1 简介
河流中的水流间歇性受到岩性、地貌、降雨量和温度等多种因素的影响（Fortesa等，2017）。引文2021，Sauquet等人。引文2021）。特别是，喀斯特（石灰岩）的存在可以增加地貌特征（例如洞穴、天坑、天坑）的形成，从而导致溪流的间歇性增加（Jakada 和 Chen）引文2020，福维特等人。引文2021）。喀斯特地区以及临时河流在地中海地区非常常见（Sauquet等，2017）。引文2021）。马拉戈等人。（引文2016）指出碳酸盐岩覆盖了欧洲约35%的领土，西班牙、法国南部、巴尔干半岛、土耳其和意大利的部分地区石灰岩非常厚且浅。在所有这些国家中，临时河流占主导地位，是人类活动和生态特征的重要来源（Poff等，2017）。引文1997 年，阿库尼亚等人。引文2014 年，Oueslati等人。引文2015，达特里等人。引文2017）。

与常年河流一样，临时河流也是实现欧盟委员会 (EC) 水框架指令 (EC) 规定的“良好生态状态”的基础。引文2000）并在绿色新政（GD）的从农场到餐桌战略和零污染行动计划（EC引文2019）。然而，长期以来，环境政策主要关注常年性河流，而对临时性河流的调查和监测往往较少(Nikolaidis等，2017)。引文2013b，索里亚等人。引文2021）。对临时河流的兴趣较低导致货币资源投资减少，而货币资源是监测计划（即安装和维护计量站）和管理河流生态系统所必需的。监测也受到限制，因为大多数仪器无法正确测量接近于零的流量值（Trambay等人，2015）。引文2020，范梅尔维尔德等人。引文2020）。因此，临时河流系统中的流量时间序列通常不可用或不完整，这使得水文研究具有挑战性（D'Ambrosio等人，2017）。引文2017 年，博格·加莱亚等人。引文2019）。

模型可用于生成长时间序列的水流数据，用于对这些河流的流态进行分类和表征（Meresa引文2019，福尔特萨等人。引文2021）。然而，这些模型需要大量输入数据和对流域尺度水文过程的深入了解（Eini等人，2017）。引文2020，里奇等人。引文2020）。喀斯特地区的复杂性，包括快速的地下水流、泉水、落水洞和天坑，对建模活动提出了挑战（Amin等人，2017）。引文2017年，马丁内斯-萨尔瓦多和科内萨-加西亚引文2020）。

土壤和水评估工具（SWAT；Arnold等人。引文1998）是不同地理区域使用最广泛的水文模型之一（Borrelli等人， 1998） 。引文2016，阿明等人。引文2017）。大量的建模应用程序可以突出模拟水文过程时需要特别注意的关键点。具体来说，在河流间歇性的流域中，极低的流量和干燥的条件是水流预测的关键点（De Girolamo等，2017）。引文2017）；河流和地下水系统的水交换预测精度仍然较低（Jimeno-Sáez等人，2017）。引文2018，Senent-Aparicio等人。引文2020，桑切斯-戈麦斯等人。引文2022）。这些批评在地中海盆地和喀斯特地区尤为突出，因为这些地区特定的喀斯特特征（例如洞穴、天坑、落水洞）的存在极大地影响了一些水文过程，例如渗透（Eini等，2016）。引文2020）。需要研究和应用来改进这些环境中的建模预测（De Girolamo等人，2017）。引文2022a）。

尽管已经测试了一些建模方法，但与喀斯特地区相关的研究数量仍然有限（Jakada 和 Chen引文2020）。正如 Eini等人的评论所证明的那样。（引文2020），一些作者将SWAT与另一个模型耦合，一些作者修改了模型算法，而另一些作者则将研究重点放在模型参数化上。尼古拉迪斯等人。（引文2013a ) 和 Nerantzaki等人。（引文2015）使用两个岩溶模型与 SWAT 相结合来改进泉水流量的模拟并解释水流衰退阶段的变化。巴福特和本森（引文2009）改进了深层地下水补给的计算，以模拟 SWAT-B&B（SWAT-Baffaut 和 Benson）中的天坑的影响。马拉戈等人。（引文2016）将之前的两种方法集成到他们的 KSWAT（岩溶流模型-SWAT）中，以更好地代表深层含水层的较高水力传导率和水通过地下的更快运动。维尔和霍尔曼（引文2009）以及马丁内斯-萨尔瓦多和科内萨-加西亚（引文2020）相比之下，通过关注渗透/径流和地下水过程来校准 SWAT。这些模型应用的结果常常是矛盾的。事实上，表现从不满意到良好不等。大多数报告良好结果的研究都是按月进行校准的，而那些按日进行校准的研究（占调查研究的一半）往往表现出令人满意或较差的表现（Eini等，2017）。引文2020）。此外，某些模型代码修改无法进一步公开使用（Jakada 和 Chen引文2020），因此复制这些方法需要特定的编程技能，并且大多数用户无法轻松执行。因此，需要进一步研究在岩溶地区应用的建模方法。

目前工作的总体目标是确定最合适的方法来模拟喀斯特地区临时河流系统的日常水流，比较不需要 SWAT 模型代码修改的不同可靠程序。为此，我们分析了一个案例研究，其中采用了不同的建模方法，其具体目标如下：（i）模拟临时河流系统中的日常水流，包括流域中的喀斯特地区示意图；(ii) 模拟流域示意图中不包括喀斯特地区的每日水流；(iii) 模拟日常水流，包括校准过程中的“裂缝流函数”。具体而言，SWAT 模型在 Canale d'Aiedda 盆地（意大利东南部）实施，该盆地的山区以岩溶地层为特征。

2。材料和方法
2.1 研究区
Canale d'Aiedda 盆地位于意大利南部塔兰托省（普利亚大区）境内，流入 Mar Piccolo（图。1）。总流域面积为360 km 2，平均海拔为168 m asl，范围为0 m至517 m，平均坡度为2.7°（D'Ambrosio et al .引文2019）。

气候特点是年平均降雨量和温度（2000-2013年）分别为601至865毫米和8.1°C（一月）至27.9°C（八月）。夏秋季节，降水普遍具有强度大、持续时间短的特点。农业是该流域的主要人类活动。葡萄园、橄榄树、杏树、柑橘园、蔬菜和耕地是主要的土地利用方式，几乎占总面积的88%。自然区域占盆地表面的 6%，以落叶林和针叶林、牧场、灌木丛和灌木为特征。城市地区为中等规模，占流域总面积的 4%（D'Ambrosio等，2017）。引文2020）。土壤范围从粘土质粉土到砂质壤土。三个污水处理厂 (WWTP)，分别位于蒙特梅索拉、蒙泰亚西和圣乔治伊奥尼科市 (图。1），流入河流系统，其主要特征是混凝土河床和河岸。

盆地中部有砂质岩单元，东北部有裂隙灰岩碳酸盐岩（De Girolamo等，2014）。引文2019）是主要地质单元。岩溶结构的特点是水渗透率高，由于浅层含水层狭窄且不连续，导致深层地下水补给（De Filippis等，2015）。引文2017）。深层含水层为多个海底泉水提供水源，称为“citri”（Polemio等人，2017）。引文2008 年，Lisco等人。引文2016）。由于这种特殊的水文地质结构，该地区的地下水流量可能远高于地表流量（Zuffianò等人，2015）。引文2016）。

上游部分的流态接近自然状态，呈现间歇性特征。在低地，由于污水处理厂的排放，水流状况发生了改变，而且大部分情况是永久性的。主菜流入一个名为“Palude la Vela 地区自然保护区”的保护区，该保护区是社区重要地点 (SIC)“Mar Piccolo”(IT9130004) 的一部分。该湿地因其生态生物多样性而成为一个重要的环境区域，特别是考虑到地中海马基斯典型的鸟类和植物物种（D'Ambrosio等，2017）。引文2020）。

2.2 特警模型
SWAT 是最常用的水文和水质模型之一。它是一种半物理空间分布模型，用于预测已测量和未测量河流流域的水流、沉积物和养分负荷（Arnold等，2016）。引文1998 年，博雷利等人。引文2021）。SWAT 是由美国农业部农业研究服务处 (USDA-ARS) 于 20 世纪 90 年代开发的（Arnold等人， 2017） 。引文2012a）。该模型通过用户定义的阈值将流域区域划分为子流域，该阈值确定了描绘水道所需的最小排水面积。此外，SWAT 根据涉及土地利用、坡度和土壤性质的定义阈值，将子流域划分为水文响应单元 (HRU)，这是水平衡计算的基本单位 (Neitsch 等，2017 )。引文2011）。地表径流可以通过选择土壤保持服务曲线数法（SCS-CN，1972）或Green-Ampt入渗法（Green和Ampt）来计算引文1911）。潜在蒸散量 (PET) 可以通过 Penman-Monteith (Monteith引文1965），普里斯特利-泰勒（Priestley and Taylor）引文1972）和哈格里夫斯方法（Hargreaves 和 Samani引文1985）。在本工作中，Hargreaves 方法用于计算 PET，而 SCS-CN 方法用于计算地表径流。

2.2.1 概念模型
本研究中使用了 SWAT 2015（Winchell等， 2015） 。引文2013）。模型所需的输入数据以及用于模型设置的输入数据在表格1。在 Canale d'Aiedda 盆地及周边地区，有 9 个气象站（图。1）。气象数据为 1997 年至 2019 年的每日时间尺度。然而，太阳辐射、风速和相对湿度时间序列存在很大差距。因此，哈格里夫斯方法是估计潜在蒸散量的首选方法，因为它只需要每日温度数据。三个污水处理厂的平均年处理废水量（1997-2019 年）。土地利用和土壤数据经过适当处理并纳入 SWAT 地理数据库。在研究区域发现了 21 个土地利用类别和 11 个土壤类型（D'Ambrosio等人，2016）。引文2019）。主要农作物的管理实践是通过农民访谈收集的，并纳入模型的设置中。葡萄园分别于2月、5月和10月进行两浅（10厘米）和一深（35厘米）耕作操作。2月份施肥（12-12-17型）脚注1和 10-5-151) 十月和十一月（两者均使用有机肥）。灌季5月开始，9月结束，总施水量2400 m3ha-1年-1。对于橄榄，在四月、八月和十一月进行了三次浅耕操作。4月份施肥（尿素、12-8-81）、8月份（13-46-001），6-9月份管理操作纳入灌溉，总施水量500 m3ha−1年−1。主要农作物为硬质小麦（11月播种，7月收获），8月、10月分别进行深耕、浅耕作业，12月（25-15-00 1）施肥，12月施肥。二月（尿素）。最后，对于小类作物（如小果园），分别在春季（浅层）和秋季（深层）进行两次耕作。使用自动灌溉和自动施肥的功能。由于研究区域缺乏保守做法，USLE P（通用土壤流失方程 - 支持实践系数）因子设置为 1。

2.2.2 流域图式
这项工作测试了基于流域和子流域的多种 GIS（地理信息系统）图解以及不同校准方法的三种配置。在第一个配置（配置 A，图2），位于盆地北部和东部边缘的喀斯特地区被从盆地轮廓中剔除，因为这些地区被认为不能有效地促进地表径流（D'Ambrosio等，2017）。引文2020）。在一年中不同时期进行的实地调查也证实了该喀斯特地区河网内没有水流（Ricci等人， 2014 ）。引文2022a）。采用这种方法，流域面积为222 km 2。在第二种方法（配置 B，图2），将喀斯特地区纳入盆地圈定范围内，面积为360 km 2。在第三种方法（配置 C）中，通过激活“裂缝流函数”（ICRK；basin.bsn 文件）来校准整个盆地（包括岩溶区域）。这种旁路流量模块是由 Arnold等人提出的。（引文2005）复制变性土中裂缝的形成。干旱时期裂缝的体积会增加，降雨期间渗入土壤的水量等于裂缝的体积（Neitsch et al . 2011）。因此，该函数也被用来表示由于岩溶地貌特征引起的渗透增量（Jarvis等，2014）。引文2016，坎等人。引文2019，艾尼等人。引文2020）。在配置 C 中，为了提供最准确的岩溶区域模拟，仅在对应于露头石灰岩的 HRU 中校准 Sol_CRK 参数（图2）。

确定每个子流域的最小流域面积（350公顷）后，将流域细分为40个子流域（图3(a、c)) 配置 A 中的 68 个子流域，配置 B 和 C 中的 68 个子流域 (图3(b、d））。此外，为了离散 HRU，分别设置了土地利用、土壤性质和坡度的 10%、10% 和 20% 阈值，在配置 A 中生成 271 个 HRU，在配置 B 和 C 中生成 480 个 HRU。模型校准验证了所使用的阈值保证了土地利用和土壤类型的原始比例，并且只考虑了较小的土地利用或土壤类别。

SWAT 于 1997 年至 2019 年期间以每日时间尺度运行，包括针对所有三种配置的三年预热期。该模型使用质心法将小麦站分配给特定的子流域（Neitsch等人，2017）。引文2011），在配置 A 中选择了 7 个站，在配置 B 和 C 中选择了 9 个站（图2）。

2.2.3 模型标定
然后通过 SWAT-CUP（SWAT 校准和不确定性程序）工具使用顺序不确定性拟合 (SUFI-2) 算法 (Abbaspour引文2015）并为 Nash-Sutcliffe 效率设定目标函数（NSE；Nash 和 Sutcliffe引文1970）高于0.5。还使用相同的工具进行敏感性分析（D'Ambrosio等人，2017）。引文2020）。根据对盆地中发生的过程的了解，选择了参数的初始范围（Arnold等，2017）。引文2015）。计量站的水流监测（图。1）涵盖了2017年8月至2019年12月期间的每日规模。为了获得一组更可靠的校准参数，并更好地表示所有水文条件（干燥和潮湿条件），整个测量数据集用于校准模型（Arsenault等人，2017） 。引文2018，里奇等人。引文2022a）。对于配置 A 和 B，模型使用假设不同值的相同参数进行校准（表2）。在配置C中，除了配置B中选择的参数外，还针对与岩溶区域重叠的子盆地激活裂缝流函数。使用 NSE、偏倚百分比 (PBIAS) 和决定系数 (R 2 ) 评估模型性能。如果 NSE 和 R 2高于 0.5 并且 PBIAS 落在 -25% 至 +25% 范围内，则模型性能被认为是令人满意的（Moriasi等人，2017）。引文2007）。

3 个结果
3.1 模型标定
配置 A 的每日时间尺度校准统计性能良好，B 和 C 令人满意（分别没有和激活裂纹流功能）（表3）。SWAT 模型低估了配置 A (PBIAS +5.1) 和配置 B (PBIAS +25.4) 中的水流，而高估了配置 C (PBIAS -2.0) 中的水流。

在研究期间，配置A、B和C的平均日流量估计分别为0.043、0.055和0.059 m 3 s -1 。这些值与测量值（0.058 m 3 s -1）吻合良好。大型洪水通常在配置 A 中得到很好的体现（图4（一））；同时，它们在配置 B 和 C 中被低估了（图4(b）和（c））。特别是，2018 年 8 月 23 日发生的最高测量峰值流量为 2.67 m 3 s -1，这导致配置 A 被高估（2.85 m 3 s -1），而配置 B 被低估（1.74 m 3 s -1 ） 。 -1 ) 和 C (1.78 m 3 s -1 ) (图4(a-c）。配置 C 总体上可以很好地预测冬季记录的小洪水（图4(c））。

3.2 年、月流量
流动持续时间曲线（图5）表明极高流量 (0–4%) 的最佳预测与配置 C 相关。三种配置中的正常流量（4–20% 超出频率）被低估，但配置 C 的表现优于 A 和 B因为 20% 和 30% 的超标频率之间存在良好的对应关系。所有配置都高估了低流量 (30–90%) (图5）具有可比较的模式；同时，配置B在极低流量（90-100%）下表现出最佳性能。

本研究中采用的不同配置的月平均水流结果报告于图6。配置 B 的月平均流量值低于配置 A 和配置 C，也低于观测的径流量（7 月除外）。在潮湿的月份（10 月至 1 月），配置 C 的月平均径流值高于 B 和 A，也高于实测径流量。从 5 月到 6 月，C 给出了与测量的月流量的最佳拟合。

从 1 月到 4 月，配置 A 低估了测量的月流量，而从 9 月到 12 月，预测拟合良好；同时，5月至7月的径流量被高估。

3.2 水平衡组件
三种配置的水平衡的年平均组成部分报告于表4（2017-2019）。潜在蒸散量 (Eto) 约为降雨量 (Pcp) 的两倍，范围为 1161.6 毫米至 1191.7 毫米。由于三个流域示意图中考虑的降雨站不同，配置 A 的 Pcp 约为 621.4 毫米，配置 B 和 C 的 Pcp 约为 644.7 毫米。

A 和 B 的实际蒸散量估计分别为 569.8 和 575.9 毫米，配置 C 的实际蒸散发量为 534.4 毫米。配置 A 中的地表径流约为 73.5 毫米（Pcp 的 11.8%），配置 A 中的地表径流约为 51.6 毫米（Pcp 的 8%）。 B 为 18.8 毫米（Pcp 的 3%）。三种配置（配置 A、B 中为 5.5、4.3 和 5.9 毫米）很好地预测了总流量（测量站范围内的年平均流量，毫米） 、和 C ），因为这些值非常接近测量值 (5.80 mm)。总产水量（TWY，总流量 + 深层含水层补给 - 传输损失）采用不同的值：配置 A 中约为 136.5 毫米（Pcp 的 22%），配置 B 中约为 96.2 毫米（约 Pcp 的 15%）， C 中约为 142.3 mm（Pcp 的 22%）。需要强调的是，即使流域面积和年平均降雨量不同，A 和 C 中的 TWY 构成的降雨量百分比相同。事实上，配置 C 与配置 A 和 B 之间的渗滤（渗过根区的水，毫米）被预测存在巨大差异，显示出相似的值（表4），表明回流也存在差异。还预测了土壤含水量（毫米）的差异（表4）。

4。讨论
水文模型在地中海盆地的应用可能特别困难，因为水流形态的特殊性通常是间歇性的，并且存在露头的石灰岩和岩溶地层（Amin 等人，2017 ）。引文2017，哈特曼等人。引文2021）。此外，地中海地区大多数小盆地的可用数据有限，可能会使模型的实施和校准复杂化（De Girolamo等人， 2017） 。引文2022b）。在这种情况下，考虑建模应用的最终目标和数据可用性，准确构建概念模型非常重要。水文模型能够生成长期的水流序列，这对于支持流域管理和生态水文研究以及未测量的流域或数据稀缺的地区的生态水文研究至关重要（Ogie等，2017）。引文2017）。多项研究表明 SWAT 模型能够预测不同地理区域的水文过程（Jakada 和 Chen引文2020）和水文条件（Ricci等人。引文2018，博雷利等人。引文2021）。地下水动态在岩溶盆地中起着至关重要的作用。为了解决这个问题，人们进行了多次尝试，将 SWAT 与另一个模型结合起来，修改一些算法，或者通过特定的校准（Nikolaidis等人，2017）。引文2013a，Nerantzaki等人。引文2015，马拉戈等人。引文2016年，马丁内斯-萨尔瓦多和科内萨-加西亚引文2020）。然而，尽管其中一些尝试成功地预测了水流，但所采用的程序通常难以在不同的情况下复制。为此，本研究研究了一种基于 SWAT 模型中不同盆地模式的简单方法，分别考虑对水流有贡献和无贡献的岩溶区域。另一种方法是在模型校准中采用不同的参数化。

水流模拟的统计性能显示了所有配置的可接受的结果，证实 SWAT 能够在具有岩溶岩性的盆地中生成可靠的水流系列（Amin等人，2017）。引文2017）。本研究获得的结果略好于 Eini等人报道的结果。（引文2020），特别是考虑到校准是在每日时间尺度上进行的。

仅根据统计标准，配置 A 在日流量方面表现优于 B 和 C。在配置 A 中，深层石灰岩含水层补给的区域被认为不会对地表径流做出积极贡献，因此在SWAT 模型盆地划分（D'Ambrosio等人，2015）引文2020）。

剩余区域（222 km 2）以均匀的砂粘土层为特征，使模型能够更好地参数化主通道传输损耗的比例（TRNSRCH.bsn），该部分只能在盆地尺度上进行调整（Arnold等人。引文2012a ,引文2012b）。相反，当整个流域（360 km 2）被考虑用于流域划分时，如配置B和C，为参数TRNSRCH.bsn分配的平均值不能代表上游地区发生的水文状况。此外，配置 A 与配置 B 和 C 之间的流域面积差异导致模拟模型考虑的气象站数量不同。SWAT 使用质心法将气象站分配到最近的子流域（Abdelwahab等，2017）。引文2018），因此关于流域地区的外部气象站可以不包括在模型设置中。在配置 A 中，模型仅有效使用了 7 个气象站，而在配置 B 和 C 中，有 9 个气象站被分配给子流域。这种差异导致了不同的降雨分布以及年平均降水量和 Eto 值（表4）。在以对流降雨方式为特征的地区，例如地中海地区，这一方面可能至关重要，因为测量站的数量和位置直接影响降雨模式，从而影响模型的不确定性（Abdelwahab 等，2017 ）。引文2018，埃勒斯等人。引文2019；颜等人，引文2018）。

除了统计性能之外，还分析了过程过程中观测到的和模拟的水流（A、B、C）以及流量持续时间曲线，很明显，所有配置都高估了低流量时段。一些作者已经报告了由于与多种因素参数化相关的不确定性（例如地下水过程、地形、地表水与底土的交换以及管理实践），用 SWAT 模型对极低流量进行建模的困难（Guse 等，2017 ）。引文2013 年，德吉罗拉莫等人。引文2017年，引文2022b，Ricci等人。引文2018）。此外，与污水处理厂输入数据相关的一定程度的不确定性可能导致对极低流量的高估。事实上，污水处理厂的排放量在每日时间尺度上是可变的，但由于缺乏数据，本研究使用恒定的年度值来建立模型（D'Ambrosio等，2017）。引文2020）。配置 A 更好地预测了极端高流量，配置 C 更好地估计了高流量和正常流量，而配置 B 则低估了所有水文阶段。

三种配置中，曲线数（CN2）、深层含水层渗流分数（RCHRG_DP）、基流衰退常数因子（ALPHA_BF）、地下水更新系数（GW_REVAP）、主河道导水率（ CH_K2)、主河道的曼宁粗糙度 (CH_N2) 和第一层土壤有效水容量 (SOL_AWC) 被证明在校准过程中非常敏感（Vale 和 Holman）引文2009年，马丁内斯-萨尔瓦多和科内萨-加西亚引文2020）。特别是，CN2 和 CH_N2 对于改善观测和模拟峰值流量之间的对应性以及衰减配置 A 和 B 中的洪水波至关重要（Neitsch等人，2017）。引文2011）。

在配置 C 中，裂缝流函数 (SOL_CRK) 的激活允许相对于配置 B 改进流域水文行为的模拟。SOL_CRK 最初是为了复制典型的变性土的裂缝发展而引入的，并更好地模拟绕过土壤表层的水流（Arnold等，2017）引文2005），已经被用来表示喀斯特主导流域土壤剖面的快速流动过程（Jarvis等， 2005） 。引文2016，坎等人。引文2019）。事实上，上游子流域使用的 SOL_CRK 值较高，导致土壤渗流较高（表4），因此，我们可以减小 CH_N2 的值。因此，在配置 C 中，过程曲线还显示出在配置 A 和 B 中不可见的中间峰（图4(c））。因此，裂缝流函数被证明是改进喀斯特地区水文过程模拟的有效选择。

关于每年的水平衡组成部分，目前的工作结果显示配置之间存在一些差异。在所有配置中，大部分地表径流由于高传输损失而损失。配置 B 的 TWY 值（96.17 mm）低于 A（136.46 mm）和 C（142.32 mm），对应于 15% 的降水量（表4）；同时，Etr 高于 A 和 C。这一结果可以通过以下事实来解释：自动校准程序（SWAT-CUP）强制使用与蒸散量（例如 BIOMIX；CANMX）和地下水（例如RCHRG_DP.gw、GW_REVAP.gw）以获得水流的最佳拟合，由于岩溶区域的存在，水流只是水平衡的一小部分。配置C的Surq和Etr值低于A和B；同时，C 的 TWY 高于 A 和 B，表明地下水补给量较高。在配置 A 和 C 中，TWY 是降水量的 22%，这表明这两种方法都足以预测地中海环境中的水平衡和水流。

总而言之，配置之间的差异是由于空间图式化和模型参数化造成的；后者被认为是一个困难的阶段，可能会影响结果的可靠性（Evenson等人，2017）。引文2021，里奇等人。引文2022b）。众所周知，手动校准非常耗时，而使用 SWAT CUP 或类似工具执行的自动校准程序可以非常快速地识别参数的最佳拟合。然而，使用这些工具校准参数需要特别小心。事实上，“不同参数的等效性”现象（提供相似模型结果的校准值的不同组合）可能会导致良好的统计性能，但对某些物理和水文过程的模拟不正确（Abbaspour）引文2015，桑切斯-戈麦斯等人。引文2022）。这个问题可以通过根据用户对盆地中发生的过程的了解来确定初始参数范围来部分解决（Arnold等人，2017）。引文2015）。然而，有关 Etr 和地下水补给的附加信息（如果有）可能有助于改进校准和选择最佳建模方法。尽管存在上述差异，三种配置都很好地预测了测量的平均总流量 (5.8 mm)，略有低估（A 和 B 分别为 5.5 mm 和 4.3 mm）或略有高估（C 为 5.9 mm）。表4）。

本研究强调，模型结果可能存在很大的不确定性，在选择最合适的方法以及数据可用性时应考虑研究的最终目标（例如洪水或低流量的量化）和盆地特征（即边界或中部的岩溶区域）（Abdelwahab等，2014）。引文2018年，贾卡达和陈引文2020）。

5。结论
在具有喀斯特地区和间歇性河网的地中海环境中模拟每日水流通常是一项艰巨的任务。地中海盆地的降雨空间梯度高、流量间歇性和可用数据有限，使得水文过程建模具有挑战性。在这项工作中，通过案例研究，测试了基于不同流域划分和不同模型参数化的三种方法，以使用 SWAT 模型预测每日水流。

结果表明，SWAT模型能够模拟具有喀斯特地区的地中海环境中的日常径流。配置 B 和 C 的模型性能令人满意，配置 A 的模型性能良好。然而，所有方法都高估了低流量，这证实了在地中海地区进行的几项研究。配置 A 在模拟大洪水方面表现出最佳性能，配置 C 则最适合 5 月至 7 月的月低流量。三种配置之间的水平衡成分存在差异：与 A 和 B 相比，C 显示出较低的地表径流、较低的 TWY 值和较高的深层含水层补给量。在流域尺度上，A 和 C 的 TWY 均为降水量的 22%。

在选择最佳模型配置时应考虑几个因素，例如研究的最终目标、数据可用性和流域特征。然而，可以指出本研究中提出的方法的一些局限性。仅当岩溶地层位于盆地边缘并且这些区域对水流没有贡献时，岩溶区域的截止（配置 A）才是有效的选择。这方面需要通过实地调查进行验证，以确定这些区域内河网是否存在流量（即监测或实地调查）。如果盆地内部存在无法切断的岩溶区域，用户可以采用裂缝流功能（配置C），但需要了解该区域和岩溶地层的准确空间分布，才能识别必须激活裂缝流功能的子盆地。最后，配置B是一种简单的方法，不需要特定的建模经验，建议在岩性数据较差但不确定性较大可能影响结果时采用。