胡玉乾/张春晓：基于可微建模技术的流域分类与水文相似性分析【Journal of Hydrology，2025】

2025-02-14     发布：[信息工程学院]    点击：12次

地理过程的相似性对地理环境认知和人地关系和谐发展具有重要指导意义。在水文学研究领域，探明集水区的水文行为一直是核心任务。近年来，随着水文数据采集技术的进步，学者利用大规模的水文气候数据集展开了深入的研究，希望揭示集水区水文行为与流域属性及气候条件之间的复杂关系。本研究团队深耕物理引导的深度学习水文建模研究，结合大规模的水文气候数据集与AI混合水文模型，开展了关于集水区水文行为动态演变的创新研究。

研究采用混合水文模型，该模型结合了过程驱动模型和机器学习技术的优势（图1），能够在保留物理合理性的基础上，提高预测性能（图2）。通过分析积雪、水融、土壤水分及蒸散发等因素，描绘了各群组的水储存和释放行为，并探讨了这些行为与流域属性之间的联系。研究结果表明: 大多数群组表现出不同程度的空间连续性，但群组内部的流域之间仍存在显著差异（图3）；大多数群组在水储存和释放行为上具有相似性，但一些极端流域则偏离这一趋势（图4）。

图1混合水文模型示意图

图2不同模型预测性能对比

图3不同流域集群流态序列

图4流域集群水文行为箱形图

本研究受到国家自然科学基金(42371425, 42330108, 和42077438) 的联合资助。该项研究成果发表在地球科学领域顶级期刊《Journal of Hydrology》（JCR-Q1，中科院一区Top，IF：5.9）。

引用格式：Hu, Y., Li, H., Zhang, C., Xu, B., Chu, W., Shen, D., & Li, R. (2025). "Streamflow regime-based classification and hydrologic similarity analysis of catchment behavior using differentiable modeling with multiphysics outputs." Journal of Hydrology, 653, 132766.

全文链接： https://doi.org/10.1016/j.jhydrol.2025.132766

模型源码：https://github.com/lhmygis