# 2026-08-09 大气科学 AI 研究日报

> 科学核验截止：2026-08-09 13:57（Asia/Shanghai）  
> 严格主窗口：2026-08-08 13:57–2026-08-09 13:57  
> 24–48 h 缓冲：2026-08-07 13:57–2026-08-08 13:57  
> 去重基线：2026-08-08 大气科学 AI 日报、最近的历史雷达日报、`tracked_items.md` 与自动化 memory 的真实状态；与上一期截止时刻重叠的 10 min 通过 DOI、标题、仓库和提交哈希去重。  
> 日期原则：论文以正式在线日或可核验的一手提交时间为主；Crossref 创建时间只用于发现和界定索引事件，不替代正式发布日期。

## 一、总体判断与信号地图

本期不是“新 AI 天气模型密集发布”的一天。主窗口内没有发现可升级的直接雷达未来回波/降水 AI 模型，也没有发现带真实预报气象驱动的新 PM2.5 技能。真正有价值的信号集中在三处。

第一，**S2S 的新增证据指向“源信息是否进入系统”，而不是单纯网络容量**。NOAA 团队正式发表 GEFSv13 原型对 DYNAMO 热带对流的评估，将物理方案与初始条件贡献拆开；另两篇正式论文分别把 2020 年西伯利亚热浪的失败追溯到西北大西洋 SST 偏差和下游 Rossby 波传播，把平流层骤暖后的欧亚土壤湿度偶极响应识别为新的次季节水文气候路径。这些工作不是 AI 模型，但直接约束“动力锚定应保留什么”：海温、热带对流、平流层状态和陆面记忆不能只作为背景变量被平均掉。

第二，**临近预报本期最强的是可复用性与验证合同，而非新技能分数**。Hugging Face 新发布 Solafune 最终提交的 11 个权重、约 2.86 GB，并标注 MIT；但该任务是静止卫星到同期 GPM-IMERG，非天气雷达、非未来有效时刻，而且权重依赖未在模型卡中链接的匹配代码。`AD4DVAR-radar` 连续七次大规模提交则继续收紧先验因果、动作语义、输入完整性、QC 精度和晋级审计；仍没有真实雷达事件、标准 LICENSE 或概率技能。

第三，**两个“尺度/时间合同”值得方法借鉴**。雷达临近预报用于城市流域径流时，区域平均的雷达技能不能直接代表小流域技能，且雷达场评分与径流评分在短提前量和强降水事件上会给出不同判断；广东 CMA-GD(R3) 的频率匹配订正表明更长训练窗口并不总是更好，区域最优窗口可从 6 h 变到 24 h。这两项都提示，训练窗口、空间聚合尺度和最终影响变量必须在共同样本中显式冻结。

| 信号 | 本期判断 |
|---|---|
| `core-nowcasting` | 无新直接 AI 论文；新增一组卫星到同期 GPM 权重和一篇雷达临近预报—径流评估论文，均不能写成未来雷达技能提升 |
| `core-short-range` | 无新 AI 模型；缓冲窗口恢复 CMA-GD(R3) 逐小时频率匹配订正，属于统计后处理直接证据 |
| `core-s2s` | 主窗口新增 GEFSv13 对流评估、Atlantic SST—西伯利亚热浪可预报性与平流层—土壤湿度机制证据；前两项最贴近动力锚定 |
| `core-air-quality` | 无可升级直接结果；一篇所谓 AQI “forecasting” 实为同期浓度到 AQI 映射且发布日期在窗口外 |
| `adjacent-method` | 窗口外恢复一篇带气象知识约束的贝叶斯网络降水概率推断；未核实到新的 flow matching/diffusion 直接交付 |
| `infrastructure` | Solafune 权重、AD4DVAR 合同、NOAA GEFSv13 replay 与雷达—径流尺度评估 |
| 论文代表图 | 本期 0 张镜像：两篇 Nature 论文为 CC BY-NC-ND；其余高价值论文的具体图件、完整图注或复用许可未能同时核实 |

## 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 |
|---|---:|---|---|---|---|---|---|
| *Progressive Enhancement in the Prediction of Subseasonal Tropical Convection in NOAA Dynamical Forecast Systems* | 2026-08-08 | `core-s2s` | 直接动力基线 / 可预报信息审计 | *Geophysical Research Letters* / NOAA | 正式在线发表，DOI `10.1029/2026GL122603`；CC BY 4.0 | [论文 DOI](https://doi.org/10.1029/2026GL122603) · [NOAA UFS Replay](https://psl.noaa.gov/data/ufs_replay/) | GEFSv13 replay 数据与访问说明公开；论文代码、完整个例清单和可复用结果包未核实 |
| *Atlantic SST as a key source of subseasonal predictability in the April 2020 Siberian heatwave* | 2026-08-09 03:43（题录入库；正式在线日为 8 月 8 日） | `core-s2s` | 直接机制/失败归因证据；非 AI | *npj Natural Hazards* | 正式在线发表，DOI `10.1038/s44304-026-00253-0`；CC BY-NC-ND 4.0 | [论文页面](https://www.nature.com/articles/s44304-026-00253-0) | 可访问摘要与补充材料入口；区域 replay 配置、完整样本和代码未核实 |
| *Stratospheric impacts on Eurasian soil moisture on subseasonal timescales* | 2026-08-08 21:52（题录入库；正式在线日为 8 月 8 日） | `core-s2s` | `adjacent-method` / 可预报源机制；非预测模型 | *Nature Communications* | 正式在线发表，DOI `10.1038/s41467-026-75786-z`；CC BY-NC-ND 4.0 | [论文页面](https://www.nature.com/articles/s41467-026-75786-z) | 摘要说明再分析、陆面模型与卫星三类证据；代码、事件表和处理后数据未核实 |
| *Urban-Catchment-Scale Evaluation of Rainfall–Runoff Predictions Based on Weather Radar Nowcasts* | 2026-08-08 22:37（题录入库） | `core-nowcasting` / `core-short-range` 影响评估 | `infrastructure` | ASCE *Journal of Hydrologic Engineering* | 正式论文，DOI `10.1061/JHYEFF.HEENG-6896`；复用许可未核实 | [论文 DOI](https://doi.org/10.1061/JHYEFF.HEENG-6896) | COTREC 与丹麦小流域/中尺度域被说明；完整事件表、代码和数据包未核实 |
| `camaro/solafune-precipitation-nowcasting` 最终提交权重 | 2026-08-08 17:11–17:14 | `core-nowcasting` 相邻任务 | `infrastructure` / `adjacent-method` | Hugging Face | 新公开模型仓库；模型卡标注 MIT；无论文或独立复现 | [模型仓库](https://huggingface.co/camaro/solafune-precipitation-nowcasting) | 11 个 EMA `state_dict`、约 2.86 GB；训练数据、优化器/RNG 状态和匹配代码未随模型卡完整链接 |
| `gonos2k/AD4DVAR-radar` 先验、动作和晋级审计合同 | 2026-08-08 15:16–2026-08-09 13:34 | `core-nowcasting` | `infrastructure` / 状态变化 | GitHub | 七次公共代码提交；无论文、release 或真实雷达结果包 | [仓库](https://github.com/gonos2k/AD4DVAR-radar) · [最新提交](https://github.com/gonos2k/AD4DVAR-radar/commit/4645ad591) | 代码与测试大幅扩展；仍无标准 LICENSE、冻结事件数据、概率校准或独立复现 |
| *Dynamic Hourly Correction for 2024 Guangdong Flood Season Precipitation Forecasts: Frequency Matching With CMA-GD(R3) Model* | 2026-08-08 13:48（缓冲恢复） | `core-short-range` | 直接统计后处理 / 24–48 h 缓冲 | *Advances in Meteorology* | 正式在线论文，DOI `10.1155/adme/8247065`；CC BY 4.0 | [论文 DOI](https://doi.org/10.1155/adme/8247065) | 使用 2024 汛期 CMA-GD(R3) 与广东站点；代码、固定样本和处理后数据未核实 |
| *Data-driven Bayesian Network structure learning for probabilistic inference of rainfall in Rio de Janeiro* | 2026-08-07 13:16（`window-out/recovery`） | `core-short-range` 相邻概率方法 | `adjacent-method` / 窗口外恢复 | *International Journal of Data Science and Analytics* | 正式在线论文，DOI `10.1007/s41060-026-01247-x`；CC BY 4.0 | [论文 DOI](https://doi.org/10.1007/s41060-026-01247-x) | 使用 2002–2024 小时站点资料；代码、站点清单、冻结时间切分与模型文件未核实 |

## 三、四条核心研究线

### 3.1 `core-nowcasting`：本期是权重与评估合同更新，不是新雷达技能

#### Solafune 最终权重：实质交付，但任务边界必须保留

**来源、任务与数据。** Hugging Face 仓库创建于 2026-08-08 17:11 +08，随后三分钟内上传 11 个 checkpoint。模型卡称这是 Solafune “Precipitation Nowcasting”最终提交的等权融合，使用所有 20 个训练地点训练；输入配置覆盖 3 帧或 6 帧、二维堆叠或三维卷积、光谱适配、卫星 FiLM、多尺度跳连和目标时间对齐。历史竞赛说明表明目标是静止卫星到同期/近同期 GPM-IMERG 降水场，不是天气雷达序列，也没有可核验的未来有效时刻，因此归入相邻任务。

**模型、训练和作者结果。** 每个文件是第 10 个 epoch 的 EMA `state_dict`，种子为 42 或 1234；推理使用 3 次或 8 次 TTA。模型卡报告 11 模型等权混合的 Public LB RMSE 为 0.6360204。该分数是作者/竞赛公开榜结果，不是独立复现，也不是地理隔离的私有榜或未来降水技能。仓库未包含优化器、scheduler 或 RNG 状态。

**代码、权重、数据与许可。** 权重约 2.86 GB，模型卡标注 MIT；但加载示例要求 `configs`、`data` 和 `NowcastModel` 的匹配定义，并让用户把文件放入“solution repository”，模型卡本身没有给出永久代码链接。因而这是一项真实权重发布，却还不能单仓库端到端复现。下一步价值在于追溯对应代码/配置哈希、训练数据许可、最终私有榜、独立地理区域和模型间误差相关性。

**代表图。** 模型仓库没有论文图件；不为权重仓库制作或镜像“论文代表图”。

#### 城市流域雷达临近预报评估：尺度一变，结论会反转

**来源与任务。** ASCE 正式论文将 COTREC 雷达临近预报输入降雨—径流系统，比较丹麦一个小型城市流域与更大中尺度域的降雨和径流预测表现。它不是 AI 模型论文，而是“雷达场误差如何传到影响变量”的评估基础设施。

**数据、模型和评估。** 可访问摘要确认使用小流域和中尺度域、COTREC 雷达外推及水文径流评价；但正式全文当前不可访问，因此事件数、雷达时空分辨率、累积窗口、流域面积、径流模型参数与完整训练/测试期不作补写。论文比较事件累积和时间序列两类评价，并把雷达观测域评分与径流预测评分分开。

**作者报告效果。** 摘要报告：用中尺度表现代表流域尺度，在低强度事件会高估流域临近预报表现，在高强度事件会低估；时间序列评价的尺度差异相对较小。提前量不超过 10 min 时，雷达观测评价会高估水文预测技能；强事件中若用时间序列代表，雷达评价反而可能低估水文技能。

**技术判断与借鉴。** 这说明“共同样本”还不够，必须冻结共同空间支持尺度、累积时段和下游损失函数。对于城市内涝/径流应用，CSI/FSS 最优模型未必给出最优径流峰值、到峰时间或过程量；主论文应并列原始像素/对象技能与影响变量技能，而不是把中尺度雷达分数直接外推到小流域。

**图件未镜像。** 当前只核实到 DOI 与摘要，具体图件、完整图注和复用许可未核实。

### 3.2 `core-short-range`：训练窗口本身是一个可验证的时效参数

#### CMA-GD(R3) 逐小时频率匹配订正（24–48 h 缓冲恢复）

**来源、任务与数据。** 正式论文使用 2024 年广东汛期 CMA-GD(R3) 逐小时降水预报和广东站点观测，以 frequency matching method（FMM）做动态小时订正。它不是深度学习，但直接属于 0–72 h 高分辨率模式降水后处理。正式在线日为 2026-08-07；Crossref 题录在 2026-08-08 13:48 +08 创建，位于本期主窗口边界前 9 min，故作为缓冲恢复而非主窗口新增。

**模型、训练测试和结果。** 作者比较不同长度的近期样本作为 FMM 训练窗。摘要称订正改善了降水面积与强度；原始模式总体表现为轻雨偏多、强雨偏少。上游尚未发生降水时，订正容易低估；上游已经发生时，可能放大过量预报。全汛期平均最优训练窗为 6 h且空间上较稳定，但粤北和粤西部分区域 24 h 更优。可访问来源未给出完整站点数、阈值表、预报时效分层、共同样本绝对分数和显著性，因此不扩写。

**技术判断与借鉴。** 训练窗口越长不必然越稳：长窗会提高样本量，却可能混入已经失效的天气型关系；短窗更贴近当前环流，但样本稀疏。对学习型订正可把训练窗/记忆长度作为显式条件，并按“上游是否已发生”“雨强阈值”“区域”和 lead 分层验证，而不是统一固定 24 h 历史。

**代码、数据与图件。** 未核实公开代码、处理后数据、冻结样本或独立复现。论文 Crossref 记录给出 CC BY 4.0，但具体图件和完整图注未能从可访问一手全文核实，故不镜像。

### 3.3 `core-s2s`：动力锚定需要保留海洋、热带对流、平流层和陆面记忆

#### GEFSv13 热带对流：物理方案贡献大于初始条件，但两者都重要

**来源与任务。** Wanqiu Wang、Mingyue Chen、Shan Sun、Jieshun Zhu 与 Bing Fu 的论文正式发表于 *Geophysical Research Letters*。研究评估 NOAA GEFSv13 集合原型在 DYNAMO 时期的次季节热带对流预测，并与业务 GEFSv12、CFSv2 以及额外 GEFSv13 试验比较，目标是拆分模式物理与初始条件带来的提升。

**系统、数据和训练测试。** 这是动力集合评估，不涉及机器学习训练。摘要确认以 DYNAMO 为验证期；NOAA 项目资料说明 GEFSv13 候选系统为耦合大气—陆面—海洋—海冰—波浪系统，项目规划包含 31 成员和更长延伸预报，replay 则将大气约束到 ERA5、海洋/海冰约束到 ORAS5。论文的具体原型编号、DYNAMO 起报数、参照对流变量、lead 分组和绝对指标未能从受限全文核实，因此 NOAA 项目配置不直接替代论文实验配置。

**作者报告效果。** 摘要称 GEFSv13 原型相对 GEFSv12 和 CFSv2 有显著改善；通过额外试验，改进主要来自精化物理方案，改进的初始条件贡献较小但仍有意义。当前只能写这个方向性结论，不能补写未见的一组绝对技能分数。

**代码、数据和基础设施。** NOAA UFS Replay 页面公开了 GEFSv13/GFSv17 replay 的组件、访问方式和 CC BY 4.0 许可，可作为共同初始化和再预报基线；它提供分析段、自由预报段和观测空间诊断。论文专用处理代码、DYNAMO 样本 manifest 和结果包未核实。

**技术判断与借鉴。** 对 AI/S2S 混合预测，热带对流不是只需在最终降水图上“补纹理”的变量，而是向中高纬传递可预报信息的源项。应把物理方案、初始化和后处理分开做因果消融：若只在 ERA5 验证场上改善局地结构，却没有恢复对流传播和遥相关，长时效异常技能未必提高。

**图件未镜像。** 论文级许可为 CC BY 4.0，但 Wiley 一手全文/图件接口在本期核验中不可访问，无法同时确认具体图号、完整图注、分辨率和第三方材料归属。

#### Atlantic SST 与 2020 西伯利亚热浪：失败来自遥相关链路被削弱

**来源、任务与数据。** 论文正式发表于 *npj Natural Hazards*，研究 April 2020 西伯利亚早春极端热浪。公开摘要明确比较多数 S2S 系统的失败，并使用区域 replay 试验分离大西洋 SST 强迫与西伯利亚陆面条件。可访问官方页面未给出完整系统名、起报集合、SST 产品、雪/土壤资料、区域模式边界和样本数，故这些字段保留未知。

**模型构建与验证。** 区域 replay 试验用于测试 Atlantic SST 是否能强迫与观测一致的大尺度环流异常，并评估本地雪—反照率和辐射反馈对近地面增暖持续性的放大。该设计是受控过程归因，不是 AI 训练，也不能等同于实时预报技能。

**作者报告效果。** 摘要报告 Atlantic SST 异常调制下游 Rossby 波和西伯利亚上层脊；西伯利亚陆面条件进一步增强持续性。多数 S2S 系统的失败与西北大西洋系统性 SST 偏差有关，该偏差削弱中纬波导上的下游传播。

**技术判断与借鉴。** 这给“动力锚定”一个具体可测对象：应检验 SST 偏差、波作用通量/遥相关、上层脊和地表雪反馈是否在预测链中同时保留。只比较西伯利亚 T2M RMSE 会把远端源信息损失与局地降尺度误差混在一起。对生成式结构恢复，可把大尺度波列一致性作为条件或约束，而非只追求局地温度纹理。

**图件未镜像。** 论文许可为 CC BY-NC-ND 4.0，不在本站自动复制允许范围内；只保留原文链接。

#### 平流层—欧亚土壤湿度：新的可预报源，但尚不是预报技能

**来源、任务与数据。** *Nature Communications* 正式论文研究 sudden stratospheric warming（SSW）后两个月的欧亚土壤湿度响应。摘要说明证据在再分析、陆面模型模拟和卫星观测中一致，且同时覆盖表层和根区土壤湿度；具体产品名、SSW 事件数、合成基准期、空间掩膜和显著性方法未从可访问官方页面核实。

**方法与作者结果。** 研究做 SSW 后响应诊断，而不是初始化预报。作者报告一个稳健偶极：伊比利亚半岛偏湿，从伊朗高原到印度北部明显偏干；前者由降水增强驱动，后者主要由近地面异常增暖驱动，持续约两个月。

**技术判断与借鉴。** 该工作应列为 `adjacent-method`，因为它识别可预报源但没有给出 S2S 预测系统技能。它提示 S2S 模型应联合诊断平流层状态、降水、地温/蒸散和根区土壤湿度记忆；若 AI 模型只在近地面场拟合相关性而不维持垂直耦合和水分收支，可能得到正确均值却错误归因。

**代码、数据与图件。** 未核实公开代码、事件表和处理后数据；许可为 CC BY-NC-ND 4.0，不镜像图件。

### 3.4 `core-air-quality`：无新可信直接技能

本期唯一在 Crossref 主窗口内出现的明显 AI 候选是 *Enhanced Artificial Neural Networks Using QHAdamW in Air Quality Forecasting*（DOI `10.14445/22315381/IJETT-V74I7P122`）。正式 PDF 首页显示实际发表于 2026-07-28，而不是本期新论文；数据为 Manila 单站 2020–2024 年 14,328 个小时 PM2.5/PM10 观测。前馈 ANN 输入是污染物浓度和时间索引，输出是由浓度断点计算的 AQI，论文只写 70%/15%/15% 划分和 100 epochs，没有定义起报时刻、未来有效时刻或预报提前量。作者报告 QHAdamW 相对 Adam 的类别准确率为 PM2.5 53.05% 对 51.71%、PM10 88.03% 对 79.24%，但这更接近同期 AQI 映射/分类和优化器比较，不是未来污染浓度预报，也没有 CAMS/MLWP/NWP 气象驱动。故不纳入新增核心结果，只作 `low-value-exclusion/window-out` 去重。

## 四、相关方法与基础设施

### 4.1 `AD4DVAR-radar`：合同继续实质扩展，气象证据仍未出现

**代码变化。** 主窗口内七次提交从 `2700d621` 到 `4645ad591`，合计涉及 `intervention`、`ledger`、`promotion`、`variational`、`nowcast`、`sensitivity` 等核心模块和大量测试。提交依次关闭 prior holdout causality、prospective prior inference、prospective action semantics、action/total-prior trust boundaries、execution context/prior validity、full-input/QC precision contracts，以及 promotion audit/probabilistic action contracts。单次变更从数百到数千行，属于实质代码和审计语义变化，不是 README 刷新。

**模型与数据边界。** 仓库仍以 -20/-10/0 min 三帧 dBZ 估计全局运动/增长并外推 +10 至 +180 min；没有新论文、真实事件公共包、冻结共同样本、稠密光流/形变与对流生命周期对照。提交增强的是“什么时候拒绝晋级、先验/动作如何记账、输入和 QC 精度如何 fail-close”，并没有提供新的 CSI/FSS、对象或概率可靠性结果。

**许可与判断。** 截止时仍未核实标准 LICENSE、release、模型权重或独立复现。继续归为 `infrastructure`：它适合作为可追溯基线骨架，但不能把数理合同完备写成已获得雷达天气技能。

### 4.2 贝叶斯网络降水概率推断（`window-out/recovery`）

**任务、数据与模型。** Rio de Janeiro 论文使用 2002–2024 年遥测站逐小时资料，以物理启发特征、PCA 冗余检查和带气象约束的贝叶斯网络结构学习表示气象变量与降水的条件依赖。比较 Hill-Climbing 等结构学习与 K2/BIC 准则；作者称 K2 版本在准确率、特异度和校准方面最好，而解释分析选择更简约、物理上更合理的 BIC 网络。

**训练测试与作者结果。** 摘要只说明交叉验证结果一致，没有说明时间阻断、站点隔离和真正的 rolling-origin 预报。网络识别出一小时前高湿度、低太阳辐射和中等风速与降水的主要依赖关系。由于当前 Crossref 创建时间比 48 h 边界早约 41 min，它只作为缺口恢复，不冒充今日新增。

**技术判断。** 该方法适合用作可解释概率基线和特征依赖审计，但“一小时滞后关联”不自动等于严格 +1 h 预报；若交叉验证随机打乱相邻小时，技能可能乐观。下一步需冻结时间/事件切分、报告 Brier/可靠性/PIT、与持续性和逻辑回归比较，并检验气象约束在不同站点和天气型下是否稳定。

### 4.3 发现通道与证据限制

本期分源检查 arXiv 的 physics.ao-ph、cs.LG、eess.IV 和 stat.ML recent 列表，OpenReview API、Crossref、OpenAlex、Semantic Scholar，以及 ACM/AGU/ASCE/Springer Nature/Wiley/Hindawi 正式题录；同时检查 GitHub、Hugging Face、NOAA、ECMWF、DeepMind、Met Office、CMA、WMO 和 Copernicus/CAMS 入口。2026-08-07 的 arXiv `physics.ao-ph` 官方 recent 页显示该时段无更新；Semantic Scholar 三组日期限制查询和 OpenReview 定向查询没有返回窗口内匹配项。OpenAlex 的“created date”过滤需要付费权限，改用 publication-date 搜索只作补充发现，不据此证明“绝对无新增”。

Hugging Face 的天气数据多数是网页抓取、单站表格、文档分块或 space-weather；新仓库 `camaro/solafune-precipitation-nowcasting` 因实际发布 11 个权重而保留。GitHub 新建仓库搜索基本被天气网页、MCP 示例和无科学验证项目占据；没有核实到新的论文匹配代码/权重。机构页未发现主窗口内新的模型、权重、冻结共同样本业务评估或数据版本交付。

## 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 AI 模型、权重、数据版本或共同样本业务评估。NOAA UFS Replay 页面用于核验 GEFSv13 的公开基础设施，但不是本期新发布；ECMWF 新闻页最近可核验的 AI/再分析条目仍早于窗口，不重复填充。

### 5.2 `metadata-only`

- *ENK: An Effective Hybrid Model for Rainfall Variance Forecasting and Clustering*（DOI `10.1007/s42979-026-05269-x`）正式在线日为 2026-08-08；Crossref 只有标题和出版信息，Springer 页面返回客户端挑战，无法核实数据、时效、模型、切分、指标或代码，故暂不判断其是否属于大气预测。
- 8 月 7 日 arXiv 大气物理 recent 无更新不代表其他学科分类绝对无论文；本期由 cs.LG 等分类和 DOI 源补充，但没有把宽泛标题升级为技术结论。

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

- CMA-GD(R3) 逐小时频率匹配订正位于本期主窗口边界前 9 min，作为缓冲恢复，已在 `core-short-range` 说明。
- Rio de Janeiro 贝叶斯网络降水论文的题录时间比 48 h 边界早约 41 min，列 `window-out/recovery`；它提供概率和物理约束思路，但不算今日新成果。
- QHAdamW AQI 论文虽在本期出现新 Crossref 记录，正式 PDF 显示 2026-07-28 已发表；它既是窗口外索引回填，也没有未来时效合同。

### 5.4 `low-value-exclusion`

- QHAdamW AQI：同期浓度到 AQI 映射，无起报/有效时刻/提前量和预报气象驱动；不纳入 `core-air-quality`。
- Hugging Face 新增的天气网页演示、文档分块、单站表格、space-weather 数据和无模型卡空间，没有冻结评估、论文匹配或可复现科学结果；不计新增。
- GitHub 新建仓库搜索中的 weather assistant、weather MCP、硬件 price radar 等关键词命中不是气象预测研究；不纳入。
- 室内空气质量、交通暴露、观测统计和旧论文 Crossref 重新入库不属于四条初始化预测线；只用于去重。

## 六、对当前研究的具体启发

1. **动力锚点应按可预报源拆分，而不是只保留一个“全球场”。** GEFSv13、Atlantic SST 和 SSW—土壤湿度共同表明，热带对流、海温、平流层状态与陆面记忆通过不同路径贡献长时效信息。混合模型应分别诊断这些源项到目标异常的传递，而不是只比较最终 T2M/降水 RMSE。
2. **把遥相关链路纳入结构恢复的约束。** 西伯利亚热浪研究给出 SST 偏差—Rossby 波—上层脊—陆面反馈链。可在生成式/降尺度模型中检查波作用通量、Z500 异常、区域 T2M 和雪反馈是否同时改进，防止局地图像更细但远端强迫更错。
3. **训练窗口要像预报时效一样分层。** 广东 FMM 的 6 h/24 h 区域差异说明“更多历史”会混合天气型。对在线订正或自适应模型，应按 lead、区域、阈值和上游降水发生状态选择/条件化记忆长度，并用 rolling-origin 样本验证。
4. **验证尺度必须匹配影响问题。** 城市流域研究显示中尺度雷达分数、流域尺度降雨和径流评分可能给出不同方向。若研究目标涉及水文影响，需同时冻结像素域、流域聚合、累积窗口、峰值/到峰时刻和共同事件。
5. **权重公开不等于端到端可复现。** Solafune 已提供实际 checkpoint，但缺匹配代码链接、训练状态和数据许可；任何权重条目都应同时记录 config/代码 commit、输入通道、归一化、数据版本、随机种子和评估 manifest。
6. **不确定性表达应与可干预信息绑定。** SSW 土壤湿度偶极和 SST 强迫都可成为集合分层条件。概率模型不仅要增加 ensemble spread，还要检验条件分布在不同源状态下的可靠性、极端阈值 Brier/ROC、谱和对象一致性。

## 七、后续跟进触发器

- GEFSv13 对流论文：获得可访问全文/作者版本后，补齐 DYNAMO 起报数、变量、lead、原型配置、绝对分数及物理/初值消融；将论文实验与 NOAA replay 的具体版本一一映射。
- Atlantic SST 西伯利亚热浪：核对 S2S 系统清单、起报/有效时刻、SST 偏差定义、区域 replay 边界和波作用通量；寻找代码或处理后数据。
- SSW—土壤湿度：核对 SSW 事件表、再分析/卫星/陆面模型产品、两个月合成基准和水分收支闭合，再判断能否转为预测系统验证。
- Solafune 权重：找到匹配 solution repository 与 config commit，核实权重/代码许可证、数据许可、最终私有榜、地理隔离和多模型误差相关性。
- AD4DVAR：只有出现标准 LICENSE、真实事件隔离数据、稠密形变/生命周期基线、概率可靠性或独立复现时才升级；合同继续扩展本身不再重复报道。
- 城市流域评估：获取全文后补事件数、流域面积、累积窗口、COTREC 设置和绝对雷达/径流分数；将尺度敏感性转为当前项目的共同样本影响评估。
- CMA-GD(R3) FMM：补齐站点、时效、阈值和绝对指标；比较固定窗、天气型条件窗和因果在线学习，避免未来资料进入训练窗。
- `core-air-quality`：继续优先寻找真实 CAMS/MLWP/NWP 预报气象驱动、气象误差传播、PM2.5/沙尘阈值可靠性和跨城/跨站检验；不再升级无未来时效的 AQI 映射论文。
- 既有触发器继续有效：GEM-3 代码/权重与公平初始化，ScaleMixer 永久仓库/概率和极端评估，RainCast 全文，STNet 物理诊断，Dense-Cast 事件隔离，`globalnowcast` 修复后共同样本，HARECast 归档恢复，武汉空气质量逐窗口因果 DWT。

## 八、简短结论

本期最强的新结论不是“又一个 AI 模型更准”，而是：**长时效可预报信息要沿海温—对流—遥相关—陆面的物理链保留，短时效精细结构与影响评估则必须在正确的时间窗和空间尺度上验证。** Solafune 权重与 AD4DVAR 合同是实质基础设施更新，但都没有建立新的未来雷达技能；空气质量线没有可升级的直接证据。由于具体图件许可或完整图注不满足站点政策，本期不镜像论文图件。