中国科学院生态环境研究中心陈利顶团队与中国科学院地理科学与资源研究所、南海海洋研究所，美国普渡大学、美国宾夕法尼亚州立大学、美国奥本大学、美国加州大学戴维斯分校、美国佛蒙特大学、美国国家大气研究中心等合作，开发了分布式模型参数优化工具（Distributed Model Parameter Optimization Toolbox），并将该工具同广泛使用的SWAT模型进行耦合，构建DMPOTSWAT软件工具。相关研究成果发表在《环境建模与软件》（Environmental Modelling & Software）上。水文模型通常采用分布式参数设置。这种设置方式提高了模型对水文水质过程的空间异质性和同人类活动的相互作用的复杂性的表征能力，但增加了模型校验的难度。因此，研究开发出可自动校验分布式模型的工具。然而，当前的校验工具多采用集总式（The Lumped Mode）（图1）的校验方式。集总式模式指的是在分布式模型的参数校验过程中，通常按照统一的校验算法对模型作修改，如对同一个参数在不同子流域都进行相加、相减或按照统一比例变化，最后得出一套最优的参数变化规则以适配全流域。这种校验方式可用于空间异质性不高、水系简单的流域模型，而对空间异质性普遍较高、人类活动影响较大、水系结构复杂的流域来说，不同的子流域对同一个参数具有不同的修改规则，有些子流域需要增大，有些子流域需要减小。针对这一需求，当前研究提出顺序校验，即从上游向下游子流域组依次校验。校验下游子流域组过程中，保持上游子流域组的参数不变。这种模式有三个缺点，即需要多次校验、无法实现上下游之间参数的共同演进以及无法适用于水系复杂的流域。该研究设计了分布式的校验模式，如图1所示。在这一校验模式中，该工作按照流域的出口对子流域进行分组，然后将不同的组同时但分别进行优化，得出适合于每一子流域组的最优参数修改规则。这种校验模式在当前的校验工具中尚不能实现。为了实现模式的应用，该研究利用python语言开发出软件，产品如图2所示。在软件中，对子流域组的划分采用深度优先算法（Depth first search），对参数的优化采用动态维度算法（Dynamic Dimension Search）。优化过程中，每一个子流域组都设置独立的一套参数，对每一个子流域组的参数采用相互独立的动态维度算法，互不干扰。该算法实现了不同子流域组之间的同时优化，免去了多次校验的需求，提高了校验的效果和效率。该软件发布后，经过多个类型流域测试，取得了良好效果。目前，该软件可在生态环境中心城市与区域生态国家重点实验室官网的生态模型云平台（http://dse.rcees.cas.cn/kyzy/stmx/）、GitHub（https://github.com/QingyuFeng/dmpotswat）和Gitee（https://gitee.com/qingyufengmodel/dmpotswat）等网站下载（包含使用手册，并保持对该软件的维护）。论文链接图1. 集总式和分布式模型校验模式流程及对比图2. 面向SWAT模型的分布式模型参数优化工具箱（Distributed Model Parameter Optimization Toolbox for the SWAT model，DMPOTSWAT）软件截图