全球95%以上的中小流域沒有任何監測數據，這些無資料地區徑流和洪水預測一直是水文領域長期面臨的科學難題。近日，中國科學院成都山地災害與環境研究所研究員歐陽朝軍團隊提出了一種新的基于AI的徑流洪水預測模型ED-DLSTM，通過編碼流域靜態屬性和氣象驅動，利用全球2000多個水文站數據進行模型訓練，以解決全球范圍內有資料流域和無資料流域徑流預測問題。相關成果在線發表于《創新》上。
該研究提出的ED-DLSTM模型，針對流域徑流預測目標，設計了空間屬性編碼模塊，利用卷積層和空間金字塔池化層，將所有流域的靜態屬性映射到規模相同的隱空間，使得模型能抽象地“意識”到不同流域的水文響應特征。
該研究采用的訓練數據集來自美國、英國、中歐、加拿大等地共計2089個流域，這些流域分布差異性顯著，確保了數據的多樣性。利用這些流域歷史資料訓練模型，并測試模型在未來時段的預測準確性和可靠性。利用納什效率系數NSE對實驗結果進行評估，發現81.8%的流域平均NSE高于0.6，預測精度比傳統水文模型和其他人工智能模型更好。
基于上述預訓練模型（北半球），研究者對智利（南半球）的160個全新流域（不使用任何監測數據）進行預測，以檢驗模型在無監測數據流域的預測能力，不同預訓練模型的預測結果顯現出了較強的空間分布一致性。在最好情況下，所有未計量流域中76.9%的流域NSE＞0，展現了AI在未計量流域進行水徑流及洪水預測的巨大潛力。
相關論文信息：https://doi.org/10.1016/j.xinn.2024.100617
全球95%以上的中小流域沒有任何監測數據，這些無資料地區徑流和洪水預測一直是水文領域長期面臨的科學難題。近日，中國科學院成都山地災害與環境研究所研究員歐陽朝軍團隊提出了一種新的基于AI的徑流洪水預測模......
筆者前不久在基層調研時了解到，目前，對于江河湖泊等大型水利水系和主干流，國家大多上馬了治理項目，并且投入力度很大，雖然收到了一定效果，但是未從根本上解決問題。原因在于，對這些江河湖泊主干流水質產生影響......
為全面摸清次級河流水環境狀況，重慶市決定對境內的次級河流水環境保護情況展開全面調查，建立水環境保護管理臺賬。重慶地處長江上游，三峽庫區腹地。三峽水庫蓄水后，長江干流水質基本保持穩定，但庫區次級河流水質......