SDG 专题征稿 | 基于人工智能的数值天气预报

专题征稿

人工智能正在改变数值天气预报 (NWP) 的格局，为提高预报的准确性、速度和可扩展性提供了新的途径。我们欢迎以人工智能方法与传统方法进行基准比较、提高可解释性或展示在气候和天气服务中实际应用的论文，本合集欢迎以下主题，包括但不限于：

•基于人工智能的短期天气预报

•利用机器学习预测极端天气和气候事件

•利用深度学习进行长期气候模拟和预测

•基于人工智能的气候影响评估

•利用机器学习预测气候临界点

•基于人工智能的历史和缺失气候数据重建

•深度学习在海洋-大气相互作用建模中的应用

•基于微分方程的仿真中的神经网络算子和机器学习

•结合物理模型和机器学习的混合建模技术

•用于数据同化的深度学习

•地球系统模型输出的偏差校正和降尺度

•用于流程理解和模型透明性的可解释人工智能

•用于模拟地球观测的生成式人工智能

•AI建模任务的基准数据集

•数字孪生地球

该特刊旨在突出符合并支持联合国可持续发展目标SDG13Climate Action。

客座编辑

Yu Huang博士是德国慕尼黑工业大学（TUM）慕尼黑气候中心和地球系统建模小组的研究专家。他的研究重点是理解全球变暖背景下极端气候事件和大气环流模式的机制、可预测性、响应和影响。他擅长运用先进的计算方法，包括深度学习、动力系统理论、非线性时间序列分析、因果关系检测和复杂网络，以增强气候建模和预测能力。Huang Yu博士在北京大学获得气象学博士学位，并荣获著名的洪堡研究奖学金（2022年）。他目前的研究工作是将气候模型与深度学习相结合，以提高对气候变率和突变的预测能力。他还隶属于波茨坦气候影响研究所，致力于人工智能和复杂性科学领域的跨学科研究。

仲晓辉博士是复旦大学人工智能创新与产业研究院助理教授，专长于人工智能驱动的气象建模与预报。他拥有加州大学圣地亚哥分校机械工程博士学位，曾任阿里巴巴达摩院算法专家，并在新加坡和中国担任高级气象工程师。他的跨学科背景涵盖机械工程、大气科学和人工智能。仲晓辉博士的研究重点是开发用于临近预报、短期预报、次季节预报、气候预报和数据同化的大规模人工智能模型。他的研究成果包括用于中期预报的FuXi模型、用于次季节预报的FuXi-S2S模型以及用于观测到预报应用的FuXi Weather模型。这些模型均达到了最先进的性能，超越了欧洲中期天气预报中心高分辨率遥感系统（ECMWF HRES）等领先的数值系统，并已被各大气象机构采用。仲晓辉博士已在 Nature Communications, Science Advances, npj Climate and Atmospheric Science和QJRMS 等期刊上发表了高质量SCI论文。他的贡献获得了多项荣誉，包括2025年国际基础科学会议前沿科学奖、2024年中国气候研究十大进展奖和2024年中国气象科学技术十大进展奖。

孟凡博士是南京信息工程大学未来技术学院助理教授，1995年出生于山东省青岛市，是智慧气象研究院骨干成员，江苏省“科技副总”，中国气象局青年创新团队成员、国家气候中心创新团队特聘专家，中国计算机学会计算机应用专委会执行委员，中国计算机学会青年科技论坛（CCF YOCSEF）南京分论坛主席会议成员，山东省优秀博士学位论文获得者。 他专攻人工智能在科学领域的应用，尤其关注气象和海洋应用。他的研究融合了深度学习和机器学习技术，旨在推进智能气象学的发展，尤其是在热带气旋强度估计、不确定性预测以及利用遥感数据进行短期风速预测等领域。

Hans Chen 博士是瑞典查尔姆斯理工大学空间、地球与环境系助理教授，领导气候动力学研究组。他的研究重点是理解气候变率和变化、大气动力学以及北极气候系统。他整合观测、理论、数值模拟和机器学习方法来研究地球系统，尤其关注大气、碳循环和冰冻圈之间的相互作用。陈博士的工作通过在数据同化和数值模拟方面的创新方法，为推进地球系统科学做出了贡献。他的跨学科专长涵盖大气科学、碳循环科学和数据科学，并与全球各机构的顶尖研究人员开展了合作。

Kreso Pandzic 是克罗地亚杰出的气象学家和学者，以其在区域气候学和大气建模领域的贡献而闻名。他曾在克罗地亚气象水文局工作40年（1981-2022），并于1992年至2012年期间在萨格勒布大学理学院地球物理系担任天气分析和天气预报课程的讲师。2013年至2022年，他继续在该校为博士生讲授大气可预测性和气候系统建模课程，同样担任合作讲师。作为克罗地亚气象水文局的官员，他自1994年至2022年退休前，一直担任克罗地亚常驻世界气象组织（WMO）代表的顾问。他的职业生涯体现了他毕生致力于推进克罗地亚及其他地区气象科学事业的奉献精神，即使退休后也仍然活跃在研究和教育领域。

点击“阅读原文”，访问征稿页面