Key points are not available for this paper at this time.
摘要。这是由三部分组成的系列论文中的第三篇,我们通过该系列论文以对比的方式评估了无资料流域径流预测的性能。在 Parajka et al. (2013) 和 Salinas et al. (2013) 发表的前两篇论文中,基于对全球数千个案例研究的全面文献综述,评估了水文过程线和水文极端事件的区域化性能;而在本文中,我们针对一个一致且丰富的数据集,联合评估了一系列径流特征的预测性能。利用区域化降雨–径流模型以及考虑河网层次结构的地统计估计方法 Top-kriging,对奥地利 213 个流域的日径流时间序列进行了预测。从径流时间序列中提取了六种径流特征:年径流、季节性径流、流量历时曲线、枯水流量、丰水流量和径流水文过程线。在交叉验证(盲测)模式下,根据这些特征统计指标的偏差、误差分散度和未解释空间方差的比例来评估预测性能。对比评估结果表明,在奥地利,对于这两种方法和大多数特征而言,预测性能均随流域面积的增大而提高;对于区域化降雨–径流模型,预测性能往往随海拔升高而提高,而对气候特征的依赖性较弱。年径流和季节性径流的预测准确度高于所有其他特征。无资料流域丰水流量的空间变异性最难估计,其次是枯水流量。研究还表明,在奥地利这项数据丰富的研究中,地统计学方法(Top-kriging)的整体表现优于区域化降雨–径流模型。
Viglione et al. (Fri,) 对此问题进行了研究。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: