问题——再分析数据是气候变化研究、灾害风险评估、能源调度以及生态环境治理等领域的重要基础数据产品。近年来，遥感、地面观测与数值模式不断迭代，数据规模快速增长。但“分辨率更高、观测更密、来源更多、误差结构更复杂”的背景下，再分析数据仍面临精细刻画不足、区域细节不够稳定、跨尺度一致性难以保证等问题。如何在更高空间分辨率下生成可信、可复现、可对比的再分析科学数据集，已成为科学数据体系建设中的关键议题。 原因——一上，传统同化方法处理超高维状态空间时——计算与存储成本显著上升——限制了分辨率继续提升；另一上，多源观测往往存时空分布不均、质量差异与系统偏差，直接叠加容易带来误差累积与结构性偏差。，高分辨率条件下，局地地形、城市下垫面与极端天气过程的影响更突出，对同化模型的统计刻画与误差估计提出更高要求，亟需更稳健的统计框架与算法体系。 影响——高质量再分析数据既是基础研究的重要“统一底座”，也是公共决策与产业应用的关键数据支撑。在气象服务上，更精细的再分析有助于提升对强对流、台风路径与极端降水的统计刻画能力，为风险预警提供更可靠的历史参照；“双碳”有关领域，可为风光资源评估、负荷预测与电力系统韧性分析提供更高分辨率的时空信息；在城市治理与环境监测上，可支持热岛效应、污染输送与城市边界层过程研究。提升再分析质量，本质上是提升科研与治理结果的可验证性、可解释性与可迁移性。 对策——据校方介绍，本次大师讲堂将围绕“用于生成高质量再分析科学数据集的超高分辨率统计数据同化”展开，重点讨论如何超高分辨率场景下，通过统计同化更有效地融合观测信息与模型信息，从而支撑高质量再分析数据集的生成。报告由清华大学讲席教授、统计与数据科学系创系系主任陈松蹊主讲，香港中文大学（深圳）相关学者主持。陈松蹊长期从事统计与数据科学研究，2021年当选中国科学院院士，并在国内外统计学术组织中担任相关职务。校方表示，讲座面向师生开放，希望促进跨学科交流，推动统计科学与地球系统科学、计算科学等方向的协同研究。 前景——随着国家持续推进科学数据基础设施建设以及地球系统模拟与观测能力提升，再分析数据的“高分辨率、高质量、可持续更新”将成为重要方向。未来，统计同化与数值模式、计算平台的深度耦合，有望在算法效率、误差量化与不确定性表达各上取得突破，推动再分析数据从“可用”走向“更好用、可信、可追溯”。鉴于此，高水平学术讲堂不仅是知识交流平台，也可能成为凝聚交叉团队、孕育方法创新并推动工程化落地的重要连接点。
科学数据的精度影响认知的深度。陈松蹊院士的讲座不仅是一场学术分享，也将为数据驱动的科研方法提供新的思路。在数字化转型加速推进的背景下，这类前沿讨论有助于推动科技创新，也为青年学者提供更清晰的研究切入点。