1、基于洞庭湖區整體二維模型的洪澇災害模擬研究
近年來，全球氣候變暖及大氣環流異常使得洞庭湖區洪澇災害形勢更加復雜。本研究基于洞庭湖區水陸域地形數據，運用非結構化網格對洞庭湖湖區進行剖分，并采用有限體積法離散控制方程，首次構建了涵蓋洞庭湖區水陸域的整體二維數學模型。相比于湖區河網模型，洞庭湖區整體二維模型能將湖區形成一個有機整體，從而實現湖區內復雜江、湖、河網水動力過程、洪水漫堤潰壩、退田還湖、平原水庫、堤垸內排澇提水及湖區內水利工程（如：閘、壩、堤、泵等）建造運行等相關模擬。針對湖區洪澇相伴的特點，在已建立的洞庭湖區整體二維數學模型的基礎上，進一步考慮降雨和排澇，對湖區澇漬災害情況進行模擬分析。詳細探究了不同降雨強度對湖區澇漬災害的影響，并開展了湖區（湖南區）降雨排澇對洞庭湖內洪水過程的影響研究，對湖區洪澇災害評價、預報及防洪防澇治理有著重要意義。
2、基于人工智能的湖區水位快速預報技術
洪水預報在防汛減災中起著十分重要的作用。隨著大數據時代的到來，基于數據驅動的人工智能模型在水文預報過程中受到了廣泛的關注和應用。人工智能模型是通過對數據本身直接進行研究分析，總結數據所隱含的知識或規律，因此可避免人類對物理規律認識的局限及模型的概化和假定帶來的誤差。
通過將洞庭湖區“四水”控制站點（湘潭、桃江、桃源、津市）及枝城站點水位數據作為輸入參數，并以城陵磯站點水位作為輸出變量，采用人工神經網絡模型（ANN），構建湖區水位智能預報模型，采用湖區歷年水位流量大數據對模型進行訓練及驗證，結合蟻群算法（ACO），提高模型的預報速度與精度，實現湖區水位快速精準預測功能。
3、基于無人機航測技術的辰溪縣城市洪水演進模擬研究
城市化建設的快速推進改變了城市區域的暴雨徑流條件，造成區域徑流總量增加、洪峰流量增大以及匯流速度加快等城市水文效應。目前，大部分城市前期規劃不夠完善，城市基礎性設施抗洪能力薄弱，城市防洪成為當前城市水文、水力學研究的熱點問題。洪水是一種由重力驅動的地表流，城區具有復雜的地表形態(建筑物、車輛、十字路口等)，高精度和高分辨率的地形數據是城市洪水研究的基礎。研究基于無人機航測技術獲取城市高精度DEM數據，采用數值模擬方式，針對不同洪峰流量情形下的辰溪縣洪水演進過程和淹沒范圍進行分析研究，探討洪峰前不同時間段的淹沒范圍和淹沒水深，為人員財產撤離提前預警；同時，繪制城市洪水風險圖，為城市的防洪設施建設與投資風險評估提供科學依據。研究表明基于無人機航測技術的城市洪水數值模擬方式有助于提高洪水災害的認知，為城市防洪減災提供技術支撐。
4、無人機+圖像深度學習算法在洞庭湖區域環境巡查中的應用
環境問題是發展中國家要面對的首要難題，在發展基礎建設的同時，環境不可避免的遭到破壞。我國有大量生活垃圾未能處理，散落在各個角落污染河流，給洞庭湖區居民生活帶來嚴重危害。本研究使用無人機對洞庭湖區岸邊垃圾進行圖像采集，針對沅江新拐河、松滋東支、虎渡河、藕池河西支、藕池河東支、岳陽城陵磯港洞庭湖入口、八仙橋新墻河、南渡汨羅河、樟樹港河等采樣點進行低空采樣，應用于自建圖像訓練庫，利用Inception-v3模型檢目標，同時標定深度學習圖像數據庫。由于垃圾種類繁多，研究將其分為6類，分別為玻璃、金屬、塑料、廢紙、紙板以及生活廢棄物，利用高質量圖片進行訓練測試，滿足近距拍攝下的識別。后續將圍繞增加數據類型的模型訓練，修改模型參數和性能，以期幫助從事河岸巡檢的工作人員降低垃圾分類成本，提高分類垃圾的工作效率。
5，基于多源數據的流域景觀生態時空風險評估及熱環境效應反演
多源數據，包括各種遙感及非遙感數據，具有比單一數據獲取更全面、更準確、更豐富信息的特點，目前已被學術界廣泛應用。隨著人類活動加劇，快速的環境變遷和復雜的湖垸、江湖關系使得湖區景觀界面脆弱性表現得特別突出，綜合考慮流域演變及人類活動影響等多因素作用的景觀生態風險評估顯得尤為重要。本研究基于多源數據，采用ArcGIS、Fragstats等軟件運算處理，構建景觀生態風險評價模型，并分析洞庭湖區景觀生態風險的時空分布格局及其演化特征。研究結論為深入探究湖區與流域生態系統格局形成過程與機理提供科學依據。同時，基于多源空間數據，開展流域城鎮密集區熱環境效應反演研究，辨析識別自然—人文多維因子與熱環境效應的聯動關系及形成機制。基于多源數據有助于揭示流域景觀生態、熱環境空間格局及演變規律，深化對形成機理及成因的分析認知。成果受到同行專家的關注和認可，在“Frontiers of Earth Science、Atmospheric Pollution Research、Journal of Geographical Sciences、地理學報、中國環境科學、長江流域資源與環境”等發表論文8篇，其中SCI收錄3篇，權威期刊2篇，培養碩士研究生2名。
