詹存 特聘教授
个人简介
詹存（1990-），博士，特聘教授，硕士生导师。2024年毕业于四川大学水文学及水资源专业，师承梁川教授，获工学博士学位。昆明理工大学“四层次”引进人才，云南省教育厅“流域内引调水工程高原河湖综合治理科技创新团队”成员。近五年以第一/通讯作者发表论文10余篇，担任International Journal of Applied Earth Observation and Geoinformation，Science of The Total Environment，Ecological Indicators，Remote Sensing，Ecological Frontiers等多个SCI期刊审稿人。曾就职于中国电建集团西北勘测设计研究院有限公司，具备丰富的水电、水利、水生态及水环境相关的规划设计经验。
教育及工作经历
【教育经历】
2019.9-2024.6 四川大学 水文学及水资源专业 博士
2012.9-2015.6 四川大学 水利工程专业 硕士
2008.9-2012.6 四川大学 水文与水资源工程专业 本科
【工作经历】
2024.9-至今 太阳贵宾会官网下载 水利系
2018.9-2019.9 水电水利规划设计总院 规划部（挂职）
2015.7-2020.3 中国电建集团西北勘测设计研究院有限公司 规划发展研究院
研究方向
多类型干旱非平稳变化规律及传播机制研究
重点关注不同类型干旱（气象干旱、农业干旱、生态干旱、水文干旱）在时间和空间上的非平稳变化特征，揭示干旱演变的驱动机制及其在不同气候区的传播路径。
利用多源遥感数据与模型模拟，识别干旱关键驱动因子，评估干旱对生态系统和水资源的影响，服务于干旱风险管理和防控策略的制定。
大尺度植被动态探测及归因
基于遥感技术和大数据分析，开展大尺度植被覆盖变化监测，揭示植被时空动态特征及其对气候变化和人类活动的响应机制。
深入研究植被变化的驱动因子，定量评估不同环境因子对植被变化的贡献，构建植被与水资源、气候之间的耦合模型。
区域蒸散发模拟与水资源高效利用
通过遥感、地面观测及数值模型，精准模拟区域蒸散发过程，揭示蒸散发的时空分布规律及其对水资源格局的影响。
探索不同生态和农业系统下的水资源高效利用途径，提出科学的水资源调配和管理策略，助力区域水资源可持续发展。
教学课程
本科课程：《工程伦理学概论》和《水文学原理》；
研究生课程：《最优化原理与方法》。
学术成果
近五年，以第一作者/通信作者已发表SCI论文13篇，代表性成果如下：
Zhan C, Liang C, Zhao L, et al. Detection and attribution of vegetation dynamics in the National Barrier Zone of China by considering climate temporal effects[J]. International Journal of Applied Earth Observation and Geoinformation, 2023, 116: 103140.
Zhan C, Liang C, Zhao L, et al. Differential responses of crop yields to multi-timescale drought in mainland China: Spatiotemporal patterns and climate drivers[J]. Science of the Total Environment, 2024, 906: 167559.
Zhan C, Liang C, Zhao L, et al. Drought-related cumulative and time-lag effects on vegetation dynamics across the Yellow River Basin, China[J]. Ecological Indicators, 2022, 143: 109409.
Zhan C, Liang C, Zhao L, et al. Multifractal characteristics of multiscale drought in the Yellow River Basin, China[J]. Physica A: Statistical Mechanics and its Applications, 2023, 609: 128305.
Yu, H., Yang, Q., Jiang, S., Zhan, B., &Zhan, C*. Detection and Attribution of Vegetation Dynamics in the Yellow River Basin Based on Long-Term Kernel NDVI Data. Remote Sensing, 2024, 16(7), 1280.
科研项目
其他
欢迎踏实努力、勤于思考、愿意沉下心来探索科学问题的同学加入，我们携手前行、共同进步，追求知识的深度与创新的高度。也诚挚欢迎各位同仁和同学交流指导，共同成长！
电子邮箱：zhancun@kust.edu.cn。
太阳贵宾会下载官网
