The process-based hydrological model Soil and Water Assessment Tool ensures the simulation's reliability by calibration. Compared to the commonly applied single-objective calibration, multi-objective calibration benefits the spatial parameterization and the simulation of specific processes. However, the requirements of additional observations and the practical procedure are among the reasons to prevent the wider application of the multi-objective calibration. This study proposes to consider three groups of objectives for the calibration: multisite, multi-objective function, and multi-metric. For the study catchment with limited observations like the Yuan River Catchment (YRC) in China, the three groups corresponded to discharge from three hydrometric stations, both Nash–Sutcliffe efficiency (NSE) and inversed NSE for discharge evaluation, and MODIS global terrestrial evapotranspiration product and baseflow filtered from discharge as metrics, respectively. The applicability of two multi-objective calibration approaches, the Euclidean distance and nondominated sorting genetic algorithm II, was analyzed to calibrate the above-mentioned objectives for the YRC. Results show that multi-objective calibration has simultaneously ensured the model's better performance in terms of the spatial parameterization, the magnitude of the output time series, and the water balance components, and it also reduces the parameter and prediction uncertainty. The study thus leads to a generalized, recommended procedure for catchments with data scarcity to perform the multi-objective calibration.

基于过程的水文模型土壤和水评估工具可通过校准来确保模拟的可靠性。与通常应用的单目标校准相比，多目标校准有益于空间参数化和特定过程的仿真。但是，需要额外的观察结果和实际操作步骤，这是阻止多目标校准得到更广泛应用的原因之一。本研究建议考虑用于校准的三组目标：多站点，多目标函数和多度量。对于像元河集水区（YRC）这样的有限观测研究集水区，这三类分别对应于三个水文测站的流量，纳什-萨特克利夫效率（NSE）和倒置NSE用于流量评估，和MODIS全球陆地蒸散量和基流分别从流量中过滤出来作为度量标准。分析了两种多目标标定方法的适用性，即欧氏距离和非支配排序遗传算法II，以对YRC的上述目标进行标定。结果表明，多目标校准同时在空间参数化，输出时间序列的大小和水平衡分量方面确保了模型的更好性能，并且还减少了参数和预测的不确定性。因此，该研究导致对数据缺乏的流域进行通用，推荐的程序，以执行多目标校准。分别。分析了两种多目标标定方法的适用性，即欧氏距离和非支配排序遗传算法II，以对YRC的上述目标进行标定。结果表明，多目标校准同时在空间参数化，输出时间序列的大小和水平衡分量方面确保了模型的更好性能，并且还减少了参数和预测的不确定性。因此，该研究导致对数据缺乏的流域进行通用，推荐的程序，以执行多目标校准。分别。分析了两种多目标标定方法的适用性，即欧氏距离和非支配排序遗传算法II，以对YRC的上述目标进行标定。结果表明，多目标校准同时在空间参数化，输出时间序列的大小和水平衡分量方面确保了模型的更好性能，并且还减少了参数和预测的不确定性。因此，该研究导致对数据缺乏的流域进行通用，推荐的程序，以执行多目标校准。结果表明，多目标校准同时在空间参数化，输出时间序列的大小和水平衡分量方面确保了模型的更好性能，并且还减少了参数和预测的不确定性。因此，该研究导致对数据缺乏的流域进行通用，推荐的程序，以执行多目标校准。结果表明，多目标校准同时在空间参数化，输出时间序列的大小和水平衡分量方面确保了模型的更好性能，并且还减少了参数和预测的不确定性。因此，该研究导致对数据缺乏的流域进行通用，推荐的程序，以执行多目标校准。