10月25日下午，我院在北辰楼431成功举办第十期研究生学术沙龙活动，本次学术沙龙特邀沈润平教授、黄金龙博士进行点评。2017级研究生成通、赵建婷、黄安奇分别作了题为“2018年京津冀地区PM2.5季节变化及其与地表温度的关系分析”、“印度河流域气温、降水、蒸发及干旱变化特征”、“Construction of a drought monitoring model using deep learning based on multi-source remote sensing data”的学术报告。全院研究生参加了学术沙龙，由学院研究生会副主席景庄伟主持。
2017级地理学专业的研究生成通认为，伴随着城市化进程的加快和城市群的扩张，大气污染日益成为人们重点关注的区域性问题。大气污染中细颗粒物PM2.5（空气动力学直径小于等于2.5 μm的颗粒）对人体健康的危害远大于粗颗粒物，已经成为我国城市大气的首要污染物。地表温度变化及其导致的城市热岛效应可以显著地影响PM2.5的分布。而PM2.5浓度的增加会通过直接气候效应降低到达地面的太阳辐射，从而引起地表温度的变化。因此研究京津冀地区各季节PM2.5空间分布，并研究PM2.5质量浓度和地表温度的相关关系。
2017级3S集成与气象应用专业的研究生赵建婷认为，由于干旱、半干旱气候区，降水稀少且变率大，生态环境脆弱，对全球气候变化十分敏感；人口多，水资源短缺，跨境水资源安全及纠纷问题日益加剧；因此探讨了印度河流域气候变化演变特征，以期为印度河流域应对气候变化减灾等措施的制定提供科学依据，为国际河流水资源管理提供重要借鉴。。
2017级3S集成与气象应用专业的研究生黄安奇认为，干旱是全球最严重的气象灾害之一，它的频发给国民经济，特别是农业生产带来了巨大的经济损失。气象监测，方法成熟且精度较高，但站点有限，无法连续大面积观测，未考虑地表植被及土壤对干旱响应；遥感监测速度较快，时空分辨率高，但缺乏对致旱因素中的降水盈亏信息的考虑。因此需要构建考虑土壤水分胁迫、植被生长状态和气象降水盈亏等多种致旱因素的遥感综合干旱监测模型。在耦合多种致旱因子时，深度学习算法可以从大量因子中提取有用的特征，优于其他传统机器学习算法。因此采用深度前馈神经网络算法(DFNN)。在非线性计算中，它可以快速地在大量的变量中提取高级特征，以实现高预测精度。
活动期间，特邀点评专家与各位主讲人认真交流并深入讨论，指出不足并积极提出解决方案。参加报告的研究生们仔细听讲，积极思考，提出疑问，并进一步探讨交流。
本次沙龙充分发挥学术交流作为原始创新源头之一的作用，营造自由探究、鼓励学术争鸣、活跃学术思想、促进原始创新的环境，弘扬敢于质疑、勇于创新、大胆探索的精神，为培养个人学术思想、阐述个人理论观点以及激发个人学术灵感提供一个宽松、自由、平等的交流平台。