# 2026-08-08 大气科学 AI 研究日报

> 科学核验截止：2026-08-08 14:07（Asia/Shanghai）  
> 严格主窗口：2026-08-07 14:07–2026-08-08 14:07  
> 24–48 h 缓冲：2026-08-06 14:07–2026-08-07 14:07  
> 恢复核查：因工作区最近日报止于 2026-08-05 13:00，另检查其后缺口；早于缓冲窗口的内容只记为 `window-out/recovery`，不冒充今日新增。  
> 去重基线：2026-08-04、2026-08-05 大气科学 AI 日报，最近两期历史雷达日报，`tracked_items.md` 与自动化 memory 的实际状态。

## 一、总体判断与信号地图

本期有三类值得关注的信号，但证据强度不同。

第一，**“保留可预报信息”出现了两个直接设计**。GEM-3 用同一组概率预报权重在推理时切换 6 h 与 24 h 步长，试图把短时日变化分辨率和长滚动稳定性放进一个模型；ScaleMixer 则把全球动力背景与约 5 km、逐小时区域网络做双向耦合，正式进入 KDD 2026 proceedings。两者都比“单纯加深网络”更贴近当前研究问题，但前者仍以 ERA5 验证，后者仍是确定性 48 h 预报，且不同参照系统经过下采样/订正后再比较，公平性需逐层拆开。

第二，**临近预报新增了可解释潜空间和轻量卫星降水外推两条证据**。STNet 已在 AGU 的 *Journal of Geophysical Research: Machine Learning and Computation* 正式在线发表，利用 SEVIR 把潜空间因子分成主要控制演变形态的时间因子和主要调节强度的空间因子；Dense-Cast 则在缓冲窗口发布 arXiv v1，用五帧 IMERG Final Run 预测后两帧。STNet 的“可控因子”仍是模型语义，不等于可观测物理因果；Dense-Cast 存在数据年份表述不一致和时间隔离说明不足，分数只能作为作者内部结果。

第三，**基础设施更新比新增业务技能更强**。`globalnowcast` 连续提交了多个不部署的负实验，并修复了 CONUS 验证把卫星场误当 MRMS 的关键错误；`AD4DVAR-radar` 增加学习先验、观测影响与可追溯结果谱系的 fail-close 合同；HARECast 原公开仓库当前返回 404，代码/权重可访问性发生倒退。空气质量线没有新的可信直接技能：一个武汉多污染物仓库提交了较完整结果包，但作者同时披露全序列 DWT 预处理可能泄漏未来信息，因此只能记为 `infrastructure`，不能引用成严格业务预报提升。

| 信号 | 本期判断 |
|---|---|
| `core-nowcasting` | 主窗口新增 STNet 正式在线发表；缓冲新增 Dense-Cast；雷达 QPE 论文属于上游观测基础，不是未来回波预测 |
| `core-short-range` | ScaleMixer 正式进入 KDD 2026；RainCast 72 h 论文只有可核验题录、暂无可访问摘要；`globalnowcast` 的主要进展是负实验与验证修复，不是新部署技能 |
| `core-s2s` | 缓冲新增 GEM-3；更早缺口恢复到一篇 ACCESS-S2 条件扩散降尺度预印本，单列 `window-out/recovery` |
| `core-air-quality` | 无新可信直接结果；武汉仓库因全序列 DWT 泄漏风险降为基础设施证据 |
| `adjacent-method` | 雷达 QPE 的时空分解 U-Net可作为“先校正观测、再预测”的上游方法；未发现需要升级的独立 flow matching 新结果 |
| `infrastructure` | GEM-3 公共再预报数据、STNet Zenodo 模型包、`globalnowcast` 验证修复、AD4DVAR 合同和 HARECast 404 状态变化 |
| 论文代表图 | 镜像 1 张：GEM-3 Figure 1；Dense-Cast 图中含 IMERG 缩略图，第三方材料许可未核实，未镜像 |

## 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 |
|---|---:|---|---|---|---|---|---|
| *Disentangling Spatial-Temporal Features for Controllable Factors Learning in Precipitation Nowcasting* | 2026-08-07 18:01 | `core-nowcasting` | 直接预测 | AGU / JGR: Machine Learning and Computation | 2026-08-07 正式在线发表；CC BY-NC 4.0 | [论文 DOI](https://doi.org/10.1029/2026JH001361) · [Zenodo 模型包](https://doi.org/10.5281/zenodo.20421734) | Zenodo `STDL-Net.zip` 263.6 kB；未核实标准软件许可证、权重说明或独立复现 |
| *Skillful Kilometer-Scale Regional Weather Forecasting via Global and Regional Coupling* | 2026-08-08（在线日） | `core-short-range` | 直接预测 / 状态升级 | ACM KDD 2026 | 正式 proceedings 论文，DOI `10.1145/3770855.3818855`，CC BY 4.0；此前 arXiv v1 | [ACM DOI](https://doi.org/10.1145/3770855.3818855) · [arXiv](https://arxiv.org/abs/2603.28173) · [代码快照](https://anonymous.4open.science/r/ScaleMixer-6B66) | 匿名代码快照可发现；软件许可证、永久仓库、权重和独立复现未核实 |
| *RainCast: A High-Resolution 72-Hour Short-Term Precipitation Forecasting Model* | 2026-08-08（在线日） | `core-short-range` | `metadata-only` | ACM KDD 2026 | 正式 proceedings 题录，DOI `10.1145/3770855.3818880`，CC BY 4.0 | [ACM DOI](https://doi.org/10.1145/3770855.3818880) | 截止时摘要、全文、代码、数据和权重均未从可核验接口取得；不推断模型结构与分数 |
| `andrewnakas/globalnowcast`：四项不部署实验与验证链修复 | 2026-08-08 01:23–06:48 | `core-short-range` | `infrastructure` | GitHub | 公共提交；无论文、标准 release 或机构业务背书 | [仓库](https://github.com/andrewnakas/globalnowcast) · [汇总提交](https://github.com/andrewnakas/globalnowcast/commit/10321b5efc0f) | 新增 AIFS/GEFS 试验、handover 复核和 CONUS 验证修复；生产配置保持不变，无 LICENSE/独立复现 |
| `gonos2k/AD4DVAR-radar`：学习闭环、观测影响与结果谱系 | 2026-08-08 | `core-nowcasting` | `infrastructure` | GitHub | 公共代码提交；无论文、release、真实雷达结果包 | [仓库](https://github.com/gonos2k/AD4DVAR-radar) | 合同与校验更完整；仍无标准 LICENSE、真实事件共同样本、概率校准或独立复现 |
| HARECast 公开仓库可访问性变化 | 2026-08-08 核验 | `core-nowcasting` | `infrastructure` / 状态变化 | GitHub / arXiv | arXiv `2605.13181` 仍为预印本；原仓库当前返回 404 | [论文](https://arxiv.org/abs/2605.13181) · [原仓库](https://github.com/ph-w2000/HARECast) | 原代码与 checkpoint 链路当前无法复核；不能判定是删除、改名还是转私有 |
| *Timestep-Conditioned Transformers for Global Weather Forecasting*（GEM-3） | 2026-08-07 00:27 | `core-s2s` | 直接预测 / 24–48 h 缓冲 | arXiv | arXiv `2608.06241v1`，预印本，暂无期刊信息；CC BY 4.0 | [论文](https://arxiv.org/abs/2608.06241v1) · [再预报数据](https://gemv3.salient-open-data.com/) | 公开 2020–2025 日起报及 2000–2019 周/月扩展再预报说明；16 变量、每起报 50 成员；未见公开训练代码/权重 |
| *Dense-Cast: A lightweight ensemble of deep learning architectures for precipitation nowcasting* | 2026-08-06 22:26 | `core-nowcasting` | 直接预测 / 24–48 h 缓冲 | arXiv | arXiv `2608.06082v1`，预印本，暂无期刊信息；CC BY 4.0 | [论文](https://arxiv.org/abs/2608.06082v1) | GPM IMERG Final V07 为上游公开产品；未见代码、权重、固定时间切分 manifest 或软件许可证 |
| *Deep Learning Models for Quantitative Precipitation Estimation Based on Weather-Radar and Rain-Gauge Datasets* | 2026-08-06 17:46 | `core-nowcasting` 上游 | `infrastructure` / 24–48 h 缓冲 | MDPI *Environments* | 正式期刊论文，CC BY 4.0 | [论文](https://doi.org/10.3390/environments13080443) | 论文可访问；未核实代码、权重和可复用数据包；任务是 radar-to-rain QPE，不是未来预测 |
| `1499063541-gif/air-quality-forecasting` 武汉多污染物结果包 | 2026-08-07 13:41 | `core-air-quality` | `infrastructure` / 24–48 h 缓冲 | GitHub | 新公共仓库；无论文、release 或独立复现 | [仓库](https://github.com/1499063541-gif/air-quality-forecasting) | 含派生数据、358 个预测结果和 15 个模型权重；无标准 LICENSE，上游数据再分发许可需复核；全序列 DWT 有泄漏风险 |

## 三、四条核心研究线

### 3.1 `core-nowcasting`：可控潜因子是新问题，但仍不是物理因果

#### STNet：正式发表的“空间—时间语义解耦”

**来源、任务与数据。** 论文由 Nan Yang、Chong Wang、Ruikai Yang 和 Xiaofeng Li 撰写，2026-08-07 在线发表于 AGU 的 *Journal of Geophysical Research: Machine Learning and Computation*。任务是基于 SEVIR 的高分辨率降水/雷达序列临近预报。Crossref 摘要没有给出完整训练年份、事件划分、输入输出帧数和阈值指标，因此本期不补写这些细节。

**模型构建。** 作者提出 human-supervised spatial-temporal disentanglement model（STNet）：在高维潜空间中扰动向量，并以正交约束提取一组 disentangled latent factors。实验将因子主要解释为两类：时间因子控制降水形态演变，空间因子调节降水强度；再把相应因子约束回注预测模型，观察面积与强度误差的变化。

**作者报告效果与技术判断。** 摘要报告时间因子约束对降水面积预测改善更明显，空间因子约束更偏向强度优化。这个结果与“动力演变—局地幅值”双通道设计高度相关：可以把大尺度位移/形变信息与局地强度恢复分开诊断。但潜因子是受损失函数和人工监督定义的模型语义，正交也不等于物理独立；若没有与流场、散度、垂直速度、环境水汽或对象生命周期的外部对照，不能把“时间因子”直接命名为真实动力机制。Zenodo 已有 `STDL-Net.zip`，但当前只核实到模型包题录，没有核实权重说明、软件许可证、完整数据切分或第三方独立复现。

**图件未镜像。** 论文许可为 CC BY-NC 4.0，而本站图件政策只自动接受 CC BY、CC BY-SA、CC0、公共领域或明确单独授权；因此不复制具体图件，只链接[论文页面](https://doi.org/10.1029/2026JH001361)。

#### Dense-Cast：轻量模型有成本价值，验证合同不够严格

**任务、数据和模型。** Dense-Cast 以东北印度及邻近区域（约 87–95°E、20–33°N）的 GPM IMERG Final Precipitation V07 为输入，0.1°、30 min 间隔；五个连续半小时场预测后两个半小时，即 +30 和 +60 min。模型把 depthwise separable convolution、DenseNet/残差块、跳连和 temporal transformer bridge 组合进编码器—解码器，约 3.3 M 参数，对照 U-Net 约 7 M。

**训练测试与作者结果。** 正文数据节称使用 2019–2023 年 6–9 月，实验节又称 2018–2023 年并给出 29,280 张图；只写 80% 用于训练/验证、20% 测试，没有说明是否按年份、事件或连续时段隔离。作者报告 +30 min 的 Dense-Cast MAE 0.235 mm、RMSE 0.735 mm、KGE 0.816；U-Net 为 0.195、0.677、0.774。+60 min 分别为 0.262、0.837、0.708，U-Net 为 0.238、0.776、0.692。也就是说 Dense-Cast 的 KGE 较高，但绝对误差并不优于 U-Net。

**技术判断。** 论文的可信结论是“小参数模型可保留一定相关性和变幅”，不是“综合准确率优于 U-Net”。IMERG Final Run 延迟约数月，不是实时雷达；随机/未说明的 80/20 划分可能让相邻天气过程跨集合，且没有阈值 CSI/FSS、对象生消、谱、极端分位、独立雷达或季节外测试。图 5 中嵌入 IMERG 缩略图，第三方材料再许可未核实，故不镜像。

#### 雷达 QPE：先改善参照场，但不要把反演写成预报

MDPI 论文使用天气雷达体扫和雨量计训练时空分解 U-Net，把每个块的空间结构处理与连续扫描的时间变化处理分开，面向有限样本的 radar-to-rainfall mapping。它在 2023-11-02 意大利 Tuscany 强对流事件上与 Joss–Waldvogel Z–R、数据驱动对数回归和基线 CNN 比较；作者摘要称负偏差超过减半、与雨量计相关系数超过翻倍。该结果仅来自一个强对流事件，且是同时刻 QPE，不提供未来有效时刻、起报时刻或预报时效。它的价值是改善训练目标和验证参照，不是新的雷达临近预报技能。

### 3.2 `core-short-range`：全球—区域耦合正式入会，72 h 降水题录仍待全文

#### ScaleMixer：把动力锚定和精细结构恢复放进同一网络

**来源与任务。** 该工作早先为 arXiv `2603.28173`，本期 Crossref/ACM 已给出 KDD 2026 正式 proceedings DOI。模型面向中国区域 0.05°（约 5 km）、逐小时、1–48 h 确定性天气预报，而不是雷达临近预报。

**数据与构建。** 全球 ViT 以 ERA5 的 0.25°多层大气变量预训练，区域模型使用 CLDAS 高分辨率状态；ScaleMixer 通过自适应关键位置采样寻找强跨尺度作用区域，再用双向注意力在全球和区域 token 间交换信息。评估包含 2024-10 至 2024-12 的 ERA5 驱动 hindcast、2025-01 至 2025-04 的业务初始场测试，以及 2,216 个中国气象站的 T2M、D2M 和 10 m 风速。对 IFS-HRES、Baguan、独立全球/区域网络、OneForecast 和 LAM 的网格比较中，粗分辨率系统先经 Swin Transformer 下采样/订正到 0.05°，因此这不是完全原生的同网格直接比较。

**作者报告效果。** arXiv 版本报告：hindcast 七个表面变量相对 IFS-HRES 的纬向加权 RMSE 平均降低 40.86%、ACC 提高 9.96%；站点平均 RMSE 相对 IFS-HRES/Baguan 改善 27.63%，其中 T2M、D2M、WS10 相对 IFS-HRES 分别改善 41.4%、36.4% 和 5.10%。消融中，自适应采样相对固定均匀网格的 T2M RMSE 改善 9.4%，双向相对单向耦合改善 6.2%。这些均为作者报告，尚无独立复现。

**技术判断。** 这项工作最可借鉴的是把“全球动力锚定”和“区域结构恢复”设计成相互作用而非单向后处理。但网格基线经过学习型订正、区域目标与模型训练同源，站点验证虽更独立，仍需共同起报、共同有效时刻、原始和订正基线并列，以及降水/强对流、谱、对象位移、守恒和概率可靠性评估。论文也承认纯数据驱动、无显式方程约束，极端长滚动可能出现非物理伪影；当前只做到 48 h 确定性，不表达集合不确定性。

#### RainCast 72 h：正式状态可确认，科学内容暂不扩写

ACM Crossref 记录确认该论文发表于 KDD 2026 proceedings，页码 11621–11632，在线日期 2026-08-08，许可 CC BY 4.0。标题表明任务是高分辨率 72 h 短期降水预报，但截止核验时 ACM 页面、Crossref、OpenAlex 和 Semantic Scholar 均未提供可访问摘要或全文，arXiv 也未检索到同题版本。因此无法可靠确认输入是雷达、NWP 还是融合场，空间/时间分辨率、训练测试期、参照产品、作者分数、代码和权重都留空。它暂列 `metadata-only`；全文可访问后再决定是否升级为 `core-short-range` 直接证据。

#### `globalnowcast`：负实验和验证修复比“加一个模型”更重要

主窗口内作者先后测试四项变更并全部不部署：33 个全球个例的雷达—NWP handover 仅给出约 +0.0011（热带）和 +0.0005（中纬）的 CSI 改善，处在 ±0.003 噪声量级；6 个个例中把 AIFS 加入 blend，20 个“时效×阈值”平均变化 -0.0007，仅 3 个改善；12 个有效时刻加入 5 成员 GEFS，5/10/20 dBZ 平均有小幅收益，但 30 dBZ CSI 从 0.0827 降到 0.0738；都未改变生产配置。

更关键的是验证修复：CONUS harness 曾把卫星降水平流场误当 MRMS 参照，污染了 8 个个例，现已隔离；修复后仅得到 1 个可用个例，不能汇总成技能。较早缺口内的 correction v3 以 77 个有效时刻/531 个场重训，作者 held-out CSI 相对 raw GFS 在 5/10/20/30 dBZ 从 0.168/0.177/0.204/0.096 提到 0.330/0.309/0.243/0.122，并修正 +30 min 基准 CSI 从旧 0.623（错误 0.25°）为实际 0.574（0.1°）。这些仍是仓库作者结果；在修复后的共同样本、跨季节、固定 manifest 和独立复现前，不应写成业务技能。

### 3.3 `core-s2s`：GEM-3 用可变步长换取跨时效稳定性

**任务与构建。** GEM-3 是约 134 M 参数的概率全球天气模型，采用 equirectangular grid 上的 neighborhood-attention transformer。一个共享模型通过 Fourier-embedded timestep 和 AdaLN 调制支持 1/3/6/12/24 h 等不同步长；训练时混合采样步长，并以 fair CRPS 加球谐谱 CRPS 约束逐格概率和功率谱。业务模型使用 0.25°、6 h 与 24 h 混合训练，推理到第 14 天用 6 h，之后切换 24 h。

**数据、起报和验证。** 训练只用 ERA5 1979–2019；预报状态含 13 层上的温度、位势、比湿、u/v 风及若干表面变量，另输出 23 个诊断量。2024-07 之后的预报/再预报以 ECMWF IFS analysis 初始化，更早使用 ERA5；验证始终以 ERA5 为真值。15 d 比较用 2025-07 至 2026-03 的 242 个起报，6 周比较用 2023-07 至 2025-07 的 104 个起报。公开再预报数据覆盖 2020–2025 每日起报，以及 2000–2019 额外周/月扩展起报，16 变量、50 成员。

**作者报告效果。** 论文报告 GEM-3 在所分析变量和时效的 CRPS 上整体优于 ECMWF ENS，核心动力量大体接近 AIFS-ENS/FGN；但 FGN 在 Z500、MSLP 和降水更好，GEM-3 在 T2M 及原生最小/最高温诊断上更强。6 周图中作者称 GEM-3 到约 46 d 与 ECMWF ENS-46 相当或更好，并向气候态稳定收敛。消融显示细步长短期更有利，但滚动更深、误差积累更快；粗步长长期稳定，却牺牲日变化细节。混合步长也会积累少量高波数功率过剩，以小尺度谱保真损失换取大尺度均态漂移减弱。

**技术判断。** 对当前研究最有价值的不是单一 CRPS 排名，而是把“时间离散”当作可调信息瓶颈：短时保留日变化和局地细节，长时减少迭代次数和漂移。论文仍需 IFS 起报—ERA5 真值差异、绝对场/异常、谱与概率校准、极端事件、共同样本和分析同源优势的进一步拆分；公开的是再预报，不是训练代码和权重，作者报告也不是独立复现。

<figure class="paper-figure">
  <a href="https://arxiv.org/abs/2608.06241v1" target="_blank" rel="noreferrer">
    <img src="/assets/paper-figures/2026-08-08/gem-3-timestep-conditioned-transformers/figure-1.png"
         alt="GEM-3 可配置时间步长、顺序条件化与不同步长随预报时效变化的 Z500 CRPS 权衡" loading="lazy">
  </a>
  <figcaption>
    <strong>论文 Figure 1｜同一模型的可配置时间步长推理。</strong>
    原始图注：Configurable timestep inference with a single model. (a) Finer timesteps of 6 h or less resolve diurnal structure but require a deeper rollout to reach a given lead, while a coarse 24 h schedule reaches it in fewer steps. The operational GEM-3 model uses a hybrid schedule, running at 6 h through day 14 and switching to 24 h for the extended range. (b) A single set of weights supports this via AdaLN conditioning of the transformer blocks with a Fourier-embedded timestep Δt in addition to an ensemble noise vector z. Full details in Fig. 2. (c) The resulting forecast skill tradeoff, shown as 500 hPa geopotential CRPS skill relative to the 24 h schedule for a single configurable 1–24 h timestep generalist model (positive is better). Fine steps perform slightly better at short leads but degrade more quickly under rollout. Coarser steps remain stable to much longer leads, motivating the hybrid schedule. 来源：Sam Levang 等，<em>Timestep-Conditioned Transformers for Global Weather Forecasting</em>，arXiv:2608.06241v1。
    许可：<a href="https://creativecommons.org/licenses/by/4.0/">CC BY 4.0</a>。本站仅把 v1 PDF 第 2 页渲染为 PNG，并裁去图外正文与空白；Figure 1 全部面板、坐标、色标、图例和完整原始图注均保留，未添加或修改科学内容。
  </figcaption>
</figure>

### 3.4 `core-air-quality`：结果包较完整，但泄漏风险阻止技能升级

武汉仓库覆盖 2020–2024 年 11 个站的 AQI、PM2.5 和 O3，使用 24 h 历史预测 +1/+3/+6/+12/+24 h；原始变量约 20 个，并加入 24 个 DWT 通道。时间切分写为 2020-01 至 2023-10 训练、2023-11 至 2024-04 验证、2024-05 至 2024-12 测试；仓库提交 358 个预测结果、15 个模型权重及 SHA-256。气象/环境来源包括 CNEMC、ISD-Lite 和 ERA5-Land，原始档案未提交，派生 parquet 已提交。

作者归档表报告 DWT-SE-Gated-Attn 相对 ARIMA 的 RMSE 改善在不同变量/时效可达约 45%–71%。但 README 明确承认 DWT 在完整序列上计算后才做时间切分，滤波边界可能使用未来信息；仓库另提供更安全的逐窗口 L1 方案，却没有同等完整的重训结果。气象输入也是观测/再分析，不是实时可获得的预报驱动，且单城市实验没有交通、排放或跨境输送。因此这些数值不能作为严格因果、滚动业务或 CAMS/MLWP 驱动技能，只能把代码、派生数据和结果谱系记为基础设施。仓库无标准 LICENSE，上游数据再分发许可也需逐项核验。

## 四、相关方法与基础设施

### 4.1 `AD4DVAR-radar`：可追溯性继续增强，气象技能仍为空白

主窗口内提交把学习型先验、观测影响/FSOI、后验饱和度、敏感度和结果 lineage 进一步关进显式合同：输入证据不足、先验超出校准域、前后向结果不一致或资源/preflight 不满足时 fail-close；产物携带数据与配置哈希，避免不同运行结果被混用。这些改动提高了“为什么给出某个运动/增长参数和不确定性”的可审计性。

但它仍以三帧 dBZ（-20/-10/0 min）拟合全局运动/增长并外推到 +180 min，没有真实雷达事件包、对流生消基线、稠密形变/光流对照、概率集合可靠性或独立复现。学习闭环数学完整不等于学到了天气可预报信息；继续归为 `infrastructure`。

### 4.2 HARECast：代码可访问性倒退

2026-07-26 跟踪时，`ph-w2000/HARECast` 曾公开包含 SEVIR/MeteoNet 数据接口、PhyDNet/SimVP 主干、HARECast、评估脚本和 checkpoint 链路。本期 GitHub API 与页面均返回 404。arXiv `2605.13181` 仍可访问，仍只能写“arXiv 预印本，暂无期刊信息”；无法据 404 判断仓库是删除、改名还是转为私有。此前记录的代码/权重状态不再视为当前可复核，下一触发器是作者提供新永久仓库、归档 DOI 或恢复公开访问。

### 4.3 发现通道与证据限制

本期分源检查 arXiv、Crossref、OpenAlex、Semantic Scholar、ACM/AGU/MDPI/Springer 题录与可访问全文，GitHub/Hugging Face 新仓库/模型/数据，以及 DeepMind、ECMWF、NOAA、Met Office 等机构入口。arXiv 后续宽查询出现 429，因此没有用失败请求支持“无新增”；保留条目改由精确 arXiv ID、DOI、正式题录、论文 PDF 或仓库文件复核。Hugging Face 的新天气数据/演示多为文档分块、单地点网页或无研究评估的通用项目，未升级为科学条目。机构页未发现主窗口内新的模型、权重、共同样本业务评估或公开数据交付。

## 五、机构信号、仅元数据、窗口外与排除项

### 5.1 `institution-signal`

DeepMind、ECMWF、NOAA、Met Office、中国气象局、WMO 与 Copernicus/CAMS 的定向检查未核实到主窗口内新的四主线模型、权重、数据集、业务验证或独立复现。检索到的 ECMWF AI Weather Quest、ML reanalysis 和机构合作新闻均早于当前窗口，不重复填充今日。

### 5.2 `metadata-only`

- *RainCast: A High-Resolution 72-Hour Short-Term Precipitation Forecasting Model*：正式 KDD 2026 DOI 和 CC BY 4.0 已确认，但摘要/全文/代码不可访问；暂不推断输入、分辨率、模型和效果。
- *Precipitation forecasting in Thailand with machine learning technique*（DOI `10.1007/s11600-026-01972-8`）：2026-08-07 在线发表于 *Acta Geophysica*，但可访问元数据没有摘要、时效、数据、指标或开放许可；订阅/文本挖掘许可不是图件复用许可。只做题录去重，不纳入四线技术结论。

### 5.3 24–48 h 缓冲与 `window-out/recovery`

缓冲窗口高价值条目为 GEM-3、Dense-Cast、雷达 QPE 和武汉空气质量仓库，均已在对应主线说明，并明确标注缓冲。

因 8 月 6–7 日日报缺口，恢复核查还发现 *Conditional Diffusion Downscaling for Probabilistic Subseasonal-to-Seasonal Precipitation Forecasts*（Research Square v1，DOI `10.21203/rs.3.rs-10229215/v1`）于 2026-08-06 13:31 +08 入库，比缓冲边界早约 36 min，故只能列 `window-out/recovery`。该研究把九成员 ACCESS-S2 由约 60 km 随机降尺度到澳大利亚东部 5 km，使用 Brownian bridge 式条件扩散，把前向过程终点设为“粗预报+受控噪声”混合状态，并用 MAE+rBias 复合损失。作者摘要称三年、42 d 时效平均的 CRPS 和 MAE 相对 QM、气候态及 GAN 均改善，最低改善分别 8.29% 和 9.01%，且在 La Niña/中性/El Niño 条件下保持。它是 Research Square 预印本，CC BY 4.0，暂无期刊信息、代码、权重、完整共同样本和独立复现；应关注集合成员独立性、降水零膨胀、空间/时间一致性和相对于原始 ACCESS-S2 的概率可靠性。

### 5.4 `low-value-exclusion`

- MarsCast（arXiv `2608.05054`）面向火星大气，不属于地球四条预测主线。
- `realanalysis123/Air-Quality-Forecasting` 仅含 `.gitignore` 和无法执行的 notebook 片段，没有数据、评估、许可证或可复用结果。
- NeurIPS proceedings 在窗口内批量补录 OmniCast、LoRA-EnVar、DAWP、RadarQA、SeasonBench-EA 等旧论文 DOI，实际科学发布属于 2025；这是索引回填，不是 2026-08-08 新成果。
- *Explainable Deep Learning for Multi-Step Meteorological Forecasting in Saudi Arabia: A Foundation for Air Quality Prediction* 只预测日平均气温 7/30 d，空气质量只是未来用途表述，没有污染物目标或气象误差传播试验，不纳入 `core-air-quality`。
- Hugging Face 新增的天气文档分块、单城市网页演示和无冻结评估的数据上传，没有论文、共同样本、模型权重或科学验证，不计新增。

## 六、对当前研究的具体启发

1. **把“时效”同时作为模型条件和评估分层。** GEM-3 表明同一网络可通过步长条件在短时细节与长时稳定之间切换。对 S2S 混合模型，可把 lead、动力模式身份、集合成员与绝对场/异常目标共同条件化，而不是所有时效共用固定算子；评估必须按步长、lead group 和谱段拆分，避免平均分掩盖高波数损失。
2. **把动力锚定与结构恢复设计成双向接口，但验证时保留原始锚点。** ScaleMixer 的双向耦合适合借鉴；同时必须并列展示原始动力模式、只做单向订正、双向耦合和纯区域模型，在共同起报/有效时刻/参照/网格上比较，防止学习型下采样基线改变公平性。
3. **“可解释潜因子”要用独立物理量落地。** STNet 的时间/空间因子可对应形态演变与强度，但下一步应与光流、散度/涡度、对象面积/峰值、增长衰减率、环境水汽和稳定度做独立回归或干预检验；只靠正交与可视化不足以命名物理机制。
4. **概率结果需要同时检查均值、谱和可靠性。** GEM-3 的谱 CRPS 和高波数过剩提醒：CRPS 改善可能伴随局地结构损失或伪纹理。S2S 降尺度应并列 CRPS、rank/PIT、spread-skill、阈值 Brier、谱、对象尺度和时空一致性，而不是只报 MAE/rBias。
5. **预处理必须在每个训练窗口内因果计算。** 武汉 DWT 仓库是直接警示：即使最终测试期按时间留出，只要小波/标准化/滤波先看了全序列，结果仍可能泄漏。所有数据变换都应在训练段拟合，滚动窗口内重算，并保存变换器版本与样本 hash。
6. **负实验和验证修复应成为主结果的一部分。** `globalnowcast` 的 AIFS/GEFS 不部署结论和 MRMS harness 修复，比“再加一个 arm”更能约束后续设计。当前项目也应冻结共同样本 manifest、参照变量、单位、mask、插值和门控，任何分数在协议修复后都重新生成，不沿用旧表。

## 七、后续跟进触发器

- GEM-3：公开训练代码/权重、再预报数据实际 manifest 与许可证；用共同起报比较 IFS/ERA5 初始化，补充极端、概率可靠性和谱—对象联合诊断。
- ScaleMixer：永久代码仓库与软件许可证、权重、冻结的 2024/2025 样本；原始/订正 IFS-HRES 并列，补降水/强对流、概率集合和物理一致性。
- RainCast 72 h：ACM 全文或作者版本开放后，核对输入、分辨率、参照、起报/有效时刻、训练测试、指标和代码，再决定从 `metadata-only` 升级。
- STNet：公开软件许可证、完整 SEVIR 划分、权重与独立复现；潜因子与外部动力/对象诊断建立可检验联系。
- Dense-Cast：澄清 2018/2019 起始年，给出按事件/年份隔离的 split、代码权重和雷达/实时产品测试；修复绝对误差弱于 U-Net 的结论边界。
- `globalnowcast`：在修复后 MRMS 共同样本上重新生成所有评分，扩大季节/区域，报告 30 dBZ、FSS、位移、湿偏差与置信区间。
- HARECast：仓库恢复、改名说明或归档 DOI；重新核验 checkpoint 哈希、许可证和可执行性。
- 武汉空气质量仓库：用逐窗口因果 DWT 全量重训并冻结结果；加入真实 CAMS/MLWP/NWP 预报气象驱动、跨站/跨城测试和污染阈值可靠性。

## 八、简短结论

本期最明确的新科学信号是：**时间步长和全球—区域耦合都可被显式设计成“信息保留机制”，但局地结构恢复、概率可靠性与公平比较仍需独立证据。** 临近预报侧新增的潜空间解耦和轻量外推提供了可分解思路，却没有完成物理因果或严格外推验证；空气质量侧没有可升级的直接技能。网站只镜像一张许可和图件归属均明确的 GEM-3 图，其他论文保持原始链接或元数据记录。