纳什-苏特克利夫效率（NSE）是评估水文模型的广泛使用的指标，特别是用于比较观测的和模拟的河流流量。它衡量模型预测与观测数据匹配的程度。

NSE 公式

NSE 由以下公式给出：

$$ N S E=1-\frac{\sum_{i=1}^n\left(Q_{obs, i}-Q_{sim, i}\right)^2}{\sum_{i=1}^n\left(Q_{obs, i}-\bar{Q}_{obs}\right)^2} $$

其中：

• $Q_{\text {obs }, i}=$ 时间 $i$ 的观测河流流量
• $Q_{\text {sim }, i}=$ 时间 $i$ 的模拟河流流量
• $\bar{Q}_{\text {obs }}=$ 观测河流流量的平均值
• $n =$ 观测次数

NSE 解释

• $N S E=1 \rightarrow$ 完美模型（模拟 = 观测）
• $N S E>0.75 \rightarrow$ 良好的模型性能
• $0.5 \leq N S E<0.75 \rightarrow$ 可接受的性能
• $N S E=0 \rightarrow$ 模型与观测平均值一样好
• $N S E<0 \rightarrow$ 模型比使用平均值更差（不可接受）

🧠Python 实现：NSE 计算

https://gist.github.com/viadean/ffc82b0055092c1445a7a0bb5f3d0ee0

为什么使用 NSE？

• 易于解释（与观测平均值进行比较）。
• 在水文建模中很常见（例如，SWAT、HEC-HMS、降雨径流模型）。