背景提升实训班课题介绍 ——人工智能技术在气象学中的前沿应用 一、简介 人工智能现已发展成一门涵盖计算机科学、统计学、脑神经学、 社会科学等诸多领域的交叉学科。气象则是一门典型的数据分析应用 学科，和人工智能的渊源已久。早在人工智能萌芽期，国内外气象专 家就已开始探索将人工智能技术应用于气象预报相关研究中。 近年来人工智能专家以及气象科学家基于深度神经网络（CNN） 提出一种新的卫星资料反演雷达反射率算法，这为解决雷达无法探测 到的地区进行天气实时分析和灾害预警提供了非常大的便利。该项技 术能够显著提高对灾害性天气的预警能力，减少因气象灾害造成的人 员财产损失。 本项目由中国科学院人工智能与气象学交叉研究领域重量级专 家引领，帮助有相关志向的学生系统介绍人工智能在气象学、信息学 领域相关前沿应用技术，并锻炼学生解决问题的基础能力，通过透彻 理解人工智能程序和方法强化科学思维。实习结束后，导师会根据学 生表现、以及实训期间的作业、任务完成情况为学生撰写升学推荐信。 该项目特点如下： 1. 中国科学院顶级科学专家，亲自监督指导整个实训过程。学生 的收获货真价实，学习成果坚实可靠。 2. 中科院专家亲自执笔推荐信，推荐信含金量充足，为志向申请 名校的同学提供无与伦比的雄厚助力。 3. 项目执行时间短，有助于升学申请时限将近的学生及时获得重 量级升学推荐，保证学术背景的同时能节约出更多宝贵时间进 行升学申请。 专家帮助学生更加深入、更加全面、更加系统地完成一项或几项 专业领域微型科研任务或者科研项目体验。通过亲身参与高端科研实 训，促进学生萌发科研攻关的成就感，同时让学生了解科学领域的前 沿动态，为升学面试形成有力学识补充。 二、实训内容 深度神经网络（CNN）是人工智能中的一种专业技术，本项目是 基于深度神经网络提出一种新的卫星资料反演雷达反射率算法，这种 算法可应用于生成广东省陆地及其邻近海域（无雷达探测数据的区域） 的实时雷达反射率产品，时间分辨率为 10min，空间分辨率为 2km× 2km。实现无天气雷达观测区域雷达反射率的实时模拟，为进一步发 展不同类型强对流天气的预报方法提供可靠的数据基础。 项目中导师会带领学生基于深度神经网络，研发葵花 8 号卫星资 料反演雷达反射率因子算法，实现无天气雷达观测区域雷达反射率的 实时模拟；获得实时，高时空分辨率的雷达数据产品，业务化应用于 强对流识别、短临外推等领域。随着人工智能技术的不断更迭发展， 我们相信其在气象科学领域中的应用前景将愈加广阔。参与实训的学 生通过本项目深刻理解人工智能技术在气象学上的前沿应用，从而提 升思维高度，以培养新时代高端科学人才。 三、导师介绍 中国科学院大气物理研究所人工智能与气象交叉学科专家、研究 生导师。现已发表国内外文章 30 余篇，承担和参加各类项目 10 余项， 科研产出硕果累累，其中包括国家重点研发计划专题、中科院先导专 项专题、基金课题、行业专项骨干、科研机构和高校及公司企业横向 课题等。研究领域主要包括极端天气气候事件的变化，人工智能、机 器学习在大气科学中的应用，强对流的识别和外推，模式后处理订正 预报，检测和归因分析。 四、招生对象及要求 具有深厚理工学科基础功底的高中生，以及对人工智能、信息技 术、气象学、大气物理、地球物理学等有一定学习基础，或者对人工 智能、数据科学感兴趣或有自学经验高中生或者本科生。优先招收有 一年以上代码编程学习和应用功底（Python、C、C++、IDL 等语言均 可，亦包括 MATLAB 等编程数据处理软件）或有信息学竞赛参赛经验， 以及在信息技术专业有特殊进修经验的学生。本项目中，对计划填报 人工智能、应用信息技术、气象学以及其他自然科学专业的升学考生 或国际留学预备生有重点辅导和专业协助。 为了让参加项目的学生在团队中更好完成科研项目，项目组专家 会事先根据报名学生提交的个人简历或自我介绍文书进行学员筛选。 五、开班要求 8 人开班，每班最多 20 人。 参加项目的学生需自备运行流畅笔记本电脑（建议选用 Intel core i5、i7 处理器，内存 8G 以上）以便进行数据分析、论文撰写和研究 报告制作，另需电脑配套网络连接环境（可使用 4G 网络分享等手段） 以便研究过程中按照专家的引导随时查阅专业资料；要求参训学生提 交有效个人邮箱地址以便接受学习资料或提交作业和学习报告。 六、学习安排 本项目时长 6 天（共约 46 课时），具体时间届时根据专家导师的 现实指导需求，或者基于学生的综合素质对实训进度进行细节调整。 除定期科研项目讨论课程之外，项目周期内学生可以选定时间向导师 请教相关问题，得到导师的专业指导，让学生全方位体验作为一名研 究人员的真实的日常勤勉工作状态。具体课程安排如下： 项目执行地点：中国科学院大气物理研究所 第 1 天 项目开题，了解研究目标以及研究意义，破冰活动并分 组建团队。了解中科院大气物理所的历史沿革。熟悉项 目，了解雷达气象数据以及卫星气象数据组成结构。 第 2 天 深入了解不同来源气象数据特点、应用范围以及优缺点。 认识深度神经网络处理气象数据的重大意义，并掌握深 度神经网络的技术概念。 第 3 天 理解基于卫星资料的雷达回波反射率因子反演的研究方 法以及具体工作步骤，透彻理解并学会运用 CNN 卷积神 经网络方法并学会使用其处理气象数据。 第 4 天 对研究区域进行切分（以广东沿海地区为例），准备研究 数据，了解卫星数据以及雷达数据的下载和获取，熟练 掌握研究区域提取，缩减文件大小，并提高处理速度。 第 5 天 制作数据集，将卫星和雷达数据做时间对应（处理缺测 时间的差异），并将卫星数据进行切分。进行模型训练、 模型优化并完成模型可视化，各组起草研究报告。 第 6 天 完善研究报告整理研究数据并组织材料撰写结题论文， 导师点评与答疑；组员相互讨论，完善结题论文。并分 组制作项目结题演示文稿 PPT。进行结题答辩，导师点评， 根据具体学生需求颁发结业证书或推荐信（具体形式根 据学生需要而定），项目结束。