概念图在水文研究中具有独特的意义与不可替代的价值。随着全球气候变化和人类活动的不断加剧，水文过程变得愈发复杂，研究人员迫切需要一种清晰、直观的工具来表达多维信息。作为一种可视化工具，概念图能够将复杂的水文过程、地质现象及人类干扰等多重因素有效整合与呈现。
它不仅为研究者理清思路、验证假设与模型提供支持，还极大地促进了跨学科间的交流与合作，是沟通复杂科学问题的重要桥梁。
01
概念图案例
1.1水循环概念图
水循环是指地球上的水分子通过蒸发、凝结、降水、流入和储存等过程不断循环的自然现象。水循环概念图通常使用箭头来表示水流动的方向，以及不同的颜色或符号来区分不同的水体状态（如液态、气态、固态）。
左右滑动查看更多
图片来源：
[1]Wikipedia
[2]https:// doi.org/10.13031/trans.13545
1.2 水文模型结构概念图
水文模型结构概念图用来描述水文模型组件及其相互关系，这些模型可以是用于模拟水循环的各个环节，如降水、蒸发、径流、蓄水等过程。以下是几个著名的水文模型及其概念图的简要介绍。
① VIC
VIC(Variable Infiltration Capacity)模型是一个大尺度的水文模型，它基于水和能量平衡原理，模拟了大气-植被-土壤之间的物理交换过程。该模型在每个计算网格内分别考虑裸土和不同的植被覆盖类型。VIC模型分为三层，考虑了土壤水分动态变化、土壤对降雨动态影响以及暴雨过程影响的缓慢变化过程。
图片来源：
https://vic.readthedocs.io/en/master
② LISFLOOD
LISFLOOD是一个基于栅格的水文模型，它模拟了从降雨到河流、湖泊和地下水中的水的完整水循环。
③ BTOPMC
BTOPMC(Block-wise use of TOPMODEL with the Muskingum-Cunge method)是一个分布式水文模型，它在每个计算单元上明确计算径流，并使用马斯京根-康吉方法进行汇流计算。模型适用于湿润流域和半湿润到半干旱流域的日水文降雨径流模拟。
④ CAMA-FLOOD
CAMA-FLOOD模型旨在实现全尺度河流、湿地和湖泊的模拟，包括模拟所有河流流域的洪水，包括无测量/数据稀疏区域的河流。
图片来源：
https:// doi.org/10.5194/nhess-21-1071-2021
⑤ Parflow
Parflow是一个分布式水文模型，它用理查兹方程来模拟一维稳态和非稳态地下水流动，以及考虑地形跟随网络、流动障碍、地表流和多相流方程。
图片来源：
https://parflow.org/
⑥ SWMM
SWMM(Storm Water Management Model)是美国环境保护署开发的一个动态水文和水动力模型，用于分析城市地表径流和污染物。
图片来源：
https://www.epa.gov/water-research/storm-water-management-model-swmm
1.3 顶刊图绘
左右滑动查看更多
图片来源：
[1]https://doi.org/10.1038/s41561-024-01527-w
[2]https://doi.org/10.1038/s41467-024-51471-x
[3]https://doi.org/10.1038/s43017-021-00165-9
02
绘图复现
在复杂的水文系统中，绘制机制概念图是一项充满挑战的任务。传统的研究方法通常采用流程逻辑图来展示学术研究中所蕴含的物理机制。
然而，随着人工智能技术的普及以及多样化专业软件的不断涌现，概念机制图的绘制得到了极大的优化和提升。本文结合ChatGPT与DALL·E两种AI工具，以及Adobe Illustrator设计软件，提出了两种思路，旨在为科研人员提供更高效、精确的概念图绘制解决方案，以便更好地表达复杂的水文机制和科学研究成果。
2.1
ChatGPT与DALL·E（or Midjourney）结合
首先，我们要知道DALL与Midjourney绘图原理，DALL和MidJourney的图像生成原理都是基于描述文本或上传的图像来生成图像，但它们在实现方式和风格上有所不同，DALL依赖于OpenAI的Transformer模型架构，擅长生成非常精确和多样化的图像，尤其在表达复杂场景、细致物体或抽象艺术方面表现出色。MidJourney 则通过其特定的风格化生成，通常以艺术感和想象力见长，生成的图像往往具有独特的风格化特征，偏向富有创意和美学的视觉表现。
本文探讨了通过ChatGPT与DALL·E相结合的两种方式来生成科研概念图。
① 以文生图
在以文本生成图像时，尤其是在科研图像中涉及到专业绘图术语的情况下，我们可以借助ChatGPT对指令进行优化，再通过DALL·E将文本描述转化为可视化的图像。
例如，针对“变化环境下的水文响应机制图”，我们通过ChatGPT生成如下Prompt。
Prompt:
Create a detailed concept diagram representing the hydrological response to environmental changes. The diagram should depict the complex interactions between natural variability, human activities, and climate change. It should include the following key components:
1. Natural Variability and Climate Change: Show how natural anomalies (labeled as "自然变异") and human-induced emissions of greenhouse gases ("人为胁迫" and "温室气体排放") lead to climate change ("气候变化"). Under climate change, depict the effects of:
Changes in atmospheric circulation
Changes in precipitation characteristics
Variations in solar radiation
2. Impact on the Physical Environment: Illustrate the resulting changes in physical conditions:
Topography
Surface coverage and land use
Soil conditions
3.Human Activities and Water Cycle Interventions: Show how human activities, such as:
Deforestation
Urbanization
Agricultural irrigation
Water conservancy projects interact with both the natural and artificial water cycle processes. Also depict human interventions like water extraction and drainage.
4. Hydrological Processes and Responses: Display how these factors alter various hydrological processes:
Melting of snow and ice
Water retention
Infiltration and runoff
Evaporation
5. Changes in Hydrological Conditions: Show how changes in meteorological and hydrological variables lead to modifications in runoff conditions and water cycle processes.
6. Feedback Loop: Include a feedback mechanism indicating how changes in the water cycle further influence the overall system.
The diagram should be highly detailed, with clear labels and arrows indicating the direction of influence and interactions between the different elements. Use a clean, organized structure to depict the complex relationships, ensuring that the flow of information is easy to follow. The style should be professional and scientific, suitable for academic presentations or publications.
将Prompt输入到DALL·E中用于概念图的绘制，得到图片如下：
经过实际测试，DALL·E能够基于此Prompt生成出相应的概念图。尽管整体逻辑和结构能够与预期一致，但生成的图像在细节上缺乏精准性，且往往带有明显的AI生成痕迹。这种方式虽然能够快速生成复杂的图像，但在学术精确度上仍存在不足。
② 以图生图
另一种方式是通过上传现有图片，让DALL·E生成类似或经过增强的图像。这种方式适用于已找到参考图片的场景，尤其是在需要对现有图片进行风格化处理时。例如，我们可以上传一些高质量的封面概念图，借助DALL·E生成类似的高视觉冲击力图像。具体案例如下：
下面两幅图是Cell与Science杂志的封面概念图，我们将其上传给DALL,让它帮我们生成类似的图片。
测试结果如下图所示，生成的图片具有较高的相似度且视觉效果显著，但与科学精确性要求较高的机制图相比，这种方式仍然适合于科普展示、封面设计等视觉艺术场景，而非精准的科研图像绘制。
2.2
AI（Adobe Illustrator）复现顶刊概念机制图
尽管ChatGPT结合DALL·E等AI工具能够生成视觉上炫酷的图像，但其在科学研究中对复杂机制的精确表达仍存在局限性。因此，针对科研需求，更加精确的方式是借助专业绘图软件，如Adobe Illustrator（AI），进行概念机制图的绘制。这一方法在生物信息学等领域中广泛应用，也为水文研究中的图示绘制提供了很好的参考。
复现流程：
导入模板图片：将现有的概念图模板导入Adobe Illustrator，分解图像中的元素，例如河流、山体、土地利用斑块等。
使用AI工具复现元素：对于初学者，可以通过使用钢笔工具对照模板进行1:1复现，并添加颜色填充；而熟悉AI的用户则可以通过多种功能更高效地完成绘制。
应用于个人研究：如果在绘制个人科研概念图时缺少基础元素，可以通过AI复现参考图片中的元素，并结合自己的研究逻辑进行绘制，最终得到精确的概念机制图。
个人简单复现如下：
03
总结
ChatGPT + DALL·E绘图总结
DALL·E和MidJourney基于用户的文本或图片生成图像，其核心机制是通过相似性生成图像。尽管能够生成具有较强视觉表现力的图片，但它们在科学研究中的精准度仍有所欠缺，尤其是对于概念机制图这类强调逻辑和精确表达的场景。具体生成方式包括两种：一是通过文本描述生成图片，二是基于图片生成图片。这种方式目前更适用于科普展示或艺术设计，而非严谨的科研绘图。
Adobe Illustrator绘图总结
AI绘图工具则提供了更高的精确度和自主性。通过Adobe Illustrator，研究人员可以精确绘制水文研究中的各类元素，并建立自己的水文要素素材库，从而实现更加精确且具备学术价值的概念机制图。这一方法为科研工作者提供了更为可靠的绘图解决方案。
从雨滴的降落到河流的形成，每个环节都蕴含着复杂的科学原理。未来期待水文图绘领域能建立起一个完备的素材库供科研人员使用！
一图胜千言！水文图绘改版后致力于分享水文相关的精美图表，为读者提供作图思路和经验，帮助大家制作更漂亮丰富的图表。同时欢迎留言咨询绘图难点，我们会针对性地分享相关绘制经验。另外也期待读者踊跃来稿，分享更好的构图思维和技巧，稿件可发送至邮箱hydro90@126.com, 或者联系微信17339888901投稿。
编辑：徐淑高、孙铬遥 | 校稿：hydro90编委团
