王云鹤，男，副研究员，主要从事极地海冰变化与预测研究，研究涵盖南极和北极，重点关注海冰变率及其驱动机制、可预测性评估和预测模型研发。主要研究进展包括：1）发展了基于人工智能的南极海冰次季节预测模型，总体预测技巧优于ECMWF、NCEP-CFSv2和GFDL-SPEAR等主流动力预测模式；2）发展了基于马尔可夫的北极海冰厚度和海冰密集度季节预测模型，预测技巧优于美国GFDL-FLOR数值模式。3）阐明了ENSO不同位相对南极海冰线性和非线性可预测性的影响，并揭示了西南极冬春季海冰可预测性的年代际下降及其与ENSO的联系；4）揭示了南极冬季云—大气环流—海冰系统的耦合模态，阐明了纬向波3型对该耦合系统的调控作用。在npj、NSR、JC、GRL、TC、ERL、JGR等期刊发表SCI论文22篇，其中以第一或通讯作者12篇；授权发明专利4项，软件著作权1项；主持国家自然科学基金等项目5项。担任npj、CEE、GRL、ERL、Climate Dynamics、JGR等期刊审稿人。

一、研究领域  

极地海冰变化、可预测性及预测方法研究

二、招生专业及方向

气象学（海洋气象方向）；物理海洋学（海洋遥感与数值模拟、预测方法方向）

三、研究室及联系方式

中国科学院海洋环流与波动重点实验室，联系方式：wangyunhe@qdio.ac.cn、15610040352   

四、承担的主要科研项目

1. 国家自然科学基金青年项目（42106223），“南极冬季中层云对海冰的强迫机制研究”，2022.01—2024.12，主持。

2. 山东省自然科学基金青年项目（ZR2021QD059），“基于马尔可夫模型的南极海冰季节预测”，2022.01—2024.12，主持。

3. 中国博士后科学基金特别资助（站前）（2020TQ0322），“基于马尔可夫模型的北极太平洋扇区海冰季节预测”，2021.01—2022.12，主持。

4. 中国科学院战略性先导科技专项（A类）子课题（XDA19060101），“全球海洋基础数据库构建”，2018.01—2022.12，项目骨干。

五、研究成果及奖励

1. 发展了基于人工智能的南极海冰次季节预测模型，总体预测技巧优于ECMWF、NCEP-CFSv2和GFDL-SPEAR等主流预测模式。

2. 发展了基于马尔可夫的北极海冰厚度和海冰密集度季节预测模型，预测技巧优于美国GFDL-FLOR数值模式。

3. Journal of Oceanology and Limnology 年度优秀论文奖，2023

4. 海洋所“优秀博士后”激励计划， 2022                        

六、代表性论文及著作

1. Yunhe Wang, Xiaojun Yuan*, Yibin Ren, Xiaofeng Li*, and Arnold L. Gordon. ENSO's Impact on Linear and Nonlinear Predictability of Antarctic Sea Ice. npj Climate and Atmospheric Science, 2025, 8(1): 77. https://doi.org/10.1038/s41612-025-00962-9

2. Yunhe Wang, Xiaojun Yuan, Xiaofeng Li*, Yibin Ren, and Bernard Wang. Multidecadal Changes in ENSO Drive a Substantial Decline in West Antarctic Sea Ice Predictability. Geophysical Research Letters, 2026, 53(15): e2026GL123531. https://doi.org/10.1029/2026GL123531

3. Yunhe Wang, Xiaojun Yuan*, Haibo Bi, Yibin Ren, Yu Liang, Cuihua Li, and Xiaofeng Li*. Understanding Arctic Sea Ice Thickness Predictability by a Markov Model. Journal of Climate, 2023, 36(15): 4879–4897. https://doi.org/10.1175/JCLI-D-22-0525.1

4. Yunhe Wang, Xiaojun Yuan*, Yibin Ren, Mitchell Bushuk, Qi Shu, Cuihua Li, Xiaofeng Li*. Subseasonal Prediction of Regional Antarctic Sea Ice by a Deep Learning Model. Geophysical Research Letters, 2023, 50(17), e2023GL104347. https://doi.org/10.1029/2023GL104347

5. Yunhe Wang, Xiaojun Yuan*, Mark A. Cane. Coupled mode of cloud, atmospheric circulation, and sea ice controlled by wave-3 pattern in Antarctic winter. Environmental Research Letters, 2022, 17(4): 044053. https://doi.org/10.1088/1748-9326/ac5272

6. Yunhe Wang, Xiaojun Yuan*, Haibo Bi, Mitchell Bushuk, Yu Liang, Cuihua Li, Haijun Huang. Reassessing seasonal sea ice predictability of the Pacific-Arctic sector using a Markov model. The Cryosphere, 2022, 16(3): 1141-1156. https://doi.org/10.5194/tc-16-1141-2022

7. Yunhe Wang, Xiaojun Yuan, Haibo Bi*, Yu Liang, Haijun Huang*, Zehua Zhang, and Yanxia Liu. The Contributions of Winter Cloud Anomalies in 2011 to the Summer Sea-Ice Rebound in 2012 in the Antarctic. Journal of Geophysical Research: Atmospheres, 2019, 124: 3435-3447. https://doi.org/10.1029/2018JD029435

8. Yunhe Wang, Haibo Bi*, and Yu Liang. A satellite-observed substantial decrease in multiyear ice area export through the Fram Strait over the last decade. Remote Sensing, 2022, 14:2562. https://doi.org/10.3390/rs14112562

9. Yunhe Wang, Haibo Bi*, Haijun Huang*, Yanxia Liu, Yilin Liu, Xi Liang, Min Fu, Zehua Zhang. Satellite-observed trends in the Arctic sea ice concentration for the period 1979-2016. Journal of Oceanology and Limnology, 2019, 37(1): 18–37. https://doi.org/10.1007/s00343-019-7284-0

10. Haibo Bi, Yunhe Wang*, Wenfeng Zhang, Zehua Zhang, Yu Liang, Yi Zhang, Wenmin Hu, Min Fu, and Haijun Huang*. Recent satellite-derived sea ice volume flux through the Fram Strait: 2011-2015. Acta Oceanologica Sinica, 2018, 37(9): 107–115. https://doi.org/10.1007/s13131-018-1270-9