Recent Posts

  • GMD: 物理-AI融合新范式:可微分多年冻土陆面模型NoahPy

    针对传统陆面模型与现代AI工作流不兼容的难题,Permalab研究人员开发了名为NoahPy的可微分陆面模型。该模型基于循环神经网络(RNN)重构,能够精确模拟多年冻土区的水热动态,同时支持高效的梯度优化与参数校正。在青藏高原站点的评估结果显示,NoahPy在保持物理机制完整性的同时,显著提升了模拟效率与精度,为开发下一代“物理驱动+AI辅助”的冰冻圈预测模型奠定了技术基础 。

  • Noah+SHAW联合模拟:显著提升青藏高原多年冻土活动层水热动态模拟精度

    针对青藏高原冻土活动层水热动态模拟中传统模型存在的精度限制,Permalab研究人员提出了一种创新的混合建模方法。该方法将物理过程精细的SHAW模型与经随机森林校正的Noah陆面模型相结合,在七个监测点上的评估结果显示,其在模拟活动层温度和水分方面表现出显著优越性,为大尺度冻土动态模拟提供了可靠的新框架。

  • PermaLab课题组亮相2025地理信息年会

    2025年11月21日至23日,PermaLab课题组师生出席了在集美大学举办的第二十届地理信息科学理论与方法学术年会。三位研究生积极参与“人工智能与时空回归”分会场的讨论。其中,硕士生徐继伟在会上发布了 “热融滑塌演化建模新框架”。该研究提出了统计概率与过程驱动相结合的混合建模方法,实现了从静态易发性评估到区域尺度动态演化模拟的突破,特别是集成溯源侵蚀因子后,模型性能显著提升,为多年冻土区的基础设施风险缓解提供了强大的科学支撑。

  • PermaLab 博士生赴上海师大研讨,与国际冻土专家 Burn 教授深入交流

    2025年11月17日,PermaLab 课题组的三位博士研究生嵇海龙、陈丽花、李鹏飞,专程前往上海师范大学,参加了由国际冻土界权威、前 IPA 主席 Christopher R. Burn 教授主讲的学术研讨会。Burn 教授的报告题为“Ground temperatures and permafrost aggradation at Illisarvik drained lake, western Arctic Canada”,基于 Illisarvik 湖区 45 年的观测数据,系统阐述了北极冻土对气候变暖的响应。在互动环节,三位博士生积极与 Burn 教授进行了深入探讨,交流议题涵盖冻土监测技术、数据分析方法及未来基础设施的应对策略。

  • Permalab参加第十届科学数据大会

    第十届科学数据大会(2025)于7月29-31日在乌鲁木齐召开。本次大会由国际科学理事会数据委员会(CODATA)中国全国委员会主办,中国科学院新疆生态与地理研究所承办,吸引了400余位专家学者参会。会议设置了12个分会场。在"科学数据政策标准与基础设施"分会场,Permalab研究生衣文君作了题为《利用神经网络技术提升多年冻土模拟的实践》的学术报告,重点介绍了Permalab团队在物理模型与神经网络融合方法上的创新成果。