降水
1
JH｜黄河流域气象干旱向水文干旱的未来传播特征｜水文气象前沿
该研究结合CMIP6和PCR-GLOBWB模型，模拟黄河流域未来气象与水文干旱的时空分布，并探讨其传播特征。
2
WRR｜全球尺度上大气水的长期可捕获性｜水文气象前沿
提出了一种基于大气水运输的新指标——长期可捕获大气水（CAW），用来描述区域拦截并转化大气水为降水的能力。
3
JH｜河流工程与极端降雨揭示68年地貌变化｜地表过程研究
采用地貌测量、遥感数据与历史记录相结合的方法，分析筑后川上游至河口段的长期地貌变化。通过横截面测量数据、历史河床形态图以及极端降雨事件记录，评估河流工程与自然灾害对河流形态的影响。
4
Earth’s Future｜极端降雨的社会经济影响及区域间不平等性｜水资源工程全国重点实验室
构建一种更有效的突现约束方法（Emergent Constraint），获得更准确的极端降雨强度和频率的预测值，并评估其社会经济影响。
气候变化
1
JEM｜理解气候变化、土地利用/覆盖变化以及水利工程在调节汉江流域水分和碳利用效率中的作用｜不止GIS
该研究提出了一个框架，结合区域水文生态模型和机器学习模型，以中国汉江流域为案例，分析气候变量、土地利用变化和水利工程对水分利用效率（WUE）和碳利用效率（CUE）的调节作用。
2
communications earth & environment｜香港理工大学王硕课题组揭示复合极端气候事件加剧全球不平等并导致贫穷和弱势人口承受更大气候压力｜气象学家
利用多种数据集（ERA5、MSWEP、CPC、CMIP6等）和全球地方贫困地图集，对过去40年全球范围内复合灾害事件进行评估，尤其关注不同收入地区的变化差异。
3
PNAS｜自然流域和受管理的流域对最近的气候变化表现出类似的反应｜SFP水科学足迹
该研究比较了1981-2015年美国和加拿大自然和人为改良流域观测到的溪流趋势，以评估两个系统中是否存在对气候变化的可比反应。
遥感
1
Science｜全球过去35年间河流形态和功能的变化｜地理科学前沿
利用原始卫星数据和水文模型，开发了全球河流流量再分析（GRDR）数据集，研究了 1984 年至 2018 年间近 290 万条河流的日流量时空分布变化。
2
ESSD｜RSNP模型绘制全球无缝陆地蒸散新蓝图｜地理韦丰吉司长
该研究提出了RSNP模型（Remote Sensed Non-Parametric model），利用遥感和再分析数据估算了2001至2019年全球0.1°空间分辨率的月度陆地蒸散数据集。
3
Big Earth Data｜清华团队构建全球民用遥感卫星数据库，超2000颗卫星详细信息｜遥感与深度学习
GEOSatDB 数据库基于统一的语义模型开发，涵盖了 2,340 颗遥感卫星、1,021 个传感器及 2,331 个波段的 127,949 条语义信息。通过利用相似性匹配方法和大语言模型提取半结构化网页信息，GEOSatDB 实现了卫星和传感器的语义表达与信息融合。
水文地质
1
WRR｜利用降雨引发的地下水温度响应估算侧向流速｜水文气象前沿
利用降雨引发地下水温度变化的特性，提出了一种新的热追踪方法，评估低洼地区地下水水平流速。
2
Journal of Hazardous Materials｜破解中国西南红河断裂带地热水中砷的分布与富集规律｜R语言与水文生态环境
利用水化学、同位素和自组织映射（SOM）方法，分析了西南红河断裂带温泉中砷的空间分布及富集机制。
3
WRR｜华北平原地下水储量异常时空演化特征及机制推断｜水文气象前沿
该研究开发了一个框架，结合贝叶斯估计器的突变、季节性变化和趋势分析（BEAST），层次聚类（BIRCH），以及基于最优参数的地理探测器（OPGD），解析华北平原地下水储量异常（GWSA）的演化机制。
人工智能
1
Nature｜一种利用机器学习进行的新型天气预报模型｜地球平衡与稳态
该研究提出了一种基于机器学习的概率天气预报模型 GenCast，相较于传统的数值天气预报（NWP）和集合预报方法，其预测技能更高、效率更优，尤其在极端天气、热带气旋路径及风力发电量预测中表现卓越，为天气相关决策提供了新的工具。
2
Ecological Informatics｜结合SHAP技术提升基于CNN-LSTM的洪水预测可解释性｜learning小分队
该研究通过耦合 CNN-LSTM 模型并结合 SHAP 技术，分析降雨径流过程并识别关键输入特征，以中国北江流域为例提高模型的可解释性和可信度。
3
JH｜基于水文知识的分布式月径流重建LSTM模型：在青藏高原典型河流上的应用｜R语言与水文生态环境
该研究提出基于水文知识的 LSTM 模型 (Hydro-LSTM)，利用分布式数据克服物理一致性不足和观测数据缺失的问题，并成功应用于青藏高原河流的径流重建。
4
JH｜探索耦合物理机制和深度学习的混合水文模型的性能和可解释性｜iUWLab
该研究基于DPL框架开发了12个区域化混合模型，这些模型以传统机理模型为基础，利用神经网络替代径流生成和路径模块中的物理过程。使用CAMELS数据集来评估这些混合模型的性能和可解释性。
5
WR｜融入管网动态信息监督的深度学习——实现精准、实时的城市洪水过程模拟｜北京师范大学水科院
该研究提出一种城市排水监督洪水模型（UDFM），结合深度学习和降维算法，解耦城市洪水过程，实现高精度与高效率的城市洪涝模拟及实时预警。
