面向水文预测、水动力建模、遥感识别与水资源决策的 AI 方法及验证。
研究提出一种将水动力模块、遥感模块与深度学习融合模块组合的方法，用于绘制大型湿地的淹水动态，并以中国鄱阳湖湿地为应用对象；该湿地为《拉姆萨尔公约》所列重要保护湿地。作者以干季水动力模型模拟的淹水动态作对比，检验该方法的有效性。 结果显示，水动力模型整体表现相对较差，其中子湖区域明显劣于其他区域，总体精度（OA，无量纲，0–1）仅为0.63–0.66；所提融合方法的总体精度提升至0.82–0.92，在子湖区域改善尤为明显。此外，水动力模型倾向于高估淹没时间，中位高估时长为42–50天。 作者认为，该框架可迁移用于变化环境下湿地水文监测，并有助于维护生态完整性与稳定性。上述精度与偏差均来自干季模拟与对比验证，摘要未说明遥感数据源、深度学习结构及验证样本细节，方法在其他湿地和时段的适用性仍需进一步检验。
推荐理由：研究在鄱阳湖湿地比较水动力模型与遥感—深度学习融合的淹水制图表现，并给出干季精度与淹没时长偏差，可供湿地监测方法选择参考。
研究提出一种基于城市三维模型的洪水水深估计方法，并构建了对象级由粗到细匹配模型，将三维模型的度量尺度迁移到社交媒体图像。作者报告称，该模型在城市公开基准上优于代表性的2D3D-MATR，内点率提高约30%，配准召回率提高约16%；在此基础上，水深估计方法在多种洪水场景中取得平均绝对误差（MAE）0.164 m、均方根误差（RMSE）0.212 m。
推荐理由：提出以城市三维模型为尺度基准、从社交媒体图像估计淹没水深的方法，并报告了与2D3D-MATR的对比指标，可供内涝观测与模型率定参考。
研究提出CC-PINN-RE，基于Saint-Venant方程局部特征速度构建动态菱形时空控制体积，以积分形式施加质量与动量守恒，并结合自适应控制体积管理与局部敏感度加权糙率正则化。
推荐理由：提出特征对齐控制体积PINN用于洪水波传播与糙率反演，并给出与强形式PINN及固定控制体积方法的误差对比，可供稀疏观测下的河道水动力重建参考。
研究提出并探索水文建模的对抗鲁棒性分析，评估对气象强迫施加小幅定向扰动是否会引起模拟流量的显著变化。作者在1347个德国流域上比较物理概念模型HBV与深度学习模型LSTM，使用快速梯度符号法（FGSM）生成不同幅度的扰动。
推荐理由：在1347个德国流域上比较HBV与LSTM对气象强迫扰动的响应，为模型可靠性评估提供压力测试思路。
研究提出Nowcasting Physics-Informed（NPI）模型，用于流量传感器故障检测，采用100分钟记忆窗口、2分钟分辨率，由LSTM融合实测信号与Storm Water Management Model模拟器输出特征，输出窗口末端故障概率，并用逐传感器XGBoost阶段基于窗口局部统计量校准LSTM得分。
推荐理由：提出融合物理模型与传感器数据的故障检测方法，并给出AUC-PR与F1对照，可用于评估城市水文监测网络的实时故障诊断方案。
研究提出 Structure–Function Coherent Coarsening（SFCC）框架，旨在模型输入粗化过程中更好地保留水文结构与功能异质性，并在美国 Salish Sea Basin 的 24 个子流域使用 VELMA 模型评估三类输入的粗化策略。
推荐理由：提出面向跨分辨率生态水文建模的输入粗化框架，比较多种粗化策略对径流与氮输出的影响，可供区域情景模拟的网格与输入处理参考。
研究评估在LSTM径流预测中使用加拿大高分辨率国家级再分析数据集CaSR的收益，在超过1000个加拿大水文站上比较了全球（ERA5-Land）、大陆（Daymet）、国家级（CaSR）及组合“Complete”模型的气象强迫，并以NSE、KGE等指标评价。
推荐理由：比较全球、大陆与加拿大国家级气象强迫在LSTM径流预测中的表现，并对照Google全球模型，可为区域水文建模的数据选择提供参考。
研究提出一种基于机器学习的河流径流估计（RDE）方法，利用沿河道多个多边形提取的平均光谱波段值，与时间对应的实测流量配对，以克服几何形态、阴影和植被河岸带来的限制。
推荐理由：提出基于多边形光谱采样的机器学习径流估计方法，并在12个USGS站点按河流规模分组评估时间迁移能力与不确定性。
研究提出一种改进的水库计算（RC）框架，同时支持流量—气象网络的结构推断与动态预报，分两阶段进行：先设计基于交叉验证的可解释动态权重推断算法揭示流量—气象网络中的关系结构，再将推断出的结构信息融入嵌入流域相似性的架构以预测未来径流状态。
推荐理由：提出可解释的轻量水库计算框架，用交叉验证推断流量—气象网络结构，并在CAMELS子集上比较NSE与峰值流量表现。
研究提出一个可输入空间分布式（网格化）气象强迫的深度学习框架，并在北美921个流域上基于CAMELS-SPAT数据集评估。作者比较了空间到时间（S2T）与时间到空间（T2S）两种时空信息融合策略，并考察网格化流域属性与更细空间分辨率的增益。
推荐理由：在921个北美流域上比较空间-时间融合架构，量化网格化强迫相对集总输入的NSE与KGE提升，可供数据驱动径流建模选型参考。
该研究提出一个过程导向框架，将温度-降雨预估与城市雨洪建模相衔接，用于在气候变化情景下开展城市内涝模拟。材料仅给出标题与参考文献列表，未提供具体方法细节、研究区、数值结果或验证指标，其结论与适用范围需以原文正文为准。
推荐理由：该框架把温度-降雨预估与城市雨洪建模衔接，可用于评估气候变化情景下城市内涝模拟的输入与不确定性处理。
研究评估了两种基于LSTM的方法以改进澳大利亚的径流预测：LSTM-C仅以降水和潜在蒸散为输入的独立降雨-径流LSTM，以及LSTM-QC，即纳入澳大利亚水资源评估-景观模型（AWRA-L）径流输出的降雨-径流LSTM，也可视为AWRA-L的后处理器。
推荐理由：在218个CAMELS-AUS流域上比较LSTM后处理AWRA-L与独立LSTM，并区分偏差校正与河道汇流的信息来源，可供模型选型参考。