地球系统数值模拟与预测预报
方向简介
统一极值理论及其在N年一遇异常温度事件研究中的应用
2026-07-31(20)次
近日，物理海洋教育部重点实验室在Climate Dynamics（《气候动力学》）期刊发表了题为“The unified extreme value theory for characterizing changes in return periods and levels of N-year temperature anomalies”（《统一极值理论在N年一遇温度异常重现期与重现水平变化特征中的应用》）的最新研究成果。研究首次提出了统一极值理论（UEVT），该理论实现了对同一异常序列中正、负异常事件重现期和重现水平的同步分析，在物理意义和拟合效果上优于传统理论和分布，并被应用于N年一遇温度异常事件的分析与预测中。成果第一作者为实验室/未来海洋学院/海洋与大气学院在读博士生班玮，通讯作者为“筑峰人才工程”第一层次李建平教授。
基于人工智能的古气候同化研究取得新进展
2026-07-29(29)次
近日，由物理海洋教育部重点实验室张绍晴教授领衔的科研团队，在基于人工智能的古气候同化研究领域取得新进展。研究基于古气候模式比较计划提供的海量古气候模拟数据，通过机器学习建立大气-海洋耦合背景的先验估计，发展了一套适合融合古气候稀疏代用观测数据的非线性耦合同化算法，并验证了该算法优异的古气候重建技巧。成果由Journal of Advances in Modelling Earth Systems（《地球系统模拟进展期刊》）期刊以 “Non-Gaussian Assimilation of Atmospheric and Oceanic Data in Latent Space for Paleoclimate Reconstruction”（《面向古气候重建的隐空间海气资料非高斯同化》）为题在线报道。
全球变暖增强大西洋多年代际变率对北太平洋黑潮-亲潮延伸体区的遥相关调控
2026-06-10(21)次
近日，物理海洋教育部重点实验室/深海圈层与地球系统前沿科学中心吴立新院士团队在气候变化与海洋年代际变率研究领域取得新进展，发现全球变暖将增强大西洋多年代际变率（AMV）对北太平洋黑潮-亲潮延伸体区（KOE）的遥相关调控作用，从而放大该区域的年代际气候波动。成果以“Atlantic multidecadal variability amplifies decadal variability in the Kuroshio-Oyashio Extension region under global warming”（《全球变暖背景下大西洋多年代际变率增强黑潮-亲潮延伸区年代际波动》）为题发表于Communications earth & environment（《通讯·地球与环境》）期刊，第一作者为海洋与大气学院/未来海洋学院在读博士研究生王伊婷，通讯作者为物理海...
我校在海洋热浪跨洋盆遥相关研究领域取得新进展
2026-05-21(18)次
近日，物理海洋教育部重点实验室在Nature Communications（《自然·通讯》）期刊在线发表题为“Spring–Summer Caribbean Sea Marine Heatwaves Tied to Previous Winter Indian Ocean Marine Heatwaves”（春夏季加勒比海海洋热浪与前冬印度洋海洋热浪相关联）的最新研究成果。研究首次揭示了印度洋与加勒比海之间海洋热浪的跨洋盆、跨季节的遥相关，阐明了其中的跨洋盆联动路径和动力学机制，为提前数月预测加勒比海海洋热浪提供了一个前兆信号。成果由海洋与大气学院/未来海洋学院/物理海洋教育部重点实验室在读博士生李泽宇为第一作者，中国海洋大学“筑峰人才工程”第一层次李建平教授担任通讯作者合作完成。 海洋热浪是海水温度异常升...
动力系统深度学习模型具有优越的去噪能力
2025-04-30(111)次
近日，物理海洋教育部重点实验室在Machine Learning: Science and Technology（《机器学习：科学与技术》）期刊发表题为“Robust prediction of chaotic systems with random errors using dynamical system deep learning” (《利用动力系统深度学习对具有随机误差的混沌系统进行稳健预测》) 的最新研究成果，该研究建立了噪声条件下动力系统深度学习(DSDL)模型，通过对比当代水平的机器学习方法和动力方法，DSDL表现出优越的预测精度和稳定性，有效削弱了混沌系统预测中观测误差的影响。该成果由实验室/海洋与大气学院在读博士生武子翔为第一作者，“筑峰人才工程”第一层次李建平教授为通讯作者的科研团队合作完成。 现实世界中，混沌...
基于动力系统深度学习方法预测无穷维非线性动力系统
2025-04-09(201)次
近日，物理海洋教育部重点实验室在Machine Learning: Science and Technology（《机器学习：科学与技术》）期刊发表题为“Dynamics-based predictions of infinite-dimensional complex systems using Dynamical System Deep Learning method”（《基于动力系统深度学习方法预测无穷维复杂系统》）的最新成果。该研究表明动力系统深度学习方法（DSDL）方法在预测复杂的无穷维动力系统（IDDS）时展现出显著优势，预测效果显著超越ANN、RC-ESN、LSTM、NG-RC及SINDy等已有机器学习方法。该成果由实验室/海洋与大气学院在读博士生李淏为第一作者，“筑峰人才工程”第一层次李建平教授为通讯作者的研究团队合作完成。