经中-伊双方积极沟通协调，在国家自然科学基金国际合作与交流项目（中伊）“基于统计（机器学习）-动力气候预测的伊朗农业旱灾风险季节预测研究”项目支持下，双方克服网络线上会议障碍，利用伊朗境内支持的Adobe Connect网络研讨会系统，于2023年6月26日在京师科技大厦B座1115成功召开2023年度第一次中-伊双方联合研讨会。此次研讨会由北京师范大学杨静教授、大连海事大学简俊副教授和锡斯坦-俾路支斯坦大学Peyman Mahmoudi副教授共同主持，参会成员包括中国科学院大气物理研究所包庆研究员、库尔德斯坦大学Mohammad Darand教授、锡斯坦-俾路支斯坦大学Pouria Jafari助理教授、德黑兰大学Fatemeh Firoozi博士后、中国科学院大学研究生瞿安康及北京师范大学地理科学学部研究生潘瑜娴、张世誉和冯心瑶等十余位国内外学者和学生。

参会人员合影

会议伊始，中方团队负责人杨静教授首先介绍了项目的整体目标，即针对伊朗农业旱灾风险季节预测展开研究，研发统计-动力方法相结合的农业旱灾风险季节预测模型，搭建预警平台并提供预测服务，减轻伊朗农业灾害风险和经济损失。同时，杨静教授回顾了中伊双方的任务内容，并介绍了中方的核心参与人员。杨静教授表示，中方正顺利按照项目计划开展相关研究任务，并展示了中方目前已建立的伊朗历史季节性干旱动态预测数据库及其可信度评估结果。随后，包庆研究员详细介绍了其团队研发的动力气候模式的具体情况以及相关预测成果，该模式性能卓越，预测尺度可从天尺度到年代际尺度，并且相关预测结果已在其预测系统平台实时更新。

杨静教授报告部分

包庆研究员报告部分

之后，杨静教授团队的学生张世誉基于动力气候模式历史回报数据库，介绍了伊朗春季（四月）降水的月预测技巧。评估结果显示，目前纯动力回报能够抓住春季降水气候态空间分布特征，尤其是两山脉区域的降水大值中心，但是模式预测的降水强度普遍偏弱；在降水的年际变率预测方面，以山脉为中心的两个区域模式预测技巧较高；在识别旱涝年方面，涝年的预测技巧大于旱年，研究区域的预测技巧排名为北部厄尔布尔士山区域最高，其次为西部扎格罗斯山区域，西北部乌尔米湖区域技巧最低。

张世誉汇报部分

随后，伊方团队Pouria Jafari助理教授首先介绍了深度学习的相关内容，包括深度学习的概念、应用、种类和模型，以及如何将其应用到干旱预测。Fatemeh Firoozi博士后介绍了常见的农业干旱指数和伊朗农业旱灾已有的脆弱性模型，明确了利用深度学习预测NDVI指数的输入变量。

伊方报告部分

最后，中-伊双方就一些重要问题进行了讨论，包括重点关注的月份、农业干旱预测的对象和如何选取农业干旱最优指数等问题。最后确定了下个阶段的基本任务，包括秋-冬季的气象干旱预测的评估和改进，农业干旱预测的基本目标，以及干旱预测平台的初步搭建等。双方也就下一次的线下学术互访做了基本部署。

撰稿：周怡若、张世誉

审阅：杨静、简俊