第45章 任务改变，水文对象是否必须改变

本章学习任务 · 带本章进入问地

45.1 三种问题，三张需求表

同一条河流可以同时进入三个工作现场。预警人员关心未来几小时的水位是否超过某个行动条件；水资源研究者关心未来一段时期可利用水量与储量如何变化；资料管理者关心不同年份、不同机构的数据能否归入一致的空间单元。三者都谈论流域，却不因此研究同一个尺度下的完整对象。

洪峰问题需要保留时间细节。一次事件总量预测正确，如果峰值到达时间错误，仍可能无法支持及时行动。长期水量问题则必须处理季节与年际储量变化、蒸散与外部输入；个别短时峰值误差可能对总预算影响不大。资料归档需要稳定编码、版本映射与来源追踪，它的首要标准不是即时预测性能，而是记录在流转中不失去身份。

这三张需求表决定了不同的省略权。年水量模型可以把部分短时过程平均化，洪峰模型不能随意这样做；归档系统可以保存一项未完全解释的观测，过程模型却必须判断它如何进入计算。任务不同不意味着自然规律不同，而是哪些差异必须进入对象发生了变化。

USGS关于水文单元的规范为这种区分提供了具体依据：资料单元可只包含出口上游汇水区的一部分。[C01] 这种设计对组织资料很有用，但若直接作为洪水模型的孤立控制体，就可能遗漏上游输入。由管理用途走向过程用途，需要重新连接拓扑关系；由过程用途走向行动用途，还需要说明误差造成什么后果。

三种任务也对应三种验证对象。洪峰模型需要检验在规定提前量下的峰高与到达时间；水量模型需要检验同一时段内的输入、输出和储量变化；归档系统则需要证明旧记录在编码或边界更新后仍能定位。输出变量、时空范围、可用信息和验证目标共同限定成果的身份。只有这些条件能够对应，两项都称为“某流域模型”的成果才有直接比较的基础。

在SDE语言中，任务进入S的定义，并不使科学任意化。洪峰与年水量都是可测的，但它们要求D保留不同差异，也要求E展开不同的储留与连接关系。任务对对象的作用，首先体现为哪些差异必须辨认；真实过程则限制这种辨认能否成功。

预测时距还决定什么信息有机会发挥作用。对短时洪峰，当前降雨与河道状态可能最紧迫；对长期水量，季节气候、储库变化与管理情景可能更重要。一个变量在某任务中几乎没有预测增益，不意味着它在自然过程中无关，只可能是其作用在该时距内尚未显露，或已被其他变量间接包含。

归档任务则关注另一种持续性。若测站名称改变、坐标修订或边界更新，旧记录必须能够追溯。它不直接生成洪水机制，却为任何后续机制研究提供可复核资料。把归档视为低于理论的机械劳动，会忽略对象身份一旦丢失，再复杂模型也无法恢复的事实。

45.2 空间细化不总是进步

把一个流域划成更多格网，看起来总比粗略划分更接近真实世界。它确实可能保留坡度、土壤、土地覆盖与降雨的空间差异，减少平均化造成的错误。但分辨率的增加同时扩大了参数与资料需求。若每个小格都需要独立参数，而观测仍只有一个出口，精细结构可能无法被数据辨认。

这种困难可以通过一个教学比较理解。甲模型只区分两个响应区，乙模型区分二十个响应区。如果只有出口流量，两者可能都拟合良好。乙模型的许多参数组合却可能产生同样输出，研究者难以知道哪一组合对应真实过程。更多细节提供了更多可调空间，却未必提供更多可验证知识。

空间细化还可能与输入分辨率不匹配。把粗雨量资料插值到很细格网，地图变得光滑精美，但新增格点并没有带来独立降雨观测。如果后续模型把这些格点当作真实小尺度差异，便把插值假设转化成了自然事实。需要区分数据的显示分辨率、有效信息尺度与模型网格尺度。

类似问题也出现在土壤和土地覆盖图中。一张分类图上的边界可能有位置误差，分类名称也不能唯一决定水力参数。若模型过度精细，边界的小偏差会改变汇流路径；若又用参数调整抵消这些误差，最后得到的局地参数可能具有很弱的物理意义。精度应沿着完整资料链评价，而非只看最后网格有多小。

这并不支持永远使用简单模型。若独立观测表明某些子区响应差异稳定，而且这些差异影响任务输出，细分就有明确理由。关键是让复杂度跟随可辨认差异，而不是让观测被迫追随预设复杂度。可以先比较模型在哪类事件失败，再选择最可能有解释力的细分。

评价细化收益时，独立检验特别重要。粗模型和细模型应在相同信息条件下比较，不能让细模型多使用一批未来资料而仍把改善归于结构。除了平均性能，还应检查极端事件、不同季节与不同前期状态。若改善只发生在训练时段，细化可能主要吸收了偶然性。

一个没有改善的结果仍有知识价值。它可能说明现有任务不需要那种空间细节，也可能说明资料不足以约束细节。两种结论应区分：前者支持保持简化，后者提示需要新的观测。把两者都写成“细模型失败”，会错失下一步应当简化还是补测的判断。

格网加密怎样改变知识，可以沿S、D、E分别检查。S所指的可用流域模型，应在任务误差上获得改善；D增加的应是被观测区分的空间响应，而非插值生成的格点差别；E展开的子区关系，则要让土壤、坡度与连通路径受到共同约束。若一个参数只用来抵消另一项输入偏差，即使地图更精细，也尚未辨认出新的局地过程。

模型选择还需要考虑运行代价。一个计算极慢的精细模型，可以用于事后研究，却未必在预警窗口内给出结果。若输出晚于行动所需时刻，物理细节的增加未必改善任务效果。这里应比较的是在相同时间和信息限制下的有效性能，而不是各模型在无限资源条件下的最佳表现。

模型集合提供一种折中：多个结构或参数方案表达不确定性，而不是只交付一条最优曲线。但集合成员如果共享同一输入偏差，集合范围仍可能过窄。多个模型不是自动独立的多个证人。需要了解它们在哪些假设上真正不同，在哪些地方继承同一资料或代码。

分辨率选择还应接受收益递减检验。若从粗到中等细度明显改善，而继续细化几乎无益，就应寻找限制信息的瓶颈：可能是降雨资料、参数不确定性或输出测量，而非网格本身。把资源投入真正限制判断的环节，比维持形式上的精细更能提高任务可靠性。

45.3 责任怎样进入验证

科学模型的误差与行动中的损失并非同一个量。预报洪峰高了一点，可能增加不必要的准备成本；预报低了一点，可能让行动不足。两者在统计上可以大小相同，在后果上却不对称。预警系统需要明确这种差别，但不能从水动力方程直接推出社会应怎样权衡。

自然科学负责说明事件发生的可能条件、预测不确定性与模型适用范围。行动阈值还涉及受影响人口、资源、行动成本与制度责任。将两者连接是必要的，但必须保留分工。某个概率本身不是一条行动命令，某个管理偏好也不能改变洪水传播的物理过程。

假设一个预警系统提高敏感度后漏报减少、误报增加，这不是单一“准确率”可以完整评价的变化。应分别报告不同结果，并说明在实际任务中怎样分配权重。权重由谁制定、依据何种公开程序，都属于可审查问题。研究者不应在技术模型内部悄悄设置社会取舍，再把输出呈现为纯自然结论。

验证时间也影响责任。模型开发时可以使用事后整理资料，真正运行时却受到数据延迟、缺测与计算时间限制。若测试忽略这些限制，便验证了一个现实中不可执行的系统。应把“在当时可得信息下能否作出判断”与“事后能否重建事件”分开。这不是降低科学标准，而是让标准与用途一致。

人工干预还可能改变模型所预测的对象。水库根据预报提前放水，居民和管理者采取行动后，观测到的结果不再是没有干预时的过程。若仅以最后灾害损失较小判断预警是误报，就可能否定了有效行动；若仅以损失较大判断模型失效，也可能忽略执行环节。需要区分危险过程、预报、行动与最终后果四条链。

这让“责任进入对象”具有精确含义。它不是说科学真值可以随价值偏好改变，而是说被验证的系统范围扩大了。若任务只是预测河流流量，可以聚焦自然与工程过程；若任务是支持预警，就还必须观察信息传递、行动可达性和执行时距。一个环节的成功不能代替整个系统的有效性。

预警链条要求各专业在交接处说明结果的用途。水文学给出流量与时间的不确定范围，决策分析比较行动方案的后果，制度研究判断信息是否及时到达有能力行动的人。若流量预报合格而发布延迟，失败发生在传递环节；若信息及时却没有可执行方案，失败又在另一处。以整个系统作为S，并非消除分工，而是让局部成功与最终任务之间的缺口能够被定位。

概率校准与区分能力也应分开。一个系统可以善于把高风险事件排在前面，却系统高估概率；也可以总体概率比例接近真实，却不能有效区分具体事件。前者需要校准，后者需要改善信息。单一准确率无法显示这两种差别，任务验证应让评价指标对应实际使用方式。

模型发布之后，使用者行为还会改变资料。某些被高度关注事件得到更密集记录，平常事件却缺测较多，后续训练资料便带有选择。研究者若只分析记录最完整的事件，可能高估常规运行条件下的可靠性。知识生产不仅发生在模型内部，也发生在什么事件值得记录、由谁记录的制度安排中。

45.4 可迁移结论与局地例外

一个模型在某流域有效，转到另一流域是否仍然有效，需要重新检查气候、地形、储留、人工干预与资料条件。参数可迁移、结构可迁移和任务可迁移是三个不同命题。某种结构能够使用，并不意味着原参数不必调整；某种预测关系仍有效，也不意味着原来的行动阈值适合新的地区。

迁移可以有三种结果。第一，原对象及主要关系保持适用，仅需常规资料更新。第二，核心结构可保留，但局地响应区、边界输入或时间尺度必须调整。第三，原对象遗漏了决定性过程，需要重建控制范围。研究者应让证据决定属于哪一种，而不应以“普适模型”的目标预先排除第三种可能。

局地例外的价值在于是否能够提前辨认。强人工调度改变出流规则，特殊地下连通改变边界交换，不同降水机制改变输入结构；这些条件若已知，就可以在迁移前决定保留什么、补测什么。相反，每次失败后才增设一个无法独立检验的局地参数，便无法区分真实例外与事后补偿。适用范围因此应由可观察条件划定，而非仅以模型在原流域拟合良好为依据。

跨地区比较还要避免资料条件造成的不公平。一处流域拥有密集测站，另一处只有粗略降水估计，性能差异未必来自自然结构。如果要讨论可迁移性，就应同时报告信息条件。否则，“某地更难预测”可能实际意味着“某地测得更少”。对象的科学身份始终包括可以观测它的方式。

任务改变也未必导致自然对象重建。如果同一套流量概率已经足够，变化只发生在行动权重，那么应称之为决策层调整。只有任务要求新的时间尺度、边界或内部过程，且这些变化影响观测与解释关系时，才适合讨论对象改变。严格区分层级，能够避免把任何管理改动都夸大为科学革命。

对象卡因此不应只写地理名称与模型版本，还应说明验证过的时距、事件范围、资料延迟、主要失效模式和必要人工输入。它既帮助研究者迁移，也帮助使用者判断何时不能照搬。一个结论能否迁移，最终由这些条件能否在新场景中保持决定，而不是由模型名称是否先进决定。

跨地区可迁移的，常是区分错误层级的办法。先核对边界通量，判断异常是否由遗漏输入造成；再检查状态记忆，判断相同输入是否落在不同储留条件上；最后检查传播结构，判断峰形变化是否来自时延。这个次序并非所有流域的固定操作流程，但它能防止用一个局地参数包揽三类问题。具体阈值与参数仍由当地资料约束，诊断问题则可以保持共同语言。

这一编从边界、状态、输运到交换与任务，展示了水文知识怎样获得不同但相互可接的身份。它们的统一来自守恒和可追踪的过程，差异来自尺度与用途，和谐则来自接口清楚、责任明确。下一编将离开现代测站，把同样的问题带入过去：当没有当时的雨量计和温度计，树木、冰层与沉积物怎样成为气候证据？

本章学习任务 · 带本章进入问地

全部章节 · 上一章 · 下一章