沈浙奇

發布時間：2020-11-17浏覽次數：7047

沈浙奇，男，副教授，研究生，博士學位

（Email: zqshen@hhu.edu.cn，Tel： ）

個人學術主頁：

 https://curian127.github.io/

researchgate

publons

個人簡曆：

沈浙奇，博士，河海大學副教授，碩士生導師，海洋技術系副主任。2007年學士、2012年博士畢業于浙江大學數學系，先後獲數學與應用數學學士、計算數學博士學位，其後進入自然資源部第二海洋研究所，作為博士後從事物理海洋學專業的研究。


主要從事資料同化方法研究和耦合資料同化系統研發，在非線性的粒子濾波器同化和地球系統模式的耦合同化系統方面積累了大量工作經驗，取得了一定成果。代表性成果包括：１）發展了粒子濾波器的混合算法和局地化粒子濾波器的算法，為解決大模式中粒子濾波器的退化問題提供了方案；２）建立了基于通用地球系統模式CESM的多源海洋觀測資料耦合同化系統，采用集合濾波器方法實現了耦合模式的狀态估計和物理參數估計；３）發展了耦合同化局地化方案和基于集合同化的目标觀測公式。

發表論文40餘篇，主持國家自然科學基金青年項目１項、面上項目1項、作為骨幹參與“國家重點研發計劃”兩項、國家自然科學基金委重大基金一項、重點基金一項。2019年獲得自然資源部第二海洋研究所“青年英才”稱号，目前為自然資源部第二海洋研究所“青年海星學者”。2021年獲得江蘇省“雙創博士”人才項目。

-----


學習經曆：

 

2007 – 2012, 浙江大學數學系，計算數學，博士

2003 – 2007, 浙江大學數學系，數學與應用數學，學士

 

工作經曆：

2020.8 - 至今， 伟德国际1916备用网址，副教授

2017.11 - 2020.7,自然資源部第二海洋研究所,衛星海洋環境動力學國家重點實驗室，副研究員

2016.11 - 2017.7,加拿大北大不列颠哥倫比亞大學(UNBC),訪問學者

2015.11 - 2017.11,自然資源部第二海洋研究所，衛星海洋環境動力學國家重點實驗室，助理研究員

2012.7 - 2015.11,國家海洋局第二海洋研究所,博士後

  

研究方向：

  • 資料同化方法

  • 耦合資料同化系統

  • 參數估計方法應用


在介紹數據同化之前，我先共享一本書中的章節 蝴蝶效應，這來自人民郵電出版社2021年出版的一部譯作《混沌》，第一章主要介紹了發現蝴蝶效應及其背後的科學意義，以一種比較生動的方式，讓我們了解繼相對論、量子力學之後，二十世紀的第三次物理學革命一“混沌”。

然後值得共享的還有《自然》雜志上的一篇文章數值天氣預報的寂靜革命，當然，已經有網友将其翻譯成中文了。這篇綜述解釋了數值天氣預報最基礎的科學根據，并着重介紹之前預報技巧受益最多的三個領域一對物理過程的表述，集合預報和模式初始化。而模式初始化的關鍵，就是數據同化。

關于數據同化，我寫了一篇比較淺的介紹文章探秘數據同化：大氣海洋科學中的信息融合與精準預測，算是一個普通的簡介。

更實用的，其實是用數值實驗來介紹同化的概念，我這裡提供了一個洛倫茨63模式（即揭示蝴蝶效應的那個模型）的同化實驗代碼，然後從代碼介紹了從三維變分到集合卡爾曼濾波器的同化方法思路。此外，數據同化也能用于參數估計，也用該模式給出了例子。在集合卡爾曼濾波器中，局地化也是一種非常重要的關鍵技術。


主講課程：


 - 數學物理方法 （海洋20級_1, 海洋21級_1, 海技21級， 海洋22級）

 - 計算方法 （海技22級）

 - 業務化海洋學導論（海洋20級_1）


 - 數據同化理論與方法（碩博）


科研項目：


  • 國家自然科學基金面上項目，基于地球系統模式的耦合參數估計方法研究，2022/01 - 2025/12，主持

  • 中央高校基本科研業務費專項, 2021-2024, 主持

  • 江蘇省創新創業（雙創）博士項目，2021-2023，主持

  • 國家自然科學基金青年項目，粒子濾波器局地化算法研究，2017/01-2019/12，主持

  • 自然資源部第二海洋研究所科研業務費專項“青年英才”計劃，基于DART-CESM集合同化系統的強耦合同化方法研究，2019/01-2020/07。主持

  • 國家重點研發計劃“海洋環境安全保障”重點專項，全球高分辨率海洋資料同化技術研究與業務應用示範，2016/09 - 2020/12，參與（課題一）。

  • 國家重點研發計劃“全球變化與應對”重點專項，高影響海-氣環境事件預報模式的高分辨率海洋資料同化系統研發，2017/07 - 2022/06。參與（課題二）。

  • 國家自然科學基金重大項目，ENSO可預測性評估及預測實驗，2017/01 - 2022/12，參與（課題四）。

  • 國家自然科學基金重點項目，近135年印度洋偶極子集合預報試驗及可預報性研究，2016/01 - 2020/12，參與。

  • 國家海洋局科學技術司“全球變化與海氣相互作用”專項，海洋動力系統可預報性研究，2016/01 - 2020/07，參與（課題三）。


論文論著：


Shen, Z., Chen, Y., Li, X., & Song, X. (2024). Parameter estimation for ocean background vertical diffusivity coefficients in the Community Earth System Model (v1.2.1) and its impact on  El Niño–Southern Oscillation forecasts. Geoscientific Model Development, 17(4), 1651–1665. https://doi.org/10.5194/gmd-17-1651-2024

Wang, R., & Shen, Z. (2024). A Deep Neural Network Ensemble Adjustment Kalman Filter and Its Application on Strongly Coupled Data Assimilation. Journal of Marine Science and Engineering, 12(108). https://doi.org/10.20944/preprints202312.0284.v1

Chen, Y., Shen, Z., Tang, Y., & Song, X. (2023). Ocean data assimilation for the initialization of seasonal prediction with the Community Earth System Model. Ocean Modelling, 183(102194). https://doi.org/10.1016/j.ocemod.2023.102194

Li, X., Tang, Y., Shen, Z., Zhou, F., Song, X., Wu, Y., & Li, Y. (2023). A Region-Optional Targeted Observation Method and its Application in the Sea Surface Temperature Prediction Associated with the Indian Ocean Dipole. Journal of Geophysical Research: Oceans, 128(8).
Rao, W., Tang, Y., Wu, Y., Shen, Z., Song, X., Li, X., Lian, T., Chen, D., & Zhou, F. (2023). A new ensemble-based targeted observational method and its application in TPOS 2020. National Science Review, nwad231. https://doi.org/10.1093/nsr/nwad231

Shen, Z., & Tang, Y. (2022). A two-stage inflation method in parameter estimation to compensate for constant parameter evolution in Community Earth System Model. Acta Oceanologica Sinica, 41(2), 12.

Chen, Yihao, Zheqi Shen, and Youmin Tang. 2022. “On Oceanic Initial State Errors in the Ensemble Data Assimilation for a Coupled General Circulation Model.” Journal of Advances in Modeling Earth Systems 14(12). doi: 10.1029/2022MS003106.

Chen, Yihao, Zheqi Shen, Youmin Tang, and Xunshu Song. 2023. “Ocean Data Assimilation for the Initialization of Seasonal Prediction with the Community Earth System Model.” Ocean Modelling 183(102194).

Li, Xiaojing, Youmin Tang, Zheqi Shen, and Yi Li. 2023. “Spatial Variations in Seamless Predictability of Subseasonal Precipitation Over Asian Summer Monsoon Region in S2S Models.” Journal of Geophysical Research: Atmospheres. doi: https://doi.org/10.1029/2023JD038480.

Shen, Zheqi, Qian Zhong, and Cengsi Chen. 2022. “Parameter Estimation Using Adaptive Observations towards Maximum Total Variance Reduction with Ensemble Adjustment Kalman Filter.” Frontiers in Climate 4. doi: 10.3389/fclim.2022.850386.

Deng, S., Shen, Z.,# Chen, S., & Wang, R. (2022). Comparison of perturbation strategies for the initial ensemble in ocean data assimilation with a fully coupled earth system model. Journal of Marine Science and Engineering, 10(3), 412.

Liu, T., Song, X., Tang, Y., Shen, Z., & Tan, X. (2022). ENSO predictability over the past 137 years based on a CESM ensemble prediction system. Journal of Climate, 35(2), 763–777.
Shen, Z., Tang, Y., Li, X., & Gao, Y. (2021). On the localization in strongly coupled ensemble data assimilation using a two-scale Lorenz model. Earth and Space Science. https://doi.org/10.1029/2020EA001465

Shen, Z., Zhang, X., & Tang, Y. (2016). Comparison and combination of EAKF and SIR-PF in the Bayesian filter framework. Acta Oceanologica Sinica, 35(3), 69–78. https://doi.org/doi: 10.1007/s13131-015-0757-x

Shen, Z., & Tang, Y. (2015). A modified ensemble Kalman particle filter for non-Gaussian systems with nonlinear measurement functions. Journal of Advances in Modeling Earth Systems, 7(1), 50–66.

Gao, Y., Liu, T., Song, X., Shen, Z., Tang, Y., & Chen, D. (2020). An extension of LDEO5 model for ENSO ensemble predictions. Climate Dynamics. https://doi.org/10.1007/s00382-020-05428-7

Shen, Z., Tang, Y., & Li, X. (2017). A new formulation of vector weights in localized particle filter. Quarterly Journal of the Royal Meteorological Society, 143(709), 3268–3278. https://doi.org/10.1002/qj.3180

Li, J., Liang, C., Tang, Y., Liu, X., Lian, T., Shen, Z., & Li, X. (2017). Impacts of the IOD-associated temperature and salinity anomalies on the intermittent Equatorial Undercurrent anomalies. Climate Dyn, 51(4), 1391–1409.
Li, X., Tang, Y., Zhou, L., Yao, Z., Shen, Z., Li, J., & Liu, T. (2020). Optimal error analysis of MJO prediction associated with uncertainties in sea surface temperature over Indian Ocean. Climate Dynamics. https://doi.org/10.1007/s00382-020-05230-5
Lian, T., Shen, Z., Ying, J., Tang, Y., & Ling, Z. (2018). Investigating the uncertainty in global SST trends due to internal variations using an improved trend estimator. Journal of Geophysical Research - Oceans, 123(3), 1877–1895.
Liu, T., Tang, Y., Yang, D., Cheng, Y., Song, X., Hou, Z., Shen, Z., Gao, Y., Wu, Y., Li, X., & Zhang, B. (2019). The relationship among probabilistic, deterministic and potential skills in predicting the ENSO for the past 161 years. Climate Dynamics. Climate Dynamics, 53(11), 6947–6960.
Tang, Y., Shen, Z., & Gao, Y. (2016). An Introduction to Ensemble-Based Data Assimilation Method in the Earth Sciences. In D. Lee, T. Burg, & C. Volos (Eds.), Nonlinear Systems—Design, Analysis, Estimation and Control (pp. 153–193). IntechOpen. https://doi.org/10.5772/64718
Wu, Y., Shen, Z., & Tang, Y. (2020). A Flow‐dependent Targeted Observation Method for Ensemble Kalman Filter Assimilation Systems. Earth and Space Science, 7(7). https://doi.org/10.1029/2020EA001149
Yao, Z., Tang, Y., Lian, T., Xu, D., Li, X., Shen, Z., Zheng, J., Zhang, B., & Zhang, C. (2019). Roles of atmospheric physics and model resolution in the simulation of two types of El Niño. Ocean Modelling, 101468. https://doi.org/10.1016/j.ocemod.2019.101468
Zhang, H., Wu, R., Chen, D., Liu, X., He, H., Tang, Y., Ke, D., Shen, Z., Li, J., Xie, J., Tian, D., Ming, J., Liu, F., Zhang, D., & Zhang, W. (2018). Net Modulation of Upper Ocean Thermal Structure by Typhoon Kalmaegi. Journal of Geophysical Research - Oceans, 123(10), 7154–7171. https://doi.org/10.1029/2018JC014119
Zhang, J., Zhang, A., Zhang, X., Zhang, L., Li, D., Shen, Z., & Sun, C. (2020). Targeted observation analysis of the tides and currents in a Coastal Marine Proving Ground. Ocean Dynamics. https://doi.org/10.1007/s10236-020-01398-w
Zhu, J., Chen, Z., & Shen, Z. (2012). The Mode Relation for Open Acoustic Waveguide Terminated by PML with Varied Sound Speed. Computer Modeling in Engineering & Sciences(CMES), 83(5), 547–559.
Zhu, J., & Shen, Z. (2011a). Computation of Nonlinear Schrödinger Equation on an Open Waveguide Terminated by a PML. Computer Modeling in Engineering & Sciences(CMES), 71(4), 347–362.
Zhu, J., & Shen, Z. (2011b). Dispersion relation of leaky modes in nonhomogeneous waveguides and its applications. Journal of Lightwave Technology, 29(21), 3230–3236.
Zhu, J., Shen, Z., & Chen, Z. (2012). Dispersion relations of the modes for open nonhomogeneous waveguides terminated by perfectly matched layers. JOSA B, 29(9), 2524–2530.
唐佑民, 鄭飛, 張蘊斐, 沈浙奇#, 李俊德, & 方玥炜. (2017). 高影響海-氣環境事件預報模式的高分辨率海洋資料同化系統研發. 中國基礎科學, 19(119), 50–56.
張钰婷, 沈浙奇#, & 伍豔玲. (2021). 基于 CESM 模式的局地化粒子濾波器與集合卡爾曼濾波器同化實驗. 海洋學報.
沈浙奇, 唐佑民, & 高豔秋. (2016). 集合資料同化方法的理論框架及其在海洋資料同化的研究展望. 海洋學報, 38(3), 1–14. https://doi.org/10.3969/j.issn.0253-4193.2016.03.001


研究生：

  

  • 張钰婷，2019級學術碩士（自然資源部第二海洋研究所），研究課題《粒子濾波器在通用地球系統模式(CESM)耦合同化中的應用》, zyt_ocean@163.com

  • 汪韌希，2021級學術碩士，畢業論文《深度學習在海洋大氣數值模拟及資料同化中的應用》 ，wrx_17330937822@163.com

  • 陳溢豪，2020級博士（共同指導），畢業論文《基于地球系統模式和集合調整卡爾曼濾波器的海洋資料同化和季節預測研究》, wscyh2953917@126.com

  • 王淇，2022級專業碩士

  • 姚淞研，2023級專業碩士


學術兼職：

  • 江蘇省海洋學會海洋-氣象信息服務專業委員會 副主任委員

  • 全國海洋資料同化大會組委會成員

  • Frontiers in Mathematics of Computation and Data Science 評審編輯

  • 海洋學報英文版（Acta Oceanologica Sinica）, Frontiers in Applied Mathematics and Statistics, Nonlinear Processes in Geophysics, 海洋學報, 熱帶海洋學報，大氣和海洋科學快報 等審稿人



Baidu
sogou