# 2026-08-05 大气科学 AI 研究日报

> 科学核验截止：2026-08-05 13:00（Asia/Shanghai）  
> 严格主窗口：2026-08-04 13:00—2026-08-05 13:00  
> 24—48 h 缓冲：2026-08-03 13:00—2026-08-04 13:00  
> 去重基线：2026-08-04 大气科学 AI 日报、历史雷达日报、`tracked_items.md` 与自动化 memory 的实际状态

## 一、总体判断与信号地图

本期不是“多篇新模型集中出现”的一天。严格主窗口内保留 4 个实质事件：1 篇直接降水预测预印本和 3 项代码/评估基础设施变化。最重要的新科学结果是 **Prithvi-Precip**：它把全球大气基础模型、再分析和多源卫星观测接到 6—96 h 概率降水预测上，并用 MRMS 与巴西雨量站做独立于训练目标的检验。作者结果支持“卫星观测主要补益前约 40 h、IMERG 训练目标比 MERRA-2 降水更能迁移到独立观测”，但并不支持 96 h 全时效持续优于 AIFS，也没有建立极端降水概率校准。

三项代码事件分别补充了空气质量集合后处理、短时多模式比较和确定性临近预报基线：Météo-France 的 CAMS 深度学习仓库把 11 个区域 CTM 原始成员、集合中位数和 7 个统计量拆成可比实验臂；`globalnowcast` 上线了 GFS+AIFS 降水率均值并提交 16 个有效时刻的作者评估，但强回波阈值退化且验证协议在截止后仍需纠正；`geoskill-precipitation-nowcasting` 发布了 MIT 许可的全场平移光流外推工具，可作为透明的拉格朗日持久性基线，却不是 AI 模型，也没有真实天气技能验证。

| 信号 | 本期判断 |
|---|---|
| `core-nowcasting` | 无新的直接 AI 雷达/降水概率临近预报论文；新增 1 个确定性光流基线，归 `infrastructure` |
| `core-short-range` | 新增 Prithvi-Precip；6—72 h 属本研究线，78—96 h 作为时效外延单独看待 |
| `core-s2s` | 未发现新的 1—65 d 直接论文、权重、共同样本业务评估或独立复现 |
| `core-air-quality` | 无新的直接结果；CAMS 多模式集合实验配置发生实质变化，归 `infrastructure` |
| `adjacent-method` | 未发现需要单独升级的 flow/diffusion/降尺度新结果 |
| 论文代表图 | 本期 0 张；Prithvi-Precip 具体版本未核实可供第三方镜像的图件许可 |

## 二、新增条目表

| 标题 | 日期（北京） | 研究主线 | 相关性分类 | 来源/平台 | 正式状态 | 链接 | 代码/数据状态 |
|---|---:|---|---|---|---|---|---|
| *Prithvi-Precip: Integrating Satellite Observations into an Atmospheric AI Foundation Model for Precipitation Forecasting* | 2026-08-05 01:25 | `core-short-range` | 直接预测 | arXiv | arXiv `2608.03959v1`；预印本，暂无期刊信息 | [论文](https://arxiv.org/abs/2608.03959) · [代码](https://github.com/simonpf/prithvi_precip) | 代码公开，但仓库未见标准 LICENSE、权重、release/tag 或冻结样本包；MERRA-2、IMERG、MRMS、INMET 等上游来源可追溯 |
| `meteofrance/cams-dl-ensemble`：raw/median/statistics 对照实验 | 2026-08-04 17:25 | `core-air-quality` | `infrastructure` | GitHub / Météo-France | 公共代码提交 `4fbe975c`；非论文和非结果发布 | [提交](https://github.com/meteofrance/cams-dl-ensemble/commit/4fbe975ca85a4e548934409646dd03c20313a500) · [仓库](https://github.com/meteofrance/cams-dl-ensemble) | Apache-2.0；新增 18 组 O3 配置，尚无提交的结果表、权重、release/tag 或独立复现 |
| `andrewnakas/globalnowcast`：GFS+AIFS 降水率均值上线及小样本评估 | 2026-08-04 17:08—2026-08-05 12:29 | `core-short-range` | `infrastructure` | GitHub | 公共代码与作者结果提交；无论文、标准 release 或业务机构背书 | [AIFS 评估提交](https://github.com/andrewnakas/globalnowcast/commit/6e2d3166) · [均值臂提交](https://github.com/andrewnakas/globalnowcast/commit/9ab9e9a) | 16 个有效时刻、6—48 h 的作者自评产物已提交；无 LICENSE、固定跨季节 manifest、权重或独立复现 |
| `ruiduobao/geoskill-precipitation-nowcasting` | 2026-08-04 21:12 | `core-nowcasting` | `infrastructure` | GitHub | 新公共仓库；无论文、release 或 tag | [仓库](https://github.com/ruiduobao/geoskill-precipitation-nowcasting) · [提交](https://github.com/ruiduobao/geoskill-precipitation-nowcasting/commit/ad8a9760df086b2248496fbca047b694489d171b) | MIT；含 CLI、单元测试、合成高斯雨团验证和示例 GeoTIFF；无真实雷达样本、事件清单或技能结果 |

## 三、四条核心研究线

### 3.1 `core-nowcasting`：没有新的直接 AI 结果，新增一个透明的确定性下限基线

严格主窗口内没有发现新的 0—3 h 雷达回波/降水生成式或概率集合论文、权重、数据集或共同样本业务结果。新建的 `geoskill-precipitation-nowcasting` 使用最近多帧雷达或卫星降水 GeoTIFF，在搜索窗内以归一化互相关估计相邻帧的一个全场平移矢量，再对多帧对取平均；未来场由 `scipy.ndimage.shift` 双线性平移，边界补零，可输出 0—6 h 多波段 GeoTIFF、位移 JSON 和运行 manifest。

**数据、训练与测试。** 它没有训练过程，也没有真实数据依赖；内置测试只生成以已知速度平移的高斯雨团，验证位移恢复、CLI 和文件输出。仓库虽写“optical flow”，实现对应的是全域单平移的交叉相关匹配，不是稠密光流、分区运动场或带形变的拉格朗日外推。0—3 h 部分可作为临近预报基线，3—6 h 已超过本研究线的严格范围。

**技术判断。** 该工具的价值在于合同透明、MIT 许可和可快速生成 persistence/extrapolation 对照，而不是新科学技能。全场平移假设无法表达旋转、形变、多单体差异、对流新生/消亡和强度演变；合成平移验证也不能替代事件隔离的 MRMS/雷达检验。只有在与 Eulerian persistence、pySTEPS/稠密光流和学习模型使用共同样本、共同 mask、相同时效与阈值比较后，才可把它写入技能基线。

### 3.2 `core-short-range`：Prithvi-Precip 把卫星观测增益延伸到约 40 h

#### 科学任务、数据与覆盖

Prithvi-Precip 是 arXiv 预印本，目标为全球 6 h 间隔、最长 96 h 的概率降水预测。其大气骨干为 Prithvi-WxC 280M 和 2.7B 两种规模，初始状态使用相邻两个 MERRA-2 时次：20 个单层变量和 10 个分层变量的 14 个垂直层，网格为 0.625° × 0.5°。降水目标分别来自 MERRA-2 与 GPM IMERG V07，均处理为 3 h 累积并下采样到同一粗网格；独立参照包括 CONUS gauge-corrected MRMS 和巴西 524 个 INMET 雨量站。

多源观测臂加入 GPM L1C 被动微波传感器以及 GOES、GridSat、CPC 红外资料。作者用波长、极化和 3 h 窗口内相对时间描述不同通道，通过 cross-attention 编码每个 tile 中数量可变的观测；训练时对再分析和观测各做随机丢弃，并做层级观测 dropout，以模拟业务可用性不完整。这个设计是“观测补充大尺度状态”而不是 satellite-to-radar 同期反演，也不是雷达临近预报。

#### 模型构建、训练和起报合同

降水头是逐像素四层 MLP，每个网格输出 32 个条件分位数，以 quantile loss 训练。模型在自回归滚动时保留完整大气状态，降水输出本身不反馈到下一步状态。论文比较两种训练合同：一是逐 6 h 自回归、训练到 6 步即 36 h；二是用连续时效条件直接预测最长 96 h。训练资料为 2000—2020 年，2022 年用于设计/测试，业务系统比较使用 2025 年 3—8 月 00/12 UTC 起报。作者报告训练 100 epochs、AdamW、学习率 warmup 到 5×10^-4 后余弦重启；自回归每 epoch 抽取约 10% 时次，连续时效版本每 epoch 使用约 50% 数据并加入空间增强。

这里需要保留三个时间边界：论文把起报时刻、有效时刻和 6 h 预报步分开；本日报将 6—72 h 归入 `core-short-range`，78—96 h 只作为超出本线的短中期外延；IMERG/MRMS 3 h 累积与 INMET 点雨量不能混作完全相同空间代表性的参照。

#### 作者报告效果

- 自回归版本在综合指标上普遍优于连续时效版本，但超过训练滚动长度 36 h 后出现偏向低估；连续时效版本在短时效有正偏差。
- 以 IMERG 为目标训练的模型，在独立 MRMS 上的综合迁移优于 MERRA-2 目标版本；这说明目标产品对可迁移降水结构的影响可能大于仅优化再分析内部分数。
- 280M 小模型在当前训练预算下优于 2.7B 版本；但大模型只训练 4 个滚动步且预算不同，因此不能把结果解释为严格的“模型越大越差”消融。
- 再分析+卫星联合输入相对再分析-only 的增益主要维持到约 40 h；观测-only 在 6 h 有竞争力，但约 12 h 后低于再分析-only，符合观测快速约束初始降水、动力状态负责延长可预报信息的图景。
- 在 2025 年业务比较中，以 IMERG 为参照时 Prithvi 有训练目标同源优势。换成独立 MRMS 后，联合输入相对 AIFS 的优势主要在约 18 h 内，约 36 h 接近，随后转弱；巴西站点上约 6—12 h 略高于 AIFS，约 40 h 后落后。以上均为作者报告，尚无独立复现。

#### 代码、许可与技术判断

公共仓库包含 MERRA-2、IMERG、MRMS、GEOS 和卫星观测的数据读取/预处理、指标与测试代码，但当前树未见标准 LICENSE、公开 checkpoint、release/tag 或冻结的 2022/2025 样本 manifest。论文使用 bias、normalized RMSE、correlation 和 CRPS，却没有提供极端雨强阈值 CSI/FSS、可靠性图、频谱/对象尺度、置信区间、多随机种子或独立复现。因此它最有价值的结论是：**观测与动力状态的贡献随时效分工，且训练参照会改变对独立观测的迁移能力**；不能写成“卫星融合在 96 h 全程优于 AIFS”或“32 分位数已经校准”。

**图件未镜像：** arXiv 元数据没有给出足以授权本站复制具体图件的许可，代码仓库也不能替代论文图件许可。可在[论文页面](https://arxiv.org/abs/2608.03959)查看方法图和结果图；本站不公开镜像 PDF 或图件。

#### `globalnowcast`：多模式均值有中等阈值收益，但样本和协议仍不足

主窗口前半段，仓库增加 AIFS 降水读取与 RRQPE 共同样本评估；主窗口末端又把 GFS 与 AIFS 降水率的简单均值用于约 +6 h 以后。提交的 16 个有效时刻覆盖 6—48 h，作者汇总 5/10/20/30 dBZ 阈值 CSI：GFS 为 0.1684/0.1763/0.1912/0.0908，AIFS 为 0.2087/0.2370/0.2241/0.0547，均值为 0.1929/0.2316/0.2278/0.0853。均值臂在 10 和 20 dBZ 优于 GFS，但 30 dBZ 低于 GFS；wet-area bias 约 1.39—1.45，说明低中阈值收益伴随偏湿。

这些结果使用同一 RRQPE mask 和同一 Marshall–Palmer 转换，方向上比不同参照拼接更可信，但样本仅 16 个有效时刻，没有跨季节/区域稳定性、逐时效置信区间、FSS/位移分解或独立复现。更关键的是，2026-08-05 13:15（本期截止后）提交的验证修复指出：旧评估曾按有效时刻而非 GFS cycle 选择 AIFS 初始化，可能在长时效误取接近分析的 AIFS 场；同时修正了 AIFS 只应在生产 +6 h 后参与验证的门控。该提交不在本期主窗口内，本日报不把旧 16 例结果升级为正式部署技能，只把“重新按生产臂复算”列为下一触发器。

### 3.3 `core-s2s`：本期无新的直接结果

arXiv、Crossref、OpenAlex、主要期刊/会议发现入口及 AI 天气仓库检查，没有发现新的 1—65 d 大气状态、异常、极端事件或集合 S2S 论文、权重、数据集、共同样本业务结果或独立复现。Prithvi-Precip 最长 96 h，不应因“medium-range”措辞误归 S2S；一般 AI 天气模型和仓库中的 6—48 h 评估也不应充当 2—9 周证据。

### 3.4 `core-air-quality`：CAMS 多模式输入消融被显式化，但尚无结果

Météo-France 的 `cams-dl-ensemble` 面向 CAMS 欧洲区域集合空气质量预报，目标是用深度学习替代当前多模型中位数。当前数据合同包含 11 个区域 CTM 预报成员（CHIMERE、DEHM、EMEP、EURAD-IM、GEMAQ、LOTOS-EUROS、MATCH、MINNI、MOCAGE、MONARCH、SILAM），时效 0—96 h，目标为 CAMS 欧洲 interim/validated reanalysis，网格约 0.1°、420×700。仓库说明当前阶段先做单污染物、单层和少数时次，后续再加入 IFS 预报，因为气象预报误差是 CTM 误差的重要来源。

本期提交为 O3 建立三类可直接比较的输入臂：11 个原始 CTM 成员、仅集合中位数、以及 median/mean/skew/kurtosis/min/max/std 七统计量；每类都为 DeepLabV3Plus、HalfUNet、SegFormer、SwinUNETR、UNet 和 UNetRPP 配置训练，统一采用 Lightning、L1 loss、最多 500 epochs 和固定 seed 666。代码指标模块另包含 MSE/MAE 及阈值 Accuracy、F1、FAR、Bias、FPR。

**技术判断。** 这次变更的重要性在于把“成员场中可预报信息是否能由统计量压缩保留”变成明确消融：若 raw 11 成员优于 7 统计量，说明成员间空间结构/模型身份有额外信息；若 7 统计量接近 raw，则可换取更低输入成本；中位数臂则是现行产品锚点。但提交没有结果表、权重、release/tag、预报气象替换实验或独立复现，不能声称任何架构已经优于 CAMS median。它属于与 `core-air-quality` 直接相连的 `infrastructure`，不是本期新的空气质量技能结果。

## 四、相关方法与基础设施

### 4.1 可复现性与许可状态

- Prithvi-Precip：研究代码公开，但无标准软件许可和权重；论文图件许可未核实。
- CAMS DL Ensemble：Apache-2.0 代码，数据/结果/权重交付仍未完成；本期只有可执行实验合同变化。
- `globalnowcast`：结果文件属于作者自评，仓库无标准 LICENSE、release、固定跨季节 manifest 或独立验证；截止后验证修复意味着主窗口分数需要重新生成。
- `geoskill-precipitation-nowcasting`：MIT、测试和 manifest 齐全，但仅合成平移验证；无论文、真实雷达事件、预报技能或概率输出。

### 4.2 发现通道与证据限制

本期对 arXiv 使用官方 API 核验提交时刻与版本，对 Crossref/OpenAlex 使用带日期过滤的元数据查询，对保留仓库逐项打开 GitHub 提交、文件树和许可证。Semantic Scholar 查询持续返回 429，因此没有用其失败支持“没有新增”的结论；保留项均改由 arXiv、论文正文、官方仓库或机构页面核实。DeepMind、ECMWF、NOAA、Met Office、中国气象局、WMO 与 Copernicus/CAMS 的定向检查没有发现主窗口内新的四主线模型、权重、数据集、共同样本业务结果或正式评估交付物。

## 五、机构信号、仅元数据、窗口外与排除项

### 5.1 `institution-signal`

ECMWF 新闻页与 AIFS 专栏在主窗口内没有新的 AI 预报交付物；检索到的 7 月 reanalysis/ML 项目材料不重复填充今日。Met Office、DeepMind、NOAA、WMO、CMA 和 CAMS 官方入口同样未核实到主窗口内的新模型、权重、数据集或业务评估。Météo-France 的 CAMS 仓库提交已按代码实质变化列入 `infrastructure`，不再重复记为机构新闻。

### 5.2 `metadata-only`

本期没有需要升级的新高价值标题级记录。Crossref 的 Research Square 记录 *A Climate-Compatible Machine-Learning Framework for Future Rainfall Erosivity Projections Using Standardized Climate Model Outputs*（DOI `10.21203/rs.3.rs-10525957/v1`）是未来气候模式输出到 rainfall erosivity 的情景投影，不是有起报时刻和预报时效的大气预测；在获得明确的初始化预报实验前不进入四条主线。

### 5.3 `window-out` 与 24—48 h 缓冲

缓冲窗口没有发现未被 2026-08-04 日报与 tracker 覆盖的高价值条目；检索到的 QWRF-Net、干旱概率预报、Kalman 空气质量和雷达反演均为已跟踪重复。本期也没有需要新增跟踪的高价值窗口外论文。

13:00 后的 `globalnowcast` 验证修复属于下一期窗口，不计为本期新增结果；它只改变下一触发器：必须用生产初始化、生产 +6 h 门控和唯一 arm cache key 重新生成全部分数。

### 5.4 `low-value-exclusion`

- 上述 rainfall erosivity 研究是气候影响投影，不是当前四条研究线的初始化预测，记录为去重排除项。
- *Comparative Analysis of PM2.5 Concentration Based on IQAir Air Quality Measurement Data*（DOI `10.31004/riggs.v5i2.10519`）是观测比较而非污染物预报，没有气象驱动、时效或评估合同，排除。
- 自动刷新 GIF、天气网页、学生仪表板、标题含 radar 但属于通信/遥感定位的仓库，以及只改 README/依赖而没有代码、权重、数据、结果、许可或科学解释变化的提交，不计新增。

## 六、对当前研究的具体启发

1. **把观测价值写成随时效衰减的增量曲线。** Prithvi-Precip 的可迁移点不是简单“加卫星会更好”，而是以 reanalysis-only 为动力锚点，逐 6 h 报告 observation-only 与 combined 的增益何时消失。雷达—模式融合也应分别报告 0—3 h 结构约束、6—24 h 动力锚定和更长时效的退化，而不是给一个全时效平均分。
2. **训练参照决定结构恢复的方向。** IMERG 目标在独立 MRMS 上比 MERRA-2 目标更好，提示用平滑再分析作为唯一真值可能训练出“分数稳定但局地结构弱”的模型。应在共同样本上把再分析一致性、雷达/雨量独立真实性和极端阈值技能并列，而不是任选一个参照形成排行榜。
3. **不确定性输出必须接受校准而非只接受 CRPS。** 32 分位数提供了分布接口，但没有 PIT、coverage、reliability、sharpness 与强降水事件 Brier/ROC，就不能确认尾部概率。S2S 与空气质量工作也应遵循同一规则：中心场、分布宽度和阈值事件分别验证。
4. **多成员压缩要做 raw—statistics—median 三臂消融。** CAMS 配置直接对应不同动力模式/集合系统的公平比较：固定目标、起报、有效时刻、时效和网络容量，只改变成员表示。这一消融可迁移到 FGOALS、ECMWF/NCEP/CMA/UKMO 和纯 AI 集合，判断模式身份与空间协方差是否在统计压缩中丢失。
5. **简单多模式平均不能掩盖强事件退化。** `globalnowcast` 的均值在 10/20 dBZ 改善、30 dBZ 变差，说明平均可以提高覆盖却削弱核心强度。后续必须同时看低阈值 wet-area bias、高阈值 CSI、邻域 FSS 和对象峰值/位移，并在生产门控完全一致后再解释。
6. **基线应透明但不能低估。** 全场平移工具适合做最小下限，却不足以代表现代光流临近预报。公平基线至少应包括 Eulerian persistence、全场平移、稠密/分区光流和带生命周期的学习模型，并在相同事件、mask、单位与时效上比较。

## 七、后续跟进触发器

- Prithvi-Precip：标准软件许可证、公开 checkpoint/release、冻结 2022 与 2025 起报清单；极端阈值 CSI/FSS、频谱/对象、分位数覆盖与多 seed；MRMS/INMET 共同样本和独立复现。
- CAMS DL Ensemble：raw 11 成员、7 统计量与 median 的同样本结果；按 lead/污染阈值的误差与可靠性；IFS 真实预报气象加入后的误差传播；权重、数据版本和正式技术报告。
- `globalnowcast`：按 2026-08-05 13:15 后修复的生产初始化与 +6 h 门控重算；扩大季节/区域；30 dBZ、FSS、位移、偏湿和置信区间；LICENSE、固定 manifest 和独立复算。
- `geoskill-precipitation-nowcasting`：真实雷达事件隔离样本；与 persistence、pySTEPS/稠密光流共同样本比较；对流新生/消亡、形变与 0—3 h 分时效指标。
- 既有 QWRF-Net、干旱概率、Kalman AQ、AD4DVAR-radar 和雷达反演触发器保持；只有代码/权重/数据/结果/许可或正式状态发生变化时才再次进入新增表。
- 2026-08-05 13:00 后的 arXiv、期刊、机构和仓库事件由下一期按新窗口重新核验。

## 八、简短结论

本期最清楚的技术信号是：**可预报信息、精细结构和不确定性需要不同证据链。** Prithvi-Precip 表明卫星观测可改善短时初始降水表达，但增益随时效衰减，长期维持仍依赖大气状态；训练目标会改变向独立观测迁移的结构；分位数输出本身也不等于尾部已校准。CAMS 集合配置和 `globalnowcast` 的多模式结果进一步说明，成员压缩与简单平均必须通过强事件和共同样本检验。今天没有新的 S2S 直接结果，也没有独立复现或可合法镜像的论文图件，不用旧材料填充这些空白。

本期未公开镜像论文 PDF、受版权限制图件、内部数据、账号、密钥或来源/许可不明的图片。