考虑参数估计中的不确定性的德国水通量和州的高分辨率数据集( A High-Resolution Dataset of Water Fluxes and States for Germany accounting for Uncertainties in the Parameter Estimation )

M Zink R Kumar M Cuntz L Samaniego

许多水文应用需要长期的、高分辨率的水文通量和状态数据,例如i）影响评估研究（例如。旱灾、水灾或气候变化分析）；需要水文气象或水文变量的状态或变异性的研究（例如：干旱、水灾或气候变化分析）；（二）需要水文气象或水文变量的状态或变异性的研究。气候模型输出的降尺度）,iii）需要水文变量作为输入或边界条件的建模研究（例如。地下水补给模拟）。由于对这种通量和状态进行长期、大规模的观测是不可行的，因此采用水文或陆地表面模型来得出这些通量和状态。通常，这些数据集是作为单个模型实现提供的，而不考虑输入、模型结构或等价模型参数集引起的不确定性。本研究的目的是分析和提供一个高分辨率的水文通量和状态数据集，考虑到由模型参数估计引起的不确定性。进一步研究了不同水文变量中不确定性的时空分布以及不确定性在不同模型分区中的叠加情况。感兴趣的水文变量是蒸散量、土壤湿度、补给量和产生的流量。使用中尺度水文模型mHM（www.ufz.de/mHM）对1950-2010年期间整个德国的水温进行了估算。空间分辨率为4公里，时间分辨率为1天。100个模型实现的集合是基于700个参数集，这些参数集是从德国七个主要河流流域的100个校准运行中得出的。在这700个参数集中，每一个集水的纳什-萨克利夫效率(NSE)超过0.65的参数集被过滤，这导致最后的100个参数集。根据222个其他集水区的观测径流对该模型进行了评估。该流域日流量的平均值和标准差分别为0.68和0.09，月流量的平均值和标准差分别为0.81和0.09。模拟的蒸散量是根据涡旋协方差站进行评估的。与其它季节的平均RMSE值为0.07mm d-1相比,春季植被期开始时的估算蒸散量误差最大(RMSE=0.39mmd-1)。这可能是由于MHM中没有一个动态植被模型。通量和状态的不确定度由100个系综成员的变异系数来评估。蒸散量的不确定度最低，平均变异系数为0.02，而补给量的不确定度最高，平均变异系数为0.2。水文变量的不确定性在一年中变化很大，但蒸散量几乎保持不变。例如，在夏末秋初，产生的放电表现出最大的不确定性。此时，土壤和地下水库中的水量最低，因此慢流和基流最低。此外，我们发现蒸散量、土壤水分或补给量的不确定性程度与模拟的流量并不叠加。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate adsabs.harvard.edu meetingorganizer.copernicus.org