博文

Atmosphere 线上研讨会：数据、AI与陆面过程模型协同驱动下的高分辨率陆气相互作用模拟

已有 328 次阅读 2026-8-20 16:38 |个人分类:近期会议|系统分类:博客资讯

陆气相互作用通过能量、水分和动量的交换将地球表层与大气紧密耦合，其精细刻画直接关系到区域气候预测、水资源评估及极端天气预警的可靠性。然而，精细化陆气耦合研究长期面临多源观测信息利用不足、物理模型与AI方法融合路径尚不清晰等瓶颈。近年来，对地观测数据的多维度爆发、人工智能算法的范式性突破以及高分辨率陆面过程模型的持续发展，正在共同为精细化陆气相互作用研究提供新的方法理论支撑。本次研讨会以“数据支撑—AI赋能—物理模型约束”为主线，聚焦三者深度融合下的高分辨率陆气相互作用研究前沿。

本次线上研讨会由Atmosphere 期刊主办，聚焦“数据、AI与陆面过程模型协同驱动下的高分辨率陆气相互作用模拟”领域的前沿进展。我们荣幸邀请到北京师范大学狄振华副教授担任会议主席，并携手中山大学上官微教授，北京师范大学姚云军教授，北京师范大学马倩副教授，中国气象局地球系统数值预报中心李剑铎研究员，北京城市气象研究院全继萍副研究员，围绕AI辅助的陆面模拟、GLASS和Hi-GLASS蒸散发遥感产品、太阳辐射变率及应用研究、基于自适应参数学习的高分辨率CoLM陆面模式参数估计与跨数据集应用，土地利用/土地覆盖对北京一次对流系统下山演变过程的敏感性试验等热点议题，分享最新研究成果与深刻洞见。

诚邀广大科研人员、师生及业界同仁线上相聚！

会议时间

2026年8月25日18:00-20:00 | 线上直播

会议议程

18:00-18:05 狄振华副教授北京师范大学主席致辞

18:05-18:25 上官微教授中山大学 AI辅助的陆面模拟

18:25-18:45 姚云军教授北京师范大学 GLASS和Hi-GLASS蒸散发遥感产品

18:45-19:05 马倩副教授北京师范大学太阳辐射变率及应用研究

19:05-19:25 李剑铎研究员中国气象局地球系统数值预报中心基于自适应参数学习的高分辨率CoLM陆面模式参数估计与跨数据集应用

19:25-19:45 全继萍副研究员北京城市气象研究院土地利用/土地覆盖对北京一次对流系统下山演变过程的敏感性试验

19:45-20:00 参会人员提问交流环节

观看通道

观看直播：https://9g0ug.xetlk.com/sl/3o2cM0

会议主席

狄振华

北京师范大学地理科学学部副教授，主要研究方向为：陆面水文过程模拟；复杂模式不确定性分析。主持国家自然科学青年基金面上基金和北京市优秀人才等项目基金，参与多项国家级重大研究计划项目。以第一/通讯作者身份发表论文30余篇。近年来主要亮点工作是运用高效的统计方法，对运算复杂的天气预报模式WRF进行高效的参数优化，改进参数估计值以提高WRF模式的降水预报精度。

主讲人介绍

上官微

中山大学大气科学学院教授。长期从事结合人工智能的陆面数据开发和陆面过程研究。研究成果形成“数据-预测-机理”智能陆面研究体系，为地球系统模拟提供关键数据基础与开发工具。发表论文60余篇，含9篇ESI高被引论文，SCI引用8000余次，开发的陆面数据集和模型代码下载超6万次。入选爱思维尔2024/2025中国高被引学者。担任Scientific Data 编委、Anthropocene 编委，中国气象学会气象人工智能专业委员会委员、国际数字地球学会中国国家委员会数字水圈专业委员会委员等。

报告题目：AI辅助的陆面模拟

报告简介：本报告首先简要介绍陆面过程、陆面模式及其在气候研究中的作用。在此基础上，概述AI辅助陆面模拟的三种路径——AI模拟器、基础模型和AI-物理混合模型，并着重阐述混合建模如何融合数据驱动与物理机制，提升模拟的精度与可信度。最后，介绍研究团队在AI辅助的陆面模拟的若干进展。

姚云军

北京师范大学教授、博士生导师，主要从事资源环境定量遥感监测、全球陆表遥感特征参量产品研发、植被与碳水循环遥感信息提取等方面的研究。先后主持与参加国家863计划、国家重点研发计划、国家自然科学基金等科研项目20余项，发表SCI论文150余篇，主要包括RSE、TGRS、AFM、JGR、JOH 等主要遥感、水文气象等领域主流杂志，申请授权国家发明专利4项，出版专著2部。担任SCI杂志Ecological Processes 副主编、Remote Sensing 编委，担任中国遥感应用协会定量遥感分会委员、中国遥感应用协会热红外遥感分会委员、中国地理信息产业协会农业农村地理信息分会委员。2012年获得北京大学优秀博士论文奖，2014年获得北京师范大学京师英才奖，2015年获得国家科技部遥感中心遥感青年科技人才创新资助奖励。

报告题目：GLASS和Hi-GLASS蒸散发遥感产品

报告简介：陆表蒸散发是连接地球水循环、能量循环和碳循环的关键枢纽，全球陆表蒸散发遥感数据集是研究能量和碳水循环的基础。虽然全球蒸散发数据集很多，但是多数数据集算法单一，存在较大的不确定性。本研究研制的中分辨率和高分辨率全球陆表蒸散发遥感 (GLASS和Hi-GLASS) 产品，不依赖单一模型，而是融合了Penman-Monteith模型、Priestley-Taylor模型、半经验模型以及Shuttleworth-Wallace双源模型，通过贝叶斯模型平均法和深度神经网络为各算法分配合适的权重，这种策略能有效降低单一模型的不确定性，在植被复杂的区域表现稳健，为地学以及全球变化研究提供高精度数据集。

马倩

2006年于河海大学水文学专业获学士学位；2011年于中国科学院大气物理研究所获气象学博士；同年进入北京师范大学工作至今。主要从事陆表能量与水量平衡尤其是太阳辐射、蒸散发、土壤湿度和径流等的观测、遥感和数值模拟研究。主持国家自然科学基金、973专题、国家重点研发计划专题、地表过程与资源生态国家重点实验室开放课题，以及北京师范大学自主基金。同时，主持国家气候中心“全国水资源实时监测与评估系统关键技术研发建设”项目，开展科研成果转化方面的研究。在Earth System Science Data, Journal of Climate 及Journal of Geophysical Research: Atmospheres 等SCI期刊发表论文共计20余篇，并担任相关期刊的审稿人，参与编写专著1部。

报告题目：太阳辐射变率及应用研究

报告简介：太阳辐射是控制陆表蒸散的关键因子。通过构建基于物理机制与单变量约束的辐射均一化方案，初步实现了中国、日本及美国区域太阳辐射观测数据的均一化处理，显著削弱了人为因素对长期观测序列的干扰。在此基础上，系统量化了卫星反演太阳辐射数据的小时尺度精度，并揭示了20世纪再分析资料中太阳辐射的百年尺度变率特征及其主要偏差来源。进一步通过耦合长期城市化效应 (1960–2013) 与突发公共事件响应 (COVID-19封锁期) 的双尺度分析框架，阐明了太阳辐射影响从渐进累积至短期突变的完整周期演化规律。最后，以北京为例评估了建筑光伏系统的开发潜力，并提出了相应的优化策略。

李剑铎

就职于中国气象局地球系统数值预报中心，长期从事陆面过程、陆气相互作用及地球系统模式等领域研究，围绕陆面模式关键物理过程改进、参数优化及气候变化影响评估等方向开展了多项工作，形成了较为稳定的研究特色。近年来，主持国家自然科学基金等科研项目，在国内外重要学术期刊发表30余篇高水平论文，研究成果在陆面模式发展及其应用方面具有一定学术影响。

报告题目: 基于自适应参数学习的高分辨率CoLM陆面模式参数估计与跨数据集应用

报告简介：陆面模式参数的不确定性导致水文与生态过程模拟的显著偏差。陆面模式参数优化工作多局限于站点尺度，而高分辨率陆面模式优化面临诸多挑战。本研究提出一种基于深度学习的自适应参数学习 (APL) 框架，用于优化通用陆面模式 (CoLM) 的关键参数，以提升模式对高分辨率区域/全球土壤湿度的模拟性能。该框架使用长短期记忆网络训练地表属性、气象强迫和观测资料与模式参数之间的最优映射关系。结果显示，APL大幅提升了CoLM模式对表层土壤湿度的模拟性能。此外，当CoLM模式由替代强迫资料驱动或使用替代参考资料评估时，已训练的参数估计网络能够快速生成媲美重新优化效果的参数。本研究推动参数优化研究从传统的确定性或概率性至函数性估计新范式的转变，并强调将深度学习和地球系统科学的大数据相结合来推进陆面模式发展的新途径。

全继萍

北京城市气象研究院，副研究员。南京信息工程大学学士、北京师范大学博士，研究生期间在加州大学洛杉矶分校访问学习。主要从事北京城市气象研究院睿图模式检验与研发、极端灾害大风精细化模拟、阵风诊断、陆气交互作用及北京对流下山发展模拟研究，并开展风力发电领域模式风速预报的检验评估工作。主持北京市自然科学基金青年项目1项 (已结题)，骨干参与多项国家重点研发计划课题及国家自然科学基金联合基金项目。

报告题目: 土地利用/土地覆盖对北京一次对流系统下山演变过程的敏感性试验

报告简介：北京夏季强对流天气常与西部和北部山区生成的对流系统下山进入平原后加强有关，研究其下山演变机制对提升首都精细化预报水平具有重要意义。本研究针对一次典型的北京对流下山过程，利用数值模拟敏感性试验，重点分析了土地利用/土地覆盖 (LULC) 变化对对流系统演变的影响。结果表明，不同LULC条件下的对流系统下山演变特征差异显著。进一步的机理分析发现，在环境场具备高对流有效位能 (CAPE)、弱垂直风切变及低层水汽充沛的背景下，山前平原区域的近地层湿度条件可能是对流系统能否下山增强或维持强度的关键因子。