近日，陕西省教育厅公布了2022年度陕西高等学校科学技术研究优秀成果奖获奖名单。我校地理与环境学院刘引鸽教授团队完成的科研成果《区域水生态演化、机制与风险预估研究》荣获二等奖；电子电气工程学院张文娟教授团队和陕西师范大学合作完成的科研成果《风力发电系统能效提升及故障穿越保护关键技术研究与应用》、计算机学院田东平教授完成的科研成果《非结构化信息(图像)的内容理解与语义表征关键技术研究》分别荣获三等奖。（科研管理处 文/周瑜 审核/王晓玲）
刘引鸽，三级教授，博士，硕士生导师。主要从事气候变化、水文循环模拟、资源环境管理、生态风险及可持续发展领域的教学与研究工作。陕西省地理学会理事、常务理事，陕西省灾害监测与机理模拟重点实验室学术委员，陕西省中国特色社会主义理论体系研究中心（宝鸡地区）特约研究员，宝鸡市秦岭生态环境保护研究中心专业委员会委员，“The 4th International Conference on Earth Science, Energy and Environment Protection”，“the Chinese Association of Environment, Resources & Energy (ICAERE)”国际学术会议委员，西北地区水资源青年论坛专家顾问，国家基金，教育部学位论文及陕西省高层次项目评审专家。曾获宝鸡文理学院“高层次创新拔尖人才”“学科带头人”“学术骨干”“科研年度人物”荣誉。主持完成国家自然基金、国家社会科学基金面上项目共3项，主持及参与完成国家省部级及其他项目多项。出版专著4部（科学出版社、中国环境出版社、气象出版社），在SCI、SSCI、CSCD、CSSCI、EI及核心期刊上发表相关论文100余篇，曾获陕西省、宝鸡市及学校自然科学和哲学社会科学奖10余项。
《区域水生态演化、机制与风险预估研究》围绕陕西省关键区域水资源、水环境及经济领域的水生态演化、机制及风险集成研究，系统阐明了区域水资源的空间变化的异质性，水资源承载力及脆弱性演化规律，结合水量平衡及陆气间的水热交换过程，建立了考虑微观与宏观结合的非线性扰动环境健康风险评价模型，实现了区域水生态不确定性风险模拟、评估、区划、预估及风险源解析。为政府部门的区域水资源开发管理提供了科学依据，对促进区域社会、经济、水环境之间和谐统一发展具有重要指导意义。本研究在国内外SCI、EI、CSCD及核心等高质量期刊发表的主要8篇代表作，被Web of Science核心合集及CNKI他引累计256次。
张文娟，教授，工学博士，硕士生导师，电子电气工程学院副院长，宝鸡市第十一批有突出贡献拔尖人才。主持国家自然科学基金、陕西省科技厅工业攻关、面上科研项目5项，主持企业产学研横向合作项目7项；近年来以第一作者或通信作者在《电工技术学报》、《IEEJ Trans.》、《电机与控制学报》等国内外期刊上发表高水平学术论文20余篇；授权发明专利2项。以第一完成人荣获陕西省科技工作者创新创业大赛二等奖、宝鸡市科学技术奖二等奖、宝鸡市自然科学优秀学术成果一等奖等10余项科研奖励。
《风力发电系统能效提升及故障穿越保护关键技术研究与应用》瞄准目前风力发电机组在高效能运营及健康、稳定发展过程中存在的突出问题，开展风能资源欠丰富区发电能效提升、电网故障穿越风电机组保护优化以及电网故障穿越系统致稳机理3个方面的研究。该成果在“30碳达峰、60碳中和”背景下，为提升低速轻载运行时风电机组发电效率以及低电压穿越期间系统撬棒优化保护提供了理论支撑和安全保障。
田东平，教授，博士，硕士生导师，校“学术带头人”，ACM/IEEE/CCF会员。2014年1月毕业于中国科学院智能信息处理重点实验室，主要从事计算机视觉、机器学习和演化计算方面的研究。主持完成教育部、陕西省科技厅/教育厅等各类课题10余项。发表论文60余篇，SCI检索10余篇，EI收录40余篇；授权国家发明专利2项、计算机软件著作权30余项。两次获中国科学院研究生院“三好学生”、中国科学院计算技术研究所“所长优秀奖”，多次获宝鸡市自然科学优秀学术成果奖等。担任IEEE Transactions on Evolutionary Computation、IEEE Transactions on Systems, Man and Cybernetics、Information Sciences等八种SCI源期刊的经常性审稿人；担任AISCA2022、AIAPP2022、NLCAI2022、AI & FL2021、SAIM2021、AISC2021等十余种国际会议的程序委员会委员和审稿人。
《非结构化信息(图像)的内容理解与语义表征关键技术研究》是针对多媒体领域普遍存在的“语义鸿沟”瓶颈问题而进行的相关研究。该成果在对特征域和空间域分析的基础上，构建了新的融合时空特性的非结构化信息的表示模型；通过发现潜在主题信息和学习主题间的相关性建立了跨模态相关性，实现非结构化信息低层特征到高层语义的有效映射；基于可获取的多元语境信息，结合粒度空间模型进行非结构化信息的内容理解与语义描述；与此同时，探讨和分析了模型参数、复杂度性能、标注与检索性能、以及模型参数与数据集规模之间的潜在相关性，为进一步研究更加高效的非结构化信息的内容理解、语义描述、语义识别和检索等技术提供了重要的研究基础和理论依据。
