模型的威力

模型的威力

传感器和卫星提供了对全球水循环各个组成部分的全球观测数据，对计算机模型进行编码以开展研究和预测也变得可行。

水文模型是每天使社会受益的强大工具。它们被用于指导水务公司、规划大坝的放水和预测洪水，向农民和救济机构通报干旱情况，并帮助水资源规划者适应短期天气和长期气候变化。

水文模型与天气预报模型相似，后者可以模拟水和能量在大气中的运动，而前者模拟的是水（和能量）以雨或雪的形式从天上掉下来后在地面上的运动。这两种模型通常搭配在一起使用，将天气模型的输出作为水文模型的输入。

水文模型有非常简单的，也有非常复杂的。它们使用不同的方法，并在不同的地理规模内运作。“基于物理”的模型试图根据基本原理明确地模拟过程（例如水的蒸发和水向土壤的渗透）。基于经验的更简单的模型使用对现实世界的测量数据来解释这些过程，同时回避了它们的物理性质和细节。两种方法都有其优点和局限性，在实践中，大多数水文模型都是这两种模型的混合体。

像所有软件一样，水文模型是不断进化的工具，永远不会真正完成。当科学家发现现实世界的某种现象时（例如，通过野外研究），他们会将其纳入模型中。通常，催生新发现的是模型与实际观察结果之间的差异。例如，如果测量结果确定了河流流量的下降，但是水文模型无法模拟该下降过程，那么该模型可能缺少某些重要的内容。模型的提出者们怀着沮丧的心情，开始测试自己的猜想。重新造林（因为树木会将水分蒸发到空气中）会减少径流吗？抽取地下水会导致水源干涸吗？他们把这些想法都纳入了模型中。最终，他们发现有个现实过程被遗漏了，于是对其进行编码，并发布了该模型的新版本。接下来他们会进行现场实验，以确认该模型确实得到了改善。这个过程不仅使我们得到了更好的模型，而且提升了我们对自然世界的运作方式的科学理解。

在数十年间，模型建构者和野外科学家以此方式不断地相互说服。我们对地球的科学了解，因而得以大幅提升。而且所有模型所需的内容——开发和测试、校准、驱动模拟、发现缺失的过程、测试最新的编码——都基于对现实生活的观察。

这就是为什么，来自自动传感器、无人机、飞机和卫星的新数据，会如此令人兴奋。正如天气预测模型一样，水文模型要想运转得顺畅，也需要对现实世界进行观测。有了这些数据，水文模型可以变得更纯熟、更实用、更强大，我们还可以训练机器学习的算法。这一趋势在计算机科学中已经存在很长时间了，现在也在地球科学中取得进展。我们可以想象，要是泰勒斯、达·芬奇、佩罗活到现在，看到传感器、卫星和模型已经被广泛使用，肯定会惊奇不已，他们也会对即将到来的水文学的黄金时代发出赞叹。

我最后一次见到阿尔贝托·比哈尔，是在他去世的两天前。他开车到我家，向我展示了他对即将进行的格陵兰考察的最新想法：在无人看管的情况下，一架远程固定翼无人机可以连续数小时绘制大范围冰盖的地图。(https://www.daowen.com)

他告诉我，当我和他在冰面上时，无人机如何在我们头顶自动巡航，并把它那环状的传感器发射到湍急的蓝色河流里。漂浮物能将观测的数据传输到铱星通信卫星上，他的无人机可以借助GPS导航和摄像头，追踪漂浮物的轨迹，也能为几千处由冰川融水形成的、在冰上肆意流淌的淡水流绘制图像。让直升机从两个不同的地点起飞，飞越同一块区域两次，我们就能用数字摄影测量法创制高清的3D地形图，以量化的方式展现冰盖向下融化的情况。

我兴奋极了。这些方式可以极大地协助我们诠释漂浮物传感器传输的数据，也能将它们的发现结果拓展到冰盖的更大区域上。阿尔贝托的无人机，仅需5000美元就能购齐部件，在当时算得上性价比极高了。要知道，仅仅将我的团队带到冰盖并撤离那里，就得花掉比直升机飞行多9倍的钱。

我们俩激动得握了握手。阿尔贝托跳进了他那辆黑色的保时捷里，沿着安静的街道快速驶向机场，回到了他的家。

在短短三年内，这位优秀的、曾为火星建造设备的NASA工程师提出的大胆想法，已经变得稀松平常了。如今，我教的研究生都忙着订购零部件，组装自己的自动传感器和无人机。入门价在不断降低，但硬件和传感器的性能在持续提升。太空机构和私人公司在以前所未有的新技术抢占空中领地，还免费分享数据。长期运营的卫星项目也正默默地在太空中录制长达半个世纪的“影片”。阿尔贝托的后继者们，无论年龄大小，都在传感器、卫星和模型的帮助下，以20年前无法想象的方式推进自然科学事业。

如今在技术和信息领域发生的革命是非同寻常的。它们将极大地提升我们对河流以及地球上的其他淡水资源的认知。

【注释】

[1]PB（拍字节）、EB（艾字节）都是数据存储容量的单位，1PB=1 048576GB，1EB=1024PB。——编者注