为解决SWAT(soil and water assessment tool)模型在复杂情形下的参数不确定性分析问题,引入参数不确定性分析平台UQ-PyL(Uncertainty Quantification Python Laboratory),开发UQ-PyL与SWAT模型的耦合模块,使得UQ-PyL中的各种算法能够...为解决SWAT(soil and water assessment tool)模型在复杂情形下的参数不确定性分析问题,引入参数不确定性分析平台UQ-PyL(Uncertainty Quantification Python Laboratory),开发UQ-PyL与SWAT模型的耦合模块,使得UQ-PyL中的各种算法能够方便快捷地应用于SWAT模型的参数不确定性分析。为验证UQ-PyL用于SWAT模型参数不确定性分析的效果,在我国不同气候条件下的4个流域构建SWAT模型,综合对比评估UQ-PyL与SWAT-CUP对模型参数的不确定性分析结果。结果表明:UQ-PyL多种敏感性分析方法筛选出的敏感参数比SWAT-CUP单一方法筛选的结果更加合理;使用UQ-PyL率定的参数在4个流域应用中都表现良好,优化后模拟结果的纳什效率系数均在0.55以上,收敛次数在550次以内;在4个流域的模拟中,UQ-PyL能提供计算效率更高的算法ASMO,也能提供模拟结果更准确的算法SCE。综上,与SWAT模型相耦合的UQ-PyL能够支持SWAT模型用户在不同系统下对模型参数进行更高效的不确定性分析研究。展开更多
文摘为解决SWAT(soil and water assessment tool)模型在复杂情形下的参数不确定性分析问题,引入参数不确定性分析平台UQ-PyL(Uncertainty Quantification Python Laboratory),开发UQ-PyL与SWAT模型的耦合模块,使得UQ-PyL中的各种算法能够方便快捷地应用于SWAT模型的参数不确定性分析。为验证UQ-PyL用于SWAT模型参数不确定性分析的效果,在我国不同气候条件下的4个流域构建SWAT模型,综合对比评估UQ-PyL与SWAT-CUP对模型参数的不确定性分析结果。结果表明:UQ-PyL多种敏感性分析方法筛选出的敏感参数比SWAT-CUP单一方法筛选的结果更加合理;使用UQ-PyL率定的参数在4个流域应用中都表现良好,优化后模拟结果的纳什效率系数均在0.55以上,收敛次数在550次以内;在4个流域的模拟中,UQ-PyL能提供计算效率更高的算法ASMO,也能提供模拟结果更准确的算法SCE。综上,与SWAT模型相耦合的UQ-PyL能够支持SWAT模型用户在不同系统下对模型参数进行更高效的不确定性分析研究。
