1.主要解决的问题及方法

  冰川是气候变化的指示器，冰川水文过程是全球水循环中的关键环节，但冰川水文过程的非线性响应，冰川物质平衡等观测数据的缺失等问题为冰川水文过程的模拟和可解释带来困难。

  为了解决山地冰川物质平衡的模拟、预测问题及实现其过程的可解释性，我们以天山乌鲁木齐河源一号冰川为研究区，将Shapley附加归因的方法(SHAP)和长短期记忆(LSTM)模型相结合耦合，从全局、时间步长以及极端情况等角度构建了一个描述冰川水文过程的机器学习(XAI)框架。

2.成果的创新点

  1)揭示了影响冰川水文过程的时间步长，并量化了每个因素在不同时间步长的影响方式和贡献程度；2)超前时间步长内的温度和降水主导了这一过程；3)极端冰川-径流水文现象是冰川“水塔作用”的体现，径流对冰川物质平衡的变化在五个月内具有滞后效应，滞后时间内(4-5个月)的温度和降水主导着径流过程。

3.实践应用推广

  这项研究为非线性水文过程的模拟和预测提供了有效手段，并耦合了Shapley附加归因的方法，为“黑箱模型”提供了可解释的方法，为量化了影响因素在冰川水文过程中的贡献，对各种水文气象因相互作用的响应方式提出了有价值的见解。