Combining regression and spatial proximity for catchment model regionalization: a comparative study

Abstract

Spatial error regression is employed to regionalize the parameters of a rainfall–runoff model. The approach combines regression on physiographic watershed characteristics with a spatial proximity technique that describes the spatial dependence of model parameters. The methodology is tested for the monthly abcd model at a network of gauges in southeast United States and compared against simpler regression and spatial proximity approaches. Unlike other comparative regionalization studies that only evaluate the skill of regionalized streamflow predictions in ungauged catchments, this study also examines the fit between regionalized parameters and their optimal (i.e. calibrated) values. Interestingly, the spatial error model produces parameter estimates that better resemble the optimal parameters than either of the simpler methods, but the spatial proximity method still yields better hydrologic simulations. The analysis suggests that the superior streamflow predictions of spatial proximity result from its ability to better preserve correlations between compensatory hydrological parameters.

Editor D. Koutsoyiannis; Associate editor Y. Gyasi-Agyei

Résumé

La régression spatiale des erreurs a été utilisée pour régionaliser les paramètres d’un modèle pluie-débit. L’approche combine la régression sur les caractéristiques physiographiques des bassins versants et une technique de proximité spatiale qui décrit la dépendance spatiale des paramètres du modèle. La méthodologie a été testée avec le modèle mensuel abcd sur un réseau de stations de jaugeage du Sud-Est des Etats-Unis, et comparée à des approches plus simples par régression et proximité spatiale. Contrairement à d’autres études comparatives de régionalisation qui n’évaluent que la qualité des simulations régionalisées de débits sur des bassins non jaugés, cette étude examine également l’adéquation entre les paramètres régionalisés et leurs valeurs optimales (c’est-à-dire calées). De manière intéressante, le modèle spatial d’erreur produit des estimations de paramètres qui ressemblent davantage aux paramètres optimaux que n’importe quelle autre méthode plus simple, mais la méthode par proximité spatiale donne encore de meilleures simulations hydrologiques. L’analyse suggère que les meilleures simulations de débits de l’approche par proximité spatiale résultent de sa capacité à mieux préserver les corrélations entre les paramètres hydrologiques qui peuvent se compenser.

Key words:

• ungauged catchments
• predictions
• hydrological models

Mots clefs:

• bassins versants non jaugés
• simulations
• modèles hydrologiques

Acknowledgements

We thank three anonymous reviewers for their thoughtful criticisms and advice that helped to significantly improve this article.

Additional information

Funding

This work was supported by the Department of Defense Strategic Environmental Research and Development Program (SERDP) project RC-2204.