[논문 리뷰] Development and analysis of a Bayesian water balance model for large lake systems

Joeseph P. Smith, Andrew D. Gronewold|arXiv (Cornell University)|2017. 10. 26.

Hydrology and Watershed Management Studies인용 수 4

한 줄 요약

이 논문은 대규모 호수를 위한 베이지안 수문 평형 모델(L2SWBM)을 개발하여, 마르코프 체인 몬테카를로(MCMC)를 활용해 여러 불확실한 자료원을 통합함으로써 수문 성분의 불확실성 정도를 정량화한다. 이 프레임워크는 수문 평형을 고려한 최적의 모델 구조를 도출하여 레이크 수퍼리어와 레이크 미시간-휴론에서 높은 계산 효율성과 신뢰할 수 있는 불확실성 범위를 확보하며, 대규모 호수 시스템의 견고한 수문학적 분석을 가능하게 한다.

ABSTRACT

Water balance models (WBMs) are often employed to understand regional hydrologic cycles over various time scales. Most WBMs, however, are physically-based, and few employ state-of-the-art statistical methods to reconcile independent input measurement uncertainty and bias. Further, few WBMs exist for large lakes, and most large lake WBMs perform additive accounting, with minimal consideration towards input data uncertainty. Here, we introduce a framework for improving a previously developed large lake statistical water balance model (L2SWBM). Focusing on the water balances of Lakes Superior and Michigan-Huron, we demonstrate our new analytical framework, identifying L2SWBMs from 26 alternatives that adequately close the water balance of the lakes with satisfactory computation times compared with the prototype model. We expect our new framework will be used to develop water balance models for other lakes around the world.

연구 동기 및 목표

• 대규모 호수 수문 평형 모델에서 측정 불확실성과 편향을 통합할 수 있는 통계적 프레임워크의 부족을 해결하기 위해.
• 기존의 덧셈 계산 방식을 개선하여 독립된 자료원 간의 불확실성과 상관관계를 통합하는 베이지안 수문 평형 모델(L2SWBM)을 개발하기 위해.
• 정확성과 계산 효율성을 균형 잡는 실험 설계 방법을 통해 레이크 수퍼리어와 레이크 미시간-휴론에 최적의 모델 구조를 식별하기 위해.
• 세계 각지의 다른 대규모 호수에 대해 유사한 모델을 개발할 수 있는 확장 가능한 프레임워크를 제공하기 위해.

제안 방법

• 모델은 베이지안 계층적 프레임워크를 사용하여 수문 성분(강수, 증발, 유역유출, 유입, 유출, 이면수)의 불확실성 정량화를 포함해 추정한다.
• JAGS를 통한 마르코프 체인 몬테카를로(MCMC) 시뮬레이션을 활용해 모델 매개변수의 사후 분포를 추론하며, 입력 추정치의 편향과 정밀도를 포함한다.
• 수문 평형은 월간 수위 변화의 누적합으로 표현되며, 모델링되지 않은 동역학을 고려하기 위해 과정 오차 항목이 포함된다.
• 실험 설계 방법을 통해 26종의 모델 변형을 평가하고, 수문 평형을 잘 닫고 계산 시간이 수용 가능한 모델을 선정한다.
• 정밀도 매개변수에 비정보성 감마 우선분포(Gamma priors)를 사용하며, 사후 분포는 MCMC 샘플링을 통해 추론한다.
• 모델 성능 평가에는 편향과 정밀도에 대한 95퍼센트 신뢰구간을 사용하며, 사후 히스토GRAM과 편향도를 통해 결과를 시각화한다.

실험 결과

연구 질문

• RQ1 26종의 모델 변형 중에서 레이크 수퍼리어와 레이크 미시간-휴론의 수문 평형을 가장 잘 닫고 계산 효율성도 유지하는 최적의 모델 구조는 무엇인가?
• RQ2 독립된 자료원 간의 측정 불확실성, 편향, 상관관계는 어떻게 정량화하고 대규모 호수 수문 평형 모델에 통합할 수 있는가?
• RQ3 다양한 우선가정이 수문 성분의 정밀도 및 편향 추정치에 미치는 영향은 어떠한가?
• RQ4 두 호수의 시간에 따라 변화하는 추론된 편향과 신뢰구간은 성분(예: 강수, 증발, 유출 등)에 따라 어떻게 달라지는가?
• RQ5 베이지안 프레임워크는 수자원 관리에 기여할 수 있는 신뢰할 수 있고 불확실성 정량화가 가능한 수문 성분 추정치를 제공할 수 있는가?

주요 결과

• 모델 f12FF가 최적의 구성으로 확인되었으며, 수문 평형 닫기와 계산 효율성 사이의 균형을 잘 이룩하였다.
• 레이크 수퍼리어의 강수 추정치 편향에 대해 추론된 95퍼센트 신뢰구간은 매달 -1.2 mm에서 1.8 mm 사이였으며, 이는 낮은 체계적 오차를 의미한다.
• 레이크 미시간-휴론의 유출 편향(Q)은 평균 -0.18 mm/월이며, 95퍼센트 신뢰구간은 -0.27에서 -0.12 mm/월 사이였으며, 약간의 과소추정을 시사한다.
• 레이크 수퍼리어의 유역유출 추정치 정밀도는 σ = 13.60 mm(95% 신뢰구간: 11.91–15.91 mm)로 추정되어 중간 정도의 불확실성을 반영한다.
• 사후 히스토GRAM 분석 결과, 20개의 정밀도 매개변수 중 16개가 비정보성 우선분포를 사용하여 강한 데이터 기반 추론을 나타낸다.
• 모델은 두 호수의 수문 평형을 성공적으로 닫았으며, 과정 오차 항목(ε)의 표준편차는 레이크 수퍼리어의 경우 8.62 mm, 미시간-휴론의 경우 모델 변형에 따라 8.62–11.28 mm로 나타났다.