Parameter conditioning and prediction uncertainties of the LISFLOOD-WB distributed hydrological model

Publisher Website
Google Scholar
Abstract
Distributed hydrological models are considered to be a promising tool for predicting the impacts of global change on the hydrological processes at the basin scale. However, distributed models typically require values of many parameters to be specified or calibrated, which exacerbates model prediction uncertainty. This study uses the generalized likelihood uncertainty estimation (GLUE) technique to analyse the parameter sensitivities of a distributed hydrological model, LISFLOOD-WB. Discharge time series and event volume data of the Luo River at upstream and downstream sites, Lingkou and Lushi, are used to analyse parameter uncertainty. Eight key parameters in the model are selected for conditioning and sampled using the Monte Carlo method under assumed prior distributions. The results show that maximum efficiency of model performance is lower and the number of behavioural parameter sets giving acceptable performance is fewer in the Lingkou sub-basin than in the Lushi sub-basin with the same criteria of acceptability. For both sub-basins the distribution shape parameter B in the fast runoff generation scheme is the most sensitive in predicting both discharge time series and event volume at the outlet. It is also shown that the value of parameter B at which the highest efficiency is derived is shifted from a high value for Lushi to a low value for Lingkou, consistent with past experience of model calibration that the larger the basin, the larger the B value is. The channel Manning coefficient N c shows some sensitivity in the prediction of discharge time series, but less in the prediction of event volumes. The other key parameters show little sensitivity and good simulations are found across the full range of parameter values sampled. The uncertainty bounds of predicted discharges at the Lushi sub-basin are broad in the peak and narrow in the recession. The normalized difference between the upper and lower uncertainty bounds for both discharge and evapotranspiration are broad in summer and narrow in winter and that of recharge is the opposite. Les modèles hydrologiques distribués sont considérés comme un outil prometteur pour la prévision des impacts du changement global sur les processus hydrologiques à l'échelle du bassin versant. Cependant, les modèles distribués nécessitent généralement la spécification ou le calage des valeurs de nombreux paramètres, ce qui aggrave l'incertitude de prévision de la modélisation. Cette étude utilise la technique GLUE (generalized likelihood uncertainty estimation) pour analyser les sensibilités de paramétrage du modèle hydrologique distribué LISFLOOD-WB. Des séries temporelles de débit et des données de volume événementiel de la Rivière Luo, au niveau des sites amont et aval de Lingkou et Lushi, sont utilisées pour analyser l'incertitude de paramétrage. Huit paramètres clefs du modèle sont sélectionnés pour conditionner et utiliser après échantillonnage la méthode de Monte Carlo, sous conditions de distributions supposées a priori. Les résultats montrent que l'efficacité maximale des performances du modèle et que le nombre de jeux de paramètres d'état conduisant à des performances acceptables sont plus faibles dans le sous-bassin de Lingkou que dans celui de Lushi, avec le même critère d'acceptabilité. Pour les deux sous-bassins, le paramètre de forme de la distribution B du module de génération de l'écoulement rapide est le plus sensible pour la prévision des séries temporelles de débit ainsi que des volumes événementiels à l'exutoire. Il apparaît également que la valeur du paramètre B conduisant à la plus forte efficacité est grande pour Lushi mais petite pour Lingkou, ce qui est cohérent avec l'expérience passée de calage de modèle selon laquelle la valeur de B augmente avec la taille du bassin versant. Le coefficient de Manning en cours d'eau N c présente une certaine sensibilité pour la prévision des séries de débit, mais moindre pour la prévision des volumes événementiels. Les autres paramètres clefs présentent une faible sensibilité, et de bonnes simulations sont obtenues à travers la gamme complète des valeurs de paramètres échantillonnées. Les bornes d'incertitude des débits prévus pour le sous-bassin de Lushi sont larges pour le pic et étroites pour la récession. La différence normalisée entre les bornes d'incertitude supérieures et inférieures est grande en été et petite en hiver pour le débit et l'évapotranspiration, et inversement pour la recharge.