研究用统计深度学习分析气候变化下多流域并发洪水与并发干旱

研究关注邻近流域同时发生洪水或同时发生干旱的复合极端事件，指出气候变化同时影响极端高流量与低流量，而单流域变化与跨流域依赖结构变化交织，使并发极端事件发生概率的评估变得困难。 作者采用一个当代统计深度学习模型，以水文模型在大型气候模式集合驱动下模拟的流量为输入，研究多瑙河上游流域四个流域的并发洪水与干旱。借助大样本，作者评估该统计模型能够刻画模拟流量的尾部行为，并进一步分析流量联合尾部行为随时间的变化。结果显示，在高排放情景下，到21世纪末复合洪水与类干旱条件的发生可能性均在上升；结果特别指出，极端事件依赖结构的变化对上述变化有重要贡献，而传统方法难以捕捉这一点。 该工作为水文应用中复合极端事件的灵活推断提供了途径，并展示了统计深度学习在此类问题上的优势。需注意，分析基于水文模型模拟流量而非现场观测，结论对应高排放情景下的模拟结果；原文未给出具体概率数值与流域间差异的量化细节。