HydroIn

雷达水文观测（Radar Hydrology）

雷达遥感具有空间分辨率高、动态连续性强、信号类型丰富等显著优势，弥补了传统被动遥感方式的不足，为时空上复杂多变的陆地水循环变量观测与认知提供了重要支撑。团队聚焦水文循环的降雨与土壤水分要素，研究雷达降雨反演的机理模型、映射方法与不确定性传递模式，以及雷达土壤水分反演的尺度转换与时空异质性挖掘，旨在构建面向水文学应用的雷达遥感反演理论与方法体系。

代表性论文：

Dai, Q., Zhu, J., Lv, G., et al., 2023, Radar remote sensing reveals potential underestimation of rainfall erosivity at the global scale, Science Advances, 9: eadg5551.
Dai, Q., Yang, Q., Han, D., et al., 2019. Adjustment of radar‐gauge rainfall discrepancy due to raindrop drift and evaporation using the Weather Research and Forecasting model and dual-polarization radar. Water Resources Research, 55: 9211–9233.

水文灾害大模型（Data-driven model for hydrological hazards）

基于星空地灾害立体观测手段，实现数据与物理耦合驱动的水文灾害过程模拟，是支撑水文灾害快速预报预警的关键。团队面向城市内涝、山洪、滑坡、侵蚀等不同水文灾害风险预测需求，构建基于多源遥感观测的水文灾害样本大数据集，融合不同水文灾害孕灾致灾关键要素和机理过程，研发物理约束、循环迭代的水文灾害风险预测大模型。

代表性论文：

Xu, Y., Dai, Q., Increased significance of global concurrent hazards from 1981 to 2020, 2024. Earths Future.
Zhao, B., Dai, Q., Han, D., et al., 2019, Probabilistic thresholds for landslides warning by integrating soil moisture conditions with rainfall thresholds, Journal of Hydrology, 574: 276-287.

城市水文灾害系统模拟器（Systematic simulation for urban hydrological hazards）

随着全球气候变化和人类活动影响，越来越多的极端过程在相同的时间和空间范围内相互叠加，形成了多重灾害共同发生的复合事件，极大地削弱了自然和社会系统的稳定性。团队通过研究致灾因子、孕灾环境以及承灾体中相关要素的动力学过程，模拟城市内涝、洪水、滑坡等不同水文灾害单独及复合对城市系统的综合影响，研发开源、跨平台的城市系统-复合灾害耦合模拟器，构建城市“暴雨-径流-成灾-扩散”的灾害系统性风险评估体系。

代表性论文：

Dai, Q., Zhu, X., Zhuo, L., et al., 2020. A hazard-human coupled model (HazardCM) to assess city dynamic exposure to rainfall-triggered natural hazards. Environmental Modelling & Software, 127: 104684.
Zhu, X., Dai, Q., Han, D., et al., 2019, Modeling the high-resolution dynamic exposure to flooding in a city region, Hydrology and Earth System Sciences, 23, 3353–3372.