美国内华达大学Sajjad Ahmad教授、中山大学陈洋波教授及浙江工业大学李兰海教授应邀来我院作学术报告
来源： 作者：李毅 王毅哲 发布日期：2026-07-02 浏览次数：
2026年6月30日上午，应我院李毅教授、范军亮教授、胡笑涛教授、粟晓玲教授邀请，美国内华达大学拉斯维加斯分校Sajjad Ahmad教授、中山大学陈洋波教授以及浙江工业大学李兰海教授为我院师生作了系列高水平学术报告。本次报告会主题紧密围绕气候变化响应、水资源系统管理以及水文预报大模型建设，学院相关教师及研究生参加了此次报告会。
Sajjad Ahmad教授作了题为“Water Management in the Las Vegas Valley in Response to Growth and Climate Change”的学术报告。他以拉斯维加斯谷地为切入点，剖析了科罗拉多河流域长期干旱和米德湖水位下降给城市水资源供给带来的严峻挑战。报告详细探讨了通过天然草坪向人造草皮转换的节水策略，并结合Landsat 8卫星数据分析了这种土地利用变化对地表温度（LST）和归一化植被指数（NDVI）的影响。同时，他还分享了利用ENVI-met模拟不同城市景观微气候，以及融合Sentinel-2等多光谱遥感数据与随机森林（RF）、XGBoost等机器学习算法反演水体总溶解固体（TDS）浓度的最新研究成果。
陈洋波教授的报告题目为“融合物理机制与人工智能技术的水文预报大模型建设”。陈教授全面回顾了系统理论模型、集总式概念模型到分布式物理模型的发展历程，并重点推介了由我国学者自主研发的流溪河模型（Liuxihe Model）。他指出，流溪河模型创新性地引入了粒子群优化算法（PSO）以解决大参数识别与优选难题，并依托“天河二号”超级计算机及云服务平台实现了全国范围内流域的高性能计算。陈教授还结合广东省新丰江水库入库洪水预报以及中小流域洪水预报的实际案例，展示了该模型在不同空间分辨率（如90m网格）下的优异模拟性能与应用潜力。
李兰海教授作了题为“干旱区积雪水文过程及其对气候变化的响应”的学术报告。李教授结合天山雪崩站点的长期实测数据，指出天山地区正经历显著的升温过程，且极端降雪事件呈现增多趋势，导致积雪覆盖期缩短及融雪期提前。研究团队采用WRF/Noah-MP陆面过程模型对天山长时序积雪质量进行了高精度模拟，揭示了植被参数（如LAI）对地表反照率及长波辐射的调节作用。此外，他详细介绍了系统动力学水文模型（SDHydro）的构建，深入量化了气温和降水两大气候因子对春季融雪洪水的不同影响路径，并对比了天山南坡开都河与北坡玛纳斯河径流对气候变化响应的敏感性差异。
报告内容学术性强、论证严谨，为提升流域水文预测可靠性、认识日尺度温度与降水极端气候事件的时空演变及其植被响应机制提供了极具价值的方法学参考。会后，三位专家与参会师生围绕多源数据同化、大模型参数降维及单极端气候事件下的水土资源风险评估等前沿问题进行了热烈而深入的交流讨论。
