详细内容或原文请订阅后点击阅览
让人类了解情况可改善洪水预报
新的研究表明，人工智能和机器学习可以改善洪水预测，但人类的专业知识对于准确的预警仍然很重要。
来源:Eos杂志实时水文预报通过结合不断更新的降雨测量、河流测量读数和天气预报来预测河流水位和洪水泛滥。大多数洪水预报系统依赖于人类的解释和调整，或者“预报员在环”方法，它将计算机模型与洪水动力学和当地条件的人类专家配对。相比之下，在“环路预测”系统中，人类监督自动预测并仅在必要时进行干预。
最近，人工智能 (AI) 和机器学习 (ML) 已更加融入洪水预测，其中许多系统在处理大型数据集和从历史记录中学习复杂模式方面比单独的传统模型更快。但这些新技术也存在局限性——人工智能和机器学习需要大量数据，并且可能难以捕捉极端、罕见的事件。
尽管机器学习和人工智能经常被吹捧为洪水预报的未来，但大多数研究都是针对提供历史模拟的模型而不是洪水期间使用的实时操作系统来测试这项技术。这些简化的模型可能缺乏局部细节，或者以每日而不是每小时的分辨率进行测试。它们的有效性可能被高估了。
Tran 等人进行了第一项研究，将机器学习模型的性能与加州内华达河预报中心 (CNRFC) 使用的实际洪水预报系统进行比较，该系统使用专业预报员和传统水文模型。该研究表明，循环预报器方法在几个关键方面优于机器学习模型，包括水流预测和洪水事件检测，因为预报器可以识别模型错误并解释不良的输入数据，而模型无法自行采取行动。
—丽贝卡·欧文 (@beccapox.bsky.social)，科普作家