近日，清华大学地球系统科学系陈德亮院士联合中国科学院青藏高原研究所、阿里巴巴集团、国家电网中国电力科学研究院、国家电网全球能源互联网集团等单位，研发出融合冰雪消融过程的可解释人工智能水文模型思源（HydroTrace）。该模型通过创新性地将人工智能与物理水文机理深度融合，实现了高精度、强可解释性的青藏高原河流径流模拟与预测。

研究团队系统揭示了青藏高原冰川对径流的全年影响，发现冰川不仅在丰水季节（消融期）影响径流，在枯水季节也是维持流量的重要来源。这一发现为理解“亚洲水塔”在气候变化背景下的水循环机制提供了新的科学依据。

与传统的“黑箱”式深度学习模型不同，思源模型采用“注意力机制（Attention Mechanism）”作为数据代用指标，实现了输入—输出关系的透明映射。模型能够在空间、时间和要素层面揭示径流变化的关键驱动因素，并通过“注意力引导的水量平衡方程”实现了物理过程的显式表达。研究显示，模型在青藏高原两处实测站点的预测精度均显著高于现有主流模型，Nash–Sutcliffe 效率（NSE）高达0.98，达到国际“极佳”标准。

研究团队表示，思源模型可作为重大流域工程的水文预测与调度决策支撑工具，在复杂地形和气候条件下实现高可靠度的径流预报与风险评估，为中国乃至泛第三极地区的水资源管理、水电调度和气候风险防控提供了新的技术路径。

陈德亮介绍，思源模型实现了人工智能与物理水文模型的深度融合，是人工智能从“辅助计算”迈向“科学推理”的重要一步。它不仅能告诉我们能预测多准，更能解释其背后原理。

相关成果以“可解释人工智能水文模型思源（HydroTrace）”（HydroTrace: an interpretable attention-based AI for glacio hydrological modeling）为题，发表在国际期刊 《环境研究通讯》（Environmental Research Communications）。

中国科学院青藏高原研究所夏萃慧、中国电力科学研究院岳雷为文章共同第一作者，清华大学地球系统科学系陈德亮院士为通讯作者，合作者包括中国科学院国家天文台李瑀旸，华北电力大学薛安成，中国电力科学研究院李志强、全球能源互联网集团贺庆，中国科学院青藏高原研究所张国庆、Dambaru Ballab Kattel，阿里巴巴集团雷磊、周明。

论文信息：

Xia, C., Yue, L., Chen, D., et al. (2025). HydroTrace: An Interpretable Attention-Based AI for Glacio-Hydrological Modeling. Environmental Research Communications. DOI: 10.1088/2515-7620/ae1a41.

编辑：王佳音

审核：陈德亮 耿睿