浪尖知识库 2026

大气科学

37分钟阅读

聊聊大气科学这个专业。

专业定位

大气科学是理学大类里偏小众的分支，研究的是地球大气层的各种现象——天气预报、气候预测、空气污染扩散、台风暴雨预警。这个专业的核心特点是：数理要求极高，体制内就业为主，但AI和碳中和正在给行业带来深刻变革。

刚进大学的时候，以为大气科学就是”研究天气”的——看看云图，分析分析数据、播个天气预报。后来才发现前两年全是在学数学物理，什么大气科学的东西都没接触到，只有到大三大四学了专业课之后才开始真正接触这个学科的核心内容。这种”先打基础再学专业”的模式有它的道理——大气科学的理论体系确实是建立在深厚的数理基础之上的——但确实会让很多人前期很迷茫，不知道自己学这些数学物理到底有什么用。

大气科学跟大气科学类里另一个常见专业”应用气象学”的区别在于：大气科学更偏基础研究，更关注大气本身的物理规律；应用气象学更偏行业应用，把气象知识落到农业、能源、交通等具体场景里。但这两者在本科阶段课程重叠度很高，很多人到毕业都没搞清楚自己到底属于哪个方向——其实也没关系，因为本科阶段学的差不多，关键是你自己有没有想清楚要走哪个方向。

选这个专业之前，要先问自己两个问题：第一，你对”天气预报是怎么做出来的”这个问题的好奇心有多强？第二，你的数学和物理能支撑你走多远？ 如果你对天气现象有强烈的好奇心，同时高考数学130+、物理110+，那大气科学是值得认真考虑的选择；但如果你对数学物理有恐惧症，那这四年会过得比较痛苦——大气动力学、热力学、数值计算，这些课不会因为你”不喜欢”就降低难度。

目前大气科学跟AI的结合越来越紧密。华为的盘古气象大模型、Google的GraphCast、DeepMind的NowcastNet——这些AI气象模型在中短期预报上已经开始接近甚至超越传统数值模式的精度。行业正在经历技术变革，懂AI的气象人会比纯传统预报员更有竞争力。如果你对这个方向感兴趣，本科期间就要开始学机器学习，Python的scikit-learn和PyTorch要会。

适合人群

大气科学适合以下几类人。

第一类，对天气现象有真实好奇心的人。 不是那种”我喜欢看天气预报”的好奇，而是你真的想知道”极端天气是怎么形成的”、“数值模式为什么能预报台风路径”、“气候变暖的物理机制是什么”、“为什么会出现龙卷风”这种问题。这种好奇心会支撑你度过那些被大气动力学公式折磨的日子。当年看见电视上台风”山竹”的卫星云图觉得特别震撼，想搞清楚这种天气系统是怎么形成和演变的，才选了大气科学。结果进来之后发现，答案是要用数学物理来解释的，不是靠”感觉”能感觉出来的。

第二类，数学和物理底子还不错的人。 大气科学的核心课程——大气动力学、大气热力学、数值天气预报——全是以数学和物理为基础的。如果你的高考数学130+，物理110+，学起来会相对轻松；如果你看到公式就头疼，看到偏微分方程就头皮发麻，那这四年会比较痛苦。有同学高数挂科了还死撑着不转专业，结果大气动力学学到一半彻底崩溃，最后还是转走了。所以选之前对自己的数理能力有个清醒的判断很重要。

第四类，对技术发展保持敏锐的人。 AI正在深刻改变气象预报行业——华为盘古气象大模型、Google GraphCast、DeepMind NowcastNet——这些AI模型在中短期预报上已经开始挑战传统数值模式的地位。传统数值预报需要超级计算机跑几个小时，AI模型几秒钟就能出结果。行业正在经历技术变革，懂AI的气象人会比纯传统预报员更有竞争力，这个趋势只会越来越明显。如果你对技术变革保持开放，愿意学习新工具，这个专业还是有不少新机会的。

第五类，对环境问题有责任感的人。 气候变化、空气污染、极端天气——这些问题的社会影响越来越大。如果你对这些议题有责任感，想用自己的专业为这些问题做点什么，大气科学是一个可以让你有使命感的方向。气候变暖到底是怎么发生的、雾霾是怎么形成的、怎么才能更准确地预报极端天气——这些问题都是大气科学的研究范畴。

四年路线图

大一：数理基础+专业认知

大一是大气科学的”地基年”。数学和物理基础直接决定后面所有专业课的掌握程度，所以大一的核心任务就是把这两块补扎实。很多人觉得”大一先放松一下，后面再努力”，这种想法在大气科学是绝对行不通的——后面的课会越来越难，前面的基础没打好，后面根本没有时间补，等你意识到问题的时候已经来不及了。

大一上学期，高等数学、线性代数、大学物理（力学部分）是三门硬课，每一门都不能马虎。高数要理解极限、导数、积分的物理意义，不能只背公式——比如”导数”在气象里就是”变化率”，气温随高度的变化率就是”气温递减率”，这个概念在大气稳定度判断里非常重要。线代要搞懂矩阵运算在后续数值计算里的应用——数值模式求解偏微分方程，最后都要离散化成矩阵运算，矩阵的求逆和分解是核心操作。大学物理的力学部分要学透，因为后面大气动力学里大量用到流体力学的概念，比如”科里奥利力”就是大气运动的核心驱动力之一。

这学期还要开始学Python。气象领域的数据处理、可视化、模式运行，Python是标配技能。不要等到后面需要用的时候才学，那时候课业压力大，根本没时间。建议从NumPy、Pandas、Matplotlib这三个库入手，早点上手做点小项目——比如抓取气象数据做简单分析，或者画个天气图。当年就是大一上学期开始学Python，到大二做课设的时候已经能熟练处理气象数据了，比很多同学领先了一大步。

大一下学期，大学物理继续学电磁学和光学部分，同时开始接触大气科学概论这门入门课。大气科学概论会系统讲大气层结构、天气系统、气候分类——你终于可以从”看天气预报的人”变成”知道天气预报背后原理的人”了。建议这门课要好好学，因为它是后面所有专业课的概念框架。

概率统计这学期也要学。对气象人来说，这门课不是可有可无的——天气预报本身就是概率预报，降水概率、温度预报的置信区间，这些概念全靠统计学撑起来。而且后面的气象统计学、数值模式的后处理，都需要统计思维。

大二：核心专业课+技能定型

大二是我认为大气科学本科最关键的年份，因为两件事必须在这年定型：大气动力学要学透，编程工具要能实战。 这两件事做不好，后面做课题、写论文、找工作都会很被动。当年就是大二的时候这两件事做得不错，后面才走得比较顺。

大二上学期，大气热力学和大气动力学（上）是两门硬课，每一门都要认真对待。大气热力学讲大气的能量收支——太阳辐射怎么加热大气、水汽相变释放潜热、大气稳定度怎么判断。这门课如果学好了，后面的天气预报课会轻松很多。当年学这门课的时候，做了很多推导和画图，把能量平衡的概念刻进脑子里，到现在都记得很清楚。

大气动力学（上）是核心中的核心——控制大气运动的方程组、N-S方程在大气里的简化形式、地转风、梯度风、惯性风。这些内容当年学得很吃力，但后来做数值模式、做预报分析，全都靠这些基础撑着。大气动力学是那种”学的时候觉得很抽象，用的时候才发现无处不在”的课，建议上课认真听，课后多推导几遍，不要满足于”知道公式怎么写”。

Linux操作系统也要开始熟悉了。气象模式（WRF、ECMWF）基本上都在Linux环境下运行，你以后跑模式、处理气象数据，大部分时间是在Linux服务器上工作的。建议大二开始就装个Linux虚拟机练练手，基本的shell命令要会。

大二下学期，天气学原理与方法、大气动力学（下）是重点。天气学原理是”从理论到实践”的桥梁——学会读天气图、识别锋面和气旋，理解高低压系统是怎么形成和演变的。这门课有大量的图分析，需要多看天气实例培养感觉。建议每天看天气预报的时候不只是看温度降水，还要看看天气图，想想”这个高低压系统会怎么发展”，培养天气形势的直觉。

气象统计学和数据处理方法也是这学期的重点。气象数据的处理有特殊性——时空分辨率高、数据量大、时空相关性复杂。学会用Python处理气象数据（NetCDF、GRIB等格式）是这个阶段必须掌握的技能。这些数据格式是气象领域的”通用语言”，不会处理这些格式，以后做科研和工作都会很吃亏。

大三：分化定向期

大三是最重要的分化期——你要决定自己到底走哪个方向：学术研究、气象预报、商业气象、新能源气象？ 不同方向的准备策略完全不一样，提前想清楚才能有针对性地积累。

走学术研究路线的话，这学期要开始进课题组做URP或者挑战杯了。气象学的研究方向很多——大气遥感、气候模拟、极端天气、中小尺度强对流——每个方向的日常科研内容差异很大，发的论文期刊也不一样。建议先去旁听几节组会，看看这个方向日常做什么研究、论文好不好发，再决定要不要加入。进了课题组之后，争取大二暑假或大三上学期就开始做自己的课题，至少要参与师兄师姐的项目，熟悉科研全流程。目标是毕业前至少有一篇发表的论文（或者在投），不管是中文核心还是会议论文，有就比没有强太多。

走商业气象/新能源气象方向的话，这学期要开始找实习了。风电公司（如金风科技、远景能源）、光伏公司、商业气象服务公司（如墨迹天气）、保险公司（气象风险评估），这些方向都在招气象背景的实习生。新能源方向目前需求增长很明显，碳中和背景下风电光伏大规模并网，对精准气象预报的需求爆发式增长，是一个值得关注的方向。去年参加一个气象学术会议，满场都在讨论AI气象预报和新能源功率预测，感觉行业拐点真的来了。

走AI+气象方向的话，这学期要开始系统学习机器学习/深度学习了。气象数据天然适合用深度学习模型处理——雷达回波预测、卫星云图识别、数值模式输出后订正——这些应用现在发展很快。华为盘古气象模型的成功让这个方向变得非常热，建议大二就开始积累相关知识。

大四：收获和冲刺

大四上学期最重要的事情是：毕业论文开题，同时秋招/考研全力冲刺。

大气科学本科毕业论文通常需要做一次天气过程的分析——选一个典型的天气事件（如台风、暴雨、寒潮），收集气象数据，做诊断分析，讨论成因和预报难点。这套流程走一遍对你理解天气预报实践很有帮助。建议尽早确定选题，寒假前开题，下学期初就开始收集数据——不然最后几个月会非常焦虑。当年就是开题开得比较晚，结果数据收集和分析拖到下学期三四月份，差点来不及交稿。

核心课程

大气科学的课程体系大致分这几块，每一块都有它的功能，缺了哪一块你的知识体系都会有漏洞。

数理基础课： 高等数学、线性代数、概率统计、大学物理、数理方法。这些是后面所有专业课的基础，重要性怎么强调都不为过。当年就是高数学得比较扎实，后面的数值计算课才没掉队。

大气科学基础课： 大气科学概论、大气物理学、大气化学。这些课建立对大气系统的基本认知——大气层结构、辐射平衡、水循环、大气成分。建议这些课要在大一大二就学好，不要等到后面需要用到的时候才来补。

大气动力学核心课： 大气热力学、大气动力学（上/下）、天气学原理与方法。这些是大气科学的”灵魂课”，控制大气运动方程组、地转风、梯度风、锋面理论——这些概念不理解，后面做预报、做研究都是空中楼阁。这些课学起来确实很难，但一旦学通了，你看天气预报的眼光就会完全不一样。

气象技术课： 气象统计学、气象仪器学、气象观测、遥感基础。这些课教你气象数据的获取和处理方法。气象观测是基础，没有观测数据就没有天气预报，所以这些课要好好学。

数值预报课： 数值天气预报、气象模式（WRF/ECMWF）、资料同化。这些课讲现代天气预报的核心技术——用数学模型模拟大气运动。这是大气科学区别于”看云识天气”的核心，你学完这些课才知道为什么现代天气预报比经验预报准那么多。

应用方向课： 气候学、中长期预报、气象服务、航空气象、农业气象。新能源气象和商业气象服务现在发展很快，有余力的同学可以多关注这些方向。

能力栈

大气科学本科毕业，如果想有竞争力，至少要具备以下几层能力，这些能力是层层递进的。

第一层：数理基础。 你得能推导基本的大气动力学方程，理解主要气象要素之间的物理关系。不用背公式，但要能解释地转风是怎么形成的、为什么气旋里空气会上升。这些基础概念是气象预报和研究的”语言”，面试和工作中会反复用到。

第二层：气象数据分析能力。 你得能处理气象数据——天气图、探空数据、雷达数据、卫星云图。学会读图、分析图，是最基本的技能。当年天气学原理课就是靠每天看天气图练出来的，后来做预报实习的时候，这些基本功帮了大忙。

第三层：编程工具。 Python是基础配置，要熟练使用NumPy、Pandas、Matplotlib、SciPy处理气象数据。有余力的话学WRF模式、NCL/GrADS绘图，R语言的统计功能。这些工具在大三大四的课设和论文里会反复用到，越熟练越好。

第四层：数值模式理解力。 不要求你从头开发模式，但你要理解数值模式的基本原理——格点化、参数化方案、边界条件、集合预报。这些知识在做模式后处理和结果订正时非常有用。当年学WRF模式的时候，花了很多时间理解参数化方案的选择逻辑，后来做课题的时候才发现这些知识非常实用。

第五层（加分项）：AI/ML基础。 气象+AI现在是最活跃的交叉方向，会用深度学习做气象预测或者数据分析的人，现在很稀缺。Python的scikit-learn、PyTorch要会，有余力的话看看Transformer在气象领域的应用。

升学就业

2026年就业数据

根据最新数据，大气科学本科毕业生的就业方向大致如下（数据综合自多渠道公开信息，仅供参考，具体薪资因城市、地区、单位性质、个人能力差异较大）：

直接就业方向及薪资参考（2026年数据）：

气象局基层岗位（市县级），事业编，这是最主要的就业去向。北上广深起薪约7000-11000元/月，其他地区约5000-8000元/月。稳定但薪资天花板低，晋升周期长，但工作强度也相对可控，适合追求稳定生活的人。

民航气象（机场/航空公司），起薪约8000-14000元/月，工作强度较大，有夜班需求，但薪资比气象局高一些，而且航空业对气象预报的精准度要求更高，技术成长空间更大。

商业气象服务公司，气象分析师、产品经理，北上广深起薪约8000-14000元/月。行业正在快速增长，墨迹天气、彩云天气这类商业气象公司都在扩张，对气象+技术复合人才的需求在增加。

保险公司（气象风险评估），定损员、精算助理，北上广深起薪约7000-12000元/月。这个方向相对小众，但做得好可以往精算方向发展。

继续深造后的数据：

大气科学的就业优势

大气科学在就业市场有一个独特定位：它是一个”稳定但天花板不高”的专业。气象系统的编制是铁饭碗，但薪资跟互联网、金融比差距明显；新能源和商业气象是新的增长点，但目前体量还不大。

几个我认为比较有前景的方向：

AI气象预报 是我认为中长期最有潜力的。深度学习在气象领域的应用正在快速突破，华为盘古气象模型的成功证明了这条路是走得通的。懂气象又会AI的人，未来会非常稀缺。

航空气象 需求稳定，但工作强度大。航空业对气象预报的精准度要求极高，技术成长空间大，但夜班和节假日值班是常态。

避坑点

坑一：以为大气科学是文科，背背就能过

这个坑我见过不少同学踩。大气科学的核心课程——大气动力学、大气热力学、数值天气预报——全是以数学和物理为基础的。如果你不理解物理过程，光靠背公式和背概念，是绝对过不了的。当年有个室友就是抱着”背背就能过”的心态学大气动力学，结果期末考试挂了，后来花了一个暑假才补考通过。

教训：高数和物理一定要在大一就学好，不能抱着”后面再补”的心态。后面课业压力更大，根本没时间补基础。建议每学完一章就做大量的推导练习，不要满足于”看懂”。

坑二：只盯着气象局，不看商业市场

很多同学从进校开始就只盯着气象局，觉得”大气科学最对口的就业就是气象局”。结果到了大三发现气象局编制越来越难进，薪资也不如预期，开始焦虑。

教训：大气科学的就业出口不只有气象局。新能源公司（风电光伏）、商业气象服务公司、保险公司（气象风险）、航空公司、咨询公司（环境评估）——这些方向都在招大气科学背景的人，而且商业领域的薪资通常比气象局高。建议大三就开始关注这些方向，有针对性地积累经验。

坑三：忽视编程，觉得”会用Excel就够了”

气象数据处理需要编程能力。气象数据量很大（雷达数据、卫星数据都是GB级别），用Excel根本处理不了。见过有同学到毕业论文要处理气象数据了，还只会用Excel，结果急得团团转。

当年就是大一就开始学Python，大二学NumPy和Pandas处理气象数据格式，大三学WRF模式的基本操作。这些技能在后面的课设、论文和找实习的时候都派上了用场。

教训：Python是刚需，从大一就要开始学。不要等到大三大四才来补，那时候已经来不及了。而且气象领域的Python生态非常成熟，有大量现成的库可以用，学起来其实没那么难。

与AI新产业结合

AI给大气科学带来了几个明显的新机会，而且这个趋势在2026年已经非常明显了。这些机会不是”未来趋势”，而是”正在进行时”。

AI气象预报 是目前最热的交叉方向。华为的盘古大模型、Google的GraphCast、DeepMind的NowcastNet——这些AI模型在中短期天气预报上已经开始接近甚至超越传统数值模式的速度和精度。传统数值预报需要超级计算机跑几个小时，AI模型几秒钟就能出结果，而且在某些指标上精度更高。气象行业正在经历技术变革，会用AI做预报的人会越来越稀缺。去年参加一个气象学术会议，满场都在讨论AI气象预报，感觉行业拐点真的来了。

新能源功率预测 是另一个快速发展的领域。风电和光伏发电高度依赖气象条件——风速、光照、温度直接影响发电量。新能源场站需要精准的风电/光伏功率预测来安排调度和交易，这个方向对气象+AI复合人才需求很大。认识一个团队专门做风电功率预测，他们用深度学习模型结合气象数值预报输出，做出来的功率预测精度比传统方法高很多，现在已经拿到了好几家风电场的订单。

极端天气预警AI 也在快速发展。台风、暴雨、龙卷风、冰雹——这些极端天气的提前预警对社会有重大价值。AI模型在雷达回波外推、卫星云图分析上有独特优势，可以提升预警时效和精度。比如DeepMind的NowcastNet在短时降水预报上已经超越了传统方法，而且还在不断进步。

气候变化评估 是相对长线的方向。AI模型在气候模式降尺度、极端气候事件归因、碳排放核算等领域发挥作用。这个方向偏学术，但政策需求在增长——碳中和背景下，企业和政府都需要更精准的气候风险评估。

建议大气科学学生在本科阶段就补上机器学习基础——Python的scikit-learn、PyTorch这些工具要会，有余力可以看看Transformer在气象领域的应用。气象+AI是未来十年的黄金赛道，早入场早受益。

推荐阅读

入门级（大一)：

《大气科学概论》——系统了解大气科学的基本框架，是大多数高校的教材选择。《Python编程：从入门到实践》——Python基础，为后面数据处理做准备，这本书的例子比较实用，跟着敲一遍代码就能上手。

进阶级（大二大三)：

《大气物理学》（盛裴轩）——大气物理过程的核心教材，内容全面。《天气学原理与方法》（朱乾根）——天气学经典教材，被称为预报员的枕边书，内容非常实用。《大气动力学导论》（Holton）——大气动力学英文经典教材，有余力的同学可以直接读英文版，原版写得比中译本清晰很多。

工具书：

《Python数据分析》（McKinney）——Python处理气象数据的实用手册，第2版用的是Python 3，很实用。《WRF模式使用指南》——数值预报模式的实操手册，学WRF模式必读。《机器学习（周志华）》——机器学习的入门书，讲解清晰，适合气象背景的人补基础。

拓展视野：

《气候与社会》（Michael Glantz）——气象学与社会的关系，气候变化的现实影响，读完会对大气科学的社会价值有更深的理解。《How to Avoid a Climate Disaster》（Bill Gates）——比尔·盖茨写的气候变化科普书，从技术视角分析碳中和路径，对理解新能源气象方向很有帮助。

继续阅读导航

上级目录

同目录索引

跨库关联

同主题推荐

相关标签

  • 中国大学的专业规划
  • 理学类
  • 大气科学类
  • 竞赛
  • 科研
  • 实习
  • 就业
  • 考研
  • 考公考编
  • 创业

下一步阅读