.Smith，Does enhanced model complex translatetobetterperformance ？ 英 国 流 域 尺 度 模 型 4 （ 2021 ） 。 得 双mc.manuscriptcentral.com/hyp值.[27] R. Schweppe，S. Thober，S. Müller，M.凯尔布林河库马尔，S。阿廷杰湖Samaniego ， Mpr 1.0 ： a stand-alone multiscale parameter regionalizationtool for improved parameter estimation of land surface models，GeoscientificModel Development 15 （ 2 ） （ 2022 ） 859 https://doi.org/10.5194/gmd-15--882，www.example.com 859-2022.[28] S. Thober，M.坎茨，M.凯尔布林河Kumar，J. 迈湖，澳-地Samaniego，多尺度路由模型mrm v1.0：分辨率从1到50公里的简单河流路由，地球科学模型开发12（6）（2019）2501-https://doi.org/[29] R.库马尔湾利夫内湖Samaniego，Toward computationally efficient large-scalehydrologic prediction with a multiscalel regionalization scheme ， WaterResources Research 49（2013）5700https://doi.org/10.1002/[30] M.C. Demirel，J. Mai，G. Mendiguren，J. 科赫湖Samaniego，S.结合卫星数据和适当的目标函数以改进空间格局分 布 式 水 文 模 型 的 性 能 ， 水 文 和 地 球 系 统 科 学 22 （ 2 ） （ 2018 ）