气候变化引发全球水文循环加速、水资源时空分布显著改变，导致冰川消融、洪旱事件频发，给长江、黄河等大型流域带来了严峻的水安全问题。传统的物理性陆面水文模型（Land Surface Model, LSM）对陆-气相互作用和水文循环的刻画依赖于水文气象过程的显式描述，由于其部分机理简化、存在经验参数化问题、需要高分辨率数据，在区域气候变化影响模拟、极端水文事件预报预警时不确定度较大。本研究基于人工智能模型（Artificial Intelligence, AI）的自主学习能力和非线性映射优势，利用陆面水文模型CSSPv2模拟约束人工智能模型LSTM，构建了AI协同优化模型AI-LSM，有效提升了径流模拟效果，在长江源区的径流模拟Kling-Gupta效率系数（KGE）达0.90，对洪水和干旱事件的识别误差分别为6%和14%，显著优于单一基准模型。进一步，本研究基于AI协同优化模型进行了长期数值模拟试验，分析了典型流域气候变化影响下径流均值和极端洪旱事件特征的变化。本研究期望通过结合物理机制与数据驱动方法改进区域水文过程的模拟效果，为极端水文事件预测提供新范式，为典型流域水资源管理和灾害防治提供科学支撑。

陆面水文模型,人工智能模型,极端水文事件,区域气候变化,长江源区