【儀表網(wǎng) 研發(fā)快訊】近日，南方科技大學(xué)環(huán)境科學(xué)與工程學(xué)院教授鄭一團隊與中國科學(xué)院大氣物理研究所等多家單位合作，在地球科學(xué)領(lǐng)域旗艦期刊Geophysical Research Letters發(fā)表題為“Probabilistic Diffusion Models Advance Extreme Flood Forecasting”的論文，首次將生成式人工智能(GAI)的前沿技術(shù)——擴散模型(diffusion model)——成功用于洪水預(yù)報。這項研究不僅為洪水預(yù)報技術(shù)帶來了重大變革，更為水文學(xué)乃至整個地球系統(tǒng)科學(xué)領(lǐng)域的AI應(yīng)用探索了新路徑。
氣候變化加劇導(dǎo)致全球極端洪水事件頻發(fā)，嚴重威脅人類社會發(fā)展。聯(lián)合國減災(zāi)署最新數(shù)據(jù)顯示，本世紀以來全球災(zāi)難性洪水災(zāi)害發(fā)生頻率激增134%，造成逾10萬人罹難，直接經(jīng)濟損失超過6510億美元。然而，傳統(tǒng)降雨徑流模型易低估峰值流量，難以預(yù)報最危險、最具破壞性的大洪峰，也無法直接給出基于概率的風(fēng)險評估。該研究提出了基于擴散模型的DRUM(diffusion-based runoff model)方法，利用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練徑流數(shù)據(jù)的噪聲模型，再使用該模型進行多步去噪操作，生成徑流的集合預(yù)報數(shù)據(jù)，徑流生成過程如圖1所示。DRUM無需預(yù)定義徑流的概率分布形式，直接從數(shù)據(jù)中學(xué)習(xí)概率分布；能完成多尺度任務(wù)分解，將復(fù)雜的洪水預(yù)報任務(wù)分解為一系列相對簡單的子問題；以及具有靈活的條件生成機制，可有效利用條件信息(如洪水形成的氣象條件)。這些特點使DRUM能有效處理洪水預(yù)報中的非線性、多尺度和高不確定性特征。
圖1 洪水預(yù)報模型DRUM的分布重建(預(yù)測結(jié)果采樣)過程
研究團隊基于CAMELS數(shù)據(jù)集，在美國531個代表性流域上對DRUM的性能進行了檢驗，并與現(xiàn)有的深度學(xué)習(xí)標桿模型進行對比。短臨預(yù)報(0天預(yù)見期)實驗結(jié)果表明，DRUM提升預(yù)報準確性的幅度隨洪水量級的增加而增大(圖2a)。在72.3%的研究流域中，DRUM對前千分之一流量(即最極端洪水)的短臨預(yù)報能力超越了標桿模型(圖2b)。此外，DRUM在洪水概率預(yù)報方面的優(yōu)勢在8個超出歷史數(shù)據(jù)極大值的極端洪水事件中進一步凸顯(圖2c–j)。研究團隊進一步使用歐洲中期天氣預(yù)報中心綜合預(yù)報系統(tǒng)(ECMWF-IFS)的降水預(yù)報數(shù)據(jù)驅(qū)動模型，將短臨預(yù)報擴展到業(yè)務(wù)預(yù)報(7天預(yù)見期)。結(jié)果顯示，DRUM在各種洪水量級和不同預(yù)見期上始終優(yōu)于標桿方法(圖3a)。DRUM還表現(xiàn)出更優(yōu)的洪水提前預(yù)警能力(圖3b)，特別是對極端事件(20年和50年一遇洪水)，成功將平均預(yù)警提前期從約0.2天延長至約1.2天，實現(xiàn)了近一整天的預(yù)警時間提升。研究成果充分展示了利用生成式人工智能進行業(yè)務(wù)化洪水預(yù)報的光明前景，對于全球洪水風(fēng)險評估、預(yù)警及應(yīng)急響應(yīng)具有重要意義。
圖2 DRUM在極端洪水事件短臨預(yù)報中的性能表現(xiàn)
圖3 DRUM在業(yè)務(wù)洪水預(yù)報中的性能評估
南科大環(huán)境學(xué)院2024級博士生歐志剛和中科院大氣所奈聰毅為論文共同第一作者，南科大鄭一教授和中國科學(xué)院大氣物理研究所潘寶祥副研究員為論文共同通訊作者，南方科技大學(xué)為論文第一單位。論文合作者還包括賓夕法尼亞州立大學(xué)教授申朝鵬、太平洋西北國家實驗室助理教授蔣佩詩、中科院地理所副研究員劉星才、中科院地理所研究員湯秋鴻、中國水科院博士生李雯晴和加利福尼亞大學(xué)圣迭戈分校教授潘銘等。該研究得到了國家自然科學(xué)基金委杰出青年科學(xué)基金項目、高水平專項資金等經(jīng)費支持。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。