Comparing single and multi-objective hydrologic model calibration considering reservoir inflow and streamflow observations

Abstract

Calibration techniques were investigated on how to best optimize a 149 parameter, distributed hydrological model of the Lake of the Woods – Rainy Lake (LOWRL) watershed. Single objective calibrations based only on streamflow, only on reservoir inflows or average performance of both observation types, optimized using the Dynamically Dimensioned Search (DDS) algorithm, were compared with a multi-objective optimization approach with both observation types using the Pareto Archived DDS (PADDS) algorithm. Results from synthetic calibration tests against a known solution showed that PADDS was able to repeatedly find solutions with streamflow and reservoir inflow Nash-Sutcliffe coefficients of more than 0.95 and 0.99 using 2000 and 8000 model evaluations, respectively, demonstrating the effectiveness of PADDS on a limited calibration budget. When the LOWRL model was calibrated to actual observations with PADDS using 2000 evaluations, the algorithm repeatedly returned solutions with validation period streamflow and reservoir inflow Nash-Sutcliffe coefficients of approximately 0.71 and 0.87, respectively. Results demonstrate the capabilities of PADDS to reasonably calibrate a large dimensional hydrologic model on a restricted budget of 2000 model evaluations and highlight the importance of calibrating to both reservoir inflows and streamflows simultaneously. Considering the comparative results under multiple calibration trials, the multi-objective formulation solved by PADDS is shown to generate equivalent quality results as a weighted single objective approach solved by DDS (averaging reservoir inflow and streamflow calibration objectives).

Résumé

Des méthodes de calage ont été étudiées pour déterminer comment optimiser un modèle hydrologique distribué de 149 paramètres du bassin versant Lac des bois - Lac Pluvieux (LOWRL). Les calages à objectif unique basés uniquement sur le débit, uniquement sur les apports ou sur la performance moyenne des deux, optimisée à l’aide de l’algorithme DDS (Dynamically Dimensioned Search) ont été comparés avec une approche d’optimisation à objectifs multiples avec les deux sortes d’observations utilisant l’algorithme DDS archivé de Pareto (PADDS). Les résultats des tests de calages de données synthétiques comparées avec une solution connue ont montré que PADDS trouvait systématiquement des solutions avec des critères de Nash du débit et des apports de plus de 0,95 et 0,99 débits en utilisant 2000 et 8000 réalisations, respectivement, ce qui montre l’efficacité de PADDS sur un calage limité. Lorsque le modèle LOWRL a été calé sur des observations réelles avec PADDS utilisant 2000 réalisations, l’algorithme donnait à plusieurs reprises des solutions avec des critères de Nash du débit et des apports de la période de validation de 0,71 et 0,87, respectivement. Les résultats montrent les capacités de PADDS à caler de manière raisonnable un modèle hydrologique de grande dimensions avec un budget restreint de 2000 réalisations et soulignent l’importance de caler simultanément les apports et les débits. Compte tenu des résultats comparatifs obtenus lors des d’essais de calage, il a été démontré que la formulation à objectifs multiples résolue par PADDS fournissait des résultats de qualité équivalent à celle d’une approche mono-objectif pondéré résolue par DDS (moyennant les objectives de calage des apports et du débit).

Keywords:

• Hydrologic
• calibration
• multi-objective
• Dynamically Dimensioned Search
• Lake of the Woods
• LWCB
• WATFLOOD