<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>FAIR | 殷聪</title><link>https://sciextremes.github.io/zh/tags/fair/</link><atom:link href="https://sciextremes.github.io/zh/tags/fair/index.xml" rel="self" type="application/rss+xml"/><description>FAIR</description><generator>HugoBlox Kit (https://hugoblox.com)</generator><language>zh-Hans</language><lastBuildDate>Sun, 21 Jun 2026 00:00:00 +0000</lastBuildDate><image><url>https://sciextremes.github.io/media/icon_hu_a8b91da540c47080.png</url><title>FAIR</title><link>https://sciextremes.github.io/zh/tags/fair/</link></image><item><title>数据</title><link>https://sciextremes.github.io/zh/research/data/</link><pubDate>Sun, 21 Jun 2026 00:00:00 +0000</pubDate><guid>https://sciextremes.github.io/zh/research/data/</guid><description>
&lt;blockquote class="border-l-4 border-neutral-300 dark:border-neutral-600 pl-4 italic text-neutral-600 dark:text-neutral-400 my-6"&gt;
&lt;p&gt;高质量的数据集与先进的算法是地球科学突破的基石。致力于夯实基础数据底座，并引入数据驱动的地球科学新技术：&lt;/p&gt;
&lt;/blockquote&gt;
&lt;h3 id="-基础气候数据集构建"&gt;🌡️ 基础气候数据集构建&lt;/h3&gt;
&lt;p&gt;研发并发布了全球近实时（Near real-time）每日体感温度与热浪数据集，为多尺度气候变化与水文响应研究提供了可靠的数据支撑。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;📚 相关论文：&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;h3 id="-数据驱动方法在地球科学中的交叉应用"&gt;🤖 数据驱动方法在地球科学中的交叉应用&lt;/h3&gt;
&lt;p&gt;将前沿的数据挖掘与机器学习算法引入水文气象领域，例如开发了基于Transformer架构的数据驱动模型，实现了多尺度土壤水分（与农业干旱密切相关）的高效、精准模拟，推动了数据驱动技术在解析复杂非线性水循环过程中的深度应用。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;📚 相关论文：&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;
&lt;/li&gt;
&lt;/ul&gt;</description></item></channel></rss>