方秀琴

基本信息

方秀琴教授

职称：教授

研究方向：地表特征时空变异与关键水循环过程响应，具体包括土壤湿度遥感及其水文应用、土地利用/覆盖变化及其生态水文响应、山洪灾害风险评估及灾害防治等

通讯地址：行政楼B504-3

Email：kinkinfang@hhu.edu.cn

方秀琴，女，安徽池州人,博士生导师。南京大学地理信息科学本科，地图学与地理信息系统硕士，河海大学水文学及水资源博士。近年来主要从事水文地理学领域的教学和科研工作，主要研究土壤湿度遥感及其水文应用、土地利用/覆盖变化及其生态水文响应、山洪灾害风险评估及灾害防治等。发表学术论文50余篇，主持国家自然科学基金项目2项、十三五重点研发计划专题4项、水利部公益性行业科研专项专题1项，作为技术骨干参与国家973计划、国家自然科学基金项目等10余项。河海大学第三批优秀创新人才，获2015年加拿大魁北克省政府奖学金，2018年度高等学校科学研究优秀成果奖（科学技术）二等奖，2023年度江苏省行业领域十大科技进展（基础研究领域），第四届（2024年）全国高等学校GIS教学成果奖二等奖、第五届（2025年）全国高等学校GIS教学成果奖，兼任《南水北调与水利科技（中英文）》编委。

主持及参与的科研项目

[1] 山洪灾害风险防控区划与全过程监测防范关键技术, 2023.11-2026.10, 专题负责人，“十四五”国家重点研发计划

[2] 土壤湿度时空分布对半干旱区水文过程的作用机制研究，2021.1-2024.12，负责人，国家自然科学面上基金

[3] 国家山洪灾害风险预警服务平台关键技术研发与应用，2020.1-2022.12，专题负责人，“十三五”国家重点研发计划

[4] 陆地水循环演变及其在全球变化中的作用研究，2016.07-2021.12，专题负责人，“十三五”国家重点研发计划

[5] 自然和人类活动驱动下全球水循环过程演变规律，2016.07-2021.12，专题负责人，“十三五”国家重点研发计划

[6] 北方半干旱区土壤湿度信息的定量提取，2017.01-2018.12，项目负责人，中央高校基本科研业务费

[7] 典型地貌类型区小流域山洪预警指标确定方法研究与示范，2016.06-2016.12，2016年山洪灾害防治项目（中央本级）技术支撑项目

[8] 不同区域山洪灾害特点分析、不同地貌地区小流域洪水模拟及洪水规律成因分析、暴雨临界雨量分析，2015.07-2016.06，专题负责人，江西省2014 年度山洪灾害防治项目

[9] 北方半干旱区典型流域土地利用变化的水文效应，2013.01-2015.12，项目负责人，国家自然科学青年基金

[10] 流域蒸散发时空分布遥感反演研究，2010.01-2012.12，项目负责人，中央高校基本科研业务费

[11] 基于遥感的半干旱区土地利用变化对水文过程的影响研究，2007.01-2008.12，项目负责人，水文水资源与水利科学国家重点实验室创新基金项目

[12] 基于河流健康保护的流域土地利用模式研究，2007.01-2010.12，专题负责人，水利部公益性行业科研专项

[13] 半干旱区地表生态和水文过程及其相互作用的研究，2005.01-2010.12,参与，国家“973”项目

[14] 江苏省长江河道监测管理系统，2005.01-2009.12，参与，江苏省水利厅

近年来主要发表论文列表（第一/通讯作者）

[1] 方秀琴, 蒋心远, 廖美玉, 任立良, 朱求安, 金佳鑫，江善虎. 1980——2020年全球重大洪灾时空特征探析. 水科学进展 2024,35(2):197-207. (EI)

[2] Jiang, X., X. Fang*, Q. Zhu, J. Jin, L. Ren, S. Jiang, Y. Yan, S. Yuan & M. Liao. Time-series satellite images reveal abrupt changes in vegetation dynamics and possible determinants in the Yellow River Basin. Agricultural and Forest Meteorology, 2024, 355:110124. (SCI)

[3] Fang, X.*, M. Liao, L. Yang, X. Jiang, J. Jin & Q. Zhu. Assessment of Flash Flood Risk Using Random Forest Regression Model Integrated with Binary Statistics. In: IGARSS 2024 - 2024 IEEE International Geoscience and Remote Sensing Symposium, 2024:3952-3955. (EI)

[4] Jiang, X., X. Fang*, Q. Zhu, J. Jin, L. Ren & Y. Yan. Monitoring Short-Term Trend Shifts and Long-Term Changes in Terrestrial Ecosystems: A Case Study of the Loess Plateau, China. In: IGARSS 2024 - 2024 IEEE International Geoscience and Remote Sensing Symposium, 2024:10467-10470. (EI)

[5] Guo, X., Fang, X.^*, Zhu, Q., Jiang, S., Tian, J., Tian, Q., & Jin, J. Estimation of Root-Zone Soil Moisture in Semi-Arid Areas Based on Remotely Sensed Data. Remote Sensing, 2023. 15, DOI: 10.3390/rs15082003. (SCI)

[6] 曹煜，方秀琴*，杨露露，蒋心远，廖美玉，任立良. 基于随机森林的西辽河流域CCI土壤湿度降尺度研究. 地球信息科学学报 2023, 第25卷(第8期):1669-1681. (EI)

[7] Guo, X.M., Fang, X.Q.^*, Cao, Y., Yang, L.L., Ren, L.L., Chen, Y.H., & Zhang, X.X. Reconstruction of ESA CCI soil moisture based on DCT-PLS and in situ soil moisture. Hydrology Research, 2022. (SCI)

[8] Yang, Lulu, Xiuqin Fang^*, Yu Cao, Liliang Ren, and Xiaoxiang Zhang. A Hybrid Feature Selection Approach for Flash Flood Disaster Risk in Jiangxi Province, China. In: International Conference on Geoinformatics, vol 2022-August. (EI)

[9] 方秀琴*，郭晓萌，袁玲，等. 随机森林算法在全球干旱评估中的应用，地球信息科学学报，2021，23(6)：1040-1049。(EI)

[10] Fang, X.Q., Q.A. Zhu, L.L. Ren, H. Chen, K. Wang & C.H. Peng. Large-scale Detection of Vegetation Dynamics and Their Potential Drivers Using MODIS Images and BFAST: A Case Study in Quebec, Canada. Remote Sensing of Environment, 2018, 206：391–402 (SCI)

[11] Fang, X.Q., Q.A. Zhu,L.L. Ren, Hanwei Xu, H. Chen & C.H. Peng. Large-scale detection of vegetation dynamics using MODIS images and BFAST: a case study in Quebec, Canada. Proceeding of International Geoscience and Remote Sensing Symposium (IGARSS), 2014. (EI)

[12] Fang, X.Q., Q.A. Zhu, H. Chen, Z.H Ma, W.F. Wang, X.Z. Song, P.X. Zhao & C.H. Peng.Analysis of vegetation dynamics and climatic variability impacts on greenness across Canada using remotely sensed data from 2000 to 2009. Journal of Applied Remote Sensing, 2014, 8(1), 083666. (SCI)

[13] Fang, X.Q., L.L. Ren, Q.F. Li, Q.A. Zhu, P. Shi, & Y.H. Zhu. Hydrologic response to land use and land cover changes within the context of catchment-scale spatial information. Journal of Hydrologic Engineering,2013, 18(11), 1539–1548. (SCI)

[14] Fang, X.Q., L.L. Ren, Q.F. Li, D.Z. Zhao, X.F. Liu, Q.A. Zhu, & F. Yuan. Estimating and validation basin-scale actual evapotranspiration using MODIS images and hydrologic models. Hydrology Research. 2012, 43.1-2: 156-166. (SCI)

[15] Fang, X.Q., L.L. Ren, Q.F. Li, Q.A. Zhu, X.F. Liu & Y.H. Zhu. Applicable algorithm to map daily evapotranspiration using MODIS images for the Laohahe River basin, northeastern China. International Association of Hydrological Sciences (IAHS) Publ. (Red Book) no 333 (2009): 268-273. (EI)

[16] Fang, X.Q., L.L. Ren, Q.F. Li, Fei Yuan. Hydrological responses of a semiarid catchment to land use change in North China: case study the Laohahe River Basin. Proceeding of International Geoscience and Remote Sensing Symposium (IGARSS), 2008: 3478-3481. (EI)

[17] Fang, X.Q., L.L. Ren, Wanchang Zhang, Qiuan Zhu. LAI mapping and scaling over the Heihe River basin using remotely-sensed data. International Association of Hydrological Sciences (IAHS) Publ. (Red Book) no 311 (2007): 628-634. (EI)

[18] 廖美玉, 方秀琴*, 蒋心远, 朱求安, 金佳鑫, 任立良, 颜亦琪. 黄河流域近40年土地利用/覆被时空变化特征. 水土保持学报 2024, 38(02):165-177+189.

[19] 袁玲, 方秀琴*, 郭晓萌, 杨露露, 张晓祥,任立良.基于平均影响值算法和BP神经网络的根区土壤湿度估算, 科学技术与工程, 2022, 22: 6911-19.

[20] 杜晓彤，方秀琴*，汪伟，等.基于SMAR模型的半干旱区根系层土壤湿度估算，水土保持研究, 2020,27(03):119-127+133

[21] 汪伟，方秀琴*，杜晓彤，等.基于VIC模型的柳江流域分布式水文模拟与应用，水土保持研究，2020,27(03):328-335

[22] 周超，方秀琴*，吴小君，王雨晨。基于三种机器学习算法的山洪灾害风险评价[J].地球信息科学学报，2019，21(11):1679-1688

[23] 吴小君，方秀琴*，任立良，吴陶樱，苗月鲜。基于随机森林的山洪灾害风险评估——以江西省为例，水土保持研究，2018 , 25 (3) :142-149

[24] 苗月鲜，方秀琴*，吴小君，吴陶樱。基于GWR的江西省山洪灾害区域异同性研究，水土保持通报，2018 , 38 (1)：313-318。

[25] 方秀琴*，王凯，任立良，张晓祥，冯莉，基于GIS的江西省山洪灾害风险评价与分区。灾害学，2017，32（1）：111-116。

[26] 吴小君，方秀琴*，苗月鲜，王凯，庞婵云。基于Landsat的合肥城市扩张研究，浙江大学学报理学报，2017 , 44 (6) :631-639

[27] 朱烨，方秀琴*，王凯，朱求安，基于SWAT模型的延河流域月径流量模拟分析。长江科学院院报，2016，33（10）：41-45。

[28] 刘宝柱，方秀琴*，何祺胜，荣祁远，基于MODIS数据和BFAST方法的植被变化监测。国土资源遥感，2016,28（3）：146-153