Geo Intelligence.

研究与来源

无测站流域极端洪水的全球预测

英文原题:Global prediction of extreme floods in ungauged watersheds · 机器翻译

Nature · 中科院一区 Top · 2025

论文作者:Grey Nearing · Deborah Cohen · Vusumuzi Dube · Martin Gauch · Oren Gilon · Shaun Harrigan · Avinatan Hassidim · Daniel Klotz · Frederik Kratzert · Asher Metzger · Sella Nevo · Florian Pappenberger · Christel Prudhomme · Guy Shalev · Shlomo Shenzis · Tadele Yednkachw Tekalign · Dana Weitzner · Yossi Matias

DOI: 10.1038/s41586-024-07145-1

AI 导读

AI 导读通过跨流域学习开展无测站流域的极端洪水预测,评估数据驱动方法在不同提前期与区域的可靠性,关注观测稀缺地区的预警需求。

导读不等同于作者摘要,请以原始论文为准。

本条目提供可追溯的文献信息,尚未发布完整编辑解读。

阅读原始来源 ↗

重点期刊标识依据 2025 年中科院分区:大类一区且 Top=是。该期刊层面的标识不代表对单篇论文质量的评价。

相关研究

观点文章Nature Reviews Earth & Environment中科院一区 Top · 2025

通过可微分建模统一地学领域的机器学习与物理模型机器翻译

英文原题Differentiable modelling to unify machine learning and physical models for geosciences

作者 Chaopeng Shen · Alison P. Appling · Pierre Gentine · Toshiyuki Bandai · Hoshin Gupta · Alexandre Tartakovsky · Marco Baity-Jesi · Fabrizio Fenicia · Daniel Kifer · Li Li · Xiaofeng Liu · Wei Ren · Yi Zheng · Ciaran J. Harman · Martyn Clark · Matthew Farthing · Dapeng Feng · Praveen Kumar · Doaa Aboelyazeed · Farshid Rahmani · Yalan Song · Hylke E. Beck · Tadd Bindas · Dipankar Dwivedi · Kuai Fang · Marvin Höge · Chris Rackauckas · Binayak Mohanty · Tirthankar Roy · Chonggang Xu · Kathryn Lawson

AI 导读讨论如何利用可微分计算,将物理知识与神经网络共同训练,为过程理解、参数估计与地学预测提供方法框架。

可微分建模物理约束水文建模
条目与解读阅读原文 ↗