卡哈巴流域水文变量预测分析——融合时间序列与机器学习以提升水资源管理精度 | MDPI Earth

本研究针对美国亚拉巴马州卡哈巴流域，提出了一种融合物理模型(SWAT)、时间序列模型(Prophet)与机器学习多输出回归的混合预测框架。背景为传统水文模型在处理非线性数据时面临挑战，研究旨在提升水文变量预测精度以支持水资源管理。结论表明，该混合模型在2010-2022年当前气候下对地表径流和蒸散发预测精度较高(R²达0.75)，但捕捉极端洪峰能力有限；在2030-2042年未来气候情景下，由于气候非平稳性导致模型外推能力不足，揭示了纯数据驱动模型在气候变化背景下的脆弱性。