高川，副研究员，硕士生导师，主要从事热带海气相互作用、海洋数值模拟和资料同化及人工智能海洋学对ENSO和气候预测研究。优化用于ENSO实时预测的海气耦合模式（IOCAS ICM）并创建其四维变分同化系统，每月为国内外机构提供ENSO实时预测结果，奠定了海洋所在ENSO实时预测领域的国际地位；利用基于物理和纯数据驱动的人工智能模型研究ENSO事件的物理机制和可预报性，促进AI海气相互作用表征和预测研究的创新变革。2016年博士毕业于中国科学院大学物理海洋学专业，并荣获中国科学院院长优秀奖，博士学位论文被评为2017年度中国科学院优秀博士学位论文。2019年赴美国科罗拉多大学开展为期一年的访学工作。目前发表学术论文40余篇，其中SCI论文30余篇，引用数累积1000余次；出版《中间型海洋-大气耦合模式及其ENSO模拟和预测》专著一部并获得海洋优秀科技图书奖；参与《10000个科学难题：海洋科学卷》的章节撰写；主持国家自然科学基金面上项目、青年项目等多项国家级课题；受邀担任NPJ、JC等杂志的审稿人。

一、研究领域 

1、热带海气相互作用

2、ENSO数值模拟和预测及资料同化

3、多圈层过程对气候的调制影响

二、招生专业及方向

物理海洋学：海洋遥感与数值模拟、预测方法

环境工程：海洋环境工程

欢迎具有海洋、大气、物理、数学背景并对海洋数值模拟有浓厚兴趣的同学报考！

三、研究室及联系方式

海洋环流与波动重点实验室

邮箱：gaochuan@qdio.ac.cn 

四、承担的主要科研项目

1. 国家自然科学基金面上项目，大气随机风场和海气界面淡水通量对ENSO模拟和预测的影响，2022-2025，主持

2. 中国科学院战略性先导科技专项（B类）子课题，印太交汇区高分辨率多圈层模式构建与发展，2020-2024，主持

3. 国家自然科学基金青年项目，四维变分资料同化方法在简单海气耦合模式中的应用及其对ENSO实时预报的改进，2018-2020，主持

4. 崂山实验室科技创新项目，多圈层/多尺度海气耦合及对年际气候变率的影响，2022-2026，骨干

5. 国家自然科学基金重点项目，热带太平洋海洋生物引发的加热与气候系统相互作用及对ENSO的影响，2021-2025，骨干

6. 国家自然科学基金委重大项目课题，ENSO多变性及其与太平洋年代际变率等的关系，2017-2021，骨干

7. 国家重点研发计划重点专项课题，中小尺度海气相互作用对延伸期预测的影响，2017-2020，骨干

五、研究成果及奖励

（1）ENSO动力学过程分析及机理研究

揭示了海洋次表层上卷海温在厄尔尼诺起源中的重要作用；从海洋通道的新视角解释了赤道西太平洋海表温度暖异常的产生及激发海气相互作用的机制，从一个新视角阐述了厄尔尼诺事件起源的过程和机制；阐明了风应力强迫和温跃层热力强迫在持续性拉尼娜事件中的重要作用，尤其是对最近发生的连续三年的2020-2022年拉尼娜现象；利用ICM对2015年El Niño事件进行实时预测，并就其二次变暖的相关动力学过程进行诊断分析。拓展了ENSO起源的认知，对ENSO过程的认知和合理表征等可转化为模式对ENSO预测能力的提高上。

（2）利用人工智能模型开展ENSO的物理机制和可预报性研究

利用数据驱动的基于时空注意力机制的Transformer深度学习模型（3D-Geoformer），通过采用滚动预测的方式（类似于动力耦合模式）进行ENSO预测，能成功预测出2020年拉尼娜事件和2021年二次变冷事件，包括表层风场和上层海洋三维温度场的协同演变，特别是2021年年中赤道东太平洋次表层海温负异常的再次出现和相应的海表温度演变的转折点；同时，还利用基于深度学习的3D-Geoformer进行了一系列敏感性试验，通过在预测因子中考虑调节风场强迫和次表层热力效应对SST的影响来综合解释了其成功预测的原因。利用基于纯数据驱动的人工智能模型研究ENSO事件的物理机制和可预报性，促进了AI海气相互作用表征和预测研究的创新变革。

（3）动力模式的构建与应用及四维变分同化系统的建立

具有丰富的大尺度海洋环流和海气耦合模式经验，包括基于中间型海气耦合模式开展ENSO动力学研究；基于混合型海气耦合模式开展热带太平洋关键海气过程对ENSO的调制影响研究；建立了一个四维变分同化系统并开展ENSO可预报性和预测改进研究。例如，将四维变分（4D-Var）资料同化方法引入到中国科学院海洋研究所运行的中间型海气耦合模式（IOCAS ICM）中，成功建立了基于IOCAS ICM的4D-Var同化系统，有效改善了模式对ENSO模拟和预测效果；已将条件非线性最优扰动（CNOP）方法应用到IOCAS ICM中，开展ENSO的可预报性研究。基于混合型海气耦合模式模拟分析，可分别或同时表征淡水通量和海洋生物引发加热的年际变化对ENSO的调制作用来分离二者相关的反馈过程，从而以一个清晰的方式验证二者对ENSO的单独或共同反馈效应，揭示了热带太平洋海表淡水通量强迫和海洋生物引发加热的年际变化对ENSO的调制作用。构建基于ROMS的混合型海气耦合模式表征叶绿素引发的气候反馈过程对ENSO的调制影响。

六、代表性论文及著作 （*为通讯作者）

[1] Du, S., R.-H. Zhang*, C. Gao*, 2025: Retrospective ENSO predictions using an intermediate ocean-atmosphere coupled model with integrating deep learning sea surface wind stress, Journal of Oceanology and Limnology, DOI： 10.1007/s00343-025-5166-1

[2] Gong, M., L. Zhang, C. Gao, H. Wang, X. Chen, and X. Zhang, 2025: A Hybrid Adaptive Covariance Inflation Method for EnKF-Based ENSO Prediction. J. Climate, 38, 627–643

[3] Zhang, W., C. Gao*, F. Tian, Y. Yu, H. Wang, R.-H. Zhang*, 2024: Representing ocean biology-induced heating effects in ROMS-based simulations for the Indo-Pacific Ocean. Frontiers in Marine Science 11:1473208. doi: 10.3389/fmars.2024.1473208

[4] Zhang, R.-H.*, L. Zhou, C. Gao*, Tao L., 2024: Real-time predictions of the 2023–2024 climate conditions in the tropical Pacific using a purely data-driven Transformer model. Science China Earth Sciences, 67(12): 3709-3726.

[5] Zhang, R.-H.*, L. Zhou, C. Gao*, Tao L., 2024: A transformer-based coupled ocean-atmosphere model for ENSO studies. Science Bulletin, 69(15): 2323-2327.

[6] Chen, M., C. Gao*, R.-H. Zhang*, 2024: How the central-western equatorial Pacific easterly wind in early 2022 affects the third-year La Niña occurrence. Climate Dynamics, 62: 3047-3066.

[7] Gao, C., R.-H. Zhang*, 2023: A mechanism for the generation of a warm SST anomaly in the western equatorial Pacific: A pathway perspective. Journal of Geophysical Research: Oceans, 128(11), e2023JC020119.

[8] Gao, C., L. Zhou, R.-H. Zhang*, 2023: A transformer-based deep learning model for successful predictions of the 2021 second-year La Niña condition. Geophysical Research Letters, 50(12), e2023GL104034. （Top Viewed Article）

[9] Gao, C., M. Chen, L. Zhou, L. Feng, R.-H. Zhang*, 2022: The 2020–2021 prolonged La Niña evolution in the tropical Pacific. Science China Earth Sciences, 65(12): 2248-2266. (封面文章、年度热点论文)

[10] Chen, L., R.-H. Zhang*, C. Gao, 2022: Effects of temperature and salinity on surface currents in the equatorial Pacific. Journal of Geophysical Research: Oceans, 127, e2021JC018175.

[11] Zhang, R.-H. *, C. Gao, L. Feng, 2022: Recent ENSO evolution and its real-time prediction challenges. National Science Review, 9(4): nwac052.

[12] Gao C., R.-H. Zhang*, K. Karnauskas, L. Zhang, F. Tian, 2020: Separating freshwater flux effects on ENSO in a hybrid coupled model of the tropical Pacific. Climate Dynamics, 54(11): 4605-4626.

[13] Tao, L.-J., C. Gao, R.-H. Zhang*, 2019: Model parameter-related optimal perturbations and their contributions to El Niño prediction errors. Climate Dynamics, 52(3-4): 1425-1441.

[14] Tao, L.-J., C. Gao, R.-H. Zhang*, 2018: ENSO Predictions in an Intermediate Coupled Model Influenced by Removing Initial Condition Errors in Sensitive Areas: A Target Observation Perspective. Advances in Atmospheric Sciences, 35(7): 853-867.

[15] Gao, C., R.-H. Zhang*, X. Wu, J. Sun, 2018: Idealized experiments for optimizing model parameters using a 4D-Variational method in an intermediate coupled model of ENSO. Advances in Atmospheric Sciences, 35(4): 410-422.

[16] Zhang, R.-H. *, C. Gao, 2017: Processes involved in the second-year warming of the 2015 El Niño event as derived from an intermediate ocean model. Science China Earth Sciences, 60(9): 1601-1613.

[17] Gao C., R.-H. Zhang*, 2017: The roles of atmospheric wind and entrained water temperature (Te) in the second-year cooling of the 2010-12 La Niña event. Climate Dynamics, 48(1): 597-617.

[18] Gao C., X. Wu, R.-H. Zhang*, 2016: Testing a four-dimensional variational data assimilation method using an improved intermediate coupled model for ENSO analysis and prediction. Advances in Atmospheric Sciences, 33(7): 875-888.

[19] Zhang, R.-H. *, C. Gao, 2016: Role of subsurface entrainment temperature (Te) in the onset of El Niño events, as represented in an intermediate coupled model. Climate Dynamics, 46(5): 1417-1435.

[20] Zhang, R.-H. *, C. Gao, 2016: The IOCAS intermediate coupled model (IOCAS ICM) and its real-time predictions of the 2015-16 El Niño event. Science Bulletin, 61(13): 1061-1070.

[21] Zhang, R.-H. *, C. Gao, X. Kang, H. Zhi, Z. Wang, L. Feng, 2015: ENSO Modulations due to Interannual Variability of Freshwater Forcing and Ocean Biology-induced Heating in the Tropical Pacific. Scientific Reports, 5: 18506.

【专著】张荣华，高川，王宏娜，陶灵江，中间型海洋-大气耦合模式及其ENSO模拟和预测，科学出版社，2021.1。ISBN 978-7-03-067235-3.P732.6，427000字，277页；2023年度海洋优秀科技图书入库名单