2026-08-03 大气科学 AI 研究日报#

生成与科学核验截止时间：2026-08-03 13:00（北京时间，UTC+8）。
严格滚动主窗口：2026-08-02 13:00-2026-08-03 13:00；补充缓冲窗口：2026-08-01 13:00-2026-08-02 13:00。
连续增量边界：上一期实际科学核验截止为 2026-08-02 13:00；本期与上一期连续衔接，无缺口和重叠。
去重基线：最近的大气科学 AI 日报、历史雷达回波 AI 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#

本轮主窗口内保留 2 条 core-air-quality 直接结果、3 条 adjacent-method 和 3 条 infrastructure 状态变化。最重要的直接论文是 AtmosChemNet-AI：它把污染物、ERA5 气象量和化学反应代理量共同输入短时城市空气污染模型，作者报告 1-6 h 误差优于持久性与不含化学约束的深度学习基线。另一篇 DustCast 面向阿拉伯半岛月尺度沙尘气溶胶，但正式摘要与作者公开说明对近地面 RMSE 的单位相差 1000 倍；本期保留该论文，同时把数值标为待正式全文澄清，不能把冲突值当作已核验技能。

四条研究线当天并不均衡：core-nowcasting、core-short-range 和大气状态意义上的 core-s2s 没有新的正式直接论文或独立业务验证。代码侧则有三项实质变化：TinyEarth 公布加入 skip connection 与梯度差损失后的 v2 结果；Solafune 同时刻卫星到 GPM 项目增加新榜单、骨干消融和种子集合证据；AD4DVAR-radar 增加局地观测一致性支持和场条件化可辨识性诊断。这些变化可用于结构恢复和评估治理，但分别不是大气 S2S、未来雷达预报技能或独立复现。

1. 保留可预报信息：先把“慢变背景”和“局地结构”拆开验证。 TinyEarth v2 的 skip pathway 与 GDL 改善多数像素/结构指标，但仓库同时披露 v1/v2 验证窗口并非同一集合，不能把跨版本差值当成严格单变量增益。
2. 恢复精细结构：训练时可用、推理时不可用的高分辨率信息可以通过蒸馏保留。 PCR-Net 用 LST 引导教师和空间梯度蒸馏，在推理阶段不需要 LST；但它做的是 ERA5 日温度重分析降尺度，不是未来天气预报。
3. 表达不确定性：集合压缩应由用户影响量约束。 风能论文把容量因子加入卷积自编码器潜空间，再对 EPS 聚类，得到更贴近风电爬坡风险的少量情景；这是集合解释/决策基础设施，不是集合校准或新 EPS。
4. 气象驱动误差仍是空气质量链条的主要未解项。 AtmosChemNet-AI 使用 ERA5 重分析，DustCast 使用 ERA5/MERRA-2/IOD 历史资料；二者都没有证明在 CAMS、MLWP 或 NWP 真实预报驱动下保持技能。
5. 参照数据本身会限制可见技能。 IMERG 极端降水研究显示点-像素代表性、幅度衰减与约 11 km 位移可同时存在；对高分辨率 AI/NWP 的验证不能把单格点卫星误差全部算到预报模型上。
6. 源检索整体偏静但不是零更新。 arXiv 官方 API 的定向检索未发现主/缓冲窗口内四主线匹配新增；OpenAlex 的按建档日期筛选要求付费计划，不能据此下“无新增”结论。机构页未发现新模型、权重、数据或共样本业务结果。

二、新增条目表#

表中“日期”优先采用正式上线或可核验建档/提交时刻。Crossref 建档时刻不是同行评审完成时刻，也不自动等于论文首次公开时刻。主窗口没有另列缓冲条目；缓冲检索未发现值得保留且未跟踪的高价值结果。

三、四条核心研究线#

3.1 core-nowcasting：没有新的雷达技能论文，原型开始收紧“哪里可信”#

AD4DVAR-radar 的新提交没有引入新的预报模型，而是修正输出支持的科学含义。此前只要整体分析未降级，源支持区就会整体标为“已验证”；新实现把最新时刻观测与分析场逐格比较，仅在观测有效、探测回波标准化误差不超过阈值，或未探测像元仍低于探测限时，才保留 verified_source_support。这比全域继承支持更符合“局地观测一致性”概念。

另一提交用 Schur complement 诊断在初始场作为 nuisance control 后，平移/增长动力参数还剩多少可辨识信息，并把条件化 Gram 特征值、信息迹和有效维数写入输出合约。技术上，它在问“动力参数的表观约束是否只是被初始场吸收”，适合做 fail-close 诊断；它仍不会让单一全局运动/增长模型表达旋转、形变、多单体运动或新生对流。仓库没有真实事件、光流/生成式基线、FSS/CSI/位移/可靠性结果、标准许可证或独立复现，因此只记 infrastructure，不把输出合约升级当成技能提升。

Solafune 仍是同一时刻卫星到 GPM-IMERG 的降水估计，不是 0-3 h 雷达未来帧。它的新实验在第四节详述，保留为上游/相邻任务。

3.2 core-short-range：新增的是结构恢复与影响导向情景，不是 0-72 h 订正技能#

PCR-Net 将 0.25° ERA5 日平均 2 m 温度映射到 100 m。它先构建物理订正背景，再用 LST 引导的 CatBoost 生成教师场，最后由地形感知 U-Net 细化；空间梯度蒸馏把 LST 所提供的细纹理先验转移到学生网络，使推理时不再需要容易受云污染和观测时次限制的 LST。作者使用 2008-2024 年中亚—新疆干旱复杂地形资料，报告独立年份 RMSE/MAE 为 1.31/0.90 °C，12 站空间盲测为 1.58/1.19 °C；有效 FLOPs 约为 10 步 diffusion-style U-Net 的 1/36.3。

这些是作者报告的重分析映射结果，不是由某个起报时刻向未来有效时刻积分的天气预报。摘要未给独立年份具体年份、训练/验证空间隔离的全部细节、与业务高分辨率 NWP 的共同样本比较、极端温度阈值、概率不确定性或公开代码。因此可借鉴的是“训练期辅助观测蒸馏 + 推理期脱离辅助观测”的结构恢复设计，而不是把 100 m 产品直接视为 100 m 预报技能。

风能 EPS 论文用卷积自编码器把 100 m 风场投影到潜空间，再聚类为少量气候型情景；关键变化是把容量因子这一用户影响量也加入降维，使潜空间与后续聚类更贴近风速—发电关系。作者在一个爬坡事件案例中认为情景更连贯、更适合决策。这一方法可迁移到强降水、雷暴或空气质量阈值的“影响导向集合压缩”，但摘要没有给可靠性、CRPS/Brier、概率覆盖率、与原始 EPS 的共同样本得分或跨事件稳健性，也不是新的数值/AI 天气模型。

3.3 core-s2s：没有新的大气状态 1-65 d 直接论文#

本轮没有发现新的全球或区域 AI 天气、混合动力—AI、生成式集合或多模式公平 S2S 直接结果。TinyEarth 的 50 d 历史到未来 100 d Sentinel-2 地表影像实验与“慢变信息/局地结构”问题同构，但目标不是大气状态、异常或动力模式，因此仍为 adjacent-method。

DustCast 的月尺度输出与 S2S/S2D 时间尺度相连，但对象是基于历史再分析和气溶胶诊断的月平均近地面/柱总量沙尘浓度。正式摘要没有明确给出每次预测的起报时刻、月提前量、未来气象输入是否可用、训练/验证年份和滚动方式。未核实这些时间合同前，不能把“月尺度模型”自动升级为初始化的月提前 S2S 预报。

3.4 core-air-quality：两篇直接论文都尚未跨过真实预报驱动门槛#

AtmosChemNet-AI#

Scientific Reports 论文覆盖 Delhi、Mumbai、Hyderabad、Bengaluru 和 Chennai 共 82 个站，使用 2018 年 1 月至 2023 年 12 月小时资料，约形成 380 万时空样本。污染物来自 OpenAQ，包括 PM2.5、PM10、NO2、O3、CO 和 SO2；气象场来自 ERA5，按站点周边四个格点、50 km 内反距离插值；化学先验来自 NASA JPL 反应动力学信息。短缺口（小于 6 h）线性插值，长缺口剔除。模型输入 24 h 历史序列，包含 6 个污染物、5 个气象量和 3 个反应代理特征，共 14 个变量；主体为两层、每层 128 单元的 stacked LSTM，并增加化学感知软正则项。数据按时间顺序 70%/15%/15% 切分，使用 Adam、学习率 10^-3、batch 64、最多 100 epochs 和 patience 10。

作者报告 PM2.5 测试集的完整模型 MAE/RMSE/R² 为 6.2/9.8/0.82，不含化学约束的污染物+气象深度学习基线为 7.6/11.8/0.74，持久性为 9.5/14.8/0.66。按时效，完整模型在 +1 h 为 MAE 5.8、R² 0.85，在 +6 h 为 MAE 7.9、R² 0.72；对应持久性为 6.9/0.78 和 11.4/0.57。论文还给出其他污染物和消融结果，并报告 Wilcoxon 检验显著。上述均为作者报告，尚无独立复现。

技术判断需要收紧三点。第一，“physics/chemistry-informed”是反应代理特征和软正则，不是化学传输模式、质量守恒或硬反应方程。第二，气象量来自 ERA5 重分析，论文没有证明未来 +1 至 +6 h 使用的是起报时刻可获得的 NWP/CAMS/MLWP 预报；因此不能把其技能外推到真实业务驱动。第三，按时间切分但没有城市/站点留出，无法检验空间迁移；也未报告极端污染阈值、概率校准或输入气象扰动传播。论文称代码、数据和材料按请求提供，未见公开权重或固定样本清单。

图件未镜像：正式论文许可为 CC BY-NC-ND 4.0，不满足本站仅复制 CC BY、CC BY-SA、CC0、公共领域或明确授权图件的政策。可在正式论文页面查看原图。

DustCast#

DustCast 使用 ERA5 再分析、MERRA-2 气溶胶诊断和印度洋偶极子指数，借助 H3 六边形空间聚合，组合多元线性回归、KNN、决策树和随机森林，并按各模型 RMSE 赋权，分别预测阿拉伯半岛近地面与整层月平均沙尘浓度。正式摘要称模型能捕捉 Shamal 风主导的夏季沙尘季节循环和锋面/气压梯度相关事件；柱总量集合由决策树和随机森林贡献较多。

正式 Crossref/Wiley 摘要把近地面集合 RMSE 写为 0.00972 µg m^-3、R²=0.887，柱总量为 0.00550 mg m^-2、R²=0.984；作者在论文上线前的公开说明却把同一近地面 R² 对应的 RMSE 写为 9.68 µg m^-3。两者相差约 1000 倍，可能是 mg m^-3 与 µg m^-3 换算或摘要排版错误。本期不选择其中任何一个作为已确认数值，只确认 R² 和“集合优于单体”的作者结论，下一步以 Version of Record 正文/勘误为准。

更关键的科学不确定性是：可访问摘要未给训练/验证年份、月提前量、初始化合同、未来气象输入可用性、极端沙尘阈值命中率或跨年份滚动验证。ERA5/MERRA-2 都是历史再分析/诊断资料，若预测月包含同期资料，它更接近统计映射或季节诊断，而非真正月提前业务预测。未发现公开代码、权重或冻结样本包。图件未镜像：CC BY-NC 4.0 不满足本站图件复用政策。

四、相关方法与基础设施#

4.1 TinyEarth v2：结构路径有效，但跨版本差值并非严格可比#

v2 在所有时间骨干共用的编码器—解码器中加入最新观测帧的多尺度 skip connections，并在 L1 之外加入梯度差损失（GDL）。GDL 比较预测和目标的横纵梯度幅度，目标是惩罚“均值正确但边缘被磨平”的解；仓库还增加了架构版本标签和可复现 resume 保护，避免 v1 checkpoint 静默载入 v2。

作者对 312 个 held-out validation windows 报告：Transformer 的 MAE/RMSE/PSNR/SSIM/SAM 为 0.02593/0.03925/28.47/0.8081/6.06，S4D 为 0.02799/0.04207/27.87/0.7908/6.40，ConvLSTM 为 0.02943/0.04396/27.47/0.7796/6.40；persistence 为 0.03045/0.04661/27.08/0.8044/6.36。Transformer 同时是三种 v2 学习骨干中推理最快者（作者记录 401 ms），说明在这一小规模 CPU 设定下，SSM 的参数形式没有自动带来速度或质量优势。

仓库自己的 v1-vs-v2.md 明确警告 v1 和 v2 不是同一验证集合，因此不能直接把 v2-v1 差值归因于 skip+GDL；当前可确认的是 v2 在自己的 312 窗口上超过持久性多数平均指标，而 persistence 的 SSIM 仍略高于 S4D/ConvLSTM。没有官方 EarthNet test、固定跨 tile 测试、多个随机种子、公开 checkpoint 或独立复现。可借鉴点是用“最新状态 skip + 动态骨干 + 梯度结构损失”分工，下一步必须在相同样本和同一起报—有效时刻合同上做真正配对消融。

4.2 Solafune：种子平均有效，容量与 OOF 排名并不稳定外推#

仓库新记录 exp064_effb3_seed_ens_42_456 的公开榜单 RMSE 为 0.6713978，优于 seed42 单体 0.6720097 和 seed456 单体 0.6758692，说明同一骨干的两种随机种子也能通过误差抵消获得小幅集合收益；但它仍不及既有六路异构集合 0.66703。作者还报告 EfficientNet-B1/B2 的 fold0/4 gate 通过，而 RegNetY-016 和 DenseNet121 一好一坏，已继续全 5-fold；这些仍是内部/公开榜单阶段状态，不是独立地域结论。

一个重要负结果是 exp067：用已有集合的 nested OOF 预测模拟自回归输入，确实把 teacher-forcing 与自预测输入之间的误差差距大幅缩小，但两个 gate fold 都劣于 champion，因此关闭该轴。另一个负结果是 ConvNeXt-Tiny：5-fold OOF 看起来接近竞争模型，但公开榜单 RMSE 0.6837558，反而比 ConvNeXt-Small 更差；说明“小模型总是更好”和细小 OOF 排名都不能跨骨干家族外推。

这些证据可用于集合多样性和验证门控设计，但任务仍是同一时刻卫星到 GPM 的竞赛映射。公开榜单被反复用于选择模型/种子，存在选择性过拟合；原始数据、最终权重、预测包、最终私有榜单和独立 LICENSE 未核实。不能称为雷达临近预报、未来降水预报或已验证空间迁移。

4.3 风能影响导向 EPS 情景：从“代表天气”转向“代表决策变量”#

论文的两步流程是：先用卷积自编码器压缩集合天气场，再在潜空间聚类，形成少量可解释情景。与仅按风场组织潜空间相比，把容量因子同时作为降维目标可使聚类更好保持风—功率关系，并在爬坡事件案例中提供更连贯的用户情景。

对当前四线的具体借鉴是：概率集合不必只以场误差或成员距离压缩，可以把强降水阈值、对流单体生命期、PM2.5 超标或局地异常作为影响变量共同约束情景；但必须保留原集合的概率质量并验证 reliability、resolution、CRPS/Brier、极端召回与成员权重。论文摘要没有提供这些校准证据，也未核实公开代码/数据。虽然正式许可为 CC BY 4.0，但本期无法核验正式版具体图号、完整图注和第三方材料状态，因此图件未镜像。

4.4 IMERG 极端降水性能边界：点—像素错配会伪装成模型误差#

正式论文由 2026 年 4 月 SSRN 预印本演化而来。可核验的预印本方法使用 2019-2025 年 Comunitat Valenciana 556 个雨量站，对 GPM IMERG Final V07 半小时、0.1° 产品评估 30、60、180 和 360 min 极端事件；共识别 15,663 个站点事件，并同时比较站点所在像素与固定 3×3 邻域容差。

作者在预印本版本报告：事件 POD 从单像素 0.768 升至 3×3 邻域 0.890，但 IMERG/雨量站幅度比中位数仍仅 0.037 和 0.100；6 h ETS 为 0.0646 和 0.0929；只有 19.5% 的事件在站点像素达到 IMERG 最大值，位移中位数约 11.12 km。这说明“检出、幅度和位移”是三类不同误差，邻域容差只能缓解位移，不能恢复被衰减的极端强度。

它不是 AI 预报论文，却直接影响所有以 IMERG 为参照的降水 AI/NWP 评价：应同时给单像素与邻域/对象指标、尺度匹配、共同样本、幅度比和位移，不应把卫星参照的亚像素代表性误差全部归因于模型。正式论文为 CC BY 4.0，但未成功核验正式版具体图件是否与预印本一致及完整图注，因此不镜像图件。

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 的定向检查未发现主窗口内新的四主线模型、权重、数据、共样本结果或正式业务验证交付物。ECMWF 最新公开新闻仍停留在 7 月既有项目，WMO 页面为既有 AI 治理/能力建设信息；这些不重复写成科学更新。

5.2 metadata-only#

本期没有只靠聚合器元数据而值得单独保留的新条目。Crossref 候选均已通过 DOI、出版商页面、正式摘要、仓库提交或先前版本至少一种更强来源核验；无法访问的全文细节明确留空，没有从标题推断训练和测试合同。

5.3 window-out#

未发现需要新增去重记录的高价值窗口外条目。历史论文、7 月机构新闻和既有模型页仅用于排除重复，不进入新增表。

5.4 low-value-exclusion#

• Adaptive Rainfall Forecasting from Multiple Geographical Models Using Matrix Profile and Ensemble Learning（Springer 章节，DOI 10.1007/978-981-92-2590-3_48）在主窗口内完成 Crossref 建档，但正式页面未提供可核验摘要、数据、时效、基线、指标或代码，暂记低价值排除；全文或可审计实验出现后再判断。
• 一般 AI 天气新闻、活动议程、机构治理声明、旧模型介绍和仅更新网页抓取时间的页面不计新增。
• OpenAlex 的 from_created_date 筛选返回“需升级计划”，这是访问限制，不是无新增证据；arXiv 官方 API 的窗口内空结果只适用于本轮所用定向查询。

六、对当前研究的具体启发#

1. 把结构恢复设计成可审计的增量。 若在 FGOALS/AI-weather 或雷达模型中加入最新状态 skip、GDL/谱损失，应固定同一初始化、有效时刻、共同样本与随机种子，至少同时报告绝对场、异常、谱/梯度、对象和极端指标，避免 TinyEarth 式跨样本版本比较。
2. 训练期高分辨率教师不必成为业务输入。 PCR-Net 的 LST 教师—学生模式可类比为训练期使用雷达/高分辨率分析约束局地结构，业务推理只依赖可获得的模式场；必须额外验证云缺测、季节和站点外推，以及学生是否只是复制教师偏差。
3. 空气质量实验必须显式分两条驱动链。 同一模型应分别用 ERA5/分析场与真实 CAMS/MLWP/NWP 预报气象驱动，在同一有效时刻和站点样本上量化误差增加，并对 PM2.5/沙尘阈值、输送过程和气象扰动做分层。
4. 单位与时间合同应成为纳入门槛。 DustCast 的 1000 倍单位冲突说明摘要数值不能脱离量纲；月尺度任务还必须写清起报月、提前量、目标月、未来气象输入和训练/验证年份，才能称为 S2S/S2D 预报。
5. 集合压缩要验证概率守恒。 可尝试把异常温度、强降水或超标污染作为影响变量组织场景，但需证明压缩后事件概率、可靠性和尾部风险未被扭曲，而不仅是案例更“连贯”。
6. 高分辨率验证同时给严格与容差指标。 对雷达/卫星/模式比较，同时报告像素、邻域、对象、幅度与位移；明确参照资料分辨率、单位、掩膜和代表性误差，避免把参照衰减当作模型平滑。

七、后续跟进触发器#

• AtmosChemNet-AI：公开代码/权重/固定数据清单；使用 CAMS/MLWP/NWP 预报气象的同样本重跑；城市/站点留出；超标概率与可靠性。
• DustCast：Version of Record 正文或勘误澄清近地面 RMSE 的单位；明确训练/验证年份、起报月、提前量和未来输入；公开代码/数据处理清单与阈值事件评估。
• TinyEarth：同一验证集合的 v1/v2 配对重跑、官方 test/cross-tile、多个随机种子、checkpoint 哈希、谱/对象/极端与概率校准。
• Solafune：EfficientNet-B1/B2、RegNetY 和 DenseNet 的完整 5-fold/最终榜单；地理留出、final/private 结果、权重/数据/许可证；未来时效或雷达目标扩展。
• PCR-Net：SSRN 正式版本、代码/权重、独立年份与站点列表、极端温度/季节分层、真实预报驱动和独立复现。
• 风能 EPS 情景：公开代码/数据；多个事件与季节；CRPS、Brier、可靠性和场景概率守恒；迁移至强降水/空气质量影响量。
• AD4DVAR-radar：真实事件包、标准 LICENSE/release、光流/生成式基线、FSS/CSI/位移、局地生消和概率校准；独立复现。
• IMERG 极端参照：正式版代码/数据和图件；不同气候区/地形复核；把像素—邻域—对象三层协议用于 AI/NWP 共样本评价。

八、简短结论#

本期最有用的进展不是新的通用 AI 天气大模型，而是两个更具体的信号：空气质量模型开始把气象和化学先验同时纳入短时预测，但仍未跨过真实预报驱动验证；结构恢复方法开始把“最新状态直连”“梯度约束”和“训练期高分辨率教师、推理期脱离教师”拆成可检验部件。与此同时，DustCast 的单位冲突、TinyEarth 的跨版本样本不一致和 IMERG 的点—像素错配共同提醒：在谈技能增益前，必须先锁定单位、时间合同、共同样本和参照误差。

本期未镜像任何论文图件：两篇空气质量直接论文的许可不满足本站政策；其余候选虽有 CC BY 或开放页面，但未能同时核验正式版具体图号、完整图注、第三方材料与清晰原图。没有公开镜像论文 PDF、内部数据或来源/许可不明图片。