基于Causal-ConvLSTM与LightGBM两阶段耦合框架的汉江流域15天闪旱早期预警

《Agricultural Water Management》：Flash drought early warning by a two-stage coupled framework integrating Causal-ConvLSTM in the Han River basin

　　

两阶段框架为汉江流域提供15天闪旱早期预警。
采用季节阈值的轻量梯度提升机（Light Gradient Boosting Machine, LightGBM）在验证集取得曲线下面积（Area Under the Curve, AUC）0.788与准确率0.715。
提升回归树（Boosted Regression Tree, BRT）识别降水、蒸发和融雪为核心季节驱动因子。

论文主体解读

论文由Yue Yu、Xini Zha、Lihua Xiong和Xiaokang Xin完成。研究背景与意义：全球变暖背景下，闪旱（flash drought）具有快速发生、发展期短和致灾强度高等特征，会破坏流域水文循环并威胁农业、生态和供水安全。汉江流域是长江最大支流、南水北调中线工程核心水源区和长江中游重要粮食产区，属亚热带季风气候，降水集中于春夏且蒸发强，易触发闪旱；近年来闪旱频率和严重度上升，给中线供水、农业生产和生态带来压力。因此开展15天短提前闪旱预警对流域防灾和跨流域调水稳定运行具有重要意义。现有识别早期多用气象指数，忽略土壤水分这一核心物理载体；数值模式对闪旱预测技巧仅维持1—2候；统计方法难捕捉非线性；LSTM、CNN、Transformer等深度学习缺乏物理因果约束、易学伪相关且长时序列误差累积。汉江流域已有研究多关注时空演变和驱动机制，预测上未充分考虑春夏季节分异、固定阈值难平衡漏检误报和样本不平衡、15天尺度误差传递未解决。为此研究人员构建两阶段耦合框架：先预测根区土壤水分（Root Zone Soil Moisture, RZSM），再以三候累积亏缺和气象核心因子进行概率判别，并用季节阈值预警。结论是框架可在15天提前期提供闪旱预警，测试期AUC=0.788、准确率=0.715，2022年夏季事件验证有效，可为丹江口水库调度、农业减灾和水资源管理提供工具。

关键技术方法（≤250字）：基于ERA5-Land再分析数据（1981-01-01至2022-12-31，0.1°×0.1°，日尺度）构建汉江流域网格样本；按时间顺序以最早80%（1981—2014）训练、最近20%（2015—2022）独立测试。采用根区土壤水分累积百分位（Cumulative Percentile, CP）法识别闪旱并生成二分类标签；用提升回归树（Boosted Regression Tree, BRT）按季节筛选16个候选水文气象因子的前4位核心驱动因子；以因果卷积长短期记忆网络（Causal-ConvLSTM）融合潜在PC-瞬时条件独立（Latent PC-Momentary Conditional Independence, LPCMCI）因果强度先验预测1—15天RZSM，提取三候土壤水分累积亏缺；以轻量梯度提升机（Light Gradient Boosting Machine, LightGBM）输出闪旱概率，并用Youden指数在训练期确定季节阈值。

研究结果：
4.1 闪旱驱动因子：通过BRT对16个候选变量按季节独立建模并排序，并排除RZSM以避免循环，得出总降水四季均居第一，春夏季蒸发相关因子居前，秋季潜在蒸散超过总蒸发且地表净热辐射影响增大，冬季融雪为第二重要因子；四季前4因子作为Causal-ConvLSTM外生输入，降低维度并保留主要物理驱动。
4.2 土壤水分预测模型性能：通过测试期与LSTM、ConvLSTM、PredRNN-V2比较及分提前期评估，Causal-ConvLSTM平均R²=0.73、均方根误差（Root Mean Square Error, RMSE）=0.018、峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）=21.83 dB；1—5天R²=0.89，6—10天0.71，11—15天0.57；结论为该模型能捕捉RZSM时空变化并控制长时误差累积，但相对最强基准PredRNN-V2的优势较小。
4.3.1 总体性能：通过同一输入矩阵和同一时序划分比较逻辑回归、支持向量机、随机森林、XGBoost和LightGBM，LightGBM测试期AUC=0.788、准确率=0.715、精确率=0.544、召回率=0.699、F1=0.603，训练时间6.00 s，综合性能好且训练最快；通过三种输入特征组合比较，三候累积亏缺+气象因子AUC=0.79、准确率=0.71、F1=0.60，优于仅气象和原始土壤水分+气象，较仅气象AUC提高19.7%、准确率提高18.3%、F1提高20.0%，较原始土壤水分AUC提高12.9%、准确率提高16.4%、精确率提高25.6%；结论为该特征能表征闪旱前持续土壤水分亏缺并平衡漏报误报。
4.3.2 季节性能差异：通过分季节受试者工作特征（Receiver Operating Characteristic, ROC）曲线和Youden指数确定阈值，春0.497、夏0.500、秋0.469、冬0.505；AUC春0.806、夏0.764、秋0.804、冬0.779，准确率春0.73、夏0.69、秋0.73、冬0.70；春夏表现较好且误报率低于0.4，冬季样本少、不确定性较高；移动块自助法95%置信区间重叠且两两差异区间含0，阈值应视为接近的操作点而非统计显著的季节机制差异；阈值附近指标稳定，业务上建议滚动重校准。
4.3.3 典型闪旱事件预测验证：通过2022年夏季汉江流域大范围严重闪旱事件（严重闪旱占发生网格61.45%），比较四个典型地理断面土壤水分模拟与ERA5-Land基准，模拟序列与基准一致并捕捉6月上中旬快速下降；箱线图中位数准确率=0.636、精确率=0.681、召回率=0.714、F1=0.660，召回率最高；结论为框架在实际极端事件中能稳定识别闪旱核心发生区，具有应用价值。

讨论部分总结：方法优势主要在三方面：两阶段“土壤水分预测—概率判别”解耦避免15天尺度土壤水分精度衰减；三候累积亏缺增强物理可解释性并抑制误差累积；季节最优阈值适应汉江流域闪旱驱动机制季节分异；BRT筛选核心季节因子降低输入维度并保持物理可解释性。局限包括ERA5-Land对复杂水利工程再分析存在不确定性，框架可视为气象—农业干旱转化链的预预警；预报期气象强迫采用初始时刻持久性假设，业务化需由数值天气预报替代；季节阈值在训练期校准，建议在滚动气候窗口上定期重校准；冬季样本少导致不确定性较高。未来可整合水库群运行、跨流域调水和灌溉管理等人类活动数据，扩展到黄河中游、珠江流域等不同气候区，并融合土壤水分主动被动（Soil Moisture Active Passive, SMAP）、土壤水分与海洋盐度（Soil Moisture and Ocean Salinity, SMOS）等多源遥感土壤水分与地面观测数据。工程价值在于为丹江口水库优化调度、农业灌溉减灾和流域水资源差异化响应提供决策支持。

研究结论翻译：本研究针对现有闪旱预测方法在长序列误差传播和季节异质性适应不足等关键局限，构建了适用于汉江流域的两阶段耦合预警框架，融合因果深度学习高精度土壤水分预测与概率分类干旱判别，并确定季节最优阈值以增强区域适应性。由BRT筛选的季节核心因子驱动的Causal-ConvLSTM模型在15天提前期捕捉根区土壤水分时空变率，R²由1—5天0.89降至6—10天0.71和11—15天0.57（1—15天均值0.73）。该指标在基准模型中最高，但相对最强基准PredRNN-V2（均值R²=0.71；RMSE同为0.018）的优势较小，不应解释为很大的预测优势。重要的是，预测技巧随提前期衰减并不使15天预警目标失效，因为第二阶段不依赖逐日土壤水分精度：它使用三候累积亏缺，其中短期随机误差部分被平均，且季节AUC在最长提前期仍接近0.80。创新性的三候累积土壤水分亏缺特征抑制预测误差累积，使LightGBM分类器能够实现可靠的闪旱发生概率预测。基于Youden指数的季节阈值策略在不同季节平衡漏检和误报率，在闪旱最频繁且破坏性最强的春夏表现尤其稳健。对2022年夏季严重闪旱事件的验证表明，该框架能够提供准确的15天提前预警，并有效捕捉其时空演变特征，为南水北调中线水源区水资源调度和汉江流域农业抗旱提供业务化工具。进一步局限涉及季节判别阈值的校准：阈值在训练期而非独立于模型拟合的数据上校准。第4节评价指标不受此选择影响，因为阈值未针对计算这些指标的留出测试期调优，指标不会因阈值过拟合而膨胀。但操作点本身在用于拟合的数据上校准，业务部署建议在滚动气候窗口上定期重校准，以跟踪土壤水分和气象气候背景漂移。未来研究应聚焦将水库运行和灌溉管理等人类活动因素纳入框架，以提高人类影响区预测精度；将验证扩展到多样气候区，并融合多源遥感和地面观测数据，将进一步提升预警系统的普适性和空间精度，支持区域和国家尺度更全面、更主动的干旱风险管理。