Joint distribution of upstream runoff governs downstream river-discharge prediction uncertainty in distributed ML models

Sintesi Tecnica: Distribuzione Congiunta del Deflusso a Monte nei Modelli di Machine Learning Distribuiti

Enunciato del Problema
La transizione dai modelli idrologici probabilistici raggruppati (su scala bacino) a quelli distribuiti (su scala griglia o bacino idrografico) introduce una sfida critica e spesso trascurata: la gestione esplicita della struttura congiunta spaziale dell'incertezza del deflusso. Sebbene i recenti metodi di machine learning (ML) generativo abbiano fatto progressi nella previsione probabilistica del deflusso superficiale, sono rimasti ampiamente confinati ai modelli raggruppati che prevedono direttamente i colti dei bacini. Al contrario, i modelli deterministici Long Short-Term Memory (LSTM) sono sempre più applicati su scale distribuite e instradati attraverso reti fluviali per produrre campi di portata spazialmente continui.

Il problema centrale identificato è che, nell'inferenza distribuita, la portata a valle è la somma instradata del deflusso proveniente da molti bacini a monte. Se i membri dell'ensemble a monte vengono campionati indipendentemente (corrispondenza casuale), le incertezze locali tendono a cancellarsi a vicenda mentre si propagano a valle. Questo effetto di "mediazione" risulta in ensemble a valle severamente sotto-dispersi, eccessivamente sicuri e incapaci di catturare l'effettivo intervallo dei risultati possibili. Viceversa, i modelli raggruppati apprendono implicitamente la risposta idrologica integrata e possono modulare la dispersione in base alle caratteristiche del bacino, ma mancano della coerenza fisica e della continuità spaziale tipiche dei sistemi distribuiti.

Metodologia
Lo studio utilizza il Japanese Dataset for Distributed River Discharge Prediction (JP-DRDP), che rappresenta il Giappone come un grafo di 793 bacini idrografici. Gli autori impiegano due modelli probabilistici di generazione del deflusso addestrati su scala bacino:

1. Non parametrico: un LSTM condizionato dal rumore in cui un vettore di rumore casuale viene aggiunto all'input per generare traiettorie distinte.
2. Parametrico: un LSTM a due teste che emette una media e un parametro di dispersione dinamico, campionando da una distribuzione log-normale.

Questi modelli sono valutati sotto tre configurazioni di inferenza:

• Diretta su scala bacino (Raggruppata/Lumped): funge da limite superiore delle prestazioni, prevedendo direttamente l'uscita senza instradamento esplicito.
• Distribuita con Campionamento Indipendente: il deflusso viene generato per ogni bacino, e i membri dell'ensemble sono accoppiati casualmente attraverso la rete (assumendo incertezze non correlate).
• Distribuita con Campionamento Congiunto (Corrispondenza dei Quantili): i membri dell'ensemble sono sincronizzati selezionando lo stesso livello di probabilità (quantile) in tutti i bacini a monte prima dell'instradamento. Ciò assume una perfetta correlazione spaziale positiva nell'incertezza del deflusso.

Il deflusso generato viene instradato attraverso uno schema di instradamento Hayami utilizzando il framework DiffRoute. Le prestazioni sono valutate tramite il Continuous Ranked Probability Score (CRPS), l'efficienza di Nash-Sutcliffe (NSE) della media dell'ensemble, la dispersione dell'ensemble e metriche di affidabilità (indice alpha, copertura al 90%).

Contributi Chiave

• Identificazione di un Requisito Strutturale: l'articolo sostiene che il passaggio della previsione probabilistica dai modelli raggruppati a quelli distribuiti richiede il campionamento esplicito della distribuzione congiunta del deflusso a monte. Il campionamento locale indipendente è insufficiente e porta a un collasso della dispersione dell'ensemble a valle.
• Diagnostica delle Strategie di Campionamento: lo studio dimostra che la scelta della strategia di campionamento spaziale (casuale vs. corrispondenza dei quantili) ha un impatto profondo sulla capacità probabilistica, ma quasi nullo sulla capacità deterministica (NSE).
• Quantificazione della Dipendenza dalla Scala: gli autori mostrano che la degradazione causata dal campionamento indipendente si intensifica con il numero di bacini a monte e la risoluzione della mesh, mentre i benefici del campionamento congiunto sono più pronunciati nei bacini di media dimensione.

Risultati

• Capacità Probabilistica vs. Capacità Deterministica: l'NSE della media dell'ensemble è rimasto costante (~0,84) in tutte le configurazioni distribuite, indipendentemente dalla strategia di campionamento. Tuttavia, la capacità probabilistica (CRPS) è degradata significativamente con la corrispondenza casuale rispetto alla corrispondenza dei quantili e al riferimento raggruppato.
• Collasso della Dispersione dell'Ensemble: la corrispondenza casuale ha prodotto dispersioni dell'ensemble inferiori alla metà di quelle dei modelli con corrispondenza dei quantili. Questa sotto-dispersione ha causato un forte calo dell'affidabilità, con l'indice alpha che è sceso da 0,72 (quantili) a 0,44 (casuale) e la copertura al 90% che è scesa sotto il 36%.
• Ripristino tramite Corrispondenza dei Quantili: la corrispondenza dei quantili ha ripristinato con successo la dispersione dell'ensemble a livelli comparabili al riferimento raggurato, recuperando oltre la metà del divario di capacità probabilistica. Nel 36% dei bacini, il modello distribuito con corrispondenza dei quantili ha persino superato il modello raggruppato.
• Variabilità Geografica e di Scala:
  • Grandi Bacini (es. Fiume Kitakami, ~7700 km²): la corrispondenza casuale ha causato un totale collasso della dispersione, mancando completamente le portate osservate. La corrispondenza dei quantili ha preservato la dispersione ma ha introdotto una sovra-dispersione e un bias, non riuscendo a raggiungere la capacità del modello raggruppato a causa del fallimento dell'assunzione di correlazione perfetta attraverso reti ampie ed eterogenee.
  • Piccoli Bacini (es. Fiume Hazama, ~58 km²): con pochi rilevatori a monte, la penalità per il campionamento indipendente è stata minima e tutti i metodi hanno performato in modo simile.
  • Modelli Regionali: la corrispondenza dei quantili ha eccelso nel Giappone occidentale e meridionale (meno stazioni, più vicine tra loro), ma è stata inferiore al modello raggruppato in Hokkaido e Yamagata, dove processi fisici come la regolazione delle dighe e lo scioglimento delle nevi (non catturati dal modulo di instradamento) dominano l'incertezza.

Significatività e Rivendicazioni
L'articolo afferma che la transizione dall'idrologia probabilistica raggruppata a quella distribuita non può essere ottenuta semplicemente sostituendo i modelli deterministici con quelli probabilistici; la struttura congiunta spaziale dell'incertezza deve essere gestita esplicitamente. Lo studio postula che, sebbene l'assunzione di una perfetta correlazione positiva (corrispondenza dei quantili) sia un'euristica semplice, essa sia un passaggio diagnostico necessario per dimostrare che la struttura congiunta è importante.

Gli autori concludono che il campionamento indipendente media drasticamente l'incertezza nelle grandi reti di instradamento, rendendo i previsori distribuiti inaffidabili per il processo decisionale. Sebbene la corrispondenza dei quantili ripristini gran parte della capacità perduta, non è una soluzione definitiva per i grandi bacini eterogenei dove l'assunzione di correlazione perfetta fallisce. L'articolo esorta la comunità del machine learning idrologico a passare da strategie di campionamento spaziale naive verso strutture di correlazione spaziale dinamiche e fisicamente informate (ad esempio, l'accoppiamento di copula dell'ensemble o modelli generativi spazialmente consapevoli) per fornire stime di incertezza continue e affidabili per il processo decisionale operativo.