讲座简介

可靠的洪水风险评估既需要充分考虑数据的不确定性，也需要确保地形数据能够准确表征水力连通性。报告将围绕不同地形条件与数据可用性下的洪水模拟和影响评估，介绍相关方法与研究进展。

针对数据匮乏的山区，本研究评估了免费获取的全球数字高程模型（DEM）的适用性，并开发了一种地形校正方法，以更准确地表征狭窄河谷和汇流路径，从而改善喜马拉雅山区的洪水模拟效果。针对具备高分辨率激光雷达（LiDAR）地形数据的城市地区，本研究提出了一套自动化地形重建框架，通过恢复桥梁等可过流构筑物下方的水力连通性、准确表征城市建筑物的阻水作用，以及重建河床地形，减少地形数据引起的水动力模拟偏差。基于历史洪水事件的分析表明，水力连通性与河道过流能力对淹没格局及河流水力特征的影响，会随水流情势的变化而呈现不同规律。为进一步支持数据匮乏地区的洪水灾害影响评估，本研究构建了一套融合遥感、贝叶斯估计、GPU加速水动力模拟和社会经济数据的综合评估框架，用于量化承灾对象的洪水暴露情况并估算洪水造成的损失。将该框架应用于尼泊尔具有潜在危险的冰川湖后发现，大量建筑、道路、农田和水电设施面临潜在洪水威胁。

主讲人简介

陈会丽，英国拉夫堡大学水工程副教授，兼任联合国教科文组织信息与多灾害减灾助理讲席、中英资源与环境协会（UK-CARE）秘书长。她于2016年获北京大学自然地理学博士学位，随后在拉夫堡大学历任讲师、高级讲师，并于2026年晋升为副教授。

陈教授的主要研究方向包括高性能水动力模拟、遥感、地理空间分析与数字信息技术等，致力于将洪水及气候风险研究成果转化为气候适应与防灾减灾的决策支持。已获得英国工程与自然科学研究理事会（EPSRC）、自然环境研究理事会（NERC）及皇家学会等机构的竞争性科研与成果应用资助，并主持多项面向英国、尼泊尔、不丹和中国的合作项目，为政府部门、国际组织及产业合作伙伴提供科学与技术支持。