[논문 리뷰] A calibration framework for high-resolution hydrological models using a multiresolution and heterogeneous strategy

Ruochen Sun, Felipe Hernández외 2명|arXiv (Cornell University)|2020. 04. 06.

Hydrology and Watershed Management Studies참고 문헌 94인용 수 6

한 줄 요약

이 논문은 고해상도 수문 모델을 위한 다중해상도 및 이종 캘리브레이션 프레임워크를 제안하며, 민감도에 따라 매개변수를 그룹화하고 다중 최적화 실행 동안 검색 범위를 반복적으로 정밀화함으로써 매개변수 추정을 향상시킨다. 이 방법은 등가결론 문제를 감소시키고, 매개변수 추정의 현실성과 기존 접근법에 비해 뛰어난 계산 효율성을 확보한다. 134개의 매개변수를 포함한 더블모델 실험에서 성능이 향상된다.

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.

연구 동기 및 목표

• 고해상도 수문 모델의 큰 매개변수 공간을 캘리브레이션하는 데 도전하는 데 목적을 두며.
• 고해상도 및 높은 모델 복잡도로 인한 등가결론 문제를 감소시키기 위해.
• 분산 수문 모델에서 자동 캘리브레이션의 계산 효율성을 향상시키기 위해.
• 민감도에 따라 매개변수 검색 해상도를 적응적으로 조정하는 체계적이고 반복적인 캘리브레이션 전략을 개발하기 위해.
• 민감도 기반 반복 피드백을 통해 매개변수의 현실성과 수렴성을 향상시키기 위해.

제안 방법

• 모델 매개변수를 민감도 또는 중요도에 따라 그룹으로 나누며, 각 그룹에 다른 해상도 수준을 할당한다.
• 분할 정복 전략을 활용하여, 가장 민감한 매개변수에 대해 검색 공간에서 가장 높은 해상도를 우선 배정한다.
• 반복 최적화 절차를 통해 여러 단계의 하위 작업을 수행하며, 각 실행에서 매개변수 검색 범위와 해상도를 그룹별로 다르게 설정한 이종 구성이 적용된다.
• 각 실행 후, 이전 추정치와 사전 정보를 바탕으로 매개변수 검색 범위를 체계적으로 정밀화한다.
• 이 과정을 통해 매개변수는 점진적으로 수렴하며, 고민감도 매개변수는 순서상 빨리 안정화된다.
• 이 방법은 VIC 및 DHSVM 모델을 사용한 준합성 더블모델 설정을 통해 평가되었으며, 134개의 매개변수를 캘리브레이션한다.

실험 결과

연구 질문

• RQ1 다중해상도 및 이종 캘리브레이션 프레임워크는 고해상도 수문 모델에서 등가결론 문제를 감소시킬 수 있는가?
• RQ2 기존 최적화 방법에 비해 제안된 프레임워크는 매개변수 추정의 현실성에서 어떻게 향상되는가?
• RQ3 이 프레임워크는 대규모 수문 모델 캘리브레이션에서 계산 효율성을 얼마나 향상시키는가?
• RQ4 민감도 기반 매개변수 그룹화는 캘리브레이션 중 수렴성과 안정성에 어떻게 영향을 미치는가?
• RQ5 반복 실행 동안 동적 범위 정밀화는 더 강력하고 신뢰할 수 있는 매개변수 추정치를 이끌어낼 수 있는가?

주요 결과

• 제안된 프레임워크는 기존 최적화 기반 캘리브레이션에 비해 등가결론 문제를 상당히 완화한다.
• 민감도 기반으로 검색 범위를 체계적으로 정밀화하고 반복 피드백을 통한 이론적 접근을 통해 더 현실적인 모델 매개변수 추정치를 도출한다.
• 이 방법은 고해상도 모델의 캘리브레이션에 소요되는 시간과 자원을 줄여 더 뛰어난 계산 효율성을 달성한다.
• 고민감도 매개변수는 더 높은 해상도 검색 덕분에 더 신속하고 안정적으로 수렴한다.
• 실행 간 이종 구성은 매개변수 공간의 적응적 탐색을 가능하게 하여 총괄적인 캘리브레이션 성능을 향상시킨다.
• 통계적 비교 결과, VIC 및 DHSVM 모델에서 134개의 매개변수를 캘리브레이션할 때 프레임워크의 정확성과 효율성에서 뛰어난 성능을 입증한다.