一、智慧气象团队建设概况：
智慧气象团队由罗京佳教授和陆振宇教授牵头组建。团队现有成员20余名，其中博士生导师3名，教授5名，副教授8名，讲师10名，以及高级实验师2名；团队成员大部分毕业于北京大学、中国科学技术大学、中山大学、华中科技大学、东南大学、哈尔滨工程大学、日本日本国立新潟大学、日本东京农工大学等国内外一流大学；90%以上成员具有国外学术经历，团队成员的教育背景和来源多样化。
团队成员均积极投身于教学和科研一线，主要致力于融合全球变化大数据与人工智能技术，发展跨学科的新型研究方法，推进机器学习和智能优化算法在气象领域的应用研究；在智能优化算法、自动机器学习、社交网络数据挖掘、分布式协同控制、短临降雨智慧预报、智慧气象要素反演、智能故障诊断等方面提出了诸多代表性算法和研究成果；目前在Nature、Frontiers in Marine Science、Water、IEEE Trans系列期刊等领域内有影响力杂志上发表近百篇高水平学术论文。近年来团队共主持科技部国家重点研发计划项目、国家自然科学基金重点项目、国家自然科学基金企业联合重点项目、国家自然科学基金面上项目、国家自然科学基金青年项目等国家级以及省级项目30余项，横向项目20余项。
团队研究领域前沿，主要研究方向为：
（1）短临降雨智慧预报；
（2）智能气候预测；
（3）模式偏差订正、降尺度和物理参数化人工智能方案；
（4）智慧气象要素反演；
（5）智慧感知、智慧融合等。
二、团队领军和成员简介
团队负责人：罗京佳教授 陆振宇教授
团队成员：夏景明教授、夏又生教授、宦海教授、杜景林副教授、杨强副教授、周媛副教授、李涛副教授、江浩副教授、钱巍巍副教授、荣欢副教授、许沛澜博士、孟凡博士等24位专家组成。
|
团队领军：罗京佳，教授，博/硕士生导师，气候与应用前沿研究院（ICAR）院长，智慧气象研究院院长，国家重大人才计划入选者，江苏省重大人才工程个人和团队领军人才。长期从事热带气候年际-年代际变化、全球气候模式研发、气候预测理论和方法及应用、气候变化机制等研究，共发表学术论文170余篇，包括Nature及其子刊、Science、PNAS等国际顶级期刊，文章总引用数超过15000次。近4年来主持科技部国家重点研发计划项目1项、国家自然科学基金重点项目1项，参加国家自然科学基金基础科学中心项目1项。 MORE... |
|
团队领军：陆振宇，教授，博/硕士生导师，研究生院院长，CAA人机教育专委会副秘书长，主要致力于智慧气象研究，在智慧气象预报、智慧气象反演等方向提出了一批创性成果，近五年主持国家重点项目1项、面上项目2项，发表论文50余篇，其中SCI论文20余篇，中文核心期刊论文10余篇。2012年江苏省青蓝工程优秀青年骨干教师，任中国自动化学会人工智能与机器人教育专业委员会副秘书长，中国自动化学会青年工作委员会委员。 MORE... |
|
团队骨干：夏又生，教授，博士生导师，从事智能优化以及数字信号与图像处理研究，以第一作者发表高水平学术论文60余篇，2014至2021年连续入选中国计算机领域高被引学者，2019年获中国自动化学会科学技术二等奖（排名第一），2010年获教育部自然科学二等奖（排名第二），主持并完成国家基金面上项目3项。 MORE... |
|
团队骨干：夏景明，教授，博士生导师，主要从事气象大数据处理与数据可视化研究，主持省部级以上科研项目5项，横向课题12项，发表高水平论文40余篇，授权发明专利9项，转让6项，累计产生经济效益2230万元；2017年获江苏省信息通信行业科技进步一等奖，连续两次获南京江北新区高价值专利培育项目二等奖。 MORE... |
|
团队骨干：宦海，教授，硕士生导师，主要研究遥感图像语义分割与超分辨率重建，累计发表高水平学术论文数十篇，授权发明专利和实用新型专利数十项，主持国家自然科学基金项目1项，企业横向项目6项，项目金额累计近百万。 MORE... |
|
团队骨干：杨强，校聘教授，龙山学者，硕士生导师，主要从事计算智能算法及其应用研究，累计发表学术论文60余篇，其中SCI论文30余篇，累计Google Scholar引用2000余次。1篇论文入选ESI高被引论文，1篇论文获IEEE ICACI2023最佳论文奖，1篇论文获IEEE SMC2022最佳学生论文提名奖；2020年入选江苏省双创博士计划，主持国家自然科学基金、江苏省自然科学基金等省部级项目3项。 MORE... |
|
团队骨干：周媛，副教授，硕士生导师，主要从事跨模态学习、小样本学习、计算机视觉研究，累计发表高水平学术论文20余篇，授权发明专利和实用新型专利10余项，软件著作权10余项，主持企业横向课题2项，教育部协同育人项目2项。 MORE... |
|
团队骨干：杜景林，副教授，硕士生导师，江苏省网络信息化委员会常务理事，主要围绕物联网和气象大数据、可视化等方面开展研究工作，主持国家自然科学基金面上项目1项和横向项目多项，以第一作者身份发表论文10篇，申请并授权发明专利6项，软件著作权8项。 MORE... |
|
团队骨干：李涛，副教授，硕士生导师，主要从事数据挖掘、气象数据分析与处理、智能信息系统等研究，累计发表学术论文20余篇，授权发明专利5项，软件著作权20余项，主持气象行业公益专项项目1项，企业横向课题10余项，部分研究成果已经在中国气象局等部署实际应用。 MORE... |
|
团队骨干：钱巍巍，副教授，硕士生导师，主要从事设备状态监测、迁移学习及其应用研究，累计发表学术论文20余篇，其中第一作者录用与发表SCI论文9篇，授权发明专利3项，主持横向项目1项，省部级科研项目1项。 MORE... |
|
团队骨干：荣欢，副教授，硕士生导师，中国中文信息学会情感计算专委会委员，长期从事社交网络数据挖掘研究，主持国家自然科学基金1项、江苏省自然科学基金1项、企业横向项目1项、教育部协同育人项目1项；发表SCI论文10余篇，北大核心期刊论文2篇；授权发明专利1项，软件著作权3项。 MORE... |
|
团队骨干：高旭东，讲师，硕士生导师，长期从事电力电子及其智能控制研究，在电力电子系统建模和数据分析、滑膜控制算法优化等方面具有较为丰富的研究积累，以第一作者和通讯作者发表论文10余篇，其中SCI论文6篇，EI论文5篇。 MORE... |
|
团队骨干：南晓娅，讲师，硕士生导师，从事多无人系统的分布式协同控制研究，在智能跟踪、抗饱和控制等领域有较好的研究基础，以第一作者在控制领域权威期刊发表SCI论文3篇，EI论文2篇，北大核心1篇。 MORE... |
|
团队骨干：毕鹏飞，讲师，硕士生导师。主要从事水面/水下目标检测与识别、智能无人系统的故障诊断等方向的研究，以第一作者或通讯作者发表SCI论文9篇，EI论文1篇，主持江苏省自然科学基金项目1项，湖北省内河航运重点实验室开放基金项目1项。 MORE... |
|
团队骨干：许沛澜，讲师，2022年博士毕业于中国科学技术大学计算机科学与技术专业。从事人工智能领域研究，研究兴趣包括演化计算、群体智能、强化学习、群体博弈及其应用。在IEEE TEVC、ACM TELO等国内外重要学术期刊和会议上发表论文20余篇，其中IEEE/ACM Transactions和中科院一区论文10余篇。 MORE... |
|
团队骨干：郭子扬，校聘副教授，长期从事流形上的优化算法、高光谱图像处理、深度学习等研究，在基于流形的高光谱遥感图像解混及分类等方面具有一定的研究积累，在国际知名遥感类SCI期刊上发表论文5篇。 MORE... |
|
团队骨干：韩新玉，讲师，从事可信人工智能方法研究，在复杂网络、深度学习模型可解释性分析等领域有较好的研究基础，以第一作者在领域权威期刊发表SCI论文5篇。 MORE... |
|
团队骨干：宋衡，讲师，长期从事博弈论与机制设计、图像语义理解、多模态学习、知识获取等方面的研究，以第一或第二（导师第一）作者发表论文10余篇，其中SCI期刊论文8篇，CCF中文A类期刊2篇，CCF B类会议1篇。 MORE... |
|
团队骨干：林鑫，讲师，从事演化算法的相关研究，包括多模优化、动态优化和多目标优化，对演化动态多模优化有一定的积累，以第一作者发表SCI论文5篇。 MORE... |
|
团队骨干：孟凡，讲师，从事智能气象的相关研究，专注于使用人工智能技术解决气象及海洋领域的问题，尤其是热带气旋等极端现象的智能预报。以第一作者发或通讯作者发表SCI/EI论文14篇。 MORE... |
三、团队代表性成果
1.南信大气候预测系统
团队成功研制南信大气候预测系统（NUIST-CFS1.0），于2019年1月开始提供逐月滚动更新的未来2年的气候预测产品，定期参加国家气候中心、国家海洋环境预报中心、华东和东北区域气候预测会商，并给北京、华中和华南等区域气候中心提供实时预测信息。
2023年1月1日起报的Nino3.4指数预测预测时效长达2年
成功预测出2020年夏季长江流域雨水偏多
2.气象+人工智能信息化应用平台
团队成员与南方电网、中国海洋局等企事业单位联合，自主研发了诸如中国南方电网气象保障系统、海上航空危险天气实景仿真显示系统等智慧气象应用平台，并在企业以及事业单位部署实际应用，协助企业获得了较好的经济效益，辅助事业单位进行更加精准的战略决策。
南方电网气象信息化应用平台
该系统从资料同化到数值预报订正到数据可视化均拥有自主知识产权，也是南京信息工程大学唯一应用于央企的业务系统。
海上航空危险天气实景仿真显示系统
针对危险天气下的军事、经济和人员的保障需求，实现热带气旋、雷暴、大风、海雾、暴雨等危险天气的三维视景再现。
3.气象+人工智能预测模型开发
利用深度学习等人工智能方法对风速、短临降雨、台风、冰雹等气象目标进行识别与预测，大大提升了气象目标识别准确率、预测时效性等；特别地，罗京佳教授利用深度学习方法将ENSO指数预测时效提前到一年半，并达到80%左右的预测准确率。而且可以预测海表温度异常的不同空间分布，对不同厄尔尼诺类型（东太平洋型、中太平洋型、混合型）预测也有较高的正确率，弥补了目前动力预测系统的不足。
厄尔尼诺-南方涛动（ENSO）
预测模型（CNN）性能优越，超过目前最先进的动力模式，ENSO指数预测时效提前到一年半，对春季预报障碍有明显改进。
可同时预测秋季ENSO指数和三个IOD指数，IOD的预测技巧优于13个动力模式和其它AI模型
