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监测预警全国重点实验室（SOED），从事集合资料同化及短期气候预测的研究工作。扩展了著名的中等复杂的海气耦合模式——ZC模式，构建耦合资料同化-预测系统(SIO-ICM)，同化多源观测资料，实现初始场优化、模式参数估计以及模式倾向误差估计，开展ENSO集合预测。

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，卫星海洋环境监测预警全国重点实验室，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，主持研发海洋二所自主知识产权的ENSO集合同化预报系统——SIO-ICM。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。其长期Niño3.4指数后报技巧已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（中国气象局--国家气候中心--气候系统监测·诊断·预测·评估）。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、国家自然科学基金面上项目，42476196，基于集合卡尔曼滤波器和深度学习方法降低模型误差效应及其在ENS预测中的应用研究，2025.01-2028.12，主持；

2、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； 

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，2021.10-2025.09，主持；

4、重点研发课题，2025YFF0517203，基于人工智能的强耦合同化技术研究，2025.12-2030.11，子课题负责人。

1、Gao, Y.*, Ge, S,  Zhagn J., Wang, Y., He, Q. State estimation improvement in strongly coupled data assimilation with a two-scale Lorenz model. Acta Oceanologica Sinica, 2026, 45 (1): 1–14. https://doi.org/10.1007/s13131-025-2593-y

2、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.

3、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.

4、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.

5、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.

6、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.

7、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.

8、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 .

9、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. 

10、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. 

11、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. 

12、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.

13、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.