讲座主题：CLDAS的发展、应用与展望
时间：2026年7月6日上午10点
地点：文德楼C606
主讲人：师春香 研究员
主持人：夏友龙 教授
主讲人介绍：师春香，二级研究员、博士生导师，国家重点研发计划项目首席科学家，中国气象局气象科技领军人才（国家级首席科学家），国务院政府特殊津贴获得者。主持完成国家重点研发计划、国家自然科学重点基金、气象行业专项、国家“863”等多个项目。主持研制了我国第一个实时业务化运行的中国气象局陆面数据同化业务系统（CLDAS），目前已更新到V3.0，该成果获省部级发明一等奖，入选2025年度“中国十大气象科技进展”。主持研制完成我国第一代40年全球大气/陆面再分析数据集（CRA），质量达到国际第三代水平。带领团队从无到有建成“全球-中国-局地”一体化多圈层多要素多源融合网格实况分析业务体系，填补了我国在该领域的空白，支撑了我国天气预报业务改革发展，为实现“监测精密、预报精准、服务精细”目标提供了坚实的数据支撑，为气象AI大模型提供了高质量训练数据集。在国内外学术期刊发表相关论文200余篇。
讲座摘要：中国气象局陆面数据同化系统（CLDAS, CMA Land Data Assimilation System）是中国气象局自主研发的高分辨率陆面实况分析业务系统，旨在融合多源异构观测与数值模式数据，生成时空连续、质量可靠的陆面要素分析产品，为数值天气预报、气候预测及行业应用提供底层数据支撑。系统自2013年首版业务运行以来，经历了从V1.0到V3.0的持续迭代，时空分辨率由最初的0.1°/3h提升至0.01°/1h，并已开展百米级（CLDAS100）AI降尺度试验。核心技术涵盖驱动场构建，采用多重网格变分同化技术融合地面站、风云卫星、雷达及模式数据，生成降水、气温、辐射等高精度大气强迫；陆面数据同化，基于CSSP、CLM、Noah-MP等多模式集成框架，结合EnKF、ENOI等算法实现土壤温湿度、积雪等变量的闭环更新；近年引入深度学习降尺度，突破传统同化的分辨率瓶颈。目前CLDAS产品已覆盖气温、湿度、风、降水、辐射、土壤温湿、积雪深度等20余类要素，全面接入智能网格天气预报、中央气象台天气会商、流域水文预报、农业干旱监测及交通气象保障等业务，并支撑中国金融气象指数等跨行业服务，整体技术达到国际先进水平。未来系统将进一步深化"陆面模式+同化+AI"融合，拓展风云卫星直接同化能力，构建更高精度、更长序列的国产陆面实况"一张网"。
Abstract: The China Meteorological Administration Land Data Assimilation System (CLDAS) is a high-resolution operational land surface analysis system developed by the China Meteorological Administration (CMA). It integrates multi-source observations and numerical model outputs to produce spatially and temporally continuous land surface datasets that support weather forecasting, climate prediction, and environmental applications. Since its operational launch in 2013, CLDAS has evolved from Version 1.0 to Version 3.0, improving its resolution from 0.1°/3 h to 0.01°/1 h, while a 100-m experimental product (CLDAS100) has been developed using AI-based downscaling techniques. The system combines observations from surface stations, Fengyun satellites, weather radars, and numerical models through advanced data assimilation methods to generate high-quality atmospheric forcing fields and land surface variables. Currently, CLDAS provides more than 20 products, including precipitation, temperature, radiation, soil moisture, and snow depth. These datasets are widely used in weather forecasting, hydrological prediction, agricultural drought monitoring, transportation meteorology, and climate-related services. Future developments will further integrate land surface modeling, data assimilation, and artificial intelligence to enhance product accuracy and resolution.
水文与水资源工程学院
2026年7月2日
