[論文レビュー] A calibration framework for high-resolution hydrological models using a multiresolution and heterogeneous strategy

Ruochen Sun, Felipe Hernández+2 more|arXiv (Cornell University)|Apr 6, 2020

Hydrology and Watershed Management Studies参考文献 94被引用数 6

ひとこと要約

本論文は、感度に基づいてパラメータをグループ化し、複数回の最適化ランを繰り返して探索範囲を段階的に精錬することで、パラメータ推定を向上させる、マルチスケールかつ非均質なキャリブレーションフレームワークを提案する。この手法は、等価妥当性（equifinality）を低減し、パラメータ推定の現実性を高め、134パラメータを含む二重モデル実験において、従来の手法と比較して優れた計算効率を達成する。

ABSTRACT

Increasing spatial and temporal resolution of numerical models continues to propel progress in hydrological sciences, but, at the same time, it has strained the ability of modern automatic calibration methods to produce realistic model parameter combinations for these models. This paper presents a new reliable and fast automatic calibration framework to address this issue. In essence, the proposed framework, adopting a divide and conquer strategy, first partitions the parameters into groups of different resolutions based on their sensitivity or importance, in which the most sensitive parameters are prioritized with highest resolution in parameter search space, while the least sensitive ones are explored with the coarsest resolution at beginning. This is followed by an optimization based iterative calibration procedure consisting of a series of sub-tasks or runs. Between consecutive runs, the setup configuration is heterogeneous with parameter search ranges and resolutions varying among groups. At the completion of each sub-task, the parameter ranges within each group are systematically refined from their previously estimated ranges which are initially based on a priori information. Parameters attain stable convergence progressively with each run. A comparison of this new calibration framework with a traditional optimization-based approach was performed using a quasi-synthetic double-model setup experiment to calibrate 134 parameters and two well-known distributed hydrological models: the Variable Infiltration Capacity (VIC) model and the Distributed Hydrology Soil Vegetation Model (DHSVM). The results demonstrate statistically that the proposed framework can better mitigate equifinality problem, yields more realistic model parameter estimates, and is computationally more efficient.

研究の動機と目的

• 高解像度水文モデルのパラメータ空間が大きいという課題に対処すること。
• 高モデル複雑性および高解像度に起因する、パラメータ推定における等価妥当性を低減すること。
• 分散型水文モデルにおける自動キャリブレーションの計算効率を向上させること。
• 感度に基づいてパラメータ探索解像度を段階的に調整する、体系的で反復的なキャリブレーション戦略を開発すること。
• 反復的推定と動的範囲精錬を通じて、モデルパラメータの現実性と収束性を向上させること。

提案手法

• フレームワークは、パラメータの感度または重要性に基づいてグループに分割し、各グループに異なる解像度レベルを割り当てる。
• 最も感度の高いパラメータに高い探索空間解像度を割り当てる「分割統治」戦略を採用する。
• 反復的最適化手順により、複数のサブタスクを実行し、各ランでパラメータ探索範囲と解像度をグループごとに異なる非均質な設定とする。
• 各ランの後、過去の推定値と事前情報に基づき、パラメータ探索範囲を体系的に精錬する。
• このプロセスにより、パラメータが段階的に収束し、特に高感度パラメータが段階の初期に早く安定化する。
• 本手法は、VICおよびDHSVMモデルを用いた準実験的二重モデル設定を用いて評価された。134パラメータをキャリブレーションした。

実験結果

リサーチクエスチョン

• RQ1 マルチスケールかつ非均質なキャリブレーションフレームワークは、高解像度水文モデルにおける等価妥当性を低減できるか？
• RQ2 提案手法は、従来の最適化手法と比較して、パラメータ推定の現実性をどのように向上させるか？
• RQ3 このフレームワークは、大規模水文モデルキャリブレーションにおいて、計算効率をどの程度向上させるか？
• RQ4 感度に基づくパラメータグループ化は、キャリブレーション中の収束性と安定性にどのように影響するか？
• RQ5 反復的ランにおける動的範囲精錬は、より強固で信頼性の高いパラメータ推定をもたらすか？

主な発見

• 提案フレームワークは、従来の最適化ベースのキャリブレーションと比較して、等価妥当性問題を顕著に緩和する。
• 感度と反復フィードバックに基づき、探索範囲を体系的に精錬することで、より現実的なモデルパラメータ推定を実現する。
• 計算効率が向上し、高解像度モデルのキャリブレーションに要する時間とリソースを削減する。
• 高感度パラメータは、より高い解像度探索により、反復プロセスの初期段階でより信頼性高く収束する。
• ランごとの非均質な設定により、パラメータ空間の適応的探索が可能となり、全体のキャリブレーション性能が向上する。
• 統計的比較により、VICおよびDHSVMモデルで134パラメータをキャリブレーションする際、本フレームワークの正確性と効率性の優位性が確認された。