报告题目：Deriving Cost-effective DEM and Finding Proxies for Precipitation Data: Essential Data for Flood Hazard Maps（推导经济实用的DEM及寻找降水数据替代：洪水灾害地图的基本数据）

　　报 告 人：Liong Shie-Yui（梁世锐）研究员

　　邀 请 人： 李毅 教授

　　报告时间： 2018年10月23日下午14:30

　　报告地点： 水建学院综合楼208会议室

　　报告人简介：

　　梁世锐研究员1973-1977年为University of Iowa的研究助理，1977-1978年为George Washington University的博士后，1978-1983年为University of Mississippi助理教授，1983年至2000为新加坡国立大学土木工程系副教授，2004年至今为研究员。任新加坡国立大学热带海洋研究所所长，教授，博导。其团队是新加坡最早使用WRF模型研究东南亚和新加坡气候变化的小组之一。2010-2014期间研究组应用WRF模型开展了东南亚和新加坡的洪水风险研究。曾采用水稻生长模型和DSSAT的气候模型输出结果开发了越南水稻生产风险图集。以干旱指数作为主要衡量标准制定了印度尼西亚农业部（在爪哇中部）的宏观指数定价，此外用观测数据进行干旱分析并为保险行业如何应对预期的气候变化提供决策。2004-2011年为Journal of Hydroinformatics副主编，2011至2018年为Journal of Environmental Science and Policy副主编。曾任Hydrological Science Section of AOGS主席，2009-2012年为IAHR-IWA-IAHS联合水信息委员会主席。3次荣获IAHR-APD Congress最佳论文奖。发表SCI论文36篇，参编著作1部。

　　报告摘要：

　　许多城市都出现了严重的洪水，与降雨强度增加和快速城市化有关的同时也往往与城市规划不善有关。洪水灾害评估所需的两项重要投入是：（1）高精度数字高程模型（DEM），以及（2）长降雨量记录。高精度DEM是昂贵且耗时的。由于快速的城市化，往往无法获得感兴趣区域的长降雨量记录。这项研究提出了一种显着的成本效益和有效的方法来推导高精度DEM，并建议考虑长降雨量数据的代理。为了得到高精度DEM，人工神经网络（ANN）的方法考虑了两个可自由访问的卫星数据，航天飞机雷达地形任务（SRTM）和Sentinel-2多光谱图像的数据。然后将该DEM用于洪水模拟，以生成对洪水缓解措施有用的洪水图。针对气候变化降尺度导致的降雨数据代理，针对没有长雨量数据记录的地区的城市规划和排水系统设计提出建议。来自区域气候模型（RCM）天气研究和预报（WRF）的降水输出用于推导研究区域的强度持续时间频率（IDF）曲线。然后将根据具有不同返回周期的IDF曲线计算的设计风暴应用于数值洪水模拟以识别易发洪水区域。该方法在印度尼西亚、日惹等地的洪水灾害研究中得到了证明。

　　热烈欢迎广大师生参加！

　　水利与建筑工程学院

　　2018年10月12日

编辑：0

终审：0