水文模型用于刻画自然系统中的水流动过程，是水资源规划与管理的重要工具。然而，这类模型高度依赖天气等外部输入数据，其中降水在测量与准确表达方面长期存在困难。国际研究团队近日在《环境建模与软件》发表研究，提出一种用于更好表征水文模型中降水不确定性的新方法，以提升模型性能。

伊利诺伊大学厄巴纳-香槟分校农业与生物工程系研究助理教授Jorge Guzman表示，降水在时间与空间上的变化幅度很大。在较大区域内可能仅有一个气象站提供观测，但湍流风等因素会导致降水在空间上快速变化；若将观测结果作为单一数值输入模型，可能会扭曲对区域降雨的刻画。

研究的合作背景来自哥伦比亚东北部Tona流域。哥伦比亚桑坦德工业大学的Dany Hernandez与Sandra Villamizar正在评估土地利用变化对该流域的影响。Tona流域是布卡拉曼加大都市区的主要水源地，两人使用水文模型估算流域泥沙产量与水量时，在降雨表征方面遇到挑战。

Villamizar指出，在缺乏先进气象站的情况下，降水数据采集难度较大。她表示，哥伦比亚许多地区依赖人工读数，即每天一到两次由人员外出记录测量值，因此降水数据可能不够准确。为改进模型校准，Villamizar与Hernandez邀请Guzman以及同系副教授Maria Chu参与合作。

Guzman介绍，哥伦比亚团队掌握Tona流域的降雨与径流数据，通常降水量增大时排水量也应随之增加。研究团队据此开发算法，对水文模型进行逐步反向校正，以缩小差异并改善降水输入的表现。

研究人员在多个流域对该框架进行评估，包括美国伊利诺伊州中部的桑加蒙河流域，以及巴西的格兰德河流域和杰基廷霍尼亚河流域。巴西联邦拉夫拉斯大学的合著者Camila Ribeiro与Carlos de Mello参与了相关工作。研究团队表示，这些区域覆盖从伊利诺伊州平原到巴西山区等不同地形特征，而地形会显著影响降雨的空间变异性，并进一步影响土壤侵蚀、干旱与洪水管理以及水利结构。

在模型测试方面，研究团队使用三种常用水文模型验证算法效果：伊利诺伊州的土壤与水评估工具（SWAT），以及巴西的综合水文建模软件（MIKE-SHE）和分布式水文模型（MHD）。结果显示，三种模型的性能均得到提升，其中SWAT表现最为稳定，准确率较现有方法最高提升18%。研究人员指出，这一结果凸显了在传统校准之外纳入降水不确定性影响的重要性。

Hernandez表示，本研究通过开发结构分析框架，将参数校准与动态降水校正结合，用以应对水文建模中的常见限制，相关性能指标出现显著改善。

研究团队称，已将反向校正工具免费提供给其他研究人员，软件及应用说明可通过论文所列渠道在线获取。