陈利顶团队与来自包括中国科学院地理科学与资源研究所、南海海洋研究所，美国普渡大学、宾夕法尼亚州立大学、奥本大学、加州大学戴维斯分校、佛蒙特大学、美国国家大气研究中心、拜耳公司美国分部等多家科研和企业单位的研究人员合作，开发了分布式模型参数优化工具（Distributed Model Parameter Optimization Toolbox），并将该工具同广泛使用的SWAT模型进行耦合，构建DMPOTSWAT软件工具。该成果发表于《Environmental Modelling & Software》 期刊（文章链接：https://doi.org/10.1016/j.envsoft.2023.105785 ）。

水文模型通常采用分布式参数设置，这种设置方式虽然提高了模型对水文水质过程的空间异质性和同人类活动的相互作用的复杂性的表征能力，但是也极大地提高了模型校验的难度，于是研究人员便开发出来了许多能够进行对分布式模型进行自动校验的工具。然而，当前的校验工具多采用集总式（The Lumped Mode）的校验方式对分布式模型及进行校验。集总式的模式是说在分布式模型的参数校验过程中，通常是按照统一的校验算法来对模型进行修改，比如同一个参数在不同子流域都进行相加、相减或者按照统一比例变化，最后得出一套最优的参数变化规则来适配全流域。

这对于空间异质性不高、水系简单的流域模型来说是可行的，但是对于空间异质性普遍较高、人类活动影响较大、水系结构复杂的流域来讲，不同的子流域对同一个参数可能是需要不同的修改规则，有的子流域需要增大，有的则需要减小。针对该需求，当前研究中提出的是顺序校验，也就是从上游向下游子流域组进行依次校验。校验下游过程中，保持上游子流域组的参数不变。这种模式有三个缺点，一个是需要多次校验，另一个是无法实现上下游之间参数的共同演进，第三个是无法适用于水系复杂的流域。

基于这样的问题，我们设计了分布式的校验模式，如下图所示。按照流域的出口对子流域进行分组，将不同的组同时但分别进行优化，最后得出适合于每一子流域组的最优参数修改规则。这种校验模式在当前的校验工具中尚不能实现。为了实现模式的应用，我们利用python语言将其开发出来，产品如下图所示。在软件中利用深度优先算法（Depth first search）对子流域组进行划分，参数的优化采用动态维度算法（Dynamic Dimension Search），优化过程中，对每一个子流域组进行单独优化。该算法不仅实现了不同子流域组之间的同时优化，也免去了多次校验的需求，极大地提高了校验的效果和效率。该软件发布之后，经过在中美多个类型的流域进行测试，都取得了良好的效果。