科羅拉多河的源頭是皚皚白雪。每年春天，落基山脈的積雪融化成溪流，匯入水庫，為美國七個州的4000萬人提供用水。這套系統(tǒng)在過去一個世紀里基本運轉(zhuǎn)正常。但那個時代已經(jīng)結(jié)束了。

從多項指標來看，2026年正成為有記錄以來科羅拉多河狀況最糟糕的一年。自2000年以來，河流流量已下降20%。橫跨猶他州和亞利桑那州的鮑威爾水庫，可能在年底前水位就會跌破水力發(fā)電的最低閾值。七個州之間關(guān)于如何分配剩余水資源的談判已兩度破裂，美國聯(lián)邦政府正威脅要強制推行自己的方案。

就在各州爭論不休、河流持續(xù)萎縮之際，一批機器學習工具正被陸續(xù)部署到整個流域。聯(lián)邦水資源管理人員正在運行數(shù)百萬次模擬，針對不同的未來情景對水庫管理策略進行壓力測試。研究人員則借助衛(wèi)星數(shù)據(jù)和深度學習技術(shù)，提前數(shù)月預測河流流量。這些技術(shù)無法從根本上解決危機，但它們讓各種權(quán)衡取舍變得清晰可見，比以往任何時候都更精確地呈現(xiàn)出每一項決策所要付出的代價。

聯(lián)邦水資源管理的核心機構(gòu)

在科羅拉多河日常運營管理中，沒有哪個機構(gòu)比美國墾務局（Bureau of Reclamation）承擔更多職責。如果聯(lián)邦政府真的強制推行水資源分配方案，執(zhí)行者將是墾務局，由其決定從鮑威爾水庫和米德水庫——全美兩大最大水庫——放出多少水。

這個機構(gòu)早已習慣復雜的建模工作。多年來，墾務局的研究人員將古氣候重建數(shù)據(jù)、全球環(huán)流模型和情景規(guī)劃結(jié)合起來，預測河流的未來走勢。墾務局水資源可用性研究協(xié)調(diào)員克里斯·弗蘭斯表示，機器學習工具正在擴展這一工具箱，并已在真實的運營決策中發(fā)揮作用。

進展最為顯著的領(lǐng)域是河流流量預測。結(jié)合流域外衛(wèi)星數(shù)據(jù)和氣象站信息的機器學習技術(shù)，在各類氣象條件下的表現(xiàn)均優(yōu)于傳統(tǒng)方法。預測數(shù)據(jù)每小時更新一次。在部分地區(qū)，管理人員對洪水事件的預警時間已從過去的三天延長至五到七天，這讓他們有時間在大量水流到來之前提前降低水庫水位。

情景模擬的規(guī)模也大幅擴展。十年前，運行10萬次模擬仿真就算是里程碑式的研究成果。墾務局下科羅拉多流域研究與建模組負責人艾倫·巴特勒表示，如今數(shù)百萬次模擬為現(xiàn)行指導方針所用的分析工具提供數(shù)據(jù)支撐。這些模擬繪制出不同運營策略在各種未來情景下的表現(xiàn)，使各種權(quán)衡取舍之間的差異更加清晰，難以回避。

水資源分配的決策模型

知道水從哪里來是一個問題，決定水該給誰則是另一個問題。科羅拉多河模擬系統(tǒng)（CRSS）正是這一決策過程的核心工具，它在百余年法律法規(guī)約束框架下，模擬水資源在流域內(nèi)各水庫、運河和管道中的流動情況。這一墾務局模型并不完美，但幾十年來一直是河流談判的基礎(chǔ)。

一款名為RiverWare的工具最早于1990年代初由科羅拉多大學博爾德分校開發(fā)，能讓各州、城市和部落自行在CRSS中運行情景模擬。該工具的開發(fā)機構(gòu)——先進水與環(huán)境系統(tǒng)決策支持中心主任、博爾德分校教授伊迪絲·扎戈納表示，在RiverWare出現(xiàn)之前，這些利益相關(guān)方對墾務局的數(shù)據(jù)根本不信任，"那時簡直存在巨大的信任鴻溝。"解決辦法就是讓各方能夠?qū)彶镽iverWare模型中內(nèi)置的假設(shè)條件——包括可用水量、使用方式以及適用規(guī)則。

讓利益相關(guān)方信任模型，事后證明還算容易。更難的問題在于：當模型本身無法預測出某一種大概率未來時，該怎么辦？這個問題促使扎戈納轉(zhuǎn)向一種名為"深度不確定性下的決策"框架，這一框架放棄預測，轉(zhuǎn)而將政策方案置于數(shù)千種可能的未來情景中進行壓力測試。

扎戈納團隊與墾務局及咨詢公司Virga Labs聯(lián)合開發(fā)了一款基于網(wǎng)頁的工具，將上述框架付諸實踐。該工具在8000多種可能的未來供水情景中運行CRSS，展示不同管理策略在氣候變化各種可能走向下的應對表現(xiàn)。其核心是一種名為"Borg"的進化算法，該算法不斷生成和優(yōu)化策略方案，尋找能夠在多種情景下都表現(xiàn)良好的方案。最終輸出的是一組權(quán)衡選項，而非一個唯一答案。

Borg-RiverWare已對當前關(guān)于河流下一階段運營規(guī)則的談判產(chǎn)生實質(zhì)影響，為墾務局的建模工具提供了情景和數(shù)據(jù)支撐。這些工具為各談判方提供了共同的分析基礎(chǔ)。目前，扎戈納的中心正在進一步推進這一方向：一套在研系統(tǒng)將允許談判各方實時測試相互競爭的提案，展示一方的政策選擇將如何波及整個系統(tǒng)，并在談判過程中識別潛在的妥協(xié)空間。

深度學習在流域中的新探索

不只有墾務局和扎戈納的團隊在努力看清河流的未來。在丹佛大都會州立大學，由莫哈默德·瓦利普爾領(lǐng)銜的團隊正在構(gòu)建一套預測系統(tǒng)，利用深度學習對科羅拉多州七條河流發(fā)出七天至六個月不等的干旱預警。在地面監(jiān)測站稀少、山地環(huán)境令安裝極為困難的地區(qū)，研究團隊發(fā)現(xiàn)NASA衛(wèi)星數(shù)據(jù)的表現(xiàn)優(yōu)于實地測量數(shù)據(jù)。瓦利普爾表示，最終目標是建立一套覆蓋全州的干旱預警系統(tǒng)，為農(nóng)民和水資源管理者爭取更多應對時間。

在猶他州立大學，蘇凱納·菲拉利·布布拉希米正在攻克另一個難題：河流某處的變化如何在數(shù)周后影響下游。她的團隊利用圖神經(jīng)網(wǎng)絡，將每個監(jiān)測站視為網(wǎng)絡節(jié)點，繪制出這個全球爭議最大水系之一的相互依存關(guān)系圖譜。她表示，這種方法有望推廣至其他壓力過重的流域。

"如果你能破解科羅拉多河的難題，"她說，"任何面臨類似問題的水系都會對你的研究成果感興趣。"

數(shù)據(jù)困境與技術(shù)局限

整個流域的研究人員和水資源管理者都在面對同一堵墻：模型依賴歷史數(shù)據(jù)學習，但這些數(shù)據(jù)描述的是一條已不復存在的河流。瓦利普爾發(fā)現(xiàn)，只用過去十年的數(shù)據(jù)訓練模型，效果反而優(yōu)于使用更長歷史記錄。菲拉利·布布拉希米的模型在干旱條件下表現(xiàn)最差，而這恰恰是預測最關(guān)鍵的時刻——因為近年持續(xù)的干旱與歷史訓練數(shù)據(jù)相去甚遠。一個變通方案是用已經(jīng)歷過科羅拉多河尚未遭遇的極端狀況的其他流域數(shù)據(jù)來訓練模型。

即便如此，更好的預測也無法解決核心問題。科羅拉多州立大學科羅拉多水資源中心水文與氣候研究科學家布拉德·尤道爾表示，盡管這些工具能夠呈現(xiàn)出在千種可能情景下更干旱的未來是什么樣子，但它們無法告訴你，這份代價該由誰來承擔。流域?qū)⒚媾R巨大削減，大部分壓力將落在農(nóng)業(yè)上，可能從根本上改變那些幾代人依水為生、建立起整套經(jīng)濟體系的社區(qū)。"AI根本沒有資格去替代人類的價值判斷，"他說。

從大多數(shù)衡量標準來看，這些工具正在做它們原本被設(shè)計來做的事：各談判方清楚地知道前方等待著什么，也沒有人在質(zhì)疑這些預測結(jié)果。在科羅拉多河工作了45年的扎戈納，仍然看到了樂觀的理由。"這些工具把人們帶到了談判桌前，"她說，"他們還在爭論。但至少，他們都坐下來了。"

Q&A

Q1：科羅拉多河模擬系統(tǒng)（CRSS）是什么？它在水資源談判中起什么作用？

A：科羅拉多河模擬系統(tǒng)（CRSS）是由美國墾務局開發(fā)的水資源模型，能夠在百余年法律法規(guī)約束下，模擬水資源在流域內(nèi)水庫、運河和管道中的流動情況。幾十年來，它一直是河流談判的分析基礎(chǔ)。配合RiverWare工具，各州、城市和部落可以自行運行情景模擬，審查模型假設(shè)，從而增強對數(shù)據(jù)的信任，為各方談判提供共同的分析依據(jù)。

Q2：機器學習如何改善科羅拉多河的流量預測？

A：機器學習技術(shù)結(jié)合衛(wèi)星數(shù)據(jù)和流域外氣象站信息，在各種氣象條件下的預測表現(xiàn)均優(yōu)于傳統(tǒng)方法，且預測數(shù)據(jù)每小時更新一次。在洪水預警方面，部分地區(qū)的預警時間已從過去的三天延長至五到七天，讓管理人員有更充裕的時間提前降低水庫水位、應對大流量來水，顯著提升了實際運營決策的效率。

Q3：AI和機器學習能從根本上解決科羅拉多河的水資源危機嗎？

A：目前來看，AI和機器學習工具無法從根本上解決危機。這些工具擅長預測水量變化、模擬不同管理策略的后果，但無法回答"水資源削減的代價該由誰來承擔"這一核心問題。科羅拉多州立大學研究科學家布拉德·尤道爾指出，未來的削減規(guī)模將極為巨大，主要沖擊農(nóng)業(yè)，AI沒有資格替代人類的價值判斷，最終的決策仍需通過政治協(xié)商來完成。