学术交流：青藏高原冰湖溃决灾害监测预警研究 & 序列数据分析中的机器学习方法研究及应用

9月21日，模式识别与智能信息处理实验室邀请到中国科学院成都山地灾害与环境研究所聂勇研究员和成都信息工程大学赵鹏副教授来学院进行了学术交流。报告由陈奋教授主持，学院部分教师和研究生参加并进行了积极的学术探讨和交流。

聂勇研究员作了《青藏高原冰湖溃决灾害监测预警研究》的学术报告。报告围绕全球气候变化背景下青藏高原冰川消融加速、冰湖数量快速增加以及冰湖溃决灾害风险不断提升这一重要科学问题展开，系统介绍了青藏高原冰湖灾害的形成过程、演化规律及其潜在危害。聂勇研究员指出，随着区域气候变暖和冰川退缩，部分冰湖规模持续扩大，冰湖溃决可能引发洪水、泥石流等次生灾害，对高寒山区居民生命安全、基础设施建设以及跨区域交通通道安全构成严重威胁，建立高效、精准、智能化的冰湖灾害监测预警体系，对于提升区域灾害风险防控能力具有重要意义。 在报告中，聂勇研究员重点介绍了近年来青藏高原冰湖灾害监测预警领域的发展历程和技术进展，详细阐述了基于卫星遥感、多源地理信息数据以及人工智能算法的综合监测技术体系。围绕冰湖识别、湖泊面积变化监测、溃决风险评估以及灾害预警模型构建等关键环节，聂勇研究员分享了其团队在数据获取、智能识别方法、风险评价指标体系和业务化应用方面取得的最新研究成果，同时结合当前国际前沿研究进展，分析了该领域未来的发展方向。聂勇研究员还介绍了其团队多年来围绕青藏高原冰湖灾害开展的系统性研究工作，展示了团队在长期野外调查、遥感监测、灾害机理分析和风险评估等方面形成的技术积累，并介绍了相关研究成果在国内外重要学术期刊发表情况。 结合近期中尼边境地区发生的特大泥石流灾害案例，聂勇研究员进一步分析了极端天气事件影响下高寒山区灾害链的形成过程及其空间传播特征，重点探讨了该灾害事件对我国吉隆口岸交通设施、基础工程和区域互联互通产生的影响，强调了加强边境高寒山区灾害监测体系建设、完善重大灾害风险预警机制以及提升突发灾害应急响应能力的重要性。

       赵鹏副教授作了题为《序列数据分析中的机器学习方法研究及应用》的学术报告。报告围绕机器学习方法在生物信息学序列数据分析中的理论研究与实践应用展开，详细介绍了机器学习技术在生物信息学领域的应用现状、研究思路及发展趋势，重点阐述了其在复杂生物数据挖掘、特征提取与信息整合、聚类分析等方面的应用前景。同时，赵鹏副教授结合具体研究案例，详细介绍了其在生物信息学领域的多项研究成果，重点围绕单细胞测序数据分析、细胞类别识别、多视图图聚类及多组学数据整合等方面展开。其中，基于自步学习的方法为单细胞测序数据的有效聚类提供了新的思路，基于鲁棒Softmax回归的方法提升了复杂生物数据中细胞类别识别的准确性与稳定性，基于自适应流形学习的方法实现了多视图信息的有效融合与多组学数据的协同分析。此外，针对单细胞空间转录组数据，他还介绍了其所提出的基于稀疏低秩分解模型的相似相邻细胞自适应识别方法，为分析细胞空间分布特征及其内在关联提供了新的技术方法。最后，赵鹏副教授进一步分享了其在机器学习方法在多组学数据分析中应用前景的思考，介绍了如何通过特征提取、模式识别、数据融合与关联分析等技术，深入挖掘不同数据之间的内在联系，识别复杂生物数据中潜在的结构与规律，为理解细胞异质性、揭示复杂生命活动机制提供新的技术手段。

聂勇是中国科学院成都山地灾害与环境研究所研究员，荣获中科院区域发展青年学者奖、甘肃省自然科学奖一等奖，入选国家高层次青年人才与四川省顶青人才专项。成都山地所山地科学数据中心主任，中国地理学会-地图学与地理信息系统专委会委员，主持国家自然科学基金委青年基金和面上基金，科技部重点研发项目课题，西藏科技厅重点项目。已发表论文50多篇，代表性研究成果发表在Nature Reviews Earth & Environment、Science Bulletin、Remote Sensing of Environment等刊物，并入选ESI高被引论文。研发的方法与技术已被应用于川藏铁路选线等重大工程，为国家基础设施建设和灾害防控做出了积极贡献。

赵鹏博士现为成都信息工程大学软件工程学院副教授。受国家项目资助先后前往美国印第安纳大学医学院、香港中文大学深圳研究院、哈尔滨工业大学（深圳）联合培养和访问。主要研究兴趣包括人工智能算法在生物医学、气象遥感等领域的应用，在Neurocomputing，Knowledge-Based Systems等国际著名学术期刊和IJCAI、IJCNN、ICIBM等国内外知名学术会议上发表十余篇学术论文，主持和参与多项国家级、省部级基金项目。现为中国生物信息学会转化信息学与数据共享安全专委会委员，重庆市生物信息学会理事，四川省老年学学会智慧成果产业化专委会委员，国家肿瘤微创治联盟精准医学专业委员会委员。