◎本报记者 金 凤
强降雨过程多、中小河流洪水频发、江河来水流域分化明显……今年入汛以来，我国雨水情呈现三大特点。这像三道考题，考验着我国面对汛期大考的应对能力。
“在气候变化和人类活动共同作用下，水安全正面临洪涝、干旱、水污染和地下水风险加剧等多重挑战。”在日前召开的AI for Water学术联盟成立大会暨首届国际学术研讨会上，中国工程院院士、南京水利科学研究院科技委主任张建云说，当前的很多水灾害往往是复合型灾害，例如暴雨有时会伴随干旱，或者引发山洪、泥石流等，这对灾害的监测、预测和调控都提出了更高要求，亟需AI赋能。
多位业内专家认为，在AI支撑的水利决策体系中，可以把实时感知、智能预测、风险预警、动态调度和反馈优化连接成闭环，支撑分钟级、小时级决策。
传统物理模型存在瓶颈
当前，全球面临的水安全形势多重风险交织。过去几个月，阿富汗多地的季节性山洪及相关自然灾害已造成300余人死亡，澳大利亚东部核心农业区却已连续数月降水偏少。
同时，全球地下水资源也面临着前所未有的枯竭危机。《2024年联合国世界水发展报告》显示，目前全球37个主要含水层中已有21个处于持续亏损状态。
“在我国，水安全问题也越来越复杂。除了洪涝，干旱、地下水超采、城市内涝、沿海风暴潮和生态退化等问题也不同程度地发生。”张建云说，在气候变化和人类活动共同作用下，水灾害已经不再是单一灾害，而是多过程耦合、多风险叠加的问题。
在张建云看来，传统的物理模型虽然机理清楚、可解释性强，但在复合灾害风险和实时决策场景下，单独依靠传统模型，已经越来越难以满足快速、复杂和实时的业务需求。特别是在面对极端暴雨洪水、城市内涝、水质突变等快速演化事件时，传统模型容易出现研判滞后、响应被动的问题。
这种局限性在沿海水灾害防治中也有所体现。河海大学校长郑金海介绍，气候变化及海平面持续上升，强台风浪和极端风暴潮等事件趋多趋强，不同尺度的水动力过程与各类基础设施会产生复杂的相互作用。物理模型与原型尺寸比例不同，导致两者在力学特性等方面无法完全相似，而数值模型受网格大小及简化条件等影响，存在计算耗时长、预测精度不足、不同场景适配度低等问题。
支撑决策的数据不够“鲜活”，难以“破圈”流动，也成为水科学研究、水治理技术的短板。
“水利与气象本是一体，但在实际工作中，二者往往由不同团队分别模拟、独立决策，导致气象预报成果难以高效支撑水利风险预警。”华为技术有限公司智慧水利首席技术专家冒甘泉告诉科技日报记者，全球尺度的气象预报难以直接服务于本地精细化运营，水文数据管理缺乏统一标准、存在数据壁垒，加之AI模型在真实作业场景中规模化部署困难，致使气象信息始终难以高效赋能水资源管理、防汛减灾等实际业务。
融合多源异构数据
面对传统物理模型的局限，AI为水利决策带来新思路。近日，中国人民大学发布“观天短临降水智能预报系统”。该系统将AI深度学习技术融入极端天气短临预报场景，提升了暴雨、城市内涝、山洪等灾害性天气的预警能力，可实现未来0—3小时降水过程的智能推演与精准预报。
由水灾害防御全国重点实验室牵头研发的安澜—水灾害防御系统也于去年10月发布。该系统由洪水预报调度、干旱监测预测、风暴潮预报预警、地下水监测预警四大子系统组成，可以为流域洪水预报调度、山洪与中小河流预报预警、城市洪涝模拟预警、风暴潮预报预警等场景提供支撑。
“AI+水利不是简单地把AI工具叠加到水利模型或者水利业务上，而是把数据、算法、物理模型和业务知识融合起来，提升水利系统的感知、模拟、预测和决策能力，促进洪涝、干旱、水环境污染和地下水风险等问题的解决。”张建云说。
张建云认为，在数据维度，AI可以自动完成数十类数据的同化、降噪、补值和时空配准，为模型运行提供高质量的数据输入。在知识维度，传统水文模型在无资料或资料代表性不足的中小河流面临参数率定难的问题，利用AI的迁移学习，科研人员可以借助地形、植被、卫星降水等遥感数据训练径流模型，将洪水预报的空间覆盖拓展到这些区域。在决策维度，AI可以同时考虑防汛抗旱过程中面对的雨情、水情、工情等多维约束条件，辅助生成兼顾多目标的调度方案，将水文预报与工程调度更紧密地衔接起来。
AI在港口、航道、海岸及近海工程领域也被寄予厚望。郑金海介绍：“AI可高效融合卫星遥感、岸基影像、水下传感器、近海浮标等多源异构数据，解决监测数据杂乱、利用率低、协同性不强的难题，提升沿海水灾害风险感知能力。”他举例说，以数值模型为主体、AI模型为补充，能够有效提升海浪、风暴潮等水动力要素的预测精度与运算速度，实现短临、中长期海况更精准的预报预警。
应用探索多点开花
从搭建流域洪水预报平台到监测地下水超采区信息，再到摸清季节与水文、生物地球化学周期的关联……多位受访专家介绍，AI在防洪减灾、地下水位预测预报、水环境判断、港口航道、新能源等领域已有探索和应用。
张建云介绍，南京水利科学研究院科研团队研发的广西防洪三维孪生智能推演平台，通过多源数据整合、水利自然交互式大模型、三维孪生引擎和四预业务模型融合，可以支持洪涝场景高效仿真和影响智能推演，服务防洪决策。
华为则构建了以盘古气象大模型、云羲引擎、大禹引擎为核心的全栈AI体系，覆盖“全球气象预报—区域精细化降尺度—流域径流预测—业务决策输出”全链条，打造气象水文一体化解决方案的使能平台。
冒甘泉介绍，大禹引擎依托时空图神经网络、多尺度时空卷积及机理嵌入等技术，整合气象、地形、径流等多源数据，通过神经网络仿真土壤含水量、下渗等水文过程中间状态变量，显著提升径流与水位预测的准确度与泛化能力。相较传统水利模型，AI在运行效率、训练效率及快速求解等方面均具有明显优势。
此外，云羲与大禹引擎的协同应用还为新能源开发开辟了新路径。“二者结合精准预测水库入库流量，已在风光水一体化智慧调度场景中发挥重要作用。”冒甘泉说。
沿海波浪智能快速预报与港口码头系泊智能决策中，AI也开始客串“数字预报员”。在海南一座港口，郑金海带领团队打造港口、航道、海岸与近海工程波浪预报及系泊安全智能体，将72小时波浪预报耗时由原来的约60小时缩短至不到1分钟，将系泊安全响应速度由小时级提升至分钟级。
“AI赋能水利，用数字智能弥补传统治水的底层短板，推动经验治水、人工治水向数据治水、智能治水转变。”张建云说，“AI在水利中的应用尚处于起步阶段，特别是在流域事件模型开发、智能体开发等方面，还需不断完善新技术、新方法。”
(责任编辑：秦宇雯)