大气和海洋科学旨在描述、理解、表征和模拟其间过程及相互作用，并最终预报相关现象。基于物理推断的传统方法已取得卓越的成果，已能在一定程度上有效开展天气预报和气候预测等业务。然而，天气预报和气候预测仍然存在着很大的不确定性和模式偏差。近来机器学习方法的发展已成为解决大气和海洋科学相关问题的有效途径，为利用数据驱动方法来探索大气和海洋现象及过程提供了新机会。目前，机器学习技术已广泛应用于大气和海洋科学，显示出改进天气预报和气候预测等的巨大潜力。事实上，结合新的机器学习技术与传统物理推断方法来推进大气和海洋科学进展的兴趣也与日俱增。

　　在此背景下，Atmospheric and Oceanic Science Letters（AOSL）特组织此专刊，诚邀聚焦机器学习技术和/或与传统方法相结合的最新研究成果的投稿，以改进跨时空尺度的天气预报和气候预测，并为认知和减少其不确定性和模式偏差等提供方法。希望本专刊能促进在【大气和海洋科学机器学习】方面最新科研进展的交流与分享，期待相关领域专家学者投稿！

　　专刊征稿范围（但不限于以下方面）：

　　1) 基于数据驱动的大气和海洋机器学习算法；

　　2) 物理约束下基于机器学习的参数化方法；

　　3）基于机器学习的天气预报和气候预测；

　　4）数据驱动和物理推断相融合及混合的方法；

　　5) 机器学习在大气和海洋信号处理中的应用。

　　投稿事项：

　　投稿指南：http://aosl.iapjournals.ac.cn/EN/column/column317.shtml

　　投稿网址：https://mc03.manuscriptcentral.com/aosl，投稿时请在Manuscript type中选择“Special Issue: Machine Learning for Atmospheric and Oceanic Sciences”

　　投稿截止日期：2022/10/31

　　专刊编委：

　　责任编辑：

　　张荣华 教授，南京信息工程大学 海洋科学学院

　　Email: rzhang@qdio.ac.cn; 003556@nuist.edu.cn

　　客座编辑：

　　罗京佳 教授，南京信息工程大学 气候与应用前沿研究院

　　Email: jjluo@nuist.edu.cn

　　刘青山 教授，南京信息工程大学 计算机学院

　　Email: qsliu@nuist.edu.cn

　　期刊信息：

　　Editorial Office of Atmospheric and Oceanic Science Letters

　　Institute of Atmospheric Physics, Chinese Academy of Sciences

　　Email: aosl@mail.iap.ac.cn

　　Websites: http://aosl.iapjournals.ac.cn/;

　　https://www.sciencedirect.com/journal/Atmospheric-and-Oceanic-Science-Letters

　　期刊简介：

　　Atmospheric and Oceanic Science Letters (AOSL, 中文刊名: 大气和海洋科学快报) 是由中国科学院主管，中国科学院大气物理研究所、中国气象学会主办的英文学术期刊。

　　AOSL实行严格的同行评议，发表大气科学和物理海洋学领域创新性“通讯” (letters)和文章类型（包含Original Articles、Reviews (特邀)、Progress and Views、Report、Data Description）等。期刊一直以高水平研究成果的快速发表为办刊宗旨，具有国际化的编委会以及编辑、审稿和作者队伍，致力于不断提升期刊的论文质量，提高期刊的学术影响力。

　　AOSL由KeAi出版公司在Elsevier ScienceDirect平台全刊Open Access出版，自2014年连续被评为“中国国际影响力优秀期刊”，目前已被ESCI (Web of Science核心库)、Scopus (CiteScore2021: 3.0)、GEOBASE、DOAJ、JSTChi、CSCD (核心集)、中科院期刊分区表、中国科协地学领域高质量科技期刊分级目录 (T2级) 等收录。