Экстремальные паводки представляют собой растущие риски в условиях меняющегося климата, однако прогнозирование остаётся сложным из-за недооценки пикового стока и высокой неопределённости. Авторы представляют модель стока на основе диффузии (diffusion-based runoff model, DRUM) – вероятностный подход на основе глубокого обучения, который способствует прогнозированию экстремальных паводков в репрезентативных бассейнах континентальной части США. DRUM превосходит самые современные эталонные показатели, повышая точность прогнозирования текущей погоды для верхнего уровня стока 1‰ в 72,3% исследованных бассейнов. В эксплуатационных сценариях DRUM увеличивает заблаговременность прогнозирования почти на целый день для паводков, которые происходят раз в 20 и 50 лет. При оценке с использованием измеренных осадков (идеальных условий) точность прогнозирования улучшается на 0,3–0,4, а окно раннего предупреждения увеличивается на 2,3 дня для паводков, происходящих раз в 50 лет. Потенциал улучшения варьируется в зависимости от региона: наибольшую выгоду получают зоны наводнений, вызванных осадками, на востоке и северо-западе США, где заблаговременность увеличивается на 3–7 дней. Эти результаты подчёркивают преобразующий потенциал моделей диффузии как передовой генеративной технологии искусственного интеллекта для развития гидрологии и более широких наук о Земле.

 

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GL115705