在中国海洋大学攻读研究生期间，从事利用伴随同化方法进行海洋内潮模型参数优化的研究。成功将两层的等密度坐标内潮伴随同化模型发展到多层模式，以吕宋海峡为目标海区，探讨了开边界条件及空间分布的底摩擦系数的反演问题进行了研究，通过同化T/P (TOPEX/Poseidon)高度计资料对南海东北部吕宋海峡附近海域 M2 内潮的季节变化进行了数值模拟。

博士毕业之后，进入自然资源部第二海洋研究所卫星海洋环境动力学国家重点实验室（SOED），从事集合资料同化的研究工作。扩展了著名的中等复杂的海气耦合模式——ZC模式，通过同化多源资料，开展ENSO集合预报。该工作已开展业务推广应用。

2005.09-2009.06：鲁东大学，信息与计算科学，理学学士；

 2009.09-2014.06：中国海洋大学，物理海洋学，理学博士。

2014.07-2018.12，国家海洋局第二海洋研究所，卫星海洋环境动力学国家重点实验室，助理研究员；

2019.01-2023.11，自然资源部第二海洋研究所，卫星海洋环境动力学国家重点实验室，助理研究员；

2023.12-至今，自然资源部第二海洋研究所，卫星海洋环境动力学国家重点实验室，副研究员。

基于ENSO研究中广泛使用的Zebiak-Cane模式的最新版本——LDEO5，发展了一个中等复杂程度的ENSO集合预报系统。该预报系统使用先进的集合卡尔曼滤波器方法（EnKF）构建多源资料同化系统，同化海表面温度异常和纬向风应力异常资料进行初始化，并使用随机最优扰动方法度量随机大气过程对模式预报误差的影响，产生100个集合预报。使用该预报系统对1856年1月-2018年12月共163年的ENSO事件开展后报实验，结果表明该预报系统提高了LDEO5模式的Niño3.4指数预报技巧，提前6个月的预报技巧为0.75，达到国际先进预报模式的水平。

基于该系统的ENSO实时预报结果，从2019年3月开始，在卫星海洋环境动力学国家重点实验室网站稳定发布（http://www.soed.org.cn/emsodm.html）；从2019年春季开始，受邀参加国家海洋环境预报中心的气候预测会商会，每年至少两次提供ENSO预测意见；从2020年4月开始，受邀加入中国气象局的中国多模式集合预测系统（CMME），每月对外发布ENSO预测（http://ncclcs.ncc-cma.net/Website/index.php?ChannelID=254&WCHID=252）。该成果的业务推广应用，可以为ENSO预报预警提供重要参考。

1、国家自然科学基金青年项目，41706006，基于集合耦合同化的西风爆发参数估计方法研究及其在ENSO预报中的应用，2018.01-2020.12，主持； 

2、国家海洋局第二海洋研究所中央级公益性科研院所基本科研业务费专项资金项目，JG1809，强耦合同化框架下基于Z-C模式的西风爆发参数估计研究，2018.01-2019.12，17万，主持；

3、南方海洋实验室自主科研项目青年人才项目，SML2021SP314，耦合参数估计中协方差膨胀方案及其在ENSO预报中的应用，2021.10-2024.09，主持；

4、中国-东盟海上合作基金项目子任务，孟加拉湾区域降水的季节预报及其季节内变化和动力因子研究, 2021.01-2021.12，主持；

5、科技部国家重点研发计划项目，2017YFA0604202，高影响海-气环境事件预报模式的高分辨率海洋资料同化系统研发，2017.07-2022.06，1500万，课题骨干； 

6、“全球变化与海气相互作用”专项国际合作项目，GASI-IPOVAI-06，海洋动力系统可预报性研究，2016.01-2020.07，1445万，课题骨干； 

7、国家自然科学基金重点基金项目，41530961，近135年印度洋偶极子集合预报试验及可预报性研究，2016.01-2020.12，342.8万，参与。

1、Gao, Y., Zhagn J.*, Liu K.*, Chen H., Xu M. Improvement of an extended ensemble coupled data Assimilation–Forecast system and its application in El Nino ˜ diversity predictions. Ocean and Coastal Management, 2024, 247, 106917.

2、Gao, Y*. Assessment of Inflation Schemes on Parameter Estimation and Their Application in ENSO Prediction in an OSSE Framework. Journal of Marine Science and Engineering, 2023, 11, 2003.

3、Gao, Y.*, Tang Y., Liu, T. Reducing Model Error Effects in El Niño–Southern Oscillation Prediction Using Ensemble Coupled Data Assimilation. Remote Sensing, 2023, 15(3), 762.

4、Gao, Y.,Tang Y.*,Song,X., Shen, Z. Parameter Estimation Based on a Local Ensemble Transform Kalman Filter Applied to El Niño–Southern Oscillation Ensemble Prediction. Remote Sensing, 2021, 13, 3923.

5、Gao, Y.,Liu,T., Song,X., Shen, Z., Tang Y.*, Chen D. An extension of LDEO5 model for ENSO ensemble predictions. Climate Dynamics, 2020, 55: 2979–2991.

6、Yu Q., Pan, H.; Gao, Y.*, Lv, X. The Impact of the Mesoscale Ocean Variability on the Estimation of Tidal Harmonic Constants Based on Satellite Altimeter Data in the South China Sea. Remote Sensing, 2021, 13, 2736.

7、Wu,X., Xu,M.,Gao, Y.*, Lv, X. A Scheme for Estimating Time-Varying Wind Stress Drag Coefficient in the Ekman Model with Adjoint Assimilation. Journal of Marine Science and Engineering, 2021,9(11), 1220 .

8、Zhang, Q., Gao,Y.*, Lv, X. Estimation of Oceanic Eddy Viscosity Profile and Wind Stress Drag Coefficient Using Adjoint Method.Mathematical Problems in Engineering, 2015, 5: 1-11. 

9、Gao, Y., Jin, G., Chen, H., Lv, X.*. Estimation of Open Boundary Conditions Based on an Isopycnic-Coordinate Internal Tidal Model with Adjoint Assimilation Method. Mathematical Problems in Engineering, 2013, DOI: 10.1155/2013/321387. 

10、Gao, Y., Cao A., Chen H。*, Lv X. Estimation of Bottom Friction Coefficients Based on an Isopycnic-coordinate Internal Tidal Model with Adjoint Method. Mathematical Problems in Engineering, 2013, DOI: 10.1155/2013/532814. 

11、Tang, Y., Shen, Z., Gao, Y. Ensemble based data assimilation in the earth sciences (book chapter). Systems and Control of Nonlinear Equations, 2016, ISBN 978-953-51-4714-5. 

12、高艳秋*，苏洁，李磊，吕咸青. 海表面温度的变分同化模式：初始场的全局优化. 海洋学研究，2015，33（1）：1-8. 

13、何群，高艳秋*，唐佑民，张继才.一种新的模式倾向误差估计算法及其在 ENSO模拟中的应用. 海洋与湖沼, 2022, 53(5): 1067–1078.

14、沈浙奇，高艳秋，唐佑民*.集合资料同化方法的理论框架及其在海洋资料同化的研究展望.海洋学报，2015, 33（3）：1-14.