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：周路，南京信息工程大学博士后

报告时间：2025年12月16日（周二）15:00

报告地点：西康路成人抖音 507会议室

主持人：李熠 副教授

报告人简介：

周路，南京信息工程大学博士后，2019年获成人抖音 理学学士学位，2024年获中国科学院大学理学博士学位，并获当年中国科学院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、npj Climate and Atmospheric Science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；构建物理分析-AI混合型ENSO预测模型、AI集合预报方法、模式智能参数化方案等。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、国家重点研发项目子课题等。

报告摘要：

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。