编辑推荐：
为解决五大湖地区缺乏高分辨率、长期校准的水文数据集问题，研究人员开展 GEM-Hydro 模型校准研究。结果显示校准后的模型在多水文变量模拟上表现良好，可用于多种分析。该研究为区域水资源管理和气候变化研究提供重要数据支持。
在地球的淡水版图中，五大湖地区占据着举足轻重的地位，它是全球最大的地表淡水系统，宛如一颗璀璨的明珠，滋养着美加两国约 3700 万人口。然而，在气候变化的大背景下，这片水域的水资源管理面临着严峻挑战。要想实现科学合理的水资源调配，精准掌握该地区的水文变化规律至关重要。但目前，相关研究存在诸多难题。一方面，现有的水文观测数据在时空分布上极为稀疏，难以全面反映区域内的水文状况；另一方面，以往基于物理的分布式水文模型研究，或多或少存在时间跨度短、分辨率低、模型未校准或数据未共享等问题，无法满足长期水文评估、驱动或校准路由模型等实际需求 。
为了突破这些困境，加拿大环境与气候变化部（Environment and Climate Change Canada，ECCC）等机构的研究人员踏上了探索之旅，他们将目光聚焦于 GEM-Hydro 模型的校准研究 。经过不懈努力，研究人员成功校准了 GEM-Hydro 模型，并基于此生成了一系列水文输出数据。这一成果意义非凡，它不仅为区域水资源管理提供了关键数据支撑，还为深入研究气候变化对水文循环的影响筑牢了根基，相关研究成果发表在《Scientific Data》上。
在研究过程中，研究人员运用了多种关键技术方法。首先，他们采用 MESH-SVS-Raven 模型替代 GEM-Hydro 模型进行校准，以节省计算时间。校准过程中，利用 Dynamically Dimensioned Search（DDS）校准算法对 MESH-SVS-Raven 模型进行参数优化。之后，将校准后的参数转移到 GEM-Hydro 模型中，并对模型进行了全面评估，包括对辅助水文变量和近地表气象变量的评估，确保校准过程不会对其他变量的模拟产生负面影响。
下面来详细看看研究结果。
- 校准方法的具体步骤与参数调整：研究采用了与 GRIP-GL 项目类似但又有改进的校准方法。先对 MESH-SVS-Raven 模型进行校准，针对六大主要子域采用全局校准方法，以各子域内流量站的平均日流量计算目标函数（Objective Function，OF） 。使用 DDS 校准算法，设定最大迭代次数为 240 次。校准参数多为乘法系数，对部分参数还施加了约束条件 。例如，为了更精准地模拟农业区域的水文过程，研究人员创新性地引入特定校准参数，分别用于调整农业区域第 5 层土壤的水平水力传导率和前三层土壤的垂直水力传导率，以此来体现 tile drains 和耕作对土壤水力特性的影响。
- 模型性能评估与比较：从流模拟性能来看，校准后的 GEM-Hydro 模型表现出色。在 212 个流量站的评估中，校准后的模型相较于默认版本，Kling-Gupta Efficiency（KGE）中值提升近 0.2，75% 的站点在 KGE 和 Nash-Sutcliffe criteria（NSE）标准下性能有所改善 。不过，在部分站点也出现了流量峰值和流量体积高估的现象，这主要是由于校准参数对农业区域水力传导率的调整，未来或可通过更精准的参数设定来优化。在辅助水文变量方面，对比默认和校准版本的 GEM-Hydro 模型，以 Global Land Evaporation Amsterdam Model（GLEAM）v3.5b 和 ERA-5 Land 等为参考数据集，结果表明两者在总蒸发蒸腾（EvapoTranspiration，ET）、浅层土壤湿度（Surface Soil Moisture，SSM）和积雪当量（Snow Water Equivalent，SWE）等变量上表现相似，但在部分区域仍存在差异 。例如，在农业区域，模型对 ET 的模拟值高于参考数据集；在大湖地区北部，SSM 模拟与参考数据集差异较大；在 SWE 模拟上，与 ERA-5 Land 相比，GEM-Hydro 在部分区域存在高估现象。对于近地表气象变量，研究利用 ECCC 内部验证工具 “EMET”，对比校准前后模型模拟的 2-m 气温（TT）、2-m 露点（TD）和 10-m 风速（UV）与原位观测值的差异。结果显示，校准版本在 TT 和 TD 偏差上有小幅度改善，而风速方面有小幅度下降，但总体差异较小，可忽略不计。
- 模型设置的调整与数据处理：研究对 GEM-Hydro 模型的设置进行了优化，采用 GEM-Surf 6.2.0 版本，使用 Harder 和 Pomeroy（2013）的降水相分配方法（Precipitation Phase Partitioning Method，PPM），并更新了地理物理场数据来源。为避免子域边界参数突变，对校准参数进行了平滑处理 。在数据处理上，对 GEM-Hydro 输出的各种变量进行了细致处理，如将原始输出的累积通量转换为每小时通量，根据模型输出计算网格单元的平均陆地 SWE，调整植被储水量（WVEG）使其对应整个陆地表面面积等 。此外，还对数据进行了筛选，去除了研究区域外的数据，并将相关数据转换为 netcdf 格式以便使用。
综合来看，此次研究成功校准了 GEM-Hydro 模型，生成的数据集涵盖了丰富的水文变量，时间跨度长达 2001 - 2018 年，空间上覆盖五大湖和渥太华河流域。这一成果为区域水资源管理、气候研究等提供了高质量的数据基础。尽管在部分区域和变量模拟上仍有改进空间，但无疑为后续研究指明了方向，对推动水文科学发展、保障区域水资源可持续利用具有重要意义。
