报告时间：2026年4月21日（周二）14:00
报告地点：气象楼813会议室
主 持 人：陈林 教授
报告题目：深度学习大气模式能够可靠模拟样本外热浪和寒潮频率
报告专家：孟子路 博士
专家简介：
孟子路，美国华盛顿大学大气与气候科学博士生，师从 Gregory Hakim 教授和 Eric J. Steig 教授。研究方向包括资料同化、古气候重建、气候动力学与深度学习气候模型。他致力于发展过去千年季节分辨率古气候再分析系统，并参与深度学习地球系统模式的开发与应用。多项成果发表于 JC、JAMES 、 GRL和CD，并开发 Sacpy 等开源科研工具。
报告摘要：
研究围绕深度学习大气模式对气候极端事件的模拟能力展开，重点分析其在样本外时期对陆地热浪和寒潮频率的再现表现。通过与传统物理模式和再分析资料对比，结果表明，深度学习模式总体能够较好捕捉极端温度事件的时空变化特征，表现出与传统模式相近的模拟能力。同时，不同模型架构在温度持续性和极端事件频率刻画上存在一定差异。总体来看，深度学习模式在气候极端事件模拟中具有良好应用潜力，但在部分区域和相关物理过程表征方面仍有进一步提升空间。
欢迎广大师生踊跃参加！
气候系统预测与变化应对全国重点实验室
气象灾害教育部重点实验室
气象灾害预报预警与评估协同创新中心
大气科学学院
2026.4.20
