主要研究领域为野生动物监测（样线调查、红外相机、卫星跟踪）、物种分布模型、动物运动模式和系统保护规划，熟悉线性模型(方差分析、多元回归、协方差分析、广义线性模型、混合效应模型等)、多元分析（排序、聚类、判别）和机器学习算法（随机森林），发表了4个R语言软件包（interactionFPIR、cameratrapR、abundanceR和migrationR）。

2008.02－2016.12，中国科学院动物研究所国家动物博物馆馆员

2012.10－2013.01，美国罗格斯大学（Rutgers University），访问学者

2006.08－2008.07，美国大自然保护协会（The Nature Conservancy），项目主任

2004.04－2006.04，加拿大新布朗斯维克大学(University of New Brunswick)，研究助理

2003.08－2004.03，加拿大纪念大学(Memorial University)，博士后

2002.08－2003.07，加拿大林业局北方林业中心(Northern Forestry Centre)，博士后

2000.10－至今，中国科学院动物研究所，副研究员

1999.12－2000.07，美国地质调查局(USGS)森林和草地生态系统科学中心，访问学者

1997.09－2000.10，中国科学院动物研究所，助理研究员

1990.08－1992.07，青岛动物园，助理工程师

​

本课程着重于统计学的基本概念和基本分析方法，立足于培养学生的统计学思想和对标准统计分析规范的掌握。本课程推荐的教材为英文原版的《生物统计分析》（Zar 1999），同时使用英文课件辅助教学，以便使学生了解北美统计教学的方法与内容，并促使学生熟悉英文统计词汇，阅读英文专业文献。本课程的特点是内容比较多，包括相对简单的假设检验、方差分析、相关和回归，以及较为复杂的多元的、非线性的统计方法。整个授课内容是相对完整的一个体系，授课时会强调不同内容间的比较。 

本课程推荐使用R统计软件进行统计分析，完成作业。以前4年，本课程都是使用SAS进行教学和做练习。由SAS改为R是本课程的一次比较大的调整。虽然在工业界SAS依旧是排行第一的统计工具；然而在学术界，R已经后来居上，成为排行首位的统计软件。最近几年来，生物学领域的重要研究成果所用的分析软件大多是R。而且，R免费开源，前景不可限量。R的许多软件包可以非常方便地处理一些生物学问题，是我选择R的主要原因。在课件中，原有的SAS程序依旧保留，作为参考，但不花时间讲解。 

学习要求： 

课前不需要预习；课堂上要认真听讲，对不明白的问题及时反馈（在课堂上和课间提问）；课后认真复习课堂内容（每周至少花一小时，否则很容易遗忘）；认真完成作业（每次大约需要一个多小时）；课堂上会强调关键词和关键问题，推荐同学自己查询资料解决疑难问题；鼓励同学在课前、课间、课后以及在课堂上积极提问。通过本课程的学习，要求学生较好地掌握生物统计学的原理和应用方法，以及统计软件R的基本分析方法。 

本课程内容偏多，讲课内容重复较少，课后复习至关重要！