报告题目一：亚洲热带夏季风起止时间的未来变化及观测约束
报告人：王璐，南京信息工程大学，教授
报告摘要：亚洲热带夏季风的起止时间标志着季风雨季的长短，其早晚变化对当地渔业、农业和社会生活具有显著影响。未来全球变暖下，亚洲热带夏季风的爆发和撤退将提早还是推迟？不同子区域的季风起止时间的未来迟早变化是一致的、还是存在区域差异？季风爆发时间变化对全球变暖的响应机理是什么？预估结果的模式间差异来源是什么，如何减小预估结果的模式间不确定性？本报告将基于CMIP6的情景预估试验结果，揭示出大气季节内振荡对季风爆发未来变化起着关键调控作用；赤道西太平洋海温和北半球地表增暖趋势可以分别作为约束季风爆发和撤退未来变化的观测因子。研究成果强调了多尺度相互作用在季风未来变化中的重要作用，为理解季风未来变化提供了新的视角。
报告人简介：王璐，南京信息工程大学教授，博士生导师，江苏省特聘教授，江苏省“333高层次人才培养工程”中青年学术技术带头人，江苏双创团队核心骨干。主要研究兴趣包括大气季节内振荡机理及气候影响，多尺度相互作用和季风-海气相互作用等。近年来在热带和中纬度大气季节内振荡的传播和发生发展机制、数值模拟和区域气候效应等方面，取得了一系列的成果，已发表学术论文70余篇（含SCI 48篇）。近年来主持国家重点研发计划课题、国家自然科学基金面上项目等多项国家级科研项目。目前担任Journal of Climate的Associate Editor。
报告题目二：基于CNN的ENSO海温纬向分布预测模型及其可解释性
报告人：陈林，南京信息工程大学，教授
报告摘要：ENSO作为地球气候系统中最强的年际变率之一，通过遥相关对全球天气和气候产生重要影响，然而ENSO海温异常的纬向分布差异将激发不同的ENSO对流从而带来不同的遥影响，因此，对于季节预测而言，不仅需要给出ENSO指数（比如Nino3.4指数）的精确预测，也需要准确预测ENSO海温异常的纬向分布。然而，当前模型对海温异常纬向分布的预测仍面临着一些问题：一方面，动力模式对ENSO海温异常纬向分布的预测水平较低；另一方面，包括深度学习模型在内的大多数统计模型更多地只关注气候指数的预测，而往往忽视预测对象的空间结构。鉴于上述问题，本研究基于深度学习技术发展了针对ENSO海温异常纬向分布的季节预测模型（CNN-CD），该模型利用卷积神经网络对全球海表面温度和上层海洋热容量的时-空间特征进行深度挖掘，实现了提前1年以上对ENSO海温异常纬向分布的准确预测，预测技巧显著优于动力模式。进一步地，本研究给出了该机器学习模型的可解释性，结果表明不同预报时效下机器学习模型的预报来源是不一样的：模型提早10个月的预测来源主要来自于热带太平洋外的海气信号（包括北太平洋和南太平洋的信号、热带大西洋海温的影响等）；模型提早16个月的预测来源主要来自于热带太平洋自身的ENSO循环。该研究进一步完善了机器学习模型在ENSO海温纬向分布方面的预报，并通过模型可解释性的分析加深了我们对ENSO动力机理的理解。
报告人简介：陈林，南京信息工程大学大气科学学院教授，博士生导师，江苏省特聘教授，江苏省优秀青年基金获得者，江苏双创团队核心骨干。主要研究兴趣包括大尺度海气相互作用，全球气候系统模式发展和应用。近年来在ENSO机理及ENSO模拟与预测等方面取得了一系列的成果，已发表学术论文60余篇。近5年主持国家重点研发计划课题、国家自然科学基金项目等多项国家级科研项目，目前担任Weather and Forecasting的Associate Editor。
报告时间：2025年1月21日 09:30
报告地点：2号楼1201
主持人：邢雯 研究员
附件下载：
粤公网安备44011502001245号