Page 17 - 2025年第56卷第9期

能移植到无资料流域进行预测 ［29］ 。这意味着在流域尺度上，可能存在某些共性规律尚待发掘，且这些
规律有潜力通过现有观测数据进一步识别 ［30］ 。
基于多流域统一建模的思路，谷歌构建了全球洪水预报系统 FloodHub，为全球 80 多个国家的五
千多个流域提供最高达 7 天预见期的洪水预报服务。相较于已运行多年的 GloFAS 全球洪水预报系统，
FloodHub 在 1 年、2 年、5 年和 10 年重现期事件的 F1 分数（综合精度和召回率的指标）分别提高了 22%、
41%、42% 和 33%，且在无资料流域上表现出更优的预报性能 ［31］ 。尽管多流域统一建模方法在洪水预
报领域取得了快速发展，但在探索宏观流域水文共性规律方面，仍存在较大的改进空间。一些研究表
明，基于 CAMELS 数据集的全流域统一模型能够充分利用不同流域间的数据协同效应，从而在各区域
上表现优于分区训练模型 ［27］ ；然而，也有研究发现，这种不加区别地对待所有流域统一训练的模型在
部分流域表现不佳，因为不同流域间的特征差异较大，可能导致部分流域的学习偏离主要规律，甚至
出现流域间规律学习互相干扰的倾向 ［32］ 。这两种研究结果的差异可能源于分类方式的不同。第一种方
法基于地理分区，利用区域外相似流域的信息，适合统一模型的协同学习；而第二种方法则对流域进
行更细致的分类，剔除具有竞争关系的流域，从而有助于独立模型的学习。总之，当前数据条件下，
模型在表征流域水文过程的多样性和复杂性方面仍存在不足，尚无法充分捕捉不同流域间的共性特
征，如何处理流域间水文规律学习的协同和竞争关系仍需持续探索。
2.2 水库调度决策制定 —— 水库防洪调度为例 水资源系统属于复杂巨系统，涉及水文、经济和生
态等多领域，需应对各种自然和人工过程的动态变化，因而决策制定在水资源管理中至关重要 ［33］ 。其
中，水库调度是典型的系统性决策问题，往往需要综合考虑多目标、多约束，特别是在流域水库群联
调中，还需协调梯级水库之间的联系，导致决策系统更为复杂。
具体到单个水库的防洪调度，管理者需在洪水来临前进行多阶段的流程决策，以降低水库上下游
区域的受灾风险。传统的防洪调度方法通常依靠管理者利用各类工具分析水雨工情信息，考虑多种因
素，在洪水发生之前制定合理的调度策略。如图 2 所示，防洪调度的一般流程包括：首先，根据实时
水雨情数据掌握水库上游的降雨和水位变化情况；然后，结合气象和水文预报，形成多个预报情景，
依据人工经验设置多种调度方案；接着，再通过水动力学模拟对不同情景的调度效果进行预演，以确
定可能受洪水影响的上下游区域，更新调度方案；最后，管理者在多轮迭代与权衡后选择最合适的调
度策略，以最大程度减少上下游受灾风险。

图 2 防洪调度一般流程与 AI 驱动水库调度对比

经验丰富的调度人员可以较好地完成单个水库的合理调度。然而，当面对梯级水库群的调度需求
时，决策过程的复杂性显著增加，仅依靠人工经验难以获得理想的调度决策方案。梯级水库调度不仅
需要考虑每个水库的独立目标，还要协调各水库以实现系统整体的优化运行 ［34］ 。随着水库数量的增

— 1121 —