刘吉鹄

特任助理研究员

邮箱: jihu.liu@nju.edu.cn

办公室：大气科学学院 B514

教育经历

1. 2017 - 2024            南京大学大气科学学院            博士

2. 2013 - 2017            南京大学大气科学学院            学士

工作经历

1. 2025 - 至今            南京大学大气科学学院            特任助理研究员

研究方向

1. 气溶胶-云相互作用，低云中尺度形态，云降水物理，卫星定量反演及应用

科研项目

• 国家自然科学基金委员会，青年科学基金项目（C类），基于拉格朗日方法的海洋低云中尺度形态演变机制研究，2026-2028，在研，主持

• 国家重点研发计划课题，气溶胶-低云相互作用模型构建和辐射强迫量化，2024-2029，在研，骨干

• 国家自然科学基金委员会，面上项目，青藏高原暖湿化背景下降雪时空异质变化对积雪-水文过程的调制作用，2027-2030，在研，参与

• 国家自然科学基金委员会，面上项目，东亚海洋低云气溶胶-云-辐射卫星观测定量研究，2021-2024，结题，参与

代表性成果

1. 1. Liu, J., Cao, Y., Wu, Y., Zhu, Y., Rosenfeld, D., Zhang, Y., Huang, K.-E., and Wang, M. (2026). Attributing long-term trends in marine low cloud morphologies to aerosols and large-scale meteorology with deep learning. Geophysical Research Letters, 53, e2025GL119682. doi:10.1029/2025GL119682.

2. 2. Liu, J., Zhu, Y., Rosenfeld, D., Cao, Y., Wang, Y., and Wang, M. (2026). Apparent global increase in cloud droplet number concentration after 2022 attributed to MODIS orbital drift. Geophysical Research Letters, 53, e2025GL120318. doi:10.1029/2025GL120318.

3. 3. Liu, J., Zhu, Y., Wang, M., Rosenfeld, D., Cao, Y., and Yuan, T. (2024). Cloud susceptibility to aerosols: Comparing cloud-appearance versus cloud-controlling factors regimes. Journal of Geophysical Research: Atmospheres, 129, e2024JD041216. doi:10.1029/2024JD041216.

4. 4. Liu, J., Zhu, Y., Wang, M., Rosenfeld, D., and Cao, Y. (2023). Marine warm cloud fraction decreases monotonically with rain rate for fixed vertical and horizontal cloud sizes. Geophysical Research Letters, 50, e2022GL101680. doi:10.1029/2022GL101680.

5. 5. Wei, Y., Zhu, Y.*, Liu, J.*, Cao, Y., Wang, Y., Huang, K.-E., Zheng, B., Rosenfeld, D., and Wang, M. (2025). Lack of vertical co-location between aerosols and clouds biases the satellite-based quantification of the Twomey effect. Journal of Geophysical Research: Atmospheres, 130, e2025JD045463. doi:10.1029/2025JD045463.

6. 6. Wu, Y., Liu, J., Zhu, Y., Zhang, Y., Cao, Y., Huang, K.-E., Zheng, B., Wang, Y., Li, Y., and Wang, Q. (2025), A global classification dataset of daytime and nighttime marine low-cloud mesoscale morphology based on deep-learning methods, Earth System Science Data, 17(7), 3243–3258, doi:10.5194/essd-17-3243-2025.