人工智能助力氣候變化下的洪水預(yù)警新突破

當(dāng)工程師和規(guī)劃者設(shè)計道路、橋梁和大壩時，他們依賴于水文模型，以保護(hù)基礎(chǔ)設(shè)施和社區(qū)免受50年和100年一遇的洪水的影響。但隨著氣候變化增加洪水的頻率和嚴(yán)重性，現(xiàn)有模型的可靠性越來越差，這一點新的康奈爾研究發(fā)現(xiàn)。

訂閱我們的 新聞通訊，獲取最新的科技新聞更新。

為了應(yīng)對這種不確定性，基于物理的模型應(yīng)該與人工智能水文模型結(jié)合使用，并且要創(chuàng)建區(qū)域性的洪水估算，而不是僅僅依賴于特定地點的估算，依據(jù)這項研究，該研究發(fā)表在《水文學(xué)雜志》上。

“模型是對現(xiàn)實世界的簡化表示，因此我們根據(jù)過去的觀察來驗證它們，以確保它們在歷史條件下能夠有效運作，”第一作者桑迪普·普德爾說，他是生物與環(huán)境工程副教授斯科特·斯坦施奈德實驗室的博士研究生。

“然而，氣候變化使干旱和洪水變得更加頻繁和嚴(yán)重。這意味著未來將與過去大相徑庭，這引出了一個關(guān)鍵問題：我們應(yīng)該多大程度上信任那些基于歷史數(shù)據(jù)驗證的模型，來預(yù)測未來嗎？哪些模型更適合長期水利基礎(chǔ)設(shè)施規(guī)劃？”

為了回答這些問題，研究人員首先開發(fā)了一個“虛擬水文實驗室”實驗，包含了基于當(dāng)前和未來氣候條件的1000年合成數(shù)據(jù)。這些數(shù)據(jù)包括極端天氣事件，比如洪水和干旱，以及氣候和水文條件的每日值，包括空氣溫度、降水、土壤濕度、蒸發(fā)和徑流。然后，他們對六個洪水預(yù)測模型進(jìn)行了測試，以查看在當(dāng)前和未來條件下，哪個模型能更準(zhǔn)確地預(yù)測重要結(jié)果。

這些模型可以分為三類：依賴水文過程物理方程的傳統(tǒng)模型；基于人工智能的模型，這些模型利用所有這些數(shù)據(jù)并根據(jù)學(xué)習(xí)到的輸入和輸出關(guān)系進(jìn)行預(yù)測；以及結(jié)合傳統(tǒng)模型與人工智能模型的混合模型。他們發(fā)現(xiàn)，雖然所有測試的模型之間存在很大的不確定性，但人工智能模型的表現(xiàn)卻是最好的。

斯坦施奈德警告說，在這個虛擬案例研究中，人工智能模型的表現(xiàn)優(yōu)異不應(yīng)被視為拋棄基于物理的模型的理由，而應(yīng)繼續(xù)研究和完善這兩種模型。

“與其假設(shè)我們能在每個流域精確預(yù)測洪水變化，不如承認(rèn)我們模型的局限性，并尋找在更大區(qū)域內(nèi)存在的持續(xù)模式，”他說。“這種更廣泛的視角為規(guī)劃者提供了更可靠的指導(dǎo)，以便在氣候變暖的情況下準(zhǔn)備基礎(chǔ)設(shè)施和保護(hù)社區(qū)?！?/p>

研究人員發(fā)現(xiàn)，區(qū)域預(yù)測的穩(wěn)定性顯著高于具體地點的預(yù)測。在多個流域進(jìn)行洪水變化預(yù)測后，將這些預(yù)測匯總并取平均，得出了更可靠和準(zhǔn)確的結(jié)果。

但他們表示，最令人擔(dān)憂的發(fā)現(xiàn)是模型在氣候變化條件下預(yù)測洪水的可靠性不夠高。

“這讓人感到擔(dān)憂，因為這些模型和水文數(shù)據(jù)是我們今天常用的，用來決定未來橋梁、道路和水利基礎(chǔ)設(shè)施的設(shè)計——而這些模型并不夠好，”Poudel說。

更多信息： Sandeep Poudel等，氣候變化下設(shè)計洪水相對變化估計的不確定性研究：基于過程的、深度學(xué)習(xí)和混合模型的實驗研究，《水文學(xué)雜志》（2026）。 DOI: 10.1016/j.jhydrol.2025.134427

由康奈爾大學(xué)發(fā)布

這篇文章最初發(fā)表于 Phys.org