守恒约束搬进分布式水文网络：PECAN在科罗拉多雪域复现出口流量，却提前放走冬季积雪
核心概要
质量守恒约束此前只嵌在集总式LSTM里，只能给出流域平均的时间序列，难以检验内部状态是否具有水文意义。PECAN把这一约束改为卷积LSTM的分布式形式，并分严格以降水为唯一水源的PECANMC与允许额外水源的PECANMCR两个变体，仅用两个水文站的实测流量训练。在科罗拉多North Platte源头流域，两变体出口流量精度与集总深度学习基线及分布式过程模型VIC相当，还能给出空间显式的内部状态；但诊断显示模型把冬季雪水储量过早移出系统，而非留到春季释放。
深度剖析
质量守恒约束从集总式神经网络扩展到分布式水文建模，模型在输出逐格点储水量与径流的同时，仍保持显式的水量收支。 此前的守恒型神经网络几乎都采用集总形式，守恒只作用于流域聚合的水通量与储量，诊断也只能停留在流域平均时间序列上。 在科罗拉多North Platte源头流域的日尺度上，PECAN两个变体的出口流量模拟精度与标准LSTM、MC-LSTM、MCR-LSTM等集总深度学习基线以及分布式过程模型VIC相当。
模型把LSTM的单元状态解释为逐格点的快流与慢流储水，把隐藏状态解释为对应的释放通量，径流再经汇流模块送到水文站。 实现方式是卷积LSTM：输入门沿通道归一化，使降水质量按比例分配到各通道；通道间的再分配矩阵按列归一化，保证每个格点内部不凭空增减水量。 训练只使用两个USGS水文站的实测流量，不使用任何分布式目标变量做监督；快流储量的一部分补给慢流线性水库，总径流经RVIC汇流模型转换为站点的流量过程。
内部状态可与独立观测对照，从而暴露模型对水文过程的错误表征。 与参考土壤湿度比较时，PECAN的格点状态呈现出有意义的时间土壤湿度动态；但与积雪对照时，模型在冬季就把雪水储量移出系统。 对照数据包括基于观测的UA-SWE积雪水当量和SMAP L4土壤湿度，以及VIC模拟的土壤湿度与蒸散发；PECANMC与PECANMCR的对比用于考察严格与放宽守恒假设如何改变学到的水文行为。
启示与展望
结论建立在科罗拉多North Platte源头流域约3,688平方公里的雪主导山区、日尺度、仅用两个水文站流量训练与评估的算例上，属于概念验证；读者应把它看作分布式守恒型网络的一次可行性检验，而非跨流域的通用结论。
模型在冬季提前移除雪水储量、未将其保留到春季释放，说明守恒约束本身不足以保证雪过程被正确表征；严格与放宽两种守恒假设各自带来的行为差异，仍以该流域的对照为准。