Water Resources Research · 期刊更新· Jinyang Li,
Kuolin Hsu,
Soroosh Sorooshian,
Dan Lu·· 2026-09-07精选AI 评分60
从集总到空间分布式水文建模：一个在北美流域评估的数据驱动框架
From Lumped to Spatially Distributed Hydrologic Modeling: A Data‐Driven Framework Evaluated Across North American Catchments
原文来源 · Water Resources Research · 期刊更新
前往来源网站阅读完整内容 · 新窗口打开
AI 导读
研究提出一个可输入空间分布式（网格化）气象强迫的深度学习框架，并在北美921个流域上基于CAMELS-SPAT数据集评估。作者比较了空间到时间（S2T）与时间到空间（T2S）两种时空信息融合策略，并考察网格化流域属性与更细空间分辨率的增益。
推荐理由
在921个北美流域上比较空间-时间融合架构，量化网格化强迫相对集总输入的NSE与KGE提升，可供数据驱动径流建模选型参考。
来源：Water Resources Research · 期刊更新 · agupubs.onlinelibrary.wiley.com