1月4日德国波茨坦气候影响研究所田颖琳博士学术报告

报告人简介：

田颖琳博士现为德国波茨坦气候影响研究所（Potsdam Institute for Climate Impact Research, PIK）博士后。2024年6月博士毕业于清华大学水利水电工程系，师从王光谦院士和钟德钰教授，获工学博士学位，同年获清华大学优秀博士论文、北京市优秀毕业生。2018年6月本科毕业于tyc1286太阳成集团，获工学学士学位。博士期间曾访问德国马克斯普朗克生物地球化学研究所（MPI-BGC，合作导师为Axel Kleidon博士）和亥姆霍兹环境研究所（UFZ，合作导师为Jakob Zscheischler教授）。现主要从事基于因果网络和可解释机器学习（Explainable Artificial Intelligence, XAI）的极端天气事件的非线性耦合物理过程研究。

报告简介：

近年来，全球极端高温及干旱事件的发生频次逐年增高，各大洲均有破纪录高温事件发生（如2022年我国长江流域热浪干旱复合事件），其给生态系统、人类健康、内河航运以及电力系统等方面造成严重危害。因此，深入剖析此类极端事件背后的复杂物理机制，对于防灾减灾具有重要的现实意义。在温带，高压系统与土壤水通常被视作影响热浪强度及持续时间的关键要素。但是，这2项驱动因素及气温之间又存在非静态、非线性的耦合交互作用。然而，目前尚无对此复杂过程的全球尺度定量研究。本报告中，将基于地表能量方程、因果网络分析以及可解释机器学习，介绍极端高温事件背后所涉及的非静态、非线性以及耦合物理过程，旨在加深人们对极端高温现象的理解，提升对极端天气事件的预测预报水平与应急防控能力。

1月7日美国宾州州立大学李培君博士后学术报告

报告人简介：

李培君，美国宾州州立大学（Penn State）博士后，研究方向为基于多源数据的水文模拟及模型开发。报告人于2023年在太阳集团网址获得博士学位，期间荣获太阳集团网址研究生学术创新奖学金。其博士后所在课题组为Chaopeng Shen教授领导的Multiscale Hydrologic Processes and Intelligence (MHPI)团队，致力于通过数据、数据驱动方法和物理模型增进对水文圈及相关子系统的认识。报告人以第一作者身份发表SCI论文7篇，以第二作者身份获得计算机软件著作权2项。相关成果发表在Water Resources Research，Geoderma以及Journal of Hydrology等期刊，参与Water Resources Research，Communications Earth & Environment及Journal of Hydrology等期刊的审稿。

报告简介：

水资源的管理和分配有赖于水文模型对水资源的准确模拟和预测。近年来，随着人工智能和深度学习技术的发展，越来越多的研究致力于将数据驱动模型和物理机理模型相结合，形成一种新的可微（differentiable）水文模型。可微水文模型通过引入神经网络来优化模型参数，同时保留了物理机理模型的核心结构，实现近似甚至超越传统水文模型的精度。可微水文模型能够在数据相对较少时达到更好的模拟效果，并具有更强的可解释性和通用性。另一方面，当前水文模型中的一个重大不确定性来源于人类用水。如何在水文模型中合理加入人类用水的影响，成为提升模型模拟精度的重要方向。虽然国内外关于人类用水的模型研究已有所发展，但现有模型在精细度和区域适用性上仍存在诸多不足。本研究基于可微分水文模型，充分利用多源观测和统计再分析数据，尝试在水文模拟过程中尽可能多地反映人类活动的影响。结果表明，多源数据的使用以及相关模块的开发能够一定程度上改进水文模型对人类活动响应的刻画。