• 通过增强变量间的交互作用和时间依赖性学习来提高潜热通量预测的准确性

  潜热通量预测方法改进研究提出变量中心图框架结合自适应图卷积网络与循环神经网络，有效捕捉气象因子与地表状态动态耦合，在146个FLUXNET站点验证中显著提升预测精度（R²增3.11%-7.33%，KGE增5.44%-9.15%），开放灌木林IBGT类型提升尤为突出，模型兼具物理可解释性和跨生态系统泛化能力。

  来源：Journal of Hydrology

  时间：2026-03-28

• 通过动态对冲策略来缓解干旱的影响：该策略在干旱导致水位下降时启动，并根据对冲系数区间进行调整

  干旱对农业的影响及综合缓解框架研究。本文提出基于VMD-GBDT预测模型、多目标优化水库调度及动态对冲策略的综合框架，有效缓解干旱对农业的影响，在包济 Xia水利区验证后，最大缺水率降低34.9%，标准差减少7.7%，标准化存储异常值稳定或提升显著。

  来源：Journal of Hydrology

  时间：2026-03-28

• 洪水灾害中的行人行为：对不同水深下单向行人流动的实验研究

  本研究通过实验调查不同水深下单向行人流行为，揭示水深对行人速度与密度的密度依赖影响，分析步态适应与空间分布变化，为洪水疏散模型提供数据支持。

  来源：Journal of Hydrology

  时间：2026-03-28

• 两条高山河流中溶解有机物的不同分子动力学过程，受气候和微生物的影响

  青藏高原Nujiang和Yarlung Tsangpo河流中溶解有机物（DOM）的分子动态研究显示，两者下游DOM组成相似但驱动机制迥异。Nujiang DOM因降水变异促进植被和微生物活性，导致芳构化、氧化态升高及木质素类物质积累，分子周转率快且异质性高；Yarlung Tsangpo DOM则因稳定的水文环境和微生物处理，保留更多蛋白类及氨基酸糖类物质，周转率低且受确定性控制强。

  来源：Journal of Hydrology

  时间：2026-03-28

• RainMerge：一种两阶段框架，用于实现多种降雨产品的独立于测量设备的合并

  基于多源卫星降水数据融合的混合两阶段方法（RainMerge）可有效提升雨量分类精度与极端降水估计准确性，通过分阶段处理雨/非雨事件及降水强度优化，解决了传统方法因错误分类导致的权重偏差问题，在澳大利亚新南威尔士大学测试中分类准确率提升25%-60%，RMSE降低2-6毫米/天。

  来源：Journal of Hydrology

  时间：2026-03-28

• 2002年至2022年间，太行山植被生态系统的碳和水利用效率显著下降

  本研究通过舟山海域多尺度实验室实验及孔隙压力分析，揭示了沉积物渗透率与气体迁移的耦合机制。CRS与NMR测试显示渗透率分别为1.26×10⁻¹⁶至1.34×10⁻¹⁵ m²和2.48×10⁻¹⁶至6.47×10⁻¹⁵ m²，差异与样品中6%磁性物质有关。双峰孔隙分布（0.09-0.3μm）及黏土含量与渗透率异常正相关，表明孔隙连通性主导渗透率演化。孔隙压力监测揭示垂直流体迁移模式，3-5米区间最大渗流速度达8.09×10⁻⁶ m/s，证实气体迁移受渗透率动态控制。

  来源：Journal of Hydrology

  时间：2026-03-28

• 可解释的层次贝叶斯模型用于异质流域的月流量预测：两个流域的对比研究

  月度流量模拟中贝叶斯分层模型的应用研究。针对佛罗里达州坦帕湾地区两个水文特性差异显著的流域，构建了包含基础模型M0（无显式季节性）和增强模型M1（引入季节截距调整）的贝叶斯分层模型（BHMs），通过参数层面揭示流域存储差异，验证了部分合并方法在提升模型鲁棒性的同时保留区域特性的有效性，并建立可解释的水文参数体系。

  来源：Journal of Hydrology

  时间：2026-03-28

• 越南一个受砷污染含水层的脱气、年代测定及对地下水动力学的更深入研究

  本研究针对越南Van Phuc地区甲烷丰富含水层中地下水degassing问题，通过分析24口井的溶解气体浓度，揭示degassing导致氚-氦-3年龄测定偏差高达98%，并建立校正模型，同时比较两种采样方法发现氦浓度差异显著，证实degassing广泛存在，需修订年龄估计。

  来源：Journal of Hydrology

  时间：2026-03-28

• 将航空地球物理数据与盐水入侵模型相结合，以评估冲积含水层的动态变化：盐碱化、向上流动及其对管理的影响

  融合航空电磁与钻孔数据构建高分辨率地下水模型，集成MODFLOW 6模拟跨含水层地下水交换。采用迭代集合平滑法校准参数，密度变化耦合盐水入侵模型预测2025-2045年盐水上溯趋势，揭示地下水开采导致的三处 cones of depression及盐水入侵风险，提出混合机器学习-物理建模框架。

  来源：Journal of Hydrology

  时间：2026-03-28

• 深度学习在解码气候与城市化之间的协同作用中的应用：基于SSP-RCP情景的中国北京洪水易发性预测

  城市内涝脆弱性评估中，传统方法受限于空间异质性和动态因素建模不足。本研究提出Hybrid SNN-KAN-Attention混合深度学习框架，结合OPGD和Boruta算法筛选17个关键驱动因素，通过SHAP和PDP揭示非线性关系，并以北京为案例预测2020-2100年气候变化与城市化协同效应下的脆弱性演变，模型精度达0.88（较传统方法提升10%-20%），AUC为0.93，关键驱动因素为道路距离、土壤类型和路网密度，2100年高脆弱区面积将扩张23%-41%。

  来源：Journal of Hydrology

  时间：2026-03-28

知名企业招聘：