讲座简介：

云量是影响云气候效应的关键因素，但在天气和气候模式中仍难以准确预测。此前，有研究基于CloudSat卫星观测数据开发了一种基于神经网络的尺度自适应（NSA）云量方案，用于预测影响云辐射效应的面积云量，在预测面积云量的空间分布和垂直结构方面表现出良好的性能。在WRF模式中的应用表明，NSA有助于改善台风路径的模拟和青藏高原区域气候的模拟。最近，NSA方案升级改进，误差进一步减小，且可同时预测体积云量和面积云量。基于全球模式的初步应用表明，NSA方案有助于更准确地模拟气溶胶-云相互作用，对云气候效应的模拟和评估具有显著影响。本报告将围绕NSA云量方案在WRF和全球模式中的应用效果以及最近的改进情况进行阐述。

主讲人简介：

陈国兴，2013年于北京大学大气与海洋科学系获博士学位，导师为周秀骥院士和薛惠文教授，专业方向为云降水物理学。2013年8月到美国纽约州立大学奥尔巴尼分校先后任博士后和项目研究员。2020年9月到复旦大学大气与海洋科学系任青年研究员。陈国兴目前主要研究云与降水物理参数化、气溶胶-云-气候相互作用。近年来积极探索使用人工智能方法解决云降水物理过程参数化问题，开发了基于神经网络的尺度自适应云量参数化方案和短期降水预报模型，提出了利用人工智能方法溯源大气数值模式误差的研究范式。