职称：教授，硕士生/博士生导师（专业学位、学术学位）

邮箱：jiechen@whu.edu.cn

研究领域及招生方向：

研究方向：气候变化下的水文响应，气象水文耦合预报、陆气耦合

招生专业：水文水资源

招生类型：专业学位硕士、学术学位硕士、专业学位博士、学术学位博士

教育背景：

2001.09-2005.07  西北农林科技大学林学院，本科

2005.09-2008.07  西北农林科技大学资源与环境学院，硕士

2008.09-2011.07  加拿大魁北克大学工程学院，博士

工作经历：

2011.08-2015.12  加拿大魁北克大学工程学院，博士后

2016.02-至今     350vip浦京集团官方授权，教授

开设课程：

《气象与气候学》（本科生、课程负责人）

《地球系统水碳循环》（本科生、参与）

《环境与社会发展》（本科生、参与）

《高等水文学》（研究生、参与）

代表性科研项目：

国家自然科学基金面上项目，基于气象预报多维后处理的流域径流集合预报研究（2021.01~2024.12，主持）

国家自然科学基金面上项目，基于非一致性的多维降尺度模型及其在径流响应中的应用研究，（2018.01-2021.12，主持）

湖北省自然科学基金杰出青年基金项目，基于统计和动力预测信息融合的湖北省季节性干旱预测，（2020.03-2023.03，主持）

国家自然科学基金长江水科学联合基金，人类活动影响下长江流域水文资料一致性分析研究（2022.01-2025.12，参与）

国家自然科学基金重点项目，流域水文水资源与社会耦合系统新理论新方法研究（2016.01-2020.12，参与）

国家重点研发计划课题，全球极端水文事件风险评估及中国适应对策（2017.07-2022.12，参与）

学术兼职：

2019至今  国际水资源学会（IWRA）中国委员会常务理事

2019至今  国际水文科学协会（IAHS）中国委员会地表水专委会副主席

2023至今中非水协学术委员会委员

2019至今  《Journal of Hydrology》副主编

2017至今  《Hydrology Research》副主编

奖励与荣誉：

中国水力发电工程学会水电英才奖（2022，排名第1）

大禹水利科学技术进步奖三等奖（2021，排名第5）

湖北省科技进步一等奖（2020，排名第5）

共青团湖北省委“全省向上向善好青年” （2020，排名第1）

加拿大魁北克大学年度最佳博士学位论文（2012，排名第1）

加拿大总督学术金牌奖章（2011，排名第1）

代表性学术成果：

专著：

陈杰等著，统计降尺度方法及水文应用，北京：科学出版社，2021，09，ISBN

论文：

[1] Xu W., J. Chen*, X. J. Zhang, L. Xiong, H. Chen, 2022. A framework of integrating heterogeneous data sources for monthly streamflow prediction using a state-of-the-art deep learning model. Journal of Hydrology, 614, 128599.

[2] Gu L., J. Chen*, J. Yin*, L. J. Slater, H.-M. Wang, Q. Guo, M. Feng, H. Q, T. Zhao, 2022. Global increases in compound flood-hot extreme hazards under climate warming. Geophysical Research Letters, 49, e2022GL097726. https://doi.org/10.1029/2022GL097726

[3] Chen J., R. Arsenault, F. P. Brissette, S. Zhang, 2021. Climate change impact studies: Should we bias correct climate model outputs or post-process impact model outputs? Water Resources Research, 57, e2020WR028638.

[4] Chen J., X. Li, J.-L. Martel, F. P. Brissette, X. J. Zhang, A. Frei, 2021. Relative importance of internal climate variability versus anthropogenic climate change in global climate change. Journal of Climate, 34, 465-478.

[5] Li W., L. Li, J. Chen*, Q. Lin, H. Chen, 2021.Impacts of land use and land cover change and reforestation on summer rainfall in the Yangtze River basin. Hydrology & Earth System Science, 25, 4531–4548.

[6] Guo Q., J. Chen*, X. J. Zhang, C.-Y. Xu, H. Chen, 2020. Impacts of using state-of-the-art multivariate bias correction methods on hydrological modeling over North America. Water Resources Research, 56, e2019WR026659.

[7] Gu L., J. Chen* , J. Yin* , C.-Y. Xu, and J. Zhou, 2020. Responses of precipitation and runoff to climate warming and implications for future drought changes in China. Earth’s Future, 8, e2020EF001718. https://doi.org/10.1029/2020EF001718.

[8] Wang H.-M., J. Chen*, C.-Y. Xu, H. Chen, S. Guo, P. Xie, X. Li, 2019. Does the weighting of climate simulations result in a better quantification of hydrological impacts? Hydrology & Earth System Science, 23, 4033–4050.

[9] Chen J., H. Chen, S. Guo, 2018. Multi-site precipitation downscaling using a stochastic weather generator. Climate Dynamics, 50 (5-6), 1975–1992.

[10] Wang H.-M., J. Chen*, A.J. Cannon, C.Y. Xu, H. Chen, 2018. Transferability of climate simulation uncertainty to hydrological climate change impacts. Hydrology & Earth System Science. 22, 3739-3759.

[11] Chen J., F. Brissette, D. Chaumont, M. Braun, 2013. Finding appropriate bias correction methods in downscaling precipitation for hydrologic impact studies over North America. Water Resources Research, 49, 4187–4205.

[12] Chen J., F. Brissette, A. Poulin, R. Leconte, 2011. Overall uncertainty study of the hydrological impacts of climate change for a Canadian watershed. Water Resources Research, 47, W12509, https://doi:10.1029/2011WR010602.

[13] Chen J., F. Brissette, R. Leconte, 2011. Uncertainty of downscaling method in quantifying the impact of climate change on hydrology. Journal of Hydrology, 401, 190–202.

[14] 顾磊，陈杰*，尹家波，郭强，王惠民，周建中，2021，气候变化下中国主要流域气象水文干旱潜在风险传播. 水科学进展，32(3)，321-333.

[15] 南天一，陈杰，丁智威，李威，陈华，2023，基于深度学习的青藏高原多源降水融合. 中国科学：地球科学，53(4): 836 – 855.