===========================================
李璐，副教授，硕士生导师
中山大学逸仙学者计划 “新锐学者”（2025）
海琴2号大气科学学院A538
lilu83@mail.sysu.edu.cn
欢迎对人工智能与地球系统模式感兴趣的同学报考！
===========================================
===========================================
研究方向是：用人工智能发展陆面过程模式
1）研发融合物理信息的机器学习；
2）改进陆气尺度转换、陆面过程建模、陆面同化；
===========================================
教育经历
2012.09-2016.06 中山大学环境科学学院 理学学士
2016.09-2021.06 中山大学大气科学学院 理学博士
工作经历
2021.10-2024.10 中山大学大气科学学院 博士后
2025.02-至今 中山大学大气科学学院 副教授
个人主页
https://github.com/leelew
所在团队
陆面模式与陆-气相互作用研究团队 PI：戴永久院士
科研项目
GF科研项目外协项目(横向), 2025-2025, 47.4万元, 负责人
中山大学引进教研系列教师启动经费, 2025-2028, 100万元, 主持
广东省自然科学基金面上项目(2024A1515011760), 2024-2027, 15万元, 主持
国家自然科学基金青年科学基金项目(42205149), 2023-2025, 30万元, 主持
中山大学基本业务费项目, 2023-2024, 5万元, 主持
国家重点研发计划项目(2017YFA0604301), 2017-2022, 项目骨干
国家自然科学基金联合基金项目, 2019-2022, 2155万元, 项目骨干
广东省重点研发领域计划, 2022-2027, 3700万元, 项目骨干
国家自然科学基金面上项目(42471022, 42375144, 42275155, 42175168, 42175158, 42075158, 41975122), 参与
开设课程
《人工智能中的数理基础》
《人工智能在地球系统科学中的应用》
代表性论文（#为第一作者，*为通讯作者）
方向一：机器学习算法研发
Li, L.#, Dai, Y., Wei, Z., Shangguan, W., Wei, N., Zhang, Y., Li, Q., & Li, X-X. (2024). Enhancing Deep Learning Soil Moisture Forecasting Models by Integrating Physics-based Models. Advances in Atmospheric Sciences, 41, 1326–1341.
Li, L.#, Dai, Y., Wei, Z., Shangguan, W., Zhang, Y., Wei, N., & Li, Q. (2024). Enforcing water balance in multitask deep learning models for hydrological forecasting. Journal of Hydrometeorology, 25(1), 89-103.
Li, L.#, Dai, Y., Shangguan, W., Wei, Z., Wei, N., & Li, Q. (2022). Causality-structured deep learning for soil moisture predictions. Journal of Hydrometeorology, 23(8), 1315-1331.
Li, L.#, Dai, Y., Shangguan, W., Wei, N., Wei, Z., & Gupta, S. (2022). Multistep forecasting of soil moisture using spatiotemporal deep encoder–decoder networks. Journal of Hydrometeorology, 23(3), 337-350.
Li, L.#, Shangguan, W., Deng, Y., Mao, J., Pan, J., Wei, N., ... & Dai, Y. (2020). A causal inference model based on random forests to identify the effect of soil moisture on precipitation. Journal of Hydrometeorology, 21(5), 1115-1131.
Pan, J., Shangguan, W., Li, L., Yuan, H., Zhang, S., Lu, X., ... & Dai, Y. (2019). Using data‐driven methods to explore the predictability of surface soil moisture with FLUXNET site data. Hydrological Processes, 33(23), 2978-2996.
方向二：机器学习在陆面过程模式中的应用
Xu, Q., Li, L.#, Wei, Z., Lee, X., & Dai, Y. (2025). A Multimodal Machine Learning Fused Global 0.1° Daily Evapotranspiration Dataset from 1950-2022. Agricultural and Forest Meteorology, 372, 110645.
Chen, S., Li, L.*, Wei, Z., Wei, N., Zhang, Y., Zhang, S., ... & Dai, Y. (2024). Exploring Topography Downscaling Methods for Hyper‐Resolution Land Surface Modeling. Journal of Geophysical Research: Atmospheres, 129(20), e2024JD041338.
