Toward Routing River Water in Land Surface Models with Recurrent Neural Networks

要約

機械学習は水文学においてますます大きな役割を果たし、物理ベースのモデルを補完または置き換えています。
注目に値する例の 1 つは、観測された降水量と地理的特徴を考慮して川の流れを予測するためのリカレント ニューラル ネットワーク (RNN) の使用です。
米国本土でのこのようなモデルのトレーニングにより、モデル パラメーターの単一セットが独立した流域全体で使用できること、および RNN が物理ベースのモデルよりも優れたパフォーマンスを発揮できることが実証されました。
この研究では、次のステップに進み、地表モデル (LSM) における河川ルーティングの RNN のパフォーマンスを研究します。
LSM-RNN は、観測された降水量の代わりに、物理ベースのモデルから計算された瞬間流出量を入力として使用します。
世界中の河川流域からのデータを使用してモデルをトレーニングし、ストリームフローのハインドキャストでテストします。
このモデルは、流域全体 (目に見えない集水域での河川流量の予測) および時間全体 (トレーニングに使用されていない年間の河川流量の予測) の一般化のスキルを実証します。
LSM-RNN からの予測を、同様のデータセットで調整された既存の物理ベースのモデルと比較したところ、LSM-RNN が物理ベースのモデルよりも優れていることがわかりました。
私たちの結果は、RNN が流出入力からのグローバルな流量予測に効果的であるというさらなる証拠を提供し、ネストされたサブベース接続を捕捉できる完全なルーティング モデルの開発の動機付けとなります。

要約(オリジナル)

Machine learning is playing an increasing role in hydrology, supplementing or replacing physics-based models. One notable example is the use of recurrent neural networks (RNNs) for forecasting streamflow given observed precipitation and geographic characteristics. Training of such a model over the continental United States has demonstrated that a single set of model parameters can be used across independent catchments, and that RNNs can outperform physics-based models. In this work, we take a next step and study the performance of RNNs for river routing in land surface models (LSMs). Instead of observed precipitation, the LSM-RNN uses instantaneous runoff calculated from physics-based models as an input. We train the model with data from river basins spanning the globe and test it in streamflow hindcasts. The model demonstrates skill at generalization across basins (predicting streamflow in unseen catchments) and across time (predicting streamflow during years not used in training). We compare the predictions from the LSM-RNN to an existing physics-based model calibrated with a similar dataset and find that the LSM-RNN outperforms the physics-based model. Our results give further evidence that RNNs are effective for global streamflow prediction from runoff inputs and motivate the development of complete routing models that can capture nested sub-basis connections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google