沈浙奇，男，教授，研究生，博士学位
（Email: zqshen@hhu.edu.cn，Tel： ）
河海大学（江宁校区），江苏省南京市江宁区佛城西路8号，211100
海洋学院大楼，1101办公室
个人简历：
博士，河海大学教授，海洋技术系副主任。
主要从事非线性同化方法、耦合数据同化、参数估计和目标观测方面的研究，先后发表相关研究论文40余篇，编写教材一部，主持国家自然科学基金青年项目、面上项目和原创探索项目，作为骨干参与“国家重点研发计划”、国家自然科学基金委重大基金、重点基金等项目。获自然资源部“青年英才”，江苏省“双创博士”等人才项目。
欢迎具有海洋科学、大气科学、数学（应用、计算、运筹、统计学）、物理学、计算机科学、遥感与地理信息等理工科专业方向的学生报考，可邮件联系。
2007 – 2012, 浙江大学数学系，计算数学，博士
2003 – 2007, 浙江大学数学系，数学与应用数学，学士
工作经历：
2026.5 - ， 河海大学，海洋学院，教授
2020.8 - 2026.5 ， 河海大学，海洋学院，副教授
2017.11 - 2020.7,自然资源部第二海洋研究所，卫星海洋环境动力学国家重点实验室，副研究员
2016.11 - 2017.7,加拿大北大不列颠哥伦比亚大学(UNBC)，访问学者
2015.11 - 2017.11,自然资源部第二海洋研究所，卫星海洋环境动力学国家重点实验室，助理研究员
2012.7 - 2015.11,国家海洋局第二海洋研究所，博士后
个人科普公众号（可关注以了解本人研究方向的基础和前沿）：
主讲课程：
- 数学物理方法
- 计算方法 （选修）
- 业务化海洋学导论（选修）
- 数据同化理论与方法（研究生）
出版教材：
l 唐佑民 & 沈浙奇. (2024). 集合滤波数据同化方法及其应用. 科学出版社.ISBN: 978-7-03-077394-4
科研项目：
> 国家自然科学基金原创探索项目，基于NeuralDA的智能混合海气耦合模式物理过程-状态联合估计，2025/01-2027/12，主持
> 国家重点研发计划“工程科学与综合交叉”专项，面向高影响海气事件预测的适应性观测与强耦合同化研究，2025/12 - 2030/11，参与（课题三）
> 国家重点研发计划“地球系统与全球变化”专项，气候-植被-大气化学耦合模式研发及其预测应用，2023/01-2028/11，参与（课题二）
> 国家自然科学基金面上项目，基于地球系统模式的耦合参数估计方法研究，2022/01 - 2025/12，主持
> 中央高校基本科研业务费专项, 2021-2024, 主持
> 江苏省创新创业（双创）博士项目，2021-2023，主持
> 国家自然科学基金青年项目，粒子滤波器局地化算法研究，2017/01-2019/12，主持
> 自然资源部第二海洋研究所科研业务费专项“青年英才”计划，基于DART-CESM集合同化系统的强耦合同化方法研究，2019/01-2020/07。主持
> 国家重点研发计划“海洋环境安全保障”重点专项，全球高分辨率海洋资料同化技术研究与业务应用示范，2016/09 - 2020/12，参与（课题一）。
> 国家重点研发计划“全球变化与应对”重点专项，高影响海-气环境事件预报模式的高分辨率海洋资料同化系统研发，2017/07 - 2022/06。参与（课题二）。
> 国家自然科学基金重大项目，ENSO可预测性评估及预测实验，2017/01 - 2022/12，参与（课题四）。
> 国家自然科学基金重点项目，近135年印度洋偶极子集合预报试验及可预报性研究，2016/01 - 2020/12，参与。
> 国家海洋局科学技术司“全球变化与海气相互作用”专项，海洋动力系统可预报性研究，2016/01 - 2020/07，参与（课题三）。
近五年论文（2021-2026）：
[1] SHEN Z. Targeted Observation Method using Ensemble Adjustment Kalman Filter with Localization: Rigorous Derivation and Lorenz ’96 Model Implementation[J]. Monthly Weather Review, 2026, Accepted.
[2] CHEN Y, SHEN Z, SONG X. Assessment of an ENSO prediction system based on the Community Earth System Model and Ensemble Adjustment Kalman Filter[J]. Acta Oceanologica Sinica, 2025. [3] SHEN Z. Conditional Denoising Score Matching for Sequential Data Assimilation[J/OL]. Ocean-Land-Atmosphere Research, 2025, 4(0103). https://spj.science.org /doi/10.34133/olar.0103. [4] HE Z, WANG Y, BRAJARD J, 等. Improving Seasonal Arctic Sea Ice Predictions with the Combination of Machine Learning and Earth System Model[J]. The Cryosphere, 2025, 19(8): 3279-3293.
[5] HE Z, BRAJARD J, WANG Y, 等. Improving dynamical climate predictions with machine learning: insights from a twin experiment framework[J]. Nonlinear Processes in Geophysics, 2025, 32(4): 397-409.
[6] WANG R, SHEN Z. A Deep Neural Network Ensemble Adjustment Kalman Filter and Its Application on Strongly Coupled Data Assimilation[J]. Journal of Marine Science and Engineering, 2024, 12(108). [7] SHEN Z, YAO Y, ZHANG Y. Ocean State Estimation in CESM via a Localized Particle Filter: Joint Assimilation of Satellite SST and In-situ TS Profiles[J]. Atmosphere, 2025, 16(9): 1081.
[8] CHEN Y, YAN X, TANG Y, 等. Decline in Atlantic Niño prediction skill in the North American multi-model ensemble[J]. Communications Earth & Environment, 2024, 5(524).
[9] CHEN Y, TANG Y, SHEN Z, 等. Enhancing satelite sea level anomaly data assimilation in a coupled general circulation model with a hybrid mean dynamical topography[J]. Climate Dynamics, 2025, 63(8). [10] HU Y, TAN X, TANG Y, 等. The Influence of Wind-Induced Waves on ENSO Simulations[J]. Journal of Marine Science and Engineering, 2021, 9(5): 14.
[11] WANG Q, SHEN Z, CHEN Y, 等. Improving ocean analyses in the ensemble-based data assimilation system using the Community Earth System Model by assimilating satellite sea surface salinity[J]. Journal of Operational Oceanography, 2024, 17(3): 217-230.
[12] SHEN Z, ZHONG Q, CHEN Z. Parameter estimation using adaptive observations towards maximum total variance reduction with ensemble adjustment Kalman filter[J]. Frontiers in Climate, 2022, 4. [13] SHEN Z, CHEN Y, LI X, 等. 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[J]. Geoscientific Model Development, 2024, 17(4): 1651-1665.
[14] RAO W, TANG Y, WU Y, 等. A new ensemble-based targeted observational method and its application in TPOS 2020[J/OL]. National Science Review, 2023, 10(11)[2023-10-10]. https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwad231/7259185.
[15] LI X, TANG Y, SHEN Z, 等. Spatial Variations in Seamless Predictability of Subseasonal Precipitation Over Asian Summer Monsoon Region in S2S Models[J]. Journal of Geophysical Research: Atmospheres, 2023.
[16] LI X, TANG Y, SHEN Z, 等. A Region-Optional Targeted Observation Method and its Application in the Sea Surface Temperature Prediction Associated with the Indian Ocean Dipole[J]. Journal of Geophysical Research: Oceans, 2023, 128(8).
[17] CHEN Y, SHEN Z, TANG Y, 等. Ocean data assimilation for the initialization of seasonal prediction with the Community Earth System Model[J]. Ocean Modelling, 2023, 183(102194).
[18] SHEN Z, TANG Y. A two-stage inflation method in parameter estimation to compensate for constant parameter evolution in Community Earth System Model[J]. Acta Oceanologica Sinica, 2022, 41(2): 12.
[19] LIU T, SONG X, TANG Y, 等. ENSO predictability over the past 137 years based on a CESM ensemble prediction system[J]. Journal of Climate, 2022, 35(2): 763-777.
[20] HOU M, TANG Y, DUAN W, 等. Toward an Optimal Observational Array for Improving Two Flavors of El Niño Predictions in the Whole Pacific[J/OL]. Climate Dynamics, 2022[2022-05-12]. https://www.researchsquare.com/article/rs-1234234/v1.
[21] DENG S, SHEN Z, CHEN S, 等. Comparison of perturbation strategies for the initial ensemble in ocean data assimilation with a fully coupled earth system model[J]. Journal of Marine Science and Engineering, 2022, 10(3): 412.
[22] CHEN Y, SHEN Z, TANG Y. On Oceanic Initial State Errors in the Ensemble Data Assimilation for a Coupled General Circulation Model[J/OL]. Journal of Advances in Modeling Earth Systems, 2022, 14(12)[2022-12-10]. https://onlinelibrary.wiley.com/doi/10.1029/2022MS003106.
[23] SHEN Z, TANG Y, LI X, 等. On the localization in strongly coupled ensemble data assimilation using a two‐scale Lorenz model[J]. Earth and Space Science, 2021, 8: 1-24.
[24] 张钰婷, 沈浙奇, 伍艳玲. 基于 CESM 模式的局地化粒子滤波器与集合卡尔曼滤波器同化实验[J]. 海洋学报, 2021, 43(10): 137-148.
[25] GAO Y, TANG Y, SONG X, 等. Parameter Estimation Based on a Local Ensemble Transform Kalman Filter Applied to El Niño–Southern Oscillation Ensemble Prediction[J]. Remote Sensing, 2021, 13(3923).
代表论文：
研究生：
张钰婷，2019级学术硕士（自然资源部第二海洋研究所），学位论文《粒子滤波器在通用地球系统模式(CESM)耦合同化中的应用》
汪韧希，2021级学术硕士，学位论文《深度学习在海洋大气数值模拟及资料同化中的应用》
陈溢豪，2020级博士（共同指导），学位论文《基于地球系统模式和集合调整卡尔曼滤波器的海洋资料同化和季节预测研究》
王淇， 2022级专业硕士（国家海洋环境预报中心）, 学位论文《基于耦合地球系统模式CESM的卫星海表盐度同化：效果评估与大西洋Niño事件研究》
姚淞研，2023级专业硕士（南京气象科技创新研究院）， 新型雷达数据同化
李蕊宏，2024级专业硕士（自然资源部第二海洋研究所），CESM数值模拟。
刘明宇，2025级专业硕士（自然资源部第二海洋研究所）
谭佳浩，2025级专业硕士（自然资源部第二海洋研究所）
-----
本科生：
担任本科生班导师：海洋技术2021级
毕业论文指导：施清舰（18级），梁赐远（19级），岳磊（20级），袁志、黎国望（21级）,王宗强、覃宇玥、吴嘉炜（22级）
大创课题指导：张子恩等（21级），陈田裕等（22级），王宗强等（22级），符慧莹等（24级）
担任本科生导师：王宗强（22级）
其他：
江苏省海洋学会科学技术奖2022年，一等奖（3/8），基于西风爆发参数化的ENSO预测系统
江苏省海洋学会科学技术奖2024年，二等奖（4/4），黑潮的可预报性研究
中国气象局“气象科技成果”，高影响海气环境事件耦合同化预测系统，第二完成人(2/9)
------
学术兼职：
中国气象服务学会海洋气象技术委员会 委员
江苏省海洋学会海洋-气象信息服务专业委员会 副主任委员
江苏省海洋学会人工智能专业委员会 委员
全国海洋资料同化大会组委会成员
每年春秋两季参与国家级ENSO预测会商
Frontiers in Applied Mathematics and Statistics, Nonlinear Processes in Geophysics, Advances in Atmospheric Sciences, 海洋学报, 热带海洋学报，大气和海洋科学快报 等审稿人
