You process large atmospheric and oceanic datasets to identify climate trends, build predictive models, and support policy decisions on emissions and adaptation.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
上午9:00–10:30，清洗并校验来自CMIP6、GHCN或卫星遥感（如MODIS、Sentinel-5P）的多源气候时序数据，处理缺失值与空间插值；10:30–12:00，构建LSTM或图神经网络模型预测区域极端降水概率，调参并评估Brier评分与ROC-AUC；午后13:30–15:00，将模型输出接入GIS平台生成热力图，与城市规划部门协同标注高风险洪涝街区；15:30–17:00，撰写可复现分析报告（Jupyter+Markdown），同步至内部Git仓库，并为政策简报提炼3条可操作建议——例如“建议浦东新区在2025年前升级泵站响应阈值至48小时累积雨量≥120mm”。
需具备气象学、环境科学或数据科学相关硕士及以上学历，熟练掌握Python（xarray、scikit-learn、PyTorch）、Linux命令行及NetCDF/HDF5数据格式。核心能力包括气候统计建模、时空插值方法（如Kriging）、CMIP数据解读经验，以及基础气候物理知识（如ENSO机制、辐射强迫原理）。
气象预报员聚焦短临（0–7天）数值模式业务运行与公众预警发布；气候数据科学家专注中长期（月–世纪尺度）趋势归因、风险建模与决策支持，强调统计学习、多模型集合分析及跨部门政策转化，不参与日常天气会商。
无需推导原始方程，但须理解Navier-Stokes简化假设（如准地转近似）、参数化方案局限性（如云微物理对降水模拟的影响），能据此诊断模型偏差来源并选择合适后处理方法。
政府岗（如国家气候中心）侧重基础数据产品研制与国家适应战略支撑，流程规范、项目周期长；企业岗（如新能源公司、ESG咨询机构）更关注商业场景落地——如风电场功率预测优化、碳核算中的气候风险折价模型，要求快速迭代与客户沟通能力。