1、熟练掌握深度学习的基础理论，深入理解计算机视觉及主流AI模型背后的数学原理与网络架构设计逻辑； 2、具备气象学相关理论基础，理解云微物理过程及降水形成机理，了解中小尺度天气系统的动力学结构与演变规律； 3、了解遥感物理与定量反演基础理论，理解各类电磁波与大气介质、地表目标的相互作用机制，以及遥感成像原理与反演逻辑； 4、熟练掌握PyTorch或TensorFlow深度学习框架，熟悉深度学习与计算机视觉前沿算法，具备目标检测、图像分割、多模态大模型等实际项目经验； 5、精通主流气象卫星数据产品的处理流程，熟悉光学、SAR、多光谱等常见遥感数据特性，熟悉地面站点、天气雷达等气象数据的产品格式与解析方法； 6、熟悉云检测、卫星降水反演、海面风场反演等通用气象遥感算法，具备新能源、电力等行业的算法落地与工程实践经验者优先； 7、了解WRF等主流数值预报模式的基本原理及输出产品，具备卫星、雷达等多源观测资料同化或融合应用经验者优先。