袁健 - 南京大学 - 大气科学学院

个人简介

袁健，男，现任南京大学大气科学学院教授。2000年本科毕业于北京大学地球物理系，获大气科学专业学士学位，随后于2000年和2007年分别获得了北京大学地球物理系大气物理与大气环境硕士学位和美国华盛顿大学大气科学系大气科学博士学位。2008年至2012年在美国华盛顿大学大气科学系中尺度研究组从事博士后研究。研究领域包括气候过程、云的辐射收支、有组织对流、云物理参数化和卫星遥感反演等。于2012年加入南京大学大气科学学院／全球变化研究院。本人研究兴趣为气候尺度与云有关的物理气候过程研究，包括云系统的多尺度宏观结构及微观统计物理特性，云物理及热动力过程，云辐射效应及其对大气环流与地气系统辐射收支的影响等。本研究组主要目标是通过被动和主动卫星遥感资料分析、辐射传输计算以及云模式、气候模式和单柱模式模拟等方法理解不同尺度对流系统在不同时间及空间尺度下的结构变化特征及相关热、动力学过程，进而进一步理解其对大气环流、冰云云量、冰云光学特性及大气辐射的影响及相与环境物理因素的相互作用，为诊断长期气候变化中云的模拟提供依据以进一步改善气候模式中的云的表达。近期科研专注于：深对流系统宏观组织特征、深对流宏观特征与内部结构的关联及其对高空冰云的特性和辐射效应的影响、云系统非绝热加热特征及其对环流的影响。教育经历 2007 美国华盛顿大学大气科学系博士（导师：Dennis L. Hartmann） 2000 北京大学地球物理系硕士（导师: 赵柏林、朱元竞） 1997 北京大学地球物理系学士工作经历 2012－至今南京大学大气科学系教授 2008-2012 美国华盛顿大学大气科学系博士后（导师：Robert A. Houze）

研究领域

有组织对流的特征、结构及其可能的物理气候效应云的辐射效应与气候变化的相互作用云物理参数化卫星遥感反演大气关键参量及其资料应用

近期论文

查看导师新发文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

Yuan*, J., (2016), Variability of Oceanic Deep Convective System Vertical Structures Observed by CloudSat in Indo-Pacific Regions Associated with the Madden-Julian Oscillation, J. Geophys. Res. Atmos., 121, doi:10.1002/2016JD025262 . Yuan*, J. and Robert A. Houze, Jr., 2013: Deep Convective Systems Observed by ATrain in Regions Affected by the Madden-Julian Oscillation, J. Atmos. Sci., 70,465-486. Yuan*, J., R. A. Houze, Jr. and A. Heymsfield, 2011: Vertical structures of anvil clouds of tropical mesoscale convective systems observed by CloudSat. J. Atmos. Sci., 68, 1653-1674. Yuan*, J., and R. A. Houze, Jr., 2010: Global variability of mesoscale convective system anvil structure from A-train satellite data. J. Climate, 23, 5864-5888 Yuan*, J., and D. L. Hartmann, 2008: Spatial and temporal dependence of clouds and their radiative impacts on the large-scale vertical velocity profile, J. Geophys. Res., 113, D19201, doi:10.1029/2007JD009722. Yuan*, J., D.L. Hartmann and R. Wood, 2008: Dynamic Effects on Tropical Mean Cloud Radiative Forcing and Radiation Budget. J. Climate, 21, 2337-2351. Yuan*, J., Q. Fu, and N. McFarlane, 2006: Tests and improvements of GCM cloud parameterizations using the CCCMA SCM with the SHEBA dataset. Atmos. Res., 82, 222-238.