新闻网讯（通讯员吴云芳）7月6日，美国地球物理学会（AGU）旗下期刊Earth’s Future（中科院大类一区，影响因子：8.85）刊发了论文“Observation-Constrained Projection of Flood Risks and Socioeconomic Exposure in China”。该论文第一作者为水利水电学院2020级水文与水资源工程专业本科生康圣屿。论文提出了水文物理过程和大气水热输运机制约束下的深度学习新方法，应用于中国大尺度洪水风险及社会经济效应预估，取得了良好的效果。
该论文是2023年国家级大学生创新训练项目《基于卫星遥感与机器学习的大尺度气候风险评估》的阶段性成果之一，该项目团队成员包括水利水电学院水文班和碳中和试验班的三名本科生康圣屿、宗苏雅、徐乐，指导教师为尹家波副教授。
全球变暖改变了地球陆地圈与大气圈的能量收支和水分循环过程，水资源时空分布不均加剧，未来洪水风险及其对社会经济效应如何演化亟待研究。为了探索径流形成的物理机制，研究首先通过机器学习模型辨识中国径流变化的主要驱动力，刻画了径流对边界层水热因子的响应路径，进一步考虑下垫面产流和汇流机制，从而提出了融合大气热动力条件和产汇流机制的深度学习模型（图1）。
深度学习模型及其洪水风险预估的基本框架
在中国204个流域开展径流模拟试验，发现物理机制约束下的深度学习模型具有更优的水文模拟效果，尤其适用于人类活动影响剧烈的区域。假定不同的碳排放情景和社会经济发展路径，采用偏差校正后的最新全球气候模式集合输出驱动该水文-深度学习耦合模型，预估了中国主要流域的未来日径流系列。进一步考虑洪水事件的多变量特征属性，采用统计学模型构建了洪水峰值和持续时间的联合分布函数，并通过联合概率密度函数表征洪水事件的最可能组合，评估了本世纪末中国洪水风险的变化特征（图2）。最后，基于共享社会经济路径的动态发展指标，量化了受洪水风险增加影响的人口和地区生产总值，并综合评估了洪水及其社会经济风险预估的不确定性。
本世纪末期中国204个流域的两变量洪水风险变化情势
论文链接：https://doi.org/10.1029/2022EF003308
（实习编辑：师捷 编辑：张丽平）
