7月5日上午，美国宾夕法尼亚州立大学土木工程系副教授申朝鹏老师在学院A楼331学术报告厅，为我院师生作了题目为“Hydrologic deep learning : origin, uncertainties, forecast and beyond”的学术报告。

申老师及其研究组作为第一个把循环时间序列深度学习引入水文学的研究组，其研究成果发表Geophysical Research Letters、WRR、HESS等地球科学、水文学顶级期刊上，并且正在继续研究人工智能在水文方向应用；通过深度学习和卫星数据，开发了土壤水含量的预测(forecast)和后向预报(hindcast) 的系统，对于山洪，山火，泥石流的预测和研究有潜在重要意义和广泛应用。

此外，申老师团队还开发了（the Process-based Adaptive Watershed Simulator）PAWS +CLM 水文模型将细致的水文模块与公用社区路面模型(Community Land Model, CLM)耦合起来，以研究水文与碳氮交互，河流与地下水交互等问题。已经应用PAWS+CLM 模型在权威期刊连续发表多篇文章，现已开发出并行化及全球模拟能力。

学术报告后，申老师与我院水文系部分师生就深度学习在水文上的应用等方面进行了深入交流。