《大气科学进展》（AAS）编辑部于2022年4月27日举办第三期线上论坛，主题为“人工智能与大气科学”。北京大学张平文院士、中科院海洋研究所张荣华研究员、浙江大学毕磊研究员、以及中国海洋大学韩雷教授先后在论坛作主题报告，论坛由AAS编委韩雷教授主持。

　　韩雷教授在开场介绍中，从学科属性分类入手，介绍了人工智能与大气科学研究的背景，重要的国际前沿进展，以及各国在该交叉研究领域的战略布局。

　　张平文院士作为第一个主讲人，以智慧气象预报为应用场景，从数学家的视角，深入浅出地介绍了机理与数据的融合计算，并对未来发展进行了高屋建瓴的展望。张荣华研究员介绍了主振荡型分析与神经网络相结合的混合模型及对ENSO的预测研究。毕磊研究员介绍了基于机器学习方法的非球形粒子光学特性参数化方案。韩雷教授介绍了人工智能在数值预报偏差订正中的应用研究。上述研究成果均已发表于AAS。

　　本次论坛吸引了业界的极大关注，共有800人次参加了本次论坛，每个报告结束后都收到了观众的踊跃提问，主讲人均进行了细致的回答。在论坛过程中，不断有听众留言，表示受益良多，认为主讲人报告精彩、讨论热烈，本次论坛不但提升了AAS在业内的关注度，也对开拓大气领域年轻人的视野也积极的作用。

　　论坛报告及讨论的录屏回放已整理发布在AAS微信公众号https://mp.weixin.qq.com/s/h8V0wFFoC1rwDF4xNBJczw。

　　本次论坛是AAS继以“2020/21极寒事件“、”季风区季节和次季节尺度气候预测”为主题的前沿论坛成功举办后的第三期前沿论坛。AAS编辑部感谢各位专家的支持和信任，将总结前三期论坛经验，继续将论坛办好，成为AAS的品牌活动。

　　附：近年来AAS发表的人工智能与大气科学交叉研究的相关文章 (部分)：

　　1.Han, L., M. X. Chen, K. K. Chen, H. N. Chen, Y. B. Zhang, B. Lu, L. Y. Song, and R. Qin, 2021: A deep learning method for bias correction of ECMWF 24–240 h forecasts. Adv. Atmos. Sci., 38(9), 1444-1459, https://doi.org/10.1007/s00376-021-0215-y.

　　2.Li, H. C., C. Yu, J. J. Xia, Y. C. Wang, J. Zhu, and P. W. Zhang, 2019: A model output machine learning method for grid temperature forecasts in the Beijing area. Adv. Atmos. Sci., 36(10), 1156-1170, https://doi.org/10.1007/s00376-019-9023-z

　　3.Liu, C., S. Yang, D. Di, Y. J. Yang, C. Zhou, X. Q. Hu, and B.–J. Sohn, 2021: A machine learning-based cloud detection algorithm for the Himawari-8 spectral imager. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-0366-x

　　4.Liu, N., and Coauthors, 2022: Meshless Surface Wind Speed Field Reconstruction based on Machine Learning. Adv. Atmos. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-022-1343-8

　　5.POLROLNICZAK, M., L. Kolendowicz, B. Czernecki, M. Taszarek, and G. Tóth, 2021: Determination of surface precipitation type based on the data fusion approach. Adv. Atmos. Sci. , 38(3), 387-399, https://doi.org/10.1007/s00376-020-0165-9

　　6.Xia, J. J., and Coauthors, 2020: Machine learning?based weather support for the 2022 Winter Olympics. Adv. Atmos. Sci., 37(9), 927-932, https://doi.org/10.1007/s00376-020-0043-5.

　　7.Yu, J. H., L. Bi, W. Han, and X. Y. Zhang, 2022: Application of a neural network to store and compute the optical properties of non-spherical particles. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-1375-5.

　　8.Zhou, K. H, J. S. Sun, Y. G. Zheng, and Y. T. Zhang, 2022: Quantitative precipitation forecast experiment based on basic NWP variables using deep learning. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-021-1207-7

　　9.Zhou, L., and R.-H. Zhang, 2022: A hybrid neural network model for ENSO prediction in combination with principal oscillation pattern analyses. Adv. Atmos. Sci., 39(6), 889-902, https://doi.org/10.1007/s00376-021-1368-4.