杨毅，男，江苏人，1980年生，博士，教授，博士研究生导师，副院长。甘肃省 LJRC（第二层次），首批甘肃省陇原青年英才，第四批甘肃省飞天学者特聘教授，全国气象教学名师。甘肃省高等学校地理、环境类专业教学指导、认证与教材建设委员会委员，世界天气研究计划中国委员会（CNC-WWRP)委员，中国气象服务协会雷达气象水文技术委员会副主任委员，《干旱气象》、《热带气象学报》、《暴雨灾害》和《气象与环境学报》编委。
2002年毕业于兰州大学大气系，获理学学士学位，2007年获理学博士学位，随后留校工作至今。曾两次到美国Oklahoma大学客座访问。
E-mail：yangyi@lzu.edu.cn
研究方向：
资料同化、数值天气预报、短期气候预测
学习和工作经历：
1998.09-2002.06 兰州大学大气系 学士
2002.09-2007.06 兰州大学大气科学学院 博士
2007.10-2010.04 兰州大学大气科学学院 讲师
2008.07-2009.09 美国俄克拉荷马大学CAPS 访问学者
2010.05-2015.05 兰州大学大气科学学院 副教授
2015.05-至今 兰州大学大气科学学院 教授
2017.06~2018.06 美国俄克拉荷马大学CIMMS 访问学者
主持、参加的科研项目：
16. 主持甘肃省科学技术协会2023年创新驱动助力工程项目重点项目：多源观测资料同化技术与CALMET降尺度方法对新能源近地层风速预测的改进研究（GXH20230817-7，2023.08-2024.08）
15. 主持国家自然科学基金：数值模拟研究下垫面增植和人为碳减排对中国陆地区域 “碳中和”的影响 （No.42275162, 2023.01-2026.12, 55万元）
14. 主持中国气象局地球系统数值预报中心项目：CMA-GFS同化系统效果评估及利用双偏振雷达改进云分析系统（2022.12-2023.12，80万元）
13. 主持中国气象局地球系统数值预报中心项目：天气雷达反射率直接同化子系统（2022.06-2023.06，55.5万元）
12. 主持国家气象中心项目：气象雷达资料数值预报应用系统建设（二期第二年）径向风同化子系统项目（2021.09-2022.09，99.22万）
11. 主持国家气象中心项目：气象雷达资料数值预报应用系统建设（二期第一年）径向风同化子系统项目（2020.06-2021.06，80万）
10. 主持国家气象中心项目：气象雷达资料数值预报应用系统建设（一期）径向风同化子系统项目（2019.03-2020.04，89.4万）
9. 参加国家重点研发计划项目:“副热带地区区域模式关键技术及其应用”第2课题（No.2017YFC1502102，2018.01-2021.12，60万）
8. 主持国家自然科学基金：“基于动态下垫面和Nudging同化技术的高时空分辨率气候场构建研究”（No.41675098，2017.01-2020.12，68万）
7. 主持干旱气象科学研究基金项目：“兰州C波段多普勒雷达质量控制系统研制”（No. IAM201513, 2015.11.01-2017.10.31）
6. 参加973项目：“雷电重大灾害天气系统的动力-微物理-电过程和成灾机理”第6课题（No.2014CB441406，2014.01-2018.12，58.15万）
5. 参加国家自然科学基金重点项目：人类活动对气候变化的影响：减少数值模拟不确定性的方法及其应用研究（No.41330527，2014.01-2018.12）
4. 主持国家自然基金：基于地/天基激光雷达资料边界层高度诊断、同化及应用（No.41375109 ，2014.01-2017.12，85万）
3. 主持国家自然科学基金：闪电定位网资料同化技术研究（No.41175092，2012.01-2015.12，63万）
2. 主持甘肃省自然科学基金：面向业务灾害性精细数值天气预报的多普勒雷达回波反射率同化关键技术研究（No. 1010RJZA118，2010.01-2012.12）
1. 主持国家青年自然科学基金：提高用集合卡尔曼滤波方法同化雷达资料的效率的研究（No.40805044，2009.01-2011.12）
指导的学生：
在读：
顾凯强（硕博连读）、赵永红（硕博连读）、李泽楷（硕博连读）、孔祥伟（博士）、张喆（硕博连读）、卞非凡（硕士）、邓威龙（硕士）、王灏（博士）、黄晓远（博士）、李哲（博士）、曹鑫宇（硕士）、李坤翰（硕士）、郭建宇（硕士）、江睿康（硕士）
已毕业：
杨丽丽（硕士、甘肃省环境监测中心站）、王莹（硕博连读、南京信息工程大学）、马媛媛（硕博连读、中科院西北生态环境资源研究院）、韩文宇（硕士、 兰州环境保护局）、李红（硕士和博士、中国气象局兰州干旱气象研究所、甘肃省优秀硕士论文）、买小平（硕士、国家海洋环境预报中心）、党蕊君（硕博连读、国防科技大学）、蔺而亮（硕士、中国人民解放军某部、甘肃省优秀硕士论文）、李巧(硕士、中科院地理所)、刘鹏（硕博连读、美国俄克拉荷马大学）、孔祥伟（硕士、甘肃省气象局）、王学森（硕士、山东电力工程咨询院）、甘茹蕙（硕士和博士、兰州大学）、刘一博（硕士、连云港气象台）、解潜（硕博连读、美国俄亥俄大学、兰州大学优秀博士论文）、郭树昌（硕博连读，中国人民解放军某研究所）、杨志达（硕博连读、中科院地理所）、尹泽伦（硕士、空军研究院）、苏士翔（博士、陕西省气象局）、朱姜韬（博士、大连舰艇学院）、张钰（硕士、北京市通州气象局）、王轩南（硕士、转兰大博士）
表彰/奖励：
17. 甘肃省 2026 年国家级高等教育（本科）教学成果奖培育成果特等奖，2026年
16. 辽宁省科技进步奖二等奖，东北冷涡影响下暴雨预报关键技术及应用，4/8，2025年
15. 天津市科技进步奖二等奖，基于国产超算平台的强对流天气区域数值预报关键技术及应用，2/8，2025年
14. 全国气象教学名师，2024年
13. 甘肃省科技进步奖三等奖，甘肃河西风能太阳能高分辨率数值预报系统，2/8，2024年
12. 甘肃省 LJRC（第二层次），2023年
11. 《青藏高原大地形的动力和热力作用虚拟仿真实验》国家级一流本科课程，2023年
10. 全国气象教学团队，2/8，2022年
9. 2021年度甘肃省专利发明人奖，2022年
8. 第四批甘肃省飞天学者特聘教授，2022年
7. 首批甘肃省陇原青年英才，2022年
6. 2021年兰州大学第十一届大学生创新创业大赛暨第七届中国国际“互联网+”大学生创新创业大赛兰州大学选拔赛优秀指导教师，2021年
5. 中国气象服务协会气象科技创新奖二等奖，“新能源预测关建技术创新及其应用推广”，2/7，2020年
4. 第六届中国国际“互联网+”大学生创新创业大赛甘肃省分赛优秀创新创业导师，2020年
3. 甘肃省优秀硕士论文指导教师，2017，2021年
2. 教育部自然科学奖二等奖，4/4，2007年，获奖项目“多普勒雷达资料的反演研究”
1. 甘肃省气象学会首届青年优秀科技论文一等奖，2010年
知识产权：
19. 杨毅，李红，甘茹蕙，一种反射率因子反演的垂直速度的三维变分同化方法，发明专利号ZL 2023 1 0544512.3，授权公告日 2026年06月26日
18. 杨毅，苏士翔，顾凯强，一种估算中国陆地区域高分辨率大气二氧化碳浓度的方法，发明专利号ZL202411520978.0，授权公告日2025年10月3日
17. 基于DBN-SVR的海表面温度预测系统，软件著作权登记号：2024SR1655175
16. 基于云计算平台的风电功率预测系统，软件著作权登记号：2024SR0521968
15. 基于深度学习方法的闪电临近预报系统，软件著作权登记号：2024SR0521155
14. 基于数值天气预报背景场再订正的多普勒雷达径向速度退模糊系统，软件著作权登记号：2024SR1178779
13. 甘茹蕙，杨毅，一种抑制虚假对流的方法，发明专利号ZL202110651804.8，授权公告日2023年3月10日
12. 郭树昌，杨毅，刘鹏，甘茹蕙，杨志达，基于卷积神经网络的闪电频数预报方法，发明专利号ZL202010836991.2，授权公告日2022年11月4日
11. 蔺而亮，杨毅，陈东辉，一种用于雷达资料高频同化的Nudging逼近多时刻3DVar分析场方法，发明专利号ZL202110650892.X，授权公告日2022年8月23日
10. 甘茹蕙，杨毅，郭树昌，一种通过同化闪电资料改进强对流预报的方法，发明专利号ZL202110089247.5，授权公告日2022年5月27日
9. 刘鹏，杨毅， 一种风云四号卫星闪电成像仪资料同化方法，发明专利号ZL201911073689.X，授权公告日2022年2月22日
8. 杨毅，甘茹蕙，一种同化雷达及闪电资料的方法，发明专利号ZL201910346062.0，授权公告日2021年5月4日
7. 杨毅，马锁堂，王莹，基于图像识别的多普勒雷达径向速度退模糊方法，发明专利号ZL201710011017.0，授权公告日2019年2月19日
6. 杨毅，韩文宇，王莹，用于强对流天气预报的同化地闪转换代理雷达回波的方法，发明专利号ZL201611024898.1，授权公告日2019年6月28日
5. 杨毅，李红，党蕊君，一种有云情况下激光雷达资料反演边界层高度的方法，发明专利号ZL201610961387.6，授权公告日2019年2月5日
4. 杨毅，党蕊君，李红，反演边界层高度的方法、装置、计算机设备及存储介质，发明专利号ZL201710774967.9，授权公告日2019年7月9日
3. 王莹，杨毅，一种运用物理初始化同化地闪资料的方法，发明专利号ZL201410110400.8，授权公告日2016年8月17日
2. 杨毅，陈欣，一种基于多普勒雷达资料的层云与对流云自动识别方法，发明专利号ZL201210071837.6，授权公告日2014年3月26日
1. 杨毅，马锁堂，“多普勒雷达径向风退模糊软件”， 软件著作权登记号：2014SR045955
教学相关：
30. 甘肃省 2026 年国家级高等教育（本科）教学成果奖培育成果特等奖，1/10，2026年
29. 兰州大学教学成果奖特等奖，1/16，2026年
28. 兰州大学优秀博士论文指导教师，2025年
27. 甘肃省“十四五”普通高等教育省级规划教材建设项目：《大气数值模式及模拟》，2024年
26. 甘肃省“十四五”普通高等教育省级规划教材：《数值天气预报基础》，2024年
25. 甘肃省2024年高等学校人才培养质量提升项目-优秀基层教学组织：大气科学虚拟仿真教学实验室，2024年
24. 入选全国气象教学名师，2024年
23. 教育部教育技术与资源发展中心（中央电化教育馆）高度学校虚拟仿真教学创新实验室项目：大气科学虚拟仿真教学实验室，2/5，2024年
22. 《青藏高原大地形的动力和热力作用虚拟仿真实验》国家级一流本科课程，1/5，2023年
21. 甘肃省教学成果培育项目：虚实结合的数字化大气科学实验教学模式创新与实践探索，1/9，2023年
20. 杨毅等，教育部高等教育司2022年度基础学科拔尖学生培养计划2.0研究课题：大气科学学科中外拔尖学生培养模式比较研究（No.20222168），2022年
19. 甘肃省教学成果培育项目：面向国家一流课程建设的混合式教学方法 SV2QR 研究，2/5，2022年
18. 王澄海，张飞民，杨毅等，线上线下混合式教学的SV2QR方法及实践，高教学刊，2022（29）：31-34
17. 王金艳，杨毅，李旭等，一流课程建设背景下的高校实验课程改革——以大气科学虚拟仿真实验课程为例，高教学刊，2022（22）：23-27
16. 入选全国气象教学团队，2022年（王澄海，杨毅，张飞民，杨凯，沈学顺，隆霄，陈思宇，张铁军，第202207号）
15. 杨毅，兰州大学2021年度隆基教育教学奖“隆基教学骨干奖”，2022
14. 王天河，唐靖宜，杨毅，中美高校大气科学本科人才专业能力培养的比较与思考[J]，高等理科教育, 2021(3)：74-79
13. 杨毅，张飞民，靳双龙等，大气科学专业创新创业实践教学方法改革与实践，兰州大学2021年度校级教学成果奖二等奖，2021
12. 王澄海，杨毅、张飞民等，《数值天气预报》课程混合式教学方法改革与实践，兰州大学2021年度校级教学成果一等奖，2021
11. 杨毅，中国高等教育学会理科教育专业委员会高等理科教育研究课题，大气科学学科跨学科人才培养模式的研究，2020
10. 杨毅，王金艳，李旭，隆霄，张飞民，虚拟仿真实验教学省级一流课程《青藏高原大地形的动力和热力作用虚拟仿真实验》，2020
9. 王澄海，杨毅，张飞民，隆霄，陈思宇，线上线下混合式一流课程《数值天气预报》，2020
8. 杨毅，张飞民，王澄海，2020:《数值天气预报基础》，气象出版社
7. 王澄海，杨毅，隆霄，2020：《大气数值模式及模拟》修订版，气象出版社
6. 王澄海，杨毅，张飞民，隆霄和陈思宇，《数值天气预报》甘肃省高等学校教学团队，2019
5. 隆霄*，王澄海，杨毅，数值天气预报课程教学与实践的改革研究，高等理科教育， 2014，26-29
4. 王金艳*，程一帆，杨毅等，气象统计与预报方法课程研究式教学模式探索，高等理科教育， 2014，21-22
3. 王澄海、隆霄、杨毅，《数值天气预报》甘肃省精品课程，2012
2. 王澄海，隆霄，杨毅， 2011：《大气数值模式及模拟》，气象出版
1. 王澄海*，杨毅，大气科学专业人才培养中的“三·三”式课堂与实践教学模式.高等理科教育，2011(6)：148-151
学术论文：
72. Wang, X., J. Zuo*, Y. Yang*, A. Liu, L. Chen, and J. Zhao. 2026. Atlantic Preconditions Contribute to Shaping the Autumn Indian Ocean Dipole–Winter Atlantic NiñoTeleconnection. International Journal of Climatology 46, no. 2: e70194. https://doi.org/10.1002/joc.70194.
71. Xie, Q., Yang, Y.*, Li, D.* et al. Improving Arctic Polar Low Forecasting through FY-3D MWHS-II Radiance Assimilation during Winter 2020–2021. J Meteorol Res 39, 1005–1024 (2025). https://doi.org/10.1007/s13351-025-4168-4.
70. Daosheng Xu, Zebin Lu, Jeremy Cheuk-Hin Leung, Dingchi Zhao, Yi Li, Yang Shi, Bin Chen, Gaozhen Nie, Naigeng Wu, Xiangjun Tian, Yi Yang, Shaoqing Zhang, Banglin Zhang. (2025) , AI models still lag behind traditional numerical models in predicting sudden-turning typhoons,Science Bulletin,2025,ISSN 2095-9273, https://doi.org/10.1016/j.scib.2025.06.010.
69. Liu, Y., Zhao, Z., Zhang, Z., & Yang, Y.* (2025). A Novel Sea Surface Temperature Prediction Model Using DBN-SVR and Spatiotemporal Secondary Calibration. Remote Sensing, 17(10), 1681. https://doi.org/10.3390/rs17101681.
68. Wang, J., Feng, J., Yang, Y.*, Hu, J. & Yang, J. (2025) A comprehensive quality control algorithm for atmospheric motion vectors and its impacts on analysis and forecast of the China Meteorological Administration Global Forecast System. Quarterly Journal of the Royal Meteorological Society, e4960. Available from: https://doi.org/10.1002/qj.4960.
67. Q. Xie，Deqin Li*, Yi Yang*, Yonghong Zhao, Hong Li, Shengjie Zhu, Xiao Pan (2025), "Exploring the Assimilation of All-Sky FY-4A GIIRS Radiances and Its Forecasts for Binary Typhoons," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, doi: 10.1109/JSTARS.2025.3540209.
66. Shuchang Guo, Yi Yang*, Feimin Zhang, Jinyan Wang, Yifan Cheng, Study on bias correction method of ECMWF surface variable forecasts based on deep learning,Renewable Energy, Volume 239, 2025, 122132，ISSN 0960-1481, https://doi.org/10.1016/j.renene.2024.122132.
65. Li, H., Yang, Y.*, Sun, J., Jiang, Y., Gan, R., and Xie, Q.: A 3D-Var assimilation scheme for vertical velocity with CMA-MESO v5.0, Geosci. Model Dev., 17, 5883–5896, https://doi.org/10.5194/gmd-17-5883-2024, 2024.
64. Z. Yang, Y. Qi*, D. Li* and Y. Yang*, "An Improved Precipitation Nowcasting Algorithm Based on COTREC Method," in IEEE Transactions on Geoscience and Remote Sensing, vol. 62, pp. 1-19, 2024, Art no. 4109619, doi: 10.1109/TGRS.2024.3446826.
63. Shuchang Guo, Yi Yang*, Peng Liu（2024）Assimilation of the deep learning-corrected global forecast system fields into the regional model for improving medium-range persistent precipitation forecasts, Atmospheric Research, Volume 303, 2024, 107318, https://doi.org/10.1016/j.atmosres.2024.107318.
62. Gan, R., Yang, Y.*, Li, H., Guo, S., Xie, Q. & Liu, P. (2023) An economical assimilation scheme for radar reflectivity in non-convective region to suppress spurious precipitation. Quarterly Journal of the Royal Meteorological Society, 1–16. Available from: https://doi.org/10.1002/qj.4571.
61. Li, H., Sun, J., Yang, Y.*, et al. Effects of large-scale constraint and constraint variables on the high-frequency assimilation of radar reflectivity data in convective precipitation forecasting. Clim Dyn (2023). https://doi.org/10.1007/s00382-023-06809-4.
60. Qian Xie, Deqin Li*, Yi Yang*, Yuanyuan Ma, Xiao Pan, Min Chen, Impact of assimilating atmospheric motion vectors from Himawari-8 and clear-sky radiance from FY-4A GIIRS on binary typhoons, Atmospheric Research, Volume 282, 2023, 106550,https://doi.org/10.1016/j.atmosres.2022.106550.
59. Peng Liu, Zhida Yang, Xuesen Wang, Xiaobin Qiu*, Yi Yang*, Assimilation of the pseudo-water vapor derived from extrapolated radar reflectivity to improve the forecasts of convective events,Atmospheric Research,2022，https://doi.org/10.1016/j.atmosres.2022.106386.
58. Guo S, Wang J*, Gan R, Yang Z, Yang Y. Experimental Study of Cloud-to-Ground Lightning Nowcasting with Multisource Data Based on a Video Prediction Method. Remote Sensing. 2022; 14(3):604. https://doi.org/10.3390/rs14030604.
57. Dang, R., Qiu, X., Yang, Y.* & Zhang, S. (2022) Observation system simulation experiments (OSSEs) for assimilation of the planetary boundary-layer height (PBLH) using the EnSRF technique. Q J R Meteorol Soc, 1– 24.
56. Gan, R., Yang, Y.*, Qiu, X., Liu, P., Wang, X., & Gu, K. (2022). A scheme to suppress spurious convection by assimilating the "zero" column maximum vertical velocity. Journal of Geophysical Research: Atmospheres, 127, e2021JD035536.
55. Liu P, Yang, Y.*, Xin Y, Wang C. Impact of Lightning Data Assimilation on Forecasts of a Leeward Slope Precipitation Event in the Western Margin of the Junggar Basin. Remote Sensing. 2021; 13(18):3584. https://doi.org/10.3390/rs13183584.
54. Liu P, Yang, Y.*, Lai A, Wang Y, Fierro AO, Gao J, Wang C. Assimilating FY-4A Lightning and Radar Data for Improving Short-Term Forecasts of a High-Impact Convective Event with a Dual-Resolution Hybrid 3DEnVAR Method. Remote Sensing. 2021; 13(16):3090. https://doi.org/10.3390/rs13163090.
53. 53. Gan, R., Yang, Y.*, Qiu, X., Wang, R., Qiu, X., & Zhu, L. (2021). Assimilation of the maximum vertical velocity converted from total lightning data through the EnSRF method. Journal of Geophysical Research: Atmospheres, 126, e2020JD034300. https://doi.org/10.1029/2020JD034300.
52. Xie, Q., Yang, Y.*, Qiu, X. et al. 3D-var assimilation of GTS observation with the gravity wave drag scheme improves summer high resolution climate simulation over the Tibetan Plateau. Clim Dyn (2021). https://doi.org/10.1007/s00382-021-05720-0.
51. Erliang Lin,Yang, Y.*, et al. Impacts of the radar data assimilation frequency and large-scale constraint on the short-term precipitation forecast of a severe convection case[J]. Atmospheric Research 257, 2021. https://doi.org/10.1016/j.atmosres.2021.105590.
50. Gan, R., Yang, Y.*, Xie, Q. et al. Assimilation of Radar and Cloud-to-Ground Lightning Data Using WRF-3DVar Combined with the Physical Initialization Method—A Case Study of a Mesoscale Convective System.J Meteorol Res 35, 329–342 (2021). https://doi.org/10.1007/s13351-021-0092-4.
49. Mai Xiaoping, Qiu Xiaobin*, Yang Yi*, Ma Yuanyuan, Impacts of Spectral Nudging Parameters on Dynamical Downscaling in Summer over Mainland China. Frontiers in Earth Science 8, 538 (2020). https://doi.org/10.3389/feart.2020.574754.
48. Liu Peng, Yang, Y.*, Gao Jidong, Wang Yunheng, Wang Chenghai. An Approach for Assimilating FY4 Lightning and Cloud Top Height Data Using 3DVAR，Frontiers in Earth Science 10; https://doi.org/10.3389/feart.2020.00288.
47. Zhida Yang, Peng Liu, Yi Yang*, Convective/Stratiform Precipitation Classification Using Ground-Based Doppler Radar Data Based on the K-Nearest Neighbor Algorithm，Remote Sens. 2019, 11(19), 2277; https://doi.org/10.3390/rs11192277.
46. Ma, Yuanyuan, Yang, Yi*, Qiu, Chongjian,et al. Evaluation of the WRF-Lake Model over Two Major Freshwater Lakes in China[J]. JOURNAL OF METEOROLOGICAL RESEARCH,2019,33(2):219-235.
45. Ruijun Dang, Yi Yang*, Xiao-Ming Hu, Zhiting Wang and Shuwen Zhang. A Review of Techniques for Diagnosing the Atmospheric Boundary Layer Height (ABLH) Using Aerosol Lidar Data. Remote Sens. 2019, 11(13), 1590; https://doi.org/10.3390/rs11131590.
44. Ruijun Dang ,Yi Yang*, Hong Li ,Xiao-Ming Hu , Zhiting Wang, Zhongwei Huang, Tian Zhou and Tiejun Zhang. Atmosphere Boundary Layer Height (ABLH) Determination under Multiple-Layer Conditions Using Micro-Pulse Lidar. Remote Sens. 2019, 11(3), 263; https://doi.org/10.3390/rs11030263.
43. Ma, Y., Yang, Y*. & Wang. How essential of the balance between large and small scale features to reproduce precipitation during a sudden sharp turn from drought to flood. Climate Dynamics. 2019,52:5013–5029. https://doi.org/10.1007/s00382-018-4445-3.
42. Gan R, Yang Y*, Ma Y. Modelling the impacts of the Pacific Ocean sea surface temperature anomalies on a drought event in southwestern China with a piecewise‐integration method. Int J Climatol. 2019,39(2):799–813. https://doi.org/10.1002/joc.5843.
41. Wang Y, Yang, Y*, Jin S. Evaluation of Lightning Forecasting Based on One Lightning Parameterization Scheme and Two Diagnostic Methods[J]. Atmosphere, 2018, 9(3).
40. Liu P, Qiu X, Yang, Y*, et al. Assessment of the Performance of Three Dynamical Climate Downscaling Methods Using Different Land Surface Information over China[J]. Atmosphere, 2018, 9(3):101.
39. Mai, X. , Ma, Y. , Yang, Y.*, Li, D. , & Qiu, X. . (2017). Impact of grid nudging parameters on dynamical downscaling during summer over chinese mainland. Atmosphere, 8(10), 184.
38. 李红, 杨毅*, 党蕊君, 天基、地基资料反演边界层高度比较研究[J]. 激光与光电子学进展, 2017, 54(6).
37. Li, H., Y. Yang*, X.-M. Hu, Z. Huang, G. Wang, B. Zhang, and T. Zhang (2017), Evaluation of retrieval methods of daytime convective boundary layer height based on lidar data, J. Geophys. Res. Atmos., 122, 4578–4593, doi:10.1002/2016JD025620.
36. Li, H., Y. Yang*, X.-M. Hu, Z. Huang, G. Wang, and B. Zhang: Application of convective condensation level limiter in convective boundary layer height retrieval based on lidar data, Atmosphere2017, 8(4), 79; doi:10.3390/atmos8040079.
35. Wang, Y., Y. Yang*, Dongxia Liu, Dongbin Zhang, Wen Yao, Chenghai Wang: A Case Study of Assimilating Lightning-Proxy Relative Humidity with WRF-3DVAR. Atmosphere 03/2017; 8(3):20, DOI:10.3390/atmos8030055.
34. Ma, Y.，Y. Yang*, X. Mai, C. Qiu, X. Long, C. Wang: Comparison of Analysis and Spectral Nudging Techniques for Dynamical Downscaling with the WRF Model over China. Advances in Meteorology 01/2016; 2016(2-3):1-16., DOI:10.1155/2016/4761513.
33. Lili Yang, Yi Yang*, Peng Liu, Lina Wang: Radar-Derived Quantitative Precipitation Estimation Based on Precipitation Classification. Advances in Meteorology 01/2016; 2016(11):1-16., DOI:10.1155/2016/2457489.
32. Ruijun Dang, Hong Li, Zhiguo Liu, and Yi Yang*, “Statistical Analysis of Relationship between Daytime Lidar-Derived Planetary Boundary Layer Height and Relevant Atmospheric Variables in the Semiarid Region in Northwest China,” Advances in Meteorology, vol. 2016, Article ID 5375918, 13 pages, 2016. doi:10.1155/2016/5375918.
31. 甘茹蕙, 马媛媛, 杨毅, 等. 兰州地区突发性夜间增温的统计特征[J]. 兰州大学学报(自科版), 2016, 52(5):652-659.
30. 杨丽丽, 王莹, 杨毅*. 利用WRF3D-Var同化多普勒雷达反演风场试验研究[J]. 冰川冻土, 2016, 38(1): 107-114.
29. 韩文宇, 杨丽丽, 杨毅*. C波段雷达资料在强降水过程中的应用[J]. 干旱气象, 2016(1):154-162.
28. 王莹, 杨毅*, 邱晓滨. 集合均方根滤波同化地闪资料的试验研究[J]. 干旱气象, 2015, 33(5):761-768.
27. 李红, 马媛媛, 杨毅*. 基于激光雷达资料的小波变换法反演边界层高度的方法[J]. 干旱气象, 2015(1):78-88.
26. 杨丽丽, 杨毅*, 张廷龙, 等. 基于双多普勒雷达及闪电资料分析一次强降水过程[J]. 高原气象, 2015, 34(2):546-555.
25. MA Yuanyuan, Yi Yang*, Xiao-Ming Hu, et al. Characteristics and mechanisms of the sudden warming events in the nocturnal atmospheric boundary layer: A case study using WRF[J]. Journal of Meteorological Research, 2015, 29(5):747-763, DOI: 10.1007/s13351-015-4101-3.
24. Yang Yi*, Ying Wang, and Kefeng Zhu（2015）, “Assimilation of Chinese Doppler Radar and Lightning Data Using WRF-GSI: A Case Study of Mesoscale Convective System,” Advances in Meteorology, vol. 2015, Article ID 763919, 17 pages. doi:10.1155/2015/763919.
23. Zhu, K. F., Y. Yang, and M. Xue*, 2015: Percentile-based neighborhood precipitation verification and its application to a landfalling tropical storm case with radar data assimilation. Adv. Atmos. Sci., 32(11), 1449–1459, doi: 10.1007/s00376-015-5023-9.
22. Zhang F, Yang Y, Wang C*. The Effects of Assimilating Conventional and ATOVS Data on Forecasted Near-Surface Wind with WRF-3DVAR[J]. Monthly Weather Review, 2015, 143(1):153-164.doi: http://dx.doi.org/10.1175/MWR-D-14-00038.1.
21. 韩文宇, 杨丽丽, 杨毅*, 一次强对流过程的多普勒雷达反演及预警分析, 干旱气象2014, 32 ( 5) : 810 － 818.
20. Ying Wang, Yi Yang*, Chenghai Wang, (2014), Improving forecasting of strong convection by assimilating cloud-to-ground lightning data using the physical initialization method, Atmospheric Research, Volume 150, December 2014, Pages 31-41, ISSN 0169-8095, http://dx.doi.org/10.1016/j.atmosres.2014.06.017.
19. 马媛媛, 杨毅*, 胡小明, 戚友存, 张曼, WRF中三种边界层参数化方案对新疆“2·28”大风过程模拟的对比分析, 沙漠与绿洲气象, 2014, 8(3):8-18.
18. Yang, Y.*, X. Chen, and Y. Qi, (2013), Classification of convective/stratiform echoes in radar reflectivity observations using a fuzzy logic algorithm, J. Geophys. Res. Atmos., 118, 1896–1905, doi:10.1002/jgrd.50214.
17. Yang, L., Y. Yang*, Y. Qi, X. Qiu, and Z. Gong, (2013), A Case Study of Radar-derived Quantitative precipitation Estimation, Advanced Materials Research, 4541-4546, doi: 10.4028/www.scientific.net/AMR.726-731.4541.
16. Wang, Y., Y. Yang*, F Zhang, L. Yang, (2013), Improve the forecast of surface-layer wind in wind power farm with WRF-3DVAR, Advanced Materials Research, Vols. 724-725, 480-484, doi:10.4028/www.scientific.net/AMR.724-725.480.
15. Yang Yi*, Gong Zhongqiang, Wang Jinyan, et al., 2011: Time-expanded sampling approach for Ensemble Kalman Filter: Experiment assimilation of simulated soundings. Acta Meteor. Sinica, 25(5), 558-567, doi: 10.1007/s13351-011-0502-0.
14. Yang Yi*, Chen Donghui and Gan Li, et al., 2011: Three-dimensional gridding and mosaic of reflectivities from multiple radars with a two-step variational method. International Conference on Remote Sensing, Environment and Transportation Engineering, RSETE 2011 – Proceedings. p2778-2781, DOI: 10.1109/RSETE.2011.5964891.
13. Yang Yi *, Xiaobin Qiu, Zhenghu Wang, Deyao Wen and Aimei Shao, Assimilation of Multi-Time Radar Observations with WRF-based Ensemble Kalman Filter. 2010, 2nd International Conference on Information Science and Engineering, ICISE2010 – Proceedings. p6470-6473, DOI: 10.1109/ICISE.2010.5689539.
12. Yang Yi*, Zhang Xuanze, Wen Deyao,Wang Zhenghu and Shao Aimei, 2010：Is it better to assimilate the Doppler radar radial velocity directly than Retrieved Winds with Ensemble Kalman Filter? 2010, 2nd International Conference on Information Science and Engineering, ICISE2010 – Proceedings, p3801-3804, DOI: 10.1109/ICISE.2010.5691924.
11. Xunming Wang*, Fahu Chen, Jiawu Zhang, Yi Yang, Jijun Li, Eerdun Hasi, Caixia Zhang,Dunsheng Xia, 2009. Climate, desertification, and the rise and collapse of China's historical Dynasties. Human Ecology, 2010, 38(1):157-172, DOI: 10.1007/s10745-009-9298-2.
10. Xunming Wang*, Yi Yang, Zhibao Dong, 2009. Responses of dune activity and desertification to twenty-first century global warming in China. Global Planetary and Change, doi: 10.1016/j.gloplacha.2009.02.004.
9. Yang Yi, Qiu Chongjian*, Gong Jiandong and Huang Jing. The The WRF 3DVar System Combined with Physical Initialization for Assimilation of Doppler Radar Data. Acta Meteorologica Sinica, 2009，23(2):129-139.
8. 杨毅, 邱崇践*, 龚建东, 黄静. 三维变分和物理初始化方法相结合同化多普勒雷达资料的试验研究. 气象学报, 2008, 66(4):479-488.
7. 杨毅, 邱崇践*, 龚建东, 希爽. 利用3维变分方法同化多普勒天气雷达资料的试验研究. 气象科学, 2008, 28(2):124-132.
6. 杨毅, 邱崇践*, 龚建东, 邓莲堂, 希爽. 同化多普勒雷达风资料的两种方法比较. 高原气象, 2007, 26(3):547-555.
5. Yang, Y., C. Qiu*, and J. Gong, Physical initialization applied in WRF-Var for assimilation of Doppler radar data, Geophys. Res. Lett., 2006, 33, L22807, doi: 10.1029/2006GL027656.
4. 杨毅, 邱崇践*, 龚建东. 多普勒雷达资料在中尺度模式中的应用. http://www.paper.edu.cn 论文编号：200609-383.
3. 杨毅, 邱崇践*. 利用多普勒雷达资料分析一次强降水过程的中尺度流场. 高原气象, 2006, 25(4):1-7.
2. 杨毅, 邱崇践*. 多普勒雷达资料格点化方案的比较研究, 干旱气象, 2004, 22(2):6-10.
1. Yang, Y., C. Qiu*, A Case Study on the Stream Structure of Mesoscale Convection Systems by Using Single-Doppler Radar(in English), The Second China-Japan Workshop on Heavy Rainfall Experiment and Study, Oct.30~Nov.3, 2003, Wuhan, China .Abstract, 13.