01
<向右滑动查看作者信息>
作者单位：Northeastern University等
第一作者：Puja Das
通讯作者：Auroop R. Ganguly
降水预报对洪水应急和河流管理至关重要，但多年来一直充满挑战。尽管深度生成模型（Deep Generative Modeling, DGM）的最新进展表明这一领域有改进的可能性，但现有河流管理机构（如田纳西河谷管理局）仍依赖数值天气预报（Numerical Weather Prediction, NWP）模型来进行预报，而即便是最先进的NWP模型也存在漏报问题。尽管以往研究在平流和局部演化方法的基础上取得了一定进展，近期的“物理无关”机器学习方法和“嵌入物理机制”的机器学习方法都表现出潜力，但前者较少与NWP模型进行直接对比，也未与水资源和河流管理专家联合进行独立评估。本文研究发现，最先进的物理嵌入深度生成模型NowcastNet在强降水事件中优于最新一代NWP模型HRRR、平流方法以及传统的持续性预报。具体而言，在每小时超过16毫米的网格极端降水预测中，NowcastNet的中位关键成功指数（CSI）达到0.30，而HRRR仅为0.04。尽管NowcastNet在逐点预测中取得了显著的水文改进，但其在长时间预测中可能高估空间总降水量。通过与机器学习开发者、水文专家以及河流管理人员的协同评估，研究表明这一进步有助于改善洪水应急响应和水电管理。
原文链接：
https://www.nature.com/articles/s41612-024-00834-8
02
<向右滑动查看作者信息>
作者单位：Chinese Academy of Sciences等
第一作者：Longhuan Wang
通讯作者：Binghao Jia
青藏高原 (Tibetan Plateau, TP) 地下水储量 (GWS) 的变化对水资源管理和区域可持续发展至关重要。然而，由于水文观测不足和未来气候情景的多样性，对其变化的估算存在很大的不确定性。本文通过高分辨率陆面建模、先进的卫星观测、全球气候模型数据以及深度学习方法，估算了过去和未来的GWS变化。研究发现，从2002年至2018年，GWS每年增加3.51±2.40亿吨，特别是在外流盆地，这主要归因于冰川融化。未来，GWS将持续增加，但增长速度正在减缓（在高排放情景下，2079年至2100年的年增长率为0.14亿吨）。预计大多数内流盆地的GWS将增加，这与降水增加和短波辐射减少有关。相比之下，在阿姆河、长江和黄河的源头地区，预计GWS将减少。这些发现为在气候变化背景下实现可持续水资源管理提供了重要启示。
原文链接：
https://www.nature.com/articles/s41612-024-00840-w
Others you may have interests：
[1] Zaerpour, M., Hatami, S., Ballarin, A.S. et al. (2024). Impacts of agriculture and snow dynamics on catchment water balance in the U.S. and Great Britain. Commun Earth Environ. https://doi.org/10.1038/s43247-024-01891-w
[2] Zhong, Y., Guillet, S., Corona, C. et al. (2024). Mediterranean cyclones are a substantial cause of damaging floods in Corsica. Commun Earth Environ. https://doi.org/10.1038/s43247-024-01836-3
[3] Sato, M., Gostlow, G., Higham, C. et al. (2024). Impacts of climate litigation on firm value. Nat Sustain. https://doi.org/10.1038/s41893-024-01455-y
[4] Barnard, P.L., Befus, K.M., Danielson, J.J. et al. (2024). Projections of multiple climate-related coastal hazards for the US Southeast Atlantic. Nat. Clim. Chang. https://doi.org/10.1038/s41558-024-02180-2
[5] Holden, Z.A., Dobrowski, S.Z., Swanson, A. et al. (2024). Low-elevation forest extent in the western United States constrained by soil surface temperatures. Nat. Geosci. https://doi.org/10.1038/s41561-024-01577-0
[6] Beverley, J.D., Newman, M. & Hoell, A. (2024). Climate model trend errors are evident in seasonal forecasts at short leads. npj Clim Atmos Sci. https://doi.org/10.1038/s41612-024-00832-w
编辑: 朱凯莉 ｜校稿：hydro90编委团
