報告時間：2025年5月20日（周二）9：00 -11：00

報告地點：敏學(xué)樓406會議室

報告人簡介：

復(fù)旦大學(xué)大氣與海洋科學(xué)系副教授，2017年畢業(yè)于中國科學(xué)院大氣物理研究所。主要研究方向為高影響天氣和氣候事件的可預(yù)測性，深入探討了大氣初始不確定性、邊界不確定性等因素對極端天氣事件生成和預(yù)報的影響，并提出了有效的目標(biāo)觀測方案，以減小預(yù)報不確定性。已在國際SCI期刊上發(fā)表論文30余篇，主持了國家自然科學(xué)基金青年項目和面上項目各一項，作為核心骨干參與了國家自然科學(xué)基金基礎(chǔ)科學(xué)中心項目、重大項目以及科技部重點研發(fā)項目等多個國家級科研項目。

報告摘要：

松弛試驗，即將模型預(yù)測結(jié)果不斷地向分析場逼近，是一種有效識別大氣可預(yù)報性來源的有效手段。利用這一技術(shù)，本研究探究了動力模型（IFS）和AI模型（Pangu-Weather和AIFS）對歐亞地區(qū)極端事件的可預(yù)測性。結(jié)果表明，通過北極松弛試驗，所有模型均可以提高歐亞地區(qū)極端事件的預(yù)報技巧。但相比于動力模型，AI模型的改善效果較為有限。這一差異可能是由于AI模型在表征北極-歐亞聯(lián)系方面較弱導(dǎo)致的。總體而言，AI模型中不同緯度之間的聯(lián)系較弱，尤其是熱帶與中緯度之間的聯(lián)系，這可能與AI模型中熱帶區(qū)域變率較低有關(guān)。

誠邀感興趣的師生參加！

人工智能學(xué)院

2025年5月19日