在罗京佳的努力下，短短一年的时间，研究院已经组建了一支超过10人的科研团队，自主研发的气候预测系统1.0版也已成功在南信大超算机上建立并稳定运行，从2019年1月起开始提供长达两年的ENSO和印度洋偶极子（IOD）气候预测信息，可提供全球月-季平均气温和降水异常等预测信息。研究院的国际影响力也在逐渐显现，与日...
Terray, P., K. Kakitha, S. Masson, G. Madec, A. K. Sahai,J.-J. Luo, and Toshio Yamagata, 2012: The role of the intra-daily SST variability in the Indian Monsoon variability and monsoon-ENSO-IOD relationships in a global coupled model.Climate Dynamics,39,729-754, DOI 10.1007/s00...
5 Revisiting the Role of Atmospheric Initial Signals in Predicting ENSO 来源:J CLIMATE( P 0894-8755 E 1520-0442 ) 发表时间: 2024/11 类型:期刊论文 为本人加分 6 The impact of IPOD on boreal midsummer extratropical cyclones accompanied by torrential rains in Cen.. 来源:ENVIRON RES LETT( P ...
cqvip:南京信息工程大学气候预测系统1.0版(NUIST CFS1.0)是基于日本海洋科学技术开发机构(JAMSTEC)的SINTEX-F模式发展而来,...
报告会上,罗京佳教授讲述了利用人工智能机器深度学习方法构建了卷积神经网络模型的过程和原理,将气候模式与人工智能紧密结合,通过此模型了解了海洋温度与未来ENSO事件的对应关系,可将ENSO预测实效延长,提高了预测准确率。最后阐述了人工智能在地球科学大数据上应用的可行性,为地球科学研究提供了新的思路和方法。
该研究利用深度学习方法构建了卷积神经网络模型(CNN),该模型可以将ENSO预测时效提前到一年半,并达到80%左右的预测准确率。研究结果显示,在预测时效超过6个月时,CNN模型对Nino3.4指数的预测能力显著高于目前国际上最优秀的动力预测系统,并且在预测时效为17个月时,相关系数预测技巧仍在0.5以上。同时CNN模型还能预测海表温...
目前,气候与应用前沿研究院(ICAR) 气候预测系统 1.0版已成功在南京信息工程大学超算机上建立并稳定运行,从2019年1月起开始提供长达两年的ENSO和印度洋偶极子(IOD)气候预测信息,可提供全球月-季平均气温异常和降水异常等预测信息。此预测系统的投入运行对厄尔尼诺的预测从2-3个季度延伸到2年左右,达到国际领先水平。
利用人工智能机器深度学习方法在厄尔尼诺-南方涛动（ENSO）预测研究领域取得重要进展。罗京佳及其团队成功研发的NUIST CFS1.0气候预测系统，较好地模拟全球大气和海洋运动，是全球唯一能提供长达两年实时气候预测信息的系统，填补了我国在气候年际预测上的空白。发表论文 共发表学术论文170余篇，包括Nature及其子刊、Science...