一、教育背景

2018/09-2019-09 哥伦比亚大学，应用数学，联合培养博士

2016/09-2020/06 华东师范大学，自然地理学，博士

2013/09-2016/06 南宁师范大学，概论论与数理统计，硕士

2008/09-2012/06 南宁师范大学，信息与计算科学，本科

二、工作经历

2024/04至今 深圳技术大学，大数据与互联网学院，助理教授，硕导

2020/07-2024/03 中山大学，大气科学，博士后

三、研究兴趣

将地学多源大数据（包括卫星遥感、雷达观测、数值模式与地面观测等）与领域先验物理知识深度融合，以人工智能技术为核心驱动，采用“理论驱动与数据驱动”相结合的建模范式，系统研发具有“数据-知识”耦合特性的气象预报模型。研究重点涵盖人工智能可解释性（XAI）、物理约束下的深度学习等方法，推动人工智能在科学研究（AI for Science, AI4S）中的深入应用。成果具体应用于短临降水预报、台风路径与强度预测、生态农业气象服务、自然灾害气象预警等关键领域，提升预报精度与决策支持能力。

四、科研项目

[1] 中国博士后科学基金面上基金《融合深度学习与注意力机制的台风强度预报技术》，已结题，主持

[2] 广东省基础与应用基础研究基金《基于人工智能的台风路径与强度预报技术研究》，已结题，主持

[3] 中央高校基本科研业务费青年教师团队项目《基于人工智能的台风预报技术及前期引导气流定量贡献》，已结题，主持

[4] 国家重点研发计划《海洋大气多尺度动力过程的数值模拟与评估》，在研，参与

[5] 广东省基础与应用基础研究基金气象联合基金《基于气象大数据的台风预测技术：以华南沿海为例》，在研，主持

[6] 深圳市留(来)深博士后科研资助项目，在研，主持

[7] 国家自然科学基金项目《基于深度学习与物理机制约束的近海台风路径精细化订正研究》，在研，主持

五、主要成果及荣誉

期刊论文（一作或通讯）

[1] Intelligent Reconstruction of Radar Composite Reflectivity Based on Satellite Observations and Deep Learning (2024). Remote Sensing. https://doi.org/10.3390/rs16020275

[2] Estimating tropical cyclone intensity via deep learning and storm morphology recognition from satellite imagery (2025). IEEE Transactions on Geoscience and Remote Sensing.

[3] Similar growth variability in natural and planted forests of Chinese pine (2025). Annals of Forest Science.

[4] Deep learning model based on multi-scale feature fusion for precipitation nowcasting (2024). Geoscientific Model Development. https://doi.org/10.5194/gmd-17-53-2024

[5] TSRC: A Deep Learning Model for Precipitation Short-Term Forecasting over China Using Radar Echo Data (2023). Remote Sensing. https://doi.org/10.3390/rs15010142

[6] Tropical Cyclone Intensity Estimation Using Himawari-8 Satellite Cloud Products and Deep Learning (2022). Remote Sensing. https://doi.org/10.3390/rs14040812

[7] Projected changes of typhoon intensity in a regional climate model: Development of a machine learning bias correction scheme (2021). International Journal of Climatology.

https://doi.org/10.1002/joc.6987

[8] Western North Pacific tropical cyclone track forecasts by a machine learning model (2020). Stochastic Environmental Research and Risk Assessment.

https://doi.org/10.1007/s00477-020-01930-w

[9] A prediction scheme of tropical cyclone frequency based on lasso and random forest (2018). Theoretical and applied climatology. https://doi.org/10.1007/s00704-017-2233-3s

国家发明专利

[1] 谭金凯. 一种基于点云体素的台风定强方法,系统,设备及介质: CN114049545A[P]. 2022.

[2] 谭金凯, 陈生. 一种台风中心位置偏移量生成方法及台风中心定位方法: CN114550007A[P]. 2022.

[3] 谭金凯. 基于变分自编码的台风云图外推方法、系统、设备和介质: CN115661277B[P]. 2023.

主要荣誉

[1] 第十届“华为杯”全国研究生数学建模竞赛二等奖

[2] 2011年“互动出版杯”数学中国数学建模挑战赛全国一等奖

六、联系方式

如果您在某一领域有新颖的idea，比如XAI、AI4S，我愿意与您共同学习。欢迎报考！

邮箱：tanjinkai@sztu.edu.cn