喜讯 | 理工学院倪维明教授论文荣获美国生态学会“杰出生态学理论论文奖”

       近日，我校理工学院校长讲座教授倪维明教授的论文“Carrying capacity in a heterogeneous environment with habitat connectivity”荣获美国生态学会的“杰出生态学理论论文奖“(Outstanding Ecological Theory Paper Award）。

   学会&奖项简介

        美国生态学会（ESA）成立于1915年，是美国最大的专业生态学家组织，在全世界拥有10000多位科学家会员。ESA每年评选出了多个奖项，包括杰出生态学理论论文奖（每年一篇），旨在表彰在生态学领域做出杰出贡献的学术成果。

         获奖论文简介

        倪教授的论文于2017年发表在Ecology Letters，题目为“Carrying capacity in a heterogeneous environment with habitat connectivity”，第一作者为迈阿密大学张波博士，倪维明教授为共同作者。 

        该论文将数学分析，数值计算和实验工作相结合，以解释空间种群生物学中的一个基本问题：环境因素和运动方式的空间异质性如何决定人口的区域丰度。与先前理论工作的预测相反，论文发现在空间异质环境中获得的区域均衡丰度比同质环境中的更低。

        教授简介

         倪维明教授是香港中文大学（深圳）理工学院校长讲座教授。他在1972年于国立台湾大学（中国台湾）获得学士学位，在服满两年兵役后，于1979年获得纽约大学（库朗研究所）博士学位。1979年以来，他先后在宾夕法尼亚大学担任助理教授，明尼苏达大学担任教授，2010至2017年，他在华东师范大学担任偏微分方程中心主任。

         倪教授的研究领域主要是偏微分方程，近十年来专注于生物中的数学问题。他已在相关领域发表100余篇学术论文。他的论文绝大多数均发表在国际权威学术杂志上，并被大量地引用，倪教授还是全世界被引用最高的数学家之一。

教授采访

Q. 倪教授您好，可以请您简要地介绍一下这篇论文及您的研究历程吗？

倪维明教授：这篇论文主要讲述了两个结论的数学和实验证明，第一个是在异质环境中随机扩散的种群比未扩散的种群具有更高的总规模，另一个是均匀分布的资源比异构分布的资源支持更高的总承载能力。第一个结论似乎违反了许多人的直观，它也同时显示，似乎有必要重新审视并定义生态学中的一个重要的基本观念 - “总承载量（carrying capacity）”：基于我们的研究，它似乎应该是“动态的” – 不但依赖于资源总量，也与种群中个体的运动速率息息相关。第二个结论推翻了过去基于logistic方程的推断，并指出资源与环境变化对物种的重要影响。

         这篇文章的出发点是从数学来的。我是从2008年开始研究数学在生态学领域的应用的，张波在2012年听了我的一个报告后，我们开始合作——她想从实验的角度来证明或否定我做的数学预测，我本人也非常好奇。我们从单一方程做起，第一次实验以浮萍为研究对象，2015年完成了实验，实验结果证实了第一个结论，但因为那是违反直观的，而且实验不够严谨，而遭到质疑。第二次实验以酵母（yeast）为对象，使用了现代精确的生物仪器（包括镭射及liquid-handling robot）来保证实验的严谨性，最后实验结果证明了上述的两个结论。

        我们团队里既有实验生物学家，也有理论生态学家，我在其中主要负责以数学证明模型结论的正确性。数学证明是不会错的，生物实验结果也是不会错的，需要注意的就是模型的建立。我们得出了一个违反直观的结果，就可以对之前的logistic模型进行优化，让模型更反应真实，对（其他）相关自然现象也希望能够增加了解。

Q. 您怎样理解数学在其他领域的应用呢？

倪维明教授：数学是一门基础学科，在其他领域应用广泛，如生物、物理、工程等等。通过建模，数学的一个基本观念常常可以应用到许多领域，既能将表面上不相关的现象在本质上连接起来，也能对一个现象有较为深入的了解。比如，波在二维（例如：声波）和三维（例如：水波）中传递现象的差异，完全可以从数学公式上读出来；我至今还记得当初学到这件事时激动的心情，也让我决定进入这个专业。

        我认为数学是了解现象或解决问题最严谨的办法，能规避直观带来的错误判断；换个角度来说，直观源自于经验，而数学使我们得到正确的直观。对世界的认知，我个人充满了好奇心，我觉得这不仅在数学方面对我有深刻的影响，也给我的职业生涯平添了很多乐趣。

Q. 您对于本科生学习数学有什么建议呢，如哪些课程比较重要呢？

倪维明教授：本科的数学课程基本上都是十分重要的，但微积分是基础，一定要学好，多练习，多思考。

        数学分支很细，差别也相当大，比如代数和分析，各方面差别都比较大。想把数学的每一个方向都彻底弄明白，困难也不小。大学目前修读应用数学与分析方面的同学稍微多一些。本科的时候，可以开始注意自己的兴趣取向，像微分方程、概率论和最优化这些课程就为我们以后使用、分析数学模型的能力提供了基础，平时应该注意积累，广泛的阅读或选修其他领域的学科，以便将来能将数学与其他学科结合。在做学问上，保持赤子之心（好奇心），自然实现跨领域研究。

转载自理工学院微信公众号
采访/撰稿：邵诗雯（2017年理工学院、思廷书院）