韩威

    正研高工

hanwei@cma.gov.cn

010-58995390

研究兴趣

主要研究方向为卫星数据同化、数据同化算法、人工智能与数值预报的结合，欢迎大气科学、应用数学、计算数学、流体力学、人工智能等相关专业毕业并热爱科研的同学报考，也欢迎对数据同化和卫星数据定量应用有兴趣的本科生联系，可以从本科阶段进行针对性指导。

研究经历

2005.08-2008.03，中国气象科学研究院数值预报创新基地博士后

2008.03-2010.04，中国气象科学研究院数值预报研究中心副研究员/同化组组长

2010.04-2021.09，中国气象局数值预报中心模式研发室，正研高工/研发室副主任

2021.09-现在，中国气象局地球系统数值预报中心卫星资料同化室，正研高工/副主任

其间：  

2008.05-2008.08，欧洲中期天气预报中心（ECMWF），NWP/SAF资助访问学者

2009.07-2010.01，欧洲中期天气预报中心（ECMWF），NWP/SAF资助访问学者

2012.06-2013.06，美国马里兰大学，JPSS资助访问学者

2015.08-2016.02，欧洲中期天气预报中心（ECMWF），NWP/SAF资助访问学者

2019.09-2021.09，美国卫星资料同化联合中心(JCSDA)，项目科学家

承担课题

1）国家重点研发计划项目课题《基于全球/区域一体化同化框架的风云卫星全天候同化技术研究》，2022-11-01 / 2025-10-31，362万，在研，主持

2）国家自然科学基金课题（重大项目）子课题，全球区域化学天气耦合同化系统发展和关键观测资料应用，2021-01-01 / 2025-12-31，85万，在研，主持

3）国家自然科学基金面目项目，业务资料同化中多源观测系统最优权重的整体估计研究，2021-01-01 / 2024-12-31，58万，在研，主持

4）重大自然灾害监测预警与防范项目课题，复杂下垫面卫星资料四维同化技术研究，2018-01-01 / 2021-12-31，362万，结题，主持

5）国家自然科学基金面目项目，正则化参数方法在卫星辐射率观测误差和偏差估计与调节中的应用研究, 2017-01-01 / 2020-12-31，65万，主持

6）风云四号科研试验卫星地面应用系统工程,风云四号A星数值预报示范应用,2016-12-01 / 2018-12-31，主持

教学经历

2024年5月 — 2024年5月，卫星资料同化，类别（在职培训），中国气象局干部培训学院

学术兼职

中国气象学会卫星气象学学会副主任委员；

风云气象卫星工程应用系统副总设计师；

《Monthly Weather Review》和《Advances in Atmospheric Sciences》编委

获奖情况

2024：国家卓越工程师团队，核心成员

2023：《风云四号卫星高光谱探测仪目标观测和同化应用》，中国气象局优秀气象科技成果

2021：第23届国际TOVS会议最佳报告奖

2021：《区域/全球一体化数值天气预报业务系统》，国家科学技术进步奖二等奖

2018：中国气象学会第六届邹竞蒙气象科技人才奖

2017：《GRAPES_GFS全球中期数值预报系统开发和业务应用》，中国气象学会气象科学技术进步成果奖一等奖

2014：中国气象学会第八届全国优秀气象工作者

发表论文

（本人名称加粗，通讯作者加*号）

近5年代表性论文

1）Li Yonghui, Han Wei* & Duan Wansuo(2024) . A dynamic channel selection based on vertical sensitivities for the assimilation of FY-4A GIIRS targeted observations, Quarterly Journal of the Royal Meteorological Society,   https://doi.org/10.1002/qj.4760

2）Yang, Y., Han, Wei*, Sun, H., Xie, H., & Gao, Z. (2024). Reconstruction of 3D DPR observations using GMI radiances. Geophysical Research Letters, 51, e2023GL106846. https://doi.org/10.1029/2023GL106846

3）Li, Z. & Han, W.* (2024) Impact of HY-2B SMR radiance assimilation on CMA global medium-range weather forecasts. Quarterly Journal of the Royal Meteorological Society, 150(759), 937–957.  https://doi.org/10.1002/qj.4630

4）Wang Gen, Han Wei*, Yuan Song, Wang Jing, Yin Ruoying,Ye Song, Xie Feng, 2024: Retrieval of High-Frequency Temperature Profiles by FY-4A/GIIRS Based on Generalized Ensemble Learning [J].Journal of the Meteorological Society of Japan, 102, https://doi.org/10.2151/jmsj.2024-011.

5）Xu, X., Sun, X., Han, W.*, Zhong, X., Chen, L., Li, H., 2024. Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations (No. arXiv:2404.08522). arXiv. https://doi.org/10.48550/arXiv.2404.08522

6）Xie, H., Bi, L.*, and Han, W.*: ZJU-AERO V0.5: An Accurate and Efficient Radar Operator Designed for CMA-GFS/MESO with Capability of Simulating Non-spherical Hydrometeors, Geosci. Model Dev. Discuss. [preprint], https://doi.org/10.5194/gmd-2023-225, in review, 2024.

7）Han, W. et al. (2023). Assimilation of Geostationary Hyperspectral Infrared Sounders (GeoHIS): Progresses and Perspectives. In: Park, S.K. (eds) Numerical Weather Prediction: East Asian Perspectives. Springer Atmospheric Sciences. Springer, Cham. https://doi.org/10.1007/978-3-031-40567-9_8

8）Xie, H., Han, W.* & Bi, L.*(2023) Assimilating FY3D-MWRI 23.8 GHz observations in the CMA-GFS 4DVAR system based on a pseudo All-Sky data assimilation method. Quarterly Journal of the Royal Meteorological Society, 149(756), 3014–3043. https://doi.org/10.1002/qj.4544

9）Xiao, H., Han, W.*, Zhang, P., & Bai, Y. (2023). Assimilation of data from the MWHS-II onboard the first early morning satellite FY-3E into the CMA global 4D-Var system. Meteorological Applications, 30(3), e2133. https://doi.org/10.1002/met.2133

10）Ma, Z., Han, W.*, Zhao, C., Zhang, X., Yang, Y., Wang, H., Cao, Y., Li, Z., Chen, J., Jiang, Q., Sun, J., Shen, X., 2022. A case study of evaluating the GRAPES_Meso V5.0 forecasting performance utilizing observations from South China Sea Experiment 2020 of the “Petrel Project.” Atmospheric Research 280, 106437. https://doi.org/10.1016/j.atmosres.2022.106437

11）Chen, K., Fan, X., Han, W.*, Xiao, H., 2022. A Remapping Technique of FY-3D MWRI Based on a Convolutional Neural Network for the Reduction of Representativeness Error. IEEE Transactions on Geoscience and Remote Sensing 60, 1–11.  https://doi.org/10.1109/TGRS.2021.3138395

12）陈柯，洪鹏飞，韩威*，李泽宇，王皓，王金成，陈昊，张志清，谢振超. 2021. 基于GRAPES四维变分的静止轨道微波观测系统模拟试验研究. 气象学报，79（5）：769-785 doi: 10.11676/qxxb2021.048

13）Yin, R., Han, W.*, Gao, Z., Li, J., 2021. Impact of High Temporal Resolution FY-4A Geostationary Interferometric Infrared Sounder (GIIRS) Radiance Measurements on Typhoon Forecasts: Maria (2018) Case With GRAPES Global 4D-Var Assimilation System. Geophysical Research Letters 48, e2021GL093672. https://doi.org/10.1029/2021GL093672

14）Chen, H., Han, W. *, Wang, H., Pan, C., An, D., Gu, S., Zhang, P., 2021. Why and How Does the Actual Spectral Response Matter for Microwave Radiance Assimilation? Geophysical Research Letters 48, e2020GL092306. https://doi.org/10.1029/2020GL092306

15）Wang, G., Han, W.*, Lu, S., 2021. Precipitation retrieval by the L1-norm regularization: Typhoon Hagibis case. Quarterly Journal of the Royal Meteorological Society 147, 773–785. https://doi.org/10.1002/qj.3945

16）Yin, J., Han, W.*, Gao, Z., Chen, H., 2021. Assimilation of Doppler radar radial wind data in the GRAPES mesoscale model with observation error covariances tuning. Quarterly Journal of the Royal Meteorological Society 147, 2087–2102. https://doi.org/10.1002/qj.4036

17）Xiao, H., Han, W.*, Wang, H. et al. Impact of FY-3D MWRI Radiance Assimilation in GRAPES 4DVar on Forecasts of Typhoon Shanshan. J Meteorol Res 34, 836–850 (2020). https://doi.org/10.1007/s13351-020-9122-x

18）Yin Ruoying, Han Wei*, Gao Zhiqiu, Di Di. The evaluation of FY4A's Geostationary Interferometric Infrared Sounder (GIIRS) long-wave temperature sounding channels using the GRAPES global 4D-Var. Q J R Meteorol Soc. 2020; 146:1459–1476. https://doi.org/10.1002/qj.3746

19）Xie, H., Bi, L., Han, W.*, Wang, J., 2020. Vertical Inhomogeneity Effect of Frozen Hydrometeor Habits in All-Sky Passive Microwave Simulations. Journal of Geophysical Research: Atmospheres 125, e2020JD032817. https://doi.org/10.1029/2020JD032817

20）尹若莹,韩威*,高志球,王根. 2019. 基于FY-4A卫星探测区域模式背景误差和观测误差估计的长波红外通道选择研究[J]. 气象学报, 77(5):898-910, doi:10.11676/qxxb2019.051

其它情况

长期致力于我国自主研发的数值天气预报系统GRAPES，解决了全球业务同化多项核心技术难题，为我国全球同化预报系统GRAPES业务化做出了突出贡献；在卫星资料同化领域取得多项创新成果，并在中国气象局业务数值预报系统GRAPES和ECMWF数值预报系统中得到业务应用。曾三次应欧洲气象卫星组织邀请到欧洲中期天气预报中心（ECMWF）访问工作，两次应邀到美国开展合作研究。提出并在业务资料同化系统中实现了有约束观测偏差订正原创性方法（CBC,2014；CVarBC，2016），系统解决了国际上卫星资料同化领域困扰多年的观测偏差订正向模式 “偏差漂移”难题；提出了大气化学卫星红外高光谱辐射率资料直接同化中“锚定通道”的方法，首次在业务数值预报系统中成功实现了红外资料臭氧通道辐射率资料的直接同化(2010)，解决了臭氧分析中极区冬半年卫星观测应用缺失问题，应用于ECMWF IFS 系统，显著改善了对流层上层臭氧分析的质量；国际上率先实现了静止轨道红外高光谱大气探测仪FY-4A GIIRS观测同化（2018），提高了台风、暴雨等灾害性天气预报精度，在业务工程应用中发挥了静止卫星高光谱大气探测仪高时间分辨率的应用优势，确认了世界气象组织对静止高光谱探测仪的预期价值；发展了红外高光谱大气探测仪在轨参数快速最优估计技术（2021），发现了卫星仪器关键参数在复杂空间环境下的热形变规律，提高了光谱定标精度。

  #以上信息由本人提供，更新时间：2024/10/10