为宣传学院办学成果，彰显我院科研实力与社会贡献，学院陆续推出AI+系列办学特色成果进行展示！
本周推出第六期，由张长江教授领衔的智慧气象成果，系统性地展示我院科研团队人工智能在气象应用、台风智能监测预警等前沿领域的突破性进展及其在气象业务预报、防灾减灾决策支持等领域的应用价值。
一、成果简介：
张长江教授团队近年来致力于全球台风监测分析综合监测，实现全球各海域卫星图像快速显示和报文自动读入、全球台风定量监测，提高西北太平洋台风智能精密监测水平，提升全球台风全面监测能力。聚焦基于人工智能结合卫星资料和雷达等观测和再分析资料进行台风涡旋智能识别、中心定位、强度和结构尺度估计、台风强度突变识别和定强、台风台风路径生成和描述、台风风场反演、台风生成预报、短临降水预报、模式预报降水订正等智慧气象研究，为台风精密监测和精准预报提供参考。张长江教授团队近年来与国家气象中心、中国气象局上海台风研究所、上海亚太台风研究中心等密切合作，部分成果已经被国家气象中心、中国气象局上海台风研究所和台州市气象局等部门用于实际业务预报，并取得了良好的效果。尤其是近期部分关于台风涡旋识别、台风中心定位和定强、台风路径生成和描述等研究成果被列为海洋气象综合保障二期工程国家气象中心建设内容应用软件采购项目，目前已经完成在国家气象中心的软件部署。
张长江教授团队致力于图像处理、模式识别、机器学习及其在智能感知和交叉应用等领域的算法和应用研究。近年来在《Nature Communications》、《IEEE Transactions on Geoscience and Remote Sensing》、《Geophysical Research Letters》、《IEEE Transactions on Antennas and Propagation》、《IEEE Transactions on Instrumentation and Measurement》、《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》、《Journal of Meteorological Research》、《Artificial Intelligence in Medicine》和《Engineering Applications of Artificial Intelligence》等国际知名期刊发表论文100余篇，撰写出版学术专著3部；参与台风973项目子课题1项、主持国家自然基金项目5项、省部级项目10余项及其他各类项目20余项；荣获浙江省高校科研成果一、二、三等奖各1项及中国图象图形学报年度优秀论文奖1项；授权国家发明专利8项、软件著作权40余件。
团队负责人张长江教授入选浙江省“新世纪151人才工程”第二层次，是台州市“500精英人才工程”高端人才、台州学院学科带头人，三级教授及博士生（后）导师。现为中国图象图形学会高级会员、中国气象学会会员、中国计算机学会人工智能与模式识别专委。担任国家自然科学基金重点项目和集成项目会评专家，国家自然科学基金企业联合基金项目结题审查会评专家，教育部长江学者奖励计划评审专家。
二、成果实效
2025年4月15日-19日，张长江教授受邀参加在湖南长沙举办的第二十一届全国热带气旋科学讨论会（NWTC-XXI），并在会议特设“AI+台风”专题作题为《Deep Learning and Wavelet Transform Combined with Multi-Channel Satellite Images for Tropical Cyclone Intensity Estimation》的学术报告，展示了我校在热带气旋智能监测预警领域的最新研究成果，受到与会同行的广泛关注。“全国热带气旋科学讨论会”自1972年首届会议召开以来，始终是我国台风科技领域的风向标。该系列会议每2至4年举办一届，旨在搭建全国台风领域的合作交流平台，组织台风领域前沿课题和热点话题的集中研讨，促进人才队伍培养和成果转化，推动台风学科发展和业务技术进步。
图1 张长江教授受邀在第二十一届全国热带气旋科学讨论会“AI+台风”专题做报告
2025年4月25日-27日，张长江教授受邀参加在江苏南京举办的第二届环境科学与环境材料学术会议，担任会议大气科学与生态系统专题学术委员并做题为《A Hybrid Model for TC Intensity Estimation Based on Transfer Learning》学术报告。“环境科学与环境材料学术会议”是由环境材料专家委员会发起，在领域内卓有成效的学术会议。会议旨在针对环境科学工程与环境材料领域及相关交叉学科的发展重点、热点、前沿问题展开讨论，分享最新成果，从研究与应用视角探讨我国环境科学工程与环境材料基础研究思路、面临的机遇、挑战与未来趋势，积极推进技术进步和工程化协同，把握科研和产业的发展趋势，推动产学研合作与跨越发展。
图2 张长江教授受邀在第二届环境科学与环境材料学术会议（ECEM2025）做报告
图3 张长江教授受邀参加第二届环境科学与环境材料学术会议（ECEM2025）证明
2024年11月7日-10日，张长江教授受邀参加在广东珠海举办的第六届全国中尺度气象学论坛，在人工智能在灾害天气资料分析和预警中的应用专题做题为《Estimation of Tropical Cyclone Size by Combining Sequential Infrared Satellite Images with Multi-Task Deep Learning》的特邀学术报告。全国中尺度气象学论坛是为推动中国中尺度气象学发展、加强成果交流与研讨而举办的学术会议，由北京大学、南京大学、南京信息工程大学和国防科技大学共同发起。该论坛为从事中尺度气象学研究的国内学者搭建了交流互动平台，展示了中国中尺度气象学最新科研成果，深化了中尺度气象学领域研究多方合作，促进了中尺度气象学前沿领域发展。
图4 张长江教授参加第六届全国中尺度气象学论坛会议合影
图5 张长江教授参加第六届全国中尺度气象学论坛特邀口头报告会议日程
2021年5月24日-26日，张长江教授受邀参加在山东青岛举办的第十九届全国热带气旋科学讨论会（NWTC-XIX），并做题为《Tropical Cyclone Intensity Classification and Estimation Using Infrared Satellite Images with Deep Learning》学术报告。
图6 张长江教授参加第十九届全国热带气旋科学讨论会并做大会口头报告
2017年10月25日-27日，张长江教授受邀参加上海市气象局台风科技创新团队2017年度总结会暨专家咨询会，并做题为《Deviation Angle Gradient Distribution Uniformity Location Method of TC by Infrared Geostationary Satellite Image》的学术报告。
图7 张长江教授参加上海市气象局台风科技创新团队2017年度总结会暨专家咨询会并受邀做口头报告
2017年5月15日-17日，张长江教授受邀参加第十届中日韩热带气旋联合研讨会，并做题为《Tropical Cyclone Intensity Estimation by DAGCOM Inner Core Infrared Brightness Temperature》的学术报告。
图8 张长江教授参加第十届中日韩热带气旋联合研讨会与陈联寿院士合影
2023年11月11日-12日，张长江教授受邀参加在湖南长沙举办的国家自然科学基金气象联合基金研讨会，并做题为《深度学习结合卫星资料的热带气旋强度和结构尺度估计》的特邀报告。本次会议由国防科技大学气象海洋学院承办，中国气象科学研究院、中国科学院大气物理研究所、国防科技大学和清华大学等立项的国家自然科学基金气象联合基金负责人汇报项目进展，旨在汇报项目进展，增进项目之间的交流，加强项目之间的合作。
图9 张长江教授应邀参加湖南长沙举办的国家自然科学基金气象联合基金研讨会
图10 张长江教授指导的部分硕士研究生获奖和荣誉证书
图11 2025年第8号台风竹节草的部分产品图（已完成在国家气象中心部署）
三、人物访谈
1. 您团队将AI用于台风监测，其中最具突破性的成果是什么？
最具突破性的成果是基于人工智能技术结合卫星资料构建了一套集成的台风涡旋智能识别与强度客观估计系统。它能够像“智能大脑”一样，自动、快速且精准地从海量卫星数据中识别出台风涡旋，并确定其中心位置，在此基础上实现台风客观定强、台风路径生成和描述，目前该成果已被国家气象中心业务化应用部署。
2. 这些研究成果能快速被国家气象中心应用，最关键的因素是什么？
最关键的因素是 “从需求出发的紧密合作”。我们的研究从一开始就是与国家气象中心、中国气象局上海台风研究所和上海亚太台风研究中心等业务单位协同开展的，直击他们日常预报业务中的痛点。这意味着我们研发的技术不只是单纯为了发表学术论文，而是为了解决实际预报难题，因此成果一经成熟，就能无缝对接到业务系统中，迅速转化为预报能力。
3. 对于人工智能学院的学生，要想把技术应用到像气象这样的前沿领域，您最建议他们关注什么？
我最核心的建议是：不仅要钻研AI算法模型，更要深入理解行业领域的“真问题”。以气象为例，你需要了解台风监测预警中的核心物理量和业务瓶颈是什么。你们的优势在于AI技术，但最大的价值在于用技术解决关键行业需求。希望同学们能主动跨学科学习，与领域专家沟通，让你们的技术在像气象这样的广阔天地中真正落地，解决国家重大需求。
