人工智能提升气候变化下的洪水预测能力

人工智能提升气候变化下的洪水预测能力

当工程师和规划者设计道路、桥梁和大坝时，他们依赖的水文模型本应能保护基础设施和社区免受50年一遇和百年一遇洪水的冲击。但康奈尔大学的一项新研究发现，随着气候变化加剧洪水的频率和强度，现有模型正变得愈发不可靠。

这项发表在《水文学杂志》（Journal of Hydrology）上的研究指出，为应对这种不确定性，应在基于物理过程的模型基础上补充AI水文模型，并建立区域性洪水评估体系，而非依赖特定地点的评估。

"模型是现实世界的简化表示，因此我们会用历史观测数据验证它们，确保其在历史条件下运行良好，"论文第一作者、生物与环境工程副教授斯科特·施泰因施奈德实验室的博士生桑迪普·波德尔说。

"然而，气候变化使干旱和洪水更加频繁和严重。这意味着未来将与过去不同，这就引出了一个关键问题：我们在多大程度上可以信任那些基于历史数据验证过的模型来预测未来？哪些模型更适合长期水利基础设施规划？"

为回答这些问题，研究人员首先开发了一个"虚拟水文实验室"实验，该实验基于当前和未来气候条件生成了1000年的合成数据。这些数据包含洪水和干旱等极端事件，以及气温、降水、土壤湿度、蒸发和径流等气候与水文条件的日值。随后，他们测试了六种洪水预测模型，看其在当前和未来条件下预测重要结果时哪个最接近实际。

这些模型分为三类：依赖水文过程物理方程的传统模型；基于学习到的输入输出关系进行预测的AI模型；以及结合传统与AI方法的混合模型。研究发现，尽管所有被测模型都存在很大的不确定性，但AI模型表现最佳。

施泰因施奈德提醒，不应因为AI模型在这项虚拟案例研究中表现突出就抛弃基于物理过程的模型，而应继续研究并完善这两类模型。

"我们不应假设能精确预测每个流域的洪水变化情况，而应承认模型的局限性，并寻找在更大区域范围内持续存在的规律，"他说。"这种更宏观的视角为规划者在气候变暖背景下准备基础设施和保护社区提供了更可靠的指导。"

研究人员发现，区域性预测远比特定地点预测更稳定。在多个河流流域进行洪水变化预测，然后汇总并平均这些预测结果，能够得出更稳健、更准确的结论。

但他们表示，最令人担忧的发现是模型在预测气候变化条件下的洪水时表现出的不可靠性。

"这令人担忧，因为今天我们正是用这些模型和水文数据来做决策，决定如何在未来设计桥梁、道路和水务基础设施——而它们还不够好，"波德尔说。

更多信息: Sandeep Poudel et al, Uncertainty in estimating the relative change of design floods under climate change: a stylized experiment with process-based, deep learning, and hybrid models, Journal of Hydrology (2026). DOI: 10.1016/j.jhydrol.2025.134427

END

声明：欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编处理。