将流域模型作为多重工作假设进行评估：误差度量、参数采样、模型结构与数据信息内容的作用
统计方法学
2020-09-03 v1 数据分析、统计与概率
地球物理
应用统计
摘要
为将模型作为假设进行评估，我们发展了通量映射方法，以基于主导产流机制构建假设空间。给定其模拟的径流组分，将可接受模型运行（定义为具有相似（且最小）模型误差的总模拟流量）映射到假设空间。在每个建模案例中，假设空间是以下因素相互作用的结果：模型结构与参数化、所选误差度量以及数据信息内容。本研究的目的是厘清各因素在模型评估中的作用。我们使用了两种模型结构（SACRAMENTO 与 SIMHYD）、两种参数采样方法（参数空间的拉丁超立方采样与解空间的引导搜索）、三种广泛使用的误差度量（Nash-Sutcliffe 效率——NSE、Kling-Gupta 效率技能分数——KGEss、以及 Willmott 改进的吻合指数——WIA），以及来自澳大利亚大样本流域的水文数据。首先，我们在独立于任何建模的情况下刻画了这三种误差度量在不同误差类型与量级下的行为。随后我们进行了一系列受控实验以揭示各因素在产流假设中的作用。我们表明，相较于 NSE 与 WIA，KGEss 是更可靠的模型评估度量。我们进一步证明，仅改变误差度量——而其他因子保持不变——即可改变模型解空间，从而改变模型表现、参数采样充分性以及通量图。我们展示了不可靠的误差度量与不充分参数采样如何损害基于模型的推断，尤其是产流假设。
引用
@article{arxiv.2009.00729,
title = {Evaluating Catchment Models as Multiple Working Hypotheses: on the Role of Error Metrics, Parameter Sampling, Model Structure, and Data Information Content},
author = {Sina Khatami and Timothy John Peterson and Murray C Peel and Andrew Western},
journal= {arXiv preprint arXiv:2009.00729},
year = {2020}
}