报告题目：条件非线性最优扰动及其在大气-海洋研究中的应用：回顾与AI时代展望

报 告 人：穆穆 院士 复旦大学

报告时间：2025年8月4日（星期一）9:00—10:00

报告地点：数学科学学院114（小报告厅）

校内联系人：宋晓良 副教授             联系方式：84708351-8304

报告摘要：可预报性研究旨在揭示预报不确定性的成因与机制，并寻找减小预报不确定性的方法与途径。条件非线性最优扰动（Conditional Nonlinear Optimal Perturbation，简称 CNOP）作为对预报结果影响最显著的一类扰动，为识别天气气候事件的可预报性来源提供了有效手段。本报告首先回顾了CNOP方法的发展背景、物理意义及其理论进展，随后系统梳理了该方法在大气-海洋研究中的应用及其主要成果。在此基础上，本文进一步探讨了CNOP方法在当前人工智能快速发展的背景下面临的新机遇，展望了其与人工智能技术深度融合的潜在方向及其在大气-海洋中的未来应用前景。

报告人简介：穆穆，中国科学院院士，复旦大学大气与海洋科学系教授。主要从事天气与气候的可预报性、大气海洋动力学、资料同化、集合预报与目标观测等研究。在国内外权威杂志上发表论文200余篇。多次在国际重要学术会议上做特邀报告并组织有关分会。建立了地球流体运动的若干非线性稳定性判据，于2003年首创了“条件非线性最优扰动”（Conditional Nonlinear Optimal Perturbation，简称 CNOP）方法，为探索大气海洋系统演变过程中的非线性不稳定机制开辟了新路径。CNOP方法已广泛应用于ENSO、热带气旋、中高纬阻塞、黑潮等多个高影响海气事件的研究中，深刻推动了非线性理论在大气-海洋科学中的发展。获得何梁何利基金科学与技术进步奖，国家自然科学奖二等奖（第一完成人）等学术奖励。撰写专著《条件非线性最优扰动及其在大气-海洋研究中的应用》。