【儀表網(wǎng) 研發(fā)快訊】陳利頂團(tuán)隊(duì)與來自包括中國科學(xué)院地理科學(xué)與資源研究所、南海海洋研究所，美國普渡大學(xué)、賓夕法尼亞州立大學(xué)、奧本大學(xué)、加州大學(xué)戴維斯分校、佛蒙特大學(xué)、美國國家大氣研究中心、拜耳公司美國分部等多家科研和企業(yè)單位的研究人員合作，開發(fā)了分布式模型參數(shù)優(yōu)化工具(Distributed Model Parameter Optimization Toolbox)，并將該工具同廣泛使用的SWAT模型進(jìn)行耦合，構(gòu)建DMPOTSWAT軟件工具。該成果發(fā)表于《Environmental Modelling & Software》 期刊(文章鏈接：https://doi.org/10.1016/j.envsoft.2023.105785 )。注冊儀表網(wǎng)，馬上發(fā)布/獲取信息
 

　　水文模型通常采用分布式參數(shù)設(shè)置，這種設(shè)置方式雖然提高了模型對水文水質(zhì)過程的空間異質(zhì)性和同人類活動的相互作用的復(fù)雜性的表征能力，但是也極大地提高了模型校驗(yàn)的難度，于是研究人員便開發(fā)出來了許多能夠進(jìn)行對分布式模型進(jìn)行自動校驗(yàn)的工具。然而，當(dāng)前的校驗(yàn)工具多采用集總式(The Lumped Mode)的校驗(yàn)方式對分布式模型及進(jìn)行校驗(yàn)。集總式的模式是說在分布式模型的參數(shù)校驗(yàn)過程中，通常是按照統(tǒng)一的校驗(yàn)算法來對模型進(jìn)行修改，比如同一個參數(shù)在不同子流域都進(jìn)行相加、相減或者按照統(tǒng)一比例變化，最后得出一套最優(yōu)的參數(shù)變化規(guī)則來適配全流域。
 

　　這對于空間異質(zhì)性不高、水系簡單的流域模型來說是可行的，但是對于空間異質(zhì)性普遍較高、人類活動影響較大、水系結(jié)構(gòu)復(fù)雜的流域來講，不同的子流域?qū)ν粋€參數(shù)可能是需要不同的修改規(guī)則，有的子流域需要增大，有的則需要減小。針對該需求，當(dāng)前研究中提出的是順序校驗(yàn)，也就是從上游向下游子流域組進(jìn)行依次校驗(yàn)。校驗(yàn)下游過程中，保持上游子流域組的參數(shù)不變。這種模式有三個缺點(diǎn)，一個是需要多次校驗(yàn)，另一個是無法實(shí)現(xiàn)上下游之間參數(shù)的共同演進(jìn)，第三個是無法適用于水系復(fù)雜的流域。
 

　　基于這樣的問題，我們設(shè)計(jì)了分布式的校驗(yàn)?zāi)Ｊ?，如下圖所示。按照流域的出口對子流域進(jìn)行分組，將不同的組同時但分別進(jìn)行優(yōu)化，最后得出適合于每一子流域組的最優(yōu)參數(shù)修改規(guī)則。這種校驗(yàn)?zāi)Ｊ皆诋?dāng)前的校驗(yàn)工具中尚不能實(shí)現(xiàn)。為了實(shí)現(xiàn)模式的應(yīng)用，我們利用python語言將其開發(fā)出來，產(chǎn)品如下圖所示。在軟件中利用深度優(yōu)先算法(Depth first search)對子流域組進(jìn)行劃分，參數(shù)的優(yōu)化采用動態(tài)維度算法(Dynamic Dimension Search)，優(yōu)化過程中，對每一個子流域組進(jìn)行單獨(dú)優(yōu)化。該算法不僅實(shí)現(xiàn)了不同子流域組之間的同時優(yōu)化，也免去了多次校驗(yàn)的需求，極大地提高了校驗(yàn)的效果和效率。該軟件發(fā)布之后，經(jīng)過在中美多個類型的流域進(jìn)行測試，都取得了良好的效果。
 

　　當(dāng)前該軟件可以在生態(tài)環(huán)境中心城市與區(qū)域生態(tài)國家重點(diǎn)實(shí)驗(yàn)室的生態(tài)模型云平臺(http://dse.rcees.cas.cn/kyzy/stmx/)、GitHub和Gitee等網(wǎng)站下載，其中包含了詳細(xì)的使用手冊，并保持對該軟件的維護(hù)，歡迎有需要的研究人員測試使用，并為軟件的改進(jìn)提出寶貴的意見(聯(lián)系人：馮青郁，電子郵件：qyfeng18@rcees.ac.cn)。