[论文解读] A Data Scientist's Guide to Streamflow Prediction

Martin Gauch, Jimmy Lin|arXiv (Cornell University)|Jun 5, 2020

Hydrology and Watershed Management Studies参考文献 15被引用 7

一句话总结

本文为数据科学家进入径流预测领域提供了全面指南，阐明了水文概念、建模框架及实际考量。文章概述了如何利用气象和地理空间输入，应用机器学习模型预测径流，强调了径流与径流流量之间的区别、汇流模型的作用，以及在业务场景中数据同化和开环预报的重要性。

ABSTRACT

In recent years, the paradigms of data-driven science have become essential components of physical sciences, particularly in geophysical disciplines such as climatology. The field of hydrology is one of these disciplines where machine learning and data-driven models have attracted significant attention. This offers significant potential for data scientists' contributions to hydrologic research. As in every interdisciplinary research effort, an initial mutual understanding of the domain is key to successful work later on. In this work, we focus on the element of hydrologic rainfall--runoff models and their application to forecast floods and predict streamflow, the volume of water flowing in a river. This guide aims to help interested data scientists gain an understanding of the problem, the hydrologic concepts involved, and the details that come up along the way. We have captured lessons that we have learned while "coming up to speed" on streamflow prediction and hope that our experiences will be useful to the community.

研究动机与目标

• 通过向数据科学家提供径流预测的基础知识，弥合数据科学与水文学之间的差距。
• 为机器学习从业者澄清核心水文概念，如径流、径流流量、流域和水文站。
• 解释在径流预测中集总模型与（半）分布式模型之间的区别。
• 解决在无观测流域建模的挑战，以及数据同化在业务预报中的作用。
• 支持开发可泛化、具有物理可解释性的模型，以用于洪水预测与气候适应。

提出的方法

• 本文提出了一种形式化的建模框架，将径流预测建模为一个监督学习问题，使用气象强迫输入 $X$ 和静态地球物理数据 $\Sigma$。
• 区分了开环预报（不使用历史径流作为输入）与数据同化（使用历史径流 $y_{t-k+1}, \dots, y_{t-1}$ 作为输入）。
• 模型输出 $\hat{y}_t$ 通过函数 $f(\Sigma, X_{t-k+1}, \dots, X_t; \theta)$ 预测，其中 $\theta$ 表示可学习参数。
• 对于集总模型，输入在全流域上聚合；而对于（半）分布式模型，使用尺寸为 $h \times w$ 的空间网格化输入。
• 本文使用时间序列数据 $\mathcal{D} = \{(X_t, y_t)\}_{t=1}^T$ 形式化预测任务，与标准机器学习工作流程对齐。
• 强调尽管在具有物理可解释性的模型中常省略历史径流，但可通过数据同化将其纳入以提升预报精度。

实验结果

研究问题

• RQ1 在气候变化和极端天气事件背景下，数据科学家如何有效参与径流预测？
• RQ2 支撑径流建模的关键水文概念（如径流、径流流量、流域和水文站）有哪些？
• RQ3 集总模型与（半）分布式模型在输入表示和应用上存在哪些差异？
• RQ4 与开环预报相比，数据同化在多大程度上提升了径流预报精度？
• RQ5 如何将基于有观测流域训练的模型，应用于无观测流域（无径流测量）？

主要发现

• 径流预测是一项时空任务，需对流域内径流的汇流过程进行建模，径流流量在水文站测量，单位为立方米每秒。
• 径流在网格单元或子流域上定义，常由水文模型内部建模，而评估则基于水文站在观测到的径流流量。
• 数据同化通过整合历史径流测量提升了预报精度，但可能损害模型的物理可解释性。
• 在无观测流域中，模型必须在一个流域上训练并在另一个无真实值的流域上应用，这对泛化能力构成重大挑战。
• 使用静态地理空间数据 $\Sigma$（如高程、土地覆盖）和时间序列强迫输入 $X$（如降水、气温）是集总模型与分布式模型方法的核心。
• 尽管径流具有高度自相关性，但许多基于物理动机的模型仍会省略历史径流以保持可解释性，并支持在无观测流域中的应用。