卫星海洋环境监测预警全国重点实验室为增进学术交流，促进实验室对外开放，组织系列“海星系列学术讲座”，邀请国内外知名专家与青年科研人员分享前沿科学动态，讨论最新学术成果，欢迎大家踊跃参加。

召集人：冯杰 助理研究员

会议时间：11月17日  10:00-11:30

会议地点：1号楼610会议室

报告人：周路 博士后 （南京信息工程大学）

报告题目：基于AI的全球热带跨洋盆海气耦合建模及ENSO智能集合预报研究

报告人简介：周路，南京信息工程大学博士后，2024年获中国科学院大学理学博士学位，获当年中国科学院百篇优秀博士学位论文奖。主要从事厄尔尼诺-南方涛动（ENSO）的智能表征和预测、热带海气相互作用等研究，近5年在Science Advances、Geophysical Research Letters等国际知名期刊发表多篇论文。研究成果包括研发了首个数据驱动的热带海气系统多变量三维场智能预测模型，推动从ENSO指数预测向多变量、三维立体场预测的跨越；发展了主振荡物理分析方法与深度学习相结合的混合型ENSO预测技术、基于CNOP的AI集合预报方法、海气通量概率化智能参数化方案等。2024年获博士后创新人才支持计划（“博新计划”）资助，同时主持国家自然科学基金青年科学基金C类、江苏省自然科学基金青年基金、国家重点研发项目专题等。

报告简介：基于AI的厄尔尼诺-南方涛动（ENSO）预测可以从物理和方法两方面进行改进。在物理层面，考虑到ENSO涉及海气变量间复杂的耦合和非线性相互作用，我们在之前的工作中发展了一个纯数据驱动的热带太平洋海气耦合模式3D-Geoformer，来合理表征海表温度、风应力、海洋温跃层之间的三维海气相互作用。近期，我们进一步将其空间范围扩展至全球热带区域，以开展跨洋盆海气相互作用的研究，本报告将展示利用该模型考虑跨洋盆海气过程对ENSO预测的影响。在方法层面，考虑到确定性AI模型往往系统性低估极端ENSO事件的强度，我们开展了AI集合预报研究。为此，我们提出了一种基于正交条件非线性最优扰动（CNOP）方法的初值场扰动方案，并将其应用到AI模型的集合预报中，以提升对极端ENSO事件的预测能力。该方法的一大优势是无模型依赖性，可广泛应用于AI驱动的极端天气与气候事件集合预测中。