人工智能与地球科学的深度融合催生了AI4GeoScience这一新兴领域，为流域水文监测带来了前所未有的机遇与变革。流域水文监测作为水资源管理、防洪减灾以及生态环境保护等众多领域的重要基础，其技术的先进性与精准性直接关系到相关决策的科学性和有效性。AI技术的引入为流域水文监测带来了全新的视角和方法，使其在数据采集、处理、分析以及预测等方面展现出巨大的潜力与优势，有望解决传统监测手段在面对复杂水文环境、海量数据以及高精度要求时所遭遇的诸多难题，从而推动流域水文监测技术迈向智能化、精准化和高效化的新阶段。
2024年1月12日，CCF YOCSEF兰州在前期调研的基础上，于兰州市城关区天水南路226号萃英大酒店8楼802会议室举办了主题为“AI4GeoScience背景下流域水文监测的关键技术”的技术论坛，就AI4GeoScience背景下流域水文监测的关键技术问题，从寒区水文、洪水预报以及流域水文监测等多个关键角度展开充分而深入的讨论。论坛由CCF YOCSEF兰州副主席张明虎（兰州理工大学）和郑炜豪（兰州大学）担任执行主席。
本次论坛邀请到中国科学院西北生态环境资源研究院陈仁升研究员、兰州大学资源环境学院张兰慧教授以及兰州交通大学电子与信息工程学院火久元教授担任引导嘉宾，中国科学院西北生态环境资源研究院盖迎春研究员、中国科学院西北生态环境资源研究院何晓波研究员以及兰州大学地质科学与矿产资源学院赵岩青年研究员作为特邀嘉宾参与思辨讨论。CCF YOCSEF兰州AC委员以及来自当地高校、政府、企业的众多专家学者共计20余人参与本次活动。
本次论坛分为引导发言与思辨讨论两个环节。首先执行主席对到场人员表示热烈欢迎，并详细介绍了论坛的背景以及YOCSEF文化。
图1 会议开始
陈仁升研究员首先作了题为“AI在寒区水文/冰冻圈水文中的可能用武之地”的引导发言。仁升首先对寒区水文/冰冻圈水文的主要研究内容做了专业细致的介绍，随后，结合自己丰富的相关研究工作，深入探讨了AI在降水类型识别、气象预报、流域水文过程、洪水预报预警以及内陆河山地-绿洲-荒漠系统等方面可能的应用，并分享了自己独特的观点和见解，为AI在寒区水文领域的应用拓展提供了新的思路和方向。
图2 陈仁升引导发言
接着，张兰慧作了题为“AI时代下的洪水预报”的引导发言。兰慧首先围绕洪水三要素、监测技术及五位一体河流监测系统等关键点，清晰阐述了洪水监测方面的专业知识。并在介绍完传统预报方法后，从机器学习方法构建代理模型和物理机制模型与机器学习方法相结合的两个方面，对AI时代的洪水预报进行了深入剖析，阐述了自己对于如何利用AI技术提升洪水预报准确性和时效性的观点。
图3 张兰慧引导发言
最后，火久元作了“流域水文模型参数优化研究与AI4GeoScience的实践”的发言，久元首先对流域水文模型参数优化研究进行了全面而深入的介绍，随后，他从AI技术的起源、发展先锋以及AI for Science科学智能等方面，系统地介绍了AI与AI for Science的内在联系和发展脉络。最后，结合基于SBAS-InSAR技术的中巴公路盖孜河谷段形变监测与影响因子分析案例，深入探讨了AI for Science在地球科学研究中的挑战与限制。
图4 火久元引导发言
在思辨环节，本次论坛围绕三个议题分别进行了深度讨论。
思辨议题一：AI+流域水文监测融合模型提升预测精度的优势和局限分别是什么？
针对第一个议题，与会嘉宾从模型构建、数据处理、预测效果以及实际应用等多方面展开了深入探讨。与会嘉宾一致认为，就优势而言，AI+流域水文监测融合模型能够深入挖掘海量水文监测数据中的潜在信息，如将AI集成能力应用于模型初始化数据、参数率定和参数优化等，可为预测提供丰富准确信息。此外，融合了AI的流域水文监测模型具有较好的泛化能力，可以通过学习大量的样本数据，自动调整模型参数。然而，其局限也不容忽视。一方面，AI模型训练依赖大量高质量数据，但水文监测数据常存在缺失、精度低、格式不一致等问题。另一方面，另一方面，AI模型开发复杂，其模练和推理需大量计算资源，需专业人员设计、训练和调优，且易出现过拟合现象，导致模型在新数据上预测精度下降。
图5 论坛议题一思辨
思辨议题2：AI+流域水文监测融合模型的实时推理与计算资源如何权衡？
与会嘉宾们一致认为实时推理对流域水文监测至关重要，并以青藏高原的科学数据为例，强调了数据传输和计算资源的重要性，并指出在数据时效性与模型精度之间寻求平衡是当前面临的主要挑战。为了应对这些挑战，与会嘉宾们提出了通过模型优化如精简结构、采用轻量级网络架构，以及智能调度计算资源、利用边缘计算与云计算等技术路径来寻求权衡。同时，他们对未来发展充满期待，认为边缘设备进步、算法创新及跨学科合作将助力攻克这一难题，推动流域水文监测技术升级，为水资源管理与防洪减灾提供有力支持。
图6 论坛议题二思辨
思辨议题3：如何设计“可解释”的AI+流域水文监测融合模型的技术方案？
针对第三个议题，与会嘉宾从多个角度探讨了这一问题，嘉宾们着重指出该设计面临显著的可解释性难题。与会嘉宾认为，可解释性源于人类思维，是对复杂信息的简化，即缩减参数的过程。人类习惯线性思维，倾向于简单因果关系。但构建融合模型常用的神经网络基于非线性复杂运算，以目前人类认知水平，尚无法完全理解这些复杂非线性关系。最后，与会嘉宾们一致认为，该议题的具体实现重点在于模型的决策过程透明，只有将模型决策依据、输入特征对结果的影响路径直观呈现，才能真正实现模型的可解释性，这不仅有助于提高模型的可信度，还能为流域水文监测的实际应用提供更有力的支持。
图7 论坛议题三思辨
最后，CCF YOCSEF兰州现任主席王娟就本次技术论坛作了总结，就各位嘉宾的到来和热烈的讨论表示感谢。
图8 论坛活动成员合影留念
感谢参与本次论坛的各位嘉宾和参会者、兰州本地高校以及本地企业对本次活动的大力支持。
