卫星数据揭示部分河流模型存在缺陷

近日，发表于《地球物理研究快报》的一项研究表明，当前主流机器学习河川水文模型在全球尺度上存在显著局限。由马萨诸塞大学阿默斯特分校水文学家科林格里森领衔的团队，利用NASA地表水和海洋地形卫星的实测数据，对现有模型的预测精度进行了全面验证。 研究发现，模型对无大坝、单一河道且不受冰川融水影响的标准河流估算较为准确，但此类河流仅占全球总数约11%。格里森指出，现实中的复杂河段才是常态。模型在受大坝调控、干旱地下水依赖区及北极区域表现最差。由于这些区域对水电开发、农业灌溉及气候推演至关重要，模型误差将直接导致相关决策失准。 研究团队强调，机器学习模型严重依赖历史训练数据，在数据稀缺或水文机制复杂的地区难以捕捉规律。面对全球水资源管理挑战，该研究建议在模型高误差区域弃用推算模式，直接采用卫星遥感实测数据。这一发现正推动水文研究领域从依赖算法推演向优先信任空间观测的范式转变，为提升全球水资源规划精度提供了关键科学依据。