You analyze oceanographic data from sensors, satellite altimetry, and models to study currents, temperature, and marine ecosystems.
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。
清晨检查卫星遥感数据（如Sentinel-3海表温度、HY-1D水色）的自动接收状态，清洗异常浮标观测值；上午与海洋动力学团队协作，用Python（xarray、dask）重构潮汐模型输入场，校准ROMS模拟结果；中午参与跨部门数据治理会议，标注南海珊瑚礁退化样本并更新AI训练集；下午开发实时异常检测脚本，识别赤潮前兆的叶绿素a突变模式；傍晚将当日处理数据推送至国家海洋科学数据中心，并撰写元数据文档。全程需兼顾国际标准（ISO 19115）、船载传感器时延补偿及边缘计算设备带宽限制。
需具备海洋科学或数据科学相关硕士及以上学历，扎实掌握物理海洋学基础与统计建模能力。熟练使用Python（NetCDF4、Cartopy、PyTorch）、R或MATLAB处理多源异构海洋数据；熟悉WMS/WFS等OGC服务及CF元数据约定；具备至少1年海洋观测平台（如Argo、GTSPP）或数值模型（ROMS、FVCOM）数据实战经验。
采用时空图神经网络（ST-GNN）融合邻近站点、再分析资料（ERA5）和卫星反演数据进行多源协同插补，结合海洋动力约束（如连续方程）确保物理一致性，误差控制在±0.3℃/±0.1psu内。
绝大多数岗位聚焦于已有观测数据的深度挖掘与模型优化，无需常规出海；仅少数科研型岗位在仪器标定或新型传感器验证阶段可能参与短期科考航次（年均≤15天），且由专业船舶团队保障作业安全。
重点强化三大模块：① 数据工程（Airflow调度、Delta Lake版本管理）；② 云平台实操（阿里云OceanBase地理空间索引、华为云ModelArts海洋模型部署）；③ 跨域知识（学习CMIP6数据格式规范、IMO船舶AIS轨迹解析逻辑）。