2026-08-02 大气科学 AI 研究日报#

生成与科学核验截止时间：2026-08-02 13:00（北京时间，UTC+8）。
严格滚动主窗口：2026-08-01 13:00-2026-08-02 13:00；补充缓冲窗口：2026-07-31 13:00-2026-08-01 13:00。
连续增量边界：上一期实际科学核验截止为 2026-08-01 15:00；因此“上次截止后新增”只计 2026-08-01 15:00-2026-08-02 13:00。主窗口 13:00-15:00 的未跟踪内容只作为重叠恢复，不重复写成连续新增。
去重基线：工作区最近两类日报、tracked_items.md 与本自动化记录。论文、预印本、仓库提交、作者榜单、独立复现和元数据建档分别记录。

一、总体判断与信号地图#

本轮没有发现新的 core-nowcasting、core-short-range、core-s2s 或 core-air-quality 直接论文、公开权重或独立业务验证。连续边界后保留 4 个实质事件，均属于横向方法或基础设施：TinyEarth 给出一个真实 EarthNet2021 上的受控结构-效率-模糊权衡基准；Solafune 同时刻卫星到 GPM 项目报告新的异构集合榜单结果；globalnowcast 新增 AIFS 与 GFS 的共样本评估脚本但尚无运行结果；AD4DVAR-radar 发布一个确定性雷达变分/平流基线，但没有真实数据技能证据。

另有两条 Springer 空气质量章节在主窗口内完成 Crossref 建档。其官方页面只标 2026 年，未给可核验的精确在线日期，因此统一记为 metadata-only，不把建档时刻等同于新实验发生时刻。缓冲窗口保留一篇海雾能见度开放环生成式预报正式论文和一篇 CCIC-IMERG/ERA5/DYAMOND 对流日变化评估预印本。前者是海雾时间序列而非雷达降水临近预报；后者使用机器学习卫星产品作为观测基准，而不是训练新的 AI 天气预报模型。

1. “保留可预报信息”最清楚的新证据来自一个相邻任务。 TinyEarth 的小模型主要学到 35 天后的季节性绿度趋势，却在纹理和异常干旱场景上回归平均；平均误差略优于持续性，并不等于结构更真实。
2. “表达不确定性”需要先区分开放环和闭合环。 海雾论文用自回归开放环和 Monte Carlo dropout 给出 95% 区间，但仅有两段约一天的同次航次个例，且未报告区间覆盖率，不能视为已校准集合。
3. 模型臂替换必须在同一有效时刻、同一参照、同一掩膜上重评。 globalnowcast 的新脚本准备把 AIFS 降水率和 GFS 组合反射率都转为 dBZ，再对 RRQPE 共样本评分；当前只有协议，没有 AIFS 得分。
4. 集合多样性可能比单体排名更重要，但需防止榜单过拟合。 Solafune 的作者报告显示，两个单体未胜出的异构骨干加入 6 路集合后进一步降低公开榜单 RMSE；结果来自竞赛公开榜单，不是独立地域测试。
5. 四条核心线当天整体偏静。 arXiv 的六组定向 API 检索在窗口内未返回匹配新增；机构页未发现新模型、权重、数据或共同样本业务验证。Semantic Scholar 返回 429，OpenReview API 返回 403；两者只记访问限制，不能写成“确认没有”。

二、新增条目表#

表中时间优先写可核验的建档或提交时刻；Crossref 建档不等于实验完成、同行评审或论文首次公开的准确时刻。缓冲条目单列，不计入上次截止后的连续新增。

三、四条核心研究线#

3.1 core-nowcasting：没有新的雷达技能结果，新增的是基线与评估边界#

AD4DVAR-radar 以 -20、-10、0 min 三帧 dBZ 场为输入，输出 +10 至 +180 min。当前实现先用相位相关估计单一全局位移，以峰旁比作为失效保护，再由积分比估计对数增长率并施加 60 min 衰减，最后从最新回波做正值守恒的直接重映射。仓库还强调输入时间、网格、单位、状态和输出结构的 fail-close 合约。

它可以作为透明的平流-增长基线，但不是 AI/DL 模型，也不是完整 Bayesian 4D-Var。README 明确承认只有全局运动和增长，不能表达旋转、形变、多单体运动、局地生消或新对流触发；输出确定性且没有校准不确定性。仓库没有真实雷达数据、共同样本指标、论文、许可证或独立复现，因此本期只记 infrastructure，不把 +180 min 输出长度误写成技能范围。

globalnowcast 新脚本面向既有 ml/gfs_pairs：每个有效时刻包含 GFS composite reflectivity 和 RRQPE 观测，AIFS 使用公开 ecmwf-aifs-single 的 precipitation_surface。脚本把 AIFS 降水率和 GFS 场按同一 Marshall-Palmer 关系转成 dBZ，只在原样本卫星掩膜内，对 5/10/20/30 dBZ 阈值汇总 CSI 和湿区面积比，目标覆盖 6-48 h，并显式按初始化时刻和时效匹配有效时刻。

这一步的价值是把“换模型臂”变成共样本检验；但提交没有任何 AIFS 输出。脚本文档引用的 GFS CSI 约 0.19 和 1.7-1.9 倍湿区偏差属于仓库既有作者诊断，不能自动推导 AIFS 更好。还需核对 AIFS 累积量/率的单位、6 h 初始化可用性、每个有效时刻对应样本数，以及模型臂替换后的最终雷达平流-AIFS 组合，而不只比较单体。

Solafune 仍是同一时刻或近同一时刻的地球同步卫星到 GPM-IMERG 映射，不是未来雷达回波序列。它在第四节作为相邻方法详述。

3.2 core-short-range：AIFS-GFS 协议已出现，结论尚未出现#

本轮没有新的 0-72 h 高分辨率 NWP 订正、强对流/降水业务验证或雷达-模式融合论文。globalnowcast 的 6-48 h 脚本是唯一直接相连的状态变化，但没有共同样本运行结果，也没有按区域、时效、阈值、降水类型和有效样本数分层。只有当 AIFS/GFS 的初始化、累积窗、单位、网格和 RRQPE 有效时刻严格对齐，并在最终混合系统而非单体上重评，才可讨论短时模式臂替换。

EGUsphere 对流日变化论文提供的不是预报技能，而是验证基础：逐格统一到 1°/1 h 后比较振幅和峰值时刻，能揭示日平均误差隐藏的相位偏差。它在第四节归入 infrastructure。

3.3 core-s2s：没有新的大气 S2S 条目#

arXiv、Crossref、OpenAlex、期刊页和机构页未发现窗口内可核验的新 1-65 d AI 天气/S2S 直接结果。TinyEarth 的输入为 50 d Sentinel-2 历史、目标为未来 100 d 地表影像；它不预测大气状态、动力模式偏差或 S2S 异常，也没有 FGOALS/IFS/AIFS 等共同样本，因此只能作为“慢变可预报成分与局地纹理恢复相互分离”的方法类比。

3.4 core-air-quality：两章均停留在历史序列基线，未进入真实气象驱动链#

Forecasting Air Quality Index Using LSTM and CNN-LSTM Methods 使用 Surabaya 环境部门空气质量站的日数据，分别对 PM10、SO2、CO、O3、NO2 构建单变量 LSTM 和 CNN-LSTM。摘要可核验的处理包括 Kalman smoothing 缺测填补、Min-Max 归一化、最优滞后选择和超参数调优；作者只定性报告 CNN-LSTM 对全部污染物更优，没有给出预测时效、时间划分、绝对指标或跨站测试。该章不能回答未来气象输入、输送、沙尘阈值或不确定性问题。

Air Quality Forecasting with Hybrid Statistical-Deep Learning Models 使用 Jakarta DKI4 站 2011-2025 年 PM10 和 O3 日序列，季节分解填补缺测，比较 RNN、LSTM、GRU、NNAR 和 N-BEATS，并用 MAE、RMSE、MAPE、sMAPE 评估训练和测试。作者报告测试期 PM10 以 NNAR 的 MAPE 23.56% 最低；N-BEATS 的 O3 测试 MAPE 为 64.24%，GRU 为 97.37%。这些数值说明单站 O3 外推仍很困难，但摘要未给预测时效、测试年份、污染/气象输入可用时刻或显著性。两章均无代码、数据快照和独立复现，本期只作 metadata-only 线索。

四、相关方法与基础设施#

4.1 TinyEarth：模型保留季节趋势，却以结构模糊和均值回归为代价#

TinyEarth 固定逐帧 CNN 编码器和解码器，只更换时间骨干，在约 2M 参数预算下比较对角 SSM（S4D）、selective SSM（Mamba）、ConvLSTM 和 temporal Transformer，并包含 persistence 与 climatology。真实实验使用 EarthNet2021：10 个 Sentinel-2 帧（50 d）输入、20 帧（100 d）输出；1,650 个 cubes 来自 5 个 tile，以 161 个窗口作验证，训练只跑 6 epochs，32×32 crop 训练、128×128 全场验证，官方 test track 未使用。

仓库作者报告 S4D 和 Transformer 的验证 MAE 均约 0.0282，persistence 为 0.0299，平均误差只改善约 5.8%；但 persistence 的 SSIM 为 0.803，反而高于 S4D 0.739 和 Transformer 0.762。分时效看，约 35 d 前持续性最好，较长时效后学习模型通过跟踪季节性绿度变化获得平均误差优势。干旱场景中，模型却把实测约 0.30 的 NDVI 推向 0.53-0.62，暴露均值回归。S4D 的整模推理约 611 ms，Transformer 约 384 ms，二者 MAE 差仅约 0.1%；参数效率没有转化成速度或质量优势。

这是与用户主问题高度同构的负-正混合证据：慢变成分可以被保留，纹理和场景异常仍会被平滑。仓库自己的下一步“对最新观测做残差预测”值得借鉴，因为它把 persistence 作为起点，而不是让模型重建静态地表。但当前样本地域很窄、训练未收敛、邻近窗口可能共享场景、无官方测试和公开 checkpoint，所以不把 5.8% 平均优势外推到大气 S2S。

4.2 Solafune：异构骨干改善集合，但任务仍不是未来预报#

该竞赛任务使用地球同步卫星多通道历史影像估计 41×41 GPM-IMERG 降水场。新文档报告 6 路集合由 from-scratch CompactUNet、EfficientNet-B3、EfficientNetV2-S、Swin-Tiny、PVTv2-B0 和 Swin-Small 组成，权重通过外层 cross-fit 的 nested OOF 拟合，并叠加只使用过去时次的 causal smoothing。

作者记录 6 路版本的公开榜单 RMSE 为 0.667033，优于此前 4 路 v2 的 0.668478 和 v1 的 0.669662；nested OOF 从 v1 的 0.58813 降至 0.58418。单体未胜出的 PVTv2-B0 在 6 路权重中最大（0.2487），Swin-Small 也被纳入，支持“互补误差可胜过单体排名”的作者判断。需要严格区分：这些是作者提交到公开榜单的结果，不是 final/private leaderboard、独立地域测试或雷达未来时效验证；仓库没有独立 LICENSE、最终权重、原始数据或预测包。

同一提交新增 exp066：在相同 T 与输入预算下，把粗暴通道堆叠替换为共享逐帧编码器，并在 bottleneck 用 ConvLSTM 或标量注意力融合；最新帧的 skip connection 保留精细空间细节，历史帧只影响抽象趋势。该设计直接对应“最新状态保结构、历史信息调演变”，但目前只有实验代码和判读门槛，没有 OOF 或榜单结果，不能把架构意图写成有效增益。

4.3 海雾开放环论文：多时间尺度输入有效，但样本和校准证据很窄#

Atmosphere 正式论文使用 2022 年 7 月 FATIMA Grand Banks/Sable Island 航次，在 R/V Atlantic Condor 上测得的 1 min 聚合序列。作者抽取两段连续稠密雾：2022-07-21 17:55 至 07-22 16:50、2022-07-24 08:02 至 07-25 05:18；只保留能见度不高于 400 m 且降水率不高于 0.05 mm h-1 的条件。输入为风速、露点差、相对湿度和能见度，预测 +10、+20、+30、+60、+90、+120、+180 min 能见度。

多 lookback architecture 为每个 1-90 min 历史窗建立独立双层 GRU/LSTM/Transformer/MLP 子网，拼接后经 dense、dropout 和线性层预测下一分钟；开放环从训练末尾 seed 开始，把模型自己的四变量预测递归回填，不接触测试观测。训练/测试按时间顺序切分，并在训练段内以三个滚动验证窗口选择 lookback；归一化统计只由训练段计算。最终超参数为 64 units、Adam、MSE、batch 16、20 epochs、patience 5；测试用 100 次 MC dropout 生成作者称为 95% 的预测区间。

作者报告开放环 GRU-MLW 在两案例、三种变率和各时效平均 RMSE 11.829±1.260 m、相对 persistence 的 skill score 0.073±0.061；10/20 min 平均 skill score 0.132±0.082、RMSE 7.013±1.105 m。只有 GRU-MLW 的开放环平均 skill score 为正，LSTM、Transformer 和 MLP 平均均劣于 persistence；与 ARIMA(2,1,2) 相比，作者报告 Wilcoxon Z=2.55、p<0.01。

技术边界同样重要：训练样本每个分组仅约 695-1260 min，测试是相同两段航次的尾部而非独立航次；Case 1 的均匀雾只够 60 min；154 种 lookback 组合和多轮调参相对于样本较多；数据需向 ONR/作者申请，代码和权重未公开；论文没有报告 95% 区间的覆盖率、宽度校准或可靠性。它证明多时间尺度开放环设计值得测试，不足以证明跨海域或业务概率可靠性。它也不是雷达回波/降水临近预报。

4.4 CCIC-IMERG/ERA5/DYAMOND：用振幅和峰时刻审计对流日变化#

EGUsphere 预印本不训练新的天气模型。它以半小时 CCIC 机器学习卫星产品给出 frozen water path 和高云量，以 IMERG v7 给出降水，并比较 ERA5 与 DYAMOND 冬季 km-scale 模式。CCIC/IMERG 使用 2018-2023，ERA5 同期，高云量为 2018；DYAMOND 使用 2020 年 2 月，FWP 覆盖 9 个模式、降水覆盖 5 个模式。所有资料保守重网格到 1°，聚合到 1 h，并在 60°S-60°N 按逐月 24 h 合成日分析。

方法同时拟合 24 h 和 12 h 谐波，以最大-最小定义日振幅、以局地太阳时最大值定义峰时刻；低于全球 FWP 25 分位或拟合 R²<0.6 的格点不写峰时刻。作者报告卫星观测中海洋 FWP/降水多在后半夜或清晨达峰，热带陆地多在下午；陆地高云量落后 FWP/降水数小时。ERA5 的热带陆地 FWP 日振幅偏小，局地峰时刻偏差可超过 ±6 h；ERA5 陆地降水振幅偏大，并缺失与 MCS 和地形相关的夜间峰。km-scale 模式相位偏差较小，但 SPCZ 和热带陆地振幅仍有区域系统偏差。

其价值是把“日平均场接近”拆成振幅和相位是否正确，也提示 CCIC 这类 ML 反演本身应与 IMERG/雷达参照分开。作者已归档 15.2 GB 预处理 CCIC/IMERG/ERA5/DYAMOND 数据（CC BY 4.0，版本 DOI 10.5281/zenodo.20842369）和 24.1 MB 代码 v0.1pre（MIT，版本 DOI 10.5281/zenodo.21041037）。这是一套可复核评估基础设施，不是 AI 模型优于 NWP 的技能榜单。

五、机构信号、仅元数据、窗口外与排除项#

5.1 institution-signal#

Google DeepMind、ECMWF、NOAA、Met Office、中国气象局、WMO 和 Copernicus/CAMS 的定向检查未发现本连续边界内新的四主线模型、权重、数据、共同样本结果或正式业务验证交付物。ECMWF 最新新闻列表仍停留在 7 月既有事件；旧模型页、活动议程和一般 AI 治理信息不用于填充日报。

5.2 metadata-only#

• Springer 两章已在 3.4 详述。其新事件是 DOI/书章元数据可见，不是精确在线日期已核实；没有代码、数据或气象驱动实验，因此不升级为 core-air-quality。
• IEEE TGRS DOI 10.1109/TGRS.2026.3714386 是对 ADNM-UNet...Cloud Mask Nowcasting 的一页 correction，Crossref 在 2026-08-01 02:12 +08 建档。当前可取材料没有说明改动影响模型、数据、指标或代码，且任务是云掩膜而非降水/雷达未来预报；只记 correction 元数据，不产生技能结论。
• Semantic Scholar 定向查询持续返回 429，OpenReview 新近 notes API 返回 403；Web 索引只找回旧条目。这里记录访问不完整，不把失败响应当成零结果证明。

5.3 window-out#

Zenodo 数据集 Beijing 2017-2018 3-Hourly PM2.5 and Meteorological Dataset (35 Monitoring Stations) 的精确创建时间为 2026-07-31 12:09 +08，比 48 h 缓冲边界早 51 min，故记 window-out，不计本期新增。它仍值得后续跟踪：35 站、2017-01-01 22:00 至 2018-01-31 22:00、每站 3161 个 3 h 时次；变量含 PM2.5、PM10、NO2、CO、O3、SO2、温度、气压、湿度、风速和 u/v 风，另有原始观测 mask。短于等于 5 h 的缺口用前向填充，更长缺口用过去 24 个有效小时均值，属于因果填补。版本 DOI 10.5281/zenodo.21713339，单个 2.25 MB ZIP，CC BY 4.0。

该数据集说明用于尚未检索到正式论文/代码的 “LightVMD: Constraint-aware multi-scale forecasting for multi-station PM2.5 prediction”。它包含历史气象观测，不等于未来 CAMS/MLWP 气象预报驱动；下一触发器是论文、代码、严格时间/站点划分、真实未来气象输入和极端污染评估公开。

5.4 low-value-exclusion#

• Recent Advances in Air Pollution Monitoring and Forecasting（DOI 10.37773/ees.v9i2.1685）在主窗口重叠段完成建档，但属于面向土木工程的 IoT/大数据/ML 宽泛综述，没有新数据、模型、统一样本或可复核预测结果，不进入新增证据集。
• matko-iv/vrijeme 的窗口内提交均由 GitHub Actions 自动刷新预报；boncz/hawaii-airquality-forecasting 和 Zeref538/hangin 同样只是数据/预报定时刷新。没有模型、代码逻辑、权重、许可证或科学解释变化，不计新事件。
• Hugging Face 检索只见既有天气预报数据集的自动时间更新，没有新模型卡、权重、数据版本、许可证或结果；不以更新时间代替实质载荷。
• JoshuaKimsey/LibreWXR 是雷达/NWP 自托管 API 应用，当前未核实 AI 算法或科学评估变化；不纳入。matko-iv/vrijeme 虽有完整后处理资产，但本窗口只有自动输出提交，同样排除。

六、对当前研究的具体启发#

1. 把 persistence 写进模型结构，而不只当成表格基线。 TinyEarth 的残差预报建议与 Solafune“最新帧走 skip、历史帧只调 bottleneck”可以组合：大尺度/慢变分量预测增量，最新分析或动力模式保留确定性结构，再由生成分支表达未解析部分。
2. 同时报告平均误差和结构保持。 TinyEarth 的 MAE 胜、SSIM 败说明单一像素损失会奖励模糊。雷达/降水和 S2S 都应并列谱能量、对象位移/生命周期、阈值尾部和异常相关，而非只用 RMSE/CSI 均值。
3. 集合成员应按互补误差选，不按单体榜单机械排序。 Solafune 结果支持异构架构进入组合，但权重拟合必须 outer cross-fit，并在未参与选择的地域/时期验证；同一公开榜单反复提交不等于独立泛化。
4. 开放环、闭合环和业务再初始化必须分列。 海雾论文证明闭合环一分钟吸收观测会极大改变问题难度。雷达临近预报、CAMS 订正和 S2S 混合均应明确何时能得到新观测、何时只能递归自己的输出。
5. 不确定性区间必须做覆盖率审计。 MC dropout 的“95%”只是构造方式；还要按时效、强度、天气型报告 empirical coverage、平均区间宽度、PIT/reliability 和极端漏报，避免把宽区间自动解释为可靠。
6. 相位偏差是多时效共用诊断。 CCIC-IMERG 评估提示，绝对场日平均接近时，振幅和峰时刻仍可能错 6 h 以上。区域短时降水、气象驱动 PM2.5 和 S2S 异常都应加入相位/时段诊断，并严格使用局地有效时刻。
7. 模型臂替换要在最终系统上评分。 globalnowcast 应先完成 AIFS-GFS 共样本对比，再重拟合雷达平流与模式臂的交接和权重；单体更强但与平流误差高度相关时，组合仍可能退化。

七、后续跟进触发器#

• TinyEarth：官方 EarthNet test、跨 tile/区域严格隔离、收敛训练、多随机种子、checkpoint/release，以及 residual-forecasting 后 MAE-SSIM-谱/异常共同改善。
• Solafune：6 路集合的 final/private 或未触碰地域验证、成员误差相关、最终权重/预测/LICENSE；exp066 ConvLSTM 与 attention 的完整 5-fold OOF 和榜单结果。
• globalnowcast：提交 AIFS/GFS 逐时效共同样本输出，核对累积量/率与 dBZ 转换，公开初始化-有效时刻清单，并在最终雷达平流-模式混合上重评。
• AD4DVAR-radar：标准许可证、真实雷达数据和基线清单、阈值/FSS/对象/位移指标、强对流新生失败案例、概率扩展或正式论文出现。
• 海雾 MLW：公开代码/权重、跨航次/跨海域测试、传感器缺测和海盐偏差、95% 区间覆盖与可靠性、与 NWP/业务再初始化的共同样本比较。
• CCIC-IMERG/DYAMOND：正式同行评审版本、Zenodo 代码/数据的独立重跑、更多年份/季节，以及 AI 天气模型在相同 FWP/降水相位协议下的比较。
• 空气质量 Springer 两章：全文中的明确预测时效、严格测试年份/站点、绝对指标、未来气象驱动与代码数据；LightVMD 论文/代码出现后检查其划分、因果填补和真实预报驱动。
• 机构页：只有出现模型/权重/数据/共同样本业务报告、许可证变化或明确科学解释时才升级；一般活动和旧项目回顾继续排除。

八、简短结论#

2026-08-02 的严格窗口没有新的核心业务证据，最有用的新增是四个方法边界：慢变信号可以学到但会牺牲纹理；异构成员可以提高集合但必须独立外推；模型臂替换需要共同有效时刻和最终组合评分；开放环的不确定性必须用覆盖率而不是名义区间验证。当前研究仍应围绕同一条主线推进：先明确不同变量、尺度和时效上真正可预报的部分，再保留最新分析/动力锚定的可信结构，用残差或生成分支恢复局地细节，最后在共同样本和真实可用输入下校准不可预报部分。