Baseflow Separation Methods: A Unified Filter Framework, Multi-Catchment Evaluation, and Open-Source Computational Tools

doi:10.3390/w18172135

Baseflow Separation Methods: A Unified Filter Framework, Multi-Catchment Evaluation, and Open-Source Computational Tools

2026-08-31

0

OA

AI

Gustavious P. Williams

DOI：10.3390/w18172135

原文链接

原文求助

摘要

En 中文

基流无法直接测量，因此存在多种分离方法且结果不一致。我们综述了16种方法，涵盖数字滤波器、图形分割、消退分析以及电导率质量平衡（CMB）。我们表明，大多数递归滤波器是广义三参数方程的特殊情况，该方程将线性水库与信号处理家族分离，并将Boughton和Eckhardt滤波器识别为代数等价。所有16种方法均已在开源Python（版本3.9或更高）包baseflowx中实现，其中8种方法与独立发表的结果进行了验证。这些方法对398个参考流域的排名相似，但在水平上存在差异：相关系数高于0.93的配对在平均绝对基流指数（BFI）上差异可达0.22。我们在31个筛选流域中比较了15种仅依赖径流的方法与CMB参考方法，并使用另外24个流域进行稳健性检验。所有方法估算的基流值均高于CMB的平均值，反映了分离的量：水文图法将边岸储存回补、慢速壤中流和其他延迟水计入基流，而CMB按电导率进行分割。CMB衍生的BFImax值在所有55个流域中均低于Eckhardt默认的0.80。参数选择也是导致方法差异的主要原因。仅依赖径流的方法可以支持相对比较和趋势分析，但若无外部参考则无法约束绝对基流分数。

Keyword:

baseflow separation

baseflow index

digital filter

conductivity mass balance

method comparison

multi-catchment evaluation

Python

open-source software

recession analysis

streamflow

Baseflow Separation Methods: A Unified Filter Framework, Multi-Catchment Evaluation, and Open-Source Computational Tools

摘要

期刊

机构

引用论文