青藏高原地区水能资源丰富，开展气候变化背景下不同重现期洪水量级计算可为当地水利工程建设提供科学支撑。以帕隆藏布江流域为研究区，将分布式水文模型VIC-Glacier与可解释机器学习方法相结合，基于第六次国际耦合模式比较计划（CMIP6）以及冰川未来变化预估结果，推求未来近期（2027—2040年）、中期（2047—2060年）、远期（2087—2100年）在中等强迫（SSP2-4.5）和高强迫（SSP5-8.5）情景下不同重现期的洪水量级。结果表明：帕隆藏布江流域洪水量级及其变化具有显著的空间异质特征；未来气候情景下，冰川覆盖面积减少、降水量增加导致径流组分发生改变；对于有冰川覆盖流域，不同重现期洪水量级未来整体呈现减少趋势，减少幅度为6.46%～32.27%；对于无冰川覆盖流域，不同重现期洪水量级未来整体呈现增加趋势，增加幅度为2.87%～15.52%。
青藏高原地区水能资源丰富，开展气候变化背景下不同重现期洪水量级计算可为当地水利工程建设提供科学支撑。以帕隆藏布江流域为研究区，将分布式水文模型VIC-Glacier与可解释机器学习方法相结合，基于第六次国际耦合模式比较计划（CMIP6）以及冰川未来变化预估结果，推求未来近期（2027—2040年）、中期（2047—2060年）、远期（2087—2100年）在中等强迫（SSP2-4.5）和高强迫（SSP5-8.5）情景下不同重现期的洪水量级。结果表明：帕隆藏布江流域洪水量级及其变化具有显著的空间异质特征；未来气候情景下，冰川覆盖面积减少、降水量增加导致径流组分发生改变；对于有冰川覆盖流域，不同重现期洪水量级未来整体呈现减少趋势，减少幅度为6.46%～32.27%；对于无冰川覆盖流域，不同重现期洪水量级未来整体呈现增加趋势，增加幅度为2.87%～15.52%。
青藏高原地区水能资源丰富，开展气候变化背景下不同重现期洪水量级计算可为当地水利工程建设提供科学支撑。以帕隆藏布江流域为研究区，将分布式水文模型VIC-Glacier与可解释机器学习方法相结合，基于第六次国际耦合模式比较计划（CMIP6）以及冰川未来变化预估结果，推求未来近期（2027—2040年）、中期（2047—2060年）、远期（2087—2100年）在中等强迫（SSP2-4.5）和高强迫（SSP5-8.5）情景下不同重现期的洪水量级。结果表明：帕隆藏布江流域洪水量级及其变化具有显著的空间异质特征；未来气候情景下，冰川覆盖面积减少、降水量增加导致径流组分发生改变；对于有冰川覆盖流域，不同重现期洪水量级未来整体呈现减少趋势，减少幅度为6.46%～32.27%；对于无冰川覆盖流域，不同重现期洪水量级未来整体呈现增加趋势，增加幅度为2.87%～15.52%。
青藏高原地区水能资源丰富，开展气候变化背景下不同重现期洪水量级计算可为当地水利工程建设提供科学支撑。以帕隆藏布江流域为研究区，将分布式水文模型VIC-Glacier与可解释机器学习方法相结合，基于第六次国际耦合模式比较计划（CMIP6）以及冰川未来变化预估结果，推求未来近期（2027—2040年）、中期（2047—2060年）、远期（2087—2100年）在中等强迫（SSP2-4.5）和高强迫（SSP5-8.5）情景下不同重现期的洪水量级。结果表明：帕隆藏布江流域洪水量级及其变化具有显著的空间异质特征；未来气候情景下，冰川覆盖面积减少、降水量增加导致径流组分发生改变；对于有冰川覆盖流域，不同重现期洪水量级未来整体呈现减少趋势，减少幅度为6.46%～32.27%；对于无冰川覆盖流域，不同重现期洪水量级未来整体呈现增加趋势，增加幅度为2.87%～15.52%。
青藏高原地区水能资源丰富，开展气候变化背景下不同重现期洪水量级计算可为当地水利工程建设提供科学支撑。以帕隆藏布江流域为研究区，将分布式水文模型VIC-Glacier与可解释机器学习方法相结合，基于第六次国际耦合模式比较计划（CMIP6）以及冰川未来变化预估结果，推求未来近期（2027—2040年）、中期（2047—2060年）、远期（2087—2100年）在中等强迫（SSP2-4.5）和高强迫（SSP5-8.5）情景下不同重现期的洪水量级。结果表明：帕隆藏布江流域洪水量级及其变化具有显著的空间异质特征；未来气候情景下，冰川覆盖面积减少、降水量增加导致径流组分发生改变；对于有冰川覆盖流域，不同重现期洪水量级未来整体呈现减少趋势，减少幅度为6.46%～32.27%；对于无冰川覆盖流域，不同重现期洪水量级未来整体呈现增加趋势，增加幅度为2.87%～15.52%。
冰川泥石流作为高原高寒山区的典型地质灾害，具有突发性和破坏性特征。本研究旨在探索基于机器学习算法构建高精度冰川泥石流的早期识别模型。以帕隆藏布流域为研究区，综合遥感（RS）和地理信息系统（GIS）技术，提取多维特征指标数据集，通过对比分析基于四种机器学习算法的精确性和泛化性来优选模型。研究结果表明基于随机森林（RF）算法的层级模型在冰川泥石流的大类和子类早期识别中具有较高的精确性（>95%）和泛化性（>87%），基于该模型在研究区内识别出降雨型泥石流46处，冰川型泥石流93处。其中冰（雪）崩型、冰川降雨融合型和冰湖（堰塞湖）溃决型冰川泥石流分别占比34.4%、32.3%和33.3%。基于早期识别结果探究不同类型泥石流的分区规律并针对性提出相应防灾减灾建议。研究成果为高寒山区冰川泥石流的后续研究和防灾减灾提供了科学依据和基础支撑。
冰川泥石流作为高原高寒山区的典型地质灾害，具有突发性和破坏性特征。本研究旨在探索基于机器学习算法构建高精度冰川泥石流的早期识别模型。以帕隆藏布流域为研究区，综合遥感（RS）和地理信息系统（GIS）技术，提取多维特征指标数据集，通过对比分析基于四种机器学习算法的精确性和泛化性来优选模型。研究结果表明基于随机森林（RF）算法的层级模型在冰川泥石流的大类和子类早期识别中具有较高的精确性（>95%）和泛化性（>87%），基于该模型在研究区内识别出降雨型泥石流46处，冰川型泥石流93处。其中冰（雪）崩型、冰川降雨融合型和冰湖（堰塞湖）溃决型冰川泥石流分别占比34.4%、32.3%和33.3%。基于早期识别结果探究不同类型泥石流的分区规律并针对性提出相应防灾减灾建议。研究成果为高寒山区冰川泥石流的后续研究和防灾减灾提供了科学依据和基础支撑。
冰川泥石流作为高原高寒山区的典型地质灾害，具有突发性和破坏性特征。本研究旨在探索基于机器学习算法构建高精度冰川泥石流的早期识别模型。以帕隆藏布流域为研究区，综合遥感（RS）和地理信息系统（GIS）技术，提取多维特征指标数据集，通过对比分析基于四种机器学习算法的精确性和泛化性来优选模型。研究结果表明基于随机森林（RF）算法的层级模型在冰川泥石流的大类和子类早期识别中具有较高的精确性（>95%）和泛化性（>87%），基于该模型在研究区内识别出降雨型泥石流46处，冰川型泥石流93处。其中冰（雪）崩型、冰川降雨融合型和冰湖（堰塞湖）溃决型冰川泥石流分别占比34.4%、32.3%和33.3%。基于早期识别结果探究不同类型泥石流的分区规律并针对性提出相应防灾减灾建议。研究成果为高寒山区冰川泥石流的后续研究和防灾减灾提供了科学依据和基础支撑。
冰川泥石流作为高原高寒山区的典型地质灾害，具有突发性和破坏性特征。本研究旨在探索基于机器学习算法构建高精度冰川泥石流的早期识别模型。以帕隆藏布流域为研究区，综合遥感（RS）和地理信息系统（GIS）技术，提取多维特征指标数据集，通过对比分析基于四种机器学习算法的精确性和泛化性来优选模型。研究结果表明基于随机森林（RF）算法的层级模型在冰川泥石流的大类和子类早期识别中具有较高的精确性（>95%）和泛化性（>87%），基于该模型在研究区内识别出降雨型泥石流46处，冰川型泥石流93处。其中冰（雪）崩型、冰川降雨融合型和冰湖（堰塞湖）溃决型冰川泥石流分别占比34.4%、32.3%和33.3%。基于早期识别结果探究不同类型泥石流的分区规律并针对性提出相应防灾减灾建议。研究成果为高寒山区冰川泥石流的后续研究和防灾减灾提供了科学依据和基础支撑。
冰川泥石流作为高原高寒山区的典型地质灾害，具有突发性和破坏性特征。本研究旨在探索基于机器学习算法构建高精度冰川泥石流的早期识别模型。以帕隆藏布流域为研究区，综合遥感（RS）和地理信息系统（GIS）技术，提取多维特征指标数据集，通过对比分析基于四种机器学习算法的精确性和泛化性来优选模型。研究结果表明基于随机森林（RF）算法的层级模型在冰川泥石流的大类和子类早期识别中具有较高的精确性（>95%）和泛化性（>87%），基于该模型在研究区内识别出降雨型泥石流46处，冰川型泥石流93处。其中冰（雪）崩型、冰川降雨融合型和冰湖（堰塞湖）溃决型冰川泥石流分别占比34.4%、32.3%和33.3%。基于早期识别结果探究不同类型泥石流的分区规律并针对性提出相应防灾减灾建议。研究成果为高寒山区冰川泥石流的后续研究和防灾减灾提供了科学依据和基础支撑。