南京信息工程大学气象学考博的复习需要系统性和针对性，考生应结合学科特色与学校研究方向制定科学规划。考生需全面梳理气象学核心知识体系，重点掌握《气象学与大气物理》《气候学》等基础课程内容，建议参考李慎安、季风等教授编写的教材，同步关注《气象学报》《大气科学》等权威期刊的前沿成果。针对南京信息工程大学气象学院的优势领域，如数值气象预报、城市气候、大气环境等方向，需重点研读该校近五年发表的高水平论文，尤其是张志华院士团队、王盘兴教授等学者的研究成果。

其次，数学建模与编程能力是气象学考博的核心竞争力。建议系统学习《数值天气预报原理》（吴国雄著）和《气候系统动力学》（IPCC报告相关章节），熟练掌握WRF模式、ECMWF数据同化等工具，同时强化Python（NumPy、NetCDF库）和R语言在数据分析中的应用。对于理论考试，需重点突破气溶胶辐射传输、中尺度动力方程等难点，通过历年真题反推命题规律，例如近三年已出现5次以上关于MJO（季节性移动振荡）与极端天气关联的考题。

实践环节应注重科研经历与论文积累，建议在研读《南京信息工程大学气象学学科评估报告》基础上，选择与导师研究方向匹配的课题。例如，2023年学院新增"智慧气象"交叉学科方向，考生可结合城市大数据与气象预报技术开发相关研究计划。论文写作需严格遵循《大气科学学报》格式规范，建议采用"问题提出-方法构建-案例分析-结论建议"的四段式结构，注重数据可视化（如使用Python的Matplotlib、Seaborn库）和模型敏感性分析。

时间管理方面，建议采用"3-2-1"分段策略：基础阶段（3个月）完成知识体系搭建，每日保持3小时专业阅读；强化阶段（2个月）进行专题突破，每周完成2套模拟试题；冲刺阶段（1个月）聚焦真题训练，重点突破大气能量传输、辐射平衡等高频考点。考场上需特别注意答题逻辑，采用"总-分-总"结构，每个论点需提供至少两个文献支撑，例如讨论厄尔尼诺事件时，需同时引用IPCC评估报告和吴文俊团队2022年的区域模拟能力研究。

面试准备应侧重科研潜质展示，建议制作包含3个研究案例的PPT（每个案例需包含问题提出、方法创新、数据来源、成果转化四个要素），重点准备关于"AI在中小尺度预报中的应用瓶颈"等热点问题的论述。同时需熟悉学校实验室设备（如多普勒天气雷达、探空仪等）的操作原理，模拟实验操作场景。最后，建议关注2024年气象学科评估动态，根据评估指标调整研究方向，例如当前学院在"气象大数据"方向的投入占比已达35%，考生可针对性提升数据挖掘能力。